eviews怎么判断模型的拟合程度，如何用eviews做出拟合曲线

1，如何用eviews做出拟合曲线

看来你已经做出回归了，打开回归报告，上面都写着，想看图像的话，点回归报告右上方的“resids”

这个内容很多的，这里说不完

如何用eviews做出拟合曲线

2，通过sas怎么判断时间序列模型的拟合优度

由多个自变量的最优组合共同来预测或估计因变量.是用来做预测的.你可以用eviews或者spss都可以,多元线性回归模型算是比较基础的了.步骤包括变量设置、数据采集、数据拟合、检验、预测等.

看aic值并比较大小

通过sas怎么判断时间序列模型的拟合优度

3，利用eviews该如何判断用什么模型以及定

方法/步骤按下创建文件按钮, 创造一个新文件.如下图,在左上方选择,在右上方键入观察数量.在电子表格复制观察数据,在EVIEWS的空白处贴上.单击完成后出现如下图所示图样.在工具列表选择模型的参数估计,出现如下画面最上面空白处键入想要估算的模型 (如例:gdp c consumption), yi= β0+β1 * xi, 这里gdp是yi, c代表β0, consumption代表xi注意估算方法要选择Least Squares.最后, 一元线性回归模型的结果生成了.

利用eviews该如何判断用什么模型以及定

4，我做了一个关于LOGIT模型的Eviews分析哪位大侠可以告诉我怎么

我做的是OLS，回归结果主要看的是:①变量系数的p值，判断在1％，5％，10％水平上是否显著。②R2，决定了模型的拟合效果，一般是越接近1，拟合效果越好。③DW值，判断是否存在线性相关，一般DW值在1.8-2.2之间比较好。学艺不精，仅供参考哇。

主要看系数，当然还有r方和p值。 x的p值是0.029，小于0.05，拒绝原假设，说明x对因变量有显著影响。 mcfaddenr方是0.014，拟合优度很差，效果不好。 x的系数估计值是1.428，说明x越大，y越大，二者正相关。若有帮助，请及时采纳，谢谢。统计人刘得意

5，用matlab进行曲线拟合时如何判断拟合的好坏

一是看相关系数如何越接近1越好，一般要求大于0.9，统计量的概率一般要小于0.05，所做的模型才可以使用。此外残差的置信区间应该包括0，但是对于拟合到什么程度，才算满意没有严格的标准来进行界定。

我也在做这方面的分析，对于曲线拟合，一是看相关系数如何越接近1越好，一般要求大于0.9，统计量的概率一般要小于0.05，所做的模型才可以使用，此外残差的置信区间应该包括0，但是对于拟合到什么程度，才算满意好像没有严格的标准来进行界定，希望其它高手进行解答一下

你用regress做吧，不懂的话自己百度或者help一下喽。它不仅给你残差图，还给出了你R^2和F等评价指标呢。一般的书上拟合都有讲这个函数的，自己看看吧。

取点数目取决于你的采样。matlab无法解决但可以采用其他方法如分段差值，三次样条插值后得到连续曲线。再在这连续曲线上取样，取样后再进行拟合。拟合和插值是不同的概念

6，如何分析回归模型的拟合度和显著性

模型的拟合度是用R和R方来表示的，一般大于0.4就可以了；自变量的显著性是根据各个自变量系数后面的Sig值判断的，如果小于0.05可以说在95%的显著性水平下显著，小于0.01就可以说在99%的显著性水平下显著了。如果没有给出系数表，是看不到显著性如何的。回归分析(regression analysis)是研究一个变量（被解释变量）关于另一个（些）变量（解释变量）的具体依赖关系的计算方法和理论。从一组样本数据出发，确定变量之间的数学关系式对这些关系式的可信程度进行各种统计检验，并从影响某一特定变量的诸多变量中找出哪些变量的影响显著，哪些不显著。利用所求的关系式，根据一个或几个变量的取值来预测或控制另一个特定变量的取值，并给出这种预测或控制的精确程度。其用意：在于通过后者的已知或设定值，去估计和（或）预测前者的（总体）均值。拓展资料：回归模型（regression model）对统计关系进行定量描述的一种数学模型。如多元线性回归的数学模型可以表示为y=β0+β1*x+εi，式中，β0，β1，…，βp是p+1个待估计的参数，εi是相互独立且服从同一正态分布N(0,σ2)的随机变量，y是随机变量；x可以是随机变量，也可以是非随机变量,βi称为回归系数，表征自变量对因变量影响的程度。（资料来源：百度百科：回归模型）

我分析回归模型的离合度和显示度，首先还是看它的成分表，如果合适的话再说

模型的拟合度是用R和R方来表示的，一般大于0.4就可以了，你的拟合度还不错；自变量的显著性是根据各个自变量系数后面的Sig值判断的，如果小于0.05可以说在95%的显著性水平下显著，小于0.01就可以说在99%的显著性水平下显著了。你的题目中没有给出系数表，所以我看不到显著性如何。

你的老师不希望您报告nagelkerke r平方或2loglikelihood的值是正确的。线性拟合指数（r平方）logistic回归模型善良是不适用的。 logistic回归，你应该主要善良拟合指数模型的拟合优度hosmer和lemeshow检验的结果是可以接受的，当它的sig值（p值）大于0.05（最好大于0.1）。业务：logistic回归主界面，点击“选项”按钮，然后选择lemeshow霍斯默善良的拟合统计可以（记得最后点击ok）。这将产生两个hosmer和lemeshow检验结果表，首先是整体的善良的拟合结果，第二个是10％的原始数据拟合结果善良的，你可以第一个表中的结果，结果报告第二个表，我想你的老师可能无法理解，你可以不报告。