计量经济学上机操作过程详解
计量经济学上机实验
计量经济学上机实验上机实验一：一元线性回归模型实验目的：EViews软件的基本操作实验内容：对线性回归模型进行参数估计并进行检验上机步骤：中国内地2011年中国各地区城镇居民每百户计算机拥有量和人均总收入一．建立工作文件：1.在主菜单上点击File\New\Workfile；2.选择时间频率，A3.键入起始期和终止期，然后点击OK；二．输入数据:1.键入命令：DATA Y X2.输入每个变量的统计数据；3.关闭数组窗口（回答Yes）;三．图形分析：1.趋势图：键入命令PLOT Y X2.相关图：键入命令 SCAT Y X 散点图：趋势图：上机结果：Yˆ11.958+0.003X=s (βˆ) 5.6228 0.0002t (βˆ) 2.1267 11.9826prob 0.0421 0.00002=0.831 R2=0.826 FR=143.584 prob(F)=0.0000上机实验二：多元线性回归模型实验目的：多元回归模型的建立、比较与筛选，掌握基本的操作要求并能根据理论对分析结果进行解释实验内容：对线性回归模型进行参数估计并进行检验上机步骤：商品的需求量与商品价格和消费者平均收入趋势图：散点图：上机结果:i Yˆ=132.5802-8.878007X1-0.038888X2s (βˆ) 57.118 4.291 0.419t (βˆ) 2.321 -2.069 -0.093prob 0.0533 0.0773 0.9286 R2=0.79 R2=0.73 F =13.14 prob(F)=0.00427三：非线性回归模型实验目的：EViews软件的基本操作实验内容：对线性回归模型进行参上机步骤：我国国有独立核算工业企业统计资料一．建立工作文件：1.在主菜单上点击File\New\Workfile；2.选择时间频率，A3.键入起始期和终止期，然后点击OK；二．输入数据:1.键入命令：DATA Y L K2.输入每个变量的统计数据；3.关闭数组窗口（回答Yes）;三．图形分析：1.趋势图：键入命令PLOT Y K L2.相关图：键入命令 SCAT Y K L四．估计回归模型：键入命令LS Y C K L上机结果：Y =4047.866K1.262204L-1.227157s (βˆ) 17694.18 0232593 0.759696t (βˆ) 0.228768 5.426669 -1.615325prob 0.8242 0.0004 0.1407R2=0.989758 R2=0.987482 F=434.8689 prob(F)=0.0000上机实验四：异方差实验目的：：掌握异方差的检验与调整方法的上机实现实验内容：我国制造工业利润函数行业销售销售行业销售销售实验步骤：一．检验异方差性1．图形分析检验：1) 观察Y、X相关图：SCAT Y X2) 残差分析:观察回归方程的残差图LS Y C X在方程窗口上点击Residual按钮；2． Goldfeld-Quant检验：SORT XSMPL 1 10LS Y C X（计算第一组残差平方和）SMPL 19 28LS Y C X（计算第二组残差平方和）计算F统计量，判断异方差性3．White检验：SMPL 1 28LS Y C X在方程窗口上点击：View\Residual\Test\White Heteroskedastcity 由概率值判断异方差性。
计量经济学上机操作步骤
上机操作步骤：1、样本回归模型：data y x ls y c x2、Goldfeld-Quandt 法：Sort x （假设有60 个样本，去掉中间16个，则样本应是以下）Smpl 1 22Ls y c xRss1=Smpl 39 60Ls y c xRss2=F=rss2/rss1= >F 0.05(22,22) ≈2.05模型存在异方差。
