关于Eviews回归结果表格的绘制 计量经济学根据eviews回归结果，表格里的数据怎么算出来
\u4e00\u822c\u5404\u671f\u520a\u4e0a\u7684\u8ba1\u91cf\u7ecf\u6d4e\u5b66\u56de\u5f52\u8868\u683c\u662f\u600e\u4e48\u7ed8\u5236\u7684stata outreg, outreg2.
\u6216\u8005\u5e72\u8106\u6458\u51fa\u6765\u7528word, excel, latex\u52a0\u5de5\uff0c\u90fd\u6709
\u8ba1\u7b97\u5982\u4e0b\u3002
1\uff1aCoefficient\u9664\u4ee5standard error \u7b49\u4e8e t-statisticcost \u7684 t-statistic\u5c31\u7b49\u4e8e -56\u300243329/31\u300245720Adjusted R-quared= [1-(n-1)(1-R^2)/(n-k)]eg: \u5e38\u6570C\u7684standard error \u5c31\u7b49\u4e8e 155\u30026083/0\u3002269042=578.379212167617Income \u7684 coefficiengt \u5c31\u7b49\u4e8e 0\u3002063573x12\u3002
2\uff1a\u8ba1\u91cf\u7ecf\u6d4e\u5b66\u662f\u7ed3\u5408\u7ecf\u6d4e\u7406\u8bba\u4e0e\u6570\u7406\u7edf\u8ba1\uff0c\u5e76\u4ee5\u5b9e\u9645\u7ecf\u6d4e\u6570\u636e\u4f5c\u5b9a\u91cf\u5206\u6790\u7684\u4e00\u95e8\u5b66\u79d1\u3002\u4e3b\u8981\u5185\u5bb9\u5305\u62ec\u7406\u8bba\u8ba1\u91cf\u7ecf\u6d4e\u5b66\u548c\u5e94\u7528\u7ecf\u6d4e\u8ba1\u91cf\u5b66\u3002
\u7406\u8bba\u8ba1\u91cf\u7ecf\u6d4e\u5b66\u4e3b\u8981\u7814\u7a76\u5982\u4f55\u8fd0\u7528\u3001\u6539\u9020\u548c\u53d1\u5c55\u6570\u7406\u7edf\u8ba1\u7684\u65b9\u6cd5\uff0c\u4f7f\u4e4b\u6210\u4e3a\u968f\u673a\u7ecf\u6d4e\u5173\u7cfb\u6d4b\u5b9a\u7684\u7279\u6b8a\u65b9\u6cd5\u3002
\u8ba1\u91cf\u7ecf\u6d4e\u5b66\u7814\u7a76\u7684\u6838\u5fc3\u662f\u8bbe\u8ba1\u6a21\u578b\u3001\u6536\u96c6\u8d44\u6599\u3001\u4f30\u8ba1\u6a21\u578b\u3001\u68c0\u9a8c\u6a21\u578b\u3001\u5e94\u7528\u6a21\u578b\uff08\u7ed3\u6784\u5206\u6790\u3001\u7ecf\u6d4e\u9884\u6d4b\u3001\u653f\u7b56\u8bc4\u4ef7\uff09\u3002
EViews\u662f\u5b8c\u6210\u4e0a\u8ff0\u4efb\u52a1\u6bd4\u8f83\u5f97\u529b\u7684\u5fc5\u4e0d\u53ef\u5c11\u7684\u5de5\u5177\u3002\u6b63\u662f\u7531\u4e8eEViews\u7b49\u8ba1\u91cf\u7ecf\u6d4e\u5b66\u8f6f\u4ef6\u5305\u7684\u51fa\u73b0\uff0c\u4f7f\u8ba1\u91cf\u7ecf\u6d4e\u5b66\u53d6\u5f97\u4e86\u957f\u8db3\u7684\u8fdb\u6b65\uff0c\u53d1\u5c55\u6210\u4e3a\u4e00\u95e8\u8f83\u4e3a\u5b9e\u7528\u4e0e\u4e25\u8c28\u7684\u7ecf\u6d4e\u5b66\u79d1\u3002
