
整个回归方程显著性的F检验原假设为:“回归模型中各变量系数均为0”;备择假设为“回归模型中各变量系数均不为0”。
图中“P>t”的值均为0表示在99%的显著性水平下,拒绝了系数为0的原假设,说明系数较为显著;
图中的回归中被解释变量为“cxx”,解释变量为“gnp”“Number of obs”表明本次回归的样本容量为20,“Prob>F=00000”表明整个回归方程较为显著,“R-squared=09719”表明被解释变量与拟合值之间的拟合程度较高;变量“gnp”的回顾系数值为07726556,回归标准误为0030991,因此t统计量的值为07726556/0030991=2493,p值为0说明变量“gnp”在99%显著水平下十分显著;“_cons”表示常数项,值为-7228238,标准误为1519469,相关p值说明常数项十分显著,t值和p>t都是测你的系数是否significant用的,stata会自动对所有系数做t检验,比方说你的回归结果里除了xexper以外都是有效的,xexper是无效的,因为p>t这栏里大于01了。95%那个就是95%的置信区间三个变量g,m,s和常数项;其中只有size显著,可以看其t值和p值,p值小于005,所以其在95%置信度下显著。
拟合度较低,查看adj R-squared,越接近1拟合度越高,此模型拟合度较差。
模型整体在95%与99%显著,查看F值为55,对应的p值0001,小于005。
可以考虑检测共线性,异方差,自回归性等1写出拟合方程 Y=00439636-01104272ret+03015505drret+00003205vr+00130717drvr+00061625retvr+00501226drretvr
2 检查参数的符号(正号/负号)是否符合你要建立模型的基本理论
3 表1 第一列,ss 从上到下分别代表 回归平方和(ESS)、残差平方和(RSS)、总离差平方和(TSS) 第二列为自由度 第三列不记得了
4 表2 分别为 观测值、F值、P{P>F}值、R^2、调整后的R^2 、残差标准差hatδ,我觉得可以看调整后的R^2,但影响不大。 你的P值=0,说明不是联合显著
5 表3 第一列为参数值,我已经给你写出。 第二列为标准误,一般在输出结果时要在参数下用括号写出标准误。第三列为t值,第四列为P值,看它是否显著应先看t在临界值之内还是之外、再看P值吧。你的t值全都小于196,好像是在95%的显著水平上不显著的吧。你查查表。 最后两列表示95%的置信区间哦。
6 你可以截屏放在word里,我一直是这样做的
7 你的估计参数是不是有点多了呢,我觉得需要改进下,提高显著性关键看三个地方,一个是判定系数R方,本图中,为09464,,拟合优度很高。
第二看回归系数,本例中,常数项为9347,系数为0637,
第三看回归系数的显著性检验,即P值,本例中,x的系数的P值为0000,小于005,说明x对因变量有显著的影响。其它的基本可以忽略。
欢迎分享,转载请注明来源:内存溢出
微信扫一扫
支付宝扫一扫
评论列表(0条)