EViews 8 Feature List. EViews 8 bietet eine umfangreiche Palette an leistungsstarken Funktionen für Datenverarbeitung, Statistik und ökonometrische Analyse, Prognose und Simulation, Datenpräsentation und Programmierung Während wir alles auflisten können, bietet die folgende Liste einen Einblick in die wichtigen EViews Features. Basis Data Handling. Numeric, alphanumerische Zeichenfolge und Datumsreihe Wert Etiketten. Extensive Bibliothek von Operatoren und statistische, mathematische, Datum und String-Funktionen. Kraftvolle Sprache für die Expression Handling und Transformation bestehender Daten mit Operatoren und Funktionen. Samples und Beispiel-Objekte erleichtern Verarbeitung auf Teilmengen von Daten. Support für komplexe Datenstrukturen einschließlich regelmäßiger datierter Daten, unregelmäßig datierte Daten, Querschnittsdaten mit Beobachtungsidentifikatoren, datierten und undated Panel-Daten. Multi-page workfiles. EViews native, disk-basierte Datenbanken bieten leistungsstarke Abfrage Features und Integration mit EViews Workfiles. Convert Daten zwischen EViews und verschiedenen Tabellenkalkulationen, statisti Cal und Datenbankformate, einschließlich, aber nicht beschränkt auf Microsoft Access - und Excel-Dateien einschließlich und Gauss Dataset-Dateien, SAS-Transportdateien, SPSS-native und portable Dateien, Stata-Dateien, roh formatierte ASCII-Text - oder Binärdateien, HTML - oder ODBC-Datenbanken und Abfragen ODBC-Unterstützung wird nur in der Enterprise Edition. OLE-Unterstützung zur Verknüpfung von EViews-Ausgabe, einschließlich Tabellen und Grafiken, mit anderen Paketen, einschließlich Microsoft Excel, Word und Powerpoint. OLEDB unterstützt, um EViews Workfiles und Datenbanken mit OLEDB-fähigen Clients oder benutzerdefinierten Programmen zu lesen. Support für FRED Federal Reserve Economic Data Datenbanken Enterprise Edition Unterstützung für Global Insight DRIPro und DRIBase, Haver Analytics DLX, FAME, EcoWin, Datastream, FactSet und Moody s Datenbanken. Das EViews Microsoft Excel Add-In ermöglicht es Ihnen, Daten zu verknüpfen oder zu importieren Von EViews Workfiles und Datenbanken aus Excel. Drag-and-Drop-Unterstützung für das Lesen von Daten einfach Dateien in EViews für die automatische Umwandlung von ausländischen Daten in EViews Workfile-Format. Kraftvolle Tools für die Erstellung neuer Workfile-Seiten aus Werten und Daten in bestehenden Serien. Match Merge, Join, Append, Teilmenge, Größe ändern, sortieren und umgestalten Stapel und unstack workfiles. Easy-to-use automatische Frequenzumwandlung beim Kopieren oder Verknüpfung von Daten zwischen Seiten unterschiedlicher Frequenz. Frequenzumwandlung und Match-Merging-Unterstützung dynamische Aktualisierung, wann immer zugrunde liegende Daten ändern. Auto-Aktualisierung Formel-Serie, die automatisch neu berechnet werden, wenn zugrunde liegende Daten ändern. Easy-to-use Frequenzumwandlung, einfach kopieren oder verknüpfen Daten zwischen Seiten Von unterschiedlicher Frequenz. Tools für die Wiederabtastung und Zufallszahlenerzeugung für die Simulation Zufallszahlenerzeugung für 18 verschiedene Verteilungsfunktionen mit drei verschiedenen Zufallszahlengeneratoren. Time-Serie Datenhandling. Integrierte Unterstützung für die Bearbeitung von Datums - und Zeitreihendaten sowohl regelmäßig als auch unregelmäßig Regelmäßige Häufigkeitsdaten Jährlich, halbjährlich, vierteljährlich, monatlich, zweimonatlich, vierzehntägig, zehntägig, Wöchentlich, Täglich - 5 Tage Woche, Täglich - 7 Tage Woche. Support für Hochfrequenz-Intraday-Daten, so dass Stunden, Minuten und Sekunden Frequenzen Darüber hinaus gibt es eine Reihe von weniger häufig auftretenden regelmäßigen Frequenzen, darunter Multi-Jahr, Bimonthly, Fortnight, Zehn-Tage-und Täglich mit einer beliebigen Reihe von Tagen der Woche. Spezialisierte Zeitreihe Funktionen und Operatoren Verzögerungen, Unterschiede, Log-Unterschiede, gleitende Durchschnitte, etc. Frequenz Umwandlung verschiedenen High-to-Low - und Low - To-high. Exponential Glättung Single, Double, Holt-Winters und ETS Glättung. Built-in-Tools für Whitening Regression. Hodrick-Prescott Filterung. Band-Pass-Frequenz-Filterung Baxter-King, Christiano-Fitzgerald feste Länge und voller Probe asymmetrische Filter. Seasonal Anpassung Volkszählung X-13, X-12-ARIMA, Tramo