普通最小二乘估计表格的解释
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一、名称含义：
Dependent Variable: 被解释变量
R-squared ：可决系数，Adjusted R-squared ：调整的可决系数。
Coefficient ：变量前面系数的估计。
如上表中0.386180是指模型中GDPP 系数的估计。
Std. Error ：参数估计的样本标准差
t-Statistic ：变量假设检验的T 统计量的值 F-statistic ：方程显著性检验统计量的值
S.E. of regression ：随机扰动项方差的估计开根号后的值：1
^
2--=p n RSS σ
Sum squared resid ：RSS ，残差平方和 Durbin-Watson stat ：DW 统计量的值
Mean dependent var ：被解释变量的样本均值 S.D. dependent var ：被解释变量的样本标准差
二、变量、方程显著性检验的认定：
给定显著性水平，如果Prob 小于显著性水平，那么，拒绝原假设，说明解释变量对被解释有显著性影响。
否则，没有显著性影响。
方程显著性检验的认定：如果Prob(F-statistic)小于显著性水平，那么，拒绝原假设，说
Dependent Variable: CONSP Method: Least Squares Date: 06/03/10 Time: 23:16 Sample: 1978 2000 Included observations: 23 Variable Coefficient Std. Error t-Statistic Prob. GDPP 0.386180 0.007222 53.47471 0.0000 C 201.1189 14.88402 13.51241 0.0000 R-squared 0.992710 Mean dependent var
905.3304 Adjusted R-squared 0.992363 S.D. dependent var 380.6334 S.E. of regression 33.26450 Akaike info criterion 9.929800 Sum squared resid 23237.06 Schwarz criterion 10.02854 Log likelihood -112.1927 F-statistic 2859.544 Durbin-Watson 0.550636 0.000000
明方程显著。
否则，方程不显著。
当进行的一元线性回归模型时，F-statistic= t-Statistic平方，如果不是一元回归，则无此关系。
未列出的几项，课上没有讲过，没有列出。