Eviews-回归分析

R-squared: 样本可决系数，值为0-1，越接近1表示拟合越好，>0.8认为可以接受，但是该值随因变量的增多而增大，解决这个问题调整的可决系数来解决

Adjust R-squared

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: 赤池信息准则（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

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

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。

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