这里的ex是出口同比增长,im进口同比,reer人民币实际汇率

模型应该做何种修正?

回归结果

Variable        Coefficient        Std. Error        t-Statistic        Prob.

IM        0.597592        0.037297        16.02266        0.0000

REER        -0.317743        0.072264        -4.396939        0.0000

CRISIS        -7.904802        1.927782        -4.100465        0.0001

C        43.17402        8.114399        5.320667        0.0000

R-squared        0.726211            Mean dependent var                16.09821

Adjusted R-squared        0.721202            S.D. dependent var                15.91386

S.E. of regression        8.402726            Akaike info criterion                7.118511

Sum squared resid        11579.35            Schwarz criterion                7.192891

Log likelihood        -593.9549            Hannan-Quinn criter.                7.148698

F-statistic        145.0001            Durbin-Watson stat                1.629813

Prob(F-statistic)        0.000000

LM检验结果

Breusch-Godfrey Serial Correlation LM Test:

F-statistic        3.079968            Prob. F(14,150)                0.0003

Obs*R-squared        37.51088            Prob. Chi-Square(14)                0.0006

Test Equation:

Dependent Variable: RESID

Method: Least Squares

Date: 04/13/16   Time: 00:41

Sample: 2001M01 2014M12

Included observations: 168

Presample missing value lagged residuals set to zero.

Variable        Coefficient        Std. Error        t-Statistic        Prob.

IM        -0.006734        0.035200        -0.191312        0.8485

REER        -0.020471        0.070390        -0.290813        0.7716

CRISIS        0.331099        1.845419        0.179417        0.8579

C        2.298087        7.913641        0.290396        0.7719

RESID(-1)        0.128834        0.081665        1.577590        0.1168

RESID(-2)        0.231544        0.082648        2.801556        0.0058

RESID(-3)        0.120700        0.079760        1.513298        0.1323

RESID(-4)        0.014240        0.080844        0.176145        0.8604

RESID(-5)        -0.077872        0.080535        -0.966931        0.3351

RESID(-6)        0.002354        0.080904        0.029095        0.9768

RESID(-7)        -0.049435        0.081236        -0.608535        0.5438

RESID(-8)        -0.030312        0.080776        -0.375253        0.7080

RESID(-9)        0.116361        0.080737        1.441230        0.1516

RESID(-10)        -0.029617        0.081229        -0.364608        0.7159

RESID(-11)        -0.010919        0.082900        -0.131709        0.8954

RESID(-12)        -0.369372        0.081846        -4.513007        0.0000

RESID(-13)        0.111291        0.085636        1.299584        0.1957

RESID(-14)        0.073874        0.088639        0.833430        0.4059

R-squared        0.223279            Mean dependent var                9.50E-15

Adjusted R-squared        0.135251            S.D. dependent var                8.326911

S.E. of regression        7.743352            Akaike info criterion                7.032503

Sum squared resid        8993.926            Schwarz criterion                7.367214

Log likelihood        -572.7303            Hannan-Quinn criter.                7.168345

F-statistic        2.536444            Durbin-Watson stat                1.909153

Prob(F-statistic)        0.001409

lm做自相关做几阶_LM检验结果残差是2阶自相关和12阶自相关,如何处理?相关推荐

  1. lm做自相关做几阶_lm检验(lm检验怎么判断是几阶自相关)

    LM检验自相关性的方法是什么?它的判断标准是什么? LM检验即拉格朗日乘数检验,用来检验模型残差序列是否存在序列相关.原假设是不存在序列相关:备选假设是:存在p阶自相关.检验统计量渐进服从卡方分布,如 ...

  2. 智能驾驶进入新周期:从「定点量产」到「做大做强」

    智能驾驶赛道已经进入一个全新的周期. 过去三年时间,中国本土供应商陆续进入乘用车前装量产赛道,部分企业实现了从0到1的量产突围,而一些领跑的本土供应商已率先进入规模化上车的新阶段. 从最初的技术突破. ...

