計量經濟學mlr1234

Ⅰ 【判斷題】對無法觀測的解釋變數使用代理變數,但這樣可能得不到主要解釋變數的無偏一致參數估計。

假定MLR.4（條件均值為零）
伍德里奇的計量經濟學導論里有講，漏掉一個與x1,x2,……，xk中任何專一個自變數相關的重要因屬素，也能假定MLR.4不成立。這句話是建立在他認為與簡單回歸分析相比，多元回歸分析中出現漏掉變數的 可能性小很多的基礎上的，所以沒說漏掉變數，而是說的漏掉重要因素。
遺漏重要變數，一是隻影響被解釋變數，而不影響解釋變數；二是同時影響被解釋變數和解釋變數；三是隻影響解釋變數，而不影響被解釋變數，在計量上沒有內生性。第一種情況，會使得u中包含該變數使得E(u)不為0；第三種情況是由於遺漏變數和解釋變數相關，所以u的均值在給定自變數任何值的情況下不會一直為0；第二種情況就是以上都有。

Ⅱ 計量經濟學論文

關於我國城鎮居民儲蓄存款模型的計量經濟分析
（我的姓名等信息就省略了啊 呵呵）
內容摘要：本文利用我國1978年以來的統計數字建立了可以通過各種檢驗的城鎮居民儲蓄率的模型，對我國城鎮居民儲蓄存款情況進行實證分析。通過對該模型的經濟含義分析得出各種主要因素對我國城鎮居民儲蓄存款數量的影響程度，並針對我國城鎮居民存款儲蓄現狀提出自己的一些建議。
關鍵詞：居民儲蓄存款 實證分析 主要因素
一、問題的提出
1978年以來,隨著我國國民經濟的飛速發展,我國的居民儲蓄也出現高速增長的態勢。進入90年代以後．我國居民儲蓄存款余額始終保持在兩位數的增長速度。我國居民儲蓄存款持續增長這一經濟現象引起國內理論界的廣泛關注。這對我國經濟的進一步增長有著有利的一面,但也會帶來一定程度的負面影響。所以國家相繼出台了一系列積極的財政和貨幣政策,以刺激國內消費和投資需求,分流儲蓄,但是居民儲蓄依然持續增加。由於居民的儲蓄存款直接影響著居民的消費行為，影響著貨幣的供給量，進而間接影響著國家經濟的發展，宏觀調控的力度和效果，因此，對我國居民存款儲蓄問題的深入研究就顯得尤為重要，這有助於幫助大家認清現狀，做出合理的決策。雖然我們作為本科階段的學生對這個問題的理解和研究還不夠深入和透徹，但對此問題的探索有利於我們更好的掌握專業知識，了解國情，提高實際操作水平和理論聯系實際、發現問題、分析問題、解決問題的能力。
二、文獻綜述
我國有很多學者建立了許多的儲蓄模型來分析各因素對居民儲蓄的影響程度,但分析結論的差異很大。整理以前的研究成果,一個社會的儲蓄總量受很多因數的影響，根據經典西方宏觀經濟學理論，儲蓄水平主要受收入因數、利息率、物價水平、收入分配等因數的影響：
1.收入因數
收入是決定儲蓄的重要因數，收入的變化會直接決定著儲蓄的變化。在其他條件不變的情況下，儲蓄與可支配收入之間存在著正方向的變化關系，即居民的可支配收入增加，儲蓄量增加；個人可支配收入減少，儲蓄量減少。可支配收入是指居民戶在支付個人所得稅之後，餘下的全部實際現金收入。
2.利息率
傳統經濟學認為，在收入即定的條件下，較高的利息率會使儲蓄增加。在本文中，我們選用的利息率是根據當年變動月份加權平均後的一年期儲蓄存款加權利率。
3.物價水平
物價水平會導致居民戶的消費傾向的改變，從而也就會改變居民戶的儲蓄傾向。本文用通貨膨脹率來考察物價水平對儲蓄率的影響。
4.收入分配
凱恩斯認為，收入分配的均等化程度越高，社會的平均消費傾向就會越高，社會的儲蓄傾向就會越低。在國際上，衡量收入分配平均狀況最常用的指數是基尼系數。
三、變數的選取及分析
目前我國正處於改革時期，各種不確定性因素很多。因而，要分析各種因素對中國居民儲蓄行為的影響，必須立足於中國的國情。1998年後，中國經濟運行進入了一種新的體制約束狀態，出現了明顯的供給過剩，需求對經濟增長的約束與拉動作用明顯增強，投資、消費膨脹的內在動力明顯不足；同時，由於我國市場機制尚不健全，市場經濟發育不成熟，市場體制的控制力還有限，從而不能形成一種有效地傳導機制。市場化的改革對人們的經濟行為、心理行為帶來了很大影響，銀行開始考慮貸款風險，投資者開始考慮投資回報，而消費者也開始考慮最佳的消費時機和預期收入。這說明，我們的微觀經濟層面已生長出一種內在的約束機制，然而社會各個方面對這些積極的因素還很不適應，微觀主體內在約束機制較強與宏觀經濟市場傳導機制不暢之間的矛盾，導致了投資行為受阻、消費行為審慎和儲蓄持續穩定增長。當前影響我國居民儲蓄的因素有很多，概括起來有以下幾點：居民對社會經濟形勢的預期、可選擇的投資渠道、信貸消費的發展、利率因素的影響、"假性"存款的影響、消費領域的信用等級、高收入階層消費狀況、就業形勢壓力、體制改革、居民收入水平等。