Sitze, gleitende Durchschnitt. Interpolation, um fehlende Werte innerhalb einer Reihe zu füllen Linear, Log-Linear, Catmull-Rom Spline, Kardinal Spline. Basis Daten Zusammenfassungen nach Gruppe Zusammenfassungen. Tests von Gleichheitstests, ANOV Eine ausgewogene und unausgewogene, mit oder ohne heteroskedastische Abweichungen, Wilcoxon, Mann-Whitney, Median Chi-Platz, Kruskal-Wallis, van der Waerden, F-Test, Siegel-Tukey, Bartlett, Levene, Brown-Forsythe Cross-Tabulation mit Assoziationsmaßnahme Phi Koeffizienten, Cramer s V, Kontingenzkoeffizient und Unabhängigkeitsprüfung Pearson Chi-Quadrat, Wahrscheinlichkeitsverhältnis G 2.Kovarianz - und Korrelationsanalyse einschließlich Pearson, Spearman Rangordnung, Kendall s tau-a und tau-b Und Teilanalyse. Prinzipal-Komponenten-Analyse einschließlich Scree-Plots, Biplots und Lade-Plots, und gewichtete Komponenten-Score Berechnungen. Faktor-Analyse ermöglicht die Berechnung von Assoziationsmaßnahmen einschließlich Kovarianz und Korrelation, Eindeutigkeit Schätzungen, Faktor Laden Schätzungen und Faktor Scores, sowie die Durchführung von Schätzungen Diagnose und Faktor Rotation mit einer von über 30 verschiedenen orthogonalen und schrägen Methoden. Empirische Verteilung Funktion EDF Tests für die normale, exponentielle, Ex Treme-Wert, Logistik, Chi-Quadrat, Weibull oder Gamma-Verteilungen Kolmogorov-Smirnov, Lilliefors, Cramer-von Mises, Anderson-Darling, Watson. Histogramme, Frequenz-Polygone, Edge-Häufigkeit Polygone, durchschnittliche verschobene Histogramme, CDF-Überlebens-Quantil, Quantil-Quantil, Kernel-Dichte, theoretische Verteilungen, Boxplots. Scatterplots mit parametrischen und nicht parametrischen Regressionslinien LOWESS, lokales Polynom, Kernregression Nadaraya-Watson, lokale lineare, lokale Polynom - oder Vertrauens-Ellipsen. Zeitserie. Autokorrelation, partielle Autokorrelation, Kreuz-Korrelation, Q-Statistiken. Granger Kausalität Tests, einschließlich Panel Granger Kausalität. Unit Root-Tests Augmented Dickey-Fuller, GLS transformiert Dickey-Fuller, Phillips-Perron, KPSS, Eliot-Richardson-Stock Point Optimal, Ng-Perron. Cointegration Tests Johansen, Engle-Granger, Phillips-Ouliaris, Park hinzugefügt Variablen und Hansen Stabilität. Independenz Tests Brock, Dechert, Scheinkman und LeBaronVariance Ratio Tests Lo und MacKinlay, Kim wild bootstrap, Wright s Rang, Rang-Score und Sign-Tests Wald und mehrere Vergleich Varianz Ratio Richardson und Smith, Chow und Denning. Long-run Varianz und Kovarianz Berechnung symmetrische oder oder einseitige Langzeit-Kovarianzen mit nichtparametrischen Kernel Newey-West 1987, Andrews 1991, parametrische VARHAC Den Haan und Levin 1997, und vorgewählte Kernel Andrews und Monahan 1992 Methoden Darüber hinaus unterstützt EViews Andrews 1991 und Newey-West 1994 automatische Bandbreitenauswahl Methoden für Kernel Schätzer und Informationen Kriterien basierte Verzögerung Länge Auswahlmethoden für VARHAC und Prewhitening Schätzung. Panel und Pool. By-Gruppe und by-Periode Statistiken und testing. Unit Root-Tests Levin-Lin-Chu, Breitung, Im-Pesaran-Shin, Fisher, Hadri. Cointegration Tests Pedroni, Kao, Maddala und Wu. Panel innerhalb der Serie Kovarianzen und Hauptkomponenten. Dumitrescu-Hurlin 2012 Panel Kausalität Tests. Linear und nichtlineare gewöhnlichen kleinsten Quadrate multiple Regression. Linear Regression mit PDLs Auf eine beliebige Anzahl von unabhängigen Variablen. Robust Regression. Analytischen Derivaten für nichtlineare Schätzung. Geschätzte kleinste Quadrate. White und Newey-West robuste Standardfehler HAC Standardfehler können mit nichtparametrischen Kernel, parametrische VARHAC und vorgewählte Kernel-Methoden berechnet werden, und erlauben Andrews Und Newey-West automatische Bandbreitenauswahlmethoden für Kernelschätzer und informationskriterienbasierte Verzögerungslängenauswahlmethoden für VARHAC und Prewhitening Schätzung. Lineare quantile Regression und kleinste absolute Abweichungen KOP, einschließlich sowohl Huber s Sandwich und Bootstrapping Kovarianz Berechnungen. Schritt Regression mit 7 verschiedenen Auswahlverfahren. ARMA und ARMAX. Linear Modelle mit autoregressiven gleitenden Durchschnitt, saisonale autoregressive und saisonale gleitende durchschnittliche Fehler. Nonlineare Modelle mit AR und SAR-Spezifikationen. Estimation