LIMDEP & NLOGIT

LIMDEPとNLOGITの機能一覧

モデル推定と分析

連続型、離散型、質的、そしてセンサード型の変数をサポートする100以上のモデルを備えています。

  • 線形/非線形回帰
  • 堅牢な推定
  • バイナリーモデル
  • オーダードモデル
  • 非オーダード型の多項選択モデル
  • センサード/切断型モデル
  • サンプルセレクションモデル
  • カウントデータ
  • 対数線形モデル
  • 確率フロンティアおよびDEA
  • サバイバル分析
  • 分位回帰(線形とカウント)
  • 時系列モデル
  • パネルデータモデル

統計分析

プログラミング機能を使って推定量を拡張できます。

  • 非線形の推定
  • パラメータ関数に対するデルタ法
  • シミュレーション:KrinskyとRobb
  • 検定と制約
  • 推定後の分析
  • 予測
  • 限界効果
  • Oaxaca分解
  • シミュレーション

パネルデータモデル

線形並びに非線形モデルをパネルデータの特殊形として分析します。分析可能な例を次に示します。

データの特徴とグラフ

記述統計量と視覚的な分析機能を備えています。

  • クロスセクションとパネルデータの記述統計量
  • 平均と四分位のテーブル
  • 時系列
  • スペクトル密度
  • グラフィックスツール
  • カーネル密度
  • 判別分析
  • コンター図

カウントデータ

カウントデータのためのモデルを用意しています。

  • ポアソンおよび負の二項モデル
  • NBモデルを新たにサポート
  • ガンマ、一般化ポアソン、Polya-Aeppli
  • ゼロインフレーションとハードル
  • 固定およびランダム効果
  • 潜在クラス
  • 分位ポアソン回帰

データ環境

ほぼすべてのモデルを次のようなフレームワークで利用できます。

  • データ変換
  • 多重代入法
  • クロスセクション
  • パネルデータ
  • 時系列データの操作

プログラミングと数値分析

行列とデータ操作コマンドを操作できるプログラミング言語を利用して新しい推定量を作成できます。

  • ユーザ定義の関数に対する最大/最小化
  • LIMDEPには行列プログラミングの機能があります。
  • 科学技術計算用計算機能
  • 数値分析ツール、微積分
  • 推定に基づくシミュレーション
  • Gibbsサンプラー

フロンティアと効率分析

確率フロンティアモデルをほぼすべて備えています。

  • 固定およびランダム効果
  • 固定およびランダム効果(True fixed and random effects)
  • 潜在クラスの確率フロンティア
  • BatteseとCoelli
  • 分散不均一性
  • 技術的な非効率性の推定
  • データ包絡分析法

※SFAとDEAの両方に認可された唯一のパッケージです。

LIMDEPにおける質的選択モデル

バイナリー、多項、オーダード、カウント、多変量質的選択モデルをサポート。

  • バイナリーモデル
  • オーダードモデル
  • 階層オーダードモデル
  • パネルデータ
  • 多項ロジット
  • カウントデータモデル
  • 2変数バイナリとオーダード選択モデル
  • 標本選択をそなえた質的選択モデル

NLOGITによる個別選択のモデル化

LIMDEPのすべての機能に加えて、多項選択モデルの拡張形がNLOGITには含まれています。

  • ネストしたロジットモデル
  • 一般化ネストロジットモデル
  • 多項プロビットモデル
  • 混合(ランダムパラメータ)ロジットモデル
  • 潜在クラスモデル
  • 誤差コンポーネント(RE)ロジットモデル
  • ダイナミックランダム効果MNLモデル
  • 一般化混合ロジットモデル
  • ランダムリグレットMNLモデル
  • WTPスペースでの推定モデル
  • ユーティリティの非線形仕様
  • 偏効果と弾力性
  • モデルシミュレーション

※これらの機能はLIMDEPでは使用できません。

時系列分析

時系列分析用の推定量として次のものを用意しています。

  • ARMAXモデル
  • GARCH/GARCH-in-meanモデル
  • スペクトル密度推定
  • ACFとPACF
  • Phillips-Perron検定
  • Newey-West推定量

精度

すべての分析機能について精度の高い演算手法を採用しています。NIST(National Institute of Standards and Technology)のテストにおいては特に次の機能について高得点を記録しています。

  • 記述統計量
  • 分散分析
  • 線形回帰
  • 非線形最小二乗法

推定後の診断

推定後のモデルから様々な統計量を取り出したり、発展的な分析を行うことができます。

データ管理

データを前処理するためのデータマネジメントツールや、乱数発生のコマンドを用意しています。

  • データ変換
  • サンプリングとブートストラップ
  • クロスクションやパネルデータでのブートストラップの実行
  • 加重データ
  • 乱数機能
  • クラスターサンプリングと階層化

多重代入法

多重代入法は欠損値の代わりとなるプロキシを作成し、モデルの情報と標本の情報を活用することで推定量の精度を上げる手法です。連続変数、バイナリ、カウント、リッカート、分数、多項式のデータにある欠損値に対して代理値を作成します。複数の標本から分析結果は生成し、それを平均化して最終的な結果を算出します。