Question

怎么分析eviews 中F检验和T检验的结果

Dependent Variable: Y
Method: Least Squares
Date: 05/21/12 Time: 15:12
Sample: 1 31
Included observations: 31

Variable Coefficient Std. Error t-Statistic Prob.

C 75.92765 273.8681 0.277242 0.7840
X1 0.266389 0.056535 4.711892 0.0001
X2 -0.064072 0.304873 -0.210160 0.8353
X3 3.734040 1.748596 2.135450 0.0431
X4 -1.138812 1.987556 -0.572971 0.5720
X5 0.096789 0.067100 1.442472 0.1621
X6 -0.051620 0.163727 -0.315281 0.7553

R-squared 0.899131 Mean dependent var 1762.829
Adjusted R-squared 0.873913 S.D. dependent var 1463.219
S.E. of regression 519.5698 Akaike info criterion 15.53956
Sum squared resid 6478867. Schwarz criterion 15.86336
Log likelihood -233.8632 F-statistic 35.65528
Durbin-Watson stat 1.312109 Prob(F-statistic) 0.000000

找到了T、F值，可怎么分析其中的F值与T值是否是显著的呀，不显著的话，对模型有什么影响吗？，那位高手帮忙解答下啊，谢谢咯！

Answer 1

1、首先在打开的软件页面中，通过之前单样本T检验的数据运算，得到如下图所示的数据表格。

2、这时候表格分为两部分，一个是单个样本统计量，一个是单个样本检验。

3、单个样本统计量，这个比较简单，也很容易看懂，包括样本个数（N）、均值和标准差。

4、在单个样本检验的表格中，可以找到检验值，也就是说用样本的均值去和检验值作比较。看的样本是否符合统计学意义。

5、最后在表格下方有一个sig值，这个就是检验的核心标准，sig值是常说的P值，表格里是sig=0.893>0.05，说明样本均值与检验值没有差异性。

Answer 2

首先分析模型整体拟合程度，主要指标为R-squared 和Adjusted R-squared（二者差别主要在于后者加上了自由度，使结果更准确），通过观察我们可知整体拟合良好。F检验是针对整个模型所做的检验，说明模型整体显著，但是并不代表各参数显著。
然后分析各个自变量对因变量的影响的显著水平，自变量对因变量的影响显著与否主要看P(Prob)值，一般而言P<0.05即可，当然有的研究p<0.1也是可以接受的。X1的P值为0.0001，X3的P值为0.0431，说明这两个变量对因变量影响显著。其他不显著。

Answer 3

多元回归分析会给出F检验和T检验结果的。
其中F检验是针对整个模型的，如果检验显著那么说明自变量对因变量能够较好地解释；而T检验是针对单个变量的，如果显著说明单个自变量对因变量有较大影响否则就需要将其踢出模型之外。
自由度n一般是指样本总数,k是指自变量的个数。

Answer 4

在eviews里面，一般Adjusted R-squared通过了（高于0.8），F检验值也就差不多通过了。另外，t值不用查表，看Prob就可以，只要Prob低于0.1或0.05，一般都算通过。

Answer 5

看sig与0.05（通常是这个）的大小
大于0.05，就是在5%的水平上不显著
不显著模型就没意义了，影响自然是很大的