由於我現在的時間和能力有限，只能綜合考慮，選取一部分變數進行研究，而且為了方便查找數據，只建立我國城鎮居民儲蓄存款模型進行研究。本文選用當年的收入增長率來考察收入因數對儲蓄率的影響。用城鎮居民的儲蓄率作為被解釋變數。另外還選取了中國1979年到2002年的各年的城鎮居民收入的基尼系數、一年期儲蓄利率和通貨膨脹率作為解釋變數。
四、數據及處理
本文模型數據樣本為從1979-2002年。
年份 城鎮居民儲蓄率 城鎮居民收入增長率 一年期儲蓄利率 通貨膨脹率 城鎮居民基尼系數
1979 0.06368087 0.264869934 3.78 0.02 0.16
1980 0.08740586 0.220385089 5.04 0.059804 0.15
1981 0.07093626 0.104176446 5.4 0.024052 0.15
1982 0.08105586 0.139165412 5.67 0.01897 0.15
1983 0.09963501 0.093723563 5.76 0.015071 0.16
1984 0.13025584 0.245357008 5.76 0.027948 0.19
1985 0.15161502 0.184241122 6.72 0.08836 0.19
1986 0.17454542 0.280700971 7.2 0.060109 0.2
1987 0.2175453 0.167515864 7.2 0.072901 0.23
1988 0.17862152 0.219728929 7.68 0.185312 0.23
1989 0.2721202 0.199827095 11.12 0.177765 0.23
1990 0.32760614 0.123579703 9.92 0.021141 0.24
1991 0.31032443 0.163667824 7.92 0.028888 0.25
1992 0.3016907 0.228819425 7.56 0.053814 0.27
1993 0.3199061 0.311233327 9.26 0.131883 0.3
1994 0.42486435 0.397210898 10.98 0.216948 0.28
1995 0.44898036 0.261076104 10.98 0.147969 0.28
1996 0.40903477 0.198208003 9.21 0.060938 0.29
1997 0.30935015 0.127739779 7.17 0.007941 0.3
1998 0.25777978 0.108852141 5.02 -0.026 0.295
1999 0.21234608 0.134557035 2.89 -0.02993 0.3
2000 0.1239205 0.125688358 2.25 -0.01501 0.32
2001 0.24155306 0.14364071 2.25 -0.0079 0.33
2002 0.29897822 0.173106495 2.03 -0.01308 0.319
數據來源：各年份的《中國統計年鑒》
註：Y代表城鎮居民儲蓄率
X1代表城鎮居民收入增長率
X2代表一年期儲蓄利率
X3代表通貨膨脹率
X4代表城鎮居民基尼系數
五、模型及處理
基於以上數據，建立的模型是：
Y=β1+β2X1+β3X2+β4X3+β5X4+u
β1度量了截距項，它表示在沒有收入的時候人們也要花錢消費，儲蓄率為負。
β2度量了當城鎮個人可支配收入率變動1%時，儲蓄增長率的變動。
β3度量了當利率變動一個單位，其實也就是1%時，儲蓄的增量的變動。
β4度量了當通貨膨脹率變動一個單位，儲蓄增量的變動。
β5度量了基尼系數對儲蓄率的影響。這也是本文的重點變數。
u是隨機誤差項。
對Y做回歸
利用eviews最小二乘估計結果如下

