1、Dependent Variable表示模型的被解释变量
2、Method: Least Squares表示模型估计方法最小二乘法
3、Sample表示模型估计样本范围
4、Date表示模型估计时间
5、included observations表示模型估计中包括的有效观测值的个数
6、Variable表示模型的解释变量
7、Coefficient表示回归方程的系数
8、Std. Error表示回归方程系数估计值的标准误差，其主要用于衡量回归系数的统计可靠性，标准误差越大，说明回归系数估计值越不精确
9、t-statistic表示方程回归系数相应的t统计量，用于检验某个系数是否显著则异于零
10、Prob表示回归结果中回归系数t统计量值的伴随概率，若Prob小于检验水平，说明相应的系数估计值显著的异于零;否则系数不显著
11、R- squared:模型回归的R方，是样本可决系数(也称方程拟合优度)。
12、Adjusted R- squared:模型估计的调整R方，是修正的样本可决系数。R值较大说明模型对因变量拟合得较好，模型中的解释变量能够解释因变量交动的很大一部分。
13、R2并不是判断模型拟合好坏的唯一指标，回归模型的R较小，并不一定说明模型拟合程度很差。
14、S.E. of regression:回归标准误差，用于度量残差的大小。
15、Sum squared resid:残差平方和，可以用作某些检验的输入值(如F检验)。
16、Log likelihood:对数似然值(简记为L)，是基于极大似然估计得到的统计量。
17、Durbin- Watson stat:DW统计量，用于检验残差序列的自相关性。一般如果DW统计量值比2小很多，则说明该序列存在正的自相关。
18、Mean dependent var和S.D. dependent var:分别是因变量的均值和因变量的标准差
19、Akaike info criterion(AIC)和 Schwarz criterion(SC):分别是赤池信息准则和施瓦茨准则。AIC信息准则和SC准则用于评价模型好坏，一般要求AIC值或SC值越小越好。
20、F- statistic和Prob(F- statistic):分别是F检验统计量及其相应的概率，用于对方程整体显著性进行检验。
