SAS系統(tǒng)數(shù)據(jù)管理第1頁(yè)/共74頁(yè)SAS系統(tǒng)提供的過(guò)程按其用途可分為四大類：數(shù)據(jù)管理；基礎(chǔ)統(tǒng)計(jì)；數(shù)據(jù)呈現(xiàn)；數(shù)據(jù)訪問(wèn)。

和任何一種編程語(yǔ)言一樣，SAS系統(tǒng)有一些數(shù)據(jù)管理過(guò)程，用于實(shí)現(xiàn)常用的中間操作或數(shù)據(jù)轉(zhuǎn)換。

第2頁(yè)/共74頁(yè)本章將介紹的數(shù)據(jù)管理過(guò)程：數(shù)據(jù)集排序；數(shù)據(jù)集轉(zhuǎn)置；改變輸出地點(diǎn)；添加觀測(cè)；數(shù)據(jù)庫(kù)復(fù)制。第3頁(yè)/共74頁(yè)數(shù)據(jù)集排序利用SAS的排序過(guò)程可以對(duì)數(shù)據(jù)集中的觀測(cè)重新排序。SAS許多和BY配合使用的語(yǔ)句，如對(duì)數(shù)據(jù)集進(jìn)行合并的語(yǔ)句或更新語(yǔ)句等，使用前必須先對(duì)BY變量進(jìn)行排序。排序過(guò)程句法PROCSORT<option(s)><collating-sequence-option>;

BY<DESCENDING>variable-1<...<DESCENDING>variable-n>;第4頁(yè)/共74頁(yè)P(yáng)ROCSORT語(yǔ)句PROCSORT<option-list><collating-sequence-option>;選項(xiàng)說(shuō)明：

DATA=規(guī)定被排序數(shù)據(jù)集，缺省時(shí)為最新創(chuàng)建數(shù)據(jù)集OUT=創(chuàng)建輸出數(shù)據(jù)集，省略時(shí)用排序后數(shù)據(jù)集替換原數(shù)據(jù)集ASCII規(guī)定按ASCII排序SWEDISH規(guī)定按Swedish排序NATIONAL規(guī)定按習(xí)慣排序FORCE強(qiáng)行實(shí)施多余排序第5頁(yè)/共74頁(yè)其中：選項(xiàng)FORCE強(qiáng)行實(shí)施多余排序。排序并替換原來(lái)加索引的或取子集的數(shù)據(jù)集，即沒(méi)有規(guī)定OUT=選項(xiàng)時(shí)，如果沒(méi)有規(guī)定FORCE，就不能對(duì)有索引的數(shù)據(jù)集進(jìn)行排序和替換。

沒(méi)有規(guī)定OUT=選項(xiàng)時(shí)必須使用FORCE的選項(xiàng)有：OBS=系統(tǒng)選項(xiàng)；FIRSTOBS=系統(tǒng)選項(xiàng)；DATA=數(shù)據(jù)集中的數(shù)據(jù)集選項(xiàng)WHERS=；PROCSORT步用WHERE語(yǔ)句。第6頁(yè)/共74頁(yè)BY語(yǔ)句BY<DESCENDING>variable-1<…<DESCENDING>variable-n>;PROCSORT中必須使用BY語(yǔ)句，BY語(yǔ)句中可以規(guī)定任意多個(gè)變量。BY語(yǔ)句中規(guī)定多個(gè)變量時(shí)，SORT過(guò)程首先按第一個(gè)變量排序，然后是第二個(gè)變量等。BY語(yǔ)句中可以規(guī)定的選項(xiàng)：DESCENDING—對(duì)變量按下降次序排序。第7頁(yè)/共74頁(yè)應(yīng)用舉例例15.1按多變量排序。dataa;setResDat.Idx000001;year=year(date);qtr=qtr(date);month=month(date);proc

sort

data=aout=b;byyearqtrmonth;run;例中，對(duì)上證數(shù)據(jù)Idx000001按年、季和月排序。第8頁(yè)/共74頁(yè)例15.2按單變量降序排列。proc

sort

data=ResDat.a600001out=a;by

descendingclpr;proc

print

data=a(obs=3)noobs;vardateclpr;run;例中，按收盤價(jià)CLPR的降序排列。第9頁(yè)/共74頁(yè)數(shù)據(jù)集轉(zhuǎn)置轉(zhuǎn)置就是把數(shù)據(jù)集的觀測(cè)變?yōu)樽兞?，變量變?yōu)橛^測(cè)。利用SAS的轉(zhuǎn)置過(guò)程可以對(duì)數(shù)據(jù)集進(jìn)行轉(zhuǎn)置。第10頁(yè)/共74頁(yè)轉(zhuǎn)置過(guò)程句法PROCTRANSPOSE<DATA=input-data-set><LABEL=label><LET><NAME=name><OUT=output-data-set><PREFIX=prefix>;BY<DESCENDING>variable-1

