在EViews中，二元选择模型的因变量只能取0或1两个值，不满足要求的观测值将在估计时被剔除掉。在估计二元选择模型中可能会遇到各种错误信息使得模型估计无法进行，主要有以下几种常见的错误：
（1）解释变量中某个变量完全预测二元因变量的取值。发生这种错误可能是由于回归变量中包含某个单值，所有在该单值以下的因变量观测值都取同一个值（比如全部取0），而在单值以上的因变量全部取另一个值（全部取1），此时最大似然估计方法失效。例如，如果对于所有x>0的自变量，对应有y＝1，则x就是因变量的一个完全预测量。假如样本中存在这种情况，EViews会给出错误信息提示“x>0 perfectly predicts binary responses success”，并停止模型估计。解决这一错误问题的方法是在定义方程的形式时剔除这种影响模型估计的变量，即不把该变量作为解释变量。
（2）观测值的似然函数值非正。这种错误通常发生在模型估计所用的参数初始值设置不好或者不合理。EViews默认的初始值通常都能满足迭代估计的需要且合理。当出现这种错误时，可以检查Options选项对话框中参数初始值是否正确设定，不正确则更换合理的初始值重新进行估计。
（3）迭代过程中存在奇异矩阵，表明EViews在迭代过程中不能计算矩阵的逆。发生这种错误通常是由于模型不能被识别或者当前参数值离真实值太远。假如发生错误的原因是后者，则要更换不同的初始值或者优化算法重新进行估计。其中，BHHH算法和Quadratic Hill Climbing算法都没有Newton-Raphson算法对迭代所用的参数初始值那么敏感，因此用户将Newton-Raphson算法更换为其他两种算法即可解决这一错误。
