ML、GMM、EM、MCMC这些估计方法有什么区别与联系

路過 學習一下

这个问题猛的。。

........................

OLS是普通最小二乘法，在满足相关假设的条件下，估计量是BLUE的；
ML是似然估计法，需要设定模型扰动项的分布，数据符合设定的分布时，统计量具有较好的性质；当正态分布时，ML估计与OLS估计相同；
GMM是广义矩估计法，要求数据满足设定的矩条件，比OLS、ML要求的假设少，适用范围较广；特殊条件下，GMM与OLS相同；
EM是期望最大化算法，严格说是一种优化算法，不能说是估计方法；在机制转换模型中应用较多；
Bayesian是贝叶斯估计法，采用先验信息和样本信息得到后验信息，进而进行参数估计和假设检验；OLS、ML、GMM均属于经典估计方法；
MCMC是马尔科夫链蒙特卡罗法，是贝叶斯估计中生成参数后验分布的方法。

学习了不少，呵呵~~~

学习一下

nuaa001 发表于 2011-1-6 23:22
这个问题很大，呵呵
粗略的讲：
1）ML是经典参数估计方法之一，估计的方法是使得似然函数最大，使用的前提 ...

很好啊，学习

学习一下

chenlei 发表于 2011-6-7 00:09
OLS是普通最小二乘法，在满足相关假设的条件下，估计量是BLUE的；
ML是似然估计法，需要设定模型扰动项的分 ...

回答简明扼要