mit der Backcasting-Methode von Box und Jenkins oder durch bedingte kleinste Quadrate. Instrumentale Variablen und GMM. Linear und nichtlinear zwei-st Alter mindestens Quadrate Instrumentalvariablen 2SLS IV und generalisierte Methode der Momente GMM Schätzung. Lineare und nichtlineare 2SLS IV Schätzung mit AR und SAR Fehler. Limited Information Maximum Likelihood LIML und K-Klasse Schätzung. Weites Spektrum der GMM Gewichtung Matrix Spezifikationen White, HAC, User - Bereitstellung mit der Kontrolle über die Gewichtsmatrix-Iteration. GMM-Schätzoptionen beinhalten die kontinuierliche Aktualisierung der Schätzung CUE und eine Vielzahl neuer Standardfehleroptionen, einschließlich Windmeijer-Standardfehler. IV GMM-spezifische Diagnostik umfasst Instrument Orthogonalitätstest, ein Regressor-Endogenitätstest, ein schwacher Instrumententest , Und ein GMM-spezifischer Breakpoint-Test. GARCH p, q, EGARCH, TARCH, Component GARCH, Power ARCH, Integrierte GARCH. Die lineare oder nichtlineare Mittelgleichung kann sowohl ARCH - als auch ARMA-Terme sowohl die Mittel - als auch die Varianzgleichungen für exogene Variablen zulassen , Student st, und Generalized Error Distributions. Bollerslev-Wooldridge robuste Standard-Fehler. In - und Out-of-Probe-Prognosen von th E bedingte Varianz und Mittelwert und permanente Komponenten. Limited Dependent Variable Models. Binary Logit, Probit und Gompit Extreme Value. Ordered Logit, Probit und Gompit Extreme Value. Censored und trunkierte Modelle mit normalen, logistischen und extremen Wert Fehler Tobit, Etc. Count-Modelle mit Poisson, negativ binomial und quasi-Maximum Likelihood QML Spezifikationen. Heckman Selection models. Huber Weiß robuste Standardfehler. Count Modelle unterstützen generalisierte lineare Modell oder QML Standardfehler. Hosmer-Lemeshow und Andrews Goodness-of-Fit-Tests Für binäre models. Easily speichern Ergebnisse einschließlich generalisierte Residuen und Gradienten auf neue EViews Objekte für weitere Analyse. General GLM Schätzung Motor kann verwendet werden, um mehrere dieser Modelle zu schätzen, mit der Möglichkeit, robuste covariances. Panel Data Pooled Time Series, Cross - Sektionale Daten. Linear und nichtlineare Schätzung mit additivem Querschnitt und Periode feste oder zufällige Effekte. Choice von quadratischen unvoreingenommene Schätzer QUEs für c Omponent Abweichungen in zufälligen Effekte Modelle Swamy-Arora, Wallace-Hussain, Wansbeek-Kapteyn.2SLS IV Schätzung mit Querschnitt und Periode feste oder zufällige Effekte. Estimierung mit AR-Fehler mit nichtlinearen kleinsten Quadrate auf einer transformierten Spezifikation. Generalisierten kleinsten Quadrate, generalisiert 2SLS IV-Schätzung, GMM-Schätzung, die für Querschnitts - oder Perioden-heteroskedastische und korrelierte Spezifikationen erlaubt. Linear dynamische Panel-Datenschätzung mit ersten Differenzen oder orthogonalen Abweichungen mit periodenspezifischen vorgegebenen Instrumenten Arellano-Bond. Panel serielle Korrelationstests Arellano-Bond. Robust Standardfehler Berechnungen beinhalten sieben Arten von robusten White - und Panel-korrigierten Standardfehlern PCSE. Testing von Koeffizientenbeschränkungen, weggelassenen und redundanten Variablen, Hausman-Test für korrelierte zufällige Effekte. Panel-Einheit Wurzeltests Levin-Lin-Chu, Breitung, Im-Pesaran-Shin, Fisher-Typ-Tests mit ADF und PP-Tests Maddala-Wu, Choi, Hadri. Panel Cointegration Schätzung Voll modifiziert OLS FMOLS, Pedroni 2000 oder Dynamic Ordinary Least Squares DOLS, Kao und Chaing 2000, Mark und Sul 2003.Generalisierte Linearmodelle. Normal, Poisson, Binomial, Negative Binomial, Gamma, Inverse Gaussian, Exponential Mena, Power Mean, Binomial Squared Familien. Identität, Log, Log-Komplement, Logit, Probit, Log-Log, kostenlos Log-Log, Inverse, Power, Power Odds Ratio, Box-Cox, Box-Cox Odds Verhältnis Link-Funktionen. Prior Varianz und Frequenz Gewichtung. Fixed, Pearson Chi-Sq, Abweichung und benutzerdefinierte Dispersion Spezifikationen Unterstützung für QML Schätzung und Prüfung. Quadratic Hill Climbing, Newton-Raphson, IRLS - Fisher Scoring und BHHH Schätzung Algorithmen. Ordinary Koeffizienten Kovarianzen berechnet mit erwarteten oder beobachteten Hessian oder das äußere Produkt Der Gradienten Robuste Kovarianz-Schätzungen mit GLM-, HAC - oder