eviews 面板数据结果分析谢谢！

nantata

4487

收藏 2012-07-29

论坛混了好几天，这是自己的结果，还请各位老师指教！谢谢！！

附件列表

QQ截图20120729142429.png

原图尺寸 8.59 KB

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

醉客天涯

2012-7-29 22:08:57

PE、PC的t值均小于2，t检验不显著。R-squared等于0.0394,拟合优度太低，整体回归也不显著

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nantata

2012-7-29 22:21:45

醉客天涯发表于 2012-7-29 22:08
PE、PC的t值均小于2，t检验不显著。R-squared等于0.0394,拟合优度太低，整体回归也不显著

谢谢！他们的协整检验就没有通过，我也是没办法了，拟合度不是我的重点，我只是想研究他们之间的现行关系，那请问可以分别作回归方程么？每个方程只有一个变量来研究？谢谢！

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

醉客天涯

2012-7-30 22:56:21

nantata 发表于 2012-7-29 22:21
谢谢！他们的协整检验就没有通过，我也是没办法了，拟合度不是我的重点，我只是想研究他们之间的现行关系 ...

如果不考虑拟合优度，可以去除PE或者PC，再和PB一起，对被解释变量进行线性回归，这样可以排除PE、PC之间的多重共线性

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nantata

2012-8-3 23:35:56

醉客天涯发表于 2012-7-30 22:56
如果不考虑拟合优度，可以去除PE或者PC，再和PB一起，对被解释变量进行线性回归，这样可以排除PE、PC之间 ...

谢谢！！！！现在就想这么一个一个变量的分析，前提是通过单位根检验和协整检验，呵呵，学习了，感谢！！！

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nantata

2012-8-3 23:42:44

Dependent Variable: TOTALRETURN?
Method: Pooled EGLS (Cross-section random effects)
Date: 08/03/12 Time: 16:36
Sample: 2003 2011
Included observations: 9
Cross-sections included: 84
Total pool (balanced) observations: 756
Swamy and Arora estimator of component variances

Variable Coefficient Std. Error t-Statistic Prob.

C 24.10291 3.120176 7.724858 0.0000
PC? 0.058094 0.032478 1.788742 0.0741
Random Effects (Cross)
_600028--C 0.000000
_600600--C 0.000000
_600664--C 0.000000
_600160--C 0.000000
_600010--C 0.000000
_600177--C 0.000000
_600085--C 0.000000
_600839--C 0.000000
_600612--C 0.000000
_600210--C 0.000000
_600019--C 0.000000
_600870--C 0.000000
_600218--C 0.000000
_600688--C 0.000000
_600315--C 0.000000
_600171--C 0.000000
_600617--C 0.000000
_600884--C 0.000000
_600126--C 0.000000
_600750--C 0.000000
_600228--C 0.000000
_600519--C 0.000000
_600702--C 0.000000
_600630--C 0.000000
_600137--C 0.000000
_600308--C 0.000000
_600746--C 0.000000
_600844--C 0.000000
_600871--C 0.000000
_600707--C 0.000000
_600362--C 0.000000
_600569--C 0.000000
_600399--C 0.000000
_600860--C 0.000000
_600835--C 0.000000
_600854--C 0.000000
_600806--C 0.000000
_600099--C 0.000000
_600468--C 0.000000
_600568--C 0.000000
_600129--C 0.000000
_600800--C 0.000000
_600168--C 0.000000
_600644--C 0.000000
_600528--C 0.000000
_600368--C 0.000000
_600279--C 0.000000
_600718--C 0.000000
_600105--C 0.000000
_600694--C 0.000000
_600128--C 0.000000
_600830--C 0.000000
_600138--C 0.000000
_600551--C 0.000000
_600811--C 0.000000
_600097--C 0.000000
_600583--C 0.000000
_600297--C 0.000000
_600233--C 0.000000
_600590--C 0.000000
_600071--C 0.000000
_600231--C 0.000000
_600765--C 0.000000
_600300--C 0.000000
_600523--C 0.000000
_600038--C 0.000000
_600005--C 0.000000
_600623--C 0.000000
_600389--C 0.000000
_600183--C 0.000000
_600801--C 0.000000
_600516--C 0.000000
_600742--C 0.000000
_600566--C 0.000000
_600166--C 0.000000
_600222--C 0.000000
_600518--C 0.000000
_600131--C 0.000000
_600170--C 0.000000
_600717--C 0.000000
_600845--C 0.000000
_600723--C 0.000000
_600158--C 0.000000
_600777--C 0.000000

Effects Specification
S.D.    Rho

Cross-section random 0.000000 0.0000
Idiosyncratic random 83.64042 1.0000

Weighted Statistics

R-squared 0.004464       Mean dependent var 25.34464
Adjusted R-squared 0.003144       S.D. dependent var 81.49383
S.E. of regression 81.36563       Sum squared resid 4991755.
F-statistic 3.381007       Durbin-Watson stat 2.387552
Prob(F-statistic) 0.066345

Unweighted Statistics

R-squared 0.004464       Mean dependent var 25.34464
Sum squared resid 4991755.       Durbin-Watson stat 2.387552

这是最新的回归，还满足线形关系吧？

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

分享

扫码加好友，拉您进群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群