3、White 方法检验模型：（解释变量只有x,就用no cross ,若是有x2 x3 x4等多个解释变量，就用cross ）Smpl 1 60Ls y c x在方程窗口点View/residual/white ………nR 2= ,> 205.0χ（2）=5.99,或P=0.0044 (n 是样本个数，R^2是可决系数) 4、加权最小二乘法（WLS ）法：ls y c xgenr w1=1/resid^2（建议采用此权重变量，也可以使用其他权重变量）ls(w=w1) y c x5、使用互相关分析命令，初步判断滞后期的长度：cross y x6、阿尔蒙法建立分布滞后模型：ls y c pdl(x,s,m) （s 代表滞后期长度，m 一般取2或者3.）7、模型的短期乘数就是x 的系数。
8、DW 检验法：DW=2，ρ=0，DW=0，一阶高度正相关，DW=4，一阶高度负相关。
dl DW ≤≤0，一阶正相关，44≤≤-DW dl ，一阶负相关。
9、BG 检验法：在方程窗口点击VIEW/RESIDUIAL TEST/ SERIAL CORRELATION LM TEST10、广义差分法：ident residls y c x ar(1)11、虚拟变量模型：（从1985-1998,1996为分界线）smpl 1985 1995genr d1 = 0smpl 1996 1998genr d1 = 1data d1genr xd = x*d1smpl 1985 1998ls y c x d1 xd12、多重共线性：1、简单相关系数检验COR X1 X2 X3 X42、某一解释变量(如X1)的VIFLS X1 C X2 X3 X4 VIF=1/(1-R2)3、某一解释变量(如X1)的TOL：TOL=1/VIF=1-R24、采用逐步回归法建立最终方程13、Glejser检验 (假定h=1时)Ls y c xGenr e1=abs(resid)Ls e1 c xF= ，或P=14、Park检验Ls y c xGenr lne2=log(resid^2)Genr lnx=log(x)Ls lne2 c lnxF= , 或P=15、偏相关系数检验LS Y C XIDENT RESID16：非线性回归模型1、可线性化(重点掌握)如：LNY=a + bLNX则 LS LOG(Y) C LOG(X)以及多项式模型、指数模型、幂函数等。
计量经济学上机
问题：
1、AR(1),AR(2)前面的系数代表什么？ 2、自回归系数 是怎么估计出来的？有哪 几种方法？在EVIEWS软件中用的哪种方法？ 3、写出用广义差分法估计模型后的模型估计 结果 。
第四步 结果分析
估计结果为：
ˆ M t 169.32 0.020GDP 1.108AR[1] 0.801AR[2] t
(3.8ห้องสมุดไป่ตู้) (18.45) (6.11) (-3.61)
取=5% ，DW>du=1.66(样本容量:22)
表明:广义差分模型已不存在序列相关性。
作业：
教材136页习题8 1、估计模型，写出估计结果。模型数学形式 采用双对数形式。 2、检验是否存在序列相关性，写出检验过程。 (1)DW检验； (2)LM检验。 3、用广义差分法来重新估计模型。写出估计 结果。
分析结论：
经LM检验，模型中存在二阶序列相关。 同理，我们还可以检验是否有三阶序列相关。
3阶滞后：
~ ~ ~ ~ et 6.692 0.0003 GDP 1.108et 1 0.819et 2 0.032et 3
(0.22) (-0.497) R2=0.6615 (4.541) （-1.842） （0.087）
•分析结果
2阶滞 后：
~ ~ ~ et 6.593 0.0003 GDP 1.094et 1 0.786et 2 t
（0.23）（-0.50） (6.23) （-3.69）
R2=0.6614
于是，LM=240.6614=15.87
取=5%，2分布的临界值20.05(2)=5.991 LM > 20.05(2) 故: 存在正自相关
计量经济学 上机实验手册汇总
实验三 异方差性实验目的：在理解异方差性概念和异方差对OLS 回归结果影响的基础上，掌握进行异方差检验和处理的方法。
熟练掌握和运用Eviews 软件的图示检验、G-Q 检验、怀特（White ）检验等异方差检验方法和处理异方差的方法——加权最小二乘法。
实验内容：书P116例4.1.4：中国农村居民人均消费函数中国农村居民民人均消费支出主要由人均纯收入来决定。
