如何做 stata 参数估计列表

如何做 stata 参数估计列表

一、极大似然估计的原理 极大似然的估计原理可以由下面的程序得到说明。我们首先生成 10 个服从 正态分布的总体，每个总体的均值都不同，依次为 0，1，2，3，4，5，6，7，8， 9。方差相同，均为 1。然后我们随机地取出一个总体，从中抽出 10 个样本，因 为事先不知道是从哪一个总体中抽出来的，所以我们分别用已知的 10 个总体参 数值代入似然函数，计算出 10 个似然函数值，取其中最大的似然值，认为该样 本是从相应的总体中取出的（从而联合概率密度也最大化）。然后我们让计算机 告诉我们它是从第几个总体中取样的，并与我们的判断进行对比。 code：================================================================ capt prog drop mle prog mle drawnorm double x0-x9,n(8) m(0,1,2,3,4,5,6,7,8,9) clear global i=int(10*uniform()) //设定一个随机数，用于随机取出一个总体 forv j=0/9 { gen lnf`j' =-0.5*ln(2*_pi)*8-sum(0.5*(x$i-`j')^2) //对取出的总体计算似然值 scalar lnf`j'=lnf`j'[_N] //最终的似然值 } scalar list // 比较10个似然值哪个最大，猜想是从第几个总体取出来的？ end mle di 所抽中的样本为 as error X$i 二、最小二乘估计 OLS 原理 与极大似然估计寻求样本密度函数对数值最大不同，最小二乘估计寻求样本 点与总体参数的距离最小。这种距离通常以平方和来表示，因此称为最小二乘估 计。最小二乘估计原理可以由下面的程序得到说明。 我们首先生成 10 个服从正态分布的总体，每个总体的均值都不同，依次为 0，1，2，3，4，5，6，7，8，9。但方差相同，均为 1。然后我们随机地取出一 个总体，从中抽出 10 个样本，因为不知道是从哪一个总体中抽出来的，所以我 们分别计算样本点与已知的 10 个总体参数值（均值）之间距离的平方和，然后 取使得平方和最小的哪个参数值，认为该样本是从哪个总体中取出的。然后我们 让计算机告诉我们它是从第几个总体中取样的。 code:================================================================ capt prog drop ols prog ols drawnorm double x0-x9,n(8) m(0,1,2,3,4,5,6,7,8,9) clear *生成10个总体,每个总体取8个样本 global i=int(10*uniform()) //设定一个一位数的随机数，0，1，2，…，9 forv j=0/9 { gen lnf`j' =sum((x$i-`j')^2) //对某总体计算10个观察值到总体均值的平方和 scalar lnf`j'=lnf`j'[_N] //取平方和赋给标量 } scalar list //比较10个平方和哪个最大，猜想是从第几个总体取出来的？ end ols......余下全文>>