使用期限*
许可形式单机和网络版
原产地美国
介质下载
适用平台windows
科学软件网销售软件达19年，有丰富的销售经验以及客户资源，提供的产品涵盖各个学科，包括经管，仿真，地球地理，生物化学，工程科学，排版及网络管理等。此外，我们还提供很多附加服务，如：现场培训、课程、解决方案、咨询服务等。
NLOGIT包含了LIMDEP的所有功能，以及多项式选择模型的估计与分析功能。NLOGIT是一个包含完整集成统计程序功能集的大型程序包。
多项式选择模型的分析工具
NLOGIT是分析多项logit模型的广泛和深的工具，包括嵌套Logit模型、广义混合Logit、异方差较值、多元Probit和混合Logit等。NLOGIT功能特，它允许您在任何估计的离散选择模型的背景析任何可选的数据集，不管是在估计中还是在用于检验模型交叉有效性的数据中。
NLOGIT功能特点包括
**过200个内置估计，可以分析：
嵌套logit模型
随机参数混合logit
潜在类别
多项式概率
面板数据--MNL固定效应
定期选项实验
支付意愿
异方差较值
佳/坏模型
随机遗憾
缺席属性
估计和模拟
…….
Linear regression
Robust estimation
Nonlinear and loglinear regression
Probit and logit models for binary choice
Ordered choice models
Multinomial choice
Censoring and truncation
Sample selection models
Quantile regression (linear and count)
Poisson and negative binomial models for count data
Stochastic frontier and DEA
Time series models
Panel data models
NLOGIT提供多项选择数据的估计、模拟和分析程序，比如的选择、运输方式以及各种调查和市场数据，消费者在一组相互竞争的替代品中进行选择。自NLOGIT面世20年来，NLOGIT已经成为包括支付意愿和佳/坏模型的多项logit模型的估计和模拟的重要统计软件包。NLOGIT还是支持混合说明和显示选择数据集的软件。
NLOGIT包含大量的数据分析、数据管理和模型建立工具，从简单线性回归到非线性方程组的大似然估计，有许多扩展和变化。几乎所有现代实证调查所采用的技术都有提供。
模型估计&数据分析
提供连续、离散、有限和删失因变量近200种模型公式，包括：
线性回归
稳健估计
线性和对数线性回归
二元选择的概率和logit模型
排序选择模型
多项选择
审查和截断
样本选择模型
分位数回归（线性和计数）
计数数据的泊松和负二项模型
随机*与DEA
时间序列模型
面板数据模型
NLOGIT提供多项选择数据的估计、模拟和分析程序，比如的选择、运输方式以及各种调查和市场数据，消费者在一组相互竞争的替代品中进行选择。自NLOGIT面世20年来，NLOGIT已经成为包括支付意愿和佳/坏模型的多项logit模型的估计和模拟的重要统计软件包。NLOGIT还是支持混合说明和显示选择数据集的软件。
编程
提供了包括矩阵和数据操作命令的编程语言，用于建立新的估计量：
用LIMDEP和NLOGIT编程功能
用户定义的优化
矩阵代数
科学计算器
用户编写的程序和估计
SFA & DEA
提供了各种形式的随机*模型：
固定随机效应
真正的固定和随机效应
潜在类随机边界
Battese and Coelli
异方差性
技术效率估计
数据包络分析
（这是同时包含SFA和DEA的程序）
LIMDEP离散选择
提供了二进制、多项式、有序、计数和多元离散数据的离散选择估计：
二元选择的概率和logit模型
排序选择包括单变量、变量、分层和样本的选择
面板数据
多项式Logit模型
计数数据模型
NLOGIT多项选择
NLOGIT包含所有LIMDEP plus多项选择模型功能，这些功能LIMDEP中不包含，包括：
数据分析
模型估计
混合（随机参数）logit模型
广义混合Logit模型
WTP空间的估计
多项式概率模型
潜在类别模型
误差分量（RE）logit模型
随机遗憾MNL
动态随机效应MNL模型
广义嵌套logit模型
模型规范
模型仿真
（这些功能，LIMDEP中不包含）
科学软件网的客户涵盖产品涵盖教育、、交通、通信、金融、保险、电力等行业，并且为诸如北京大学、*大学、中国大学、中科院、农科院、社科院、环科院、国家、交通部、南方电网、国家电网、许继、南瑞等国内大型企事业单位、部委和科研机构长期提供相关产品。我们的品质，值得您信赖。
http://turntech8843.b2b168.com