\u6269\u5c55\u8d44\u6599
Eviews\u662f\u4e13\u95e8\u4e3a\u5927\u578b\u673a\u6784\u5f00\u53d1\u7684\u3001\u7528\u4ee5\u5904\u7406\u65f6\u95f4\u5e8f\u5217\u6570\u636e\u7684\u65f6\u95f4\u5e8f\u5217\u8f6f\u4ef6\u5305\u7684\u65b0\u7248\u672c\u3002Eviews\u7684\u524d\u8eab\u662f1981\u5e74\u7b2c1\u7248\u7684Micro TSP\u3002
\u867d\u7136Eviews\u662f\u7ecf\u6d4e\u5b66\u5bb6\u5f00\u53d1\u7684\uff0c\u800c\u4e14\u4e3b\u8981\u7528\u4e8e\u7ecf\u6d4e\u5b66\u9886\u57df\uff0c\u4f46\u662f\u4ece\u8f6f\u4ef6\u5305\u7684\u8bbe\u8ba1\u6765\u770b\uff0cEviews\u7684\u8fd0\u7528\u9886\u57df\u5e76\u4e0d\u5c40\u9650\u4e8e\u5904\u7406\u7ecf\u6d4e\u65f6\u95f4\u5e8f\u5217\u3002\u5373\u4f7f\u662f\u8de8\u90e8\u95e8\u7684\u5927\u578b\u9879\u76ee\uff0c\u4e5f\u53ef\u4ee5\u91c7\u7528Eviews\u8fdb\u884c\u5904\u7406\u3002
Eviews\u5904\u7406\u7684\u57fa\u672c\u6570\u636e\u5bf9\u8c61\u662f\u65f6\u95f4\u5e8f\u5217\uff0c\u6bcf\u4e2a\u5e8f\u5217\u6709\u4e00\u4e2a\u540d\u79f0\uff0c\u53ea\u8981\u63d0\u53ca\u5e8f\u5217\u7684\u540d\u79f0\u5c31\u53ef\u4ee5\u5bf9\u5e8f\u5217\u4e2d\u6240\u6709\u7684\u89c2\u5bdf\u503c\u8fdb\u884c\u64cd\u4f5c\uff0cEviews\u5141\u8bb8\u7528\u6237\u4ee5\u7b80\u4fbf\u7684\u53ef\u89c6\u5316\u7684\u65b9\u5f0f\u4ece\u952e\u76d8\u6216\u78c1\u76d8\u6587\u4ef6\u4e2d\u8f93\u5165\u6570\u636e\uff0c\u6839\u636e\u5df2\u6709\u7684\u5e8f\u5217\u751f\u6210\u65b0\u7684\u5e8f\u5217\u3002
\u5728\u5c4f\u5e55\u4e0a\u663e\u793a\u5e8f\u5217\u6216\u6253\u5370\u673a\u4e0a\u6253\u5370\u8f93\u51fa\u5e8f\u5217\uff0c\u5bf9\u5e8f\u5217\u4e4b\u95f4\u5b58\u5728\u7684\u5173\u7cfb\u8fdb\u884c\u7edf\u8ba1\u5206\u6790\u3002Eviews\u5177\u6709\u64cd\u4f5c\u7b80\u4fbf\u4e14\u53ef\u89c6\u5316\u7684\u64cd\u4f5c\u98ce\u683c\uff0c\u4f53\u73b0\u5728\u4ece\u952e\u76d8\u6216\u4ece\u952e\u76d8\u8f93\u5165\u6570\u636e\u5e8f\u5217\u3001\u4f9d\u636e\u5df2\u6709\u5e8f\u5217\u751f\u6210\u65b0\u5e8f\u5217\u3001\u663e\u793a\u548c\u6253\u5370\u5e8f\u5217\u4ee5\u53ca\u5bf9\u5e8f\u5217\u4e4b\u95f4\u5b58\u5728\u7684\u5173\u7cfb\u8fdb\u884c\u7edf\u8ba1\u5206\u6790\u7b49\u65b9\u9762\u3002
