Метод максимального правдоподобия. Оценка линейной регрессии ММП
Выбери формат для чтения
Загружаем конспект в формате docx
Это займет всего пару минут! А пока ты можешь прочитать работу в формате Word 👇
Лекция №4. Метод максимального правдоподобия. Оценка линейной регрессии ММП
В данной лекции рассматривается применение одного из классических методов оценки параметров — метода максимального правдоподобия (ММП) — в задаче оценки параметров линейной регрессии. Основная задача этой лекции — изучение не столько основ применения метода максимального правдоподобия, сколько критериев, основанных на оценках ММП и являющихся также классическими критериями проверки гипотез.
Для более подробного изучения материала рекомендуется обратиться к учебникам по математической статистике (см. введение к лекции 2), учебнику Суслов В.И., Ибрагимов Н.М., Талышева Л.П., Цыплаков А.А. Эконометрия. — Новосибирск: Издательство СО РАН, 2005. Глава 18. А также к аналогичным главам других учебников из списка базовой литературы по курсу (см. введение).
Оценки методом максимального правдоподобия
Метод максимального правдоподобия (ММП) – один из классических методов оценивания. Если – случайная величина из известного распределения с плотностью с неизвестными параметрами , то оценкой ММП этих параметров называется такое , которое при данной выборке максимизирует функцию правдоподобия
.
Чаще для удобства задачу оценивания ММП записывают в логарифмах:
.
Оценка ковариационной матрицы оценок можно получить из матрицы Гессе логарифмической функции правдоподобия:
.
Оценки ММП линейной регрессии с нормальными остатками
Рассматривается линейная регрессия
в предположениях H1 – H5, т.е.
.
Тогда при условии, что факторы детерминированы, запишем логарифмическую функцию правдоподобия для величины :
.
Задача оценивания ММП:
,
.
F.O.C.:
,
.
Оценки ММП:
,
.
Таким образом, видно, что в условиях нормальности ошибок регрессии оценки ММП и МНК совпадают.
Проверка существенности ограничений при оценивании регрессии ММП
Обозначения (как и ранее при оценке МНК):
- оценки параметров ММП без ограничений,
- значение логарифмической функции правдоподобия в точке ,
- оценки той же модели ММП с учетом ограничений ,
- аналогично, значение ЛФП с учетом ограничений.
Очевидно, что .
Существует ряд критериев для проверки существенности ограничений в такой модели. Далее рассматриваются три классических критерия:
• критерий Вальда (W-тест),
• критерий отношения правдоподобия (LR-тест),
• критерий множителей Лагранжа (LM-тест).
Все три критерия являются критериями проверки существенности ограничений в общей форму. Следовательно, на основе каждого из них можно построить критерии, аналогичные рассмотренным в предыдущей лекции (тест Рамсея, тест Чоу и пр.).
Критерий Вальда (W-тест)
Критерий основан на сравнении значений невязок ограничений в точке оценок с ограничениями и без них.
В точке невязки ограничений по построению равны нулю:
,
следовательно, необходимо оценить, насколько сильно отличаются от нуля невязки в точке
.
Рассматривается гипотеза , т.е. ограничения существенны.
В условиях H5 , и, следовательно, .
Критерий строится на статистике Вальда:
.
Критерий отношения правдоподобия (LR-тест)
Критерий основан на различии значений функции правдоподобия в точках оценок с учетом ограничений и без.
При любых ограничениях , чем сильнее отличаются значения ЛФП, тем «существеннее» ограничения.
В условиях верной нулевой гипотезы статистика, основанная на разности имеет известное распределение:
.
Критерий множителей Лагранжа (LM-тест)
Критерий основан на разности «тангенса угла наклона касательной к ЛФП» в точках оценок параметров с учетом ограничений и без. В точке оценок без учета ограничений этот «наклон» равен нулю, т.е. необходимо оценить, насколько сильно отличается «наклон» в точке оценок с учетом ограничений .
Аналогично построению W-теста, при H5 имеет место
,
и тогда для множителей Лагранжа выполнено
Строится статистика множителей Лагранжа:
.
Ремарки о свойствах оценок ММП и связанных критериях проверки гипотез
• Оценки ММП являются асимптотически состоятельными и эффективными (не только в классе линейных оценок, а вообще);
• То, что при нормальности ошибок регрессии оценки ММП и МНК параметров регрессии совпадают, показывает состоятельность оценок МНК (асимптотическую);
• Если нарушается гипотеза о детерминированности факторов, то функцию правдоподобия записывают так же, говоря об «условном ММП»; свойства оценок (асимптотические) как правило сохраняются;
• Классические критерий проверки гипотез, основанные на ММП, подходят для проверки не только линейных ограничений и не только в условиях нормальности ошибок – распределение статистик сохраняется, но асимптотически;