估计功能

素质自己学习、全部操作了以下Eviews 8 与 9 的新功能，觉得 8.0版本改动较大，9.0的话在8.0基础上加入了许多估计方法。

如果有对这些感兴趣的，欢迎一起加好友，讨论~

一、自回归分布滞后模型

EViews 9提供了ARDL，自回归分布滞后模型的工具，变量包括了滞后变量和常规解释变量。

其中，EViews 9有三大新功能：

内置了滞后阶数的选择；协整估计；长期趋势的Bounds检验。

二、ARMA的ML和GLS估计

现在可以在ARMA基础上利用ML、GLS估计（极大似然与广义最小二乘法）。其中可以用卡尔曼滤波法估计似然值（Hamilton 1994）。

操作的时候，要先估计一个普通的OLS估计，之后才会显示ML和GLS页面。

三、ARFIMA

ARFIMA模型通过ML和GLS实现的极大似然估计，是一种非常高效地算法（Sowell (1992) and Doornik and Ooms (2003)）。

其中一个特征是集成参数d自动初始化，其是通过对数周期回归模型（Geweke and Porter-Hundlak (1983) ）与关于系数与结构的似然解的概率密度。

四、面板自回归分布滞后模型ARDL与PMG（pooled mean group）估计

EViews 9 现在支持Pesaran, Shin and Smith (PSS, 1999) 在ARDL个体效应模型中的PMG估计。这一模型在面板模型中较为流行，一般在模型中时间较长时候使用，因为此时GMM估计并不特别适用。

PMG是单一ARDL模型的协整形式，并且面板模型中允许存在截距、短期系数和不同横截面的协整项。

五、门限回归

EViews 9提供了门限回归，其中包括了较为流行的门限自回归模型（TAR）。TR门限回归描述了一个简单的线性分段和结构转变的非线性回归。TR非常流行的原因是因为易于估计与解释，并能够产生有趣的非线性动态过程。

其中，门限自回归模型（TAR）与自激励门限回归（SETAR）是较为流行的两种（Hansen 1999, 2011; Potter 2003）。

六、新的优化引擎

在Eviews 9中我们增加了需要新的估计方法。它支持 Broyden-Fletcher-Goldfarb-Shanno (BFGS), Gauss-Newton/BHHH, Newton-Raphson, and Fisher Scoring algorithms这些估计方式。

此外，还允许二阶导数的运算，提供了一些替代普通与稳健回归的协方差估计方式。

以下是新支持的工具：

Single equation nonlinear least squares and ARMA

Binary

Count

Ordered

Censored

ARCH (equation and system)

Switching Regression

GLM

Heckman Selection

FIML

State Space

Logl