GAUSS马尔科夫区制转换模型运行结果判断

各位请帮我看看这个运行结果是否能够通过呢？
我的模型是MSM（3）-VAR（2）方程详见附件

=================Final Results of the Maximum likelihood optimization ==================

Log likelihood    -80.62789271
Convergence code :      0.00000000
The EM algorithm has converged.

Degree of freedom     59.00000000
Number of observations :                73
Number of parameters :                14

                                Estimates                       Gradient                    Standard-errors                  T-student                    Pvalue.
-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
X01                             0.944010                     -0.000150                      0.045336                     20.822436                      0.000000
X02                             0.110832                     -0.000011                      0.075609                      1.465855                      0.147997
X03                             0.001000                      0.000000                      0.000000                          +INF                      0.000000
X04                             0.031152                      0.000149                      0.038638                      0.806247                      0.423338
X05                             0.889168                      0.000010                      0.075610                     11.759923                      0.000000
X06                             0.128018                     -0.000003                      0.160836                      0.795954                      0.429250
X07                            -0.420092                      0.000600                      0.143599                     -2.925448                      0.004876
X08                             0.200725                      0.000206                      0.122728                      1.635536                      0.107261
X09                             0.835687                      0.000090                      0.616817                      1.354838                      0.180634
X10                             0.457579                     -0.000591                      0.108332                      4.223849                      0.000084
X11                             0.229043                     -0.000733                      0.083140                      2.754908                      0.007795
X12                             2.272514                     -0.000136                      1.219811                      1.863005                      0.067442
X13                            -0.393807                      0.000114                      0.114419                     -3.441802                      0.001068
X14                            -0.387794                      0.000163                      0.098941                     -3.919452                      0.000234
Duration of estimation, in secs5.07800000

parameter
0.94401008
0.11083162
0.00100000
0.03115174
0.88916829
0.12801788
-0.42009213
0.20072523
0.83568727
0.45757866
0.22904287
2.27251445
-0.39380705
-0.38779440

=================Final Parameters  ==================


=================Final matrix of markovian transition probabilities P[i,j]: ==================
      0.94401008      0.11083162      0.00100000
      0.03115174      0.88916829      0.12801788
      0.02483818      0.00000010      0.87098212

=================Final ergodic probabilities :=================
      0.58963628
      0.29684827
      0.11351545

=================Final transposed conditional beta, covariances, var_res by regime, y1..yk series in column :=================
==============Regime      1.00000000=============
Beta
     -0.42009213
Delta
     -0.39380705
     -0.38779440
Sigma
      0.45757866
==============Regime      2.00000000=============
Beta
      0.20072523
Delta
     -0.39380705
     -0.38779440
Sigma
      0.22904287
==============Regime      3.00000000=============
Beta
      0.83568727
Delta
     -0.39380705
     -0.38779440
Sigma
      2.27251445
==============Block matrix of beta, delta,  covariances, by regime, y1..yk series in column :=============
Beta:
     -0.42009213      0.20072523      0.83568727

Delta:
     -0.39380705     -0.39380705     -0.39380705
     -0.38779440     -0.38779440     -0.38779440
Sigma:
      0.45757866      0.22904287      2.27251445

================== Residual analysis and diagnostics - Copyright (C) 2004 by Benoit BELLONE ================

===Covariance matrix of residuals===
      0.53983342
=== Information Criteria based upon Residual Covariance Matrix Analysis ===
-------------------------------------------------------------------------------------------------------------
       BIC       AICa      AICc        SIC         FPE       AIC       HQ      
-------------------------------------------------------------------------------------------------------------
    -0.496    -0.532     0.412     0.585     0.587    -0.560    -0.535
===================  Multivariate analysis of residuals - Jarque Berra ===================
Jarque and Bera Test, Under Ho : 'Residuals are normal'
JB stat: 32.794
Pvalue :  0.000
The Normality hypothesis is rejected at 1%

还请大家帮忙判断一下该运行结果是否是可信的，万分感谢！

凭借基本的知识来看，效果不算很好！

红楼结社 发表于 2012-3-23 10:48
凭借基本的知识来看，效果不算很好！

请问不算很好指的是哪个指标不好呢？急等回答

zhaowuxu 发表于 2012-3-24 10:47
请问不算很好指的是哪个指标不好呢？急等回答

你只给出了P值，我感觉都很大！t_统计量未知

红楼结社 发表于 2012-3-24 10:56
你只给出了P值，我感觉都很大！t_统计量未知

请问可不可以QQ请教呢？急着解决这个问题，谢谢啦

zhaowuxu 发表于 2012-3-24 11:04
请问可不可以QQ请教呢？急着解决这个问题，谢谢啦

我并非内行，只是懂得简单统计量！其他不清楚

楼主，你的检验结果最后部分显示好像拒绝了正态分布的假设。效果一般阿