Variable Coefficient Std. Error t-Statistic Prob.
C -0.264646 0.045525 -5.813154 0.0000
X1 0.317426 0.175678 1.806864 0.0875
X2 0.024054 0.003688 6.523093 0.0000
X3 0.024476 0.205508 0.119099 0.9065
X4 1.127523 0.149318 7.551127 0.0000
R-squared 0.897971 Mean dependent var 0.234065
Adjusted R-squared 0.875298 S.D. dependent var 0.116109
S.E. of regression 0.041002 Akaike info criterion -3.360748
Sum squared resid 0.030260 Schwarz criterion -3.113901
Log likelihood 43.64860 F-statistic 39.60525
Durbin-Watson stat 1.541473 Prob(F-statistic) 0.000000
根據以上結果，初步得出的模型為
Y=-0.264646+0.317426X1+0.024054X2 +0.024476X3+1.127523X4.
1.經濟意義的檢驗
該模型可以通過初步的經濟意義的檢驗，系數的符號符合經濟理論。
2.統計檢驗
從表中可以看出，顯然通貨膨脹率的系數通不過T檢驗，R2=0.897971， 2值為0.875298，模型的擬合情況較好。F檢驗的值為39.60525，整個模型對儲蓄率的增長影響是顯著的。
3.多重共線性的檢驗
從F值可知此模型整體顯著，但是分析各個變數後發現X1和X3不顯著，可能存在多重共線性，運用消除多重共線性的逐步回歸方法我們可以得到要放棄X3 這個變數，重新做回歸分析得到：
Y=β1+β2X1+β3X2+β5X4+u

Variable Coefficient Std. Error t-Statistic Prob.
C -0.271487 0.041322 -6.570056 0.0000
X1 0.314787 0.113799 2.766177 0.0119
X2 0.024487 0.003178 7.704986 0.0000
X4 1.145280 0.137886 8.305987 0.0000
R-squared 0.897094 Mean dependent var 0.229740
Adjusted R-squared 0.881658 S.D. dependent var 0.115517
S.E. of regression 0.039739 Akaike info criterion -3.461967
Sum squared resid 0.031583 Schwarz criterion -3.265624
Log likelihood 45.54360 F-statistic 58.11739
Durbin-Watson stat 1.556309 Prob(F-statistic) 0.000000
從新模型的整體效果來看，R值和F值都很好，而且各個變數的t統計量也表明各個變數對儲蓄率的增長都有顯著影響。
因此模型可設為Y= -0.271487+0.314787X1+0.024487X2+1.145280X4
4.異方差性檢驗
對新模型進行異方差性的檢驗，運用white檢驗，得到如下結果：

