Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.
Maximum Likelihood Estimation with Stata, Fifth Edition
Maximum Likelihood Estimation with Stata, Fifth Edition ist die unverzichtbare Referenz und Anleitung für Forscher aller Disziplinen, die Maximum-Likelihood-Schätzer (ML) in Stata schreiben wollen. Das Buch bietet nicht nur eine umfassende Abdeckung der Stata-Befehle zum Schreiben von ML-Schätzern, sondern gibt auch einen Überblick über die Grundlagen der Maximum-Likelihood-Schätzung und wie man über ML-Schätzungen denkt.
Die fünfte Auflage enthält ein neues zweites Kapitel, in dem der einfach zu verwendende mlexp-Befehl demonstriert wird. Mit diesem Befehl können Sie direkt eine Likelihood-Funktion angeben und eine Schätzung ohne jegliche Programmierung durchführen.
Der Kern des Buches konzentriert sich auf den ml-Befehl von Stata. Es zeigt Ihnen, wie Sie die bemerkenswerten Funktionen von ml voll ausnutzen können:
⬤ Lineare Nebenbedingungen.
⬤ Vier Optimierungsalgorithmen (Newton-Raphson, DFP, BFGS, und BHHH)
⬤ Varianzschätzer für die beobachtete Informationsmatrix (OIM).
⬤ Äußeres Produkt der Gradienten (OPG) Varianzschätzer.
⬤ Huber/White/Sandwich robuster Varianzschätzer.
⬤ Cluster-robuster Varianzschätzer
⬤ Vollständige und automatische Unterstützung für die Analyse von Umfragedaten.
⬤ Direkte Unterstützung von in Mata geschriebenen Schätzerfunktionen.
Wenn geeignete Optionen verwendet werden, werden viele dieser Funktionen automatisch von ml bereitgestellt und erfordern keine spezielle Programmierung oder Eingriffe des Forschers, der den Schätzer schreibt.
In späteren Kapiteln werden Sie lernen, wie Sie die Vorteile von Mata, der Matrix-Programmiersprache von Stata, nutzen können. Um die Programmierung zu vereinfachen und die Geschwindigkeit zu erhöhen, können Sie Ihr Likelihood-Schätzer-Programm in Mata schreiben und weiterhin ml zur Steuerung des Maximierungsprozesses verwenden. Ein neues Kapitel in der fünften Auflage zeigt, wie Sie die moptimize()-Suite von Mata-Funktionen verwenden können, wenn Sie Ihren Maximum-Likelihood-Schätzer vollständig in Mata implementieren wollen.
Im letzten Kapitel veranschaulichen die Autoren die wichtigsten Schritte, die erforderlich sind, um von der Log-Likelihood-Funktion zum voll funktionsfähigen Schätzbefehl zu gelangen. Dabei werden verschiedene Modelle verwendet: Logit und Probit, lineare Regression, Weibull-Regression, das Cox-Proportional-Hazards-Modell, Regression mit zufälligen Effekten und scheinbar unverbundene Regression. In dieser Ausgabe wurde ein neues Beispiel für ein bivariates Poisson-Modell hinzugefügt, ein Modell, das sonst in Stata nicht verfügbar ist.
Die Autoren geben umfassende Ratschläge für die Entwicklung eigener Schätzbefehle. Mit ein wenig Sorgfalt und der Hilfe dieses Buches werden Benutzer in der Lage sein, ihre eigenen Schätzungsbefehle zu schreiben - Befehle, die genauso aussehen und sich genauso verhalten wie die offiziellen Schätzungsbefehle in Stata.
Ganz gleich, ob Sie einen speziellen ML-Schätzer für Ihre eigene Forschung anpassen oder einen ML-Schätzer für allgemeine Zwecke schreiben möchten, den andere verwenden können, Sie brauchen dieses Buch.
| ISBN: | 9781597184113 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2023 |
| Seitenzahl: | 472 |
Derzeit verfügbar, auf Lager.
