最近涨了很多粉，看来大家对eviews的操作都很有兴趣，鉴于关注我的大多数是我的小白学生客户，所以我整理了一些基础知识帮大家快速入门，方便大家读懂模型结果。 简单的多元线性回归模型大家是使用最多的，但是很多同学跟着百度操作出来之后看不懂结果指标的含义，这篇内容就教大家如果去看结果，并解读各指标。 首先过程很简单，数据录入，然后ls y x1 x3 c，或者直接点击quick-estimate equation，模型拟合结果就出来了。 以下为举例结果：  模型为：y=1.691401x1-0.121717x3+0.5775209 重要的指标：
coefficient：系数，表明x与y的数据关系，正数表示正相关，负表示负相关,c为常数项或者是截距项，此结果x1对y有正影响，x3对y有负影响。
prob.:显示了在服从t分布条件下，对应其左侧一列t统计量的概率，即判断系数是否显著。一般p<0.05,即认为显著。此结果x1，x3都显著。
R-squared:可决系数，表现了模型的拟合度。越接近1代表模型拟合度越好，但很多金融类的模型r2都很低。
Prob(F-statistic):模型的显著性，小于0.05为显著。是由上面的F统计量的值计算出的概率。
一般快速看模型结果学习以上几个就可以了，想要全部了解的可以往下细看。
adjusted R-squared:调整的可决系数。当两个以上自变量时通常关注此值作为模型拟合度。
S.E. of regression:回归的标准误差。这是一个对预测误差大小的总体度量，是对残差大小的衡量。
Sum squared resid:残差平方和。
Log likelihood：对数似然估计值。这是在系数估计值的基础上对对数似然函数的估计值(假定误差服从正态分布)。
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。
Akaike info criterion:赤池信息准则，即AIC,一般来说AIC越小越好。
Schwartz criterion:施瓦茨准测，即sc
Hannan-quinn criter:HQ信息准则(很少用)
Durbin-watson stat:即DW统计量。对序列相关性进行检验的统计量，一般在2左右表示不具有序列相关性，具体计算判断可见前面模型修正的文章。

原文链接：https://blog.csdn.net/weixin_29325515/article/details/112563169