Huber-White-Methoden. Einzelne Gleichung Cointegrierende Regression. Support für drei voll effiziente Schätzmethoden, voll modifizierte OLS Phillips und Hansen 1992, Canonical Coin Tegrating Regression Park 1992 und Dynamic OLS Saikkonen 1992, Stock und Watson 1993.Engle und Granger 1987 und Phillips und Ouliaris 1990 Restbasierte Tests, Hansen s 1992b Instabilitätstest und Park s 1992 hinzugefügt Variablen test. Flexible Spezifikation der Trend und Deterministische Regressoren in der Gleichung und kointegrierenden Regressoren Spezifikation. Fully featured Schätzung der langfristigen Abweichungen für FMOLS und CCR. Automatische oder feste Verzögerung Auswahl für DOLS Verzögerungen und führt und für langfristige Varianz Whitening Regression. Rescaled OLS und robuste Standard-Fehlerberechnungen für DOLS. User-spezifizierte Maximum Likelihood. Use Standard-EViews Serie Ausdrücke zur Beschreibung der Log-Likelihood Beiträge. Examples für multinomiale und bedingte Logit, Box-Cox-Transformation Modelle, Ungleichgewicht Schaltmodelle, probit Modelle mit heteroskedastischen Fehlern, verschachtelte Logit, Heckman Beispiel Auswahl, Und Weibull Hazard Modelle. Systeme von Gleichungen. Linear und nichtlineare Schätzung. Least Quadrate, 2SLS, Gleichung gewichtete Schätzung, scheinbar nicht zusammenhängende Regression, dreistufige Least Squares. GMM mit Weiß - und HAC-Gewichtungsmatrizen. AR Schätzung mit nichtlinearen kleinsten Quadraten auf einer transformierten Spezifikation. Full Information Maximum Likelihood FIML. Estimate strukturelle Faktorisierungen in VARs durch kurz - oder langwierige - Run-Beschränkungen. Bayesian VARs. Impulse Antwort-Funktionen in verschiedenen tabellarischen und grafischen Formaten mit Standardfehler berechnet analytisch oder von Monte Carlo Methoden. Impulse Antwort Schocks aus Cholesky-Faktorisierung, Ein-Einheit oder ein Standard-Abweichung Residuen ignoriert Korrelationen, generalisierte Impulse, Strukturelle Faktorisierung oder eine benutzerdefinierte Vektormatrixform. Impose und Test lineare Einschränkungen für die Kointegrationsbeziehungen und oder Einstellkoeffizienten in VEC-Modellen. View oder generieren Kointegrationsbeziehungen aus geschätzten VEC-Modelle. Extensive Diagnostik einschließlich Granger Kausalitätstests, gemeinsame Verzögerung Ausschluss-Tests , Lag längenkriterienbewertung, Korrekturprotokolle, Autokorrelation, Normalität und Heteroskedastizitätstest, Kointegrationstest, andere multivariate Diagnostik. Multivariate ARCH. Conditional Konstante Korrelation p, q, Diagonale VECH p, q, Diagonale BEKK p, q, mit asymmetrischen Begriffen. Extensive Parametrierung Wahl für die Diagonale VECH s Koeffizienten-Matrix. Exogene Variablen erlaubt in der Mittel-und Varianz Gleichungen nichtlineare und AR-Begriffe in den mittleren Gleichungen erlaubt. Bollerslev-Wooldridge robuste Standardfehler. Normal oder Student st multivariate Fehlerverteilung. Wahl der analytischen oder schnelle oder langsame numerische Derivate Analytics Derivate nicht Verfügbar für einige komplexe Modelle. Generate Kovarianz, Varianz oder Korrelation in verschiedenen tabellarischen und grafischen Formaten aus geschätzten ARCH models. State Space. Kalman Filter Algorithmus für die Schätzung benutzerdefinierte Single-und Multiequation Strukturmodelle. Exogene Variablen in der Zustandsgleichung und vollständig Parametrisierte Varianz-Spezifikationen. Generate ein Schritt voraus, Filter Ed - oder geglättete Signale, Zustände und Fehler. Examples beinhalten zeitvariablen Parameter, multivariate ARMA und quasilikelihood stochastische Volatilitätsmodelle. Testing und Evaluation. Aktuelle, passende, restliche Plots. Wald Tests für lineare und nichtlineare Koeffizienten Einschränkungen Vertrauen Ellipsen zeigt die Gemeinsame Konfidenz Region von zwei Funktionen der geschätzten Parameter. Other Koeffizienten Diagnostik standardisierte Koeffizienten und Koeffizienten Elastizitäten, Konfidenz Intervalle, Varianz Inflationsfaktoren, Koeffizienten Varianz Zerlegung. Ofen und redundante Variablen LR Tests, Rest-und quadrierte Rest-Korrelogramme und Q-Statistik, Rest-Seriell Korrelation und ARCH LM Tests. White, Breusch-Pagan, Godfrey, Harvey und Glejser Heteroskedastizität Tests. Stabilitätsdiagnostik Chow Breakpoint und Prognose-Tests, Quandt-Andrews