eviews 中解释变量的标准差怎么算

1. eviews 中解释变量的标准差怎么算

样本标准差=方差的算术平方根=s=sqrt（（（x1-x）^2+（x2-x）^2+......（xn-x）^2）/（n-1））
总体标准差=σ=sqrt（（（x1-x）^2+（x2-x）^2+......（xn-x）^2）/n）
由于方差是数据的平方，与检测值本身相差太大，人们难以直观的衡量，所以常用方差开根号换算回来这就是我们要说的标准差（SD）。
估计值的显著性概率值（prob)都小于5%水平，说明系数是显著的。R方是表示回归的拟合程度，越接近1说明拟合得越完美。调整的R方是随着变量的增加，对增加的变量进行的“惩罚”。
D-W值是衡量回归残差是否序列自相关，如果严重偏离2，则认为存在序列相关问题。F统计值是衡量回归方程整体显著性的假设检验，越大越显著。



扩展资料：
标准差（StandardDeviation），在概率统计中最常使用作为统计分布程度（statisticaldispersion）上的测量。标准差定义是总体各单位标准值与其平均数离差平方的算术平均数的平方根。它反映组内个体间的离散程度。测量到分布程度的结果，原则上具有两种性质：
为非负数值，与测量资料具有相同单位。一个总量的标准差或一个随机变量的标准差，及一个子集合样品数的标准差之间，有所差别。

2. 如何用EVIEWS计算残差的标准差和方差

双击打开变量resid，点击view-descriptive statistics&tests-stats table给出一个表格，显示残差的均值，众数，最大值，最小值，标准差；std.dev即标准差，方差是标准差的平方。
参数显著性检验t检验对应的prob，若小于0.05则参数的显著性检验通过，再看r方，越接近1，拟合优度越高；f的p值，小于0.05的话模型才显著，dw用来检验残差序列的相关性的，在2的附近，说明残差序列不相关。标准差是衡量回归系数值的稳。

残差计算注意：
在回归分析中，测定值与按回归方程预测的值之差，以δ表示。残差δ遵从正态分布N(0，σ2)。(δ-残差的均值)/残差的标准差，称为标准化残差，以δ*表示。
δ*遵从标准正态分布N(0，1)。实验点的标准化残差落在(-2，2)区间以外的概率≤0.05。若某一实验点的标准化残差落在(-2，2)区间以外，可在95%置信度将其判为异常实验点，不参与回归直线拟合。
显然，有多少对数据，就有多少个残差。残差分析就是通过残差所提供的信息，分析出数据的可靠性、周期性或其它干扰。