1樓：
沒分析的必要的，因為f統計量的伴隨概率p已經是0.36了，整體不顯著！
怎麼從eviews迴歸分析結果中看出有沒有顯著影響 10
2樓：空嵐沫
模型中解釋變數的估計值為-0.466102，標準差是0.069349,標準差是衡量回歸係數值的穩定性和可靠性的，越小越穩定，解釋變數的估計值的t值是用於檢驗係數是否為零的，若值大於臨界值則可靠。
估計值的顯著性概率值（prob)都小於5%水平，說明係數是顯著的。r方是表示迴歸的擬合程度，越接近1說明擬合得越完美。調整的r方是隨著變數的增加，對增加的變數進行的「懲罰」。
d-w值是衡量回歸殘差是否序列自相關，如果嚴重偏離2，則認為存在序列相關問題。f統計值是衡量回歸方程整體顯著性的假設檢驗，越大越顯著。
3樓：九月
1、引數顯著性檢驗t檢驗對應的prob，若小於0.05則引數的顯著性檢驗通過，再看r方，越接近1，擬合優度越高；f的p值，小於0.05的話模型才顯著，dw用來檢驗殘差序列的相關性的，在2的附近，說明殘差序列不相關。
2、標準差是衡量回歸係數值的穩定性和可靠性的，越小越穩定，解釋變數的估計值的t值是用於檢驗係數是否為零的，若值大於臨界值則可靠。
估計值的顯著性概率值（prob)都小於5%水平，說明係數是顯著的。r方是表示迴歸的擬合程度，越接近1說明擬合得越完美。調整的r方是隨著變數的增加，對增加的變數進行的「懲罰」。
d-w值是衡量回歸殘差是否序列自相關，如果嚴重偏離2，則認為存在序列相關問題。f統計值是衡量回歸方程整體顯著性的假設檢驗，越大越顯著。
擴充套件資料：
主要功能
引入了流行的物件概念，操作靈活簡便，可採用多種操作方式進行各種計量分析和統計分析，資料管理簡單方便。其主要功能有：
1、採用統一的方式管理資料，通過物件、檢視和過程實現對資料的各種操作；
2、輸入、擴充套件和修改時間序列資料或截面資料，依據已有序列按任意複雜的公式生成新的序列；
3、計算描述統計量：相關係數、協方差、自相關係數、互相關係數和直方圖；
4、進行t 檢驗、方差分析、協整檢驗、granger 因果檢驗；
5、執行普通最小二乘法、帶有自迴歸校正的最小二乘法、兩階段最小二乘法和三階段最小二乘法、非線性最小二乘法、廣義矩估計法、arch 模型估計法等；
6、對二擇一決策模型進行probit、logit 和gompit 估計；
7、對聯立方程進行線性和非線性的估計；
8、估計和分析向量自迴歸系統；
9、多項式分佈滯後模型的估計；
10、迴歸方程的**；
11、模型的求解和模擬；
12、資料庫管理；
13、與外部軟體進行資料交換。
eviews迴歸分析結果怎麼看
4樓：
1、迴歸分析是**中最常用的研究假設檢驗技術，想知道自變項x對依變項y的解釋力或**力時，最常用的是線性迴歸spss: analyze- regression- linear。
2、彈出對話方塊，輸入想要驗證的自變項和依變項，如圖。
3、如圖，sig. p<.05,有顯著性， 表示自變項x對依變項y的解釋力或**力正相關。
4、r square 自變數能夠解釋依變數的變異量，此處.763表示共同解釋76.3%的變異量，**報告中要報告調整後的r平方，即adjusted r square。
5樓：徐臨祥
eviews迴歸分析結果看法如下：1.引數顯著性檢驗t檢驗對應的prob，若小於0.
05則引數的顯著性檢驗通過，再看r方，越接近1，擬合優度越高；2.f的p值，小於0.05模型才顯著，dw用來檢驗殘差序列的相關性的，在2的附近，說明殘差序列不相關，結合所述，可以一個個對照分析。
6樓：隔夜的狂歡
引數顯著性檢驗t檢驗對應的prob，若小於0.05則引數的顯著性檢驗通過，再看r方，越接近1，擬合優度越高；f的p值，小於0.05的話模型才顯著，dw用來檢驗殘差序列的相關性的，在2的附近，說明殘差序列不相關，結合我說的，你一個個去對照吧
我的eviews的迴歸分析結果，幫我分析下吧！謝謝~ 20
7樓：匿名使用者
你的自變數y z c，只有c通過了檢驗（只有c的概率p值0.0006小於顯著性水平0.05），迴歸模型的r方值為0.
