epoh老师，您好！
     楼主的软件我已经购买了，msvar包中只有Msvar130.h和msvar130.oxo两个文件，其他的没有，
软件齐全，而且能够安装成功。另外，我也不知道msvar130.oxo这个文件如何运行？
或者您发到我的邮箱，zhanghs021@163.com.
非常感谢！

1.请注意短信息

  请将文件放在正确路径:

  C:\Program Files\Ox\packages\MSVAR\HAMILTON.OX
                                                        \GNP82.xls
                                                        \msvar130.oxo
  ......
  ......
2.add MSVAR package in GiveWin2
  start GiveWin2:
    Modules \Start OxPAck
  in the OxPack window:
    Add/Remove PAckages\Browse\
    Go to  C:\Program Files\Ox\packages\msvar and choos msvar130.oxo
   "Package class name (case must match exactly): change Msvar130 to MSVAR
   you see MSVAR under Packeges
3. run HAMILTON.OX
   in GiveWin2 window
   open  C:\Program Files\...\HAMILTON.OX
   Modules \Start OxRun
   /************************
    ************************/

  Ox version 3.40 (Windows) (C) J.A. Doornik, 1994-2004
MSVAR (c) H-M Krolzig, 1996-2005, package version 1.32a, object created on  1-10-2003

---------- EM algorithm converged after 43 iterations ------------

EQ( 1) MSM(2)-AR(4) model of DUSGNP
       Estimation sample: 1952 (2) - 1984 (4)

no. obs. per eq. :        131    in the system :        131   
no. parameters   :          9    linear system :          6   
no. restrictions :          1
no. nuisance p.  :          2

log-likelihood   :  -181.4236    linear system :  -183.6692  

AIC criterion    :     2.9072    linear system :     2.8957
HQ  criterion    :     2.9875    linear system :     2.9492
SC  criterion    :     3.1048    linear system :     3.0274

LR linearity test:     4.4911    Chi(1) =[0.0341] *   Chi(3)=[0.2131]     DAVIES=[0.2131]     

---------- matrix of transition probabilities ------

          Regime 1  Regime 2
Regime 1    0.7620    0.2380
Regime 2    0.0986    0.9014

---------- regime properties ----------------------

              nObs     Prob.  Duration
Regime 1      38.5    0.2929      4.20
Regime 2      92.5    0.7071     10.14

---------- coefficients ----------------------------

                  Coef  StdError     t-val
Mean (Reg.1)   -0.3403    0.2441   -1.3940
Mean (Reg.2)    1.1727    0.1423    8.2395
DUSGNP_1        0.0108    0.0895    0.1203
DUSGNP_2       -0.0627    0.0811   -0.7731
DUSGNP_3       -0.2462    0.0859   -2.8669
DUSGNP_4       -0.2009    0.0867   -2.3170

Standard error      0.76987

---------------------------

这个例子MSM(2)-AR(4) model的结果

跟在winrats是接近的

MAXIMIZE - Estimation by BFGS
Convergence in    33 Iterations. Final criterion was  0.0000077 <=  0.0000100
Quarterly Data From 1952:02 To 1984:04
Usable Observations                       131
Function Value                      -181.2634

    Variable                        Coeff      Std Error      T-Stat      Signif
************************************************************************************
1.  MU(1)(1)                      1.163516284  0.074908621     15.53248  0.00000000
2.  MU(2)(1)                     -0.358817491  0.268297584     -1.33739  0.18109660
3.  PHI(1)(1,1)                   0.013485547  0.124157302      0.10862  0.91350658
4.  PHI(2)(1,1)                  -0.057524674  0.136019028     -0.42292  0.67235628
5.  PHI(3)(1,1)                  -0.246984366  0.110325418     -2.23869  0.02517612
6.  PHI(4)(1,1)                  -0.212921583  0.105591977     -2.01646  0.04375231
7.  SIGMA(1,1)                    0.591366786  0.106496665      5.55291  0.00000003
8.  P(1,1)                        0.904084488  0.037787519     23.92548  0.00000000
9.  P(1,2)                        0.245329958  0.094997335      2.58249  0.00980893

---------------

4.如果嫌调整时间不方便

  你也可以使用:

