每每以為攀得眾山小，可、每每又切實來到起點，大牛們，緩緩腳步來俺筆記葩分享一下吧，please~

———————————————————————————

9.2 估計功能

一、自迴歸分佈滯後模型

EViews 9提供了ARDL，自迴歸分佈滯後模型的工具，變數包括了滯後變數和常規解釋變數。

其中，EViews 9有三大新功能：

內建了滯後階數的選擇；協整估計；長期趨勢的Bounds檢驗。

二、ARMA的ML和GLS估計

現在可以在ARMA基礎上利用ML、GLS估計（極大似然與廣義最小二乘法）。其中可以用卡爾曼濾波法估計似然值（Hamilton 1994）。

操作的時候，要先估計一個普通的OLS估計，之後才會顯示ML和GLS頁面。

三、ARFIMA

ARFIMA模型通過ML和GLS實現的極大似然估計，是一種非常高效地演算法（Sowell (1992) and Doornik and Ooms (2003)）。

其中一個特徵是整合引數d自動初始化，其是通過對數週期迴歸模型（Geweke and Porter-Hundlak (1983) ）與關於係數與結構的似然解的概率密度。

四、面板自迴歸分佈滯後模型ARDL與PMG（pooled mean group）估計

EViews 9 現在支援Pesaran, Shin and Smith (PSS, 1999) 在ARDL個體效應模型中的PMG估計。這一模型在面板模型中較為流行，一般在模型中時間較長時候使用，因為此時GMM估計並不特別適用。

PMG是單一ARDL模型的協整形式，並且面板模型中允許存在截距、短期係數和不同橫截面的協整項。

五、門限迴歸

EViews 9提供了門限迴歸，其中包括了較為流行的門限自迴歸模型（TAR）。TR門限迴歸描述了一個簡單的線性分段和結構轉變的非線性迴歸。TR非常流行的原因是因為易於估計與解釋，並能夠產生有趣的非線性動態過程。

其中，門限自迴歸模型（TAR）與自激勵門限迴歸（SETAR）是較為流行的兩種（Hansen 1999, 2011; Potter 2003）。

六、新的優化引擎

在Eviews 9中我們增加了需要新的估計方法。它支援 Broyden-Fletcher-Goldfarb-Shanno (BFGS), Gauss-Newton/BHHH, Newton-Raphson, and Fisher Scoring algorithms這些估計方式。

此外，還允許二階導數的運算，提供了一些替代普通與穩健迴歸的協方差估計方式。

以下是新支援的工具：

Single equation nonlinear least squares and ARMA

Binary

Count

Ordered

Censored

ARCH (equation and system)

Switching Regression

GLM

Heckman Selection

FIML

State Space

Logl

每每以為攀得眾山小，可、每每又切實來到起點，大牛們，緩緩腳步來俺筆記葩分享一下吧，please~

———————————————————————————