EVIEWS回归结果的理解.docx
回来结果的理解分数说明：1、回来系数(effident)留意回来系数的正负要符合理论和实际。截距项的回来系数无论是否通过T检胶都没有实际的经济意义。2、回来系数的标灌误差(Std-Error)标准误差越大，回来系数的估计值越不行靠，这可以通过T值的计算公式可知3、T检倒K(t-Statistic)T值检验回来系数是否等于某一特定值，在回来方程中这一特定值为0,因此T值=回来系数/回来系数的标准误差，因此T值的正负应当与回来系数的正负一样，回来系数的标准误差越大，T值越小，回来系数的估计值越不行靠，越接近于0。另外，回来系数的肯定值越大，T值的肯定值越大。4、P值(Prob)P值为理论T值超越样本T值的概率，应当联系显著性水平相比，Q表示原假设成立的前提下，理论T值超过样本T值的概率，当Pfg<值，说明这种结果实际出现的概率的概率比在原假设成立的前提卜.这种结果出现的可能性还小但它偏偏出现了，因此拒绝接受原假设。5、可决系数(R-Squared)都知道可决系数表示说明变量对被说明变量的说明贡献，其实质就是看(y尖-y均)号(y=y均)的一样程度。y尖为y的估计值，y均为y的总体均值。6、悯整后的可决系数(AdjustedR-SqUared)即经自由度修正后的可决系数，从计克公式可知调整后的可决系数小于可决系数，并且可决系数可能为负，此时说明模型极不行靠。7、回来残差的标灌误差(SE.ofregression)残差的经自由度修正后的标准差，O1.S的实质其实就是使得均方差最小化，而均方差与此的区分就是没有经过自由度修正。8、残差平方和(SumSquaredResid)见上79、对象似然估计函数值(1.ogUkdihood)首先，理解极大似然估计法。极大似然估计法虽然没有O1.S运用广泛，但它是一个具有更强理论性质的点估计方法。极大似然估计的动身点是已知被观测现象的分布，但不知道其参数。极大似然法用得到观测值(样本)最高概率(离散分布以概率聚集函数表示，连续分布以概率密度函数表示。因为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分布的，所以最终总的概率表现为概率聚集函数或者概率密度函数的连乘形式，称之为似然函数。要取最也许率，即将似然函数对未知参数求导令导数等于0即可获得极大似然函数,般为简化函数的处理过程都会对似然函数进行对数化处理，这样最终得到的极大似然函数就称之为对数极大似然函数)的那些参数的值来估计该分布的参数，从而供应一种用于估计刻画一个分布的一组参数的方法。其次，理解对数似然估计函数值。对数似然估计函数值一般取负值,实际值（不是肯定值）越大越好。第一，基本推理，对于似然函数，假如是离散分布，最终得到的数值F脆就是概率，取值区间为0-1,对数化之后的值就是负数了；假如是连续变量，因为概率密度函数的取值区间并不局限于0-1,所以最终得到的似然函数值不是概率而只是概率密度函数值,这样对数化之后的正负就不确定了。其次，Eviews的计算公式说明。公式值的大小关键取之于残差平方和（以与样本容成），只有当残差平方和与样本容里的比之很小时，括号内的值才可能为负，从而公式值为正，这时说明参数拟合效度很高；反之公式值为负，但其肯定值越小表示残差平方和越小，因而参数拟合效度越高。10>DW检睑值DW统计量用于检验序列的自相关，公式就是测度残差序列与残差的滞后一期序列之间的差异大小，经过推导可以得出DW值与两者相关系数的等式关系，因而很简单推断。DW值的取值区间为0-4,当DW值很小时（大致Vl）表明序列可能存在正日相关；当DW值很大时（大致>3）表明序列可能存在负自相关；当DW值在2旁边时（大致在1.5到2.5之间）表明序列无自相关；其余的取值区间表明无法确定序列是否存在自相关。当然，DW详细的临界值还须要依据样本容量和说明变量的个数通过查表来确定。DW值并不是一个很适用的检验手段，因为它存在苛刻的假设条件：说明变盘为非随机的；随机扰动项为一阶自回来形式；说明变砧不能包含滞后的被说明变量；必需方截距项；数据无缺失值。当然，可以通过DW-h检验来检验包含滞后被说明变依作为说明变依的序列是否存在自相关。h统计收与滞后被说明变讨的回来系数的方差呈正相关关系，可以消退其影响。11>祓说明变量的样本均值（MeanDependentVar）12、被说明变的样本标本误差（S.D.DependentVar）上面两个望文即可生义。13、赤浦信息准则（AIC）AIC和SC在时间序列分析过程中的滞后阶数确定过程中特别重要，一般是越小越好。一般理解：依据AlC的计算公式（-2*1.N+2*kN,1.为对数似然估计函数值，k为滞后阶数，N为样本容及）可知：当滞后阶数小时，2*kN小，但因为模型的模拟效果会比较差所以1.（负值）会比较小，加上负号之后则变得较大，因此最终的AlC有可能较大；当滞后阶数大时，模型的模拟效果会比较好所以1.（负值）会比较大，加上负号之后则变得较小，但是2*kN过大（损失自由度的代价），因此最终的AlC也有可能较大。综上，AIC较小意味着滞后阶数较为合适。14、林瓦茨信息准则（SC）与AIC没有任何本质区分，只是加入样本容量的对数值以修正损失自由度的代价.15>F统计量（F-Statistic）F统计底考猿的是全部说明变量整体的显著性，所以F检验通过并不代表每个说明变量的t值都通过检验。当然，对于一元线性回来，T检验与F检验是等价的。16>prob(F-statistic)F统计量的P值，切的P值都是同样的实质意义。
