计量经济学关于根据Eviews软件中的t、F统计量计算方法、公式、步骤 计量经济学中，“eviews”这些字母都代表什么？
\u8ba1\u91cf\u7ecf\u6d4e\u5b66eviews\u4e2d\uff0c\u8fd9\u4e9b\u5b57\u6bcd\u4ee3\u8868\u4ec0\u4e48\uff1f\u81ea\u53d8\u91cf\uff1aY
\u6a21\u578b\uff1a\u6700\u5c0f\u4e8c\u4e58\u6cd5
\u5305\u62ec\uff1a31\u4e2a\u89c2\u5bdf\u503c
---------------------------------------------------------------------------------
\u53d8\u91cf \u53c2\u6570\uff08\u524d\u8ff0\u53d8\u91cf\u7684\u7cfb\u6570\uff09 \u6807\u51c6\u5dee\uff08\u6837\u672c\u7684\u6ce2\u52a8\u6027\uff09 \u540e\u7eed
C\uff08\u5e38\u6570\u76f8\u5f53\u4e8e\u201d1\u201c\uff09 [\u6570\u503c] [\u6570\u503c] [\u6570\u503c]
X1\uff08\u53d8\u91cf1\uff09 [\u6570\u503c] [\u6570\u503c] [\u6570\u503c]
X2\uff08\u53d8\u91cf2\uff09 [\u6570\u503c] [\u6570\u503c] [\u6570\u503c]
\u524d\u7eed
T\u7edf\u8ba1\u91cf\uff08\u7528\u4e8e\u5bf9\u7167T\u68c0\u9a8c\u503c\u5224\u65ad\u7f6e\u4fe1\u6c34\u5e73\uff09 Prob\uff08\u7f6e\u4fe1\u53ef\u80fd\uff0c\u5bf9\u6bd4\u7f6e\u4fe1\u6c34\u5e73\u68c0\u9a8c\u6570\u636e\u662f\u5426\u53ef\u7528\uff09
----------------------------------------------------------------------------------
R²\uff08\u62df\u5408\u5ea6\uff0c\u7528\u4e8e\u5224\u65ad\u56de\u5f52\u662f\u5426\u62df\u5408\u4f18\u826f\uff09 \u5e73\u5747\u65b9\u5dee
\u8c03\u6574R²\uff08\u8c03\u6574\u62df\u5408\u5ea6\uff0c\u4fee\u6b63\u6837\u672c\u5e26\u6765\u7684\u5f71\u54cd\u4fbf\u4e8e\u6a2a\u5411\u5bf9\u6bd4\uff09 \u6807\u51c6\u5dee
SE of regression \u6807\u51c6\u8bef\uff08\u8861\u91cf\u6b8b\u5dee\u6c34\u5e73\uff09\uff0csum squared resid \u6b8b\u5dee\u5e73\u65b9\u548c\u5373RSS\uff09
\u540e\u9762\u4e24\u4e2a\u51c6\u5219\uff08criterion\uff09\u662f\u9700\u8981\u7ed3\u5408\u5176\u4ed6\u6d4b\u8bd5\u9a8c\u8bc1\u6a21\u578b\u5e73\u7a33\u6027\u3001\u504f\u6001\u7b49\u7279\u6027\u3002
log likelihood \u53cd\u6620\u62df\u5408\u7a0b\u5ea6\uff0c\u4e00\u822c\u8d8a\u5c0f\u8d8a\u597d\u3002
F\u7edf\u8ba1\u91cf \u4e00\u822c\u9700\u8981\u7ed3\u5408F\u6d4b\u8bd5\u5224\u65ad\u6a21\u578b\u6574\u4f53\u7f6e\u4fe1\u5ea6\u3002Prob\uff08F\uff09\u6807\u8bb0F\u68c0\u9a8c\u7684\u7ed3\u679c\u4e00\u822c\u5c0f\u4e8e\u7f6e\u4fe1\u5ea6\u4e3a\u6a21\u578b\u53ef\u63a5\u53d7\u3002
DWtest \u675c\u5bbe\u74e6\u68ee\u68c0\u9a8c\uff0c\u4e00\u822c\u68c0\u9a8c\u6a21\u578b\u81ea\u76f8\u5173\u7a0b\u5ea6\u3002
