Maximum Likelihood Estimation with Stata, quinta edición

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 2 votos.

Título original:

Maximum Likelihood Estimation with Stata, Fifth Edition

Contenido del libro:

Maximum Likelihood Estimation with Stata, Fifth Edition es la referencia y guía esencial para investigadores de todas las disciplinas que deseen escribir estimadores de máxima verosimilitud (ML) en Stata. Además de proporcionar una cobertura completa de los comandos de Stata para escribir estimadores de máxima verosimilitud, el libro presenta una visión general de los fundamentos de la máxima verosimilitud y cómo pensar acerca de la estimación de máxima verosimilitud.

La quinta edición incluye un nuevo segundo capítulo que demuestra el fácil uso del comando mlexp. Este comando permite especificar directamente una función de verosimilitud y realizar la estimación sin necesidad de programación.

El núcleo del libro se centra en el comando ml de Stata. Le muestra cómo aprovechar al máximo las características notables de ml:

⬤ Restricciones lineales.

⬤ Cuatro algoritmos de optimización (Newton-Raphson, DFP, BFGS y BHHH).

⬤ Estimador de la varianza de la matriz de información observada (OIM).

⬤ Estimador de la varianza del producto exterior de gradientes (OPG).

⬤ Estimador de varianza robusto de Huber/White/sandwich.

⬤ Estimador de varianza robusto de cluster.

⬤ Soporte completo y automático para el análisis de datos de encuestas.

⬤ Soporte directo de funciones de evaluación escritas en Mata.

Cuando se utilizan las opciones apropiadas, muchas de estas características son proporcionadas automáticamente por ml y no requieren programación especial o intervención por parte del investigador que escribe el estimador.

En capítulos posteriores, aprenderá cómo aprovechar Mata, el lenguaje de programación matricial de Stata. Para facilitar la programación y mejorar potencialmente la velocidad, usted puede escribir su programa evaluador de probabilidad en Mata y continuar usando ml para controlar el proceso de maximización. Un nuevo capítulo en la quinta edición muestra cómo puede utilizar el conjunto de funciones moptimize() de Mata si desea implementar su estimador de máxima verosimilitud completamente dentro de Mata.

En el último capítulo, los autores ilustran los principales pasos necesarios para pasar de una función de log-verosimilitud a un comando de estimación plenamente operativo. Esto se hace utilizando varios modelos diferentes: logit y probit, regresión lineal, regresión de Weibull, el modelo de riesgos proporcionales de Cox, regresión de efectos aleatorios y regresión aparentemente no relacionada. Esta edición añade un nuevo ejemplo de un modelo de Poisson bivariado, un modelo que no está disponible de otra manera en Stata.

Los autores proporcionan amplios consejos para desarrollar sus propios comandos de estimación. Con un poco de cuidado y la ayuda de este libro, los usuarios podrán escribir sus propios comandos de estimación---comandos que se ven y se comportan igual que los comandos oficiales de estimación en Stata.

Ya sea que usted quiera adaptar un estimador ML especial para su propia investigación o desee escribir un estimador ML de propósito general para que otros lo usen, usted necesita este libro.