  3. SAP QM高阶之检验点(Inspection Point)

    SAP QM高阶之检验点(Inspection Point) 检验点是一个很好的工具,可用于基于多个因素进行检验,即Time frame.基于数量.样本管理.校准或任何其他被称为点的因素.简单地说,检 ...

  4. 做专才能做强做大——从OA、协同之争说起

    做专才能做强做大 --从OA.协同之争说起 什么惹眼就挂什么标签,什么有好处就往哪钻,这是商家通行的招数.于是忽然"城墙变换大王旗",一些传统OA厂商纷纷摇头一变,都套上了协同的外 ...

  5. [转]浅谈:国内软件公司为何无法做大做强

    2019独角兽企业重金招聘Python工程师标准>>> [IT168 评论]纵览,国内比较大的软件公司(以下统一简称"国软"),清一色都是做政府项目的(他们能做大 ...

  6. 阿里数据产品经理工作(总结篇):数据PD,做牛做马

    送给真正的互联网人一顿干货早餐 [小咖导读]文自 听雨-悟禅 博客,PD(指产品经理,下同)本身就是在做牛做马,关系圈异常复杂.数据PD也不例外.而且打交道的人更多.以下是作者用PPT绘制的数据产品经 ...

  7. 做爱做的事,做有快感的事

    还是不发首页了,最近没规划,需要缓一缓.因为发首页还是要符合几点要求的,所以就先停停,不过文章还是得写. 本来十一点多就写好了,没想到洗个澡就过了十二点. ---------------------- ...

  8. 网易云信:要做就做轻量级、小而美的云产品

    目前,云服务两头热.中间薄弱,在PaaS层还没有出现非常成熟的产品.网易云信聚焦PaaS,要做就做轻量级.小而美的云产品.这种专注,意味着网易将提供比其它互联网公司更为专业的云产品. 聚焦PaaS,因 ...

  9. 浅谈:国内软件公司为何无法做大做强?

    纵览,国内比较大的软件公司(以下统一简称"国软"),清一色都是做政府项目的(他们能做大的原因我就不用说了吧),真正能做大的国软又有几家呢?这是为什么呢? 今天风吹就给大家简单分析下 ...

最新文章

  1. arcpy 批量投影_怎样用arcgis中的python进行批量投影
  2. ADO.NET Entity Framework
  3. Celery-------项目目录
  4. VS2005 快捷键
  5. 确认类是否可以在运行期使用
  6. AT4144-[ARC098D]Donation【Kruskal重构树,dp】
  7. ui automator viewer 怎么获取界面名_ui交互设计怎么样
  8. 苏州为什么只能做二线中游?
  9. iPad开发(相对于iPhone开发时专有的API)
  10. 微信语音麦克风静音_智能语音专题(二):语音信号处理
  11. 关于uboot中tftp上传内存数据到tftp服务器
  12. ISO50001认证辅导,ISO 50001的能源管理允许组织对自己内部的节能潜力进行系统开发
  13. Git 常用回滚撤销命令总结
  14. android qq 文件怎么打开,如何更改腾讯QQ手机版默认的文件打开方式
  15. 速读水浒!108将的简介与结局
  16. 通过面积证明:两个函数相乘 / 相除的导数为什么长成这样?
  17. 免费edu邮箱申请注册地址
  18. jquery如何根据id获取标签内的值,以及如何通过id赋值,各种标签赋值取值汇总
  19. unity 全息和xRay shader
  20. springBoot配置全局异常处理器

热门文章

  1. 测试Python软件是否安装成功
  2. MBA-day4 逻辑学-假言推理
  3. 计算机专业课程 目录,找几所名牌大学的计算机专业本科阶段课程设置目录
  4. VMware中无法勾选将主机虚拟适配器连接到此网络
  5. 【图像处理】双眼去掩蔽
  6. STM32F207笔记
  7. java实现fcfs_JAVA从入门到精通之实现进程调度算法 FCFS
  8. 微信小程序 实现阿里云上传
  9. 标准的pboc密钥分散算法 c语言,PBOC密码技术方法、分散密钥、过程密钥,如何计算ARQC、ARPC、MAC,已经ENC...
  10. 计算机在工商管理中的应用,计算机在企业管理中的应用.doc