很多以前學習過的知識在不經(jīng)常被應用的情況下，統(tǒng)統(tǒng)被遺忘掉了，在寫到論文的時候往往會被忘掉的知識困住，其實并不是不會，而是當初學的時候不認真，或者是忘記了。這篇文章，其實是筆記整理。

1、excel表格的數(shù)據(jù)與導入Eviews的數(shù)據(jù)單位是否需要統(tǒng)一?

如果excel表格的單位為%，直接導入到Eviews軟件，那么回歸分析結果所得到的數(shù)據(jù)總和就會很大。為化解這一尷尬情況，可以把導入到Eviews的數(shù)據(jù)化成小數(shù)形式。所以，是否要統(tǒng)一要看具體情況。

這一點僅為個人見解，怕被誤導可以忽略。

2、縮小置信區(qū)間的***

增大樣本容量n。

樣本容量變大，樣本參數(shù)估計量的標準差減少;同時，在同樣的顯著性水平下，n越大，t分布表中的臨界值越小。

提高模型的擬合優(yōu)化。

因為樣本參數(shù)估計量的標準差與殘差平方和成正比，模型的擬合優(yōu)化度越高，殘差平方和越小。

提高樣本觀測值的分散性

3、擬合優(yōu)度檢驗

增加解釋變量會提高擬合優(yōu)度?

R2越接近于1，模型的擬合優(yōu)度越高。

在應用過程中發(fā)現(xiàn)，如果在模型中增加一個解釋變量，R2往往增大。這是因為殘差平方和往往隨著解釋變量個數(shù)的增加而減少，至少不會增加。

這就給人一個錯覺：要使模型擬合得好，只要增加解釋變量即可。但是，現(xiàn)實情況往往是，由增加解釋變量個數(shù)引起的R2的增大與擬合好壞無關，因此在多元回歸模型之間比較擬合優(yōu)度，R2就不是一個合適的指標，必須加以調整。即調整的可決系數(shù)。

4、F檢驗5、T檢驗6、對模型的擬合優(yōu)度檢驗和回歸方程線性的顯著性檢驗的糾結，兩者都要達到最優(yōu)區(qū)間嗎?

擬合優(yōu)度檢驗和方程總體線性的顯著性檢驗是從不同原理出發(fā)的兩類檢驗，前者是從已經(jīng)得到估計的模型出發(fā)，檢驗它對樣本觀測值的擬合程度，后者是從樣本觀測值出發(fā)檢驗模型總體線性關系的顯著性。但是二者又是關聯(lián)的，模型對樣本觀測值的擬合程度高，模型總體線性關系的顯著性就強。

我的疑問：

在已知線性回歸結果的情況下，可決系數(shù)R2和調整的可決系數(shù)的值達到多大才算是一個合格的模型，如果不達到該區(qū)間，那這個模型是否可用?

擬合優(yōu)化檢驗到底哪一個更重要，誰可以決定模型的可行性?

答案：

調整的可決系數(shù)達到多大才算模型通過檢驗?沒有絕對的標準，要看具體情況而定。模型的擬合優(yōu)度并不是判斷模型質量的唯一標準，有時甚至為了追求模型的經(jīng)濟意義，可以犧牲一點擬合優(yōu)度。

F和R2是同向變化的，當R2=0時，F(xiàn)=1;R2越大，F(xiàn)值也越大;當R2=1時，F(xiàn)為無窮大。因此，F(xiàn)檢驗是所估計回歸的總顯著性的一個度量，也是R2的一個顯著性檢驗。

7、模型通過F檢驗，但是只有1個自變量通過了T檢驗，該模型可用嗎?

判斷結果，該回歸為為回歸。模型建立的不合適。

8、在網(wǎng)上看到很多大佬回答別人的實證問題，比如，調整后的可決系數(shù)應該是多大才合適。有些人會說至少30%，太小，自變量不能很好的解釋因變量，實際意義不大。也有人說，這種要求其實是國內學術界刻意追求合理化的擬合優(yōu)度的結果，很多國外的學術研究中，調整后的可決系數(shù)都非常低，但是模型還是照樣成立，并且研究結果還能得到認可。

我一度糾結于模型的擬合優(yōu)度和模型的F檢驗、T檢驗三者之間如何才能同時實現(xiàn)區(qū)間符合，使得模型的可信度更高。

一個事實。

這些所謂的合不合適，取決于最后閱卷的老師們。論文通過與否，其實與老師是分不開的。自己能夠做到的，是把基礎性的問題解決，有自己的看法，但又不脫離理論;困于理論，但是又可以利用理論。

寫畢業(yè)論文的過程可能會很痛苦，但是唯有解決，才能解脫。

不是每個人都是學霸，所以我寫下的這篇文章，都是基礎性的問題與解答，學霸學神君如果路過，請勿噴。

推薦閱讀：《畢業(yè)論文中的案例怎么寫》

《寫畢業(yè)論文如何找素材做筆記》

《個案護理論文怎么寫》