<...<DESCENDING>variable-n>

<NOTSORTED>;

COPY

variable(s);

IDvariable;

IDLABEL

variable;

VAR

variable(s);第11頁(yè)/共74頁(yè)語(yǔ)句說(shuō)明：

第12頁(yè)/共74頁(yè)P(yáng)ROCTRANSPOSE語(yǔ)句PROCTRANSPOSE<option-list>;選項(xiàng)說(shuō)明：

第13頁(yè)/共74頁(yè)VAR語(yǔ)句和ID語(yǔ)句VAR語(yǔ)句VARvariable-list;VAR語(yǔ)句列出要轉(zhuǎn)置的變量。沒(méi)有VAR語(yǔ)句時(shí)，則沒(méi)有列在其它語(yǔ)句里的所有數(shù)值變量被轉(zhuǎn)置。第14頁(yè)/共74頁(yè)ID語(yǔ)句IDvariable;ID語(yǔ)句規(guī)定輸入數(shù)據(jù)集中一個(gè)變量。ID變量的值為轉(zhuǎn)置后數(shù)據(jù)集的變量名。在沒(méi)有選項(xiàng)LET時(shí)，ID變量的值在數(shù)據(jù)集中只能出現(xiàn)一次，使用BY語(yǔ)句，BY組內(nèi)只包含最后的ID值。第15頁(yè)/共74頁(yè)應(yīng)用舉例例15.4ID變量的值為轉(zhuǎn)置后數(shù)據(jù)集的變量名。proc

transpose

data=ResDat.classout=alet;idname;proc

print;run;例中，原數(shù)據(jù)集CLASS中變量NAME的值為轉(zhuǎn)置后數(shù)據(jù)集A的變量名，對(duì)所有數(shù)值變量轉(zhuǎn)置。數(shù)據(jù)集A中還有一變量_NAME_.第16頁(yè)/共74頁(yè)

SAS系統(tǒng)12007年03月07日星期五下午09時(shí)21分17秒

Obs_NAME_AliceBarbaraCarolJaneJanetJoyceJudyLouiseMaryAlfred1Age13.013.014.012.015.011.014.012.015.014.02Height56.565.362.859.862.551.364.356.366.569.03Weight84.098.0102.584.5112.550.590.077.0112.0112.5ObsHenryJamesJeffreyJohnPhilipRobertRonaldThomasWilliam114.012.013.012.01612.01511.015.0263.557.362.559.07264.86757.566.53102.583.084.099.5150128.013385.0112.0第17頁(yè)/共74頁(yè)例15.5

BY組內(nèi)最后一個(gè)ID值的觀測(cè)被轉(zhuǎn)置。proc

transpose

data=ResDat.classout=alet;idsex;proc

print;run;結(jié)果顯示：第18頁(yè)/共74頁(yè)proc

transpose

data=ResDat.classout=alet;idsex;bysex;proc

print;run;結(jié)果顯示：第19頁(yè)/共74頁(yè)例15.8對(duì)每個(gè)BY組轉(zhuǎn)置。optionsnodatepageno=1linesize=80pagesize=40;proc

transpose

data=ResDat.fishdata

out=fishlength(rename=(col1=Measurement));varlength1-length4;bylocationdate;run;proc

print

data=fishlengthnoobs;title

'FishLengthDataforEachLocationandDate';run;第20頁(yè)/共74頁(yè)

FishLengthDataforEachLocationandDate1LocationDate_NAME_MeasurementColePond02JUN95Length131ColePond02JUN95Length232ColePond02JUN95Length332ColePond02JUN95Length433ColePond03JUL95Length133ColePond03JUL95Length234ColePond03JUL95Length337ColePond03JUL95Length432ColePond04AUG95Length129

