第08节 对数极大似然估计.pptVIP

一．初值 由于EViews使用迭代法来求极大似然估计，初值的选择就显得非常重要了。对于似然函数只有一个极大值的问题，只是经过多少次迭代使估计收敛的问题。对于那些多个极大值的似然函数所面临的问题是决定选择极大值中哪一个。在某些情况下，如果不给出合理的初值，EViews将无法作出估计。 默认情况下，EViews使用储存在系数向量或估计前的向量中的值。如果在说明中用了@param语句，那么就用语句指定的值来代替。 在模型(18-1)的例子中，为均值方程系数赋初值的一个方法是简单的OLS法，这是因为即使在异方差性（有界）存在的条件下，OLS也提供了一致的点估计。为了用OLS估计值作为初值，首先要用下面的命令来估计OLS方程： equation eq1.1s y c x z 在对这个方程进行估计后，C系数向量中的元素c(1)，c(2)，c(3)将包含OLS估计的结果。 要设置c(4)表示OLS估计的残差方差，可以在命令窗口中输入下面的赋值语句：c(4)=eq1.@se^2。 可选择地，可以利用简单的赋值语句任意设置参数值： c(4) = 0.005 现在，如果在执行了OLS估计及其后面的命令后马上估计logl模型的话，那么将用设置在C向量里的值作为初值。 象上面我们提到的那样，将参数初始值赋值为已知值的另一种方法是在似然模型说明中加入@param语句。例如，如果在logl的说明中加入了下面的行: @param c(1) 0.1 c(2) 0.1 c(3) 0.1 c(4) 0.005 那么EViews会将初值设置为: c(1) = c(2 )= c(3) = 0.1，c(4) = 0.005。 二．估计样本 在估计对数似然函数的参数时，EViews就在Estimation Option对话框里指定了将使用的观测值的样本。EViews在当前参数值下，将使用观测值顺序或方程顺序用样本中的每一个观测值来对logl中每个表达式进行计算。所有这些计算都服从于EViews中关于序列表达式计算的规则。 如果在对数似然序列的初始参数值中有缺少值，EViews将发出错误信息而估计过程也将终止。相对于其他的EViews内部过程的处理方式，在估计模型参数时logl估计不能进行终点调整或是去掉那些欠缺值的观测值。 §8.4 LogL视图 (1) likelihood Specification : 显示定义和编辑似然说明的窗口。 (2) Estimation Output : 显示通过最大化似然函数得到的估计结果。 (3) Covariance Matrix : 显示参数估计的协方差矩阵。这是通过计算在最优参数值下一阶导数的外积的和的逆求得的。可以用@cov这个函数将其保存为(SYM)矩阵。 (4) Wald Coefficient Test : 执行Wald系数限制检验。参看系数检验，关于Wald检验的讨论。 (5) Gradients : 如果模型没有被估计，显示当前参数值下logL的梯度（一阶导数）视图，若模型已经被估计，则显示收敛的参数值下logL的梯度视图。当你处理收敛问题时，这些图将成为有用的鉴别工具。 (6) Check Derivatives : 如果使用了@param语句，显示在初值下数值微分和解析微分（如果可获得）的值，如果没有使用@param语句，则给出在当前值下数值微分和解析微分的值，以及用模型中所有样本计算的每个系数数值微分的和 。 §8.5 LogL过程 (1) Estimate : 弹出一个设置估计选项的对话框，并估计对数似然函数的参数。 (2) Make Model : 建立一个估计对数似然函数说明的未命名的模型对象。 (3) Make Gradient Group : 在参数估计值下创建一个未命名的对数似然函数的梯度组（一阶导数）。这些梯度常用来构造拉格朗日乘数检验。 (4) Update Coefs from LogL : 用似然函数对象得出的估计值来更新系数向量。该过程可以将极大似然估计结果作为其他估计问题的初始值。 大多数这些过程和EVie