15个回归分析中的统计量解释

1、01回归系数注意回归系数的正负要符合理论和实际.截距项的回归系数无论是否通过T检验都没有实际的经济意义.02回归系数的标准差标准误差越大,回归系数的估计值越不可靠,这可以通过T值的计算公式可知自查.03T检验T值检验回归系数是否等于某一特定值,在回归方程中这一特定值为0,因此丁值=回归系数/回归系数的标准误差,因此 T值的正负应该与回归系数的正负 一致,回归系数的标准误差越大,T值越小,回归系数的估计值越不可靠,越 接近于00另外,回归系数的绝对值越大,T值的绝对值越大.04P值P值为理论T值超越样本T值的概率,应该联系显著性水平 a相比,a表示原 假设成立的前提下,理论T值超过样本T值的概率

2、,当P值a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下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.05可决系数R-squared都知道可决系数表示解释变量对被解释变量的解释奉献,其实质就是看 y 尖-y均与y=y均的一致程度.y尖为y的估计值,y均为y的总体均值.06调整后的可决系数即经自由度修正后的可决系数,从计算公式可知调整后的可决系数小于可决 系数,并且可决系数可能为负,此时说明模型极不可靠.07回归残差的标准误残差的经自由度修正后的标准差,OLS的实质其实就是使得均方差最小化,而 均方差与此的区别就是没有经过自由度修正.08对数似然估计函数值首先,理解

3、极大似然估计法.极大似然估计法虽然没有OLS运用广泛,但它是一个具有更强理论性质的点估计方法.极大似然估计的出发点是被观 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.由于要使得 样本中所有样本点都出现,假定抽样是随机的那么各个样本点的是独立同分布 的,所以最后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.要取最大概率,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.一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,这样最后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

4、 的值来估计该分布的参数,从而提供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 值不是绝对值越大越好.第一,根本推理.对于似然函数,如果是离散分 布,最后得到的数值直接就是概率,取值区间为 0-1 ,对数化之后的值就是负 数了；如果是连续变量,由于概率密度函数的取值区间并不局限于0-1 ,所以最后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.第二,Eviews的计算公式解释.公式值的大小关键取之于残差 平方和以及样本容量,只有当残差平方和与样本容量的比之很小时,括号 内的值才可能为负,从而公式值为

5、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平方和越小,因而参数拟合效度越高.09DW佥验值D惭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,因而很容易判断.DW值的取值区间为0-4,当DW直很小时大致1 说明序列可能存在正自相关；当 DW直很大时大致3说明序列可能存在负自 相关；当DW直在2附近时大致在1.5到2.5之间说明序列无自相关；其余 的取值区间说明无法确定序列是否存在自相关.当然,DV具体的临界值还需要根据样本容量和解释变量的个数通过查表来确定.DW苴并不是一个很适用的检

6、验手段,由于它存在苛刻的假设条 件：解释变量为非随机的；随机扰动项为一阶自回归形式；解释变量不能包含 滞后的被解释变量；必须有截距项；数据无缺失值.当然,可以通过DW-h佥验来检验包含滞后被解释变量作为解释变量的序列是否存在自相关.h统计量与滞后被解释变量的回归系数的方差呈正相关关系,可以消除其影响.10被解释变量的样本均值被解释变量的样本均值Mean Dependent Var被解释变量的样本标准误差被解释变量的样本标准误差S.D.Dependent Var 12赤池信息准那么AICAIC和SC在时间序列分析过程中的滞后阶数确定过程中非常重 要,一般是越小越好.一般理解：根据AIC的计算公式-2*L/N+2*k/N , L为对数似然估 计函数值,k为滞后阶数,N为样本容量可知：当滞后阶数小时,2*k/N小, 但由于模型的模拟效果会比拟差所以 L 负值会比拟小,加上负号之后那么变 得较大,因此最后的AIC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L 负值会比拟大,加上负号之后那么变得较小,但是2*k/N过大损失自由度的代价,因此最后的 AIC也有可能较大.综上,AIC较小意味 着滞后阶数较为适宜.13施瓦茨信息准那么SC与AIC没有任何本质区别,只是参加样本容量的对数值以修正损失 自由度的代价.14F 统计量F-statistic F统计量考量的是