……

……輸出窗口顯示第21頁(yè)/共74頁(yè)例15.10對(duì)轉(zhuǎn)置后的數(shù)據(jù)集作統(tǒng)計(jì)分析。optionsnodatepageno=1linesize=80pagesize=40;datasplit;setResDat.weights;arrays{7}s1-s7;subject+1;doTime=1

to

7;strength=s{time};output;end;drops1-s7;run;proc

print

data=split(obs=15)noobs;title

'SplitDataSet';title2

'First15ObservationsOnly';run;/*接左側(cè)*/proc

transpose

data=splitout=totsplitprefix=Str;byprogramsubject;copytimestrength;varstrength;run;proc

print

data=totsplit(obs=15)noobs;title

'TotsplitDataSet';title2

'First15ObservationsOnly';run;第22頁(yè)/共74頁(yè)改變輸出地點(diǎn)缺省情況下，SAS過(guò)程輸出到OUTPUT窗口，SAS日志輸出到LOG窗口。利用SAS的PRINTTO過(guò)程可以設(shè)定SAS過(guò)程和日志的輸出地點(diǎn)。PRINTTO過(guò)程有以下功能：改變過(guò)程輸出的目的地；改變SAS日志輸出的目的地；有選擇地限制SAS輸出；將輸出結(jié)果存放在永久文件中；將輸出直接送到打印機(jī)上；將SAS的輸出作為輸入數(shù)據(jù)（這時(shí)需要一些附加的程序語(yǔ)句）。第23頁(yè)/共74頁(yè)P(yáng)RINTTO過(guò)程句法PROCPRINTTO<option(s)>;選項(xiàng)說(shuō)明注意：一般情況下，PROCPRINTTO后面一定要加RUN語(yǔ)句。若省略RUN語(yǔ)句，則會(huì)丟失PRINTTO后面DATA步或PROC步第一行的輸出。

第24頁(yè)/共74頁(yè)應(yīng)用舉例例15.11將SAS日志輸出到外部永久文件。proc

printto

log='d:\log.dat';/*直接輸出到永久文件中*/filenamef1'd:\out.txt';proc

printto

log=f1;/*輸出到文件標(biāo)記*/

例15.12將運(yùn)行結(jié)果輸出到外部永久文件。filenamef2'd:\out.list';proc

printto

print=f2;/*輸出到文件標(biāo)記*/proc

printto

print='d:\out.list';/*直接輸出到永久文件中*/第25頁(yè)/共74頁(yè)例15.13直接打印輸出結(jié)果。filenamefprinter;proc

printto

print=f;/*直接打印*/proc

printto

print=print;/*返回到缺省輸出地點(diǎn)*/

例15.14替換原輸出文件。proc

printto

print='d:\out.txt'

log='d:\log.dat'new;proc

print

data=ResDat.class;run;第26頁(yè)/共74頁(yè)添加觀測(cè)利用SAS的APPEND過(guò)程可以將一個(gè)SAS數(shù)據(jù)集的觀測(cè)添加到另一個(gè)SAS數(shù)據(jù)集的后面。第27頁(yè)/共74頁(yè)APPEND過(guò)程句法PROCAPPENDBASE=SAS-data-set

<DATA=SAS-data-set><FORCE>;APPEND過(guò)程中只需要一個(gè)語(yǔ)句。選項(xiàng)說(shuō)明：

BASE=|OUT=規(guī)定基本數(shù)據(jù)集的名子DATA=|NEW=規(guī)定要添加在基本數(shù)據(jù)集后面的數(shù)據(jù)集名，缺省時(shí)使用最近創(chuàng)建的SAS數(shù)據(jù)集FORCE強(qiáng)迫PROCAPPEND連接兩數(shù)據(jù)集第28頁(yè)/共74頁(yè)應(yīng)用舉例例15.17

有條件添加數(shù)據(jù)。proc

append

base=data1data=data2(where=(X=1));run;proc

append

base=adata=ResDat.stk000001(where=(year(date)=1999));run;例中，使用數(shù)據(jù)集選項(xiàng)WHERE=或WHERE語(yǔ)句來(lái)限制DATA=的數(shù)據(jù)集中只有滿足條件的觀測(cè)被加到BASE=的數(shù)據(jù)集中。第29頁(yè)/共74頁(yè)數(shù)據(jù)庫(kù)復(fù)制利用SAS的COPY過(guò)程可以復(fù)制整個(gè)SAS數(shù)據(jù)庫(kù)或其中的數(shù)據(jù)庫(kù)成員。第30頁(yè)/共74頁(yè)COPY過(guò)程句法