   MSVARlib Version 2.0 - For Gauss users
   MSVARlib is a new open source Gauss library to estimate Multivariate Markov-Switching
   regression Models in their most generic specification. These new programs are based
   upon the works of Hamilton (1994) and Krolzig (1998) and allow assessment of models
   with M states through classical optimization of the maximum likelihood method
     http://bellone.ensae.net/MSVARlib.html

epoh老师，您好！
     这个例子MSM(2)-AR(4) model的结果

跟在winrats是接近的。学生我想问一下：这个模型在winrats中如何实现？
如何操作？
     在GiveWin2中运行：C:\Program Files\Ox\packages\MSVAR\KROTO.OX，以下结果您看是不是有问题？

Ox version 3.40 (Windows) (C) J.A. Doornik, 1994-2004
MSVAR (c) H-M Krolzig, 1996-2005, package version 1.32a, object created on 13-10-2006
---------- Initial regime classification given -----
It.  0         LogLik =  -135.4668         Pct.Change =100.0000
It.  1         LogLik =  -134.4186         Pct.Change =  0.7737
It.  2         LogLik =  -132.3710         Pct.Change =  1.5233
It.  3         LogLik =  -126.3198         Pct.Change =  4.5714
It.  4         LogLik =  -116.4020         Pct.Change =  7.8514 Warning: invertsym: decomposition failed
C:\hmk\MSVAR\INCLUDE\MsvarEm.ox (1036): mle_msih
Warning: invertsym: decomposition failed
C:\hmk\MSVAR\INCLUDE\MsvarEm.ox (1036): mle_msih
Warning: invertsym: decomposition failed
C:\hmk\MSVAR\INCLUDE\MsvarEm.ox (1036): mle_msih
Warning: invertsym: decomposition failed
C:\hmk\MSVAR\INCLUDE\MsvarFilter.ox (36): filter

It.  5         LogLik =  -301.8304         Pct.Change =-159.3001 Warning: choleski: decomposition failed
C:\hmk\MSVAR\INCLUDE\hmk.ox (410): vechcholeskiblock
Warning: invertsym: decomposition failed
C:\hmk\MSVAR\INCLUDE\MsvarCom.ox (428): GetErrors
Warning: choleski: decomposition failed
C:\hmk\MSVAR\INCLUDE\MsvarCom.ox (428): GetErrors


---------- Error occured! EM algorithm was stopped after  6 iterations ------------
0
IsConverged=0

Standard errors:

*** Warning: Some transition probabilities are close to the border;
             Numerical stability endangered.

Warning: invertsym: decomposition failed
C:\hmk\MSVAR\INCLUDE\MsvarEm.ox (308): fLogLik
Warning: choleski: decomposition failed
C:\hmk\MSVAR\INCLUDE\MsvarEm.ox (309): fLogLik
Runtime error: 'matrix[3][1] .* matrix[2][1]' bad operand
Runtime error occurred in fLogLik(321), call trace:
C:\hmk\MSVAR\INCLUDE\MsvarEm.ox (321): fLogLik
C:\hmk\MSVAR\INCLUDE\MsvarEm.ox (363): Covar
C:\hmk\MSVAR\INCLUDE\MsvarEm.ox (381): GetStdErr
C:\hmk\MSVAR\INCLUDE\MsvarEm.ox (411): StdErr
C:\Program Files\Ox\packages\MSVAR\KROTO.OX (40): main

http://129.3.20.41/eps/em/papers/0508/0508017.pdf
epoh老师，您好！这篇文章Classical Estimation of Multivariate Markov-Switching Models with MSVARlib,
下载下来后，打不开，不知您有吗？要是有，能传上来我看看吗？
非常感谢！

哈哈!zhangtao兄,执行速度真快

KROTO.OX,我跑出的结果跟你一样,有错.

/*********/
estimate Markov switching VAR's in winrats
/*********/
MARKOV.src
mssetup.src
MSVARSetup.src
excute file:msvar_hamilton.prg
winrats v7 or later.

Markov Switch VAR Setup _winrats.rar
大小:(12.13 KB)

 马上下载

/*********/
Classical Estimation of Multivariate
Markov-Switching Models using MSVARlib.pdf

  http://bellone.ensae.net/MSVARlib-v2.0.pdf

epoh老师，您好！
    非常感谢您的帮助和指导！
   我想问一下：附件中的.tar.gz,这样的文件我以前没有见过，
想问您一下：这样的文件在scilab中如何运行？
非常感谢！

两者相容性不佳

后续会延伸很多问题.

