提供连续、离散、有限和删失因变量近200种模型公式,包括:
线性回归
稳健估计
线性和对数线性回归
二元选择的概率和logit模型
排序选择模型
多项选择
审查和截断
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模型
随机前沿与DEA
时间序列模型
面板数据模型
编程语言允许支持估计量的扩展:
模型的估计
测试和限制
后评估分析
模拟
局部的效果
Oaxaca分解
Delta和Krinsky/Robb方法
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:
固定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
潜在类别模型
描述性统计和图形分析工具包括:
截面和面板的描述性统计
平均数和分位数表
时间序列
谱密度
图形工具
核密度
判别分析
等高线图
提供最广泛的各种包装计数数据的规格,包括一些新开发的模型:
Poisson和负二项模型
NB模型的新规范
γ、广义Poisson、Polya Aeppli
零膨胀和障碍
固定随机效应
潜在类别
分位数Poisson回归
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:
用LIMDEP和NLOGIT编程功能
用户定义的优化
矩阵代数
科学计算器
用户编写的程序和估计
提供了各种形式的随机前沿模型:
固定随机效应
真正的固定和随机效应
潜在类随机边界
Battese and Coelli
异方差性
数据包络分析
(这是唯一同时包含SFA和DEA的程序)
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:
二元选择的概率和logit模型
排序选择包括单变量、变量、分层和样本的选择
面板数据
多项式Logit模型
计数数据模型
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:
数据分析
模型估计
混合(随机参数)logit模型
广义混合Logit模型
WTP空间的估计
多项式概率模型
潜在类别模型
误差分量(RE)logit模型
随机遗憾MNL
动态随机效应MNL模型
广义嵌套logit模型
模型规范
模型仿真
(这些功能,LIMDEP中不包含)
提供了一系列时间序列的估计量,包括:
ARMAX模型
均值模型中的GARCH和GARCH
谱密度估计
ACF和PACF
Phillips-Perron测试
Newey-West估计
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:
描述性统计
方差分析
线性回归
非线性最小二乘法
数据管理工具包括:
数据输入输出
数据转换
采样和抽样
蒙特卡罗分析
加权数据
随机数的产生