White Heteroskedasticity Test:
F-statistic 2.669433 Probability 0.054505
Obs*R-squared 11.50596 Probability 0.073942
Obs*R-squared的計算結果是11.50596，，由於選用的沒有交叉乘積項的方式，所以自由度為7，在0.05的顯著水平下，查表得 （7）=12.59〉11.50596，所以接受原假設，即該模型不存在異方差性。
5.自相關性的檢驗
從上表可知DW值為1.556309，且樣本容量n=24，有三個解釋變數的條件下，給定顯著性水平 =0.01，查D-W表得，d =0.882,d =1.407,這時有d <dw=1.556039<4- d ,表明不存在自相關。
6.最終結果
從上面的計量分析中最後得到我國城鎮居民的儲蓄存款模型：
Y= -0.271487+0.314787X1+0.024487X2+1.145280X4
(0.041322) (0.113799) (0.003178) (0.137886)
t= (-6.570056) (2.766177) (7.704986) (8.305987)
R2= 0.897094 df=20 F=58.11739 DW=1.556309
六、結論與建議
1.模型的實證分析
城鎮居民的收入增長率變化對居民的儲蓄率變化的影響還是比較明顯的，儲蓄率對收入增長率的彈性為0.314787, 在其他條件不變的情況下，居民的收入變化1%，儲蓄率同方向變化0.314787%。
利率變動對實際的儲蓄率變動的影響並不是十分的重要，彈性僅為0.024487。這方面有很多的原因，其中對未來預期的不確定性是一個很重要的原因，尤其是1998年以後，隨著住房、醫療、教育等方面的改革，人們的儲蓄傾向受預期的影響更大。這方面從人民銀行數次通過降息來調整儲蓄量，但是效果並不明顯也可以看出來。
基尼系數對儲蓄率的影響非常大，彈性達到了1.145280。這里可以看出，收入分配的均等程度對儲蓄的影響非常明顯。這是由於收入高的群體的儲蓄傾向要明顯的高於收入低的群體。
2.對宏觀經濟的政策建議
基於基尼系數對儲蓄率的很大的影響，因此，國家應該重視對分配領域的調節，加大對低收入的者的轉移支付，切合中國實際的對稅收領域進行改革，縮小社會的貧富差距：
1）不要"逼"老百姓花錢，而要針對不同收入階層，採取不同對策，引導居民消費
首先，增加中低收入居民的個人相對收入，在分配政策上進一步縮小收入差距；進行微觀層面的改革和合適的福利體系改革，大力提高人們的收入預期；控制教育和醫療費用，降低人們的支出預期，減少公眾的焦慮；積極發展消費信貸，尤其是助學貸款，減少人們為教育而儲蓄的需要，讓其"有錢花"。
其次，引導高收入居民向更高層次的消費過渡，努力提高其消費傾向，增加消費供給，讓其"有地方花錢"，從而抑制儲蓄傾向的進一步提高。
2）不要"逼"老百姓投資，而要不斷增加金融創新，努力改善投資環境，刺激居民投資
目前的儲蓄高增長主要是由於居民收入的持續增長、消費和投資的增速緩慢、居民手持現金的逐步減少而引起，充分暴露出我國經濟架構的嚴重失衡。因此，必須採取相應的措施緩解儲蓄增長的勢頭，並積極引導儲蓄向投資轉化：
第一，提供多樣化的金融工具，不斷開發新的金融產品，大力發展商業保險和社會保險，拓寬居民投資渠道，引導居民儲蓄資金的合理分流。
第二，進一步發展和完善股票市場，規范上市公司的市場行為，逐步建立完善的、公開的信息披露制度，增強居民的投資信心。
第三，大力發展債券市場，尤其是企業債券市場，充分發揮債券融資的優勢，加大企業從資本市場直接融資的比重。
第四，積極引導民間投資，用新型的融資方式拓寬民間投融資的渠道。穩定發展民營金融機構；建立民間投資退出機制；加強民間投資的信用體系建設。
3.模型的不足
在實際經濟活動中，人們的預期對儲蓄率的影響是非常明顯的。由於這方面的影響很難用數據來描述以及礙於本文作者水平有限，所以本模型沒有反映人們的預期對儲蓄率的影響。

參考文獻
1.何德旭：10萬億儲蓄的多視角分析[N]。金融時報，2003-05-19.
2.屈宏斌：居民儲蓄高增長堪憂[N]。經濟觀察報， 2003-03-31.
3.張銳：高儲蓄挑戰宏觀政策[N]。世紀經濟報道， 2003-04-29.
4.郭樹清：深化投融資體制改革與完善貨幣政策傳導機制[J].金融研究，2002，（2）。
5.武少俊：強化消費需求啟動措施，保證經濟持續快速增長[J].金融研究，2003，（5）
6.潘雅瓊：我國城鄉居民儲蓄存款余額的趨勢預測[J].統計與決策，2003（6）
7.劉雋亭,喬瑞紅：我國居民儲蓄持續增長的原因及特點分析[J].天津商學院學報，2005(2)
8.李焰：關於利率與我國居民儲蓄關系的探討[J].經濟研究，1999(11)
9.韓漢君：中國的居民儲蓄存款及其利率彈性[J].上海經濟研究，1999(9)
10.龐皓：計量經濟學.科學出版社，2008-1