请选:scilab-5.1.1 & Grocer_V1.5_SCI_5.1moins

Grocer_V1.5_SCI_5.1moins解压缩后

将文件夹grocer放在c碟

开启 scilab

然后输入exec('c:/grocer/loader.sce',-1)

就OK了

**********
GROCER 1.5 installed   

Please, we would greatly appreciate if you could send us an e-mail at grocer.toolbox@free.fr to inform us that you have installed grocer


-->hendryericsson()

ols estimation results for dependent variable: delts(lm1-lp)
estimation period: 1964q3-1989q2
number of observations: 100
number of variables: 5
R2 = 0.7616185  adjusted R2 =0.7515814

Overall F test: F(4,95) = 75.880204       p-value = 0
standard error of the regression: 0.0131293
sum of squared residuals: 0.0163761
DW(0) =2.1774376
Belsley, Kuh, Welsch Condition index: 9

variable                   coeff       t-statistic  p value
delts(lp)                  -0.6870384  -5.4783422   0.0000004
delts(lagts(1,lm1-lp-ly))  -0.1746071  -3.0101342   0.0033444
rnet                       -0.6296264  -10.46405    0
lagts(1,lm1-lp-ly)         -0.0928556  -10.873398   0
cte                         0.0234367   5.818553    7.987D-08

epoh老师，您好！

Grocer_V1.5_SCI_5.1moins解压缩后
Grocer_V1.5_SCI_5.1moins.tar.gz这种文件我还是第一次碰到，
请问如何解压呢？
非常感谢！

就是一般解压缩软件

     ex:winrar

这跟R一样

譬如你要安装 package "coda"

要自行由本机安装,下载coda_0.14-4.zip

Windows binary:  coda_0.14-4.zip

要看sourcr code,下载coda_0.14-4.tar.gz   

Package source:  coda_0.14-4.tar.gz  

  http://cran.r-project.org/web/packages/coda/index.html

zhangtao兄

今天看了下Oxmetrics6.2,

New features in PcGive 13

发现PcGive 13已经可以做 Regime Switching Models.

( only univariate models allowed)

而且有图形介面,可以存贮各项数据及结果.

Hamilton(1989) MSM(2)-AR(4)的结果如下:

GNP82.xls loaded from C:\Program Files\OxMetrics6\Ox\packages\MSVAR\GNP82.xls

Ox Professional version 6.20 (Windows/U) (C) J.A. Doornik, 1994-2011

---- Switching - PcGive 1.0 session started at 15:21:14 on 18-10-2011 ----

Switching( 1) Modelling DUSGNP by MS_ARMA(2, 4, 0)
              The dataset is: C:\Program Files\OxMetrics6\Ox\packages\MSVAR\GNP82.xls
              The estimation sample is: 1951(2) - 1984(4)

                  Coefficient  Std.Error  t-value  t-prob
AR-1               0.00887396     0.1193   0.0744   0.941
AR-2               -0.0666548     0.1379   -0.483   0.630
AR-3                -0.247527     0.1053    -2.35   0.020
AR-4                -0.201927     0.1068    -1.89   0.061
Constant(0)         -0.351190     0.2721    -1.29   0.199
Constant(1)           1.17192    0.07436     15.8   0.000
sigma                0.768240    0.06658     11.5   0.000
p_{0|0}              0.759808    0.09817     7.74   0.000
p_{0|1}             0.0982972    0.03828     2.57   0.011

log-likelihood    -181.422782
no. of observations       131  no. of parameters           9
AIC.T              380.845565  AIC                2.90721805
mean(DUSGNP)         0.744598  var(DUSGNP)           1.13768

Linearity LR-test Chi^2(3)  =   4.4927 [0.2129]   approximate upperbound: [0.5810]

Transition probabilities p_{i|j} = P(Regime i at t+1 | Regime j at t)
                Regime 0,t   Regime 1,t
Regime 0,t+1       0.75981     0.098297
Regime 1,t+1       0.24019      0.90170

Used uniform probabilities to start recursion
Std.Error based on numerical Hessian matrix
SQPF using numerical derivatives (eps1=0.0001; eps2=0.005):
Strong convergence
Used starting values:
      0.10010     0.029604    -0.023450    -0.052037    -0.049589       1.5506
      0.71075      0.50000      0.50000

*******

******

另一种方式是,你也可以由

Oxmetrics6.2执行OxGauss

得到相同的结果:

