Supposons que j'observe des vecteurs variables indépendants et → z et une variable dépendante y . Je voudrais adapter un modèle de la forme: y = → x ⊤ → β 1 + σ g ( → z ⊤ → β 2 ) ϵ , où g est une fonction deux fois différentiable à valeur positive, σ est un paramètre d'échelle inconnu , et ϵ est une variable aléatoire gaussienne à variance unitaire moyenne nulle (supposée indépendante de → x
et ). Il s'agit essentiellement de la configuration du test d'hétéroskédasticité de Koenker (du moins pour autant que je le comprenne).
J'ai d'observations de → x , → z et y , et je voudrais estimer → β 1 et → β 2 . J'ai cependant quelques problèmes:
- Je ne sais pas comment poser le problème d'estimation comme quelque chose comme les moindres carrés (je suppose qu'il existe une astuce bien connue). Ma première supposition serait quelque chose comme
mais je ne sais pas comment résoudre ce problème numériquement (peut-être une méthode itérative quasi-Newton pourrait le faire).
Réponses:
Dans un contexte un peu plus général avecOui n y X n × p X θ = ( β1, β2, σ) Oui∼ N( Xβ1, Σ ( β2, σ) )
la source