使用EVIEWS进行最大似然估计怎么得依赖普通最小二乘法、加权最小二乘法等相关法的估计结果才能得出跟上述估计法一样的结论呢？如果使用原始数据，直接进行最大似然计算，那么估计结果跟先使用了OLS，WLS等相关估计法后得出的结果是不同的。这说明了EVIEWS软件没有实现真正的最大似然估计算法。怀疑程序只是copy了上述算法的结果而已。
注意：对数似然函数采用优化算法进行估计，不需要依赖其他估计方法，赋予未知参数初值就行了。
具体步骤如下：
1.打开EVIEWS（注意检查resid和c里没有残留数据），输入高铁梅第二版8.4的例子的原始数据序列即cum,in，然后建立Logl对象，输入跟教材一样的代码，然后点击esitimate。
@logL l_w
@byeqn
res=cum-c(1)-c(2)*in
var=@sum(res^2)/29
w=1/abs(res)
l_w=-log(2*3.1415926)/2-log(w*@sqrt(var))-((w*res)^2/(w^2*var))/2
'@temp res  var  l_w  w


2.得到如下结果：
LogL: UNTITLED                              
Method: Maximum Likelihood (Marquardt)                                
Date: 05/02/13   Time: 19:34                                
Sample: 1 30                                
Included observations: 30                                
Evaluation order: By equation                                
Failure to improve Likelihood after 1 iteration                                
                                
        Coefficient        Std. Error        z-Statistic        Prob.  
                                
C(1)        -72024.16        6.21E+08        -0.000116        0.9999
C(2)        0.057953        280.0263        0.000207        0.9998
                                
Log likelihood        -42.57669            Akaike info criterion                2.971780
Avg. log likelihood        -1.419223            Schwarz criterion                3.065193
Number of Coefs.        2            Hannan-Quinn criter.                3.001663
3.如果先使用WLS进行估计，然后再使用最大似然估计则可以得到如下的 结果：
LogL: UNTITLED                              
Method: Maximum Likelihood (Marquardt)                                
Date: 05/02/13   Time: 19:39                                
Sample: 1 30                                
Included observations: 30                                
Evaluation order: By equation                                
Convergence achieved after 1 iteration                                
                                
        Coefficient        Std. Error        z-Statistic        Prob.  
                                
C(1)        -46.99128        0.119694        -392.5943        0.0000
C(2)        0.056230        0.000249        225.5054        0.0000
                                
Log likelihood        -82.24117            Akaike info criterion                5.616078
Avg. log likelihood        -2.741372            Schwarz criterion                5.709491
Number of Coefs.        2            Hannan-Quinn criter.                5.645962