Nlogit 高级统计分析软件

1.NLOGIT是分析多项logit模型的最广泛和最深的工具，包括嵌套Logit模型、广义混合Logit、异方差极值、多元Probit和混合Logit等。

2.NLOGIT功能独特，它允许您在任何估计的离散选择模型的背景下分析任何可选的数据集，不管是在估计中还是在用于检验模型交叉有效性的数据中。

完整的统计分析工具

NLOGIT包含了LIMDEP的所有功能，以及多项式选择模型的估计与分析功能。NLOGIT是一个包含完整集成统计程序功能集的大型程序包。

NLOGIT的强大功能

NLOGIT提供多项选择数据的估计、模拟和分析程序，比如品牌的选择、运输方式以及各种调查和市场数据，消费者在一组相互竞争的替代品中进行选择。自NLOGIT面世20年来，NLOGIT已经成为包括支付意愿和更佳/最坏模型的多项logit模型的估计和模拟的重要统计软件包。NLOGIT还是支持混合说明和显示选择数据集的软件。

多项式选择模型的高级分析工具

NLOGIT是分析多项logit模型的广泛和较深的工具，包括嵌套Logit模型、广义混合Logit、异方差极值、多元Probit和混合Logit等。NLOGIT功能独特，它允许您在任何估计的离散选择模型的背景下分析任何可选的数据集，不管是在估计中还是在用于检验模型交叉有效性的数据中。

NLOGIT功能特点包括

超过200个内置估计，可以分析：

• 四级嵌套logit模型
• 随机参数混合logit
• 潜在类别
• 多项式概率
• 面板数据--MNL固定效应
• 定期选项实验
• 支付意愿
• 异方差极值
• 更佳/最坏模型
• 随机遗憾
• 缺席属性
• 估计和模拟

…….

NLOGIT包含大量的数据分析、数据管理和模型建立工具，从简单线性回归到非线性方程组的更大似然估计，有许多扩展和变化。几乎所有现代实证调查所采用的技术都有提供。

模型估计&数据分析

提供连续、离散、有限和删失因变量近200种模型公式，包括：

Ÿ 线性回归

Ÿ 稳健估计

Ÿ 线性和对数线性回归

Ÿ 二元选择的概率和logit模型

Ÿ 排序选择模型

Ÿ 多项选择

Ÿ 审查和截断

Ÿ 样本选择模型

Ÿ 分位数回归（线性和计数）

Ÿ 计数数据的泊松和负二项模型

Ÿ 随机前沿与DEA

Ÿ 时间序列模型

Ÿ 面板数据模型

统计分析

编程语言允许支持估计量的扩展：

Ÿ 模型的估计

Ÿ 测试和限制

Ÿ 后评估分析

Ÿ 模拟

Ÿ 局部的效果

Ÿ Oaxaca分解

Ÿ Delta和Krinsky/Robb方法

面板数据模型

所有的线性和非线性模型都可以用特殊形式的面板数据来分析，包括：

Ÿ 固定和随机效应线性模型

Ÿ 非线性固定效应模型

Ÿ 随机效应模型

Ÿ 随机参数混合模型

Ÿ 潜在类别模型

统计&绘图

描述性统计和图形分析工具包括：

Ÿ 截面和面板的描述性统计

Ÿ 平均数和分位数表

Ÿ 时间序列

Ÿ 谱密度

Ÿ 图形工具

Ÿ 核密度

Ÿ 判别分析

Ÿ 等高线图

计数数据

提供广泛的各种包装计数数据的规格，包括一些新开发的模型：

Ÿ Poisson和负二项模型

Ÿ NB模型的新规范

Ÿγ、广义Poisson、Polya Aeppli

Ÿ零膨胀和障碍

Ÿ 固定随机效应

Ÿ 潜在类别

Ÿ 分位数Poisson回归

编程

提供了包括矩阵和数据操作命令的编程语言，用于建立新的估计量：

Ÿ 用LIMDEP和NLOGIT编程功能

Ÿ 用户定义的优化

Ÿ 矩阵代数

Ÿ 科学计算器

Ÿ 用户编写的程序和估计

SFA & DEA

提供了各种形式的随机前沿模型：

Ÿ 固定随机效应

Ÿ 真正的固定和随机效应

Ÿ 潜在类随机边界

Ÿ Battese and Coelli

Ÿ 异方差性

Ÿ 技术效率估计

Ÿ 数据包络分析

（这是同时包含SFA和DEA的程序）

LIMDEP离散选择

提供了二进制、多项式、有序、计数和多元离散数据的离散选择估计：

Ÿ 二元选择的概率和logit模型

Ÿ 排序选择包括单变量、变量、分层和样本的选择

Ÿ 面板数据

Ÿ 多项式Logit模型

Ÿ 计数数据模型

NLOGIT多项选择

NLOGIT包含所有LIMDEP plus多项选择模型功能，这些功能LIMDEP中不包含，包括：

Ÿ 数据分析

Ÿ 模型估计

Ÿ 混合（随机参数）logit模型

Ÿ 广义混合Logit模型

Ÿ  WTP空间的估计

Ÿ 多项式概率模型

Ÿ 潜在类别模型

Ÿ 误差分量（RE）logit模型

Ÿ 随机遗憾MNL

Ÿ 动态随机效应MNL模型

Ÿ 广义嵌套logit模型

Ÿ 模型规范

Ÿ 模型仿真

（这些功能，LIMDEP中不包含）

时间序列分析

提供了一系列时间序列的估计量，包括：

Ÿ ARMAX模型

Ÿ 均值模型中的GARCH和GARCH

Ÿ 谱密度估计

Ÿ ACF和PACF

Ÿ Phillips-Perron测试

Ÿ Newey-West估计

精确度

整个过程采用非常精确的计算方法。所有国家标准和技术测试问题研究所均获得高分，包括：

Ÿ 描述性统计

Ÿ 方差分析

Ÿ 线性回归

Ÿ 非线性最小二乘法

数据管理

数据管理工具包括：

Ÿ 数据输入输出

Ÿ 数据转换

Ÿ 采样和抽样

Ÿ 蒙特卡罗分析

Ÿ 加权数据

Ÿ 随机数的产生

系统要求

Windows 10, Windows 8, Windows 7, Windows Vista和Windows XP.