PROCCOPYOUT=libref-1IN=libref-2

<CLONE|NOCLONE>

<CONSTRAINT=YES|NO>

<DATECOPY>

<INDEX=YES|NO>

<MEMTYPE=(mtype(s))>

<MOVE<ALTER=alter-password>>;

EXCLUDE

SAS-file(s)

</MEMTYPE=mtype>;SELECT

SAS-file(s)

</<MEMTYPE=mtype>

<ALTER=alter-password>>;

子語(yǔ)句說(shuō)明：Select規(guī)定要拷貝數(shù)據(jù)庫(kù)IN=中的成員；Exclude規(guī)定不拷貝數(shù)據(jù)庫(kù)IN=中的成員。

第31頁(yè)/共74頁(yè)P(yáng)ROCCOPY語(yǔ)句選項(xiàng)選項(xiàng)說(shuō)明：

第32頁(yè)/共74頁(yè)有效的成員類型（MEMTYPE）：

第33頁(yè)/共74頁(yè)應(yīng)用舉例例15.18兩個(gè)SAS邏輯庫(kù)之間復(fù)制數(shù)據(jù)集和目錄冊(cè)。proc

copy

in=lib1out=lib2MTYPE=(datacatalog);run;

例15.19將邏輯庫(kù)LIB1的所有SAS文件移動(dòng)到LIB2中。proc

copy

in=lib1out=lib2move;run;第34頁(yè)/共74頁(yè)例15.21選擇以DAT開(kāi)頭的所有文件。dataResDat.datResDat.dat1ResDat.dat2ResDat.dat3(alter=zsw);var='move';run;proc

copy

in=ResDatout=workmove;selectdat:(alter=zsw);run;第35頁(yè)/共74頁(yè)第八章對(duì)數(shù)極大似然估計(jì)

極大似然估計(jì)法(maximumlikelihood,ML)，是不同于最小二乘法的另一種參數(shù)估計(jì)方法，是從極大似然原理發(fā)展起來(lái)的其他估計(jì)方法的基礎(chǔ)。雖然其應(yīng)用沒(méi)有最小二乘法普遍，但在計(jì)量經(jīng)濟(jì)學(xué)理論上占據(jù)很重要的地位，因?yàn)闃O大似然原理比最小二乘原理更本質(zhì)地揭示了通過(guò)樣本估計(jì)母體參數(shù)的內(nèi)在機(jī)理，計(jì)量經(jīng)濟(jì)學(xué)理論的發(fā)展更多的是以極大似然估計(jì)原理為基礎(chǔ)的，對(duì)于一些特殊的計(jì)量經(jīng)濟(jì)學(xué)模型，只有極大似然方法才是很成功的估計(jì)方法。

第36頁(yè)/共74頁(yè)

EViews包含了一些常用方法，如最小二乘法、非線性最小二乘法、加權(quán)最小二乘法、TSLS、GMM、ARIMA、ARCH、GARCH等方法，這些方法可以解決可能遇到的大多數(shù)估計(jì)問(wèn)題。但是，我們?cè)谘芯恐幸部赡軙?huì)碰到一些不在上述之列的特殊的模型，這些模型可能是現(xiàn)存方法的一個(gè)擴(kuò)展，也可能是一類全新的問(wèn)題。為了能解決這些特殊的問(wèn)題，EViews提供了對(duì)數(shù)極大似然估計(jì)對(duì)象這一工具來(lái)估計(jì)各種不同類型的模型。對(duì)數(shù)極大似然估計(jì)對(duì)象提供了一個(gè)一般的，開(kāi)放的工具，可以通過(guò)這個(gè)工具極大化相關(guān)參數(shù)的似然函數(shù)對(duì)一大類模型進(jìn)行估計(jì)。

第37頁(yè)/共74頁(yè)

使用對(duì)數(shù)極大似然估計(jì)對(duì)象估計(jì)時(shí)，我們用EViews的序列生成器，將樣本中各個(gè)觀測(cè)值的對(duì)數(shù)似然貢獻(xiàn)描述為一個(gè)未知參數(shù)的函數(shù)?？梢越o出似然函數(shù)中一個(gè)或多個(gè)參數(shù)的解析微分，也可以讓EViews自動(dòng)計(jì)算數(shù)值微分。EViews將尋找使得指定的似然函數(shù)最大化的參數(shù)值，并給出這些參數(shù)估計(jì)的估計(jì)標(biāo)準(zhǔn)差。在本章，我們將詳細(xì)論述對(duì)數(shù)極大似然估計(jì)對(duì)象，說(shuō)明其一般特征。并給出了一些可以使用該方法的具體的例子。

