最大似然估计 (Maximum Likelihood Estimation)

概述

最大似然估计是一种常用的参数估计方法，通过最大化似然函数来估计模型参数。

关键内容

1. 基本原理：
2. 选择使观测数据出现概率最大的参数值作为估计值

3. 基于已知的概率分布形式，通过样本数据推断总体参数

4. 在协整分析中的应用：

5. Johansen方法采用最大似然估计，相比于Engle-Granger的OLS方法更加高效
6. Johansen证明协整检验问题可转化为求解广义特征值问题

7. 特征值按从大到小排列，每个对应一个可能的协整向量

8. 优势：

9. 渐近最优的估计性质
10. 可以同时估计多个协整向量
11. 允许进行参数约束的统计检验

来源

• 10-johansen-1988-cointegration — 方法描述
• Johansen检验 — 应用

相关

• Johansen检验 — used_by
• Soren Johansen — employed_by
• 协整 (Cointegration) — applied_to
• 迹检验 — method_used_in
• 最大特征值检验 — method_used_in