农村人均纯收入除从事农业经营的收入外，还包括从事其他产业的经营性收入以及工资性收入、财产收入和转移支付收入等。
为了考察从事农业经营的收入和其他收入对中国农村居民消费支出增长的影响，建立双对数模型：01122ln ln ln Y X X βββμ=+++其中，Y 表示农村家庭人均消费支出，X 1表示从事农业经营的纯收入，X 2表示其他来源的纯收入。
表4.1.1列出了中国内地2006年各地区农村居民家庭人均纯收入及消费支出的相关数据。
注：从事农业经营的纯收入由从事第一产业的经营总收入与从事第一产业的经营支出之差计算，其他来源的纯收入由总纯收入减去从事农业经营的纯收入后得到。
资料来源：《中国农村住户调查年鉴（2007）》、《中国统计年鉴（2007）》。
实验步骤：一、创建文件1.建立工作文件CREATE U 1 31 【其中的“U”表示非时序数据】2.录入与编辑数据Data Y X1 X2 【意思是：同时录入Y、X1和X2的数据】3.保存文件单击主菜单栏中File→Save或Save as→输入文件名、路径→保存。
二、数据分析1.散点图①Scat X1 Y1000080006000Y4000200050010001500200025003000X1从散点图可看出，农民农业经营的纯收入与农民人均消费支出呈现一定程度的正相关。
②Scat X2 Y1000080006000Y400020000200040006000800010000X2从散点图可看出，农民其他来源纯收入与农民人均消费支出呈现较高程度的正相关。
计量2之上机教程2
test (lnox=10*stratio)(ldist=stratio) lincom rooms+ldist+stratio
/*检验 H 0 : 3 4 5 0 ，“lincom”用于检验参 数的线性组合，此时不能用“test”；线性组合=0，可省 略“=0”。*/
//用约束最小二乘估计进行检验 regress lprice lnox ldist rooms stratio scalar ee0=e(rss) //估计无约束模型 //计算无约束模型的残差平方和 //估计约束模型
stdf /*实际预测值（预测误差）的标准误
ˆi yi ) xi s 1 xi X X xi */ stdfi var( y
1
估计后检验 test e. g. test x1 test x1 x2 x3 //检验 x1 对应的系数的显著性 //检验 x1 x2 x3 对应系数的联合显著性 //检验 x1 x2 对应系数 2 3 //检验 2 2 //检验 2 2 //系数线性组合的点估计、标准误、检验与推断 //线性假设检验
ˆ ，默认值 //线性预测值，即拟合值 X
//残差
e X s 1 x X X 1 x */ stdri var i i i
stdp /*条件期望预测值（预测误差）的标准误
x ˆ x X s x X X 1 x */ stdpi var i i i i
use /data/imeus/hprice2a
regress lprice regress estat ic regress,beta ereturn list predict lpricehat, xb resid lprice lnox lnox ldist rooms ldist stratio, noconstant rooms stratio
计量经济学上机实验指导书
得到估计结果之后，就可以根据输出统计 量中表现出的特性，对模型进行检验和合 适的修正。 得到满意结果后，可以使用模型进行预测。
第二节：一元线性回归模型的预 测
要对一元线性模型进行预测，需要在已知解释 变量值的条件下进行。要得到解释变量值的方 法有很多，练习时大多是已知的。在实际分析 问题时，方法之一是对时间T进行回归，再趋势 外推得到解释变量的值，即利用时间序列外推 预测。下面仍以前面的例子输入时间变量T，从 1981到2001年分别赋值1到21，建立时间序 列模型(略去随机项) GDP=a+Bt
* * 0
* t
ut
第五讲 多重共线性
1.多重共线性的检测－－简单相关系数法 命令：cor x1 x2 x3 x4 解释变量两两之间都
