Source

SS  平方和

  df 自由度

MS 均方

Model

回归平方和
  SSR

回归自由度
  =变量数
  dfr=k

MSR=SSR/k

Residual

残差平方和
  SSE

残差自由度
  =样本数-变量数-1
  dfe=n-k-1

MSE=SSE/(n-k-1)

Total

总平方和
  SST=SSR+SSE

总自由度
  =样本数-1
  dft=n-1

MST=SST/(n-1)

Number of obs

=

样本数n

F(k, n-k-1)

=

F值
  （判定线性关系）
  F(k, n-k-1)
  =MSR/MSE

Prob > F

=

Fstat对应的p值
  （判定线性关系显著性，越小越好）

R-squared

=

可决系数
  r^2=SSR/SST

Adj R-squared

=

调整后的可决系数
  r(a)^2
  =1-(SSE/dfe)/(SST/dtf)
  =1-(n-1)(1-r^2)/(n-k-1)

Root MSE  

=

估计值的标准误
  （越小越好）
  Root MSE
  =SYX=根号下MSE

3. 关键回归结果：斜率、标准误、t检验值、t检验的p值，置信区间

Y

Coef.

Std.Err.

t

P>|t|

[95% Conf.Interval]

Xj

=bj

=Coef./Std.Err

=bj-Std.Err*t α/2

=bj+Std.Err*t α/2

_cons

=b0

=b0-Std.Err*t α/2

=b0+Std.Err*t α/2

回归系数

回归系数的标准误

t值

p值

置信区间上下限

j为X的序号，单元回归时j=1

回归方程中的截距b0和斜率bj

Sbj
  =SYX/根号下SSX

对斜率的t检验

tstat对应的p值，说明回归系数的显著性

构建95%置信区间时，α/2=0.025，自由度df=n-k-1，t α/2通过查表E.3得到。

b1=SSXY/SSX

b0=Ybar-b1*Xbar

如果要求这两项的话会非常复杂，从书上公式出发