EVIEWS回归结果理解.docVIP

回归纳果的理解 参数解说： 1、回归系数（coefficient） 注意回归系数的正负要切合理论和实质。截距项的回归系数不论能否经过T查验都没有实质的经济意义。 2、回归系数的标准偏差（Std.Error） 标准偏差越大，回归系数的预计值越不行靠，这能够经过T值的计算公式可 知 3、T查验值（t-Statistic） T值查验回归系数能否等于某一特定值，在回归方程中这一特定值为 0，因 此T值=回归系数/回归系数的标准偏差，所以T值的正负应当与回归系数的正负一致，回归系数的标准偏差越大，T值越小，回归系数的预计值越不行靠，越接 近 0。此外，回归系数的绝对值越大，T值的绝对值越大。 4、P值（Prob） P值为理论T值超越样本T值的概率，应当联系明显性水平α对比，α表示原假定建立的前提下，理论T值超出样本T值的概率，当P值α值，说明这类结果实质出现的概率的概率比在原假定建立的前提下这类结果出现的可能性还小但它恰恰出现了，所以拒绝接受原假定。 5、可决系数（R-squared） 都知道可决系数表示解说变量对被解说变量的解说贡献，其实质就是看（y 尖-y均）与（y=y均）的一致程度。y尖为y的预计值，y均为y的整体均值。 6、调整后的可决系数（AdjustedR-squared) 1/4 即经自由度xx后的可决系数，从计算公式可知调整后的可决系数小于可决系数，而且可决系数可能为负，此时说明模型极不行靠。 7、回归残差的标准偏差（S.E.ofregression） 残差的经自由度xx后的标准差，OLS的实质其实就是使得均方差最小化，而均方差与此的差别就是没有经过自由度xx。 8、残差xx（SumSquaredResid） 见上7 9、对数似然预计函数值（Loglikelihood） 第一，理解极大似然预计法。极大似然预计法固然没有OLS运用宽泛，但它是一个拥有更强理论性质的点预计方法。极大似然预计的出发点是已知被观察 现象的散布，但不知道其参数。极大似然法用获取观察值（样本）最高概率（失散散布以概率齐集函数表示，连续散布以概率密度函数表示。由于要使得样本中全部样本点都出现，假定抽样是随机的则各个样本点的是独立同散布的，所 以最后总的概率表现为概率齐集函数或许概率密度函数的xx形式，称之为似然 函数。要取最大体率，马上似然函数对未知参数求导令导数等于0即可获取极大似然函数。一般为简化函数的办理过程都会对似然函数进行对数化办理，这样 最后获取的极大似然函数就称之为对数极大似然函数）的那些参数的值来预计该散布的参数，进而供给一种用于预计刻画一个散布的一组参数的方法。 其次，理解对数似然预计函数值。对数似然预计函数值一般取负值，实质 值（不是绝对值）越大越好。第一，基本推理。关于似然函数，假如是失散散布，最后获取的数值直接就是概率，取值区间为0-1，对数化以后的值就是负数了； 假如是连续变量，由于概率密度函数的取值区间其实不限制于0-1，所以最后获取的似然函数值不是概率而不过概率密度函数值，这样对数化以后的正负就不确 定了。第二，Eviews的计算公式解说。公式值的大小重点取之于残差xx（以及样本容量），只有当残差xx与样本容量的比之很小时，括号内的值才可能为负，进而公式值为正，这时说明参数拟合效度很高；反之公式值为负，但其绝对值越小表示残差xx越小，因此参数拟合效度越高。 2/4 0、DW查验值 DW统计量用于查验序列的自有关，公式就是测度残差序列与残差的滞后一期序列之间的差别大小，经过推导能够得出DW值与二者有关系数的等式关系，因此很简单判断。DW值的取值区间为0-4，当DW值很小时（大概1）表示序列可能存在正自有关；当DW值很大时（大概3）表示序列可能存在负自有关； 当DW值在2邻近时（大概在1.5到2.5之间）表示序列无自有关；其他的取值区间表示没法确立序列能否存在自有关。自然，DW详细的临界值还需要依据样本容量和解说变量的个数经过查表来确立。 DW值其实不是一个很合用的查验手段，由于它存在苛刻的假定条件：解说变量为非随机的；随机扰动项为一阶自回归形式；解说变量不可以包括滞后的被解 释变量；一定有截距项；数据无缺失值。自然，能够经过DW-h查验来查验包括滞后被解说变量作为解说变量的序列能否存在自有关。h统计量与滞后被解说变量的回归系数的方差呈正有关关系，能够除去其影响。 1、被解说变量的样本均值（MeanDependentVar） 2、被解说变量的样本标准偏差（S.D.DependentVar） 上边两个xx即可生义。 3、xx信息准则（AIC） AIC和SC在时间序列剖析过程中的滞后阶数确立过程中特别重要，一般是xx 好。 一般理解：依据AIC的计算公式（-2*L/N+2*k/N，L为对数似然预计函数值， k为滞后阶数，N为样本