理解全球治理指标的方法很困难（http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1682130）。他们通过使用“未观察到的组件模型”来估计真正的治理价值。
1）如果我能够设置 MLE 函数来估计 alpha、beta 和 sigma，我真的可以重现他们在权重电子表格中报告的估计（http://info.worldbank.org/governance/wgi/ index.aspx#doc-sources）？或者这是不可能的，因为他们使用单独的指标而不是 WGI 的平均源数据？
2）他们声明他们在他们的符号中抑制了时间下标以保持简单。但是如果我想计算 MLE 函数，我是不是只输入一年的指标，然后所有年份都重复这个过程？或者我是否使用所有年份的所有指标执行一毫升？
非常感谢您的帮助。
编辑：
我现在能够估计代表性指标的 alpha、beta 和 sigma。现在我必须回归治理预测的非代表性指标（变量模型中的错误）：
非代表性指标 ~ 预估治理
因此，我必须计算加权预估计治理（等式 2）和标准误差（等式 3）（见上文）。
这是等式 2 和 3 的我的 r 代码：
权重 <- (SigmaMatrix)^(-2) / (1 + rowSums((SigmaMatrix)^(-2), na.rm=T))
gpre <- rowSums(rep(weights, each=nrow(x_nam))*((x_nam[,1:7]-AlphaMatrix)/BetaMatrix), na.rm=T)
sd <- (1 + rowSums((SigmaMatrix)^-2, na.rm=T))^(-1/2)
根据论文，对于我的 eiv 回归，我必须计算可靠性——如果我理解正确的话：
1-variance(u(j))/variance(gpre(j)) 其中“uj 只是方程 (3) 中给出的 gj 的条件均值的方差，并且因为 V[g*j] 是可观察到的”
我的问题：
我是否正确翻译了 R 中的方程？我如何获得 u(j) 和 gpre(j) 的方差，因为等式 2 和 3 给出了每个国家/地区的数字？
谢谢大家！