--------------- OxGauss at 10:28:40 on 19-Oct-2011 ---------------

Ox Professional version 6.21 (Windows/U/MT) (C) J.A. Doornik, 1994-2011

C:\Program Files\OxMetrics6\Ox\packages\hamilton_Markov1\MAXSEEK.oxgauss

Bayesian prior used
a=      0.00000000 b=      0.00000000 c=      0.00000000

Starting values
parameters
       1.0000      0.00000      0.10000      0.00000      0.00000      0.00000
       1.0000       1.5000       1.5000
gradients
       7.6433       6.9143       18.239       12.665      -6.5189      -8.3912
      -17.439       6.4844      -2.2637
Initial function =
     -70.1040525341

Position after 1 BFGS iterations
parameters
       1.0597     0.054018      0.24249     0.098944    -0.050929    -0.065556
      0.86376       1.5507       1.4823
gradients
       5.8327       3.2396       4.6567       3.2141      -7.4655      -4.4619
       3.4274       3.9618      -2.3610
function value =
      -64.723138832
  steplen = 0.0078125
.....
.....

Position after 32 BFGS iterations
Status: Strong convergence
parameters
       1.1635     -0.35881     0.013488    -0.057521     -0.24698     -0.21292
      0.76900       3.0702       1.7539
gradients
-5.9376e-005 -6.3707e-006 -3.3991e-005 -1.2115e-005  9.7600e-006 -2.5202e-005
  1.6503e-005 -2.3185e-006  2.6219e-006
function value =
     -60.8824470816

Value of objective function:        60.882447

Strong convergence using numerical first derivatives

MLE as parameterized for numerical optimization
Coefficients:
       1.1635168      -0.35881175      0.013487704     -0.057520648      
      -0.24698320      -0.21292092       0.76900491        3.0701564        1.7538983

Value of log likelihood:      -60.882447

Gradient vector:
  5.9236484e-005   8.1712415e-006   3.5171865e-005   1.3145041e-005  -1.1013412e-005   
  2.3092639e-005  -1.7763568e-005   9.2574142e-007  -1.4179269e-006

Vector is reparameterized to report final results as follows
Means for each state:
       1.1635168      -0.35881175
Autoregressive coefficients:
     0.013487704     -0.057520648      -0.24698320      -0.21292092
Variances:
      0.59136855

Matrix of Markov transition probabilities:

      0.90408465       0.24532898
     0.095915347       0.75467102

Ergodic probs for full state vector:
      0.48030797      0.050956408      0.013827337      0.042535093      0.013827337     
      0.0014669576    0.011542161      0.035505527      0.013827337      0.0014669576   
      0.00039806804   0.0012245207     0.011542161      0.0012245207     0.0096346448     
      0.029637703     0.050956408      0.0054060220     0.0014669576     0.0045125953     
      0.0014669576    0.00015563116    0.0012245207     0.0037668209     0.042535093     
      0.0045125953    0.0012245207     0.0037668209     0.035505527      0.0037668209      
      0.029637703      0.091170298

Ergodic probs for primitive states:
      0.71892471       0.28107529

Log likelihood:
      -60.882447
For vector of coefficients parameterized as follows,
       1.1635168      -0.35881175      0.013487704     -0.057520648      
      -0.24698320     -0.21292092      0.59136855       0.90408465       0.75467102
the standard errors are
     0.074518858       0.26454067       0.11999444       0.13766334      
     0.10691036        0.11053118       0.10264635       0.037736172     0.096518972

不知前辈能否提供你的MSVAR  packages     305816514@qq.com   
另外不知你对MSVAR模型的脉冲响应函数是否有研究。可以交流一下

epoh老师，您好！
       我用的是oxmetrics6.0,我想您一下：这 Regime Switching Models能否在oxmetrics6.0上运行？
要是您方便的话，能否提供这个包并说明一下详细用法？
非常感谢！

开启Oxmetrics

file\open\....\GNP82.xls

click PcGive

Category    选取 Models for time-series data

Model class 选取Regime Switching Models using PcGive

按Formulate  跳出新窗口:

Formulate-Regime Switching Models-gnp82.xls

     选取右边DUSGNP,送往左边

     在左边形成

        Y DUSGNP

        R Constant

按OK跳出新窗口:

Model Settings-Regime Switching Models

  Model type 选取Markov-switching ARMA model

  AR order   选取4

  OK,again OK.

哈哈!17楼朋友

爱开玩笑.

