解读一下eviews里面回归结果的意义与关系，分上下两集。
$p$值
从图中可以看到，P=0.9403，过大，一般p<0.1为宜。
当$p<0.1$时，选择拒绝原假设（原假设：$x_{1}$的系数为0），从而认为系数显著的不为0.
$t$值
$t$值和$p$值相互照应，你可以看到t值大的，p值对应的小，一般来说$|t|$>2，就基本上很显著了。你可以在图中看到，T值为6.319时，P值为0.000。
请注意：事实上，此时p值并不为0，只是显示为0，在写论文时，应该写p<0.01）
S.E of regression(回归方程的标准差)
(之前写错了，现已更正)
$F$统计量
$F$统计量衡量的是整个模型，不用算你也知道这个模型很显著。
但是你需要注意，由于拟合程度很高（0.99），且参数中有不显著的量（X1,X2），你需要考虑多重共线性的问题。这是十分重要的
这是考试中常考的一个概念。
AIC（赤池信息准则）
看到这个准则我是不寒而栗的，因为我想到了赤池美里。
准则：AIC越小越好
AIC的计算来自于信息熵。
这个12.22没有任何意义，只有和其他模型比一比才知道，
如果对于同一组数据，其他条件都一样，做两种回归，一种AIC=12，一种AIC=15，则应该选择AIC=12的模型
DW值
DW是判断自相关性的：其中有：$DW=2（1-P)$
当值越趋近于4，则越具有负自相关的可能
当值越趋近于2，则无自相关（仅检验了一阶）
当值越趋近于0，则越具有正自相关的可能
7.观测值
尽管很不起眼，但观测值是20个，如果要做检验的话，我们需要样本容量。