\u4e0a\u8ff0\u4ecb\u7ecd\u6bd4\u8f83\u7b3c\u7edf\uff0c\u9700\u8981\u4f60\u81ea\u5df1\u6839\u636e\u5173\u952e\u8bcd\uff08\u5982\u675c\u5bbe\u74e6\u68ee\u68c0\u9a8c\u7b49\uff09\u7ee7\u7eed\u5b66\u4e60\u624d\u80fd\u5f04\u660e\u767d\u3002\u5168\u90e8\u89e3\u91ca\u6e05\u695a\u81f3\u5c11\u4e5f\u5f97\u4e00\u672c\u5c0f\u518c\u5b50\u4e86\u3002\u56e0\u6b64\u66f4\u591a\u8fd8\u9700\u9760\u81ea\u5df1\u53bb\u4e00\u70b9\u70b9\u5f04\u61c2\u4e86\u3002
\u8ba1\u91cf\u7ecf\u6d4e\u5b66\u4e2d\uff0c\u201ceviews\u201d\u8fd9\u4e9b\u5b57\u6bcd\u7684\u610f\u601d\u5982\u4e0b\uff1a
R-SQUARED \u5224\u5b9a\u7cfb\u6570\uff0c\u8d8a\u8fd11\u8d8a\u597d\u3002
ADJUSTED R-SQUARED \u8c03\u6574\u7684\u5224\u5b9a\u7cfb\u6570\uff0c\u5927\u591a\u60c5\u51b5\u4e0b\u7565\u5c0f\u4e8e\u5224\u5b9a\u7cfb\u6570\u3002
S.E. OF REGRESSION \u56de\u5f52\u6807\u51c6\u5dee\uff0c\u8d8a\u5c0f\u8d8a\u597d\u3002
LOG LIKELIHOOD \u4f3c\u7136\u4f30\u8ba1\u503c\uff0c\u6682\u53ef\u4e0d\u8003\u8651\u3002
DURBIN-WATSON STAT \u675c\u5bbe-\u74e6\u7279\u68ee\u7edf\u8ba1\u91cf\uff0c\u68c0\u9a8c\u662f\u5426\u5b58\u5728\u4e00\u9636\u81ea\u76f8\u5173\u7684\u6307\u6807\u3002
MEAN DEPENDENT VAR \u88ab\u89e3\u91ca\u53d8\u91cf\u7684\u5747\u503c\u3002
S.D. DEPENDENT VAR \u88ab\u89e3\u91ca\u53d8\u91cf\u7684\u6807\u51c6\u5dee\u3002
AKAIKE INFO CRITERION \u8d64\u8fdf\u4fe1\u606f\u51c6\u5219\u3002
SCHWARZ CRITERION\u65bd\u74e6\u8328\u51c6\u5219\uff0c\u4ee5\u4e0a\u4e24\u8005\u90fd\u662f\u7528\u6765\u786e\u5b9a\u6700\u4f18\u6ede\u540e\u671f\u7684\u6307\u6807\uff0c\uff08AIC\u5e38\u7528\uff09\u3002
F-STATISTIC \u4e3aF\u7edf\u8ba1\u91cf\uff0c\u68c0\u9a8c\u65b9\u7a0b\u6574\u4f53\u663e\u8457\u6027\u7684\u6307\u6807\u3002
PROB(F-STATISTIC)\u662fF\u7edf\u8ba1\u91cf\u7684\u4f34\u968f\u6982\u7387\uff0c\u5982\u679c\u5c0f\u4e8e0.05\u8868\u660e\u6240\u6709\u7684\u5f85\u4f30\u53c2\u6570\u4e0d\u5168\u4e3a\u96f6\u3002
T统计量=对应系数/对应se。 相当于做系数=0的t检验，系数就是报告的coefficient，se就是报告的std error。
F统计量=R2*(n-k-1)/（（1-R2）*k） 相当于做全部系数等于零的检验。在这里k是解释变量个数，你这里是3个解释变量，n是在这个回归里包括的观测值，上面也给了，R2就是你这里的报告出来的R-SQUARED（非调整的）。
公式在书上的，百度没法输入公式的
我替别人做这类的数据分析蛮多的
随便百度一下，F检验，等等就可以看到所以的计算公式
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锛璁￠噺缁忔祹...
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锛璁￠噺缁忔祹...
绛旓細F缁璁￠噺=R2*(n-k-1)/锛堬紙1-R2锛*k锛 鐩稿綋浜庡仛鍏ㄩ儴绯绘暟绛変簬闆剁殑妫楠屻傚湪杩欓噷k鏄В閲婂彉閲忎釜鏁帮紝浣犺繖閲屾槸3涓В閲婂彉閲忥紝n鏄湪杩欎釜鍥炲綊閲屽寘鎷殑瑙傛祴鍊硷紝涓婇潰涔熺粰浜嗭紝R2灏辨槸浣犺繖閲岀殑鎶ュ憡鍑烘潵鐨凴-SQUARED锛堥潪璋冩暣鐨勶級銆
绛旓細S.E. of regression 鍥炲綊鐨勬爣鍑嗗樊 Sum squared resid 娈嬪樊骞虫柟鍜 Log likelihood 浼肩劧鍊 Durbin-Watson stat DW缁璁￠噺 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-statist...