有非常高的线性相关， 可以判断模型中存在 多重共线性
2.多重共线性的修正－－逐步回归法 用Y分别对X1,X2,X3,X4作回归，得 Y对X1作回归：
Y对X2作回归：
点击ok， 完成最后 一步
最后结果和命令方式完全相同
第四讲 自相关
自相关的检验与修正一般包括如下步骤： 1.对原模型做回归得到残差。 2.描绘残差项与其滞后项的散点图，看是否 存在自相关。 3.利用回归结果中得Durbin-Watson统计量 判断模型是否存在自相关。 4.利用Durbin两步法对自相关做修正。 （数据来自课本87表5-1）
Weekly数据格式的解释
起始和终止日期都是一个日期。 它们必须是不同星期中的同一天，否则会 报错。 一个星期中的任何一天都可以作为一周的 起始日期。
第二讲 一元线性回归模 型
第一节：一元线性回归模型的估计
示例一： 一元线性模型的ＯＬＳ估计
【计量经济学】上机实验答案解析过程步骤
实2：我国1978-2001年的财政收入（y）和国民生产总值（x）的数据资料如表2所示：表2 我国1978-2001年财政收入和国民生产总值数据obs x y obs x y197 8 3624.10 1132.2619918598.42937.10197 9 4038.20 1146.38199121662.53149.48198 0 4517.80 1159.93199226651.93483.37198 1 4860.30 1175.79199334560.54348.95198 2 5301.80 1212.33199446670.05218.10198 3 5957.40 1366.95199557494.96242.20198 4 7206.70 1642.86199666850.57407.99198 5 8989.10 2004.82199773142.78651.1419810201.42122.019976967.29875.956 0 1 8 0 1987 11954.50 2199.35 1999 80579.40 11444.08 1988 14922.30 2357.24 2000 88254.00 13395.23 198916917.82664.90200195727.916386.04试根据资料完成下列问题：（1）给出模型t t t u x b b y ++=10的回归报告和正态性检验，并解释回归系数的经济意义；（2）求置信度为95%的回归系数的置信区间；（3）对所建立的回归方程进行检验(包括估计标准误差评价、拟合优度检验、参数的显著性检验)； （4）若2002年国民生产总值为103553.60亿元，求2002年财政收入预测值及预测区间（05.0=α）。
参考答案：（1） t t x y133561.06844.324ˆ+= =)ˆ(i b s (317.5155) (0.007069) =)ˆ(ib t (1.022578) (18.89340) 941946.02=R 056.1065ˆ==σSE 30991.0=DW 9607.356=F133561.0ˆ1=b ，说明GNP 每增加1亿元，财政收入将平均增加1335.61万元。
3 计量经济学上机实验报告-简单线性回归
实验一 简单线性回归一、 实验名称：简单线性回归 二、实验目的掌握一元线性回归模型的估计与应用，熟悉EViews 的基本操作,并且给案例做一元回归并做预测。
三、实验中所需要掌握的知识点掌握一元回归及其预测四、实验前预备的情况说明（包括上机步骤、实验所涉及的基本原理知识的复习理解、 对实验结果的预期解释等）(1)最小二乘法估计的原理 (2) t 检验 (3)拟合优度检验(4)点预测和区间预测五、上机实验内容（填写本次上机的情况）1．上机步骤⑴统计结果，如图1所示，Y ,X 的均值分别为3081.158和22225.13，Y,X 的标准差为2212.591,和22024.6图1(2) 设定模型为 12i i i Y X u ββ=++，经运算的 Equation 界面如图2图3由图2的数据得：；2．