怎么从3d图看出两个自变量之间的关系

1. 怎么从3d图看出两个自变量之间的关系

sig值表示Wals检验的显著性水平 Wals=（B/S.E.）^2 你这个表应该漏了个R值，R是偏相关系数，可以描述变量与模型的相关性 不过你要看这两个变量的相关性可以直接用相关分析 至于分析，主要看参数显著性，参数符号，大小，解释自变量对因变量的意义。

2. 已知ARMA模型的表达式，如何预测后面三个数据

ARIMA模型预测的基本程序
　　（一）根据时间序列的散点图、自相关函数和偏自相关函数图以ADF单位根检验其方差、趋势及其季节性变化规律，对序列的平稳性进行识别。一般来讲，经济运行的时间序列都不是平稳序列。
　　（二）对非平稳序列进行平稳化处理。如果数据序列是非平稳的，并存在一定的增长或下降趋势，则需要对数据进行差分处理，如果数据存在异方差，则需对数据进行技术处理，直到处理后的数据的自相关函数值和偏相关函数值无显著地异于零。
　　（三）根据时间序列模型的识别规则，建立相应的模型。若平稳序列的偏相关函数是截尾的，而自相关函数是拖尾的，可断定序列适合AR模型；若平稳序列的偏相关函数是拖尾的，而自相关函数是截尾的，则可断定序列适合MA模型；若平稳序列的偏相关函数和自相关函数均是拖尾的，则序列适合ARMA模型。
　　（四）进行参数估计，检验是否具有统计意义。
　　（五）进行假设检验，诊断残差序列是否为白噪声。
　　（六）利用已通过检验的模型进行预测分析。

3. 如何用eviews进行ARMA模型的定阶

AIC值和SC值为负数是由其定义决定的，如AIC=-（1+log(2*pi)+log(u'*u/T)+2(k+1)/T,pi为圆周率,k为解释变量个数,u为残差向量,T为样本规模。ARMA模型的定阶可以根据相关图，看自相关系数和偏自相关系数的截尾性。偏自相关系数的截尾点决定自回归阶数，而自相关系数截尾点决定移动平均的阶数。

4. 时间序列的问题，怎么根据图判断ARMA中的p和q

确定ARMA模型的（p，q)：查看自相关、偏相关系数图，获取其截尾特点，从而确定p和q。另外根据Box-Jenkins建模方法，可以初步设定模型为ARMA（n，n-1），即自回归部分的阶数比滑动平均部分阶数高一阶。p和q阶是代表数列的阶数，也即“εt2 = a0＋a1εt－12 ＋a2εt－22 ＋ …… ＋ aqεt－q2 ＋ηt t ”数列中类似“a0＋a1εt－12”的个数。
ARMA 模型：自回归滑动平均模型是研究时间序列的重要方法，由自回归模型（简称AR模型）与滑动平均模型（简称MA模型）为基础“混合”构成。在市场研究中常用于长期追踪资料的研究，如：Panel研究中，用于消费行为模式变迁研究；在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等。

5. 怎么从eviews回归分析结果中看出有没有显著影响

6. 请各位大大帮忙看看eviews中的ACF图 如何确定ARMA模型的（p,q)

确定ARMA模型的（p，q)：查看自相关、偏相关系数图，获取其截尾特点，从而确定p和q。另外根据Box-Jenkins建模方法，可以初步设定模型为ARMA（n，n-1），即自回归部分的阶数比滑动平均部分阶数高一阶。p和q阶是代表数列的阶数，也即“εt2 = a0＋a1εt－12 ＋a2εt－22 ＋ …… ＋ aqεt－q2 ＋ηt t ”数列中类似“a0＋a1εt－12”的个数。
ARMA 模型：自回归滑动平均模型是研究时间序列的重要方法，由自回归模型（简称AR模型）与滑动平均模型（简称MA模型）为基础“混合”构成。在市场研究中常用于长期追踪资料的研究，如：Panel研究中，用于消费行为模式变迁研究；在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等。

7. 怎么看相关系数显著性检验表？

这里主要关注两个信息就够了，一个是n，那就是你的样本容量，比如n=100的话就是有100个被试，也即100组配对的数据。根据你的样本量找到检验表里对应的行。另一个就是根据你定的显著性水平来看显著性，一般0.05水平就够了，比如n=100显著性水平alpha=0.05时，相关系数显著性的临界值为0.195，也就是说这个条件下，只要相关系数r的绝对值在0.195以上，就可以认为此相关系数在0.05水平上显著。
另外，一般报告的原则是，报告统计量所达到的最高显著性水平，也就是如果你的数据达到0.01水平的显著，就不要说它在0.05水平显著了

8. EViews回归结果。看出来解释变量被解释变量 很基础的东西。可是看表看不懂啊 先来个简单点的

Dependent Variable 被解释变量，也叫因变量。
Method 最小二乘
sample 样本量
Variable coefficient  Std. Error t-statistic Prob.
解释变量  系数         标准误      t统计量    p值
问题答案：
Variable下面那个是解释变量log（TIME）,太模糊看不清。
Dependent Variable后面那个是被解释变量log(DISTANCE)。
回归方程: log（TIME）=log(DISTANCE)+u
拟合优度就是R-squared后面的值，0.999999
希望有所帮助！