Avis des lecteurs
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 2 votes.
Titre original :
Maximum Likelihood Estimation with Stata, Fifth Edition
Contenu du livre :
Maximum Likelihood Estimation with Stata, Fifth Edition est la référence et le guide essentiels pour les chercheurs de toutes les disciplines qui souhaitent écrire des estimateurs du maximum de vraisemblance (ML) dans Stata. En plus de fournir une couverture complète des commandes de Stata pour l'écriture d'estimateurs ML, le livre présente une vue d'ensemble des fondements du maximum de vraisemblance et de la façon d'envisager l'estimation ML.
La cinquième édition comprend un nouveau deuxième chapitre qui présente la commande mlexp, facile à utiliser. Cette commande vous permet de spécifier directement une fonction de vraisemblance et d'effectuer une estimation sans aucune programmation.
Le cœur du livre se concentre sur la commande ml de Stata. Il vous montre comment tirer pleinement parti des fonctionnalités remarquables de ml :
⬤ Contraintes linéaires.
⬤ Quatre algorithmes d'optimisation (Newton-Raphson, DFP, BFGS et BHHH).
⬤ Estimateur de variance de la matrice d'information observée (OIM).
Estimateur de variance de la matrice d'information observée (OIM) ⬤ Estimateur de variance du produit extérieur des gradients (OPG)
⬤ Estimateur de variance robuste de Huber/White/sandwich.
⬤ Estimateur de variance robuste par grappes.
⬤ Prise en charge complète et automatique de l'analyse des données d'enquête.
⬤ Prise en charge directe des fonctions d'évaluation écrites en Mata.
Lorsque les options appropriées sont utilisées, beaucoup de ces fonctionnalités sont fournies automatiquement par ml et ne nécessitent aucune programmation spéciale ou intervention de la part du chercheur qui écrit l'estimateur.
Dans les chapitres suivants, vous apprendrez à tirer parti de Mata, le langage de programmation matricielle de Stata. Pour faciliter la programmation et améliorer la vitesse, vous pouvez écrire votre programme d'évaluateur de vraisemblance dans Mata et continuer à utiliser ml pour contrôler le processus de maximisation. Un nouveau chapitre de la cinquième édition montre comment utiliser la suite de fonctions Mata moptimize() si vous souhaitez mettre en œuvre votre estimateur du maximum de vraisemblance entièrement dans Mata.
Dans le dernier chapitre, les auteurs illustrent les principales étapes nécessaires pour passer d'une fonction de log-vraisemblance à une commande d'estimation pleinement opérationnelle. Ils utilisent pour cela plusieurs modèles différents : logit et probit, régression linéaire, régression de Weibull, modèle des risques proportionnels de Cox, régression à effets aléatoires et régression apparemment non liée. Cette édition ajoute un nouvel exemple de modèle de Poisson bivarié, un modèle qui n'est pas disponible dans Stata.
Les auteurs fournissent des conseils détaillés pour développer vos propres commandes d'estimation. Avec un peu d'attention et l'aide de ce livre, les utilisateurs seront en mesure d'écrire leurs propres commandes d'estimation - des commandes qui ressemblent et se comportent exactement comme les commandes d'estimation officielles de Stata.
Que vous souhaitiez adapter un estimateur ML spécial pour votre propre recherche ou que vous souhaitiez écrire un estimateur ML général pour que d'autres puissent l'utiliser, vous avez besoin de ce livre.
Autres informations sur le livre :
| ISBN : | 9781597184113 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
| Année de publication : | 2023 |
| Nombre de pages : | 472 |
Achat:
Actuellement disponible, en stock.
