股票面板數據回歸分析

❶ 用stata做面板數據的回歸，出現了regress y x1 x2 x3 x4 x5 no observations r(2000); 怎麼回事求高手幫

你分析的是回歸分析
在stata中面板數據有特別的前綴：XT
面板回歸最基礎命令是XTREG
你用的REG不是面板數據的回歸分析，而且沒有觀測值
所以提示no observations r(2000)

❷ 面板數據 回歸 R方只有0.21 P值T值都通過 這個模型可以用么

不可以，R^2隻有0.21表示只有21%的數據可以被回歸模型解釋，這個擬合優度是非常糟糕的，P值T值都通過也只能表明各個自變數對應系數不為零而已，與擬合優度無關

我猜你是用的一元回歸模型對股票進行預測了吧

❸ 面板數據回歸分析結果看不懂！！

我給你解讀一份stata的回歸表格吧，應該有標准表格的所有內容了，因為你沒有給範例，……不過我們考試基本就是考stata或者eview的輸出表格，它們是類似的。
X變數：教育年限
Y變數：兒女數目

各個系數的含義：
左上列：

Model SS是指計量上的SSE，是y估計值減去y均值平方後加總，表示的是模型的差異
Model df是模型的自由度，一般就是指解釋變數X的個數，這里只有一個
Resial SS 和df 分別是殘差平方和以及殘差自由度 N-K-1（此處K=1）=17565
Total SS 和 df分別是y的差異（y減去y均值平方後加總）以及其自由度N-1=17566
MS都是對應的SS除以df，表示單位的差異

右上列：

Number of obs是觀測值的數目N，這里意味著有17567個觀測值
F是F估計值，它是對回歸中所有系數的聯合檢驗（H0：X1=X2=…=0），這里因為只有一個X，所以恰好是t的平方。這里F值很大，因此回歸十分顯著。
Prob>F是指5%單邊F檢驗對應的P值，P=0意味著很容易否定H0假設，回歸顯著。
R-squared是SSE/SST的值，它的意義是全部的差異有多少能被模型解釋，這里R-squared有0.0855，說明模型的解釋度還是可以的。
Adj R-squared是調整的R-squared，它等於1-（n-1）SSR/（n-k-1）SST，它的目的是為了剔除當加入更多X解釋變數時，R-squared的必然上升趨勢，從而在多元回歸中更好的看出模型的解釋力，但是本回歸是一元的，這個值沒有太大意義。
Root MSE是RMS的開方，是單位殘差平方和的一種表現形式。

下列：
Coef分別出示了X變數schooling的系數和常數項的值，其含義是，如果一個人沒有受過教育，我們預測會平均生育3個子女，當其他因素不變時，一個人每多受一年教育，我們預測其將會少生0.096個孩子。X變數的coef並不大，因此其實際（也叫經濟）顯著性並不太高。
Std.err則是估計系數和常數項的標准差。一般我們認為，標准差越小，估計值越集中、精確。
t是t估計值，它用於檢驗統計顯著性，t值較大，因此回歸是顯著的。
P>abs(t)項是5%雙邊t檢驗對應的P值，P=0意味著很容易否定H0假設，統計顯著。
95%conf interval項是95%的置信區間，它是x變數的系數（或常數項）分別加減1.96*SE，這是說，有95%的可能性，系數的真值落在這個區域。

❹ 股票收益率和市場收益率回歸怎麼做

首先，每年用股票i 的周收益數據進行下列回歸:
Ri，t = αi + β1Rm，t －2 + β2Rm，t －1 + β3Rm，t + β4Rm，t +1 + β5Rm，t +2 + εi，t
其中，Ri，t為股票i 第t 周考慮現金紅利再投資的收益率，Rm，t
為A 股所有股票在第t 周經流通市值加權的平均收益率。本文在方程( 1) 中加入市場收益的滯後項和超前項，以調整股票非同步
性交易的影響( Dimson，1 979) 。
股票月收益率回歸分析,與大盤及宏觀變數的相關性分析,與指數的相關性,選出行業中具有代表性的個股。用其月收益率同大盤股票指數進行回歸分析。

❺ 面板數據回歸結果該如何分析

你這個模型不論是固定效應還是隨機效應都是不顯著的，隨機效應模型稍微好一點點但還是不顯著。也就是說你模型設計有問題或者變數取值不對，或者你試試工具變數法能不能讓你的主要解釋變數顯著，這個結果不能直接用來分析的，是錯誤的

❻ 股票的貝塔系數怎麼算用excel的回歸分析

Cov(ra,rm) = ρamσaσm。

其中ρam為證券 a 與市場的相關系數；σa為證券 a 的標准差；σm為市場的標准差。

貝塔系數利用回歸的方法計算: 貝塔系數等於1即證券的價格與市場一同變動。

貝塔系數高於1即證券價格比總體市場更波動，貝塔系數低於1即證券價格的波動性比市場為低。

如果β = 0表示沒有風險，β = 0.5表示其風險僅為市場的一半，β = 1表示風險與市場風險相同，β = 2表示其風險是市場的2倍。

(6)股票面板數據回歸分析擴展閱讀

金融學運用了貝塔系數來計算在一隻股票上投資者可期望的合理風險回報率： 個股合理回報率 =無風險回報率*+β×(整體股市回報率-無風險回報率) *可用基準債券的收益率代表。

貝塔系數=1，代表該個股的系統風險等同大盤整體系統風險，即受整體經濟因素影響的程度跟大盤一樣; 貝塔系數>1則代表該個股的系統風險高於大盤，即受整體經濟因素影響的程度甚於大盤。

貝塔系數越高，投資該股的系統風險越高，投資者所要求的回報率也就越高。高貝塔的股票通常屬於景氣循環股(cyclicals)，如地產股和耐用消費品股；低貝塔的股票亦稱防禦類股(defensive stocks)，其表現與經濟景氣的關聯度較低，如食品零售業和公用事業股。

個股的貝塔系數可能會隨著大盤的升或跌而變動，有些股票在跌市中可能會較在升市具更高風險。

❼ 面板數據的回歸結果怎麼分析

和線性回歸模型一樣，關鍵還是看估計系數的顯著性檢驗，即p-值。若顯著（起碼一個自變數以上），說明該自變數對因變數的影響程度即可。