Eviews回归结果解读

最近涨了很多粉,看来大家对eviews的操作都很有兴趣,鉴于关注我的大多数是我的小白学生客户,所以我整理了一些基础知识帮大家快速入门,方便大家读懂模型结果。 简单的多元线性回归模型大家是使用最多的,但是很多同学跟着百度操作出来之后看不懂结果指标的含义,这篇内容就教大家如果去看结果,并解读各指标。 首先过程很简单,数据录入,然后ls y x1 x3 c,或者直接点击quick-estimate equation,模型拟合结果就出来了。 以下为举例结果:  模型为:y=1.691401x1-0.121717x3+0.5775209 重要的指标:
coefficient:系数,表明x与y的数据关系,正数表示正相关,负表示负相关,c为常数项或者是截距项,此结果x1对y有正影响,x3对y有负影响。
prob.:显示了在服从t分布条件下,对应其左侧一列t统计量的概率,即判断系数是否显著。一般p<0.05,即认为显著。此结果x1,x3都显著。
R-squared:可决系数,表现了模型的拟合度。越接近1代表模型拟合度越好,但很多金融类的模型r2都很低。
Prob(F-statistic):模型的显著性,小于0.05为显著。是由上面的F统计量的值计算出的概率。
一般快速看模型结果学习以上几个就可以了,想要全部了解的可以往下细看。
adjusted R-squared:调整的可决系数。当两个以上自变量时通常关注此值作为模型拟合度。
S.E. of regression:回归的标准误差。这是一个对预测误差大小的总体度量,是对残差大小的衡量。
Sum squared resid:残差平方和。
Log likelihood:对数似然估计值。这是在系数估计值的基础上对对数似然函数的估计值(假定误差服从正态分布)。
Mean dependent var:被解释变量的样本均值。
S.D. dependent var: 被解释变量的样本标准差。
Akaike info criterion:赤池信息准则,即AIC,一般来说AIC越小越好。
Schwartz criterion:施瓦茨准测,即sc
Hannan-quinn criter:HQ信息准则(很少用)
Durbin-watson stat:即DW统计量。对序列相关性进行检验的统计量,一般在2左右表示不具有序列相关性,具体计算判断可见前面模型修正的文章。

原文链接:https://blog.csdn.net/weixin_29325515/article/details/112563169

你可能感兴趣的:(统计学)