我们只关注于软件的分销和服务

按名称分类 按功能分类 询价

LIMDEP 11 完整计量经济学软件包

LIMDEP 11 完整计量经济学软件包

LIMDEP是一套集成的用于估计和分析带有横截面(cross section),时间序列和面板数据(panel data)的线性和非线性模型的软件包.LIMDEP一直是计量经济领域的领导者，提供大量最新技术，包括在面板数据分析中的尖端技术，前沿和效率估计(frontier and efficiency estimation)和离散选择建模(discrete choice modeling)。对于分析面板数据方面的技术和过程的集合一直都是独一无二的，多年来一直被作为估计和操作离散和有限独立变量模型(limited dependent variable models)的标准软件，LIMDEP 9.0在估计工具的宽度和多样性方面一直未被超越。

软件包的主要特征是有一套超过100个内置的估计器(estimator),可用于各种线性回归模型(linear regression mode),随机前沿(stochastic frontier),离散选择(discrete choice)和有限独立变量模型(limited dependent variable models)，包括二元(binary), 删失(censored), 截断(truncated), 幸存(survival), 计数, 离散和连续变量以及各种样本选择模型(sample selection models).没有其他程序包提供更广泛的单和多方程线性和非线性模型。

购买咨询

LIMDEP是一套真正的最先进的的程序包，已在全世界的数千所高校，政府机关，研究机构，商业和工业中用于教学和研究。

LIMDEP是一套完整的计量经济学软件包

LIMDEP采用计量经济学工作室的形式。 一个数据集的分析是以交互式的方式在一系列的窗口中执行。程序控制可以从“脚本”或在一个非结构化的包含指令和操作的会话中进行。程序被设计允许方便的设置数据，用于估计，不同模型形式的规格，带有不同规格的实验，假设检验， 数据和模型结果的分析 和特定过程和估计器的构建 。

LIMDEP提供用于计量经济学分析的完整工具集。除了估计程序，LIMDEP提供：


功能列表

LIMDEP是一套集成的用于估计和分析带有横截面(cross section),时间序列和面板数据(panel data)的线性和非线性模型的软件包.LIMDEP一直是计量经济领域的领导者，提供大量最新技术，包括在面板数据分析中的尖端技术，前沿和效率估计(frontier and efficiency estimation)和离散选择建模(discrete choice modeling)。对于分析面板数据方面的技术和过程的集合一直都是独一无二的，多年来一直被作为估计和操作离散和有限独立变量模型(limited dependent variable models)的标准软件，LIMDEP 9.0在估计工具的宽度和多样性方面一直未被超越。

软件包的主要特征是有一套超过100个内置的估计器(estimator),可用于各种线性回归模型(linear regression mode),随机前沿(stochastic frontier),离散选择(discrete choice)和有限独立变量模型(limited dependent variable models)，包括二元(binary), 删失(censored), 截断(truncated), 幸存(survival), 计数, 离散和连续变量以及各种样本选择模型(sample selection models).没有其他程序包提供更广泛的单和多方程线性和非线性模型。

LIMDEP是一套真正的最先进的的程序包，已在全世界的数千所高校，政府机关，研究机构，商业和工业中用于教学和研究。

LIMDEP是一套完整的计量经济学软件包

LIMDEP采用计量经济学工作室的形式。 一个数据集的分析是以交互式的方式在一系列的窗口中执行。程序控制可以从“脚本”或在一个非结构化的包含指令和操作的会话中进行。程序被设计允许方便的设置数据，用于估计，不同模型形式的规格，带有不同规格的实验，假设检验， 数据和模型结果的分析 和特定过程和估计器的构建 。

LIMDEP提供用于计量经济学分析的完整工具集。除了估计程序，LIMDEP提供：

功能列表

面板数据(Panel Data)模型

所有的线性和非线性模型可以使用面板数据的特定形式被分析，包括：

  • 固定和随机效应
  • 多层随机效应
  • 潜在类别(Latent class)模型
  • 随机参数(固定)模型
  • 所有模型的非均衡面板(Unbalanced panels)
  • 不受限面板数据集大小
  • Arellano/Bond DPD with many variations
  • IV和GMM估计器

