计量经济学拟合优度r2的计算公式
什么是估计标准误差？
什么是估计标准误差？
估计标准误差（Se）是说明实际值与其估计值之间相对偏离程度的指标，主要用来衡量回归方程的代表性。估计标准误差，即因变量y的实际值与回归方程求出的估计值之间的标准误差，估计标准误差越小，回归方程拟合程度越好。
估计标准误差的值越小，则估计量与其真实值的近似误差越小，但不能认为估计量与真实值之间的绝对误差就是估计标准误差。估计标准误差与判定系数相反，se反映了预测值与真实值之间误差的大小，se越大说明拟合度越低。
stata中MeanofN表示的是什么意？
RMSE是Root Mean Squared Error的简称，是一种拟合优度的度量。需要注意的一点是STATA结果中的RMSE已经经过了自由度的调整，所以它和我们通常定义的SER（回归标准误）是一回事（而通常定义的RMSE是没有经过自由度调整的）。通常定义的SER顾名思义，就是回归误差的标准差估计量，是用因变量单位度量的观测值在回归线附近的离散程度。具体的计算公式可以参考相关教材（比如James Stock, Mark Watson《计量经济学》）。
R中ks检验计算步骤？
个人对这个问题是这样理解的，对于取自某一总体的样本数据而言，其本身所携带的是样本随机抽样所造成的误差，此处可以理解为抽样误差，对于某些特定的数据，诸如股指收益率（一般选取对数收益率）其不具备克隆的条件，因而就无法实现重复抽样，只能依托于蒙特卡洛模拟等方法，前提是获取样本数据的基本统计特征，诸如位移参数、尺度参数、形状参数等等，然后随机模拟，这其中存在一个方向性设定偏误的问题，因而其功效往往并不是很高，当然也在用，主要是为了解决一些现有技术尚且无法实现的技术问题。
另外一种，可以认为是基于经验分布（或者概率密度）来比对分析的方法，其思路是比较已知某分布数据的分布特征（概率密度）与检测样本数据之间的拟合优度问题，类似于在正态性检验中使用的ks检验一样，详情可查看R中关于ks.test()命令的解释和相关讲解(按照问题，查找程序和方法理论，这种方式对于问题的理解较为便捷)，但是实际上对于ks检验问题，往往功效很低，有没有考虑过为什么？