我都看到你在gauss区块卖

msvar130ex.zip ,msvar130.zip

你应该比我齐全吧!

epoh老师，我想问您OX软件是TSP软件的一个部分吗？
TSP网上没有找到免费的，您知道哪里可以下载吗。

TSP/OxMetrics
TSP (Version 5.1), by TSP International is an econometric software package,
with convenient input of commands and data, all the standard estimation methods
(including non-linear), forecasting, and a flexible language for programming
your own estimators. TSP can be installed as a module of OxMetrics - TSP/OxMetrics.
This eases the use of the command-line environment by providing context
sensitive help, syntax highlighting, and a dialog-driven command builder.
  http://www.oxmetrics.net/

  http://www.tspintl.com/

其实PcGive 有关

Panel Data Models估计的方法就不少:

static panel data models   dynamic panel data models
OLS in levels                     OLS in levels  
Between estimator           one-step IV estimation (Anderson--Hsiao IV)
Within estimator              one-step GMM estimation  
Feasible GLS                     one-step estimation with robust std. errors  
GLS (OLS residuals)          two-step estimation  
Maximum likelihood (ML)
#######
#######
Simultaneous Equations Model
The following information is needed to estimate a model:
1.The model formulation.
2.The method of estimation:
♦ Full information maximum likelihood (FIML);
♦ Three stage least squares (3SLS);
♦ Two stage least squares (2SLS);
♦ Single equation OLS (1SLS);
♦ Constrained FIML (CFIML)
is available when selecting constrained simultaneous equations model.


3.The number of observations to be used to initialize the recursive estimation (FIML and CFIML).
4.For CFIML: the code specifying the parameter constraints.

epoh老师，您提供的材料提到：TSP can be installed as a module of OxMetrics - TSP/OxMetrics.
按这个意思是不是我安装了OxMetrics，那也可以运行TSP软件的程序呢？



呵呵，借这个地盘再问epoh老师您一个单位根检验问题。
一般进行单位根检验可以对level和first-difference变量进行检验，我想问的是：
若我在对level变量进行检验时选择了intercept+trend，那么我对first-difference变量进行检验时是否只能选择包含intercept的，而不能包含有time trend，很多中文文献都是这样说明的。如果按照公式，的确差分后time trend消除了。
而我所看到一些外文文献，不管是level还是first-difference，都同时用intercept+trend

epoh老师，对应first-difference的intercept和time trend 的选择是按什么标准来呢？
可以再从画图看趋势吗？

TSP5.1必须另外购买.

不过我个人看法

Oxmetrics6.2的package PcGive

功能相当强大

几乎已经取代了TSP大部分功能

而且容易操作.

当然你有兴趣也可以下载

TSP 5.1 demo version来试试,

或先看一下TSP User's Guide.

恩，谢谢epoh老师
呵呵，我学TSP目的主要是有些个人编写的程序是用TSP的，所以才想去学习一下

epoh老师，您好！
     为什么我估计的结果与您的不一样？
---- OxMetrics 6.01 started at 09:21:32 on 20-Oct-2011 ----

GNP82.xls loaded from E:\Ox Packages\Ox-MSVAR\GNP82.xls


Ox Professional version 6.00 (Windows/U) (C) J.A. Doornik, 1994-2009

---- Switching - PcGive 1.0 session started at  9:22:00 on 20-10-2011 ----

No Y variable selected
Failed to get data.

Switching( 1) Modelling DUSGNP by MS(2)
              The dataset is: E:\Ox Packages\Ox-MSVAR\GNP82.xls
              The estimation sample is: 1952(2) - 1984(4)

                  Coefficient  Std.Error  t-value  t-prob
Constant(0)         -0.494281     0.3262    -1.52   0.132
Constant(1)           1.09213     0.1306     8.36   0.000
sigma                0.822486    0.06252     13.2   0.000
p_{0|0}              0.676781     0.1289     5.25   0.000
p_{0|1}             0.0969262    0.04779     2.03   0.045

log-likelihood    -184.929796
no. of observations       131  no. of parameters           5
AIC.T              379.859592  AIC                2.89969155
mean(DUSGNP)         0.719835  var(DUSGNP)           1.12849

Linearity LR-test Chi^2(3)  =   17.738 [0.0005]** approximate upperbound: [0.0026]**

