谢谢各位。

我的具体操作是：

用eviews做分布滞后模，输入指令 LS  P  C  PDL(R,K,M) 

P为被解释变量，R是解释变量，M是多项式阶数其中，K是滞后期；

书上说M一般为2和3，K要自己给定，我就试了K和M的各种组合；

结果发现当KM为7和3，8和2时R的平方竟然等于1！！F和T检验结果是NA，无语.....

我括大了样本容量，还是出现了拟合度等于1 的极端例子。 不知咋整的，总能找到这样的滞后期长度和阶数使R2=1，如KM为12和6.（PS书上不是说M一般不超过4吗？？）

那我是不是应该放弃这种情况，选择使R方看起来比较正常的滞后期长度和多项式阶数啊？那也说不过去啊~~

例如我选择了使R2=0.994的K和M（12，3），F检验，以及AIC/SC法则都能通过，但就是t检验中部分参数不能通过怎么办啊？

我也出现了R方等于1的问题，但有几个回归系数，残差，F值的值都很小，我怀疑可能是模型设定有问题啦

你应该用CROSS命令来选择滞后期的，而不是这样一个一个试验的。

或者用SC，但是应该选择SC最小时的滞后期。

还有你用SCAT图看看，变量究竟是二次还是三次的关系

你的RHS没有把LHS也加进去了吧？另外，按照R２的常规计算方法，等于１就意味着残差的平方和为０，也就是说残差为０，看看你的残差是否都是0.还有的可能性就是R２的计算方法是特殊的。

我觉得R的平方可以等于1

这跟样本个数和解释变量的个数有关

对一元线性回归模型当P=2时，R的平方等于1

对多元线性回归模型当P接近N时，R的平方也接近1

R的平方是决定系数。用于拟合优度检验，一般不对R的平方做过分的渴求。

zhangibt  金钱 +10  经验 +10  奖励鼓励思考 2009-4-24 1:47:19

这是一个很好的帖子，至少值得我学习。楼主用的是多项式滞后分布模型，该模型似乎很有优点，但是它的滞后阶数的确定不是很容易的。检验也不知道究竟需要哪些？

实际数据使不能存在这种情况的。

Every observed data points are on regression line/plane. Or there is no randomness. See example below.

************************************************
data t1;
   do i = 1 to 10;
      x=rannor(123);
      y=1+1*x;
      output;
    end;
run;

proc reg data=t1;
model y=x;
run;
quit;



                                           The SAS System           20:01 Thursday, May 20, 2010  13

                                         The REG Procedure
                                           Model: MODEL1
                                       Dependent Variable: y

                              Number of Observations Read          10
                              Number of Observations Used          10


                                        Analysis of Variance

                                               Sum of           Mean
           Source                   DF        Squares         Square    F Value    Pr > F

           Model                     1        6.11578        6.11578      Infty    <.0001
           Error                     8              0              0
           Corrected Total           9        6.11578


                        Root MSE                    0    R-Square     1.0000
                        Dependent Mean        1.22354    Adj R-Sq     1.0000
                        Coeff Var                   0


                                        Parameter Estimates

                                     Parameter       Standard
                Variable     DF       Estimate          Error    t Value    Pr > |t|

                Intercept     1        1.00000              0      Infty      <.0001
                x             1        1.00000              0      Infty      <.0001

还有一种情况，如果不小心在方程右边包含了被解释变量，不管模型设计的多差，R方都是1.

模型错误或者过度拟合。