unbekannten Breakpoint-Test, Bai-Perron Breakpoint-Tests, Ramsey RESET-Tests, OLS rekursive Schätzung, Einfluss Statistiken, Leverage Plots. ARMA Gleichung Diagnostik Graphen oder Tabellen der inversen Wurzeln des AR - und MA-charakteristischen Polynoms, vergleiche das theoretisch geschätzte Autokorrelationsmuster mit dem tatsächlichen Korrelationsmuster für die Strukturreste, zeigen die ARMA-Impulsantwort auf einen Innovationsschock und das ARMA-Frequenzspektrum an Koeffizienten, Koeffizienten Kovarianz Matrizen, Residuen, Gradienten, etc. zu EViews Objekte für weitere Analyse. Siehe auch Schätzung und Systeme der Gleichungen für zusätzliche spezialisierte Testverfahren. Forecasting und Simulation. In - oder out-of-Probe statische oder dynamische Prognose aus geschätzten Gleichung Objekte mit Berechnung des Standardfehlers der Prognose. Forecast-Graphen und In-Probe-Prognoseauswertung RMSE, MAE, MAPE, Theil Ungleichheit Koeffizient und Proportionen. State-of-the-art Modellbau-Tools für mehrere Gleichung Vorhersage und multivariate Simulation. Model Gleichungen können in Text oder als Links für die automatische Aktualisierung bei der Neuschätzung eingegeben werden Pendenz-Struktur oder endogene und exogene Variablen Ihrer Gleichungen. Gauss-Seidel, Broyden und Newton Modell Solver für nicht-stochastische und stochastische Simulation Nicht-stochastische Vorwärtslösung lösen für Modell konsistente Erwartungen Stochasitc Simulation kann bootstrapped Residuen. Solve Kontrolle Probleme, so dass endogene Variable erreicht ein benutzerdefiniertes Ziel. Sophisticated Gleichung Normalisierung, fügen Sie Faktor und Override support. Manage und vergleichen Sie mehrere Lösungsszenarien mit verschiedenen Sätzen von Annahmen. Built-in Modellansichten und Prozeduren zeigen Simulationsergebnisse in grafischer oder tabellarischer Form. Graphs und Tabellen. Line, Dot-Plot, Bereich, Bar, Spike, saisonal, Pie, xy-line, Scatterplots, Boxplots, Fehlerleiste, High-Low-Open-Close und Area Band. Kraftvolle, einfach zu bedienende kategorische und zusammenfassende Graphen. Automatische Aktualisierung von Graphen, die als zugrundeliegende Datenänderung aktualisieren. Beeinigungsinfo und Wertanzeige, wenn man den Cursor über einen Punkt im Graphen schwebt. Histogramme, durchschnittlich verschoben Torcheln, Frequenzpolyonen, Randfrequenz-Polygone, Boxplots, Kerndichte, theoretische Verteilungen, Boxplots, CDF, Überlebender, Quantil, Quantil-Quantile. Scatterplots mit beliebiger Kombination parametrischer und nichtparametrischer Kern Nadaraya-Watson, lokaler linearer lokaler Polynom und nächster Nachbar LOWESS Regressionslinien oder Vertrauens-Ellipsen. Interaktive Point-and-Click - oder Befehls-basierte Anpassung. Extensive Anpassung von Graphen Hintergrund, Rahmen, Legenden, Achsen, Skalierung, Linien, Symbole, Text, Schattierung, Fading, mit verbesserten Grafik-Vorlage Features. Tabelle Anpassung mit Kontrolle über Zelle Schriftart Gesicht, Größe und Farbe, Zelle Hintergrundfarbe und Grenzen, Verschmelzung und Annotation. Copy-and-Paste-Grafiken in andere Windows-Anwendungen, oder speichern Sie Grafiken als Windows reguläre oder erweiterte Metafiles, gekapselte PostScript-Dateien, Bitmaps, GIFs, PNGs oder JPGs. Copy-and-Paste Tabellen zu einer anderen Anwendung oder speichern Sie in einem RTF, HTML oder Text file. Manage Graphen und Tabellen zusammen in einem Spool objec T, mit dem Sie mehrere Ergebnisse und Analysen in einem Objektbaum anzeigen und Programmierung. Objektorientierte Befehlssprache bietet Zugriff auf Menüpunkte. Batch Ausführung von Befehlen in Programmdateien. Looping und Bedingung Verzweigung, Subroutine und Makro Verarbeitung. String und String Vektor Objekte Für String-Verarbeitung Umfangreiche Bibliothek von String und String-Listen-Funktionen. Extensive Matrix Unterstützung Matrix Manipulation, Multiplikation, Inversion, Kronecker Produkte, Eigenwert Lösung und Singular Wert decomposition. External Interface und Add-Ins. EViews COM Automatisierungsserver Unterstützung, so dass externe Programme oder Scripts können EViews starten oder steuern, Daten übertragen und EViews-Befehle ausführen. EViews bietet COM-Automatisierungs-Client-Support-Anwendungen für MATLAB - und R-Server, so dass EViews verwendet werden können, um die