请教：Eviews回归残差处理问题
各位亲，如果利用Eviews进行回归处理，除了一般的看F、t、R等统计值来判断回归的效果外，就我所知还有残差处理来确定回归的好坏，请问一下应该怎么处理回归的残差来判断回归的好坏？按照古典回归模型的假设，残差应该是随机的，你可以观察残差趋势图，如果存在较为明显的趋势或者规律就表明肯定有问题，需要改进回归模型。 gancm 发表于 2014-6-11 10:47 static/image/common/back.gif
按照古典回归模型的假设，残差应该是随机的，你可以观察残差趋势图，如果存在较为明显的趋势或者规律就表明 ...
那如何检验残差是否随机呢？ gancm 发表于 2014-6-11 10:47 static/image/common/back.gif
按照古典回归模型的假设，残差应该是随机的，你可以观察残差趋势图，如果存在较为明显的趋势或者规律就表明 ...
那如何检验残差是否随机呢？ gancm 发表于 2014-6-11 10:47 static/image/common/back.gif
按照古典回归模型的假设，残差应该是随机的，你可以观察残差趋势图，如果存在较为明显的趋势或者规律就表明 ...
那如何检验残差是否随机呢？ 2543139 发表于 2014-6-11 13:30 static/image/common/back.gif
那如何检验残差是否随机呢？
就是对残差进行研究啊，比如直接观察序列图，或者对残差做一个回归方程进行检验。 关于残差中的信息含量，eviews提供了赤池信息准则和施瓦茨信息准则来衡量。
而基于残差的分析大部分是来检验异方差、自相关、ARCH效应等等的吧。 liwenhui 发表于 2014-7-7 16:43 static/image/common/back.gif
关于残差中的信息含量，eviews提供了赤池信息准则和施瓦茨信息准则来衡量。
而基于残差的分析大部分是来检 ...
那这些检验都要做吗？怎么选择做那些检验啊
页:
[1]