在线教程::第六章..第一节..2
您当前的位置:首页-&在线教程-&第六章-&第一节
第一节&参数估计的基本概念
&&& &&&&4900&&& 4950&&& 5100&&& 5260&&& 5340
&&& （一）
&&& （二）
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
&&& （三）
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
　　现在让我们休息一下，然后进入下一节课的学习……
<embed src="../image/BarInContentEnd.swf" quality=high pluginspage="/shockwave/download/index.cgi?p1_Prod_Version=ShockwaveFlash" type="application/x-shockwave-flash" width="693" height="25">
Copyright 2001 Bussiness
Shool,Nankai University All rights reserved君，已阅读到文档的结尾了呢~~
参数估计方法研究工作的目的在于了解总体特征的有关信息，因而用样本统计数估计相应总体参数，并由之进行统计推断。总体特征的各种参数，如均数、标准差等，一般都是未知的，那么我们怎么可以得到这些参数的估计值的，这就是参数估计&#40;parameter estimation&#41;的问题。这里总结各种常用参数估计方法，即矩法、最小二乘法、极大似然法。 参数估计量的评选标准：参数估计可用不同的方法，后文将介绍矩法、最小二乘法&#46;&#46;
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
各种参数估计方法
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口苹果/安卓/wp
积分 76, 距离下一级还需 9 积分
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡下一级可获得
权限: 自定义头衔
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
苦逼签到天数: 34 天连续签到: 1 天[LV.5]常住居民I
& && && &最近在学习使用r语言进行极大似然估计的操作，知道可以使用optim、nlminb和MaxLix包来对未知参数进行估计，但发现这三个函数都只能给出参数的估计值和似然函数最优值，并不能给出待估参数的近似标准差，造成后续的参数检验无法进行。& && &&&请问有没有办法能直接输出参数标准差呢？或者怎样编写语言计算Fisher信息矩阵在参数估计值处的逆矩阵？
& && &&&在此请教大家，希望能有高手赐教！先行谢过！
支持楼主：、
购买后，论坛将把您花费的资金全部奖励给楼主，以表示您对TA发好贴的支持
载入中......
没人回复，自己先来顶一下！！
另外刚才发现maxLik可以输出hess值，这个矩阵是我想要的信息阵吗？
可以考虑使用bootstrap的方法，这种方法结合最大似然法就可以给出待估参数的标准差（其实是该参数的整个分布）.但是，我不知什么软件来实现。如果是我就自己编程罗。
参数标准差就是信息阵的相应对角元（例如，如果是第一个参数那么就是对角线第一个数）的开方
oliyiyi 发表于
参数标准差就是信息阵的相应对角元（例如，如果是第一个参数那么就是对角线第一个数）的开方是的，这个我明白，但我不知道调用hess值得到的是否为信息阵呢，谢谢您！
hopelesscat 发表于
是的，这个我明白，但我不知道调用hess值得到的是否为信息阵呢，谢谢您！求MLe时一般用N-L算法，迭代矩阵就是Hess阵，也就是信息阵
oliyiyi 发表于
求MLe时一般用N-L算法，迭代矩阵就是Hess阵，也就是信息阵太感谢您了，您的意思是我用r语言计算时，应该使用nlminb函数来求解是吗？这个函数运算以后的迭代矩阵怎么调用呢？
得到hessian
用solve函数来inverse得到covariance matrix
ntsean 发表于
得到hessian
用solve函数来inverse得到covariance matrix谢谢，请问如何得到hessian？nlminb函数的结果不给出hessian阵，用哪个函数能够调用呢？
如果仅是线性模型估计，则直接用如glm,lm等估计即可，没必要用optim、nlminb和MaxLix。前者相当可靠，后者不一定可靠！！若认为glm lm 等简单，可参考rms 包！！！！
初级学术勋章
初级学术勋章
初级热心勋章
初级热心勋章
初级信用勋章
初级信用勋章
中级信用勋章
中级信用勋章
中级学术勋章
中级学术勋章
中级热心勋章
中级热心勋章
高级热心勋章
高级热心勋章
高级学术勋章
高级学术勋章
高级信用勋章
高级信用勋章
特级热心勋章
高级热心勋章
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
加入我们,立即就学扫码下载「就学」app& Join us!& JoinLearn&
