一般对于简单计量经济学，大家可能都知道什么经济意义检验、t检验（即t统计量）、回归系数、样本容量、R2、F统计量、DW值、P值等，这些对于常规统计分析，做这些就可以了。因此本文为大家准备了一些常规的计量基础知识，例如多重共线性、自相关、异方差等知识！

首先先来熟悉下OLS回归出来的结果：

Method选的的是OLS回归方法，即Ls(leastsquares)最小二乘法 
R-sequared样本决定系数（R2），又称可决系数，值为0-1，反映的是整个方程的拟合效果大于0.9，最好了。

AdjustR-seqaured调整修正后的可决系数
S.E ofregression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-Watsonstat：DW统计量，主要判断方程的自相关，可以查Dw表，越接近于2越好
Akaike infocriterion赤池信息量(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，F统计量的伴随概率，等于0，或者接近于0，说明方程的整体显著性。

记住，t统计量只是各个变量对整个方程的显著性，经验值，绝对值大于2，说明显著。

一、   多重共线性检验：

1、简单相关系数矩阵法

计算解释变量的简单相关系数矩阵。

方法1：将解释变量选中，双击打开，点击Views/Correlation/click，即可得出相关系数矩阵（图2.2.2）。再点击顶部的Freeze按钮，可得到一个Table类型独立的object（图2.2.3）。

修正

我们采用逐步回归法进行修正。

1、运用OLS方法逐一求Y对各个解释变量的回归。结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。

以下为7个方程。（注意：每次完成一个方程后，利用Freeze按钮，形成一个Table类型的object，并保存在Workfile中，需要时打开即可，这样可方便对比。）

方程1：