Pooled MLE模型

用手机看条目

出自 MBA智库百科(https://wiki.mbalib.com/)

Pooled MLE模型(Pooled MLE Model)

目录

Pooled MLE模型

  1997年R. Carter HillJ. R. KnightC. F. SirmansPooled GLS模型进行了改进,提出基于最大似然估计法(MLE)的Pooled MLE模型

Pooled MLE模型的分析

  假设共有N+NR宗房地产的价格数据,其中N个数据是Hedonic数据,即房地产只出售过一次。其余NR宗房地产属于重复售出样本,同一宗房地产有一次以上的价格资料。

  由于存在多重共线性,不失一般性,对于Hedonic数据,假设:

  vit = ρvit − 1 + uit

  其中ρ为自相关系数,|ρ|<1。进一步假设uit具有异方差性,Vae(uit) = σ2i

  因此有:

  Var(v_{it})=\frac{\sigma^2_i}{1-\rho^2},Cov(v_it,v_{il+si})=\frac{\rho^2_i \sigma^{si}}{1-\rho^2}

  对于重复售出数据,随机误差项ei = Vit + siVit有方差;

  Var(ei)=\frac{2\sigma^2_i(1-\rho_i^s)}{1-\rho^2}

  假设误差Vit和ei服从正态分布,则N+NR个样本的似然函数为L=L1+L2,其中:

  L_1=-\frac{N}{2}In(2\pi)-\frac{1}{2}\sum^{n}_{i=1}In(\frac{\sigma^2_i}{1-\rho^2})-\frac{1}{2}\sum^{N}_{i=1}\frac{V^2_{it}}{\sigma^2_i/(1-\rho^2)}

  是N个Hedonic数据的对数似然函数。而

  L_2=-\frac{N_R}{2}In(2\pi)-\frac{1}{2}\sum^{n_R}_{i=1}In\left[\frac{2\sigma^2_i(1-\rho^{si})}{1-\rho^2}\right]-\frac{1-\rho^2}{2}\sum^{N_R}_{i=1}\frac{e^2_i}{2\sigma^2_i(1-\rho^{si})}

  则是NR个重复售出数据的对数似然函数。令L→∞,估计出方差σi2和自相关系数ρ,然后再估计出混合模型中的所有未知参数。

  Hill等利用随机模拟实验表明采用Pooled MLE模型估计房地产价格指数,比其他模型有更小的渐近方差。

Pooled MLE模型的特点

  Pooled MLE模型的特点是:

  (1)Hedonic模型重复售出模型的数据都可用,价格数据资料比较容易获得,抽样误差较小;

  (2)克服了重复售出模型的缺陷,可估计出折旧系数;

  (3)克服了Hedonic模型的缺陷,合理地考虑了序列相关问题,使估计效果比其它各种模型更为优越;

  (4)由于对数似然函数L是非线性的,估计参数的计算较为复杂,需要进行算法分析,但现成的软件包,如SHAZ AM,LIMDEP和GAUSS等可以帮助运算。

相关条目

本条目对我有帮助2
MBA智库APP

扫一扫,下载MBA智库APP

分享到:
  如果您认为本条目还有待完善,需要补充新内容或修改错误内容,请编辑条目

本条目由以下用户参与贡献

Angle Roh,Zfj3000,Kane0135.

评论(共0条)

提示:评论内容为网友针对条目"Pooled MLE模型"展开的讨论,与本站观点立场无关。

发表评论请文明上网,理性发言并遵守有关规定。

MBA智库
打开APP

以上内容根据网友推荐自动排序生成