我正在尝试从面板数据观察中构建一个转换矩阵,以获得加权转换矩阵的 ML 估计量。一个关键步骤是获得个体的个体似然函数。假设您有以下数据框:
ID Feature1 Feature2 Transition
120421006 10000 1 ab
120421006 12000 0 ba
120421006 10000 1 ab
123884392 3000 1 ab
123884392 2000 0 ba
908747738 1000 1 ab
这个想法是为每个代理返回其路径的对数似然。例如,对于代理 120421006,这归结为(忽略初始期限)
LL = log(exp(Yab)/1 + exp(Yab)) + log(exp(Yba) /(1 + exp(Yba))) + log(exp(Yab)/1 + exp(Yab))
IE,
日志(exp(Y_transition)/(1 + exp(Y_transition)))
其中 Y_transition = xFeature1 + yFeature2 表示该转换,x 和 y 是未知数。
例如,对于个人 120421006,这将归结为具有三个元素的表达式,因为他转换了三次,并且函数将返回
LL = log(exp(10000x + 1y)/ 1 + exp(10000x + 1y)) +
日志(exp(12000x + 0y)/ 1 + exp(12000x + 0y))+
对数(exp(10000x + 1y)/ 1 + exp(10000x + 1y))
这里有一个问题:我需要 x 和 y 作为未知数返回,因为目标是获得所有个体可能性的总和,以便将其传递给 ML 估计器。您将如何自动化为所有 ID 返回此输出的函数?
提前谢谢了