Lập trình nâng cao với Mata và GMM From high-level commands to matrix programming Giới thiệu: Vượt qua giới hạn của ml Trong các bài học trước, chúng ta đã khám phá sức mạnh của bộ lệnh ml. Nó giống như một ngôn ngữ lập trình “cấp cao”, cho phép chúng ta mô tả hàm mục tiêu một cách tương đối đơn giản, và Stata sẽ lo phần còn lại của quá trình tối ưu hóa. Tuy nhiên, sự đơn giản này cũng đi kèm với những giới hạn. Lệnh ml, đặc biệt là phương pháp lf, được thiết kế tối ưu cho các mô hình có hàm mục tiêu là tổng đơn giản các đóng góp của từng quan sát. Nhưng điều gì sẽ xảy ra khi chúng ta đối mặt với một bài toán phức tạp hơn, chẳng hạn như (Generalized Method of Moments – GMM)? Hàm mục tiêu của GMM thường có dạng bậc hai, $Q(\boldsymbol{\beta}) = \mathbf{h}(\boldsymbol{\beta})’ \mathbf{W} \mathbf{h}(\boldsymbol{\beta})$, trong đó $\mathbf{h}(\boldsymbol{\beta})$ là véc-tơ của các điều kiện mô-men mẫu. Cấu trúc này không phải …
Các bài đã xem
- Hướng dẫn thực hành phân tích toàn diện
- Mô hình ảnh hưởng ngẫu nhiên (Random-Effects)
- Giới thiệu và hồi quy tương tác ba chiều
- Bài tập thực hành tổng hợp
- Cú pháp Stata chuẩn, Ado-files và gỡ lỗi
- Lựa chọn công cụ tối ưu hóa phù hợp
- Phân tích và kiểm định chẩn đoán mô hình
- Vấn đề kiểm định bội và cách xử lý
-
Xem thêm