Transition probabilities p_{i|j} = P(Regime i at t+1 | Regime j at t)
                Regime 0,t   Regime 1,t
Regime 0,t+1       0.67678     0.096926
Regime 1,t+1       0.32322      0.90307

Used uniform probabilities to start recursion
Std.Error based on numerical Hessian matrix
SQPF using analytical derivatives (eps1=0.0001; eps2=0.005):
Strong convergence
Used starting values:
     -0.11240       1.5649      0.65209      0.50000      0.50000

epoh老师，您好！
     另外，我还有两个问题：1、怎么在oxmetrics6中看到markov regime switching model的源代码？
2、我的run菜单中的oxgauss怎么是灰色的，处于没有激活状态？
另一种方式是,你也可以由

Oxmetrics6.2执行OxGauss
怎么执行oxgausss?

epoh老师，您能把这个hamilton_Markov1\MAXSEEK.oxgauss包上传一下吗？
我怎么在网上找不到？
非常感谢！

Gauss  modules最常用的就是 Cml, Maxlik and Optmum

所以首先需要下载M@ximize 1.1 package.

Bridging the Gap Between Ox and Gauss when using OxGauss

  

解压后会产生二个文件夹oxgauss,include

文件夹oxgauss覆盖

C:\Program Files\OxMetrics6\Ox\oxgauss

而文件夹include内含之三个文件

cml.ext,maxlik.ext,optum.ext 是空的

所以使用的时候,就从gauss src文件夹copy 过来.

/*********/

你说对了!run菜单中的oxgauss怎么是灰色的，没有激活

因为他只认识File Name Extension 是.oxgauss

譬如MAXSEEK.oxgauss

所以开启的文件是MAXSEEK.oxgauss时,就激活了

同理你很容易就能执行MSVARlib-v2.0

  

/*******/

/*******/

zhangtao兄,这一步你忘记改了

Model Settings-Regime Switching Models

  Model type 选取Markov-switching ARMA model

  AR order   选取4

  OK,again OK.

(…我学TSP目的主要是有些

…个人编写的程序是用TSP的)

ywh老兄够你学的.

前提是请你先装妥GiveWin2.3

(licensing code 在短信息)   

TSP500 for GiveWin(include examples)

   

TSP 5.0 User＇s Guide

  

TSP 5.0 Reference Manual

  http://www.nber.org/tsp/tsp50rm.pdf

***********                    
                                TSP Version 5.0
                          ( 4/05/05) TSP/GiveWin  16MB
                     Copyright (C) 2005 TSP International
                              
         PROGRAM
COMMAND  ***************************************************************
1  ?  EM ALGORITHM FOR CALCULATING THE PARAMETERS OF A MIXTURE
1  ?  DISTRIBUTION WITH TWO REGIMES; ALSO CALCULATES STANDARD ERRORS
1  ?  See James Hamilton, "TIME SERIES ANALYSIS"  pp 685-689
......
......
                   PI1           PI2           MU1           MU2
Value          0.28282       0.71718     -0.048773       1.00704

                  SIG1          SIG2
Value          0.99234       2.00675

DIFF =  0.0000100000

NULL =  0.00000

PI1 =   0.28282

MU1 =   -0.048773

MU2 =   1.00704

SIG1 =  0.99234

SIG2 =  2.00675

VDET =  3.23900D+15

                                    VCOVIN

                     1             2             3             4             5
       1    7917.74383                                                         
       2    -638.41100     770.96843                                          
       3   -2046.25721     480.74298    1557.38675                             
       4   -1820.40267    -157.99003     -63.93776    1119.92719               
       5   -1946.42311    -555.52391      57.72691     441.20966    3178.95271

                                     VCOV

                     1             2             3             4             5
       1    0.00083164                                                         
       2    0.00070120     0.0025296                                          
       3    0.00091505    0.00016514     0.0018411                             
       4     0.0013335     0.0012313     0.0014777     0.0030918               
       5    0.00043003    0.00069750    0.00035061    0.00057573    0.00061349

*******************************************************************************

END OF OUTPUT.

  MEMORY USAGE:    ITEM:    DATA ARRAY  TOTAL MEMORY
                  UNITS:  (4-BYTE WORDS) (MEGABYTES)
  MEMORY ALLOCATED         :   3500000      16.0
  MEMORY ACTUALLY REQUIRED :    462903       4.0
  CURRENT VARIABLE STORAGE :    362978

谢谢epoh老师
提供的资料很好，我先学习下。