396133，這裡由於有多個自變數，應看調整之後的r方值，為0.194844，蠻低。而且最重要的是模型的方差檢驗沒有通過檢驗，即說明模型建立不好，需要重新建立（因為f值對應的概率p值0.
220203大於顯著性水平0.05）
用eviews做出了迴歸結果但不知道他的顯著性水平
8樓：匿名使用者
可以看t值，絕對值小於2的沒有通過顯著性檢驗，去掉變數的時候先去掉t值絕對值最小的，然後第二小的，直到t值絕對值都大於2，即可。也可以看p值，就是最後一項，絕對值大於0.05的都沒通過，去掉變數的時候從大到小去，所以兩種方法是一樣的。
上述方法都是基於α=95%，只知道兩種方法，不知道第三種怎麼判斷。
spss中迴歸分析結果解釋，不懂怎麼看
9樓：中子
首先來說明各個符號，b也就是beta，代表迴歸係數，標準化的迴歸係數代表自變數也就是**變數和因變數的相關，為什麼要標準化，因為標準化的時候各個自變數以及因變數的單位才能統一，使結果更精確，減少因為單位不同而造成的誤差。t值就是對迴歸係數的t檢驗的結果，絕對值越大，sig就越小，sig代表t檢驗的顯著性，在統計學上，sig<0.05一般被認為是係數檢驗顯著，顯著的意思就是你的迴歸係數的絕對值顯著大於0，表明自變數可以有效**因變數的變異，做出這個結論你有5%的可能會犯錯誤，即有95%的把握結論正確。
迴歸的檢驗首先看anova那個表，也就是f檢驗，那個表代表的是對你進行迴歸的所有自變數的迴歸係數的一個總體檢驗，如果sig<0.05,說明至少有一個自變數能夠有效**因變數，這個在寫資料分析結果時一般可以不報告
然後看係數表，看標準化的迴歸係數是否顯著，每個自變數都有一個對應的迴歸係數以及顯著性檢驗
最後看模型彙總那個表，r方叫做決定係數，他是自變數可以解釋的變異量佔因變數總變異量的比例，代表迴歸方程對因變數的解釋程度，報告的時候報告調整後的r方，這個值是針對自變數的增多會不斷增強**力的一個矯正（因為即使沒什麼用的自變數，只要多增幾個，r方也會變大，調整後的r方是對較多自變數的懲罰），r可以不用管，標準化的情況下r也是自變數和因變數的相關
希望對您有用
10樓：匿名使用者
看coeffuenthesig即可，
如何看懂這張eviews迴歸分析的圖
11樓：匿名使用者
t值的絕對值分別為7.52和4.11，都比較大（一般給定顯著性水平，t的臨界值在2左右），表明它們是統計顯著的；當然，由於ser01的t值小於0，表明其對被解釋變數ser02的影響顯著為負。
p值都很小，從另一個角度說明截距與解釋變數都統計顯著。
r^2為0.4042，表明被解釋變數（ser02）的波動，有40%左右可以歸結為解釋變數（ser01）的波動所引致。
用eviews分析的迴歸分析結果在下面
依 引數顯著性檢驗t檢驗對應的prob，若小於005則引數的顯著性檢驗通過，再看r方，越接近依，擬合優度越高 f的p值，小於005的話模型才顯著，dw用來檢驗殘差序列的相關性的，在貳的附近，說明殘差序列不相關。貳 標準差是衡量回歸係數值用eviews分析的迴歸分析結果在下面 怎麼從eviews迴歸分...
SPSS邏輯迴歸結果解讀，到底看哪個p值
你把結果 截圖發上來啊 logistic迴歸的解讀內容較複雜。可閱讀此文章 網頁連結 spssau分析的時候有智慧文字分析會對你產生幫助。spss中迴歸分析結果解釋，不懂怎麼看 首先來說明各個符號，b也就是beta，代表迴歸係數，標準化的迴歸係數代表自變數也就是 變數和因變數的相關，為什麼要標準化，...
spss多元線性迴歸，結果的標準差 000，t值和p值都只有個小數點。求解
原因就是你不懂多元迴歸，但是亂在spss裡面點，所以會出現很多莫名其妙的提示 我經常幫別人做這類的資料分析的 在用spss做一個線性迴歸分析，結果如圖，r方很低，但是顯著性都還可以。問題是這個模型 效果很差。你可以嘗試著先繪製下散點圖看看 會不會用其他曲線擬合的效果會更好，很多時候資料用線性和一些非...