计量经济学标准差

A. 请问计量经济学中，变量系数的标准差2.3，t值10.怎么回事呀标准差怎么会这么大

T值的绝对值大于2，说明P=0，拒绝原假设

B. 计量经济学ols法回归结果中"值"指的哪个数值

这个问题说实话，模糊的让人不知道如何回答。

OLS 回归结果有很多值，每一个专值都有不同的检属验意义。
笼统的说，
1. 一般会看R 值，或者是有调整的R值。这个是数值是检验整个模型拟合的好坏。
2. 各个自变量的 系数值，这些数值是否在方向上是合乎预期的。其给出了这个自变量对因变量的影响的大小。
3. 系数值的P值。得到系数值后，在统计上是否显著，也是要考量的。如果P值一般大于0.1 就说明，自变量与因变量在统计上是没有联系。
4.有特别考察需要的，会看标准差值，如果标准差值过大，可能数据有需要调整的地方，如处理离群值。
5. 其他检验数据值，如 D-W 值，这个数值一般接近于2 是最好，如果过小或者过大，都说明模型存在自相关的问题。

以上仅是大多数实证分析会在文章中有说明的数值。

C. 计量经济学计算统计量F，已知RSS,S.D dependent var以及R的平方，该如何求得ESS

1、S.D dependent var是被解释变量Y的标准差，简称SD。

TSS：Total sum of squares，即原始数据和均值之差的平方和。

TSS与SD存在下列关系：

TSS=SD^2*(N-1) ；

2、回归平方和： ESS (explained sum of squares)即预测数据与原始数据均值之差的平方和，这部分差异是回归可解释的部分。

三者之间的关系是TSS＝RSS＋ESS

由此，可以得到：ESS=TSS-RSS=SD^2*(N-1)-RSS

(3)计量经济学标准差扩展阅读：

1、S.D dependent var是被解释变量Y的标准差。标准差（Standard Deviation），是离均差平方的算术平均数的平方根，是方差的算术平方根。S.D dependent var反映被解释变量Y的离散程度。

2、TSS（Total sum of squares）原始数据和均值之差的平方和。与SD存在下列关系：

TSS=SD^2*(N-1) ；

3、决定系数是因变量Y的变异中有多少百分比,可由控制的自变量X来解释. 在Y的总平方和中，由X引起的平方和所占的比例。

表达式：R平方=ESS/TSS=1-RSS/TSS

D. 回归标准差（S.E. of regression）

回归标准差反映的是各变量值与其平均数的平均差异程度，表明其平均专数对各变量值的代属表性强弱；公式：各变量值与其平均数的差的平方和然后再求平均数，是方差，方差开平方就是标准差。公式不好打，我就口述了，不知是否表述清楚了，希望能帮到你

E. 计量经济学分析中标准差5.75e+09等于多少，计算过程是怎样的呢谢谢

5.75e+09表示5.75乘以10的9次方，
标准差的计算公式得看你具体问的是哪种方程，哪个系数了，欢迎题主提供更具体信息

F. 标准差与标准误差的关系

标准差与标准误差是不同的：
标准误差定义为各测量值误差的平方和的平均值的版平方根，故又称为均权方误差。
其中的“测量值误差”为测量值与真实值的差
标准差中用的是：测量值的平均数与测量值的差
如果被测量的真值是未知数，各测量值的误差也都不知道，则不能按定义求得标准误差。测量时能够得到的是算术平均值，它最接近真值，而且也容易算出测量值和算术平均值之差，称为残差。理论分析表明可以用残差代替真值有求限次观测中的标准误差
此时标准误差和标准差除符号表示不同外完全相同。

G. 计量经济学β^方差估计量值怎么算

假设你所谓的表中其它数据指的是eviews里回归估计的输出表
S.E. of regression=[Sum of Squared Resials/(T-k)]^(1/2)
Sum of Squared Resials是表中数据
T是观测数，k是变量数，包括常数项
回归标准差反映的是各变量值与其平均数的平均差异程度，表明其平均数对各变量值的代表性强弱；公式：各变量值与其平均数的差的平方和然后再求平均数，是方差，方差开平方就是标准差。

回归标准差等于RSS/(n-k)，即 RSS dividend by degree of freedom
RSS是指resials of sum squares,
n 指样本量，即observations
k 指估计的parameters,包括截距，引入两个 explanatory variables, k=3

H. 计量经济学中什么叫“mean dependent var 和 S.D. dependent var”

Mean dependent var表示被解释变量的均值。S.D dependent var 表示被解释变量的标准差=the root of [TSS/(N-1)]。

第一，单方程模型、非线性动态模型、诊断与识别检验的小样本性质等方面的研究将会愈来愈受到计量经济学家们的重视。

第二，随着计算机技术的突飞猛进，现代模拟推断技术在计量经济学中的应用将会越来越广泛，尤其是在受限因变量模型、贝叶斯计量经济学以及非线性计量经济学更会引人注目。

第三，金融计量经济学将会是一个最活跃的研究领域。金融数据的大量性及其非正态性对计量经济学家们来说既是机遇也是挑战。该领域的研究重点将有可能放在随机波动模型及其应用方面。

(8)计量经济学标准差扩展阅读

计量经济学发展的第三个里程碑是1987年Engle-Granger发表论文“协整与误差修正，描述、估计与检验”。该论文正式提出协整概念，从而把计量经济学理论的研究又推向一个新阶段。Granger定理证明若干个一阶非平稳变量间若存在协整关系，那么这些变量一定存在误差修正模型表达式。反之亦成立。

1988-1992年Johansen（丹麦）连续发表了四篇关于向量自回归模型中检验协整向量，并建立向量误差修正模型（VEC）的文章，进一步丰富了协整理论。

I. 计量经济学问题求详解～

有点奇怪，这本书为什么对OLS估计量使用了矩阵形式，而在后面对OLS估计量内的方差估计量却使用标量容呢（注意beta下面的序号），如果题主所疑惑的C在前文没有任何交代，那么这本书则纯属误认子弟。其次，这本书似乎几个概念都没有搞清，比如参数OLS估计的方差那栏，估计量的方差本身应该是VAR（）,如果加了^符号，则表明是方差的估计量，之所以使用估计量，是因为误差的方差（sigma的平方）不知，用它的无偏估计量残差平方和除以自由度代替的，所以这栏准确的说应该叫OLS估计量的方差的估计量。

下面回答题主两个问题：

1. 题主疑惑的两个C是一样的，上面那个是OLS估计量的方差的估计量，下面计算的是方差估计量的标准差，也就是上面的值开根号。

2. 这里的C不太好看，也不易理解。事实上，接着OLS估计量的矩阵形式往下推演，在经典假设下（误差满足球形扰动），OLS估计量的方差矩阵应该[（X'X)^(-1)][sigma^2]（不满足前提假设，左边括号的内容有变），X是n*k的矩阵（k为beta参数的个数，n为样本数），X’是k*n的矩阵，C=[（X'X)^(-1)]是k*k的矩阵，于是Cjj可以看作C矩阵对角线的元素。