苹果/安卓/wp
积分 1090, 距离下一级还需 285 积分
权限: 自定义头衔, 签名中使用图片, 隐身
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡, 抢沙发下一级可获得
权限: 设置帖子权限道具: 提升卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
苦逼签到天数: 896 天连续签到: 1 天[LV.10]以坛为家III
各位高人，我做了一个简单的回归分析（年的数据），结果如下。请问估计结果能否通过F检验，是否显著？怎样判断？
&& &&&& &&&& &&&& &&&& &&&& &&&& &&&& &&&& &&&& &&&&Variable&&&&Coefficient&&&&Std. Error&&&&t-Statistic&&&&Prob.&&&&&& &&&& &&&& &&&& &&&& &&&& &&&& &&&& &&&& &&&& &&&&C&&&&&&&&&&&&0.361063&&&&0.7794&&&&R1&&&&-0.516869&&&&1.168612&&&&-0.442293&&&&0.7349&&&&R2&&&&4.234633&&&&3.835401&&&&1.104092&&&&0.4685&&&&R3&&&&2.548132&&&&4.086136&&&&0.623604&&&&0.6450&&&&R4&&&&-3.350192&&&&4.125550&&&&-0.812059&&&&0.5658&&&& &&&& &&&& &&&& &&&& &&&& &&&& &&&& &&&& &&&& &&&&R-squared&&&&0.959508&&&&& & Mean dependent var&&&&10330.67&&&&Adjusted R-squared&&&&0.797542&&&&& & S.D. dependent var&&&&809.3362&&&&S.E. of regression&&&&364.1638&&&&& & Akaike info criterion&&&&14.50799&&&&Sum squared resid&&&&&&&&& & Schwarz criterion&&&&14.33446&&&&Log likelihood&&&&-38.52398&&&&& & Hannan-Quinn criter.&&&&13.81332&&&&F-statistic&&&&5.924111&&&&& & Durbin-Watson stat&&&&3.090571&&&&Prob(F-statistic)&&&&0.297764&&&& &&&& &&&& &&&& &&&& &&&& &&&& &&&& &&&&
支持楼主：、
购买后，论坛将把您花费的资金全部奖励给楼主，以表示您对TA发好贴的支持
载入中......
没有通过F检验，F值为“F-statistic 5.924111”，F的P值为“Prob(F-statistic) 0.297764”，高于0.05，因此不显著。另外各个变量的P值也明显大于0.05.
本帖被以下文库推荐
& |主题: 8540, 订阅: 53
没有通过F检验，F值为“F-statistic 5.924111”，F的P值为“Prob(F-statistic) 0.297764”，高于0.05，因此不显著。另外各个变量的P值也明显大于0.05.
热心帮助其他会员
热心帮助其他会员
总评分:&经验 + 10&
论坛币 + 60&
谢谢。不知道应该如何处理？
zgw137025 发表于
谢谢。不知道应该如何处理？因为不知道原始数据是什么情况的，我看到你的数据量时，这是年度数据还是月度数据？数据间的相关分析是什么情况？是否会有共线性？（各个变量的检验都不太好额，模型F检验也没通过~~~如果有共线性的话，试试逐步回归的方法）
胖胖小龟宝 发表于
因为不知道原始数据是什么情况的，我看到你的数据量时，这是年度数据还是月度数据？数据间的相关 ...谢谢！真是好人
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师怎么分析eviews 中F检验和T检验的结果_百度知道
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。
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 75.81 0..7840
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。
采纳率：86%
来自团队：
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
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。
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。
其他1条回答
为您推荐：
其他类似问题
您可能关注的内容
t检验的相关知识
等待您来回答使用eviews做线性回归分析 - 数据分析的日志,人人网,数据分析的公共主页
使用eviews做线性回归分析
ls(least squares)最小二乘法 R-sequared样本决定系数（R2）：值为0-1，越接近1表示拟合越好，&0.8认为可以接受，但是R2随因变量的增多而增大，解决这个问题使用来调整 Adjust R-seqaured() S.E of regression回归标准误差 Log likelihood对数似然比：残差越小，L值越大，越大说明模型越正确 Durbin-Watson stat：DW统计量，0-4之间 Mean dependent var因变量的均值 S.D. dependent var因变量的标准差 Akaike info criterion赤池信息量(AIC)（越小说明模型越精确） Schwarz ctiterion:施瓦兹信息量（SC）（越小说明模型越精确） Prob(F-statistic)相伴概率 fitted(拟合值)
线性回归的基本假设：
1.自变量之间不相关 2.随机误差相互独立，且服从期望为0，标准差为σ的正态分布 3.样本个数多于参数个数
