Constrained Maximum Likelihood MT 3.0|GAUSS应用-上海卡贝信息技术有限公司

Constrained Maximum Likelihood MT

Constrained Maximum Likelihood MT提供了一套通过对参数有一般约束的最大似然方法来估计模型参数，并执行统计推断的过程。

Constrained Maximum Likelihood MT

Constrained Maximum Likelihood MT(CMLMT)提供了一套灵活、高效和可信的工具来解决参数有一般约束的最大似然问题。

3.0版本比以往任何时候都更容易使用！

新的语法选项消除了对PV和DS结构的需求:
- 所需代码减少了25%。
- 运行时间减少20%。
- 简化用法。
可选的动态参数使得向目标函数添加模型参数之外的额外数据参数变得简单而透明。
更新的文档和示例。
完全向后兼容CMLMT 1.0-2.0

功能包括:

非线性等式和不等式约束。
线性等式和不等式约束。
信赖域方法。
各种下降和线搜索算法。
解析导数和数值导数的计算。
动态算法切换。
统计推断的多种方法。

默认选择允许您以最少的编程工作快速看到结果，而一组建模参数允许解决自定义问题的灵活性。

平台: Windows, Mac, and Linux.

需求: GAUSS/GAUSS Engine/GAUSS Light v17 or higher.

关键特征

统计推断

CMLMT提供了带一般约束的加权或未加权、有界或无界最大似然模型的统计推断方法。

约束参数模型的假设检验
倒置Hessian协方差矩阵
异方差一致协方差矩阵
沃尔德置信限
似然比统计
引导程序
似然曲线和曲线“t”轨迹

Descent methods

BFGS (Broyden, Fletcher, Goldfarb, and Powell)
DFP (Davidon, Fletcher, and Powell)
Newton
BHHH (Berndt, Hall, Hall, and Hausman)

Line search methods

STEPBT
Brent’s method
HALF
Strong Wolfe’s Conditions

优势

灵活

支持用户提供的任意非线性等式和不等式约束。
线性等式和不等式约束。
有界参数。
控制信任区域半径。
指定固定参数和自由参数。
动态算法切换。
计算所有导数、导数的子集，或者不计算任何导数。
轻松传递模型参数以外的数据作为额外的输入参数。新的！
简单地从参数子集创建对数似然计算所需的矩阵的方法。

高效

线程和线程安全
避免对数似然函数和导数计算相同的选项。
GAUSS中用户定义过程的惊人速度加快了您的估计。

信任

30多年来，领先的研究人员一直相信高斯最大似然估计包中的有效和数字合理的代码，以保持他们在其领域的前沿。

细节

新手用户通常会将这些选项中的大部分保留为默认值。然而，当处理更困难的问题时，它们可以是一个很大的帮助。

控制选项
Nonlinear constraints	User defined procedures to create custom nonlinear equality and/or inequality constraints on the parameters.
Linear constraints	Linear equality and/or inequality constraints on the parameters.
Parameter bounds	Simple parameter bounds of the type: lower_bd ≤ x_i ≤ upper_bd
Descent algorithms	BFGS, DFP, Newton and BHHH.
Algorithm switching	Specify descent algorithms to switch between based upon the number of elapsed iterations, a minimum change in the objective function or line search step size.
Weights	Observation weights.
Covariance matrix type	Compute a ML covariance matrix, a QML covariance matrix, or none.
Alpha	Probability level for statistical tests.
Line search method	STEPBT (quadratic and cubic curve fit), Brent’s method, BHHHStep, half-step or Strong Wolfe’s Conditions.
Trust region	Activate or inactivate the trust region method and set the trust region size.
Active parameters	Control which parameters are active (to be estimated) and which should be fixed to their start value.
Gradient Method	Either compute an analytical gradient, or have CMLMT compute a numerical gradient using the forward, central or backwards difference method.
Jacobian of the constraints	Specify procedures to compute either the Jacobian of the equality or inequality constraints.
Hessian Method	Either compute an analytical Hessian, or have CMLMT compute a numerical Hessian using the forward, central or backwards difference method.
Gradient check	Compares the analytical gradient computed by the user supplied function with the numerical gradient to check the analytical gradient for correctness.
Random seed	Starting seed value used by the random line search method to allow for repeatable code.
Print output	Controls whether (or how often) iteration output is printed and whether a final report is printed.
Gradient step	Advanced feature: Controls the increment size for computing the step size for numerical first and second derivatives.
Random search radius	The radius of the random search if attempted.
Maximum iterations	Maximum iterations to converge.
Maximum elapsed time	Maximum number of minutes to converge.
Maximum random search attempts	Maximum allowed number of random line search attempts.
Convergence tolerance	Convergence is achieved when the direction vector changes less than this amount.