eviews
eviews 逐步回归分析法的步骤？
逐步回归分析法的步骤？
假设因变量是Y，常量C，解释变量X1，X2，X3，X4
详细的操作为：
1.Quick-Estimate Equation中先选择Method：STEPLS；
2.在Dependent Variable中输入Y，在List of search regressors中输入C X1 X2 X3 X4
3.特别要注意在Options中设置迭代中止条件Stopping Criteria，选择以显著性水平p值作为判别依据，假设检验水平为5%，设置两个值0.05和0.051。
中选择向前还是向后根据你自己的需要。
stata中p值过大的原因？
在回归分析中，P值很大，通常说明因变量与这个变量可能不相关。但由于R^2很高，且F值很小，这更有可能是多重共线性造成的。如果其中两个（或多个）变量有相关性，可以逐个试验去掉变量后回归结果是否改善。
logistic回归分析看哪个数据？
第一：首先对P值进行分析，如果该值小于0.05，则说明模型有效；反之则说明模型无效；
第二：AIC和BIC值用于多次分析时的对比；此两值越低越好；如果多次进行分析，可对比此两个值的变化情况，综合说明模型构建的优化过程；
第三：其余指标为中间计算过程值，基本无意义。
P值怎么求？
P值的计算公式是 P2[1-Φ(z0)] 当被测假设H1为 p不等于p0时；P1-Φ(z0) 当被测假设H1为 p大于p0时；PΦ(z0) 当被测假设H1为 p小于p0时。总之，P值越小，表明结果越显著。
统计学中回归分析的主要内容为：
1、从一组数据出发，确定某些变量之间的定量关系式，即建立数学模型并估计其中的未知参数。估计参数的常用方法是最小二乘法。
2、对这些关系式的可信程度进行检验。
3、在许多自变量共同影响着一个因变量的关系中，判断哪个（或哪些）自变量的影响是显著的，哪些自变量的影响是不显著的，将影响显著的自变量加入模型中，而剔除影响不显著的变量，通常用逐步回归、向前回归和向后回归等方法。
4、利用所求的关系式对某一生产过程进行预测或控制。回归分析的应用是非常广泛的，统计软件包使各种回归方法计算十分方便。
5、检验的结果究竟是“显著的”、“中度显著的”还是“高度显著的”需要根据P值的大小和实际问题来解决。