文档介绍：Eviews 回归分析输出结果指标解释
Variable
Coefficie Std。 Error t-Statistic
Prob.
变量
nt系数系数标准差 T统计量
双侧概率（P值）
C
62o 45原假设。
5、 可决系数（R—squared）
都知道可决系数表示解释变量对被解释变量的解释贡献，其实质就是看（y尖-y均）与（y=y均）的一致程度。 y尖为y的估计值，y均为y的总体均值。
6、 调整后的可决系数（Adjus ted R一squared） 即经自由度修正后的可决系数，从计算公式可知调整后的可决系数小于可决系数，并且可决系数可能为负， 此时说明模型极不可靠。
7、 回归残差的标准误差（S。Eo of regression）
残差的经自由度修正后的标准差，0LS的实质其实就是使得均方差最小化，而均方差与此的区别就是没有经 过自由度修正.
8、 残差平方和（Sum Squared Resid）
见上 7
9、 对数似然估计函数值（Log likelihood）
首先,理解极大似然估计法。极大似然估计法虽然没有 OLS 运用广泛，但它是一个具有更强理论性质的 点估计方法。极大似然估计的出发点是已知被观测现象的分布，但不知道其参数。极大似然法用得到观测值 （样本）最高概率（离散分布以概率聚集函数表示，连续分布以概率密度函数表示。因为要使得样本中所有 样本点都出现，假定抽样是随机的则各个样本点的是独立同分布的，所以最后总的概率表现为概率聚集函数 或者概率密度函数的连乘形式,称之为似然函数。要取最大概率,即将似然函数对未知参数求导令导数等于 0 ，这样最后得到的极大 似然函数就称之为对数极大似然函数）的那些参数的值来估计该分布的参数，从而提供一种用于估计刻画一 个分布的一组参数的方法。
其次，，实际值（不是绝对值）越大越好。第 一,基本推理。对于似然函数，如果是离散分布，最后得到的数值直接就是概率，取值区间为0-1，对数化之 后的值就是负数了；如果是连续变量，因为概率密度函数的取值区间并不局限于 0—1，所以最后得到的似然 函数值不是概率而只是概率密度函数值,这样对数化之后的正负就不确定了。第二,Eviews的计算公式解释。 公式值的大小关键取之于残差平方和（以及样本容量）,只有当残差平方和与样本容量的比之很小时,括号内 的值才可能为负，从而公式值为正，这时说明参数拟合效度很高；反之公式值为负，但其绝对值越小表示残 差平方和越小,因而参数拟合效度越高.
10、 DW 检验值
DW 统计量用于检验序列的自相关,公式就是测度残差序列与残差的滞后一期序列之间的差异大小，经过 推导可以得出DW值与两者相关系数的等式关系，因而很容易判断。DW值的取值区间为0-4,当DW值很小时 （大致〈1）表明序列可能存在正自相关；当DW值很大时（大致＞3）表明序列可能存在负自相关；当DW值在2 附近时（大致在 2。5 之间）表明序列无自相关；其余的取值区间表明无法确定序列是否存在自相关。 当然，DW具体的临界值还需要根据样本容量和解释变量的个数通过查表来确定。
DW 值并不是