E-VIEWS线性分析 最后结果符合

来源:百度知道 编辑:UC知道 时间:2024/06/19 10:11:35
2007年1季度 2007年2季度 2007年3季度 2007年4季度
54747.9 61386.4 65774.5 69107.5
1004.17 985.5 943.6 860.4
2008年1季度 2008年2季度 2008年3季度 2008年4季度
73111.1 76825.4 79419.7 83683.9
848.6 731.1 731.6 657.1
我的分析结果怎么样?
Dependent Variable: Y
Method: Least Squares
Date: 04/27/09 Time: 18:31
Sample: 2007Q1 2008Q4
Included observations: 8

Variable Coefficient Std. Error t-Statistic Prob.

X -1.044105 0.144179 -7.241746 0.0004
C 7.980619 0.698524 11.42498 0.0000

R-squared 0.897336 Mean dependent var 2.922442
Adjusted R-squared 0.880225 S.D. dependent var 0.067704
S.E. of regression 0.023431 Akaike info criterion -4.457159
Sum squared resid 0.003294 Schwarz criterion -4.437299
Log likelihood 19.82864 F-statistic 52.44289
Durbin-Watson stat 1.611819 Prob(F-statistic) 0.000352
e-views是取过对数得到
是关于银行不良贷款和银行负债的 看看副不符合线

这样做,不论是什么数据,99%都会是线性的结果。因为你已经用对数处理过数据了,而且模型只有X一个变量,你的方程本身又是按线性设计的。光从分析结果看,方程拟合度非常好,系数也是显著的,DW值也还可以,不是大问题,可以得出Y和X之间的计量方程,并且能够预测接下来季度的Y值,如果X值能够比较准确进行预测的化。这个方程中的系数实际上是X变化对Y变化影响的弹性。
不过问题很多,第一、方程只有一个X变量,这其实和做Y与X的相关性分析差别不大,所有这样的回归没有什么太大意义,如果你做的是硕士论文,这样的模型肯定不行;第二、样本太少,只有8个观测值,一般的回归分析都要选取至少25个观测值才能保证误差不会太大;第三、你的数据是时间序列的数据,不能直接做回归分析的,不知道你做回归分析之前是否做过协整检验,没有做协整直接做回归是错误的。
建议:可以在模型中加入新的变量,也可以将Y的滞后项加入方程,这样计量方程会好看很多。数据应该选择的范围更大,比如2000Q1-2008Q4。具体步骤应该是先对数据进行对数化,然后分别进行单位根检验,数据协整在做回归,具体分析时可以首先做下预测,然后分析X对Y的影响程度。

你能不能说明白点Y和X
上面一行是Y 是不良贷款?