上机结果（1）回归估计结果为：Dependent Variable: Y Method: Least SquaresDate: 04/09/14 Time: 18:53 Sample (adjusted): 1978 1997Included observations: 20 after adjustmentsVariable CoefficientStd. Errort-Statistic Prob. X 0.100036 0.002172 46.04910 0.0000 C857.837567.1257812.77955 0.0000R-squared 0.991583 Mean dependent var 3081.158 Adjusted R-squared 0.991115 S.D. dependent var 2212.591 S.E. of regression 208.5553 Akaike info criterion 13.61293 Sum squared resid 782915.7 Schwarz criterion 13.71250 Log likelihood -134.1293 F-statistic2120.520 Durbin-Watson stat0.864032 Prob(F-statistic)0.000000因此得到回归模型为： Y=857.8375+0.100036X斜率系数的经济意义为：GDP 增加1亿元，财政收入增加0.1亿元。
- 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)。
上机操作步骤详解及分析假设检验部分类型一：会利用软件处理σ2已知关于μ的假设检验以及σ2未知关于μ的假设检验【例一】某车间用一台包装机包装葡萄糖。
袋装糖的净重量是一个随机变量，它服从正态分布。
当机器正常运行时，其均值为0.5KG ，标准差为0.015KG 。
某日开工后为检验及其运转是否正常，随机的抽取了它所包装的糖9袋，称得净重为（KG ）：0.497 0.506 0.518 0.524 0.498 0.511 0.520 0.515 0.512问：机器运转是否正常？（假设样本方差不变） 仍然为上题，但如果方差未知的情况下呢？因为是研究型假设故0H :u=0.5 1H ：u<>0.5第一步：将数据移入第二步：关闭后再次把数据打开，按如下路径打开下一个对话框第三步：根据已知的均值和标准差输入下列对话框（注意：是标准差，如果题目告诉的是方差，则还要进一步转化成为标准差）第四步：点击OK后，得到如下结果，并分析该题的方差已知，故看Z-statistic的P值，因为0.0248<a/2=0.025，故拒绝原假设，结论为：在5%的显著性水平下，该机器运转不正常若该题的方差未知，则看t-statistic的P值，结论依然是：在5%的显著性水平下，该机器运转不正常类型二：会利用软件处理来自两个正态总体均值的假设检验：等方差和异方差【例2】用两种方法（A、B）测定冰从-0.72摄氏度变为0摄氏度的比热。
测得下列数据：两个样本独立且来自与方差相等的两个正态总体方法A 79.98 80.04 80.02 80.04 80.03 80.0380.04 79.97 80.05 80.03 80.02 80.00 80.02方法B 80.02 79.94 79.98 79.97 79.97 80.03 79.9579.971、两种方法是否具有显著性差异2、A方法是否比B方法测得的比热要大？解析：该题属于双样本的等方差检验，故在EXCEL背景下操作第一小问：第一步：移入数据，将原本的两行数据，分别调整为一行第二步：EXCEL的调试，“工具”——“加载宏”后选择如下选项：第三步：点击“工具”——“数据分析”——“t检验-双样本等方差检验”第四步：输入相应的数据第五步：分析相应结果解析：第一小问只需判断是否有显著性差异，也就是说只需要判断A U 与B U 是否相等,属于双侧检验，在统一用P(T<=t) 单尾分析的时候，与的是a/2比较0H ：AU-B U =0 1H ：A U -B U <>0如上图结果所示，P(T<=t) 