我正在尝试自动化通常在python的statsmodels中的Eviews中执行的回归。遗憾的是，在这种情况下不可能给出可重复的示例，但该模型是具有ARMA误差的多变量回归模型。观察的数量是一万个，而且我使用了大约50个独立变量（实际上是5个变量，有10个滞后。模型本身很好，所以把它放在一边。）。
在Eviews（时间序列的商业计量经济学软件包）中，模型将在大约20秒后收敛，使用BFGS作为优化方法执行类似17次迭代的操作。然而，使用statsmodels，即使观察数量少得多，收敛也会永远收敛，并且检索beta标准错误需要更长的时间。我尝试过提供起始值，不同的优化方法和容差级别，但相比之下python仍然非常慢。
我期待性能类似，因为statsmodels似乎能够使用Eviews使用的相同优化方法（BFGS）。 Eviews中的快速收敛似乎取决于在优化中选择“Marquardt”作为“步法”。如果选择“线搜索”，模型需要很长时间才能收敛。可能是statsmodels使用后者吗？
我的问题是这样的：我是否应该放弃scipy（我相信statsmodels所依赖的）优化器，因为它不能期望与商业计量经济学软件具有几乎相同的性能？或者期望类似的性能是否合理，我应该尝试其他“优化优化”的方法？
顺便说一下，我已经开始查看这些pyeviews，但它的文档很少。有经验的人吗？
我浪费了很多时间试图让这件事情发挥作用，所以任何指导都会非常感激。
更新：使用我的Eviews和python版本，只要尝试将超过五百行或多行输入Eviews，pyeviews就会抛出错误。似乎是一个bug。我发布在Github上。
的Björn