R和EViews AR（1）估算值的差异

主要问题是：我无法使用EViews和R获得类似的参数估计。

由于我自己不了解的原因，我需要使用EViews估算某些数据的参数。这是通过选择NLS（非线性最小二乘）选项并使用以下公式来完成的：indep_var c dep_var ar(1)

的EViews 权利要求：它们估计线性AR（1）处理，诸如 其中错误被定义为： 通过使用等效等式（带有一些代数替换）： 此外，该线程在EViews论坛上，建议他们的NLS估计值是由Marquardt算法生成的。

$$Y_t = \alpha + \beta X_t + u_t$$ $u_t$ $$u_t = \rho \cdot u_{t-1} + \varepsilon$$ $$Y_t = (1 - \rho) \alpha + \rho Y_{t - 1} + \beta X_t - \rho \beta X_{t - 1} + \varepsilon_t$$

现在，用于估计AR（1）过程的R函数为arima。但是，存在两个问题：

1. 该估计是最大似然估计；
2. 截距估计值实际上不是截距估计值（根据RH Shumway和DS Stoffer）。

因此，我转向nlsLM了minpack.lm包中的函数。此函数使用Marquardt算法来实现非线性最小二乘估计，该估计应产生与EViews实现相同的结果（至少是非常相似的结果）。

现在的代码。我有一个数据帧（data），其中包含一个自变量和一个因变量，例如由以下代码生成的变量：

data <- data.frame(independent = abs(rnorm(48)), dependent = abs(rnorm(48)))

以估计方程的EViews权利要求参数来估计（3 ^次对这个职位之一），我使用下面的命令：

library(minpack.lm)
result <-
nlsLM(dependentB ~ ((1 - theta1) * theta2) + (theta1 * dependentA) +
                    (theta3 * independentB) - (theta1 * theta3 * independentA),
data = list(dependentB = data$dependent[2:48], dependentA = data$dependent[1:47],
   independentB = data$independent[2:48], independentA = data$independent[1:47]),
start = list(theta1 = -10, theta2 = -10, theta3 = -10)
)

不幸的是，输出的估算值nlsLM与EViews 的估算值并不接近。您有什么可能的原因吗？也许我的代码是错误的？

最后，我想说我个人是R用户-这就是为什么我试图在R中而不是EViews中执行此操作。我也很乐意为您提供我正在使用的数据，但这是不可能的，因为它是机密数据。

$\rho, \beta, \alpha$$X_{t-1}$