模型估计和分析

用于连续，离散，受限和删失因变量的超过100个模型公式，包括：

  • 线性和非线性回归Robust估计
  • 二元选择
  • 排序选择模型(Ordered choice models)
  • Unordered multinomial choice
  • 删失和截断
  • 对数线性模型(Loglinear models)
  • 随机前沿(Stochastic frontie)和DEA
  • 幸存分析(Survival analysis)
  • 时间序列模型
  • 面板数据模型

数据描述和图形

描述性统计和图形分析工具，包括：

  • 横截面和面板的描述性统计
  • 均值和分位数表格
  • 时间序列
  • 图形工具
  • 判别分析(Discriminant analysis)

计数数据

对于计数数据有比其他程序包更广的规格范围，包括几个新开发的模型：

  • 泊松和负二项模型
  • NB模型的新规格
  • Gamma, 广义泊松(generalized Poisson), Polya
  • Aeppli
  • Zero inflation and hurdle
  • 固定和随机效应
  • 潜在类别(Latent class)

统计分析

编程语言允许被支持估计器的扩展：

  • 非线性估计
  • 参数功能的Delta方法
  • 仿真:Krinsky 和 Robb
  • 检验和限制
  • 后估计(Post estimation)分析
  • 预测
  • 边际效应(Marginal effects)

数据环境

几乎每个模型都可以被扩展到各种框架(frameworks)，包括：

  • 数据转换
  • 横截面(Cross section)
  • 面板数据(Panel data)
  • 时间序列处理

编程和数值分析

编程语言，包括矩阵和数据处理命令，被用于构建新的估计器:

  • 用于用户支持的函数MAXIMIZE/MINIMIZE
  • LIMDEP矩阵语言
  • 科学计算器
  • 数值分析工具，积分和微分
  • 基于估计的仿真
  • 程序Gibbs抽样器

前沿和效率分析

随机前沿模型的所有形式：

  • 固定和随机效应
  • Battese 和 Coelli
  • 异方差性(Heteroscedasticity)
  • Technical inefficiency estimation
  • 这是唯一一个有SFA和DEA的软件包

LIMDEP中的离散选择模型

二元，多项式，排序，计数和多变量离散数据的离散选择(Discrete choice)估计器：

  • 二元选择-数十个规格
  • 排序选择(Ordered choice)
  • Hierarchical ordered choice
  • 面板数据
  • 多项式logit
  • 计数数据模型

使用NLOGIT建模个人选择(Individual Choice)

NLOGIT包含了LIMDEP的所有特征，加上许多不包含在LIMDEP中的多项式选择模型的扩展，包括：

  • 嵌套logit模型
  • 广义嵌套logit模型
  • 多项式概率模型(Multinomial probit model)
  • 混合(随机参数)logit模型
  • 潜在类别(Latent class)模型
  • 误差构成(Error components,RE)logit模型
  • 动态随机效应MNL模型
  • 一般用途规格
  • 局部效应和弹性(elasticities)
  • 模型仿真

这些特征不含在LIMDEP中

时间序列分析

一系列用于时间序列的估计器，包括：

  • ARMAX模型
  • GARCH和GARCH-in-mean模型
  • 谱密度估计(Spectral density estimation)
  • ACF和PACF
  • Phillips-Perron检验
  • Newey-West估计器

准确性

采用非常准确的计算方法。在所有的国家标准和技术研究院的检验问题上都获得高分，包括：

  • 描述性统计
  • 方差分析
  • 线性回归
  • 非线性最小二乘

后估计(Post Estimation)

用于后估计的扩展工具，使得模型结果处理可以和其他统计和过程一起。

数据管理

数据管理工具用于数据输入和随机数生成器的内在生成(internal generation),包括：

  • 数据转换
  • 抽样和bootstrapping
  • Bootstrap横截面观测值和面板分组
  • 加权数据
  • 随机数生成
  • 聚类抽样和分层

联系我们