第38頁(yè)/共74頁(yè)§8.1對(duì)數(shù)極大似然估計(jì)的基本原理§8.1.1極大似然估計(jì)的基本原理設(shè)總體的概率密度函數(shù)為P，其類型是已知的，但含有未知參數(shù)（向量）。我們的目的就是依據(jù)從該總體抽得的隨機(jī)樣本y1,y2,…,yT，尋求對(duì)

的估計(jì)。觀測(cè)值y1,y2,…,yT的聯(lián)合密度函數(shù)被給定為（8.1.1）其中：y=(y1,y2,…,yT)。將這一聯(lián)合密度函數(shù)視為參數(shù)

的函數(shù)，稱為樣本的似然函數(shù)（likelihoodfunction）。第39頁(yè)/共74頁(yè)極大似然原理就是尋求參數(shù)的估計(jì)值，使得所給樣本值的概率密度（即似然函數(shù)）的值在這個(gè)參數(shù)值之下，達(dá)到最大。在當(dāng)前的情形下，就是尋求

的估計(jì)值，使得似然函數(shù)L(y

;

)

相對(duì)于給定的觀測(cè)值y1,y2,…,yT而言達(dá)到最大值，就被稱為極大似然估計(jì)量。

第40頁(yè)/共74頁(yè)在L(y

;

)關(guān)于i（i=1,2,…,n，n是未知參數(shù)的個(gè)數(shù)）的偏導(dǎo)數(shù)存在時(shí)，要使L(y

;

)

取最大值，

必須滿足,i=1,2,…,n

（8.1.2）由上式可解得n1

向量

的極大似然估計(jì)值，而式(8.1.2)也被稱為似然函數(shù)。第41頁(yè)/共74頁(yè)因?yàn)長(zhǎng)(y

;

)

與ln[L(y

;

))]

在同一點(diǎn)處取極值，所以也可以由

,i=1,2,…,n（8.1.3）求得，因?yàn)閷?duì)數(shù)可將乘積變成求和，所以，式(8.1.3)往往比直接使用式(8.1.2)來(lái)得方便。式(8.1.3)也被稱為對(duì)數(shù)似然函數(shù)。第42頁(yè)/共74頁(yè)考慮多元線性回歸模型的一般形式

,t=1,2,…,T

(8.1.4)其中k是解釋變量個(gè)數(shù)，T是觀測(cè)值個(gè)數(shù)，隨機(jī)擾動(dòng)項(xiàng)

～，那么

yt服從如下的正態(tài)分布：～其中(8.1.5)第43頁(yè)/共74頁(yè)

y

的隨機(jī)抽取的T

個(gè)樣本觀測(cè)值的聯(lián)合概率函數(shù)為

（8.1.6）這就是變量y的似然函數(shù)，未知參數(shù)向量={1,2,…k,2}。對(duì)似然函數(shù)求極大值和對(duì)數(shù)似然函數(shù)求極大值是等價(jià)的，式(8.1.6)的對(duì)數(shù)似然函數(shù)形式為：

（8.1.7）第44頁(yè)/共74頁(yè)注意，可以將對(duì)數(shù)似然函數(shù)寫成t時(shí)刻所有觀測(cè)值的對(duì)數(shù)似然貢獻(xiàn)和的形式，（8.1.8）這里對(duì)數(shù)似然的單個(gè)貢獻(xiàn)（用小寫字母表示）由下面的式子給出：（8.1.9）第45頁(yè)/共74頁(yè)式（8.1.7）也可用標(biāo)準(zhǔn)正態(tài)分布的密度函數(shù)

表示

（8.1.10）式中標(biāo)準(zhǔn)正態(tài)分布的對(duì)數(shù)似然函數(shù)

為（8.1.11）這里對(duì)數(shù)似然函數(shù)每個(gè)觀測(cè)值的貢獻(xiàn)式(8.1.9)又可以由下面的式子給出：（8.1.12）第46頁(yè)/共74頁(yè)

