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

Maximum Likelihood MT

Maxlikmt提供了一套用最大似然法估计模型参数并进行统计推断的程序。

Maximum Likelihood MT

MaxlikMT提供了一套灵活、高效和可信的工具来解决参数有界限的最大似然问题。

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MLMT 1.0-2.0

功能包括:

各种下降和行搜索算法。
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 和 Linux.

需求: GAUSS/GAUSS Light version 17 或更高

关键功能

统计推断

Maxlikmt提供了加权或未加权、有界或无界最大似然模型的统计推断方法。

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

下降法

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

行搜索方法

STEPBT
Brent’s method
HALF
Strong Wolfe’s Conditions

优势

灵活

有界参数。
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工具中有效且数字合理的代码，使他们保持在其领域的前沿。

Details

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
Parameter bounds	类型的简单参数界限:lower_bd ≤ x_i ≤ upper_bd
Descent algorithms	BFGS, DFP, Newton 和 BHHH.
Algorithm switching	根据经过的迭代次数、目标函数的最小变化或线搜索步长，指定要切换的下降算法。
Weights	观测值加权
Covariance matrix type	计算最大似然协方差矩阵、QML协方差矩阵或不计算。
Alpha	统计检验的概率水平。
Line search method	STEPBT (quadratic and cubic curve fit), Brent’s method, BHHHStep, half-step or Strong Wolfe’s Conditions.
Active parameters	控制哪些参数是活动的(待估计的),哪些参数应该固定为初始值。
Gradient Method	Either compute an analytical gradient, or have Maxlikmt compute a numerical gradient using the forward, central or backwards difference method.
Hessian Method	Either compute an analytical Hessian, or have Maxlikmt compute a numerical Hessian using the forward, central or backwards difference method.
Gradient check	将用户提供的函数计算的分析梯度与数值梯度进行比较，以检查分析梯度的正确性。
Random seed	随机线搜索方法使用的起始种子值，以允许可重复的代码。
Print output	控制是否打印迭代输出(或打印频率)以及是否打印最终报告
Gradient step	高级功能:控制用于计算数值一阶和二阶导数的步长的增量大小。
Random search radius	尝试随机搜索时的半径。
Maximum iterations	收敛的最大迭代次数。
Maximum elapsed time	收敛的最大分钟数。
Maximum random search attempts	随机线搜索尝试的最大允许次数。
Convergence tolerance	当方向向量的变化小于这个量时，就实现了收敛。