相信大家平时的学习中经常会遇到极大似然估计这种方法,那么极大似然估计原理到底是什么,有什么优势?将通过以下内容为您解读。
01
极大似然估计是什么
极大似然估计最初有C.F.Gauss提出,但直至1922年,R.A.Fisher在他的论文中再次提到了极大似然估计这个概念,并给出了相应的性质时,使得极大似然估计开始得到广泛应用。由于概率密度函数十分重要,当θ已知时,其实际密度概率如何随X变化,相应地当X已知时概率密度函数的变化反映了对X的解释程度,即为似然。
02
极大似然估计的原理
极大似然估计是参数估计的一种方法,当已知随机样本满足某一概率分布时,通过多次模拟计算参数的估计值,这个值来源于这个估计参数使得样本出现的概率最大,即选取相应的θ使得随机样本xi(i=1,2,...m)发生的概率最大,即似然函数最大,则称此时的θ为极大似然估计值。
03
极大似然估计的分析步骤
首先给出似然函数的形式L;
其次对L取对数,整理式子两边的部分;
再次对整理出的式子求导;
最终解该似然方程,即得到最终的结果。
04
极大似然估计的Stata应用
1、Stata提供了一个“ml”的命令,可自行定义似然函数来执行最大似然估计,详见“help ml”。
2、LR检验可通过Stata命令lrtest实现,这也是检验异方差的重要步骤。
3、正态分布检验(JB检验、D'Agostino检验等)。
参考文献:
1.陈强.高级计量经济学及Stata应用[M].北京:高等教育出版社,2014.
2.王飞. 线性回归模型中极大似然估计的若干性质[D].渤海大学,2020.
3.相关资料来源于百度百科和360百科,相关资料整理自网络。
更多消息请添加“学术小叮当”进行了解。
图文:倪一宁
美编:倪一宁
责编:陈均如