計量經濟學標准差

A. 請問計量經濟學中，變數系數的標准差2.3，t值10.怎麼回事呀標准差怎麼會這么大

T值的絕對值大於2，說明P=0，拒絕原假設

B. 計量經濟學ols法回歸結果中"值"指的哪個數值

這個問題說實話，模糊的讓人不知道如何回答。

OLS 回歸結果有很多值，每一個專值都有不同的檢屬驗意義。
籠統的說，
1. 一般會看R 值，或者是有調整的R值。這個是數值是檢驗整個模型擬合的好壞。
2. 各個自變數的 系數值，這些數值是否在方向上是合乎預期的。其給出了這個自變數對因變數的影響的大小。
3. 系數值的P值。得到系數值後，在統計上是否顯著，也是要考量的。如果P值一般大於0.1 就說明，自變數與因變數在統計上是沒有聯系。
4.有特別考察需要的，會看標准差值，如果標准差值過大，可能數據有需要調整的地方，如處理離群值。
5. 其他檢驗數據值，如 D-W 值，這個數值一般接近於2 是最好，如果過小或者過大，都說明模型存在自相關的問題。

以上僅是大多數實證分析會在文章中有說明的數值。

C. 計量經濟學計算統計量F，已知RSS,S.D dependent var以及R的平方，該如何求得ESS

1、S.D dependent var是被解釋變數Y的標准差，簡稱SD。

TSS：Total sum of squares，即原始數據和均值之差的平方和。

TSS與SD存在下列關系：

TSS=SD^2*(N-1) ；

2、回歸平方和： ESS (explained sum of squares)即預測數據與原始數據均值之差的平方和，這部分差異是回歸可解釋的部分。

三者之間的關系是TSS＝RSS＋ESS

由此，可以得到：ESS=TSS-RSS=SD^2*(N-1)-RSS

(3)計量經濟學標准差擴展閱讀：

1、S.D dependent var是被解釋變數Y的標准差。標准差（Standard Deviation），是離均差平方的算術平均數的平方根，是方差的算術平方根。S.D dependent var反映被解釋變數Y的離散程度。

2、TSS（Total sum of squares）原始數據和均值之差的平方和。與SD存在下列關系：

TSS=SD^2*(N-1) ；

3、決定系數是因變數Y的變異中有多少百分比,可由控制的自變數X來解釋. 在Y的總平方和中，由X引起的平方和所佔的比例。

表達式：R平方=ESS/TSS=1-RSS/TSS

D. 回歸標准差（S.E. of regression）

回歸標准差反映的是各變數值與其平均數的平均差異程度，表明其平均專數對各變數值的代屬表性強弱；公式：各變數值與其平均數的差的平方和然後再求平均數，是方差，方差開平方就是標准差。公式不好打，我就口述了，不知是否表述清楚了，希望能幫到你

E. 計量經濟學分析中標准差5.75e+09等於多少，計算過程是怎樣的呢謝謝

5.75e+09表示5.75乘以10的9次方，
標准差的計算公式得看你具體問的是哪種方程，哪個系數了，歡迎題主提供更具體信息

F. 標准差與標准誤差的關系

標准差與標准誤差是不同的：
標准誤差定義為各測量值誤差的平方和的平均值的版平方根，故又稱為均權方誤差。
其中的「測量值誤差」為測量值與真實值的差
標准差中用的是：測量值的平均數與測量值的差
如果被測量的真值是未知數，各測量值的誤差也都不知道，則不能按定義求得標准誤差。測量時能夠得到的是算術平均值，它最接近真值，而且也容易算出測量值和算術平均值之差，稱為殘差。理論分析表明可以用殘差代替真值有求限次觀測中的標准誤差
此時標准誤差和標准差除符號表示不同外完全相同。

G. 計量經濟學β^方差估計量值怎麼算

假設你所謂的表中其它數據指的是eviews里回歸估計的輸出表
S.E. of regression=[Sum of Squared Resials/(T-k)]^(1/2)
Sum of Squared Resials是表中數據
T是觀測數，k是變數數，包括常數項
回歸標准差反映的是各變數值與其平均數的平均差異程度，表明其平均數對各變數值的代表性強弱；公式：各變數值與其平均數的差的平方和然後再求平均數，是方差，方差開平方就是標准差。

回歸標准差等於RSS/(n-k)，即 RSS dividend by degree of freedom
RSS是指resials of sum squares,
n 指樣本量，即observations
k 指估計的parameters,包括截距，引入兩個 explanatory variables, k=3

H. 計量經濟學中什麼叫「mean dependent var 和 S.D. dependent var」

Mean dependent var表示被解釋變數的均值。S.D dependent var 表示被解釋變數的標准差=the root of [TSS/(N-1)]。

第一，單方程模型、非線性動態模型、診斷與識別檢驗的小樣本性質等方面的研究將會愈來愈受到計量經濟學家們的重視。

第二，隨著計算機技術的突飛猛進，現代模擬推斷技術在計量經濟學中的應用將會越來越廣泛，尤其是在受限因變數模型、貝葉斯計量經濟學以及非線性計量經濟學更會引人注目。

第三，金融計量經濟學將會是一個最活躍的研究領域。金融數據的大量性及其非正態性對計量經濟學家們來說既是機遇也是挑戰。該領域的研究重點將有可能放在隨機波動模型及其應用方面。

(8)計量經濟學標准差擴展閱讀

計量經濟學發展的第三個里程碑是1987年Engle-Granger發表論文「協整與誤差修正，描述、估計與檢驗」。該論文正式提出協整概念，從而把計量經濟學理論的研究又推向一個新階段。Granger定理證明若干個一階非平穩變數間若存在協整關系，那麼這些變數一定存在誤差修正模型表達式。反之亦成立。

1988-1992年Johansen（丹麥）連續發表了四篇關於向量自回歸模型中檢驗協整向量，並建立向量誤差修正模型（VEC）的文章，進一步豐富了協整理論。

I. 計量經濟學問題求詳解～

有點奇怪，這本書為什麼對OLS估計量使用了矩陣形式，而在後面對OLS估計量內的方差估計量卻使用標量容呢（注意beta下面的序號），如果題主所疑惑的C在前文沒有任何交代，那麼這本書則純屬誤認子弟。其次，這本書似乎幾個概念都沒有搞清，比如參數OLS估計的方差那欄，估計量的方差本身應該是VAR（）,如果加了^符號，則表明是方差的估計量，之所以使用估計量，是因為誤差的方差（sigma的平方）不知，用它的無偏估計量殘差平方和除以自由度代替的，所以這欄准確的說應該叫OLS估計量的方差的估計量。

下面回答題主兩個問題：

1. 題主疑惑的兩個C是一樣的，上面那個是OLS估計量的方差的估計量，下面計算的是方差估計量的標准差，也就是上面的值開根號。

2. 這里的C不太好看，也不易理解。事實上，接著OLS估計量的矩陣形式往下推演，在經典假設下（誤差滿足球形擾動），OLS估計量的方差矩陣應該[（X'X)^(-1)][sigma^2]（不滿足前提假設，左邊括弧的內容有變），X是n*k的矩陣（k為beta參數的個數，n為樣本數），X』是k*n的矩陣，C=[（X'X)^(-1)]是k*k的矩陣，於是Cjj可以看作C矩陣對角線的元素。