几周前，我发布了一个深思熟虑的问题，其中包含模糊的信息。这是我试图纠正原始问题并获得更好答案的尝试。
主要问题是：我无法使用 EViews 和 R 获得类似的参数估计。
由于我不了解自己的原因，我需要使用 EViews 估计某些数据的参数。这是通过选择 NLS（非线性最小二乘）选项并使用以下公式来完成的：indep_var c dep_var ar(1)
EViews 声称他们估计线性 AR(1) 过程，例如：
Y t = a + B * X t + u t
其中 u t错误定义为
u t = p * u t-1 + e
通过使用等效方程（带有一些代数替换）：
Y t = (1 - p) * a + p * Y t - 1 + B * X t - p * B * X t - 1 + e t
此外，EViews 论坛上的这个线程表明他们的 NLS 估计是由 Marquardt 算法生成的。
现在，估计 AR(1) 过程的首选 R 函数是arima. 但是，有两个问题：1）估计是最大似然估计；2）截距估计实际上不是截距估计。
因此，我转向nlsLM了 minpack.lm 包中的函数。此函数使用 Marquardt 算法来实现非线性最小二乘估计，这应该产生与 EViews 实现相同的结果（或至少非常相似的结果）。
现在是代码。我有一个数据框 ( data)，其中包含一个自变量和一个因变量，例如由以下代码生成的那个：
data <- data.frame(independent = abs(rnorm(48)), dependent = abs(rnorm(48)))
为了估计 EViews 声称估计的方程中的参数（这篇文章中的第 3个），我使用以下命令：
library(minpack.lm)
result <-
nlsLM(dependentB ~ ((1 - theta1) * theta2) + (theta1 * dependentA) +
(theta3 * independentB) - (theta1 * theta3 * independentA),
data = list(dependentB = data$dependent[2:48], dependentA = data$dependent[1:47],
independentB = data$independent[2:48], independentA = data$independent[1:47]),
start = list(theta1 = -10, theta2 = -10, theta3 = -10)
)
不幸的是，EViews 输出的估计值nlsLM并不接近 EViews 输出的估计值。你知道是什么原因造成的吗？或者也许我的代码错了？
最后，我想说我个人是一个 R 用户——这正是我尝试在 R 而不是 EViews 中执行此操作的原因。我也很乐意向您提供我正在使用的数据，但这是不可能的，因为它是机密数据。