R语言 tmvtnorm包 gmm.tmvnorm()函数中文帮助文档(中英文对照)

loveR

gmm.tmvnorm(tmvtnorm)
gmm.tmvnorm()所属R语言包：tmvtnorm

                                         GMM Estimation for the Truncated Multivariate Normal Distribution
                                         GMM估计截断多元正态分布

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Generalized Method of Moments (GMM) Estimation for the Truncated Multivariate Normal Distribution
广义矩方法（GMM）估计截断的多元正态分布


用法----------Usage----------


gmm.tmvnorm(X,
  lower = rep(-Inf, length = ncol(X)),
  upper = rep(+Inf, length = ncol(X)),
  start = list(mu = rep(0, ncol(X)), sigma = diag(ncol(X))),
  fixed = list(),
  method=c("ManjunathWilhelm","Lee"),
  cholesky = FALSE,
  ...)



参数----------Arguments----------

参数：X
Matrix of quantiles, each row is taken to be a quantile.
矩阵位数，每一行是一个位数。


参数：lower
Vector of lower truncation points,  default is rep(-Inf, length = ncol(X)).
矢量较低的截断点，默认是rep(-Inf, length = ncol(X))。


参数：upper
Vector of upper truncation points,  default is rep( Inf, length = ncol(X)).
向量上的截断点，默认是rep( Inf, length = ncol(X))。


参数：start
Named list with elements mu (mean vector) and sigma (covariance matrix). Initial values for optimizer.
名为List的元素mu（均值向量）和sigma（协方差矩阵）。优化的初始值。


参数：fixed
Named list. Parameter values to keep fixed during optimization.
命名列表。在优化过程中的参数值保持固定。


参数：method
Which set of moment conditions used, possible methods are "ManjunathWilhelm" (default) and "Lee".
哪一组用矩条件，可行的方法是“ManjunathWilhelm”（默认）和“利”。


参数：cholesky
if TRUE, we use the Cholesky decomposition of sigma as parametrization
如果是TRUE，我们使用Cholesky分解sigma的参数化


参数：...
Further arguments to pass to gmm
到传递gmm的进一步的论据


Details

详细信息----------Details----------

This method performs an estimation of the parameters mean and sigma of a truncated multinormal distribution using the Generalized Method of Moments (GMM),  when the truncation points lower and upper are known. gmm.tmvnorm() is a wrapper for the general GMM method gmm, so one does not have to specify the moment conditions.
此方法执行的参数估计mean和sigma使用广义矩方法（GMM），截断点时，截断multinormal分布lower和upper众所周知的。 gmm.tmvnorm()是一个包装的一般GMM方法gmm，所以人们并不需要指定的那一刻。

Manjunath/Wilhelm moment conditions<br> Because the first and second moments can be computed thanks to the mtmvnorm function, we can set up a method-of-moments estimator by equating the sample moments to their population counterparts. This way we have an exactly identified case.
曼朱纳特/威廉·时刻条件<BR>的，因为第一和第二的时刻，可以计算mtmvnorm功能，我们可以设置的方法，矩估计，样本矩，他们的人口相等。通过这种方式，我们有一个完全确定的情况下。

Lee (1979,1983) moment conditions<br> The recursive moment conditions presented by Lee (1979,1983) are defined for l=0,1,2,&hellip; as
李（1979,1983）时刻条件<BR>的递归时刻李（1979,1983）提出的条件被定义为l=0,1,2,&hellip;

where E(x_i^l) and E(x_i^l \textbf{x}) are the moments of x_i^l and x_i^l \textbf{x}  respectively and F_i(c)/F is the one-dimensional marginal density in variable i as calculated by dtmvnorm.marginal.  &sigma;^{iT} is the i-th column of the inverse covariance matrix &Sigma;^{-1}.
E(x_i^l)和E(x_i^l \textbf{x})是x_i^l和x_i^l \textbf{x}分别的时刻F_i(c)/F是一维的边缘密度变量i计算dtmvnorm.marginal。 &sigma;^{iT}是i个列的协方差矩阵的逆&Sigma;^{-1}。

This method returns an object of class gmm, for which various diagnostic methods are available, like profile(), confint() etc. See examples.
此方法返回一个对象的类gmm，为各种诊断方法，如profile()，confint()等，请参阅例子。


值----------Value----------

An object of class gmm
对象的类gmm


（作者）----------Author(s)----------



Stefan Wilhelm <a href="mailto:wilhelm@financial.com">wilhelm@financial.com</a>




参考文献----------References----------

Journal of the Royal Statistical Society, Series B, 23, 223&ndash;229
Economics Letters, 3, 165&ndash;169
Economics Letters, 11, 245&ndash;250
Working Paper. Available at SSRN: http://ssrn.com/abstract=1472153

参见----------See Also----------

gmm
gmm


实例----------Examples----------


set.seed(1.234)

# the actual parameters[实际参数]
lower <- c(-1, -2)
upper <- c(3, Inf)
mu    <- c(0, 0)
sigma <- matrix(c(1, 0.8,
                0.8, 2), 2, 2)
               
# generate random samples               [产生随机样本]
X <- rtmvnorm(n=500, mu, sigma, lower, upper)

# estimate mean vector and covariance matrix sigma from random samples X[估计从随机样本平均向量和协方差矩阵西格玛所述]
# with default start values[使用默认的启动值]
gmm.fit1 <- gmm.tmvnorm(X, lower=lower, upper=upper)

# diagnostic output of the estimated parameters[估计参数的诊断输出]
summary(gmm.fit1)
vcov(gmm.fit1)

# confidence intervals[置信区间]
confint(gmm.fit1)

# choosing a different start value[选择不同的初始值]
gmm.fit2 <- gmm.tmvnorm(X, lower=lower, upper=upper,
  start=list(mu=c(0.1, 0.1),
  sigma=matrix(c(1, 0.4, 0.4, 1.8),2,2)))
summary(gmm.fit2)

# GMM estimation with Lee (1983) moment conditions[GMM估计与李（1983）矩条件]
gmm.fit3 <- gmm.tmvnorm(X, lower=lower, upper=upper, method="Lee")
summary(gmm.fit3)
confint(gmm.fit3)

# MLE estimation for comparison[最大似然估计进行比较]
mle.fit1 <- mle.tmvnorm(X, lower=lower, upper=upper)
confint(mle.fit1)

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。