Anwendung zu starten oder zu steuern, Daten zu übertragen oder Befehle auszuführen. Die EViews Microsoft Excel Add-In bietet eine einfache Schnittstelle zum Abrufen und Verknüpfen aus Microsoft Excel 2000 und Später in Serien - und Matrixobjekten, die in EVUNs Workfiles und Datenbanken gespeichert sind. Die EViews Add-Ins-Infrastruktur bietet nahtlosen Zugriff auf benutzerdefinierte Programme mit dem Standard-EViews-Befehl, Menü und Objektschnittstelle. Laden und Installieren von vordefinierten Add-Ins von der EViews-Website. Für Verkaufsinformationen bitte email. For technische Unterstützung bitte email. Please schließen Sie Ihre Seriennummer mit aller eMail-Korrespondenz ein. Für zusätzliche Kontaktinformationen, sehen Sie unsere über page. Stata Datenanalyse und statistische Software. Dynamische Panel-Daten DPD analysis. Stata hat Suite Von Tools für die dynamische Panel-Daten-Analyse. xtabond implementiert die Arellano und Bond-Schätzer, die Moment-Bedingungen, in denen Verzögerungen der abhängigen Variablen und erste Unterschiede der exogenen Variablen sind Instrumente für die erste differenzierte equation. xtdpdsys implementiert die Arellano und Bover verwendet Blundell - und Bond-System-Schätzer, der die xtabond-Moment-Bedingungen und Moment-Zustände verwendet, in denen sich die ersten Unterschiede unterscheiden Ces der abhängigen Variablen sind Instrumente für die Stufe equation. xtdpd für fortgeschrittene Benutzer, ist eine flexiblere Alternative, die Modelle mit niedrigwertigen gleitendurchschnittlichen Korrelationen in den idiosynkratischen Fehlern und vorgegebenen Variablen mit einer komplizierteren Struktur als mit xtabond erlaubt passen kann Und xtdpdsys. Postestimationstools erlauben es Ihnen, die serielle Korrelation in den ersten differenzierten Resten zu testen und die Gültigkeit der Überidentifizierungsbeschränkungen zu testen. Auf der Arbeit von Layard und Nickell 1986 passen Arellano und Bond 1991 zu einem dynamischen Modell der Arbeitsnachfrage Unausgewogenes Gremium von Firmen im Vereinigten Königreich Zuerst modellieren wir Beschäftigung auf Löhne, Kapitalstock, Industrieproduktion, Jahresdummies und einen Zeitverlauf, einschließlich einer Verzögerung der Beschäftigung und zwei Lohn der Löhne und des Grundkapitals Wir werden die einstufige verwenden Arellano Bond Schätzer und fordern ihre robuste VCE. Wenn wir eine Verzögerung von n in unserem Regressionsmodell, xtabond verwendet Verzögerungen 2 und zurück als Instrumente Diff Erhebungen der exogenen Variablen dienen auch als Instrumente. Hier wir unser Modell, mit xtdpdsys stattdessen, so dass wir die Arellano Bover Blundell Bond Schätzungen erhalten können, die die Fußzeilen der beiden Befehle ausgeben, veranschaulicht den Schlüsselunterschied zwischen den beiden Schätzern xtdpdsys enthalten die verzögerten Unterschiede Von n als Instrumente in der Levelgleichung xtabond nicht. Die Momentbedingungen dieser GMM-Schätzer sind nur gültig, wenn es keine serielle Korrelation in den idiosynkratischen Fehlern gibt. Weil der erste Unterschied des weißen Rauschens notwendigerweise autokorreliert ist, brauchen wir uns nur mit dem zweiten zu beschäftigen Und höhere Autokorrelation Wir können estat abond verwenden, um für Autokorrelation zu testen. Arellano, M und S Bond 1991 Einige Tests der Spezifikation für Panel-Daten Monte Carlo Beweise und eine Anwendung auf Beschäftigungsgleichungen Die Überprüfung der Ökonometrie Studien 58 277 297 Layard, R und SJ Nickell 1986 Arbeitslosigkeit in Großbritannien Economica 53 5121 5169.Dieses Buch präsentiert eine moderne Rezension von einigen von t Er Hauptthemen in Panel-Daten Ökonometrie Es handelt sich um lineare statische und dynamische Modelle, und es ist auf eine Leserschaft von Absolventen und angewandten Forschern gerichtet Teile des Buches können in einem Graduiertenkurs auf Panel Data Ökonometrie und als Referenzquelle verwendet werden Für Praktiker Viele Anwendungen werden ausführlich diskutiert Einige der methodischen Fragen werden durch Anwendungen erklärt, die eng mit dem Rest des Textes verwoben sind und als ein integraler Bestandteil des Diskurses betrachtet werden sollten. Das Buch hat zwei Hauptanliegen Eins ist die Analyse Von Modellen mit nicht exogenen Erklärungsvariablen Dies schließt streng exogene