原创文章,如需转载请联系作者!
希望这篇文章能讲清楚什么是“最大似然估计”。
通过前文的推理,我们已经得到了二项Probit和二项Logit的模型表达式。在二项Probit模型中,决策者n选择方案i的概率为:
在二项Logit模型中,相应的概率为:
具体的推导过程可以参见之前的文章:
《效用最大化准则:离散选择模型的核心(Probit篇)——离散选择模型之七》
《你们要的二项Logit模型在这里——离散选择模型之八》
《从Gumbel分布到Logistic分布——离散选择模型之九》
模型已经有了,下一个需要解决的问题就是如何估计模型中参数?——这里就要用到最大似然估计(Maximum Likelihood Estimation,简称MLE)。
最大似然估计是干什么用的?
估计参数用的。假设已经知道某个随机变量服从正态分布
(
、
的值未知),通过对随机变量进行观测、获得一组观测值,我们就可以利用最大似然估计获得
、
的值。
最大似然估计的原理?
先看一个简单的例子。假设我们对一组小球的重量进行观测。第一个小球的重量为
,其在坐标轴上的位置如下图1所示:
根据以往的经验可知,小球的重量
服从正态分布;并且该分布的形状就是图2中的(a)、(bÿ