股票面板数据回归分析

❶ 用stata做面板数据的回归，出现了regress y x1 x2 x3 x4 x5 no observations r(2000); 怎么回事求高手帮

你分析的是回归分析
在stata中面板数据有特别的前缀：XT
面板回归最基础命令是XTREG
你用的REG不是面板数据的回归分析，而且没有观测值
所以提示no observations r(2000)

❷ 面板数据 回归 R方只有0.21 P值T值都通过 这个模型可以用么

不可以，R^2只有0.21表示只有21%的数据可以被回归模型解释，这个拟合优度是非常糟糕的，P值T值都通过也只能表明各个自变量对应系数不为零而已，与拟合优度无关

我猜你是用的一元回归模型对股票进行预测了吧

❸ 面板数据回归分析结果看不懂！！

我给你解读一份stata的回归表格吧，应该有标准表格的所有内容了，因为你没有给范例，……不过我们考试基本就是考stata或者eview的输出表格，它们是类似的。
X变量：教育年限
Y变量：儿女数目

各个系数的含义：
左上列：

Model SS是指计量上的SSE，是y估计值减去y均值平方后加总，表示的是模型的差异
Model df是模型的自由度，一般就是指解释变量X的个数，这里只有一个
Resial SS 和df 分别是残差平方和以及残差自由度 N-K-1（此处K=1）=17565
Total SS 和 df分别是y的差异（y减去y均值平方后加总）以及其自由度N-1=17566
MS都是对应的SS除以df，表示单位的差异

右上列：

Number of obs是观测值的数目N，这里意味着有17567个观测值
F是F估计值，它是对回归中所有系数的联合检验（H0：X1=X2=…=0），这里因为只有一个X，所以恰好是t的平方。这里F值很大，因此回归十分显着。
Prob>F是指5%单边F检验对应的P值，P=0意味着很容易否定H0假设，回归显着。
R-squared是SSE/SST的值，它的意义是全部的差异有多少能被模型解释，这里R-squared有0.0855，说明模型的解释度还是可以的。
Adj R-squared是调整的R-squared，它等于1-（n-1）SSR/（n-k-1）SST，它的目的是为了剔除当加入更多X解释变量时，R-squared的必然上升趋势，从而在多元回归中更好的看出模型的解释力，但是本回归是一元的，这个值没有太大意义。
Root MSE是RMS的开方，是单位残差平方和的一种表现形式。

下列：
Coef分别出示了X变量schooling的系数和常数项的值，其含义是，如果一个人没有受过教育，我们预测会平均生育3个子女，当其他因素不变时，一个人每多受一年教育，我们预测其将会少生0.096个孩子。X变量的coef并不大，因此其实际（也叫经济）显着性并不太高。
Std.err则是估计系数和常数项的标准差。一般我们认为，标准差越小，估计值越集中、精确。
t是t估计值，它用于检验统计显着性，t值较大，因此回归是显着的。
P>abs(t)项是5%双边t检验对应的P值，P=0意味着很容易否定H0假设，统计显着。
95%conf interval项是95%的置信区间，它是x变量的系数（或常数项）分别加减1.96*SE，这是说，有95%的可能性，系数的真值落在这个区域。

❹ 股票收益率和市场收益率回归怎么做

首先，每年用股票i 的周收益数据进行下列回归:
Ri，t = αi + β1Rm，t －2 + β2Rm，t －1 + β3Rm，t + β4Rm，t +1 + β5Rm，t +2 + εi，t
其中，Ri，t为股票i 第t 周考虑现金红利再投资的收益率，Rm，t
为A 股所有股票在第t 周经流通市值加权的平均收益率。本文在方程( 1) 中加入市场收益的滞后项和超前项，以调整股票异步
性交易的影响( Dimson，1 979) 。
股票月收益率回归分析,与大盘及宏观变量的相关性分析,与指数的相关性,选出行业中具有代表性的个股。用其月收益率同大盘股票指数进行回归分析。

❺ 面板数据回归结果该如何分析

你这个模型不论是固定效应还是随机效应都是不显着的，随机效应模型稍微好一点点但还是不显着。也就是说你模型设计有问题或者变量取值不对，或者你试试工具变量法能不能让你的主要解释变量显着，这个结果不能直接用来分析的，是错误的

❻ 股票的贝塔系数怎么算用excel的回归分析

Cov(ra,rm) = ρamσaσm。

其中ρam为证券 a 与市场的相关系数；σa为证券 a 的标准差；σm为市场的标准差。

贝塔系数利用回归的方法计算: 贝塔系数等于1即证券的价格与市场一同变动。

贝塔系数高于1即证券价格比总体市场更波动，贝塔系数低于1即证券价格的波动性比市场为低。

如果β = 0表示没有风险，β = 0.5表示其风险仅为市场的一半，β = 1表示风险与市场风险相同，β = 2表示其风险是市场的2倍。

(6)股票面板数据回归分析扩展阅读

金融学运用了贝塔系数来计算在一只股票上投资者可期望的合理风险回报率： 个股合理回报率 =无风险回报率*+β×(整体股市回报率-无风险回报率) *可用基准债券的收益率代表。

贝塔系数=1，代表该个股的系统风险等同大盘整体系统风险，即受整体经济因素影响的程度跟大盘一样; 贝塔系数>1则代表该个股的系统风险高于大盘，即受整体经济因素影响的程度甚于大盘。

贝塔系数越高，投资该股的系统风险越高，投资者所要求的回报率也就越高。高贝塔的股票通常属于景气循环股(cyclicals)，如地产股和耐用消费品股；低贝塔的股票亦称防御类股(defensive stocks)，其表现与经济景气的关联度较低，如食品零售业和公用事业股。

个股的贝塔系数可能会随着大盘的升或跌而变动，有些股票在跌市中可能会较在升市具更高风险。

❼ 面板数据的回归结果怎么分析

和线性回归模型一样，关键还是看估计系数的显着性检验，即p-值。若显着（起码一个自变量以上），说明该自变量对因变量的影响程度即可。