Eviews\u5177\u6709\u73b0\u4ee3Windows\u8f6f\u4ef6\u53ef\u89c6\u5316\u64cd\u4f5c\u7684\u4f18\u826f\u6027\u3002\u53ef\u4ee5\u4f7f\u7528\u9f20\u6807\u5bf9\u6807\u51c6\u7684Windows\u83dc\u5355\u548c\u5bf9\u8bdd\u6846\u8fdb\u884c\u64cd\u4f5c\u3002
\u64cd\u4f5c\u7ed3\u679c\u51fa\u73b0\u5728\u7a97\u53e3\u4e2d\u5e76\u80fd\u91c7\u7528\u6807\u51c6\u7684Windows\u6280\u672f\u5bf9\u64cd\u4f5c\u7ed3\u679c\u8fdb\u884c\u5904\u7406\u3002\u6b64\u5916\uff0cEviews\u8fd8\u62e5\u6709\u5f3a\u5927\u7684\u547d\u4ee4\u529f\u80fd\u548c\u6279\u5904\u7406\u8bed\u8a00\u529f\u80fd\u3002\u5728Eviews\u7684\u547d\u4ee4\u884c\u4e2d\u8f93\u5165\u3001\u7f16\u8f91\u548c\u6267\u884c\u547d\u4ee4\u3002\u5728\u7a0b\u5e8f\u6587\u4ef6\u4e2d\u5efa\u7acb\u548c\u5b58\u50a8\u547d\u4ee4\uff0c\u4ee5\u4fbf\u5728\u540e\u7eed\u7684\u7814\u7a76\u9879\u76ee\u4e2d\u4f7f\u7528\u8fd9\u4e9b\u7a0b\u5e8f\u3002
\u53c2\u8003\u8d44\u6599\uff1aeviews\u7684\u767e\u5ea6\u767e\u79d1
1、实验数据
2、使用create命令，创建一个时间范围在1981到1992的工作文件。
3、在命令窗口中输入：data x y命令，将生成一个有X、Y变量的工作表，然后复制数据
4、绘制X、Y的散点图，单击组窗口工具栏中的【View】－【Graph】—【Scatter】—【Simple Scatter】
5
5、 通过观察散点图，可以大致确定变量Y、X之间存在线性关系
绛旓細璁＄畻濡備笅銆1锛欳oefficient闄や互standard error 绛変簬 t-statisticcost 鐨 t-statistic灏辩瓑浜 -56銆43329/31銆45720Adjusted R-quared= [1-(n-1)(1-R^2)/(n-k)]eg: 甯告暟C鐨剆tandard error 灏辩瓑浜 155銆6083/0銆269042=578.379212167617Income 鐨 coefficiengt 灏辩瓑浜 0銆063573x12銆2锛氳閲忕粡娴...
绛旓細Variable Coefficient Std. Error t-Statistic Prob. 鍙橀噺 绯绘暟 鏍囧噯宸 T缁熻閲 P鍊 涓鑸湪5%鏄捐憲姘村钩涓嬶紝閫夋嫨 ABS(T缁熻閲)>2鐨凱銆傚鍏冪嚎鎬鍥炲綊鍙〃绀轰负Y=a+b1*X +b2*X2+ e锛屽叾涓璦琛ㄧず鎴窛锛宐琛ㄧず鐩寸嚎鐨勬枩鐜囷紝e鏄宸」銆傚鍏冪嚎鎬у洖褰掑彲浠ユ牴鎹粰瀹氱殑棰勬祴鍙橀噺锛坰锛夋潵棰勬祴鐩爣鍙橀噺鐨勫笺eView...
绛旓細1銆佹墦寮鐢佃剳锛岀偣鍑昏繘鍏xcel锛屽鍥炬墍绀猴紝鍒涘缓鐢靛瓙琛ㄦ牸銆2銆佸鍥炬墍绀猴紝灏嗙數瀛愯〃鏍奸噷鐨勬暟鎹鍏ュ埌eviews锛屽鍏ヤ箣鍚庯紝鐐瑰嚮纭畾銆3銆佸鍥炬墍绀猴紝杈撳叆corcoilfuturedowshindexnagasopecueuropeurmb锛岀偣鍑荤‘瀹氥4銆佸湪鑿滃崟涓偣鍑籫raph锛屽垱寤哄浘褰㈣〃銆5銆佹墦寮testtype锛岀偣鍑籰evel-intercept锛岀偣鍑荤‘瀹氥6銆佸鍥炬墍绀猴紝鐐瑰嚮...
绛旓細璁＄畻濡備笅銆1锛欳oefficient闄や互standard error 绛変簬 t-statisticcost 鐨 t-statistic灏辩瓑浜 -56銆43329/31銆45720Adjusted R-quared= [1-(n-1)(1-R^2)/(n-k)]eg: 甯告暟C鐨剆tandard error 灏辩瓑浜 155銆6083/0銆269042=578.379212167617Income 鐨 coefficiengt 灏辩瓑浜 0銆063573x12銆2锛氳閲忕粡娴...
