下列模型是否完美？为什么？

Dependent Variable: S   
Method: Generalized Method of Moments   
Date: 11/19/09   Time: 22:38   
Sample (adjusted): 1994 2007   
Included observations: 14 after adjustments   
Kernel: Bartlett,  Bandwidth: Fixed (2),  No prewhitening   
Simultaneous weighting matrix & coefficient iteration   
Convergence achieved after: 13 weight matrices, 14 total coef iterations   
Instrument list: T LNz(-1) LJ(-1)   
   
Coefficient        Std. Error    t-Statistic    Prob.  
   
LNz -2003.783   749.0004   -2.675277   0.0216
LJ    0.000241   2.53E-05    9.526149    0.0000
C    26958.75    6738.882    4.000479    0.0021
   
R-squared 0.922417                   Mean dependent var  13083.30
Adjusted R-squared 0.908311     S.D. dependent var  2372.657
S.E. of regression 718.4465        Sum squared resid  5677818.
Durbin-Watson stat 1.139659      J-statistic  0.039421

如果基于单位根检验的结果发现变量之间是同阶单整的，那么我们可以进行协整检验。协整检验是考察变量间长期均衡关系的方法。所谓的协整是指若两个或多个非平稳的变量序列，其某个线性组合后的序列呈平稳性。此时我们称这些变量序列间有协整关系存在。因此协整的要求或前提是同阶单整。
但也有如下的宽限说法：如果变量个数多于两个，即解释变量个数多于一个，被解释变量的单整阶数不能高于任何一个解释变量的单整阶数。另当解释变量的单整阶数高于被解释变量的单整阶数时，则必须至少有两个解释变量的单整阶数高于被解释变量的单整阶数。如果只含有两个解释变量，则两个变量的单整阶数应该相同。你的残差序列是平稳的，表示序列间可能是协整的，这种协整检验方法为E-G协整检验法，但E-G协整检验一般适用于两个变量。如果是多个变量的话，最好用Johansen协整检验。

R-squared 0.922417 ,拟合比较好。

很难界定一个模型是否很完美。我判断的你的模型是时间序列模型，不知是否是正确的？如果是时间序列模型，那么但对你的模型，（1）样本的充裕度（自由度）好像有点少，仅14个，可能会影响回归结论的可靠性。（2）至于用广义矩阵法（GMM）还是用系统广义矩阵法（SGMM）哪个好，现有研究还并未形成较为一致的结论。但看国内相关文章，好像更倾向于用SGMM。而你的为GMM。（3）模型的DW值=1.1，说明可能存在序列自相关，回归结论可能并不准确。（4）你没有进行单位根检验与协整检验。对于时间序列数据，可能并不平稳，产生“伪回归”，从而回归结论并不可靠。而且即使是面板数据，14年的时间期限也应该进行面板单位根检验。（5）此外，你采用工具变量，那么应该对工具变量的选择是否合适进行检验。而你并没有提供工具变量检验的结果。因而，我很遗憾的告诉你，严格来讲你的模型真的说不上是完美。不知我的理解是否正确，但希望你不要介意，没有别的意思，仅仅是学术探讨。

因为对你的模型具体形式、数据等不是很了解，因此理解可能存在偏差。呵呵

协整检验实际上也无法保证不是伪回归。
而且我的模型是多元回归，多元回归好像不要求序列同阶单整。
而方程的残差序列是平稳的，通过ADF检验的。

初学者,看不太懂.....不过同意一楼看法....

楼主好人啊，给钱了，太谢谢了。由穷人脱贫致富了。万分感谢楼主

回归模型估计方法选择

我也想知道ㄟ