Worldwide Governance Indicators の方法論を理解することは困難です ( http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1682130 )。彼らは、「観測されていないコンポーネント モデル」を使用して、真のガバナンスの価値を推定します。
1) アルファ、ベータ、およびシグマを推定するために MLE 関数を設定できる場合、重みスプレッドシート ( http://info.worldbank.org/governance/wgi/ index.aspx#doc-sources )? それとも、WGI の平均化されたソース データの代わりに個々の指標を使用しているため、これは不可能なのでしょうか?
2）彼らは、表記を単純にするために時間の添字を抑制すると述べています。しかし、MLE 関数を計算したい場合、指標を 1 年分入れて、この手順をすべての年分繰り返すだけですか? それとも、すべての年のすべての指標で 1 つの mle を実行する必要がありますか?
ご助力ありがとうございます。
編集：
これで、代表的な指標のアルファ、ベータ、シグマを推定できるようになりました。ここで、ガバナンスの事前推定に関する非代表的な指標を回帰する必要があります (変数モデルのエラー)。
非代表的な指標 ~ ガバナンスの事前見積もり
したがって、重み付けされた事前推定ガバナンス (式 2) と標準誤差 (式 3) を計算する必要があります (上記の論文を参照)。
これは、式 2 と 3 の私の r コードです。
weights <- (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)
私のeiv-regressionでは、信頼性を計算する必要があります-それを正しく理解していれば-論文によると：
1-variance(u(j))/variance(gpre(j)) ここで、「uj は単に式 (3) で与えられた gj の条件付き平均の分散であり、V[g*j] は観測可能であるため」
私の質問:
R の方程式を正しく翻訳しましたか? u(j) と gpre(j) の分散を求めるにはどうすればよいですか? 方程式 2 と 3 は各国の数値を与えるからです。
ありがとうございます！