极大似然估计_干货分享 | 如何理解极大似然估计？

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