§8.1.2EViews極大似然對(duì)象概述

用對(duì)數(shù)極大似然估計(jì)來(lái)估計(jì)一個(gè)模型，主要的工作是建立用來(lái)求解似然函數(shù)的說(shuō)明文本。用EViews指定對(duì)數(shù)極大似然函數(shù)的說(shuō)明是很容易的，因?yàn)樗迫缓瘮?shù)的說(shuō)明只是一系列對(duì)序列的賦值語(yǔ)句，這些賦值語(yǔ)句在極大化的過(guò)程中被反復(fù)的計(jì)算。我們所要做的只是寫下一組語(yǔ)句，在計(jì)算時(shí)，這些語(yǔ)句將描述一個(gè)包含每個(gè)觀測(cè)值對(duì)似然函數(shù)貢獻(xiàn)的序列。第47頁(yè)/共74頁(yè)

注意到，我們能將對(duì)數(shù)似然函數(shù)寫成所有觀測(cè)值

t的對(duì)數(shù)似然貢獻(xiàn)和的形式，

這里單個(gè)貢獻(xiàn)由下面的式子給出：

第48頁(yè)/共74頁(yè)以只含一個(gè)解釋變量的一元線性回歸方程為例

,t=1,2,…,T

假定知道模型參數(shù)的真實(shí)值，并且想用EViews產(chǎn)生一個(gè)包含每個(gè)觀測(cè)值的貢獻(xiàn)的序列。

第49頁(yè)/共74頁(yè)未知參數(shù)向量={0,

1,2},可以將參數(shù)初值賦給系數(shù)向量的c(1)到c(3)元素，然后把下面的賦值語(yǔ)句作為EViews的命令或程序來(lái)執(zhí)行。

Seriesres=y-c(1)-c(2)*xSeriesvar=c(3)SerieslogL1=-log(2*3.14159*var)/2-(res^2/var)/2

前面兩行語(yǔ)句描述了用來(lái)存儲(chǔ)計(jì)算時(shí)的中間結(jié)果的序列。第一個(gè)語(yǔ)句創(chuàng)建了殘差序列：res，而第二個(gè)語(yǔ)句創(chuàng)建了方差序列：var。而序列l(wèi)ogL1包含了每個(gè)觀測(cè)值的對(duì)數(shù)似然貢獻(xiàn)的集合。第50頁(yè)/共74頁(yè)

下面考慮2個(gè)變量的例子：

這里，y,x,w是觀測(cè)序列，而={1,2,3,

2}是模型的參數(shù)。有T個(gè)觀測(cè)值的樣本的對(duì)數(shù)似然函數(shù)可以寫成：

這里，是標(biāo)準(zhǔn)正態(tài)分布的密度函數(shù)。第51頁(yè)/共74頁(yè)

將這一例子的對(duì)數(shù)極大似然函數(shù)過(guò)程寫成下面的賦值語(yǔ)句：

Seriesres=y-c(1)-c(2)*x-c(3)*wSeriesvar=c(4)SerieslogL1=log(@dnorm(res/@sqrt(var)))-log(var)/2

前面兩行語(yǔ)句創(chuàng)建了殘差序列res和方差序列var，參數(shù)c(1),c(2),c(3)代表了回歸系數(shù)1,2,3，c(4)代表了

2，序列l(wèi)ogL1包含了每個(gè)觀測(cè)值的對(duì)數(shù)似然貢獻(xiàn)的集合。

第52頁(yè)/共74頁(yè)

下面考慮稍復(fù)雜的例子，假設(shè)數(shù)據(jù)是由條件異方差回歸模型生成的：

這里，x,y,w是觀測(cè)序列，而={1,2,3,

2,}是模型的參數(shù)。有T個(gè)觀測(cè)值的樣本的對(duì)數(shù)似然函數(shù)可以寫成：

這里，

是標(biāo)準(zhǔn)正態(tài)分布的密度函數(shù)。第53頁(yè)/共74頁(yè)

將這一例子的對(duì)數(shù)極大似然函數(shù)過(guò)程寫成下面的賦值語(yǔ)句：

Seriesres=y-c(1)-c(2)*x-c(3)*wSeriesvar=c(4)*w^c(5)SerieslogL1=log(@dnorm(res/@sqrt(var)))-log(var)/2

前面兩行語(yǔ)句創(chuàng)建了殘差序列res和方差序列var，參數(shù)c(1),c(2),c(3)代表回歸系數(shù)1,2,3，c(4)代表

2，c(5)代表

，序列l(wèi)ogL1包含了每個(gè)觀測(cè)值的對(duì)數(shù)似然貢獻(xiàn)的集合。

第54頁(yè)/共74頁(yè)