Variablen ein, die mit nicht beobachteten individuellen Effekten, Variablen, die einem Messfehler unterliegen, korreliert sind, und Variablen, die gegenüber zeitvariablen Fehlern vorgegeben oder endogen sind. Das andere betrifft die dynamische Modellierung und genauer , Das Problem, empirisch zwischen dynamischen Reaktionen und nicht beobachteter Heterogenität zu unterscheiden In Panel-Datenanalyse Fehlerkomponenten, Kovarianzstrukturen, autoregressive Modelle, Modelle mit allgemein vorgegebenen Variablen und optimale Instrumente werden systematisch abgedeckt. Zum größten Teil nimmt das Buch eine verallgemeinerte Methode der Momente GMM-Ansatz ein und macht häufige instrumentelle variable Argumente, Obwohl Likelihood-Ansätze auch präsentiert werden, wenn verfügbar Viele Themen werden aus kurzen und langen Panel-Perspektiven diskutiert, aber es gibt einen Schwerpunkt in der Ökonometrie von Mikro-Panels, die sich sowohl in der Organisation des Materials als auch in der Auswahl der Themen widerspiegelt Das Buch bietet eine Synthese und einheitliche Perspektive einer umfangreichen Literatur über dynamische Panel-Daten, die einen erheblichen Einfluss auf die ökonometrische Praxis hatte. Keywords autoregressive Modelle, Kovarianz-Strukturen, Fehler-Komponenten, generalisierte Methode der Momente, individuelle Effekte, Messfehler, optimal Instrumente, Tafeldaten, vorgegebene Variablen, nicht beobachtete Heterogene 2 Unbeobachte Heterogenität. Kapitel 2 beginnt mit der Einführung des Problems der unbeobachteten Heterogenität in der Regressionsanalyse und wie die Verfügbarkeit von Panel-Daten hilft, es zu lösen. Korrelierte Effekte sind als ein Beispiel von endogenen Regressoren motiviert und mit anderen Ansätzen zur Endogenität in der Ökonometrie verglichen Innerhalb der Gruppe oder Fixeffektschätzung wird diskutiert und motiviert aus kurzen und langen Panel-Perspektiven in kleinsten Quadraten und Wahrscheinlichkeit Kontexte Die Implikationen der Heteroskedastizität und serielle Korrelation für gültige Schlußfolgerung und optimale Schätzung betrachtet werden, sowie Erweiterungen zu nicht-linearen Modellen mit Additiv Effekte, darunter kleine und lange T robuste Standardfehler und minimale Distanzmethoden. Keywords endogene Regressoren, feste Effekte, heteroskedastische, minimale Distanz, optimale Schätzung, robuste Standardfehler, serielle Korrelation, unbeobachtete Heterogenitätsvorspannung, innerhalb der Gruppenschätzung.3 Fehlerkomponenten Dieses Kapitel widmet sich der Fehlerkomponente Englisch: www. tab. fzk. de/en/projekt/zusammenf...ng/ab117.htm Anfänglich sind sie von einem Interesse an der Unterscheidung von permanenten aus transitorischen Schwankungskomponenten in Bereichen wie der Analyse der Lohnungleichheit und der Mobilität motiviert. Als nächstes gelten sie als Sonderfall des nicht beobachteten Heterogenitätsmodells, bei dem die Effekte unkorreliert mit dem Regressoren Tests dieser Einschränkungen und Erweiterungen auf Modelle mit einer Untermenge von unkorrelierten Regressoren werden diskutiert Schließlich wird eine nichtparametrische Schätzung der Fehlerkomponentenverteilungen berücksichtigt. Keywords Fehlerkomponentenmodelle, Modelle mit Informationen in Ebenen, nichtparametrische Schätzungen, Tests von unkorrelierten Effekten, Lohnungleichung Und Mobilität. Das letzte Kapitel in Teil I befasst sich mit Fehler in Variablen in Panel-Daten Das zentrale Thema hier ist, dass Regressionen in Ebenen und Abweichungen nicht nur unterscheiden können, weil der unbeobachteten Heterogenität, sondern auch als Ergebnis der Vergrößerung der Messfehler Bias in den Regressoren In Änderungen Bedingungen, unter welchen Panel-Daten Ides interne instrumentelle Variablen werden diskutiert und eine feste Geldnachfrage Illustration zur Verfügung gestellt. Keywords Fehler in Variablen, interne Instrumentalvariablen, feste Geldnachfrage, Messfehler Bias, Regressionen in Ebenen und Abweichungen. II Zeitreihenmodelle mit Fehlerkomponenten.5 Kovarianzstrukturen für Dynamik Fehlerkomponenten Teil II beschäftigt sich mit Zeitreihenmodellen mit Fehlerkomponenten Kapitel 5 eröffnet mit einer informellen Diskussion über das Problem der Unterscheidung zwischen unobservierter Heterogenität und individueller Dynamik in kurzen Tafeln Als nächstes werden