问题标签 [eviews]

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：

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：

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。

我需要使用在 eviews 中制作的矩阵，有没有办法在R中加载或导出，eviews 工作文件或数据库并在R中使用它？

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？

当您在 Eviews 中进行回归时，您会得到如下统计数据面板：

R中有没有一种方法可以让我在一个列表中获得所有/大部分关于R回归的统计数据？

我不知道是否允许在 StackExchange 的不同站点上发布相同的问题。我已经将它发布在 Cross Vlidated 上，但没有得到任何答复，所以我想在这里尝试一下。

这是原来的问题。如果有人能解决我的问题，我真的很感激。

我在 R 中的代码如下：

它有什么错误吗？

我正在尝试从 Matlab（2013a，32 位）调用 Eviews（8、32 位），但到目前为止没有成功。我在 Matlab 中使用了以下代码：

我收到以下错误：

有人可以帮忙吗？提前致谢。

我正在尝试估计汉密尔顿（1989）的基本马尔可夫切换模型，如E-views 网页中的帖子。该模型本身就是对现有 RATS 的精确复制。

这是示例的时间序列：

我想使用MSwM包，所以我写了以下代码：

我得到的结果与在 Eviews 或 RATS 中获得的结果非常不同：

主要区别在于截距，因为在两种情况下都获得了正值，而不是 Eviews 或 RATS 中的值。这种差异是由于使用了最大化算法（MsWm 中的 EM）？或者我在我的 R 代码中犯了一些错误？

非常感谢。

在 eviews 文档上找不到关于 w{} 的任何提示。有什么解释吗？

w{}()，无法理解它是如何工作的。

顺便说一句，如何将单个变量打印到命令窗口而不是将其打印到文件？

谢谢！

我开发了一个相当简单的多元回归计量经济学模型。我现在正在尝试运行稳健回归（EViews 称它们为稳健最小二乘）。我可以轻松运行稳健回归 M 估计。但是，每次我运行稳健回归 MM 估计时，都会遇到相同的错误：“达到最大奇异子样本数”。我通过增加/减少迭代次数、收敛水平等来玩弄 MM 估计规范......我总是遇到同样的错误。

在 EViews 论坛上，另一位同事在 MM 估计和 S 估计方面遇到了完全相同的问题。论坛主持人表示，如果模型存在虚拟变量而没有那么多观察值，则此类估计可能无法收敛并产生上述错误。我的模型确实有虚拟变量。而且，其中一些没有那么多的观测值（时间序列数据中有 8 个连续观测值，有 217 个观测值）。但是，我不清楚这是否是 EViews 的限制，或者这是否真的是算法限制。我可能会尝试在 R 中重新运行 MM 估计。并且，看看它是否可行。

跟进上述内容，我就是这样做的。并且，使用 R 和 MASS 包使用 rlm() 函数运行稳健回归。就像在 EViews 中一样，我运行 M 估计没有问题。同样，我在尝试 MM 估计时也遇到了麻烦。就像在 EViews 中一样，我收到一条错误消息，指出回归/模拟在 20 次迭代后没有达到收敛。因此，我通过首先消除所有虚拟变量来重新进行 MM 估计。正如预期的那样，它奏效了。接下来，我一次只添加一个虚拟变量，每次我重新运行我的 MM 估计。我这样做是为了观察 MM 估计模型何时会崩溃。令我惊讶的是，它从来没有。而且，现在我最终可以使用所有虚拟变量运行我的 MM 估计。我不

这使我得出结论，在这方面，R 比 EViews 更灵活一些。仔细检查后，我注意到我运行的 EViews M 估计是双平方类型（与常规的 Huber 相比）。这有很大的不同。当我在 R 中运行 bisquare 类型的 M 估计时，我几乎得到了与 EViews 完全相同的结果。两者之间存在细微差别。考虑到求解过程是迭代的，这是可以预料的。

我想将 EViews（我很遗憾被迫使用的点击式计量经济软件）数据库中的数据直接导入 MATLAB，而不将任何临时文件写入磁盘。当然，将系列导出为 CSV 或 Excel 并随后将其导入 MATLAB 是很简单的，但这对于大量系列来说效率低下，并且不允许自动化。