NLOGIT 完整计量经济学软件包

NLOGIT 6.0是LIMDEP的扩展，提供用于多项选择数据估计，模型模拟和分析，比如brand choice,transportation mode,以及所有类型调查和市场数据，在这里客户可以从一系列竞争者之间选择。NLOGIT已经成为用于估计和模拟多项离散选择模型的首选软件包。

The Power of NLOGIT

NLOGIT 6 provides programs for estimation, simulation and analysis of multinomial choice data, such as brand choice, transportation mode, and all manner of survey and market data in which consumers choose among a set of competing alternatives. Since its introduction nearly 20 years ago, NLOGIT has become the premier statistical package for estimation and simulation of multinomial logit models including willingness to pay and best/worst modeling. NLOGIT is the only program available that supports mixing stated and revealed choice data sets.

Superior Analysis Tools for Multinomial Choice Modeling

Our NLOGIT statistical software provides the widest and deepest array of tools available anywhere for analysis of multinomial logit models, including nested logit, generalized mixed multinomial logit, heteroscedastic extreme value, multinomial probit, mixed logit and more. A unique simulation package that allows you to analyze alternative scenarios in the context of any estimated discrete choice model with any data set, whether used in estimation or as hold out data for examining model cross validity.

Features of NLOGIT 6 include:

With over 200 built-in estimators, you can analyze:

Four level nested logit models

Random parameters mixed logit

Latent class

Multinomial probit

Panel data – fixed effects MNL

Stated choice experiments

Willingness to pay

Heteroscedastic extreme value

Best/worst modeling

Random regret

Attribute nonattendance

Estimation and simulation

and much more

功能列表

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：

线性回归

Robust估计

非线性和loglinear回归

用于二元选择的probit和logit模型

序数选择模型(Ordered choice models)

多项式选择

删失和截断

样本选择模型

用于计数数据的泊松和负二项式回归

随机前沿(Stochastic frontie)和DEA

分位数回归(线性和计数)

时间序列模型

面板数据模型

统计分析

可编程语言支持对估计器的扩展：

模型估计

检验和限制

Post估计分析

仿真

偏效应

Oaxaca decomposition

Delta and Krinsky/Robb方法

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：

固定和随机效应线性模型

非线性固定效应模型

随机效应模型

随机参数-混合模型

潜在类别(Latent class)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(cross sections)和面板(panel)的描述性统计

均值和分位数表格

时间序列

谱线密度(Spectral density)

图形工具

核密度(Kernel density)

判别分析(Discriminant analysis)

等高线图(Contour plots)

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)

分位数泊松回归

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:

使用LIMDEP和NLOGIT编程

用户自定义最优化

矩阵代数学

科学计算器

用户编写的程序和估计器

前沿和效率分析

随机前沿模型的所有形式都提供：

固定和随机效应

真正固定和随机效应

潜在类别随机效应

Battese 和 Coelli

异方差性(Heteroscedasticity)

Technical inefficiency estimation

数据包络分析(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)估计量：

用于二项选择的probit和logit回归

序数选择(Ordered choice)，包括单变量，双变量，分层和样本选择

分层排序选择(Hierarchical ordered choice)

面板数据

多项式logit

计数数据模型

使用NLOGIT的多项式logistic回归

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：

数据分析

模型估计

混合(随机参数)logit模型

广义嵌套logit模型

Estimation in WTP space

多项式概率模型(Multinomial probit model)

潜在类别(Latent class)模型

误差构成(Error components,RE)logit模型

随机regret MNL

动态随机效应MNL模型

广义嵌套logit模型

模型指定

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

数据管理

数据管理工具包括：

数据输入和输出

数据转换

抽样和bootstrapping

Monte Carlo分析

加权数据

随机数生成