admin 管理员组

文章数量: 1184232


2024年4月16日发(作者：千库网ppt模板)

Glossary:

ls(least squares)最小二乘法

R-sequared样本决定系数（R2）：值为0-1，越接近1表示拟合越好，>0.8认为

可以接受，但是R2随因变量的增多而增大，解决这个问题使用来调整

Adjust R-seqaured()

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赤池信息量(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)

线性回归的基本假设：

1.自变量之间不相关

2.随机误差相互独立，且服从期望为0，标准差为σ的正态分布

3.样本个数多于参数个数

建模方法:

ls y c x1 x2 x3 ...

x1 x2 x3的选择先做各序列之间的简单相关系数计算，选择同因变量相关系数大而自

变量相关系数小的一些变量。模型的实际业务含义也有指导意义，比如m1同gdp肯定是

相关的。

模型的建立是简单的，复杂的是模型的检验、评价和之后的调整、择优。

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

F大于临界值则说明拒绝0假设。

Eviews给出了拒绝0假设(所有系统为0的假设)犯错误(第一类错误或α错误)的概率


本文标签： 模型 假设 检验 因变量 样本

版权声明：本文标题：使用eviews做线性回归方程 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://roclinux.cn/p/1713224392a624737.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。