Ⅲ 計量經濟學問題

②分析回歸結果：根據圖中數據，模型估計的結果寫為：

LNY =-2.755367+0.451234LNX2+0.627133LNX3+0.010136X4

1)擬合優度：由上圖專數據可以得到，可屬決系數可決系數0.987591，

修正的可決系數為0.986159，這說明模型對樣本的擬合很好。

2)F檢驗： 由於F=689.751148>8.63，說明回歸方程顯著，即國內生產總值、財政支出、商品零售價格指數對中國稅收收入有顯著影響。

3）t檢驗： LNX2和LNX3的系數對應t值為3.174831和3.881590，均大於t（15）=2.131，系數都是顯著的，X4的系數對應t值為1.795567，小於t(15)=2.131,說明此系數不顯著的。

③評估參數的經濟意義:

國內生產總值每增加1%，中國稅收收入增加0.451234%。

財政支出每增加1%，中國稅收收入增加0.627133%。

商品零售價格指數每增加1%，中國稅收收入增加0.010136%。

Ⅳ 遺漏變數違反了MLR1-4中的哪條

假定MLR.4（條件均值為零）
伍德里奇的計量經濟學導論里有講，漏掉一個與x1,x2,……，xk中任何一個自專變數相關的重要因屬素，也能假定MLR.4不成立。這句話是建立在他認為與簡單回歸分析相比，多元回歸分析中出現漏掉變數的 可能性小很多的基礎上的，所以沒說漏掉變數，而是說的漏掉重要因素。
遺漏重要變數，一是隻影響被解釋變數，而不影響解釋變數；二是同時影響被解釋變數和解釋變數；三是隻影響解釋變數，而不影響被解釋變數，在計量上沒有內生性。第一種情況，會使得u中包含該變數使得E(u)不為0；第三種情況是由於遺漏變數和解釋變數相關，所以u的均值在給定自變數任何值的情況下不會一直為0；第二種情況就是以上都有。

