指标的均值回归(回归均方和残差均方？)
1. 回归均方和残差均方？
回归平方和＝自由度×均方
残差均方＝残差平方和×残差df
残差F＝回归均方÷残差均方
回归是方法，残差在数理统计中是指实际观察值与估计值(拟合值)之间的差，平方和有很多个，不同的平方和的意思不一样，与样本量及模型中自变量的个数有关，样本量越大，相应变异就越大。
df是自由度，是自由取值的变量个数；
均方指的是一组数的平方和的平均值，在统计学中，表示离差平方和与自由度之比；
f是f分布的统计量，用于检验该回归方程是否有意义；
SIG=significance，意为“显著性”，后面的值就是统计出的P值，如果P值0.01
2. 计量经济学（关于标准误的问题）？
回归系数的标准误差就是它的标准差，统计量的标准差一般叫做标准误差，回归系数的估计其实就是均值估计哦。
回归的标准误应该是模型中随机扰动项(误差项)的标准差的估计值。它的平方实际上就是随机扰动项(误差项)的方差的无偏估计量，它实际上又叫做误差均方，等于残差的平方和/(样本容量-待估参数的个数)。可以参考一下张晓峒老师的《计量经济学基础》，讲的很清晰!
3. 一元线性回归方程为什么取均值为零？
原因一：为了让估计出的回归系数是无偏估计。
总体参数的估计值必须符合一些好的特性才行，比如无偏性，相合性（一致性），有效性之类的，否则你的估计值就是瞎猜。如果假定误差均值为零，则最小二乘估计出来的回归系数就是无偏的。
一个估计量并不是说无偏就一定好，也可以有偏。如果有偏，只要它和无偏估计量相比较“均方误差”更小，则我们就可以选用有偏的估计量。比如岭回归得到的回归系数就是有偏估计量，但是它比最小二乘得到的回归系数均方误差更小。
如果假定误差期望为零，再加上其它几个假定就能保证回归系数是“最佳线性无偏估计量”，也就意味着最小二乘方法不是瞎猜，是科学的，并且在众多科学的方法中它都是比较好的。
上面是原因一，一般的教科书都会提到。再说另外一个更重要的原因，这个原因几乎没什么书会提到。
原因二：为了让总体回归方程可以被估计。
总体线性回归模型为 y=a+bx+u，a为截距，为了方便，假设只有一个自变量x（其实你可以把这个x当成很多个x），u为误差项。对y求期望有： E(y|x)=E(a+bx|x)+E(u|x)。如果E(u|x)不为零，意味着E(y|x)的值由E(a+bx|x)和E(u|x)决定。假设E(y|x)=6，则E(a+bx|x)=4和E(u|x)=2是一组解，E(a+bx|x)=3和E(u|x)=3也是一组解，...，嗯，也就是回归系数将有无穷解，结果就是总体回归方程无法通过样本去估计，也就是无解（无穷解对于回归方程来说就是无解），这才是最大的问题所在。为了让总体回归方程可以估计，只有假定误差期望为零。
原因二是最重要的原因，附带的带来了“原因一”这个额外好处。
4. 均值回归起源？
高尔顿定律，提出者是英国统计学家弗朗西斯·高尔顿。一个统计学定律，他的提出者是英国统计学家弗朗西斯·高尔顿（Francis Galton，1822年2月16日－1911年1月17日），1889年，他在研究祖先与后代身高之间的关系时发现，身材较高的父母，他们的孩子也较高，但这些孩子的平均身高并没有他们的父母的平均身高高；身材较矮的父母，他们的孩子也较矮，但这些孩子的平均身高却比他们的父母的平均身高高。
高尔顿把这种后代的身高向中间值靠近的趋势称为“回归现象”亦称“高尔顿定律”
5. 比率估计与回归估计的编程方法
均值估计抽样： 均值估计抽样是以样本平均数代替总体平均数。如果总体未分层，那么总体中的各个体之间的悬殊就比较大，抽取的样本可能不小心抽到一个比较大的个体（或者是一个极小的个体），这样都会严重影响样本的平均数，使之不具代表性，以这个平均数作为总体的平均数将会带来严重的误差，为了得到准确的结果，必须大规模样本才可以。
所以未对总体进行分层的情况下，不宜使用均值估计抽样。
比率估计抽样： 样本错报/样本总金额=推断的总体错报/总体总金额 比率估计抽样是指以样本的实际金额与账面金额之间的比率关系来估计总体实际金额与账面金额之间的比率关系，然后再以这个比率去乘总体的账面金额，从而求出估计的总体实际金额的一种抽样方法。
错报与总体金额存在变动关系，因此样本错报与样本总金额的比和总体错报与总体总金额的比才是相等的关系。
差额估计抽样： 单位样本错报=（样本实际金额-样本账面金额）/样本规模 推断的总体错报=单位样本错报*总体规模 使用这种方法时，注册会计师先计算样本项目的平均错报，然后根据这个样本平均错报推断总体。
可见这种方法是假设各样本项目的错报基本属于同一水平的前提下来计算的，否则如果各项目错报差异很大的话计算平均错报就没有意义了。
各项目错报大体上属于统一水平，那么说总体错报与项目数量存在变动关系。 考试中有可能遇到这个知识点，如果遇到的话，是非常简单的，就是直接套用公式进行计算，所以这部分的重点是记住公式，然后会计算和适当的分析。
6. 估计标准误差与回归标准误差什么关系？
回归系数的标准误差就是它的标准差，统计量的标准差一般叫做标准误差，回归系数的估计其实就是均值估计。 回归的标准误应该是模型中随机扰动项（误差项）的标准差的估计值，它的平方实际上就是随机扰动项（误差项）的方差的无偏估计量，它实际上又叫做误差均方，等于残差的平方和/（样本容量-待估参数的个数）。 在回归方程中表示自变量x 对因变量y 影响大小的参数。
回归系数越大表示x 对y 影响越大，正回归系数表示y 随x 增大而增大，负回归系数表示y 随x增大而减小。
例如回归方程式Y=bX+a中，斜率b称为回归系数，表示X每变动一单位，平均而言，Y将变动b单位。
7. 回归均值是什么意思？
一种上涨或者下跌的趋势不管其延续的时间多长都不能永远持续下去，最终均值回归的规律一定会出现：涨得太多了，就会向平均值移动下跌；跌得太多了，就会向平均值移动上升；自然界由于有惯性的作用，社会现象中，比如股价房价领域，由于心理作用、投机作用等，有时甚至有矫枉过正的令人措手不及的惊人现象。