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
论坛法律顾问：王进律师温馨提示！由于新浪微博认证机制调整，您的新浪微博帐号绑定已过期，请重新绑定！&&|&&
LOFTER精选
网易考拉推荐
用微信&&“扫一扫”
将文章分享到朋友圈。
用易信&&“扫一扫”
将文章分享到朋友圈。
表2-1 回归结果
方程窗口的上半部分为参数估计结果如表2-2所示，其中第1列分别为解释变量名（包括常数项），第2列为相应的参数估计值，第3列为参数的标准误差，第4列为t统计值，第5列为t检验的双侧概率值p，即P（| t |& ti）= p。
表2-2 参数估计结果
常数和解释变量
参数估计值
参数标准误差
方程窗口的下半部分主要是一些统计检验值，其中各统计量的含义如表2-3所示。
表2-3 统计检验值
被解释变量均值
调整的可决系数
被解释变量标准差
回归方程标准差
赤池信息准则
残差平方和
施瓦兹信息准则
似然函数的对数
F统计量的概率
单击Equation 窗口中的Resid按钮，将显示模型的拟合图和残差图。
图2-17 拟合图和残差图
单击Equation 窗口中的View → Actual, Fitted, Resid → Table按钮，可以得到拟合直线和残差的有关结果。
阅读(8239)|
用微信&&“扫一扫”
将文章分享到朋友圈。
用易信&&“扫一扫”
将文章分享到朋友圈。
历史上的今天
loftPermalink:'',
id:'fks_',
blogTitle:'4、eviews OLS估计参数',
blogAbstract:'
1．命令方式
在主菜单命令行键入
LS Y C X （如图2-15）
2．菜单方式
在主菜单上选Quick菜单，单击Estimate Equation项，屏幕出现Equation Specification估计对话框，在Estimation',
blogTag:'eviews',
blogUrl:'blog/static/',
isPublished:1,
istop:false,
modifyTime:1,
publishTime:7,
permalink:'blog/static/',
commentCount:0,
mainCommentCount:0,
recommendCount:0,
bsrk:-100,
publisherId:0,
recomBlogHome:false,
currentRecomBlog:false,
attachmentsFileIds:[],
groupInfo:{},
friendstatus:'none',
followstatus:'unFollow',
pubSucc:'',
visitorProvince:'',
visitorCity:'',
visitorNewUser:false,
postAddInfo:{},
mset:'000',
remindgoodnightblog:false,
isBlackVisitor:false,
isShowYodaoAd:true,
hostIntro:'',
hmcon:'1',
selfRecomBlogCount:'0',
lofter_single:''
{list a as x}
{if x.moveFrom=='wap'}
{elseif x.moveFrom=='iphone'}
{elseif x.moveFrom=='android'}
{elseif x.moveFrom=='mobile'}
${a.selfIntro|escape}{if great260}${suplement}{/if}
{list a as x}
推荐过这篇日志的人：
{list a as x}
{if !!b&&b.length>0}
他们还推荐了：
{list b as y}
转载记录：
{list d as x}
{list a as x}
{list a as x}
{list a as x}
{list a as x}
{if x_index>4}{break}{/if}
${fn2(x.publishTime,'yyyy-MM-dd HH:mm:ss')}
{list a as x}
{if !!(blogDetail.preBlogPermalink)}
{if !!(blogDetail.nextBlogPermalink)}
{list a as x}
{if defined('newslist')&&newslist.length>0}
{list newslist as x}
{if x_index>7}{break}{/if}
{list a as x}
{var first_option =}
{list x.voteDetailList as voteToOption}
{if voteToOption==1}
{if first_option==false},{/if}&&“${b[voteToOption_index]}”&&
{if (x.role!="-1") },“我是${c[x.role]}”&&{/if}
&&&&&&&&${fn1(x.voteTime)}
{if x.userName==''}{/if}
网易公司版权所有&&
{list x.l as y}
{if defined('wl')}
{list wl as x}{/list}}