图一：model是模型数，residual是参差数，ss拟合数，df自由度，
图二：number of obs是样本数，F统计量，大好，p值大于0.05拒绝原假设。R-scuared就是R^2的意思，是拟合度，越高越好，下面那个调整后的R^2一般不看，root是单位根检验。
图三：第一列是各个系数，第二列是拟合系数值，就是你的方程中带入系数的值，第三列是残差，下一列t值，一般大于1.96为好，下一列p值大于0.05保留，否则舍。最后就是95%置信水平下预测区间。追问
图二：number of obs是样本数，F统计量，大好，p值大于0.05拒绝原假设。R-scuared就是R^2的意思，是拟合度，越高越好，下面那个调整后的R^2一般不看，root是单位根检验。
图三：第一列是各个系数，第二列是拟合系数值，就是你的方程中带入系数的值，第三列是残差，下一列t值，一般大于1.96为好，下一列p值大于0.05保留，否则舍。最后就是95%置信水平下预测区间。追问
t值，一般大于1.96为好，下一列p值大于0.05保留，否则舍。
这个是不是有点矛盾啊
额，顺手写反了，p值小于0.05保留，否则舍，不好意思
温馨提示：答案为网友推荐，仅供参考
第1个回答 推荐于2017-09-30
计量经济学实验STATA:
stata基本知识：
1、基本操作 ：
（1）窗口锁定：Edit-preferences-general preferences-windowing-lock splitter
（2）数据导入；
（3）打开文件：use E:\example.dta,clear
（4）日期数据导入：
gen newvar=date(varname, “ymd”) format newvar %td 年度数据
gen newvar=monthly(varname, “ym”) format newvar %tm 月度数据
gen newvar=quarterly(varname, “yq”) format newvar %tq 季度数据
（5）变量标签 ：
Label variable tc ` “total output” ’
（6）审视数据：
describe
list x1 x2
list x1 x2 in 1/5
list x1 x2 if q>=1000
drop if q>=1000
keep if q>=1000
（7）考察变量的统计特征:
summarize x1
su x1 if q>=10000
su q,detail
su
tabulate x1
correlate x1 x2 x3 x4 x5 x6
（8）画图 ：
histogram x1, width(1000) frequency
kdensity x1
scatter x1 x2
twoway (scatter x1 x2) (lfit x1 x2)
twoway (scatter x1 x2) (qfit x1 x2)
（9）生成新变量：
gen lnx1=log(x1)
gen q2=q^2
gen lnx1lnx2=lnx1*lnx2
gen larg=(x1>=10000)
rename larg large
drop large
g large=(q>=6000)
replace large=(q>=6000) drop ln*
（10）计算功能：
display log(2)
（11）线性回归分析：
regress y1 x1 x2 x3 x4
vce #显示估计系数的协方差矩阵
reg y1 x1 x2 x3 x4,noc #不要常数项
reg y1 x1 x2 x3 x4 if q>=6000
reg y1 x1 x2 x3 x4 if large
reg y1 x1 x2 x3 x4 if large==0
reg y1 x1 x2 x3 x4 if ～large
predict yhat
predict e1,residual
display 1/_b[x1]
test x1=1 # F检验，变量x1的系数等于1
test (x1=1) (x2+x3+x4=1) # F联合假设检验
test x1 x2 #系数显著性的联合检验
testnl _b[x1]= _b[x2]^2
（12）约束回归 ：
constraint def 1 x1+x2+x3=1
cnsreg y1 x1 x2 x3 x4,c(1)
cons def 2 x4=1
cnsreg y1 x1 x2 x3 x4,c(1-2)
（13）stata的日志 ：
File-log-begin-输入文件名
log off 暂时关闭
log on 恢复使用
log close 彻底退出
（14）stata命令库更新 ：
Update all help command
stata基本知识：
1、基本操作 ：
（1）窗口锁定：Edit-preferences-general preferences-windowing-lock splitter
（2）数据导入；
（3）打开文件：use E:\example.dta,clear
（4）日期数据导入：
gen newvar=date(varname, “ymd”) format newvar %td 年度数据
gen newvar=monthly(varname, “ym”) format newvar %tm 月度数据
gen newvar=quarterly(varname, “yq”) format newvar %tq 季度数据
（5）变量标签 ：
Label variable tc ` “total output” ’
（6）审视数据：
describe
list x1 x2
list x1 x2 in 1/5
list x1 x2 if q>=1000
drop if q>=1000
keep if q>=1000
（7）考察变量的统计特征:
summarize x1
su x1 if q>=10000
su q,detail
su
tabulate x1
correlate x1 x2 x3 x4 x5 x6
（8）画图 ：
histogram x1, width(1000) frequency
kdensity x1
scatter x1 x2
twoway (scatter x1 x2) (lfit x1 x2)
twoway (scatter x1 x2) (qfit x1 x2)
（9）生成新变量：
gen lnx1=log(x1)
gen q2=q^2
gen lnx1lnx2=lnx1*lnx2
gen larg=(x1>=10000)
rename larg large
drop large
g large=(q>=6000)
replace large=(q>=6000) drop ln*
（10）计算功能：
display log(2)
（11）线性回归分析：
regress y1 x1 x2 x3 x4
vce #显示估计系数的协方差矩阵
reg y1 x1 x2 x3 x4,noc #不要常数项
reg y1 x1 x2 x3 x4 if q>=6000
reg y1 x1 x2 x3 x4 if large
reg y1 x1 x2 x3 x4 if large==0
reg y1 x1 x2 x3 x4 if ～large
predict yhat
predict e1,residual
display 1/_b[x1]
test x1=1 # F检验，变量x1的系数等于1
test (x1=1) (x2+x3+x4=1) # F联合假设检验
test x1 x2 #系数显著性的联合检验
testnl _b[x1]= _b[x2]^2
（12）约束回归 ：
constraint def 1 x1+x2+x3=1
cnsreg y1 x1 x2 x3 x4,c(1)
cons def 2 x4=1
cnsreg y1 x1 x2 x3 x4,c(1-2)
（13）stata的日志 ：
File-log-begin-输入文件名
log off 暂时关闭
log on 恢复使用
log close 彻底退出
（14）stata命令库更新 ：
Update all help command
第2个回答 2011-05-03
SSE是解释平方和 SSR是残差平方和，他们相加就是SST
SSE/SST是R2 好像中文叫可决系数吧。。我忘了中文怎么说的，反正R2越高说明模型解释的越好
DF是自由度，多元回归是N-T-1 N是样本数目，T是自变量的数目
ROOT MSE和MS不知道，，一般不用这个数据
number of obs就是样本数量的意思
SSE/SST是R2 好像中文叫可决系数吧。。我忘了中文怎么说的，反正R2越高说明模型解释的越好
DF是自由度，多元回归是N-T-1 N是样本数目，T是自变量的数目
ROOT MSE和MS不知道，，一般不用这个数据
number of obs就是样本数量的意思
相似回答