julia - Julia 中的空间自回归最大似然:多个参数
问题描述
我有以下代码来评估 Julia 中空间自回归模型的似然函数,如下所示:
function like_sar2(betas,rho,sige,y,x,W)
n = length(y)
A = speye(n) - rho*W
e = y-x*betas-rho*sparse(W)*y
epe = e'*e
tmp2 = 1/(2*sige)
llike = -(n/2)*log(pi) - (n/2)*log(sige) + log(det(A)) - tmp2*epe
end
我试图最大化这个函数,但我不确定如何传递不同大小的函数输入,以便 Optim.jl 包接受它。我尝试了以下方法:
optimize(like_sar2,[betas;rho;sige;y;x;W],BFGS())
和
optimize(like_sar2,tuple(betas,rho,sige,y,x,W),BFGS())
在第一种情况下,由于维度不匹配,括号中的矩阵不符合要求,而在第二种情况下,Optim 包不允许元组。
我想尝试最大化这个似然函数,以便它可以返回数值 Hessian 矩阵(使用 Optim 选项),以便我可以计算参数的 t 统计量。
如果有任何更简单的方法可以为这样的函数获取数值 Hessian,我会使用它,但似乎像 FowardDiff 这样的包只接受单个输入。
任何帮助将不胜感激!
解决方案
不是 100% 确定我正确理解了你的函数是如何工作的,但在我看来,你正在使用可能性来估计系数向量 beta,而其他输入变量是固定的。这样做的方法是修改函数如下:
using Optim
# Initialize some parameters
coeffs = rand(10)
rho = 0.1
ys = rand(10)
xs = rand(10,10)
Wmat = rand(10,10)
sige=0.5
# Construct likelihood with parameters fixed at pre-defined values
function like_sar2(β::Vector{Float64},ρ=rho,σε=sige,y=ys,x=xs,W=Wmat)
n = length(y)
A = speye(n) - ρ*W
ε = y-x*β-ρ*sparse(W)*y
epe = ε'*ε
tmp2 = 1/(2*σε)
llike = -(n/2)*log(π) - (n/2)*log(σε) + log(det(A)) - tmp2*epe
end
# Optimize, with starting value zero for all beta coefficients
optimize(like_sar2, zeros(10), NelderMead())
如果您需要优化的不仅仅是 beta 参数(在我经常使用的一般自回归模型中,自相关参数是与其他系数一起估计的),您可以通过将它与 beta 向量一起插入并在函数中解包来做到这一点,如所以:
append!(coeffs,rho)
function like_sar3(coeffs::Vector{Float64},σε=sige,y=ys,x=xs,W=Wmat)
β = coeffs[1:10]; ρ = coeffs[11]
n = length(y)
A = speye(n) - ρ*W
ε = y-x*β-ρ*sparse(W)*y
epe = ε'*ε
tmp2 = 1/(2*σε)
llike = -(n/2)*log(π) - (n/2)*log(σε) + log(det(A)) - tmp2*epe
end
关键是你最终得到一个输入向量来传递给你的函数。
推荐阅读
- python - Django 2.x Admin 中 InLine ManyToMany 字段的 filter_horizon 或 filter_vertical
- configuration - JFrog X 射线 xray-env.cnf
- mysql - PCRE Regex - 替换序列化字符串中的 URL
- javascript - Javascript 日期和 DST,添加月份修改时间
- android - 此项目未针对“ARMEABI”
- regex - 如何用 htaccess 重写变量 URL?
- ios - Firebase 消息 - 卸载不会阻止通知
- c# - 基于操作系统的不同 NuGet 包
- html - 引导填充面板到行底部
- c# - 如何强制在 .NET Core DI 中创建类的实例?