※ 引述《kaishi (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!) 你估 d 是 0.354 s.e. 是 0.000006 看起来可能有问题，太小了 後来看的 0.03 比较正常 另外， information matrix equality 成立是有条件的 它有要求 no dynamic misspecification 也就是说你的 model 要含括 DGP 所用的资料 我不确定你这里有没有犯这个错 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 218.167.188.167