EVIEWS回歸結(jié)果的理解說課講解

1、EVI EWS 回 歸 結(jié) 果 的 理解回歸結(jié)果的理解參數(shù)解釋：1、回歸系數(shù)(coefficient )注意回歸系數(shù)的正負(fù)要符合理論和實(shí)際。截距項(xiàng)的回歸系數(shù)無論是否通過T檢驗(yàn)都沒有實(shí)際的經(jīng)濟(jì)意義。2、回歸系數(shù)的標(biāo)準(zhǔn)誤差(Std.Error )標(biāo)準(zhǔn)誤差越大，回歸系數(shù)的估計(jì)值越不可靠，這可以通過T值的計(jì)算公式可知3、T 檢驗(yàn)值(t-Statistic )T值檢驗(yàn)回歸系數(shù)是否等于某一特定值，在回歸方程中這一特定值為0，因此T值二回歸系數(shù)/回歸系數(shù)的標(biāo)準(zhǔn)誤差，因此T值的正負(fù)應(yīng)該與回歸系數(shù)的正 負(fù)一致，回歸系數(shù)的標(biāo)準(zhǔn)誤差越大，T值越小，回歸系數(shù)的估計(jì)值越不可靠， 越接近于0。另外，回歸系數(shù)的絕對值越大，

2、T值的絕對值越大。4、P 值(Prob)P值為理論T值超越樣本T值的概率，應(yīng)該聯(lián)系顯著性水平a相比，a表示原假設(shè)成立的前提下，理論 T值超過樣本T值的概率，當(dāng)P值 a值，說明 這種結(jié)果實(shí)際出現(xiàn)的概率的概率比在原假設(shè)成立的前提下這種結(jié)果出現(xiàn)的可能 性還小但它偏偏出現(xiàn)了，因此拒絕接受原假設(shè)。5、可決系數(shù)(R-squared)都知道可決系數(shù)表示解釋變量對被解釋變量的解釋貢獻(xiàn)，其實(shí)質(zhì)就是看(y尖-y均)與(y=y均)的一致程度。y尖為y的估計(jì)值，y均為y的總體均值。6調(diào)整后的可決系數(shù)(Adjusted R-squared)即經(jīng)自由度修正后的可決系數(shù)，從計(jì)算公式可知調(diào)整后的可決系數(shù)小于可 決系數(shù)，并且可

3、決系數(shù)可能為負(fù)，此時(shí)說明模型極不可靠。7、回歸殘差的標(biāo)準(zhǔn)誤差( S.E.of regression )殘差的經(jīng)自由度修正后的標(biāo)準(zhǔn)差，OLS的實(shí)質(zhì)其實(shí)就是使得均方差最小化，而均方差與此的區(qū)別就是沒有經(jīng)過自由度修正。8、殘差平方和( Sum Squared Resid )見上 79、對數(shù)似然估計(jì)函數(shù)值( Log likelihood )首先，理解極大似然估計(jì)法。極大似然估計(jì)法雖然沒有OLS運(yùn)用廣泛，但它是一個(gè)具有更強(qiáng)理論性質(zhì)的點(diǎn)估計(jì)方法。極大似然估計(jì)的出發(fā)點(diǎn)是已知被觀 測現(xiàn)象的分布，但不知道其參數(shù)。極大似然法用得到觀測值(樣本)最高概率 (離散分布以概率聚集函數(shù)表示，連續(xù)分布以概率密度函數(shù)表示。因

4、為要使得 樣本中所有樣本點(diǎn)都出現(xiàn)，假定抽樣是隨機(jī)的則各個(gè)樣本點(diǎn)的是獨(dú)立同分布 的，所以最后總的概率表現(xiàn)為概率聚集函數(shù)或者概率密度函數(shù)的連乘形式，稱 之為似然函數(shù)。要取最大概率，即將似然函數(shù)對未知參數(shù)求導(dǎo)令導(dǎo)數(shù)等于 0 即 可獲得極大似然函數(shù)。一般為簡化函數(shù)的處理過程都會(huì)對似然函數(shù)進(jìn)行對數(shù)化 處理，這樣最后得到的極大似然函數(shù)就稱之為對數(shù)極大似然函數(shù))的那些參數(shù) 的值來估計(jì)該分布的參數(shù)，從而提供一種用于估計(jì)刻畫一個(gè)分布的一組參數(shù)的 方法。其次，理解對數(shù)似然估計(jì)函數(shù)值。對數(shù)似然估計(jì)函數(shù)值一般取負(fù)值，實(shí)際 值(不是絕對值)越大越好。第一，基本推理。對于似然函數(shù)，如果是離散分布，最后得到的數(shù)值直接就是概