現(xiàn)在假定不知道模型參數(shù)的真實(shí)值，而想使用數(shù)據(jù)來(lái)估計(jì)它。參數(shù)的極大似然估計(jì)被定義為：使得樣本中所有隨機(jī)抽取的一組觀測(cè)值的聯(lián)合概率密度，即似然函數(shù)取最大值的那組參數(shù)值。而對(duì)數(shù)極大似然方法使得尋找這些極大似然估計(jì)變得容易了。只需創(chuàng)建一個(gè)對(duì)數(shù)似然對(duì)象，把上面的賦值語(yǔ)句輸入到logL的說(shuō)明窗口，然后讓EViews來(lái)估計(jì)這個(gè)模型。

第55頁(yè)/共74頁(yè)

在輸入賦值語(yǔ)句時(shí)，只需對(duì)上面的文本做兩處微小的改動(dòng)就可以了。首先，把每行開(kāi)頭的關(guān)鍵字series刪掉（因?yàn)樗迫徽f(shuō)明暗含了假定序列是當(dāng)前的）。第二，必須在說(shuō)明中加入額外的一行（關(guān)鍵字@logL為包含似然貢獻(xiàn)的序列命名）。這樣，要在logL說(shuō)明窗口輸入下面的內(nèi)容：

@logLloglres=y-c(1)-c(2)*x-c(3)*wvar=c(4)*w^c(5)logl=log(@dnorm(res/@sqrt(var)))-log(var)/2

對(duì)數(shù)似然函數(shù)的第一行，@logLlogl，告訴EViews用logl序列來(lái)存儲(chǔ)似然貢獻(xiàn)。余下的行定義了中間結(jié)果的計(jì)算和實(shí)際的似然貢獻(xiàn)的計(jì)算。第56頁(yè)/共74頁(yè)當(dāng)用EViews估計(jì)模型參數(shù)時(shí)，它將對(duì)不同參數(shù)值重復(fù)執(zhí)行說(shuō)明中的賦值語(yǔ)句，使用迭代法來(lái)求使得對(duì)數(shù)似然貢獻(xiàn)最大的一組參數(shù)值。當(dāng)EViews再不能提高全部似然貢獻(xiàn)時(shí)，它將停止迭代并在估計(jì)輸出中報(bào)告最終參數(shù)值和估計(jì)標(biāo)準(zhǔn)差。本章下面的部分將更詳細(xì)地討論使用似然方法說(shuō)明，估計(jì)和檢驗(yàn)時(shí)要遵循的規(guī)則。第57頁(yè)/共74頁(yè)

要?jiǎng)?chuàng)建一個(gè)似然對(duì)象，選擇Objects/NewObject.../LogL或者在命令窗口輸入“l(fā)ogL”。似然窗口將打開(kāi)一個(gè)空白說(shuō)明視圖。說(shuō)明視圖是一個(gè)文本窗口，在這個(gè)窗口里可以輸入描述統(tǒng)計(jì)模型的說(shuō)明語(yǔ)句，還可以設(shè)置控制估計(jì)程序各個(gè)方面的選項(xiàng)。

§8.1.3似然說(shuō)明第58頁(yè)/共74頁(yè)

1．似然的定義

正如上節(jié)中所描述的那樣，似然說(shuō)明的主線是一系列賦值語(yǔ)句，在計(jì)算時(shí)，這些賦值語(yǔ)句將產(chǎn)生一個(gè)包含樣本中每個(gè)觀測(cè)值的對(duì)數(shù)似然貢獻(xiàn)的序列。賦值語(yǔ)句的多少可以自己決定。第59頁(yè)/共74頁(yè)

每個(gè)似然說(shuō)明都必須包含一個(gè)控制語(yǔ)句，該語(yǔ)句命名了保存似然貢獻(xiàn)的序列。語(yǔ)句的格式為：

@logLseries_name這里@logL是關(guān)鍵字，series_name是保存似然貢獻(xiàn)的序列的名字，可以寫在似然說(shuō)明的任何位置。例如，對(duì)于一元線性回歸方程的似然說(shuō)明來(lái)說(shuō)，第一行：@logLlogl是似然貢獻(xiàn)的序列的說(shuō)明。當(dāng)對(duì)模型進(jìn)行計(jì)算時(shí)，EViews將在現(xiàn)有參數(shù)值下執(zhí)行每個(gè)賦值語(yǔ)句，并將結(jié)果保存到指定名稱的序列里。如果序列不存在，系統(tǒng)將自動(dòng)創(chuàng)建，如果已經(jīng)存在，系統(tǒng)將使用現(xiàn)有的序列，并覆蓋序列原來(lái)的內(nèi)容。第60頁(yè)/共74頁(yè)如果想在估計(jì)完成后刪除說(shuō)明中的一個(gè)或多個(gè)序列，可以使用@temp語(yǔ)句：

@tempseries_name1sereis_name2...