Modellierungsstrategien von Zeit-Effekten, gleitenden Durchschnittsmodellen und Folgerungen aus Kovarianz entwickelt Strukturen werden betrachtet. Dann wird eine Illustration gegeben, indem man Tests der permanenten Einkommens-Hypothese aus den Haushaltspaneldaten berücksichtigt. Keywords Kovarianzstrukturen, bewegte durchschnittliche Modelle, permanente Einkommens-Hypothese, Zeit-Effekte, Zeitreihen mit Fehlerkomponenten.6 Autoregressive Modelle mit einzelnen Effekten 6 betrachtet die specifica Und Schätzung von autoregressiven Modellen mit heterogenen Abschnitten Innerhalb von Gruppen-Bias in kurzen Tafeln werden diskutiert Fixed T konsistente Schätzung von GMM und Wahrscheinlichkeitsperspektiven wird betrachtet Die Diskussion verdeutlicht die Auswirkungen von Annahmen über Anfangsbedingungen und Heteroskedastizität bei der Schätzung. Besonderes Augenmerk wird auf die Wurzeln der Einheit gelegt Und zur Schätzung unter mittlerer Stationarität Das Kapitel schließt mit einem ausführlichen Tutorial über die Schätzung und Prüfung von VAR-Modellen mit festen Level-Panel-Daten. Keywords autoregressive Modelle, Firm-Level-Panel-Daten, Anfangsbedingungen, mittlere Stationarität, Zeitreihe Heteroskedastizität, Einheit Wurzeln , VAR-Modelle, innerhalb der Gruppen-Bias.7 Modelle mit beiden streng exogenen und verkürzten abhängigen Variablen. Der Gegenstand von Teil III ist Dynamik und Bestimmtheit Kapitel 7 beschäftigt sich mit Modellen mit sowohl exogen exogenen als auch verzögerten abhängigen Variablen, die eine Autokorrelation unbekannter Form erlauben Zu den autoregressiven Modellen von Par T II, hier verzögerte abhängige Variablen erscheinen in einer strukturellen Rolle Ihre Wirkungen werden unabhängig von der Form der seriellen Korrelation durch die Verfügbarkeit von streng exogenen Regressoren identifiziert Schätzung wird aus kurzen und langen Panel-Perspektiven in GMM und Wahrscheinlichkeit Kontexte diskutiert Ein Modell der Zigaretten-Sucht Wird als eine Illustration verwendet. Keywords Autokorrelation von unbekannter Form, Zigarettensucht, verzögerte abhängige Variablen, kurze und lange Tafeln, streng exogene Regressoren. Kapitel 8 befasst sich mit Modellen, in denen die Fehler sind unabhängig von aktuellen und verzögerten Werten von bestimmten Konditionierungsvariablen, Aber nicht mit ihren zukünftigen Werten Teilweise Anpassung, Euler-Gleichungen und Cross-Country-Wachstum werden als Beispiele diskutiert Alternative Ansätze zur Schätzung aus kleinen und großen T-Perspektiven werden als besondere Aufmerksamkeit auf Schätzer gegeben, die Informationen über die Ebenen der Variablen verwenden Wie die Irrelevanz der Filterung und optimale Instrumente w Ith sequentielle Momentbedingungen werden auch berücksichtigt. Keywords Cross-Country-Wachstum, Euler-Gleichungen, Informationen über die Ebenen der Variablen, Irrelevanz der Filterung, partielle Anpassung, optimale Instrumente, vorgegebene Variablen, sequentielle Moment Bedingungen. Eine generalisierte Methode der Momente Schätzung Teil IV Enthält zwei weitere Kapitel, die die wichtigsten Ergebnisse in der Theorie der verallgemeinerten Methode der Momente Schätzung und optimale instrumentelle Variablen zu überprüfen Der Zweck dieser Kapitel ist es, das Buch vernünftigerweise in sich geschlossen Die erste beginnt mit der Einführung von Methode der Momente Schätzung Probleme, gefolgt von a general formulation of GMM estimation and testing, using 2SLS and 3SLS as examples The chapter deals with consistency, asymptotic normality, asymptotic variance estimation, optimal weight matrix, and Sargan tests of overidentifying restrictions. Keywords asymptotic variance estimation, generalized method of moments, moments estimation problems, overidentifying r estrictions, Sargan tests. B Optimal Instruments in Conditional Models This chapter considers models defined by conditional moment restrictions The focus of the discussion is in finding the optimal instruments for each type of model that is considered The problem is first solved for the linear regression model, which is the most familiar context, and then the same procedure is used for increasingly more complex models. Keywords conditional moment restrictions, conditional models, linear regression, optimal instruments.
No comments:
Post a Comment