rss经济师培训

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
SE of regression=[Sum of Squared Residuals/T-k]^1/2
Sum of Squared Residuals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
RSS是指residuals 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 vaables, k=3

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
SE of regression=[Sum of Squared Residuals/T-k]^1/2
Sum of Squared Residuals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
RSS是指residuals 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 vaables, k=3

用matlab假设用下面简单的模型来做的话，代码可以简单的写一下。

%% model y=c+c1*x;
y=rand100,1;c=onessizey;x=randsizey;%生成数据
X=[c x];%把常数项和x合并成一个X
[b,bint,r]=regressy,X;%用regress线性回归得到系数b，残差向量r

RSS=r'*r;%求RSS
S2=RSS/leny-2;%回归的标准误差S2 分母是数据个数-1（常数项）-1（变量x）
Q=S*invX'*X;%求常数项c，系数c1的var和cov行列

var_b=diagQ;%取出对角成分，分别是常数项c和系数c1的方差

var_c=sqrtvar_b1;var_c1=sqrtvar_b2;%开根号后就得到标准误差；

比如

>> var_c
var_c =
0543
>> var_c1
var_c1 =
0921

我们老师讲的是总变差的自由度为n-1，回归平方和ESS的自由度为k-1，残差平方和RSS的自由度为n-k

SE of regression是扰动项的标准差，Sum squared resid是残差平方和，也等于统计学中所说的RSS，而F-statistic是F分布下的统计量，计算公式：F=ESS/K/RSS/n-k-1）。

ESS和RSS就是剩余平方和以及回归平方和，三者有这样的关系：SE of regression等于Sum squared resid除以（n-k）的商再开方。

简介：

统计量是统计理论中用来对数据进行分析、检验的变量。宏观量是大量微观量的统计平均值，具有统计平均的意义，对于单个微观粒子，宏观量是没有意义的．相对于微观量的统计平均性质的宏观量也叫统计量。

需要指出的是，描写宏观世界的物理量例如速度、动能等实际上也可以说是宏观量，但宏观量并不都具有统计平均的性质，因而宏观量并不都是统计量。