eviews的分析结果

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

急！请问关于eviews做多元线性回归的分析结果怎么看？？？附图如下：
     用eviews做多元线性回归：Y为房地产销售面积，X1为商品房销售均价，X2人均可支配收入，X3GDP  ，X4恩格尔系数，X5城镇人化水平，X6银行拆借利率

结果如下

Dependent Variable: Y
Method: Least Squares
Date: 08/02/14   Time: 21:15
Sample: 1998 2012
Included observations: 15
	Coefficient	Std. Error	t-Statistic	Prob.
C	-128.0103	345.9324	-0.370044	0.7210
X1	0.077955	0.063114	1.235157	0.2518
X2	-0.001965	0.022098	-0.088931	0.9313
X3	-0.120000	0.247246	-0.485346	0.6404
X4	-3.823980	5.391911	-0.709207	0.4983
X5	9.361186	5.076157	1.844148	0.1024
X6	1.351033	16.83127	0.080269	0.9380
R-squared	0.902715	Mean dependent var		180.6907
Adjusted R-squared	0.829751	S.D. dependent var		108.4508
S.E. of regression	44.74816	Akaike info criterion		10.74470
Sum squared resid	16019.18	Schwarz criterion		11.07513
Log likelihood	-73.58527	Hannan-Quinn criter.		10.74118
F-statistic	12.37208	Durbin-Watson stat		3.212076
Prob(F-statistic)	0.001143

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：EVIEWS Views Eview view EWS 恩格尔系数 房地产销售 商品房

系数值
系数的t比例
系数的p值 由于p值较大 所以不能拒绝X1到x6对y都没有影响的假设！！！
但是注意到 F值的P值很小 又说明拒绝X1到x6对y都没有影响的假设！！！
所以你这个回归方法是有问题的 你用的是OLS
所以我建议你用WLS或者OLS的White稳健和Newey-West稳健方差！！！模型股价的残差项肯定存在着自相关或者异方差性

如一楼所讲，虽然模型的F检验是通过了，但各个系数的检验都不好，考虑1，变量间的相关性高么？有没有共线性和异方差？样本容量怎样等问题。也可以参考一楼的方法~~~~

fantuanxiaot 发表于 2014-8-3 19:36
系数值
系数的t比例
系数的p值 由于p值较大 所以不能拒绝X1到x6对y都没有影响的假设！！！

好的，谢谢！

胖胖小龟宝 发表于 2014-8-4 09:50
如一楼所讲，虽然模型的F检验是通过了，但各个系数的检验都不好，考虑1，变量间的相关性高么？有没有共线性 ...

也就是说我用的方法有问题？那如果对变量取对数进行检验会不会好点？

遇见—萍 发表于 2014-8-4 10:09
也就是说我用的方法有问题？那如果对变量取对数进行检验会不会好点？

我觉得还是先搞清楚问题出在哪。如果是数据量上偏少导致检验不好，那么增加样本量；如果是指标选择上有问题，那么考虑如何筛选指标。在这两点上没太大问题了，若模型检验效果还不好，就要看是否存在异方差等问题，就要考虑消除异方差，此时取对数，甚至换模型都可以尝试一下。

胖胖小龟宝 发表于 2014-8-4 10:35
我觉得还是先搞清楚问题出在哪。如果是数据量上偏少导致检验不好，那么增加样本量；如果是指标选择上有问 ...

好的，谢谢！

用White或者Newey-west稳健方差

fantuanxiaot 发表于 2014-8-4 16:31
用White或者Newey-west稳健方差

为了使需求模型更具有经济意义，我取对数做回归的结果变成这样，p值还是很大，t值又偏小，要怎么办？

Dependent Variable: LNY               
Method: Least Squares               
Date: 08/04/14   Time: 18:42               
Sample: 1998 2012               
Included observations: 15               
                               
                               
        Coefficient        Std. Error        t-Statistic        Prob.  
                               
                               
C        9.564802        19.35535        0.494168        0.6345
LOG(X1)        0.551183        0.804362        0.685243        0.5126
LOG(X2)        -1.029647        2.806080        -0.366934        0.7232
LOG(X3)        0.720286        2.184634        0.329705        0.7501
LOG(X4)        -2.502529        1.579394        -1.584487        0.1517
LOG(X5)        1.535717        1.294957        1.185922        0.2697
LOG(X6)        -0.133194        0.267461        -0.497996        0.6319
                               
                               
R-squared        0.921120            Mean dependent var        4.988180
Adjusted R-squared        0.861960            S.D. dependent var        0.709724
S.E. of regression        0.263689            Akaike info criterion        0.476634
Sum squared resid        0.556256            Schwarz criterion        0.807057
Log likelihood        3.425248            Hannan-Quinn criter.        0.473114
F-statistic        15.56997            Durbin-Watson stat        3.056175
Prob(F-statistic)        0.000510                       
                               
                               

打开后
打开选择界面options
点上estimation default
有white和HAC(Newey-west)稳健方法
还有 做计量一定要有理论基础！！！