Trong phần mềm Eviews, thống kê mô tả dùng cho mục đích thống kê trung bình cộng, tổng sum, độ lệch chuẩn, giá trị nhỏ nhất, giá trị lớn nhất, độ lệch chuẩn, Độ nhọn Kurtosis, Độ lệch Skewness, và cách sắp xếp kết quả theo Variable list, Alphabetic, tăng dần theo giá trị trung bình Ascending Means, giảm dần theo giá trị trung bình Descending Means…Thông thường, thống kê mô tả người ta tập trung đánh giá vào giá trị nhỏ nhất, giá trị lớn nhất, giá trị trung bình. Còn giá trị độ lệch chuẩn ít được đánh giá, vì trong các bài nghiên cứu dạng khảo sát thị trường, giá trị này không thực sự quan trọng bằng các chỉ tiêu khác. Theo tác giả Nguyễn Quang Dong và Nguyễn Thị Minh, trong cuốn giáo trình Kinh tế lượng, giải thích ý nghĩa thống kê mô tả:
Cột minimum là giá trị nhỏ nhất. Ví dụ giá trị nhỏ nhất của biến TV là 3 thì nghĩa là trong số quan sát này, sẽ có người có số tiền vay là 3 triệu đồng. Và đây là mức thấp nhất (có nghĩa là không có quan sát nào ở mức 2 triệu đồng).
Cột maximum là giá trị lớn nhất. Ví dụ giá trị nhỏ nhất của biến TV là 10 thì nghĩa là trong số quan sát này, sẽ có người có số tiền vay là 10 triệu đồng. Và đây là mức cao nhất (có nghĩa là không có quan sát nào ở mức 11 triệu đồng).
Cột tiếp theo là mean, giá trị trung bình. Ví dụ mean của TV là 5, giá trị này được tính bằng cách lấy trung bình cộng của tổng số quan sát của biến TV. Nghĩa là lấy tổng các giá trị này công lại, sau đó chia cho số quan sát thì sẽ ra được số này.
Cột Std.Deviation là độ lệch chuẩn. Độ lệch chuẩn là mức độ dao động của các biến xung quanh giá trị trung bình. Độ lệch chuẩn càng lớn thì quan điểm của người trả lời càng khác nhau. Ví dụ có hai trường hợp. Trường hợp 1: có ba số (-1,0,1) trường hợp 2 cũng có ba số ( -100,0,100). Trong cả hai trường hợp thì giá trị trung bình của mỗi trường hợp đều bằng 0. Nhưng độ lệch chuẩn trong trường hợp thứ hai lớn hơn trong trường hợp thứ nhất nhiều. Vì trường hợp đầu chỉ dao động nhỏ, giá trị lẩn quẩn ở mức 0, 1… Còn trường hợp nhì dao động lớn, giá trị lên đến 100.
Cột Skewness là độ lệch một phân phối xác suất đo lường sự đối xứng của phân phối đó. Giá trị tuyệt đối của độ lệch càng cao thì phân phối đó càng bất đối xứng. Một phân phối đối xứng có độ lệch bằng 0. Nếu phân phối có độ lệch dương – nó sẽ bị lệch sang phải – khi đó ký hiệu sẽ là dấu “>”. Cụ thể: mean > median > mode. Ngược lại, nếu phân phối có độ lệch âm – nó sẽ bị lệch sang trái – ký hiệu sẽ là “<” :mean<median < mode.
Cột Kurtosis là chỉ số để đo lường về đặc điểm hình dáng của một phân phối xác suất. Cụ thể hơn, nó so sánh độ cao phần trung tâm của một phân phối so sánh với một phân phối chuẩn. Phần trung tâm càng cao và nhọn, chỉ số Kurtosis của phân phối đó càng lớn.
Cột Jarque-Bera, trong thống kê học, là một loại kiểm định xem thử dữ liệu có skewness (hệ số bất đối xứng) và kurtosis (hệ số nhọn) đáp ứng yêu cầu của phân phối chuẩn.
Cột Sum là tổng các giá trị của từng biến tương ứng.