绛旓細1銆佸疄楠屾暟鎹 2銆佷娇鐢╟reate鍛戒护锛屽垱寤轰竴涓椂闂磋寖鍥村湪1981鍒1992鐨勫伐浣滄枃浠躲3銆佸湪鍛戒护绐楀彛涓緭鍏ワ細data x y鍛戒护锛屽皢鐢熸垚涓涓湁X銆乊鍙橀噺鐨宸ヤ綔琛锛岀劧鍚庡鍒舵暟鎹 4銆佺粯鍒禭銆乊鐨勬暎鐐瑰浘锛屽崟鍑荤粍绐楀彛宸ュ叿鏍忎腑鐨勩View銆戯紞銆怗raph銆戔斻怱catter銆戔斻怱imple Scatter銆5 5銆 閫氳繃瑙傚療鏁ｇ偣鍥撅紝鍙互澶ц嚧纭畾...
绛旓細璁╂垜浠竴璧锋繁鍏ョ悊瑙Eviews鍥炲綊鍒嗘瀽鐨勬瘡涓姝ワ紝灏卞儚鎷嗚В涓涓簿瀵嗙殑绉戝瀹為獙銆傞鍏堬紝鍑嗗宸ヤ綔鑷冲叧閲嶈锛屼綘闇瑕佸湪Excel涓暣鐞嗘暟鎹紝鐒跺悗鎵撳紑Eviews杞欢銆傚湪宸︿笂瑙掔殑銆愭枃浠躲戣彍鍗曟爮锛岀偣鍑汇愬鍏ユ暟鎹戯紝閫夋嫨銆愬皢澶栨潵鏁版嵁浣滀负宸ヤ綔鏂囦欢銆戯紝鎵惧埌浣犵殑Excel琛ㄦ牸锛屼竴姝ユ鐐瑰嚮銆愭墦寮銆戯紝纭鏃犺鍚庤繘鍏ヤ笅涓姝ャ傛帴鐫锛...
绛旓細S.E. of regression 鍥炲綊鐨鏍囧噯宸 Sum squared resid 娈嬪樊骞虫柟鍜 Log likelihood 浼肩劧鍊 Durbin-Watson stat DW缁熻閲 涓鑸湪2闄勮繎琛ㄦ槑妯″瀷濂 Akaike info criterion Schwarz criterion 涓や釜涔熸槸鍒ゅ喅绯绘暟鍦ㄧ‘瀹氭粸鍚庨」鐨勬椂鍊欑敤 瓒婂皬瓒婂ソ F-statistic 鍋氳仈鍚堟楠岀殑f鍊 Prob(F-statisti...
绛旓細99003cost 鐨 t-statistic灏辩瓑浜 -56銆43329/31銆45720Adjusted R-squared= [1-(n-1)(1-R^2)/(n-k)]S.E of regression= the root of [sum squared resid/(n-k)]F-statistic= R^2 X (n-k)/(1-R^2)k 鍏朵腑鐨 N 鏄 瑙傚療涓ょ殑涓暟 鍗硂bservations 姝ら涓槸16 K 鏄彉閲忕殑涓暟 ...
绛旓細绗簩涓琛锛氱涓琛 R^2涓0.240352 琛ㄧず鍥炲綊鏂圭▼鑳借В閲婄殑24%鐨缁撴灉锛孯^2浠嬩簬0鍜1涔嬮棿锛岃秺澶ц秺濂斤紝姝ゅ鍊艰緝灏忥紝姝ゅ洖褰掓柟绋嬬殑鎷熷悎鏁堟灉涓嶅ソ銆傛渶鍚庝竴琛屽彸杈癸紝姒傜巼鍊煎皬浜0.05锛屾嫆缁濆師鍋囪锛屽洖褰掓柟绋嬬殑绯绘暟涓嶅叏涓洪浂銆傜患涓 鍥炲綊鏂圭▼涓猴細y=3307039*C+2.23*10^8*ROA+56583301*NPA-30842805*CAR 浣...
绛旓細绯绘暟锛屾爣鍑嗚鍜宼 缁熻閲忋傜郴鏁板拰鏍囧噯璇病鏈変粈涔堝ソ璇寸殑锛宼缁熻閲忕殑鏁板瓧鍙互瑙佸緱杩欎釜鍥炲綊鏄悎鐞嗙殑锛屽畬鍏ㄥ彲浠ユ嫆缁濊嚜鍙橀噺鐨勬棤鍏虫с俽-squared鐪嬭捣鏉ラ潪甯稿畬缇庛 Akaike淇℃伅鍑嗗垯鍜孲chwarz鍑嗗垯鍙互鑷繁鍜宺-squared涓庝慨姝ｇ殑r鍊煎鐓т笅銆
