模型估计
使用较大似然估计同时估计所有系数(即完整信息估计)。
模型可以是二项式、多项式或树(嵌套的)logit模型，具有无限的分支和层次;或者，混合的logit或误差成分分析，包括不同的分布(包括指数，如对数正态)和相关误差项。
非线性效用函数允许正确地包含吸引变量。
综合备选方案可以表示为已选。
系数估计、标准误差、正确计算的弹性、消费者剩余措施及若干细节检验都是标准的，信息量大、标签清新、输出清晰，适合立即放入报告中。
ALOGIT Shell中的函数可以用来在不同的模型变量之间进行比较。
初始线性估计的选项减少了复杂模型的运行时间。
ALOGIT不会限制问题的大小。
~~
预测
用户可以*详细的方案，包括一系列影响选择的变量的变化，ALOGIT可以预测、显示和分析行为发生的变化。
ALOGIT Shell中的函数可以用来图形化和表格化演示输出的方案；或许，输出可以用于其他程序，如Excel。
数据处理
ALOGIT可以用于一系列简单的数据处理任务，使用控制语言和统计报告程序来提供有效的工作环境。
特别是，文件可以以非常灵活的方式输出（如格式化、*、分类）以供其他软件处理。
所有这些功能都是由ALOGIT的直观控制文件来控制的
一种非常灵活的命令语言，包括命名变量、层次模型直观的定义结构、命名为布尔运算符(TRUE、FALSE、利用率等)。
包括使用命令行或系数的外部文件选项，简化模型（估计）管理。
备选方案的数组定义、系统数据项和变量。
随机数产生器(具有特定的概率的多项式变量的一致、正常、逻辑分布或赋值）。
‘if ... THEN ... ELSE... END’ and ‘DO ... END’语法，来简化数据转换。
使用$NEST命令的tree logit模型的直观说明。
系统要求
ALOGIT支持Windows或以上的操作系统，也支持旧的操作系统XP, 2000, NT, 98和95。
预测
用户可以*详细的方案，包括一系列影响选择的变量的变化，ALOGIT可以预测、显示和分析行为发生的变化。
ALOGIT Shell中的函数可以用来图形化和表格化演示输出的方案；或许，输出可以用于其他程序，如Excel。
ALOGIT 统计建模软件
30多年来，ALOGIT一直在先进的建模者中被频繁使用，在此期间不断发展，以满足高级建模的需要。因此，ALOGIT具有很高的可靠性和众多的功能和设施，这些对专业建模很有帮助。帮助文件概述了各种可能性(下载帮助文件压缩包，但是需要注意的是这与较新版本的Windows不兼容)。
ALOGIT估算了通用logit模型的参数。主要的功能有：
树型模型（ 嵌套、分层的）与简单的logit模型相比，它支持模型中的替代方法与简单的重新训练方法关联，但仍然保持操作简单和操作快速的特征。
组合logit模型使用灵活的‘error components’规范，它可以使用线性或指数形式，这允许系数中的对数正态扰动。
组合logit模型只包含在ALOGIT EC中。
ALOGIT 执行以下四个关键功能。
数据输入
可以使用显示偏好或陈述偏好，分类数据或综合数据；可以使用选择、排名或比例分割数据。
输入数据可以自由操作和转换，以允许用户自由地找到所需的行为解释。对输入数据进行广泛的测试，以揭示建模问题；简单的控件，在完全成熟时需要访问。
接受不同格式的多个数据集，连续或使用命名（key）变量链接；支持一些二进制矩阵格式。
模型估计
使用较大似然估计同时估计所有系数(即完整信息估计)。
模型可以是二项式、多项式或树(嵌套的)logit模型，具有无限的分支和层次;或者，混合的logit或误差成分分析，包括不同的分布(包括指数，如对数正态)和相关误差项。
非线性效用函数允许正确地包含吸引变量。
综合备选方案可以表示为已选。
系数估计、标准误差、正确计算的弹性、消费者剩余措施及若干细节检验都是标准的，信息量大、标签清新、输出清晰，适合立即放入报告中。
ALOGIT Shell中的函数可以用来在不同的模型变量之间进行比较。
初始线性估计的选项减少了复杂模型的运行时间。
ALOGIT不会限制问题的大小。
Model estimation:
- all coefficients are estimated simultaneously using maximum likelihood estimation (i.e. ‘full information’ estimates);
- models can be binomial, multinomial, or tree (nested) logit models, with unlimited branches and levels; alternatively, mixed logit or error component analysis, including differing distributions (including exponentials, e.g. lognormal) and correlated error terms;
- non-linear utility functions allow attraction variables to be included correctly;
- composite alternatives can be indicated as chosen;
- coefficient estimates, standard errors, correctly calculated elasticities, consumer surplus measures and several detailed tests are all standard, with informative, clearly labelled, well-laid-out output, suitable for immediate incorporation in reports;
- a function in the ALOGIT Shell can be used to make comparisons between different model variants;
- an option for initial linear estimation reduces run time for complex models;
- problem sizes are not limited by ALOGIT.
数据处理
ALOGIT可以用于一系列简单的数据处理任务，使用控制语言和统计报告程序来提供有效的工作环境。
特别是，文件可以以非常灵活的方式输出（如格式化、*、分类）以供其他软件处理。
-/gjiiih/-
http://turntech8843.b2b168.com
