Stima della massima verosimiglianza con Stata, quinta edizione

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 2 voti.

Titolo originale:

Maximum Likelihood Estimation with Stata, Fifth Edition

Contenuto del libro:

Maximum Likelihood Estimation with Stata, Fifth Edition è il riferimento e la guida essenziale per i ricercatori di tutte le discipline che desiderano scrivere stimatori di massima verosimiglianza (ML) in Stata. Oltre a fornire una copertura completa dei comandi di Stata per la scrittura di stimatori ML, il libro presenta una panoramica dei fondamenti della massima verosimiglianza e di come pensare alla stima ML.

La quinta edizione include un nuovo secondo capitolo che illustra il comando mlexp, di facile utilizzo. Questo comando consente di specificare direttamente una funzione di verosimiglianza e di eseguire la stima senza alcuna programmazione.

Il cuore del libro è incentrato sul comando ml di Stata. Mostra come sfruttare appieno le notevoli caratteristiche di ml:

⬤ Costrizioni lineari.

⬤ Quattro algoritmi di ottimizzazione (Newton-Raphson, DFP, BFGS e BHHH).

⬤ Stimatore della varianza della matrice di informazione osservata (OIM).

⬤ Stimatore della varianza del prodotto esterno dei gradienti (OPG).

⬤ Stimatore di varianza robusto di Huber/White/sandwich.

⬤ Stimatore di varianza robusto a cluster.

⬤ Supporto completo e automatico per l'analisi dei dati dei sondaggi.

⬤ Supporto diretto delle funzioni di valutazione scritte in Mata.

Se si utilizzano le opzioni appropriate, molte di queste funzioni sono fornite automaticamente da ml e non richiedono alcuna programmazione o intervento speciale da parte del ricercatore che scrive lo stimatore.

Nei capitoli successivi si apprenderà come sfruttare Mata, il linguaggio di programmazione matriciale di Stata. Per semplificare la programmazione e migliorare la velocità, è possibile scrivere il programma di stima della verosimiglianza in Mata e continuare a usare ml per controllare il processo di massimizzazione. Un nuovo capitolo della quinta edizione mostra come utilizzare la suite di funzioni moptimize() di Mata se si desidera implementare lo stimatore di massima verosimiglianza interamente in Mata.

Nel capitolo finale, gli autori illustrano i principali passaggi necessari per passare da una funzione di log-likelihood a un comando di stima pienamente operativo. Ciò avviene utilizzando diversi modelli: logit e probit, regressione lineare, regressione Weibull, modello di Cox proportional hazards, regressione a effetti casuali e regressione apparentemente non correlata. Questa edizione aggiunge un nuovo esempio di modello di Poisson bivariato, un modello che non è altrimenti disponibile in Stata.

Gli autori forniscono ampi consigli per sviluppare i propri comandi di stima. Con un po' di attenzione e l'aiuto di questo libro, gli utenti saranno in grado di scrivere i propri comandi di stima, comandi che hanno lo stesso aspetto e si comportano come i comandi di stima ufficiali di Stata.

Sia che vogliate adattare uno stimatore ML speciale per la vostra ricerca, sia che vogliate scrivere uno stimatore ML di uso generale da destinare ad altri, avete bisogno di questo libro.