单尾=0.001276<a/2=0.025，所以拒绝原假设，也就是说在5%的显著性水平下，方法A 和方法B 具有显著性差异第二小问：解析：第二小问不同于第一小问，判断的是A 与B 的大小，是研究型假设检验， 将认为研究结果是无效的说法或理论作为原假设H00H ：AU<=B U 1H ：A U >B U因为是单侧检验，故与a 相比，因为P(T<=t) 单尾=0.001276<a=0.05，所以拒绝原假设，结论是在5%的显著性水平下，A 方法测得的比热比B 方法的大【例3】下表给出两位文学家马克吐温的8篇小品文以及斯诺特格拉斯的10篇小品文中由3个字母组成的单字的比例 马克吐温0.225 0.262 0.217 0.240 0.2300.229 0.235 0.217 斯诺特格拉斯0.209 0.205 0.196 0.210 0.202 0.207 0.224 0.223 0.2200.201两组数据均来自正态总体，且方差相等。
问两位作家小品文中包含的由3个字母组成的单字的比例是否具有显著性差异。
解析：步骤与上题一致，分析结果如下0H ：AU-B U =0 1H ：A U -B U <>0因为P(T<=t) 单尾=0.00066691<a/2=0.025,所以拒绝原假设，认为存在显著性差异类型三：会利用软件处理基于成对数据的检验【例4】有两台光谱仪，I x ,I y .用它来测量材料中某种金属的含量，为鉴定他们的测量结果有无显著性差异，制备了9块试块（它们的成分、金属含量、均匀性等均各不相同），现在分别用这两台仪器对每一块测量一次，得到9对观测值。
问：能否认为这两台仪器的测量结果有显著性的差异？（置信度取0.01） 观测值 x 0.2 0.30.40.50.60.70.80.91y0.10.21 0.520.32 0.780.59 0.68 0.77 0.89d=X-y 0.1 0.09 -0.12 0.18 -0.18 0.11 0.12 0.13 0.11，特点是数据是成对成对的，是绝对不能打乱顺序的 第一步：将数据粘贴到EXCEL 中第二步：点击“工具”——“数据分析”——“t 检验-平均值的成对二样本分析”第三步：输入相应数据第四步：得出结果并分析0H ：AU-B U =0 1H ：A U -B U <>0因为P(T<=t) 单尾=0.09>a/2=0.005，不能拒绝原假设，认为两仪器无差异【例5】做一下的实验比较人对红光或绿光的反映时间。
实验在点亮红光或绿光的同时，启动计时器。
要求受试者看到红光或绿光点亮时，就按下按钮，切断计时器。
这就能测得反映时间。
测量的结果如下表：红光 0.3 0.23 0.41 0.53 0.24 0.36 0.380.51 绿光0.430.320.580.460.270.410.380.61201=:0:0i i i D D D D D D D X Y N H H μσμσαμμ=-≥<设是来自正态总体（,）的样本。
,均未知试求假设检验（显著性水平为0.05），第一步：将数据粘贴到EXCEL 中第二步：点击“工具”——“数据分析”——“t 检验-平均值的成对二样本分析”第三步：输入相应数据第四步：得出结果并分析因为P(T<=t) 单尾=0.02704<a=0.05，故拒绝原假设，认为对红光的反应时间应该比对绿光的反应时间短类型四：会利用软件处理正态总体方差的假设检验和两个正态总体方差的假设检验：一、正态总体方差的假设检验（单个总体的情况）例1：某车间用一台包装机包装葡萄糖。
袋装糖的净重量是一个随机变量，它服从正态分布。
当机器正常运行时，其均值为0.5KG，标准差为0.015KG。
