在Eviews中，AIC（赤池信息准则）和SC（施瓦茨准则）的值并不是越小越好。这两个准则主要用于模型选择，它们的目标是找到一个既能解释数据中的模式又能避免过度拟合的模型。
一般来说，AIC和SC的值越小，模型的拟合度就越好。但是，这并不意味着值越小越好。如果AIC和SC的值过小，反而可能导致过度拟合，即模型对训练数据的拟合很好，但对新数据的预测性能则不佳。
因此，选择合适的AIC和SC值，需要找到一个平衡点，既要使模型尽可能地拟合数据，又要避免过度拟合。一般来说，AIC和SC的值在1到5之间可能比较合适。不过，这并不是绝对的，具体的值还需要根据具体的数据和模型来决定。
另外需要注意的是，Eviews软件在处理AIC和SC的值时，会根据不同的滞后阶数计算这些值。在选择滞后阶数时，需要考虑到数据的性质和模型的复杂性。一般来说，较大的滞后阶数可以更好地捕捉数据的模式，但同时也可能导致更大的计算量和更高的过拟合风险。因此，需要权衡这些因素，选择一个合适的滞后阶数。
总之，在Eviews中，选择合适的AIC和SC值需要考虑多个因素，包括数据的性质、模型的复杂性、滞后阶数的选择等。合适的值取决于具体情况，需要根据实际情况进行判断。
多取几次滞后建立模型，比如分别建立一阶、二阶、……模型，各模型都会有一个AIC和SC统计量，取最小的统计量所对应的阶数。 只需考虑AIC和SC统计量之中的一个就可以了!通常用AIC! Akaike info criterion 19.26312这个就是AIC的值是吗?Schwarz criterion 19.45193这个就是SC的值是吗? AIC和SC准则并不是严格越小越好 Eviews3.1里面是没有自动提供推荐滞后阶数，需要人工输入;但是在Eviews6里面确实自动提供的，但是并不是按照最小AIC或SC准则的，AIC或SC准则越小，可能要求滞后P值越大，但是P值越大，导致数据序列损失度越大，所以肯定Eviews6做了处理，就是不知道做了什么处理。