ls y c x1 x2 x3 ... x1 x2 x3的选择先做各序列之间的简单相关系数计算，选择同因变量相关系数大而自变量相关系数小的一些变量。模型的实际业务含义也有指导意义，比如m1同gdp肯定是相关的。 模型的建立是简单的，复杂的是模型的检验、评价和之后的调整、择优。
模型检验：
1）方程显著性检验（F检验）：模型拟合样本的效果，即选择的所有自变量对因变量的解释力度
F大于临界值则说明拒绝0假设。 Eviews给出了拒绝0假设(所有系统为0的假设)犯错误(第一类错误或α错误)的概率(收尾概率或相伴概率)p值，若p小于置信度(如0.05)则可以拒绝0假设，即认为方程显著性明显。
2）回归系数显著性检验（t检验）：检验每一个自变量的合理性 |t|大于临界值表示可拒绝系数为0的假设，即系数合理。t分布的自由度为n-p-1,n为样本数，p为系数位置
3）DW检验：检验残差序列的自相关性，检验基本假设2（随机误差相互独立） 残差：模型计算值与资料实测值之差为残差 0&=dw&=dl 残差序列正相关，du&dw&4-du 无自相关， 4-dl&dw&=4负相关 ，若不在以上3个区间则检验失败，无法判断 demo中的dw=0.141430 ，dl=1.73369,du=1.7786,所以存在正相关
目的：不同模型中择优 1）样本决定系数R-squared及修正的R-squared R-squared=SSR/SST 表示总离差平方和中由回归方程可以解释部分的比例，比例越大说明回归方程可以解释的部分越多。 Adjust R-seqaured=1-(n-1)/(n-k)(1-R2) 2）对数似然值(Log Likelihood,简记为L) 残差越小，L越大 3）AIC准则 AIC= -2L/n+2k/n, 其中L为 log likelihood,n为样本总量，k为参数个数。 AIC可认为是反向修正的L，AIC越小说明模型越精确。 4）SC准则 SC= -2L/n + k*ln(n)/n 用法同AIC非常接近
预测forecast
root mean sequared error(RMSE)均方根误差 Mean Absolute Error(MAE)平均绝对误差 这两个变量取决于因变量的绝对值， MAPE(Mean Abs. Percent Error)平均绝对百分误差，一般的认为MAPE&10则认为预测精度较高 Theil Inequality Coefficient（希尔不等系数）值为0-1，越小表示拟合值和真实值差异越小。 偏差率(bias Proportion)，bp，反映预测值和真实值均值间的差异 方差率(variance Proportion)，vp，反映预测值和真实值标准差的差异 协变率(covariance Proportion)，cp，反映了剩余的误差 以上三项相加等于1。 预测比较理想是bp,vp比较小，值集中在cp上。
eviews不能直接计算出预测值的置信区间，需要通过置信区间的上下限公式来计算。如何操作？
1)Chow检验 chow's breakpoint检验 零假设是：两个子样本拟合的方程无显著差异。有差异则说明关系中结构发生改变 demo中 Chow Breakpoint Test: 1977Q1&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&& &&&&&&&&&&&&&&&&&&&&&&&&&&&&&&& F-statistic&&&&&&& 2.42&&&&&&&&&&& Prob. F(3,174)&&&&&&&&&&&&&&& 0.3355 Log likelihood ratio&&&&&&& 8.78&&&&&&&&&&& Prob. Chi-Square(3)&&&&&&&&&&&&&&& 0.0291 &&&&&&&&&&&&&&&&&&&&&&&&&&&&&&& p值&0.05，可拒绝0假设，即认为各个因素的影响强弱发生了改变。 问题是如何才能准确的找到这个或这几个断点？目前的方法是找残差扩大超出边线的那个点，但这是不准确的，在demo中1975Q2的残差超出，但是chow's breakpoint检验的两个p值都接近0.2，1976Q3开始两个p值才小于0.05，并且有逐渐减小之势。 chow's forecast检验 用断点隔断样本，用之前的样本建立回归模型，然后用这个模型对后一段进行预测，检验这个模型对后续样本的拟合程度。 0假设是：模型与后段样本无显著差异 demo中的1976Q4作为break point,得到两个p值为0，即认为两段样本的系数应该是不同的。 2）自变量的选择 testadd检验： 操作方法是: eqation name.testadd ser1 ser2 ... 0假设：应该将该变量引入方程 检验统计量：wald,LR 结果：通过两个p值(Prob. F,Prob Chi-sequare)看是否拒绝原假设 testdrop检验： 操作方法是: eqation name.testdrop ser1 ser2 ... 0假设：应该将该变量剔除 检验统计量：wald,LR 结果：通过两个p值(Prob. F,Prob Chi-sequare)看是否拒绝原假设
含定性变量的回归模型 分为：自变量含定性变量，因变量含定性变量。后一种情况较为复杂 建立dummy 变量(名义变量)：用D表示 当变量有m种情况时，需要引入m-1个dummy变量 处理办法：把定性变量定义成0.1.2等数值后和一般变量同样处理
常见问题及对策
1）多重共线性（multicollinearity）:
p个回归变量之间存在严格或近似的线性关系 诊断方法： 1.如果模型的R-sequared很大，F检验通过，但是某些系统的t检验没通过 2.某些自变量系数之间的简单相关系数很大 3.回归系数符号与简单相关系统符号相反 以上3条发生都有理由怀疑存在多重共线性 方差扩大因子(variance inflation factor VIFj)是诊断多重共线性的常用手段。 VIFj为矩阵(X& X)-1第j个对角元素cjj=1/(1-R2j)(j=1,2&,p) 其中R2j为以作为cj因变量，其余p-1个自变量作为自变量建立多元回归模型所得的样本决定系数，所以R2j越大则说明自变量之间自相关性越大，此时也越大，可以认为VIFj&10(R2j&0.9)则存在多重共线性。 还可以使用VIFj的平均数作为判断标准，如果avg(VIFj)远大于10则认为存在多...
阅读(11666)|
擦，早拿出来啊，尼玛都考完
人人移动客户端下载苹果/安卓/wp
