毕业论文中，回归分析中15个统计量解释
1
回归系数
注意回归系数的正负要符合理论和实际。截距项的回归系数无论是否通过T检验都没有实际的经济意义。
2
回归系数的标准差
标准误差越大，回归系数的估计值越不可靠，这可以通过T值的计算公式可知。
3
T检验
T值检验回归系数是否等于某一特定值，在回归方程中这一特定值为0，因此T值=回归系数/回归系数的标准误差，因此T值的正负应该与回归系数的正负一致，回归系数的标准误差越大，T值越小，回归系数的估计值越不可靠，越接近于0。另外，回归系数的绝对值越大，T值的绝对值越大。
4
P值
P值为理论T值超越样本T值的概率，应该联系显著性水平α相比，α表示原假设成立的前提下，理论T值超过样本T值的概率，当P值...
5
可决系数（R-squared）
都知道可决系数表示解释变量对被解释变量的解释贡献，其实质就是看（y尖-y均）与（y=y均）的一致程度。y尖为y的估计值，y均为y的总体均值。
6
调整后的可决系数
即经自由度修正后的可决系数，从计算公式可知调整后的可决系数小于可决系数，并且可决系数可能为负，此时说明模型极不可靠。
7
回归残差的标准误
残差的经自由度修正后的标准差，OLS的实质其实就是使得均方差最小化，而均方差与此的区别就是没有经过自由度修正。
8
对数似然估计函数值
首先，理解极大似然估计法。极大似然估计法虽然没有OLS运用广泛，但它是一个具有更强理论性质的点估计方法。极大似然估计的出发点是已知被观测现象的分布，但不知道其参数。极大似然法用得到观测值（样本）最高概率的那些参数的值来估计该分布的参数，从而提供一种用于估计刻画一个分布的一组参数的方法。
其次，理解对数似然估计函数值。对数似然估计函数值一般取负值，实际值（不是绝对值）越大越好。
9
DW检验值
DW统计量用于检验序列的自相关，公式就是测度残差序列与残差的滞后一期序列之间的差异大小，经过推导可以得出DW值与两者相关系数的等式关系，因而很容易判断。
10
被解释变量的样本均值
被解释变量的样本均值
（Mean Dependent Var）
11
被解释变量的样本标准误差
被解释变量的样本标准误差（S.D.Dependent Var）
12
赤池信息准则（AIC）
AIC和SC在时间序列分析过程中的滞后阶数确定过程中非常重要，一般是越小越好。
13
施瓦茨信息准则（SC）
与AIC没有任何本质区别，只是加入样本容量的对数值以修正损失自由度的代价。
14
F统计量（F-statistic）
F统计量考量的是所有解释变量整体的显著性，所以F检验通过并不代表每个解释变量的t值都通过检验。当然，对于一元线性回归，T检验与F检验是等价的。
15
prob（F-statistic）
F统计量的P值，一切的P值都是同样的实质意义。
多重随机标签