這個(gè)語(yǔ)句告訴EViews在對(duì)說(shuō)明的計(jì)算完成后，刪除列表中的序列。如果在logL中創(chuàng)建了許多中間結(jié)果，又不愿意工作文件因包含這些結(jié)果的序列而弄得混亂的話，刪除這些序列將是很有用的。例如，圖8.2中的最后一行語(yǔ)句就是命令EViews在估計(jì)結(jié)束后，刪除估計(jì)產(chǎn)生的中間序列res、var和logl。這里需要強(qiáng)調(diào)一點(diǎn)，在似然說(shuō)明的文本中可以加入說(shuō)明語(yǔ)句，說(shuō)明語(yǔ)句的前面加上撇號(hào)“”，則這個(gè)語(yǔ)句將不被執(zhí)行。第61頁(yè)/共74頁(yè)

2．參數(shù)名

在上面的例子中，我們使用了系數(shù)c(1)到c(5)作為未知參數(shù)的名稱。更一般的，出現(xiàn)在說(shuō)明中一個(gè)已命名的系數(shù)向量中的每一個(gè)元素都將被視為待估參數(shù)。例如創(chuàng)建2個(gè)命名的系數(shù)向量：

beta(2)sigma(1)

于是可以寫出下面的似然說(shuō)明：

@logLlogL1

res=cs-beta(1)-beta(2)*incvar=sigma(1)logl1=log(@dnorm(res/@sqrt(var)))-log(var)/2第62頁(yè)/共74頁(yè)

由于說(shuō)明中的已命名的系數(shù)向量的所有元素都將被視為待估參數(shù)，必須確定所有的系數(shù)確實(shí)影響了一個(gè)或多個(gè)似然貢獻(xiàn)的值。如果一個(gè)參數(shù)對(duì)似然沒(méi)有影響，那么在試圖進(jìn)行參數(shù)估計(jì)時(shí)，將遇到一個(gè)奇異錯(cuò)誤。應(yīng)該注意到除了系數(shù)元素外所有的對(duì)象在估計(jì)過(guò)程中都將被視為固定的，不可改變的。例如，假定omega是工作文件中一個(gè)已命名的標(biāo)量(scalaromega)，如果將子表達(dá)式var定義如下:

var=omega

EViews將不會(huì)估計(jì)omega

。omega的值將被固定在估計(jì)的開(kāi)始值上。

第63頁(yè)/共74頁(yè)

3．估計(jì)的順序

logL說(shuō)明包含了一個(gè)或多個(gè)能夠產(chǎn)生包含似然貢獻(xiàn)的序列的賦值語(yǔ)句。在執(zhí)行這些賦值語(yǔ)句的時(shí)候，EViews總是從頂部到底部執(zhí)行，所以后面計(jì)算要用到的表達(dá)式應(yīng)放在前面。

EViews對(duì)整個(gè)樣本重復(fù)地計(jì)算每個(gè)表達(dá)式。EViews對(duì)模型進(jìn)行重復(fù)計(jì)算時(shí)采用方程順序和樣本觀測(cè)值順序兩種不同方式，這樣就必須指定采用那種方式，即觀測(cè)值和方程的執(zhí)行順序。

第64頁(yè)/共74頁(yè)（1）觀測(cè)值順序（@byobs

）默認(rèn)情形下，EViews用觀測(cè)值順序來(lái)計(jì)算模型，此種方式是先用第一個(gè)觀測(cè)值來(lái)計(jì)算所有的賦值語(yǔ)句，接下來(lái)是用第二個(gè)觀測(cè)值來(lái)計(jì)算所有的賦值語(yǔ)句，如此往復(fù)，直到估計(jì)樣本中所有觀測(cè)值都使用過(guò)。這是用觀測(cè)值順序來(lái)計(jì)算遞歸模型的正確順序，遞歸模型中每一個(gè)觀測(cè)值的似然貢獻(xiàn)依賴于前面的觀測(cè)值，例如AR模型或ARCH模型。第65頁(yè)/共