Ⅳ 計量經濟學使用Eviews軟體分析的案例模型

計量經濟學
期末實驗報告

實驗名稱：大中城市城鎮居民人均消費支出與其影響因素的分析
姓 名：
學 號：
班 級：
指導教師：
時 間：

23個城市城鎮居民人均消費支出
與其影響因素的分析
一、 經濟理論背景
近幾年來，中國經濟保持了快速發展勢頭，投資、出口、消費形成了拉動經濟發展的「三架馬車」，這已為各界所取得共識。通過建立計量模型，運用計量分析方法對影響城鎮居民人均消費支出的各因素進行相關分析，找出其中關鍵影響因素，以為政策制定者提供一定參考，最終促使消費需求這架「馬車」能成為引領中國經濟健康、快速、持續發展的基石。
二、 有關人均消費支出及其影響因素的理論
我們主要從以下幾個方面分析我國居民消費支出的影響因素：
①、居民未來支出預期上升，影響了居民即期消費的增長
居民的被動儲蓄直接導致購買力的巨大分流, 從而減弱對消費品的即期需求，嚴重地影響了居民即期消費的增長，進而導致有效需求的不足，最終導致經濟增長的乏力。90年代末期以來，我國的醫療、養老、失業保險、教育等一系列改革措施集中出台，原有的體制被打破，而新的體制尚未建立健全，因此目前的醫療、養老、失業保險、教育體制對居民個人支出的壓力較大，而且基本上都是硬性支出，支出的不確定性也很大，導致居民目前對未來支出預期的上升。
②、商品供求結構性矛盾依然突出
從消費結構上看，我國消費品市場已發生了新的根本性變化：居民低層次消費已近飽和，而更高水平的消費又未達到。改革開放20多年來，城鄉居民經過了一個中檔耐用消費品的普及階段後，目前老百姓的收入消費還不足以形成一個新的、以高檔產品為內容的主導性消費熱點，如轎車、住房等還遠不能納入大多數人的消費主流，居民現有的購買力不能形成推動主導消費品升級的動力。
③、物價總水平持續在低水平運行，通貨緊縮的壓力較大，不利於消費的增長
加入WTO之後，隨著關稅的降低和進口規模的擴大，國外產品對我國市場的沖擊將進一步加大，國際價格緊縮對國內價格變化將產生負面影響。物價的持續下降，不利於居民的消費增長。因為從居民的消費心理上看，買漲不買降是居民購物的習慣心理。由於居民對物價有進一步下降的預期，因此往往推遲消費，不利於居民消費的增長。另外，從統計上分析，由於物價的下降，名義消費增長往往低於實際消費的增長，這在一定程度上也不利於消費增長幅度的提高。
④、我國現階段沒有形成大的消費熱點，難以帶動消費的快速增長
經過近幾年的培育和發展，我國目前已經形成了住房消費、居民汽車消費、通信及電子產品的消費、節假日消費及旅遊消費等一些消費亮點，可以促進消費的穩定增長，但始終未能形成大的消費熱點，因此不能帶動消費的高速增長。
三、 相關數據收集
相關數據均來源於2006年《中國統計年鑒》：
23個大中城市城鎮居民家庭基本情況
地區 平均每戶就業人口（人） 平均每一就業者負擔人數（人） 平均每人實際月收入（元） 人均可支配收入（元） 人均消費支出（元）
北京 1.6 1.8 1865.1 1633.2 1187.9
天津 1.4 2.0 2010.6 1889.8 939.8
石家莊 1.4 2.0 1061.3 1010.0 722.9
太原 1.3 2.2 1256.9 1159.9 789.5
呼和浩特 1.5 1.9 1354.2 1279.8 772.7
沈陽 1.3 2.1 1148.5 1048.7 812.1
大連 1.6 1.8 1269.8 1133.1 946.5
長春 1.8 1.7 1156.1 1016.1 690.2
哈爾濱 1.4 2.0 992.8 942.5 727.4
上海 1.6 1.9 1884.0 1686.1 1505.3
南京 1.4 2.0 1536.4 1394.0 920.6
杭州 1.5 1.9 1695.0 1464.9 1264.2
寧波 1.5 1.8 1759.4 1543.2 1271.4
合肥 1.6 1.8 1042.5 950.1 686.9
福州 1.7 1.9 1172.5 1059.4 942.8
廈門 1.5 1.9 1631.7 1394.3 998.7
南昌 1.4 1.8 1405.0 1321.1 665.4
濟南 1.7 1.7 1491.3 1356.8 1071.4
青島 1.6 1.8 1495.6 1378.5 1020.7
鄭州 1.4 2.1 1012.2 954.2 750.3
武漢 1.5 2.0 1052.5 972.2 853.1
長沙 1.4 2.1 1256.9 1148.9 986.8
廣州 1.7 1.8 1898.6 1591.1 1215.1

四、 模型的建立
根據數據，我們建立多元線性回歸方程的一般模型為：
其中：
——人均消費支出
——常數項
——回歸方程的參數
——平均每戶就業人口數
——平均每一就業者負擔人口數
——平均每人實際月收入
——人均可支配收入
——隨即誤差項
五、實驗過程
（一）回歸模型參數估計
根據數據建立多元線性回歸方程：
首先利用Eviews軟體對模型進行OLS估計，得樣本回歸方程。
利用Eviews輸出結果如下：
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:08
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C -1682.180 1311.506 -1.282633 0.2159
X1 564.3490 395.2332 1.427889 0.1704
X2 569.1209 379.7866 1.498528 0.1513
X3 1.552510 0.629371 2.466766 0.0239
X4 -1.180652 0.742107 -1.590947 0.1290
R-squared 0.721234 Mean dependent var 945.2913
Adjusted R-squared 0.659286 S.D. dependent var 224.1711
S.E. of regression 130.8502 Akaike info criterion 12.77564
Sum squared resid 308191.9 Schwarz criterion 13.02249
Log likelihood -141.9199 F-statistic 11.64259
Durbin-Watson stat 2.047936 Prob(F-statistic) 0.000076
根據多元線性回歸關於Eviews輸出結果可以得到參數的估計值為： , , ， ，
從而初步得到的回歸方程為：

