§2.5　回归分析结果的报告与评价

一、回归分析结果的报告

回归分析的结果，应该以清晰的格式予以表达，通常采用如下格式（以收入-消费模型为例）

上式中，第一排括号内的数字为回归系数估计值的标准误；第二排括号内的数字为在回归系数的真实值都是零的原假设下，由式（2.79）计算出来的t统计量值（例如3.0212=159.8788÷52.9184）；第三排括号内的数字为p值，即估计值的实际显著性水平。p=0.0000表示当原假设H0：β2=0成立时，得到一个等于或大于51.1354的t值的概率p≈0。也就是说，如果β2即边际消费倾向确实为零的话，我们得到一个0.7616的估计值的机会，实际上约等于零。因此，我们可以拒绝真实的边际消费倾向是零的原假设。

二、回归分析结果的评价

用最小二乘法得到回归模型后，我们要对模型的特性进行评价。回归模型的评价如下：

（1）经济理论评价。根据经济理论，边际消费倾向应为小于1大于0的正数。在收入-消费模型中，我们得到的边际消费倾向为0.7616，与经济理论的描述是一致的。

（2）统计上的显著性。由于β1，β2是由样本推断而得到的，即使β1，β2的真实值为0，由于抽样的波动，我们也会得到不为0的估计值，。因此，必须对回归系数进行显著性检验，判断回归系数的显著性。在收入-消费例中，边际消费倾向不仅是正的，而在统计上也是显著地异于0，t统计量的p值约等于0。

（3）回归分析模型的拟合优度，即解释变量X在多大程度上解释了被解释变量Y的变异。在收入-消费例中，R2=0.9970，说明收入解释了消费变异的99.70%，这是一个非常好的拟合。

（4）检验回归分析模型是否满足经典假定。该类检验将在第四章中讲解。