计量经济学
用个例子解释一下：谈恋爱中，常数项就是女生说：如果你实在没钱，我花钱我们吃方便面。随机变量就是吃完后女生说：我请你喝饮料。（结果的误差项就像是餐后难喝或好喝的饮料）而常数项一般无意义就像是，虽然假设是成立的，但是实际中你连吃饭的钱都没有也就谈不了恋爱了。
一言以蔽之，在计量经济学的线性回归模型中，常数项在很多情况下并无实际的解释意义。&br&&br&要论含义，常数项的数学含义是，平均来讲，当所有解释变量的值为0的时候，被解释变量的值是几？但是在计量经济学的实证模型中，这通常是无意义的，原因很简单，因为在很多时候，解释变量的定义域并不一定包括0，比如人的身高、体重等等。可是，即便所有的解释变量都可以同时取0，常数项依然是基本无意义的。我们回到线性回归的本质上来讲的话，所有参数的确定都为了一个目的：让残差项的均值为0，而且残差项的平方和最小。所以，想象一下，当其他的参数都确定了以后，常数项的变化在图像上表现出来的就是拟合曲线的上下整体浮动，当曲线浮动到某一位置，使得在该位置上，残差项的均值为0，曲线与y轴所确定的截距即为常数项。因此，可以理解为常数项是对其他各个解释变量所留下的偏误（bias）的线性修正。但是要说常数项具体的值所代表的解释意义，在通常情况下是无意义的。&br&&br&写到这里，有人可能会问，既然无意义，我们何不去掉常数项？答案是否定的，原因是，如果去除了常数项，就等于强制认定当所有解释变量为0时，被解释变量为0。如果这个断定不符合实际意义，而你执意去除常数项的话，你的线性估计将是有偏的。&br&&br&随机误差项的理解相对简单，在线性回归模型中，每一个观测值都有一个残差项，也叫随机误差项，它刻画的是模型的估计值和真实观测值之间的偏差。&br&&br&参考文献：&a href=&/blog/adventures-in-statistics/regression-analysis-how-to-interpret-the-constant-y-intercept& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Regression Analysis: How to Interpret the Constant (Y Intercept)&i class=&icon-external&&&/i&&/a&
一言以蔽之，在计量经济学的线性回归模型中，常数项在很多情况下并无实际的解释意义。要论含义，常数项的数学含义是，平均来讲，当所有解释变量的值为0的时候，被解释变量的值是几？但是在计量经济学的实证模型中，这通常是无意义的，原因很简单，因为在很…
常数项的存在只是为了让误差项均值为零。在ols相应的假设(线性，外生性，列满秩，平稳遍历性等)都成立时，不设置常数项对估计的一致性（无偏性，在有限样本假设下），以及有效性没有影响，仅仅是对R square等涉及样本中心矩的结果造成了改变。&br&初级计量强调常数项，但中级以后就不再严格要求了。
常数项的存在只是为了让误差项均值为零。在ols相应的假设(线性，外生性，列满秩，平稳遍历性等)都成立时，不设置常数项对估计的一致性（无偏性，在有限样本假设下），以及有效性没有影响，仅仅是对R square等涉及样本中心矩的结果造成了改变。初级计量强调…
想有一天能成为一个炫富秀恩爱的学霸请教下这个SPSS的多元线性回归结果Variable B SE B Beta T Sig TX1 . .919 . ..234 .0144(Constant) -2..017776 -.475 .6495这个结果中的B 、SE B、Beta、T、SigT分别是什么_百度作业帮
请教下这个SPSS的多元线性回归结果Variable B SE B Beta T Sig TX1 . .919 . ..234 .0144(Constant) -2..017776 -.475 .6495这个结果中的B 、SE B、Beta、T、SigT分别是什么
请教下这个SPSS的多元线性回归结果Variable B SE B Beta T Sig TX1 . .919 .3887X2 . 3.234 .0144(Constant) -2..017776 -.475 .6495这个结果中的B 、SE B、Beta、T、SigT分别是什么意思啊?另外,样本数为58的模型,若Adjusted R2=0.248,Std Error=0.382,F=4.757,Sig F=0.001,那么是不是代表这个回归模型不成立?
B 为方程的b,如0.068701即为x1前的样本回归系数b1,-2.856476为b0.该方程可写成y=-2..+0.SE B为各b的标准误.beta为b的标准化回归系数.T为用t检验法对方程进行假设检验以说明其有无统计学意义的t值.SigT为t值对应的P值,以跟α=0.05做比较.如本题只有x2的有意义（因为它的sigT=0.0144小于0.05）第2个问题的sigF=0.001,小于0.05,说明拒绝无效假设H0,接收H1,说明该回归模型成立,而不是不成立.（H0是假设该方程无意义,H1是假设该方程有意义）
我觉得虽然从假设检验来看X2（P0.0144），方程P（0.001）都是有意义的，但是Adjusted R2=0.248，也就是说这个方程只能解释变量的24.8％，拟合度太差了，一般Adjusted R2要大于80％才说明建模比较有效，24.8％的话方程基本上是没什么意义的。spss回归分析t、F值分别代表什么呀？_百度知道
提问者采纳
R表示的是拟合优度，它是用来衡量估计的模型对观测值的拟合程度。它的值越接近1说明模型越好。但是，你的R值太小了。T的数值表示的是对回归参数的显著性检验值，它的绝对值大于等于ta/2(n-k)（这个值表示的是根据你的置信水平，自由度得出的数值）时，就拒绝原假设，即认为在其他解释变量不变的情况下，解释变量X对被解释变量Y的影响是显著的。F的值是回归方程的显著性检验，表示的是模型中被解释变量与所有解释变量之间的线性关系在总体上是否显著做出推断。若F&Fa(k-1,n-k),则拒绝原假设，即认为列入模型的各个解释变量联合起来对被解释变量有显著影响，反之，则无显著影响。如果，你只改R值，我想是可以看的出来的。你的F的值和T的值都是有问题的，如果只改R值，怎么可能在F的值和T的值都不合理的情况下，拟合优度却突然变的很高。
提问者评价
论文已经通过了！谢谢syb000000的回答，很详细。也很感谢陶李昶同学的帮忙！
其他类似问题
为您推荐：
您可能关注的推广回答者：
回归分析的相关知识
其他1条回答
首先R太小F值是整个回归模型的显著性T是各个自变量的显著性你这里没有给出各个自变量的，你可以把里面的回归不好的自变量剔除掉再回归试试另外SIG太大了，你这模型是无效的
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁SPSS多元线性回归分析教程_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
评价文档：
SPSS多元线性回归分析教程
S​P​S​S​多​元​线​性​回​归​分​析​教​程
阅读已结束，如果下载本文需要使用
想免费下载本文？
下载文档到电脑，查找使用更方便
还剩6页未读，继续阅读
你可能喜欢多元线性回归模型的统计检验_图文_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
文档贡献者
评价文档：
多元线性回归模型的统计检验
大小：253.00KB
登录百度文库，专享文档复制特权，财富值每天免费拿！
你可能喜欢}