不要太看重拟合优度，计量方程的经济学含义远远比统计学意义重要。只要经济学含义是正确的，我们还是认为低拟合优度还是说明了问题。当然，你也可以通过修正异方差、自相关或者取对数、重新设定模型等方式改进模型。计量分析中不可以随便添加变量，虽然拟合优度增加了，但是调整的拟合优度却可能下降，而且可能产生多重共线的问题。在含有时间趋势的变量序列中，使用OLS估计一般都有很大的拟合优度，但是很可能存在伪回归的问题。利用协整的方法估计时一般拟合优度要变小，用误差纠正模型估计可能变的更小，然而这两种方法却更正确。我曾经在一篇大概是经济研究杂志上看见过误差纠正模型的拟合优度。一般取对数，然后取差分后的数据是平稳的，但是计量模型的拟合优度会下降。在ARCH模型簇中，拟合优度都特别小，甚至是负数。回归分为解释型回归和预测型回归。如果你主要是做解释，那么不必太在意R^2，多在意关注变量的显著性和模型整体的显著性。R^2这时小只是表明还遗漏了其它一些对因变量有影响的变量，一般条件下是假定这些遗漏的变量是严格外生的（虽然无法证明，但大家通用）；若用于预测，那R^2就重要了。这时，它表示自变量对因变量变异的解释程度。
猪猪爱吃草
