我不明白混合数据、面板数据或纵向数据之间的区别。最近，我正在研究 boost 技术并学习R包GMMBoost：基于似然的 Boosting for Generalized mixed models。这个包正在处理混合数据。我不确定这个包是否对面板数据也有用。

第一次写Python代码。在绘制此函数时需要一些帮助。它是一个重叠增长模型函数。即使我确定等式是正确的，也会不断给出错误代码。任何帮助，将不胜感激！

错误是：

考虑到两个困难，如何合并跨国数据库：

1. 并非所有数据库都有国家代码变量
2. 某些国家/地区的名称略有不同（例如，老挝为老挝人民民主共和国，韩国为韩国共和国）

这是社会科学中如此常见的任务，但除了手动匹配国名之外，我还没有想到一种有效的方法来做到这一点。

我想在使用“AER”包中的 ivreg 或“sem”包中的 tsls 后提取 Pr(>|t|) 列。两者都给出了一个相似的术语列表，似乎并没有提供我正在寻找的内容。

p 虽然看起来很有希望，但仅提供了在第二阶段回归中估计的参数数量的计数。然而，如果我对这些对象中的任何一个使用 summary 命令，它将返回 ap 值。

所以我真的很想回答两个问题： 1. 我在哪里可以找到 p 值？2. 我怎样才能找到对象的所有隐藏属性，以便下次查找 F-stat 或任何我知道在哪里查找的东西？names() 似乎还不够。

非常感谢您提供的任何帮助！

我正在尝试在 dynare（Matlab 的一个包）中处理 DSGE 模型中的零下限。我在 ZLB 找到了一篇开发随机模拟算法的论文，我找到了一些作者的代码，但我无法解释部分代码。我到处寻找答案。这是代码的样子：

@# 的用法是如此神秘，我找不到它的单一用法。我已经运行了代码并且它可以工作。

我有个问题。我需要用 GARCH/ARCH 模型估计一些统计数据。在 Matlab 中，我使用这样的东西：

所以这会返回 GARCH 模型的三个最大似然参数。但是我真的需要在garchfit中如何使用哪种算法，因为我需要编写一个程序来自动估计参数。

我的程序现在运行很慢，有时不正确。所以问题是：

1. 如何在 Matlab 中获取 garchfit 或 MLE 的代码？
2. 有人知道 MLE 上的一些好的快速算法吗？

（MLE = 最大似然估计）

我做了一个包含股票标记数据的小网站。我会从 yahoo Finance api 和财务图表获取股票数据。现在我需要显示经济指标和财务热图，例如 http://finviz.com/map.ashx我在哪里可以找到它的来源？是否有任何可用的 api 或 yahoo 本身提供这些详细信息。我需要在 php 框架（yii）中完成。我已经提到了一些网站，但我对此没有明确的想法。

我想估计协变量对响应值的影响，其值取 [0,1] 中的值。也就是说，响应变量的值介于 0-1（含）之间。我想使用 Papke 和 Wooldridge (1996) 描述的分数 logit 模型，见下文：

http://faculty.smu.edu/millimet/classes/eco6375/papers/papke%20wooldridge%201996.pdf

是否有 R 函数（或库）来促进分数 logit 模型的估计？我可以glm()以某种方式修改吗？

编辑的问题从这里开始

我很欣赏@Jibler 的评论——这可以从分数 logit 模型中得到估计的 beta 值。但是，正如@Ben 指出的那样，鉴于此规范，无法正确估计 SE。

我想这是经济学中更流行的模型，因此 STATA 期刊投稿人对此进行了很好的讨论： http: //fmwww.bc.edu/EC-C/S2013/823/EC823.S2013.nn06.slides.pdf http:/ /www.stata.com/meeting/germany10/germany10_buis.pdf

我能够从 Papke 和 Wooldridge 401k 计划示例中获得数据（见下文）。至少在我看来，分数 logit 模型的稳健性是通过方差的三明治估计量 - Papke 和 Wooldridge 的方程（9）获得的。也就是说，等式 (10) 继续演示如何通过将vcov来自标准拟合的估计矩阵预乘以glm(...,family=binomial(link=logit))Pearson 残差的估计来获得稳健性。

Buis 的幻灯片似乎sandwich()使用参数 vce(robust) 实现了分数 logit 估计器的一种形式。sandwich()这些与R 中函数在标准二项式 GLM 中的应用完全一致。我假设，但不确定，因为我不是 STATA 奇才，这与 Baum 的论点相同robust吗？如果有人拥有 STATA 并且可以检查这将是有帮助的。GLM 给出的模型给出的family=quasibinomialSE 估计值略有不同。但它似乎也是分数 logit 模型的均值/方差参数的合理估计。

下面是一些 R 代码，它复制了上面 Buis 文章中给出的数据拟合（它还显示了准二项式模型如何给出略有不同的 SE 估计）：

所以...感谢@Ben 提供有用的建议。我的看法是，family=quasibinomial或者sandwich库在估计 R 中分数 logit 模型的稳健 SE 方面做得很好（由 Papke 和 Wooldridge 的方程（9）或（10）定义）。如果这个结论不正确，请欣赏评论/批评。

我有一个由季度观察组成的数据集（在 Excel 中）。对于这些观察中的每一个，我还有一个确切的日期和时间，例如：Obs.value, 20000101, 07:00。

我还创建了一个频率为 10 分钟的 eViews 工作文件。现在我想将该季度数据导入 eViews 工作文件。对于数据中没有对应值的所有（10 分钟频率）观测值，观测值应为零。这意味着最后我需要一个 10 Min 频率向量，每季度一个观察值，否则为零：

. . . .

20000101, 06:50, 0

20000101, 07:00, Obs. 价值（每季度一个）

20000101, 07:10, 0

. . .

有谁知道如何在 eViews 中编程？

我有一个宏，用于对用户选择的数据执行 OLS 回归。这是我正在写的一个更大的补充的一部分，但我被困在我认为一定是一个简单的问题上。我不断收到下标超出范围错误，我认为这是因为我得到的矩阵大小与我期望的不同。

sub 将两个变量作为其参数，并根据规范计算 OLS 估计量。y 变量始终是 anx 1 范围（一列和多行），X 变量是 anxm 范围（可以是多列和多行）。当 X 为单列范围时使用此函数时，该For... Next块适用于以下代码：

但是如果 X 变量是一个多列范围，这将不起作用，它必须如下：

我不明白为什么按照我的理解b应该始终是一维数组。

将不胜感激任何帮助。

实际子：