Se= (1311.506) (395.2332) (379.7866) (0.629371) (0.742107)
T= (-1.282633) (1.427889) (1.498528) (2.466766) (-1.590947)
F=11.64259 df=18
模型檢驗：由於在 的水平下，解釋變數 、 、 的檢驗的P值都大於0.05，所以變數不顯著，說明模型中可能存在多重共線性等問題，進而對模型進行修正。
（二）處理多重共線性
我們採用逐步回歸法對模型的多重共線性進行檢驗和處理：
X1：
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:28
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 153.8238 518.6688 0.296574 0.7697
X1 523.0964 341.4840 1.531833 0.1405
R-squared 0.100508 Mean dependent var 945.2913
Adjusted R-squared 0.057675 S.D. dependent var 224.1711
S.E. of regression 217.6105 Akaike info criterion 13.68623
Sum squared resid 994441.2 Schwarz criterion 13.78497
Log likelihood -155.3917 F-statistic 2.346511
Durbin-Watson stat 1.770750 Prob(F-statistic) 0.140491
X2：
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:29
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 1756.641 667.2658 2.632596 0.0156
X2 -424.1146 347.9597 -1.218861 0.2364
R-squared 0.066070 Mean dependent var 945.2913
Adjusted R-squared 0.021597 S.D. dependent var 224.1711
S.E. of regression 221.7371 Akaike info criterion 13.72380
Sum squared resid 1032515. Schwarz criterion 13.82254
Log likelihood -155.8237 F-statistic 1.485623
Durbin-Watson stat 1.887292 Prob(F-statistic) 0.236412
X3：
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:29
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 182.8827 137.8342 1.326831 0.1988
X3 0.540400 0.095343 5.667960 0.0000
R-squared 0.604712 Mean dependent var 945.2913
Adjusted R-squared 0.585888 S.D. dependent var 224.1711
S.E. of regression 144.2575 Akaike info criterion 12.86402
Sum squared resid 437014.5 Schwarz criterion 12.96276
Log likelihood -145.9362 F-statistic 32.12577
Durbin-Watson stat 2.064743 Prob(F-statistic) 0.000013
X4：
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:30
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 184.7094 161.8178 1.141465 0.2665
X4 0.596476 0.124231 4.801338 0.0001
R-squared 0.523300 Mean dependent var 945.2913
Adjusted R-squared 0.500600 S.D. dependent var 224.1711
S.E. of regression 158.4178 Akaike info criterion 13.05129
Sum squared resid 527020.1 Schwarz criterion 13.15003
Log likelihood -148.0898 F-statistic 23.05284
Durbin-Watson stat 2.037087 Prob(F-statistic) 0.000096
由得出的數據可以看出， 的調整的判定系數最大，因此首先把 引入調整的方程中，然後在分別引入變數 、 、 進行OLS得：
X1、X3
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:32
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C -222.8991 345.9081 -0.644388 0.5266
X1 289.8101 227.2070 1.275533 0.2167
X3 0.517213 0.095693 5.404899 0.0000
R-squared 0.634449 Mean dependent var 945.2913
Adjusted R-squared 0.597894 S.D. dependent var 224.1711
S.E. of regression 142.1510 Akaike info criterion 12.87276
Sum squared resid 404138.2 Schwarz criterion 13.02087
Log likelihood -145.0368 F-statistic 17.35596
Durbin-Watson stat 2.032110 Prob(F-statistic) 0.000043
X2、X3
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:33
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 239.5536 531.1435 0.451015 0.6568
X2 -27.00981 244.0392 -0.110678 0.9130
X3 0.536856 0.102783 5.223221 0.0000
R-squared 0.604954 Mean dependent var 945.2913
Adjusted R-squared 0.565449 S.D. dependent var 224.1711
S.E. of regression 147.7747 Akaike info criterion 12.95036
Sum squared resid 436747.0 Schwarz criterion 13.09847
Log likelihood -145.9292 F-statistic 15.31348
Durbin-Watson stat 2.063247 Prob(F-statistic) 0.000093
X3、X4
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:34
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 331.7015 142.5882 2.326290 0.0306
X3 1.766892 0.553402 3.192782 0.0046
X4 -1.473721 0.656624 -2.244390 0.0363
R-squared 0.684240 Mean dependent var 945.2913
Adjusted R-squared 0.652664 S.D. dependent var 224.1711
S.E. of regression 132.1157 Akaike info criterion 12.72634
Sum squared resid 349091.0 Schwarz criterion 12.87445
Log likelihood -143.3529 F-statistic 21.66965
Durbin-Watson stat 2.111635 Prob(F-statistic) 0.000010
由數據結果可以看出，引入X4時方程的調整判定系數最大，且解釋變數均通過了顯著性檢驗，再分別引入X1、X2進行分析。
X1、X3、X4
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:37
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 193.6693 403.8464 0.479562 0.6370
X1 89.29944 243.6512 0.366505 0.7180
X3 1.652622 0.646003 2.558228 0.0192
X4 -1.345001 0.757634 -1.775265 0.0919
R-squared 0.686457 Mean dependent var 945.2913
Adjusted R-squared 0.636950 S.D. dependent var 224.1711
S.E. of regression 135.0712 Akaike info criterion 12.80625
Sum squared resid 346640.3 Schwarz criterion 13.00373
Log likelihood -143.2719 F-statistic 13.86591
Durbin-Watson stat 2.082104 Prob(F-statistic) 0.000050
X2、X3、X4
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:38
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 62.60939 489.2088 0.127981 0.8995
X2 134.1557 232.9303 0.575948 0.5714
X3 1.886588 0.600027 3.144175 0.0053
X4 -1.596394 0.701018 -2.277251 0.0345
R-squared 0.689658 Mean dependent var 945.2913
Adjusted R-squared 0.640657 S.D. dependent var 224.1711
S.E. of regression 134.3798 Akaike info criterion 12.79599
Sum squared resid 343100.8 Schwarz criterion 12.99347
Log likelihood -143.1539 F-statistic 14.07429
Durbin-Watson stat 2.143110 Prob(F-statistic) 0.000046
由輸出結果可以看出，在 的水平下，解釋變數 、 的檢驗的P值都大於0.05，解釋變數不能通過顯著性檢驗，因此可以得出結論模型中只能引入X3、X4兩個變數。則調整後的多元線性回歸方程為：

