每每以为攀得众山小，可、每每又切实来到起点，大牛们，缓缓脚步来俺笔记葩分享一下吧，please~ Eviews 9.0新功能——估计方法（ARDL、面板自回归、门限回归）

———————————————————————————

9.2 估计功能

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。

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。

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。

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）。

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

———————————————————————————