精选优质文档-倾情为你奉上1（1）ML估计的思想是：在已知扰动项的分布的情况下，推出的联合分布函数或密度函数；在一次抽样中，某个具体的样本被抽中，则说明以这个样本计算的联合分布函数或密度函数的值在总体中是最大的，于是针对这一特征，就可以寻找使的值最大的参数，从而得到ML参数估计值。（2）原假设可以表示为：，似然比检验的本质思想：通过将表示的参数约束代入到模型中并估计模型，计算所得到的极大似然函数值，在为真的情况下与没有的参数约束时估计模型得到的极大似然函数值是非常接近的，于是就可以用这两个极大似然函数值的偏差来构造检验的统计量。Wald检验的本质思想：通过直接估计没有约束的模型，得到参数的估计值，那么在为真的情况下，无约束的参数估计值也同样满足表示的约束条件，即，于是就可以通过无约束参数估计值对这个约束条件的满足程度来构造检验统计量。LM检验的本质思想：由于在估计模型的过程中模型的得分向量在真实的参数值下是等于零的。那么在为真的情况下，直接将表示的约束条件代入到模型中，估计得到模型的参数估计值，代入到得分向量中，这个值应该非常接近0，于是就可