某日开工后为检验及其运转是否正常，随机的抽取了它所包装的糖9袋，称得净重为（KG）：0.497 0.506 0.518 0.524 0.4980.511 0.520 0.515 0.512检验样本的方差是否正常？（显著性水平为0.05）原理解析：221222200102222202220222122200221(,),,...:,:11)(1)1)1)1)nX NX X XH HSsH sn SH nn s n sk kn sμσμσασσσσσσσχσσσχσ=≠----≤≥-≤::设总体均未知是来自总体的样本要求检验（显著性水平为）是的无偏估计当为真时，观测值与的比值一般来说会在附近摆动不应该过分大于1或小于1（当为真，则检验问题的拒绝域为：（（或（即：2222-221)(1)(1)n sn nααχσ--≥-（或上机步骤详解：第一步：将数据粘贴到EVIEWS中第二步：关闭后再次把数据打开，按如下路径打开下一个对话框第三步：按下图输入相应数据（在Variance处输入的是方差，也就是0.015的平方，目的正是为了估计其方差与标准情况是否相符和，符合的话认为其方差正常）第四步：得出结果并分析因为P值=0.075>a/2=0.025,故不能拒绝接受原假设，认为其方差正常二、正态总体方差的假设检验（两个总体的情况）用一种叫“混乱指标”的尺度去衡量工程师的英语文章的可理解性，对混乱指标的打分越低说明其可理解性越高。
分别随机选取13篇刊载在工程杂志上的论文以及10篇未出版的学术报告。
（均值检验）检验A 与B 的方差是否具有显著性差异212112122222122212122201222112,...,,...,,,,,,=n n X X X Y Y Y X Y S S H H μσμσμμσσσσσσ≠是来自总体N(，)的样本是来自总体N(，)的样本均值分别为样本方差分别是，未知有下列检验问题：：：第一步：移入数据，将原本的多行数据，分别调整为一行或者一列第二步：点击“工具”——“数据分析”——“F检验双样本方差”第三步：按0.05的显著性水平输入相应的数据第四步：得出结果并分析因为0.025=(a/2)<P(F<=f) 单尾= 0.3580214<(1-a/2)=0.975所以，其没有落在拒绝域内，不能拒绝接受原假设，认为A 与B 的方差没有显著性差异回归分析部分类型一：会解释OLS 回归的基本检验：（1）t 检验（2）R 2检验（3）F 检验 【例1】经过研究，发现家庭书刊消费水平受家庭收入及户主受教育年数的影响。
现对某地区的家庭进行抽样调查，得到样本数据，其中y 表示家庭书刊消费水平(元/年)，x 表示家庭收入(元／月)，T 表示户主受教育年数。
下面我们估计家庭书刊消费水平同家庭收入、户主受教育年数之间的线性关系。
回归模型设定如下： tt t t u T b x b b y +++=210(t =1,2, …)进行回归和假设检验第一步：将数据移入EVIEWS 中第二步：对变量进行回归第三步：输入相应变量第四步：得出结果T检验t检验用来说明系数和常数的显著性，t统计量越大，说明常数和系数越显著。
一般t检验换算成p值，t统计量越大，p值越小如果p值小于0.05（有时也用0.1），说明系数非常显著，说明该变量与y 有显著的线性关系故由结果可知X与T都与Y有很显著的线性关系拟合优度检验1)2R说明总离差平方和中可以由回归方程解释的部分所占的比例2)2R值越高，说明回归方程的拟合程度较高，模型回归的拟合效果好3)一般需要2R大于0.8◆故由结果可知，总离差平方和中可以由回归方程解释的部分所占的比例为95.12%，这表明回归拟合效果较好，拟合程度较高F检验1)F统计量大，说明系数中至少有一个显著不为零。
这说明选择的自变量与因变量有很强的线性关系。
若F统计量过小，说明选择的一系列自变量与因变量都无显著的线性关系。
2)若F统计量过小，说明选择的一系列自变量与因变量都无显著的线性关系3)一般F检验换算成p值，如果p值小于0.05（有时也用0.1），说明系数中至少有一个显著不为零◆故由结果可知，该回归方程的F检验是通过了的类型二：会对回归方程多重共线性的检验，以及多重共线性的处理练习9：旅游影响因素第一步：建立一个时间序列文档第二步：在新文档中输入相关各个变量的数据第三步：对其进行回归分析,利用不显著系数法检验得出的回归结果如下：分析其回归结果，可看出该回归方程的R-squared的值很大，Prob(F-statistic)的值很小，表明R-squared检验和F检验均可通过，但是除X2外的其余变量T检验均不能通过，表明变量间存在严重的多重共线性第四步：对各个变量进行拟合优度检验以X1为因变量回归分析：结果为：R2=0.980219，则可以认为x1与其他自变量存在多重共线性。