5.2、标准回归残差检验—零基础入门教程

Eviews 统计分析从入门到精通（视频+数据+课件）------------------------------- 点击获取

点击上方链接可以查看完整版视频教程

标准回归残差检验是一种用于评估线性回归模型的拟合优度和模型假设的统计方法。它的主要目的是检验模型的残差是否符合一些基本假设，如残差的独立性、正态性和同方差性。通过标准回归残差检验，我们可以判断模型是否适合用于数据分析和预测。常见的标准回归残差检验包括Shapiro-Wilk检验、Ljung-Box检验、Durbin-Watson检验等。这些检验方法会计算统计量，并与相应的临界值进行比较，以确定是否拒绝或接受模型假设。标准回归残差检验可以帮助我们评估模型的质量和可靠性，发现模型中存在的问题，并提出改进和修正的建议。

标准回归结果的解释及残差检验

模型回归结束后，如何正确解读回归结果是最为重要的。其中，模型回归的结果不仅仅是对回归系数的解读，更重要的是对模型回归优良与否的评价，即统计量以及残差是否符合原假设的各种检验。

1. 回归模型标准回归结果中的统计量

EViews线性回归结果中可能出现的一些统计量及其含义见表。

2. 模型回归残差的常用检验

回归模型估计完毕后，通常研究者会对模型估计的残差进行检验，通过回归残差的性质来判断模型估计的效果。Q检验和LM检验用来判断残差是否违背无相关假定；异方差检验用来判断残差是否违背同方差假定，正态性检验用于判断残差的分布，以上都是常用的检验。检验的一般程序(适用于绝大部分统计量检验)是计算相关统计量的原假设成立的概率P值   如果该概率P值小于某个设定显著水平(通常为5%),则拒绝原假设，认为备择假设成立；反之，则不能拒绝原假设。

EViews回归结果会提出几个对残差检验的重要统计量，本书将通过表对其含义及统计量的原假设做简单的介绍。

进行以上残差检验后，如果发现残差存在自相关，则需要对模型形式进行修正或者采用GLS方法重新估计；如果发现残差存在异方差，则需要对模型形式进行修正或者采用WLS方法重新估计。

如果上述教程没有解决您的问题，可以联系分析师获取支持：

分析师服务（24小时在线）

如果您需要代做服务，可选择下方服务选项：

‍1、问卷设计、问卷调查：点击联系

2、数据分析、实证分析：点击联系‍

3、科研配图、论文配图：点击联系

4、文章指导、润色美化：点击联系

5、数据查找、代查代下：点击联系

6、数据修改、调整合理：点击联系‍

7、职称评审、课题申报：点击联系

8、格式排版、文章翻译：点击联系‍