5、率，取值區(qū)間為 0-1，對數(shù)化之后的值就是負(fù)數(shù)了；如果是連續(xù)變量，因?yàn)楦怕拭芏群瘮?shù)的取值區(qū)間并不局限于0-1 ，所以最后得到的似然函數(shù)值不是概率而只是概率密度函數(shù)值，這樣對數(shù)化之后的正 負(fù)就不確定了。第二， Eviews 的計(jì)算公式解釋。公式值的大小關(guān)鍵取之于殘差 平方和（以及樣本容量），只有當(dāng)殘差平方和與樣本容量的比之很小時(shí)，括號(hào) 內(nèi)的值才可能為負(fù)，從而公式值為正，這時(shí)說明參數(shù)擬合效度很高；反之公式 值為負(fù)，但其絕對值越小表示殘差平方和越小，因而參數(shù)擬合效度越高。10、DW僉驗(yàn)值dW充計(jì)量用于檢驗(yàn)序列的自相關(guān)，公式就是測度殘差序列與殘差的滯后一一期序列之間的差異大小，經(jīng)過推導(dǎo)可以得出DW值與

6、兩者相關(guān)系數(shù)的等式關(guān)系，因而很容易判斷。DV值的取值區(qū)間為0-4，當(dāng)DW值很小時(shí)（大致1 ）表明序列 可能存在正自相關(guān)；當(dāng)DW值很大時(shí)（大致3）表明序列可能存在負(fù)自相關(guān)；當(dāng) DW值在2附近時(shí)（大致在1.5到2.5之間）表明序列無自相關(guān)；其余的取值區(qū) 間表明無法確定序列是否存在自相關(guān)。當(dāng)然，DWM體的臨界值還需要根據(jù)樣本容量和解釋變量的個(gè)數(shù)通過查表來確定。DW值并不是一個(gè)很適用的檢驗(yàn)手段，因?yàn)樗嬖诳量痰募僭O(shè)條件：解釋變 量為非隨機(jī)的；隨機(jī)擾動(dòng)項(xiàng)為一階自回歸形式；解釋變量不能包含滯后的被解 釋變量；必須有截距項(xiàng)；數(shù)據(jù)無缺失值。當(dāng)然，可以通過DW-h檢驗(yàn)來檢驗(yàn)包含滯后被解釋變量作為解釋變量的序列是

7、否存在自相關(guān)。h統(tǒng)計(jì)量與滯后被解釋變量的回歸系數(shù)的方差呈正相關(guān)關(guān)系，可以消除其影響。11、被解釋變量的樣本均值（ Mean Dependent Var）12、被解釋變量的樣本標(biāo)準(zhǔn)誤差（ S.D.Dependent Var ）上面兩個(gè)望文即可生義13、赤池信息準(zhǔn)則（ AIC）AIC和SC在時(shí)間序列分析過程中的滯后階數(shù)確定過程中非常重要，一般是越小越好。一般理解：根據(jù) AIC 的計(jì)算公式（ -2*L/N+2*k/N ， L 為對數(shù)似然估計(jì)函數(shù)值，k為滯后階數(shù)，N為樣本容量）可知：當(dāng)滯后階數(shù)小時(shí)，2*k/N 小,但因?yàn)?模型的模擬效果會(huì)比較差所以L （負(fù)值）會(huì)比較小，加上負(fù)號(hào)之后則變得較 大，因此最后的AIC有可能較大；當(dāng)滯后階數(shù)大時(shí)，模型的模擬效果會(huì)比較好 所以L （負(fù)值）會(huì)比較大，加上負(fù)號(hào)之后則變得較小，但是2*k/N過大（損失自由度的代價(jià)），因此最后的 AIC也有可能較大。綜上，AIC較小意味著滯后 階數(shù)較為合適。14、施瓦茨信息準(zhǔn)則（ SC）與AIC沒有任何本質(zhì)區(qū)別，只是加入樣本容量的對數(shù)值以修正損失自由度 的代價(jià)。15、 F 統(tǒng)計(jì)量（ F-statistic）F