特點

• 易於使用的命令格式和數據輸入。
• 全部標準計量估計方法,如OLS、instrumental variables、 LIML、非線性系統、廣義矩方法、FIML、最大概似定性因變量模型、ARIMA模型、Kalman filter、ARCH、其他時間序列技術。
• 廣泛的診斷和測試設備。
• 靈活的數據轉換與許多內置的功能和矩陣代數。
• 提供充分的選擇可交互使用的編輯程式語言的計量方法。
• 採用多種技術的單方程估計：
  • OLSQ普通最小二乘法（具有廣泛的診斷功能）
  • 2SLS兩階段最小二乘（輔助變量）
  • LIML有限的信息極大似然
  • AR1回歸與一階序列相關
  • PDL（多項式分佈滯後）
  • L最小絕對偏差回歸 。
  • LMS最小平均平方回歸 
• 係數，殘差反演預測因變量，和其他測試數據，從這些估計以備後用 
• 估計方程系統通過同步方法：
  • LSQ最小二乘法，最小距離，非線性最小二乘法，多元回歸和三階段最小二乘法，線性和非線性
  • 矩估計GMM廣義方法（多方程，非線性，面板數據）
  • 一個完整的非線性模型
• 下面的任何估計命令可用大量的假設檢驗設施。
• 模擬，無論是動態估計的非線性或線性同步模式或靜態，
• 時間序列的方法：
  • BJ Box Jenkins識別，評估和預測
  • KALMAN Kalman Filter（狀態空間）估計
  • ARCH ARCH, GARCH, GARCH-M模型等
  • VAR向量自回歸模型
  • COINT for unit roots, Engle-Granger and Johansen trace tests for cointegration
• 最大似然法和定性因變量的估計：
  • PROBIT二元概率模型
  • TOBIT托比（0 / +）模式
  • SAMPSEL樣本選擇模型（廣義托比）
  • LOGIT視情況而定，多項式，並混合分對數為兩個或更多的選擇
  • ORDPROB有序概率模型
  • INTERVAL區間回歸
  • POISSON Poisson模型，計數資料
  • NEGBIN負二項分佈模型計數數據
  • ML用戶編程的似然函數與自動生成分析衍生工具，如Box-Cox, frontier production, nested logit, switching regression, bivariate probit
• 面板數據估計，用於平衡或不平衡數據固定和隨機效應
• 此外，TSP的特殊功能使用戶能夠靈活的擴展程序：
  • 易於操作多部門的數據和公式
  • 全矩陣代數，包括線性規劃
  • 通過邏輯表達式和考驗，GOTO語句和循環程序流程控制
  • 用戶編寫的程序，可調用帶參數
  • 隨機數產生的許多發行版：正常，多元正態分佈，柯西，學生的t，拉普拉斯，指數，泊松分佈，負二項分佈，伽瑪，均勻，經驗（自舉）
• 的TSP程序擴展庫，為解決特殊的計量問題。

TSP適用於

• 應用經濟學
• 總體經濟研究與預測
• 銷售預測
• 金融分析
• 成本分析與預測
• 蒙地卡羅Monte Carlo模擬
• 經濟模型估算和模擬