积分 485, 距离下一级还需 315 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡, 抢沙发下一级可获得
权限: 隐身
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
上火签到天数: 56 天连续签到: 1 天[LV.5]常住居民I
随机效应模型结果
GLS Transformed Regression& & & & & & & & & & & & & & & &
& & & & & & & & & & & & & & & &
R-squared& & & & 0.068133& & & && &&&Mean dependent var& & & & & & & & 0.001222
Adjusted R-squared& & & & 0.061934& & & && &&&S.D. dependent var& & & & & & & & 1.116680
S.E. of regression& & & & 1.081547& & & && &&&Sum squared resid& & & & & & & & 527.5541
Durbin-Watson stat& & & & 1.422142& & & & & & & & & & & &
& & & & & & & & & & & & & & & &
Unweighted Statistics including Random Effects& & & & & & & & & & & & & & & &
& & & & & & & & & & & & & & & &
R-squared& & & & 0.108698& & & && &&&Mean dependent var& & & & & & & & 0.001222
Adjusted R-squared& & & & 0.102769& & & && &&&S.D. dependent var& & & & & & & & 1.116680
S.E. of regression& & & & 1.057744& & & && &&&Sum squared resid& & & & & & & & 504.5891
Durbin-Watson stat& & & & 1.486866& & & & & & & & & & & &
& & & & & & & & & & & & & & & &
固定效应模型结果
& & & & & & & & & & & & & & & &
Variable& & & & Coefficient& & & & Std. Error& & & & t-Statistic& & & & Prob.&&
& & & & & & & & & & & & & & & &
X2?& & & & -0.537406& & & & 0.686016& & & & -0.783373& & & & 0.4339
X3?& & & & -1.461571& & & & 0.513276& & & & -2.847536& & & & 0.0047
X4?& & & & -0.897871& & & & 0.872018& & & & -1.029648& & & & 0.3039
& & & & & & & & & & & & & & & &
R-squared& & & & 0.263547& & & && &&&Mean dependent var& & & & & & & & 0.001222
Adjusted R-squared& & & & 0.073824& & & && &&&S.D. dependent var& & & & & & & & 1.116680
S.E. of regression& & & & 1.074671& & & && &&&Sum squared resid& & & & & & & & 416.9252
F-statistic& & & & 64.59371& & & && &&&Durbin-Watson stat& & & & & & & & 1.782649
Prob(F-statistic)& & & & 0.000000& & & & & & & & & & & &
& & & & & & & & & & & & & & & &
普通的& & & & & & & &
Variable& & & & Coefficient& & & & Std. Error& & & & t-Statistic& & & & Prob.&&
& & & & & & & & & & & & & & & &
C& & & & 0.580636& & & & 0.318721& & & & 1.821768& & & & 0.0692
X2?& & & & -0.825772& & & & 0.317441& & & & -2.601335& & & & 0.0096
X3?& & & & -0.232367& & & & 0.239502& & & & -0.970211& & & & 0.3325
X4?& & & & 0.063003& & & & 0.300767& & & & 0.209475& & & & 0.8342
& & & & & & & & & & & & & & & &
R-squared& & & & 0.016109& & & && &&&Mean dependent var& & & & & & & & 0.001222
Adjusted R-squared& & & & 0.009565& & & && &&&S.D. dependent var& & & & & & & & 1.116680
S.E. of regression& & & & 1.111327& & & && &&&Sum squared resid& & & & & & & & 557.0061
F-statistic& & & & 2.461436& & & && &&&Durbin-Watson stat& & & & & & & & 1.348630
Prob(F-statistic)& & & & 0.062019& & & & & & & & & & & &
& & & & & & & & & & & & & & & &
因变量x1是用spss主成分得到的，很多是负数。自变量是原始数据.上面结果怎么看
载入中......
