python如何分析回归误差
误差修正名词解释？
误差修正名词解释？
误差修正是一种具有特定形式的计量经济学模型，它的主要形式是由Davidson、 Hendry、Srba和Yeo于1978年提出的，称为DHSY模型。
对于非稳定时间序列，可通过差分的方法将其化为稳定序列，然后才可建立经典的回归分析模型。
如：建立人均消费水平（Y）与人均可支配收入（X）之间的回归模型：
如果Y与X具有共同的向上或向下的变化趋势，进行差分，X,Y成为平稳序列，建立差分回归模型得：
式中，
然而，这种做法会引起两个问题： (1)如果X与Y间存在着长期稳定的均衡关系
且误差项μt不存在序列相关，则差分式
中的vt是一个一阶移动平均时间序列，因而是序列相关的；
(2)如果采用差分形式进行估计，则关于变量水平值的重要信息将被忽略，这时模型只表达了X与Y间的短期关系，而没有揭示它们间的长期关系。
因为，从长期均衡的观点看，Y在第t期的变化不仅取决于X本身的变化，还取决于X与Y在
期末的状态，尤其是X与Y在
期的不平衡程度。另外，使用差分变量也往往会得出不能令人满意回归方程。
例如，使用
回归时，很少出现截距项显著为零的情况，即我们常常会得到如下形式的方程：
式中，
（*）
在X保持不变时，如果模型存在静态均衡（static equilibrium），Y也会保持它的长期均衡值不变。
对回归误差假设的意义？
1、随机误差项是一个期望值或平均值为0的随机变量；
2、对于解释变量的所有观测值，随机误差项有相同的方差；
3、随机误差项彼此不相关；
4、解释变量是确定性变量，不是随机变量，与随机误差项彼此之间相互独立；
5、解释变量之间不存在精确的（完全的）线性关系，即解释变量的样本观测值矩阵是满秩矩阵；
6、随机误差项服从正态分布。
线性回归方程中标准差公式？
回归标准误差计算公式：S.E. (∑e^2∕(n-k-1) )^(1/2)，回归标准差反映的是各变量值与其平均数的平均差异程度，表明其平均数对各变量值的代表性强弱。各变量值与其平均数的差的平方和再求平均数，是方差，方差开平方就是标准差。标准化回归系数的比较结果只是适用于某一特定环境的，而不是绝对正确的，它可能因时因地而变化。
SE of regression是标准误，其计算公式为RSS除以（n-k），(n为自由变量个数10,k为3) 再开根号。