※ 引述《[email protected] (竹科新贵阳光秩)》之铭言： > 目前使用的统计模型是用 MLE 估计参数 > (模型为 ARFIMA , 使用frequency domain 定义的 Whittle Likelihood) > 然而,估出参数後,算出 Hessian matrix (即 Information marix) > 拿这个矩阵去计算估计的 standard error (s.e.) > 我有用模拟的样本去做估计 发现点估计很准 跟模拟预设的值非常贴近 > 但为什麽 这个 s.e. 没有办法表现的很好 > 像我用 R 去估计 ARFIMA(0,d,0) (先用R产生 模拟的样本) > 参数(d)估出来是 0.354 ,它的 s.e. 是 0.000006左右(基本上它也是MLE估计) > 我自己写的 MLE, 估出一样的参数值 但我的 s.e 却都是 0.03 左右 > 想请问是我计算 s.e.的方法错了吗? 还是说估 s.e.可以用别的方法 ? > 谢谢回覆! > (另外,模型、估计方法都是自修,有任何观念错误请务必指正我,非常感激!) 我没办法说你做的对不对, 因为一是你根本没说你怎麽做, 再者我对 ARFIMA 甚至是从 frequency domain 入手完全 不了解. 不过, 有两点可以提醒你注意. 其一, 用 Hessian matrix 计算参数估计的 s.e.,是大样 本方法. 换言之, 如果你的样本不够大, 有可能实际的误 差不是根据 Hessian matrix 计算的那样. 至於样本数多 大才算够大, 不要问我! 事实上, 根据 Hessian matrix 计算的 s.e. 与模拟样本估计的 s.e. 差太多这件事, 如 果不是计算错误或模拟做得不对, 本身就指出大样本近似 可能不适用了! 其二, 用模拟估计 s.e., 是要在相同设定 (相同参数值) 之下, 做出相同大小样本很多组, 由这许多组样本的参数 估计值, 去计算它们的标准差. 当然根据模拟结果估计标 准误也是有误差的, 这误差大小决定於你模拟多少组样本 以及该设定下参数估计值真实标准差的大小. -- 嗨! 你好! 祝事事如意, 天天 happy! :) 统计专业版, 需要你的支持! :) 无名小站 telnet://wretch.twbbs.org Statistics (统计方法讨论区) 盈月与繁星 telnet://ms.twbbs.org Statistics (统计：让数字说话) 成大计中站 telnet://bbs.ncku.edu.tw Statistics (统计方法及学理讨论区) 交大资讯次世代 telnet://bs2.twbbs.org Statistics (统计与机率) ★本文未经本人同意请勿转载; 回覆请勿全文引用, 请仅留下直接涉及部分。 -- 夫兵者不祥之器物或恶之故有道者不处君子居则贵左用兵则贵右兵者不祥之器非君子 之器不得已而用之恬淡为上胜而不美而美之者是乐杀人夫乐杀人者则不可得志於天下 矣吉事尚左凶事尚右偏将军居左上将军居右言以丧礼处之杀人之众以哀悲泣之战胜以 丧礼处之道常无名朴虽小天下莫能臣侯王若能守之万物将自宾天地相合以降甘露民莫 之令而自均始制有名名亦既有夫亦将知止知止可以不殆譬道之在天 163.15.188.87海