额，看不懂啊
有困难要上，没有困难创造困难也要上
<font color="#252580 发表于
额，看不懂啊哈工大的？我也看不懂
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师苹果/安卓/wp
积分 554, 距离下一级还需 246 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡, 抢沙发下一级可获得
权限: 隐身
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 636 天连续签到: 1 天[LV.9]以坛为家II
小弟用VAR模型来做股指和期指之间的关系问题。通过单位根检验发现两个变量不平稳，皆为一阶单整序列。因此做了差分变换，然后对原序列用Eviews进行了协整检验，检验结果如下
Date: 12/08/15& &Time: 17:10& & & & & & & & & & & & & & & &
Sample (adjusted): 12 6000& & & & & & & & & & & & & & & &
Included observations: 5989 after adjustments& & & & & & & & & & & & & & & &
Trend assumption: Linear deterministic trend& & & & & & & & & & & & & & & &
Series: FUTURE STOCK & & & & & & & & & & & & & & & &
Lags interval (in first differences): 1 to 10& & & & & & & & & & & & & & & &
& & & & & & & & & & & & & & & &
Unrestricted Cointegration Rank Test (Trace)& & & & & & & & & & & & & & & &
& & & & & & & & & & & & & & & &
Hypothesized& & & & & & & & Trace& & & & 0.05& & & &
No. of CE(s)& & & & Eigenvalue& & & & Statistic& & & & Critical Value& & & & Prob.**
& & & & & & & & & & & & & & & &
None& & & &&&0.001726& & & &&&14.96511& & & &&&15.49471& & & &&&0.0600
At most 1 *& & & &&&0.000771& & & &&&4.619737& & & &&&3.841466& & & &&&0.0316
& & & & & & & & & & & & & & & &
Trace test indicates no cointegration at the 0.05 level& & & & & & & & & & & & & & & &
* denotes rejection of the hypothesis at the 0.05 level& & & & & & & & & & & & & & & &
**MacKinnon-Haug-Michelis (1999) p-values& & & & & & & & & & & & & & & &
& & & & & & & & & & & & & & & &
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)& & & & & & & & & & & & & & & &
& & & & & & & & & & & & & & & &
Hypothesized& & & & & & & & Max-Eigen& & & & 0.05& & & &
No. of CE(s)& & & & Eigenvalue& & & & Statistic& & & & Critical Value& & & & Prob.**
& & & & & & & & & & & & & & & &
None& & & &&&0.001726& & & &&&10.34537& & & &&&14.26460& & & &&&0.1902
At most 1 *& & & &&&0.000771& & & &&&4.619737& & & &&&3.841466& & & &&&0.0316
& & & & & & & & & & & & & & & &
Max-eigenvalue test indicates no cointegration at the 0.05 level& & & & & & & & & & & & & & & &
* denotes rejection of the hypothesis at the 0.05 level& & & & & & & & & & & & & & & &
**MacKinnon-Haug-Michelis (1999) p-values& & & & & & & & & & & & & & & &
& & & & & & & & & & & & & & & &
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): & & & & & & & & & & & & & & & &
& & & & & & & & & & & & & & & &
FUTURE& & & & STOCK& & & & & & & & & & & &
-0.032523& & & &&&0.037409& & & & & & & & & & & &
0.008562& & & &&&0.000125& & & & & & & & & & & &
& & & & & & & & & & & & & & & &
& & & & & & & & & & & & & & & &
Unrestricted Adjustment Coefficients (alpha): & & & & & & & & & & & & & & & &
& & & & & & & & & & & & & & & &
D(FUTURE)& & & &&&0.008773& & & & -0.113509& & & & & & & &
D(STOCK)& & & & -0.085712& & & & -0.032053& & & & & & & &
& & & & & & & & & & & & & & & &
& & & & & & & & & & & & & & & &
1 Cointegrating Equation(s): & & & & & & & & Log likelihood& & & & -29931.42& & & &
& & & & & & & & & & & & & & & &
Normalized cointegrating coefficients (standard error in parentheses)& & & & & & & & & & & & & & & &
FUTURE& & & & STOCK& & & & & & & & & & & &
1.000000& & & & -1.150232& & & & & & & & & & & &
& & & &&&(0.09233)& & & & & & & & & & & &
& & & & & & & & & & & & & & & &
Adjustment coefficients (standard error in parentheses)& & & & & & & & & & & & & & & &
D(FUTURE)& & & & -0.000285& & & & & & & & & & & &
& & & &&&(0.00172)& & & & & & & & & & & &
D(STOCK)& & & &&&0.002788& & & & & & & & & & & &
& & & &&&(0.00099)& & & & & & & & & & & &
& & & & & & & & & & & & & & & &
想问一下怎么去看这个检验结果？是存在协整关系还是不存在？谢谢~~~
支持楼主：、
购买后，论坛将把您花费的资金全部奖励给楼主，以表示您对TA发好贴的支持
载入中......
