Eviews-回归分析


R-squared: 样本可决系数,值为0-1,越接近1表示拟合越好,>0.8认为可以接受,但是该值随因变量的增多而增大,解决这个问题调整的可决系数来解决

Adjust R-squared

S.E of regression: 回归标准误差

Log likelihood:对数似然比,残差越小,L值越大,越大说明模型越正确

Durbin-Watson stat: DW统计量,0-4之间

Mean dependent var: 因变量的均值

S.D. dependent var: 因变量的标准差

Akaike info criterion: 赤池信息准则(AIC)(越小说明模型越精确)

Schwarz ctiterion: 施瓦兹信息量(SC)(越小说明模型越精确)

Prob(F-statistic):相伴概率

fitted: 拟合值


模型检验:

1)方程显著性检验(F检验):模型拟合样本的效果,即选择的所有自变量对因变量的解释力度

2)回归系数显著性检验(t检验):检验每一个自变量的合理性

|t|大于临界值表示可拒绝系数为0的假设,即系数合理。

3)DW检验:检验残差序列的自相关性,检验基本假设2(随机误差相互独立)  残差:模型计算值与资料实测值之差为残差  
0<=dw<=dl 残差序列正相关,du demo中的dw=0.141430 ,dl=1.73369,du=1.7786,所以存在正相关


你可能感兴趣的:(Eviews)