技术文档

当前位置:

LIMDEP和NLOGIT程序功能菜单

LIMDEP和NLOGIT是的统计分析软件程序。它们用于数据分析,数据管理和模型构建的工具,从的线性回归到方程式非线性系统的估计。提供了现代经验研究中的使用技术。


模型估计和数据分析

对连续,离散,有限和审查的因变量提供了近200种模型公式,:

  • 线性回归

  • 文件的估计

  • 非线性和对数线性回归

  • Probit和Logit模型可供二进制选择

  • 有序选择模型

  • 多项式选择

  • 删节和截断

  • 样本选择模型

  • 分位数回归(线性和计数)

  • 计数数据的泊松和负二项式模型

  • 随机边界和DEA

  • 时间序列模型

  • 面板数据模型


统计分析

编程语言允许扩展的估计量:

  • 模型估计

  • 测试与限制

  • 后期估算分析

  • 模拟

  • 部分效果

  • Delta和Krinsky / Robb方法


面板数据模型

可以使用面板数据的形式来分析线性和非线性模型,:

  • 固定效应和随机效应线性模型

  • 非线性固定效应模型

  • 随机效应模型

  • 随机参数 - 混合模型

  • 潜在类模型


统计与图形

描述性统计和图形分析工具:

  • 横截面和面板的描述性统计

  • 均值和分位数表

  • 时间序列

  • 光谱密度

  • 图形工具

  • 内核密度

  • 判别分析

  • 等高线图


提供了包装的计数数据的广泛的规范,几种新开发的信号:

  • 泊松和负二项式模型

  • NB信号的新规格

  • 广义泊松,Polya-Aeppli

  • 零拓展和障碍

  • 固定和随机效果

  • 潜在阶层

  • 分位数泊松回归


程式设计

提供了矩阵和数据操作命令在内的编程语言,用于建立新的估算器:

  • 使用LIMDEP和NLOGIT进行编程

  • 用户定义的

  • 矩阵代数

  • 科学计算器

  • 用户编写的程序和估计器


SFA和DEA

提供了随机边界模型的形式:

  • 固定和随机效果

  • 潜在类随机前沿

  • 异方差性

  • 技术效率低估

  • 数据包络分析

(这是同时具有SFA和DEA的软件包)


LIMDEP中的离散选择

提供了二进制,多项式,有序,技术和多元离散数据的离散选择估计量:

  • Probit和Logit模型可供二进制选择

  • 有序选择单变量,双变量,分层和样本选择

  • 面板数据

  • 多项式对数

  • 技术数据模型


NLOGIT中的多项式选择

NLOGITLIMDEP的以及LIMDEP中未出现的多项式选择模型的众多扩展,:

  • 数据分析

  • 模型估计

  • 混合(随机参数)logit模型

  • 广义混合对数

  • WTP空间中的估计

  • 多项式概率模型

  • 潜在类模型

  • 错误组件(RE)logit模型

  • 动态随机效应MNL

  • 广义嵌套logit模型

  • 型号规格

  • 模型模拟

(这些功能未出现在LIMDEP中)


时间序列分析

提供了一系列时间序列估计量,:

  • ARMAX模型

  • GARCH和均值GARCH模型

  • 光谱密度估计

  • ACF和PACF

  • Phillips - Perron测试

  • Newey- West估算器


计算方法

始终采用其的计算方法。其中:

  • 描述性统计

  • 方差分析

  • 线性回归


数据管理

数据管理工具:

  • 数据输入输出

  • 数据转换

  • 采样和引导

  • 蒙特卡洛分析

  • 加权数据

  • 随机数生成



EViews 11中的新功能:常规EViews界面
SnapGene:将程序中的文件嵌入序列文件中

2020-09-28

上一篇:

下一篇:

分享到: 0