绛旓細璁￠噺缁忔祹瀛鏄互涓瀹氱殑缁忔祹鐞嗚鍜岀粺璁¤祫鏂欎负鍩虹锛岃繍鐢ㄦ暟瀛︺佺粺璁″鏂规硶涓庣數鑴戞妧鏈紝浠ュ缓绔缁忔祹璁￠噺妯″瀷涓轰富瑕佹墜娈碉紝瀹氶噺鍒嗘瀽鐮旂┒鍏锋湁闅忔満鎬х壒鎬х殑缁忔祹鍙橀噺鍏崇郴鐨勪竴闂ㄧ粡娴庡瀛︾銆備富瑕佸唴瀹瑰寘鎷悊璁鸿閲忕粡娴庡鍜屽簲鐢ㄧ粡娴庤閲忓銆傜悊璁虹粡娴庤閲忓涓昏鐮旂┒濡備綍杩愮敤銆佹敼閫犲拰鍙戝睍鏁扮悊缁熻鐨勬柟娉曪紝浣夸箣鎴愪负缁忔祹鍏崇郴娴嬪畾鐨...
绛旓細銆璁￠噺缁忔祹瀛锛氱悊璁?鏂规硶?EViews搴旂敤銆嬫槸涓鏈灏界殑鏁欐潗锛屽畠娣卞叆鍓栨瀽浜嗚閲忕粡娴庡鐨勬牳蹇冪悊璁哄拰骞挎硾閲囩敤鐨勬柟娉曘備粠鍩虹鐨勫紑濮嬶紝涔︿腑璇︾粏璁茶В浜嗕竴鍏冪嚎鎬у洖褰掓ā鍨嬪拰澶氬厓绾挎у洖褰掓ā鍨嬶紝杩欎簺鏄悊瑙ｅ拰鐮旂┒缁忔祹鏁版嵁鐨勯噸瑕佸伐鍏枫備功涓繕鐗瑰埆鍏虫敞浜嗕竴浜涘鏉傜殑缁熻闂锛屽闅忔満瑙ｉ噴鍙橀噺鐨勫鐞嗐佸閲嶅叡绾挎х幇璞＄殑璇嗗埆涓...
绛旓細棣栧厛鍒╃敤Eviews杞欢瀵规ā鍨嬭繘琛孫LS浼拌,寰楁牱鏈洖褰掓柟绋嬨 鍒╃敤Eviews杈撳嚭缁撴灉濡備笅: Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:08 Sample: 1 23 Included observations: 23 Variable Coefficient Std. Error t-Statistic Prob. C -1682.180 1311.506 -1.282633 0.2159 X1 564.3490 395.233...
绛旓細鐨勫硷紝璁颁负s 锛3锛塖um squared resid锛堟畫宸」骞虫柟鍜岋級鐨勫硷紝璁颁负r 鍒欙細鍙喅绯绘暟=[s*s*锛坣-1锛-r]/[s*s*(n-1)]鍏朵粬t缁璁￠噺锛岋紝鍥炲綊鏍囧噯宸皟鏁寸殑鍙喅绯绘暟鍙 璋冩暣鐨勫悗鐨勫彲缁濈郴鏁=1-(1-R^2)锛坣-1锛/(n-k)F缁熻閲=(n-k)R^2/[(1-R^2)(k-1)]R^2灏辨槸鍙喅绯绘暟 ...
绛旓細D锛峎鍊硷紳2锛1锛峔rho锛夛紝杩欓噷\rho鏄畫宸」u_t涓嶶_t-1鐨勭浉鍏崇郴鏁帮紝鏍规嵁杩欏紶鍥撅紝鏄棤娉曟眰瑙ｅ嚭DW鍊肩殑銆傝繖寮犲浘鐨勪腑R2鍙眰F锛孯2鍙眰璋冩暣鐨凴2锛屽叾瀹冪殑灏辨槸浼肩劧鍊硷紝鍧囧硷紝鏂瑰樊锛孉IC鍊艰繖绫伙紝灏辨槸娌″崗鏂瑰樊鐨勬暟鎹紝鎵浠ワ紝鏃犺В銆
绛旓細璁￠噺缁忔祹瀛瀹為獙鎶ュ憡鍙傝冩牸寮忥細涓銆佷粙缁嶄富棰橈紝鎻愬嚭鎰熷叴瓒ｇ殑涓昏闂 瀹為獙鎶ュ憡鐨勫墠鍑犳搴旇瀵逛富棰樿繘琛屾湁瓒ｇ殑鎻忚堪銆傜爺绌堕」鐩殑浠嬬粛閮ㄥ垎搴旇鍖呮嫭浠ヤ笅涓や釜閮ㄥ垎锛堟寜椤哄簭鎺掑垪锛夛細1銆佷富棰樿鏄庯紱2銆佸鏂规硶鐨勬弿杩般備簩銆佸洖椤剧幇鏈夋枃鐚 鍏朵粬鐮旂┒浜哄憳鍙兘宸茬粡鐮旂┒浜嗙浉鍏充富棰橈紝鎵浠ユ姤鍛婄殑涓涓儴鍒嗗簲璇ュ洖椤惧叧浜庤繖涓富棰樼殑鍏朵粬...
