coefficients 代表估计参数的系数,std.error是标准差,t-statistic是t值,PROB.是T检验的概率,在5%显著性水平下,如果P值大于0.05,就拒绝原假设,从上面的结果看出,C,X2,X3均接受原假设,认为他们对模型的因变量(Y)没有影响。
R-squared是模型中所有自变量对因变量的整体拟合效果的度量,但是并不是越高越好,因为自变量越多,R2就越高,由此有了ADJUSTED R-squared,这个指标就剔除了自由度的影响。
S.E. OF REGRESSION是回归的标准差,SUM SQURARED REISD是残差平方和,越小越好。 LOG LIKELIHOOD是对数似然统计量,越大越好,实际上右边的AIC,SC就是根据它计算的,AIC和SC是越小越好,它们是为了选择最佳滞后期。
DW统计量是残差自相关的一个统计量,其值在2左右比较好,但是前提是模型中没有因变量的滞后期。一旦有因变量的滞后期了,就不能相信这个统计量了,应该看LM统计量。
F统计量越大模型整体越显著,根据上面提到的R2,残差平方和(SSR)计算得到。