最大似然估计
最大似然估计
提问于 2012-12-30 01:49:58
我是R的新用户，如果我的问题很愚蠢，希望你能容忍我。我想使用R中的最大似然估计器来估计以下模型。
y= a+b*(lnx-α)其中a、b和α是要估计的参数，X和Y是我的数据集。我试着使用我从网络上得到的以下代码：
library(foreign)
maindata <- read.csv("C:/Users/NUNU/Desktop/maindata/output2.csv")
h <- subset(maindata, cropid==10)
library(likelihood)
modelfun <- function (a, b, x) { b *(x-a)}
par <- list(a = 0, b = 0)
var<-list(x = "x")
par_lo <- list(a = 0, b = 0)
par_hi <- list(a = 50, b = 50)
var$y <- "y"
var$mean <- "predicted"
var$sd <- 0.815585
var$log <- TRUE
results <- anneal(model = modelfun, par = par, var = var,
source_data = h, par_lo = par_lo, par_hi = par_hi,
pdf = dnorm, dep_var = "y", max_iter = 20000)我得到的结果是相似的，尽管数据是不同的，即使我改变了游标。同样，生成的预测值是x而不是y。我不知道我错过了什么或出了什么问题。非常感谢您的帮助。
回答 2
Stack Overflow用户
发布于 2012-12-30 03:25:09
我不确定您的模型公式是否会导致唯一的解，但通常您可以找到带有optim函数的最大似然估计
下面是一个使用optim进行线性回归的简单示例：
fn <- function(beta, x, y) {
a = beta[1]
b = beta[2]
sum( (y - (a + b * log(x)))^2 )
}
# generate some data for testing
x = 1:100
# a = 10, b = 3.5
y = 10 + 3.5 * log(x)
optim(c(0,0,0),fn,x=x,y=y,method="BFGS")您可以更改函数"fn“以反映您的模型公式，例如
sum( (y - (YOUR MODEL FORMULA) )^2 )编辑
我只是给出了一个使用optim的简单示例，以防您有一个自定义模型公式要优化。我的意思不是从简单的线性回归中使用它，因为lm就足够了。
Stack Overflow用户
发布于 2012-12-30 08:57:10
让我有点惊讶的是，iTech使用optim来解决其参数中线性的问题。使用他的x和y数据：
> lm(y ~ log(x) )
Call:
lm(formula = y ~ log(x))
Coefficients:
(Intercept) log(x)
10.0 3.5 对于线性问题，最小二乘解是ML解。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/14084346
复制相关文章
相似问题
腾讯云开发者
