建立回归方程就会报告这几个统计量

这些数值有几个重要的关系：
  (1)  T-Statistic=  Coefficient/Std. Error  
（2）TSS=(n-1) *( S.D. dependent var)^2
（3）R-squared =1-RSS/TSS
（4）Adjusted R-squared=1-[(n-1)/(n-k-1)]*(1-R^2)
（5）F-statistic   =(R-squared)*(n-k-1)/[1-(R-squared)]*k  转自百度知道
tss也可以从被解释变量的序列统计信息里得到sum sq .dev.， rss是残差平方和，就是拟合方程后给出的Sum squared resid
ess可以作差得到，也可以用R2=ess/tss得到

不能直接从结果中看到吗？

在EViews中计算ESS（解释平方和）、TSS（总平方和）以及RSS（残差平方和）的步骤如下：

1. **打开数据并进行回归分析**：
   - 首先，确保你的数据已经加载到EView软件中。
   - 然后选择你需要做回归的数据列，点击“Equation” -> “New Equation”，在弹出的窗口里输入你的回归模型公式。

2. **执行回归**：
   - 在方程编辑器内设定好你的因变量和自变量（例如：Y C X1 X2），然后按回车键或者点击“OK”按钮进行回归分析。
   
3. **查看或保存残差**：
   - 回归完成后，可以在结果窗口中看到回归的统计信息。要计算RSS，你需要先获取到残差的信息。在方程的结果页面上点击“View” -> “Residual Tests” -> “Simple Residual Tests”，然后选择保存残差至一个新系列（Save Residuals as Series）。

4. **计算RSS（残差平方和）**：
   - 用你刚保存的残差序列来计算RSS。在主菜单栏上，点击“Quick” -> “Generate or Replace...”。输入以下公式进行计算：`@sum(e^2)`（这里假设你的残差系列被命名为e）。这将给出RSS值。

5. **计算TSS（总平方和）**：
   - TSS可以通过总体方差乘以观测数减1来得到，或者直接计算因变量与其均值之差的平方和。使用类似的方法生成或替换一个新系列：`@sum((y-@mean(y))^2)`。

6. **计算ESS（解释平方和）**：
   - ESS可以通过TSS减去RSS得出。可以再次使用“Quick” -> “Generate or Replace...”，输入以下公式进行计算： `tss-rss`，这里假设你已经把TSS命名为tss，RSS为rss。

以上步骤完成后，你就应该能在EViews中得到ESS、RSS和TSS的值了。
   
请注意，实际操作时，你需要根据你的数据和模型具体情况来修改上述命令中的变量名。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用