原假设是没有，Hypothesized No. of CE(s)
，None ，相应的概率是 0.1902，不拒绝原假设，即是没有。
然后是检验至少有一个的假设，At most 1 *，相应的概率是 0.0316，小于5%，即拒绝此假设，即还是没有。
综合的结果就是：Max-eigenvalue test indicates no cointegration at the 0.05 level
，协整不存在。
另，trace检验也是类似的，Trace test indicates no cointegration at the 0.05 level
本帖被以下文库推荐
& |主题: 8540, 订阅: 53
原假设是没有，Hypothesized No. of CE(s)&&，None ，相应的概率是 0.1902，不拒绝原假设，即是没有。
然后是检验至少有一个的假设，At most 1 *，相应的概率是 0.0316，小于5%，即拒绝此假设，即还是没有。
综合的结果就是：Max-eigenvalue test indicates no cointegration at the 0.05 level&&，协整不存在。
另，trace检验也是类似的，Trace test indicates no cointegration at the 0.05 level& && &&&
热心帮助其他会员
热心帮助其他会员
热心帮助其他会员
总评分:&经验 + 20&
论坛币 + 40&
学术水平 + 1&
热心指数 + 1&
statax 发表于
原假设是没有，Hypothesized No. of CE(s)&&，None ，相应的概率是 0.1902，不拒绝原假设，即是没有。
然 ...At most 1 的原假设是什么啊，不应该是至多有1个变量存在协整关系吗？
statax 发表于
原假设是没有，Hypothesized No. of CE(s)&&，None ，相应的概率是 0.1902，不拒绝原假设，即是没有。
然 ...是至多有一个，NONE时不拒绝，就不用在看下一个了，不存在协整关系
诺诺罗亚索隆 发表于
At most 1 的原假设是什么啊，不应该是至多有1个变量存在协整关系吗？At most 1就是原假设呀，意思是至少有一个，其概率小于0.05，即拒绝至少有一个，也就是没有吧。祝版说的也对，--------“NONE时不拒绝，就不用在看下一个了”
statax 发表于
At most 1就是原假设呀，意思是至少有一个，其概率小于0.05，即拒绝至少有一个，也就是没有吧。祝版说的也 ...好吧。我在去看高铁梅的书琢磨一下~谢谢啦~
statax 发表于
At most 1就是原假设呀，意思是至少有一个，其概率小于0.05，即拒绝至少有一个，也就是没有吧。祝版说的也 ...At most 不是至多有一个的意思吗？
我的理解是这样子，不知道对不对
H（0）是没有；拒绝后就是存在，然后H（1）是至多一个，拒绝的话再往下看H（2）：至多两个，直到出现第一个不能拒绝的H（a），那么其协整秩就是a。
热心帮助其他会员
总评分:&论坛币 + 20&
想问下结果中那个log likelihood 有什么作用吗？
还有就是adjustment coefficients 是做什么的呢？
请各位帮小白解释下~
2017年10月最新视频中有Johansen协整检验的详细EViews软件操作与案例分析
/x/page/f05678gupvg.html
VECM向量误差修正模型的视频操作
/x/page/q0567arsm6f.html
VAR向量自回归模型的视频操作
/x/page/i0547atwx8p.html
ADF单位根检验视频操作
/x/page/v0546czfrev.html
Engle-Granger协整检验视频操作
/x/page/y.html
初级热心勋章
初级热心勋章
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师