Tài liệu trình bày các thông số trong phân tích hồi quy bằng phương pháp bình phương nhỏ nhất, bao gồm biến phụ thuộc, biến độc lập, hệ số ước lượng, sai số chuẩn, và các chỉ số thống kê như R-squared và F-statistic. Nó cũng nêu rõ cách diễn giải xác suất p-value để xác định sự phù hợp của mô hình hồi quy. Cuối cùng, tài liệu cung cấp hướng dẫn về cách chấp nhận hoặc bác bỏ giả thuyết thống kê.

1. BẢNG CÁC THÔNG SỐ TRONG HỒI QUY EVIEW
Tiếng Anh Tiếng Việt
Dependent var: Y Biến phụ thuộc: Y
Method: Least Squares Phương pháp: Bình phương nhỏ nhất
Sample (adjusted): 1 10 Mâu (sau điều chỉnh): Từ 1 đến 10
Included observations:
10
Số quan sát được sử dụng: 10
Variable Biến số (các biến độc lập)
C Biến hằng số
X Biến độc lập
Regression Hồi quy
Coefficient Ước lượng của các hệ số
Std. Error Sai số chuẩn của ước lượng các hệ số
t-Statistic Thống kê T
Prob.
Mức xác suất P-value của cặp giả thiết
Chú ý:
+ Prob >= 0,05  Chấp nhận H0 (Không đủ cơ sở bác bỏ H0
+ Prob < 0,05  Chấp nhân H1 (Bác bỏ H0)
R-squared
Hệ số xác định (bội): R2
VD: R2
= 0,987 tức là mô hình (hay các biến độc lập) giải
thích được 98,7% cho sự thay đổi của biến phụ thuộc (Y)
Adjusted R-squared
Hệ số xác định điều chỉnh
S.E. of regression Sai số chuẩn của mô hình hồi quy σ
Var (variance) Phương sai của hồi quy: Var = σ2
= SE2
Sum squared resid Tổng bình phương phần dư: RSS
Durbin-Watson stat Thống kê Durbin-Watson
Mean dependent var Trung bình biến phụ thuộc
S.D. dependent var Độ lệch chuẩn của biến phụ thuộc
1−
=
n
TSS
F-statistic Thống kê F, kiểm định sự phù hợp của hàm hồi quy
Prob(F-statistic)
Mức xác suất (P-value) của cặp giả thiết KĐ sự phù hợp của
hàm hồi quy:
H0: R2
= 0 (Hàm hồi quy không phù hợp)
H1: R2
≠ 0 (Hàm hồi quy là phù hợp)
Chú ý:
+ Prob >= 0,05  Chấp nhận H0 (Không đủ cơ sở bác bỏ H0
+ Prob < 0,05  Chấp nhân H1 (Bác bỏ H0)