Se= (142.5882) (0.553402) (0.656624)
T= (2.326290) (3.192782) (-2.244390)
F=21.66965 df=20
（三）.異方差性的檢驗
對模型 進行懷特檢驗：
White Heteroskedasticity Test:
F-statistic 1.071659 Probability 0.399378
Obs*R-squared 4.423847 Probability 0.351673

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/11/07 Time: 16:53
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 34247.50 128527.9 0.266460 0.7929
X3 247.9623 628.1924 0.394723 0.6977
X3^2 -0.071268 0.187278 -0.380548 0.7080
X4 -333.6779 714.3390 -0.467114 0.6460
X4^2 0.18 0.229933 0.526841 0.6047
R-squared 0.192341 Mean dependent var 15177.87
Adjusted R-squared 0.012861 S.D. dependent var 23242.54
S.E. of regression 23092.59 Akaike info criterion 23.12207
Sum squared resid 9.60E+09 Schwarz criterion 23.36892
Log likelihood -260.9038 F-statistic 1.071659
Durbin-Watson stat 1.968939 Prob(F-statistic) 0.399378
由檢驗結果可知， ，由White檢驗知，在 時，查 分布表，得臨界值 (20)=30.1435，因為 < (5)= 30.1435,所以模型中不存在異方差。
（四）.自相關的檢驗
由模型的輸出結果可知，估計結果都比較滿意，無論是回歸方程檢驗，還是參數顯著性檢驗的檢驗概率，都顯著小於0.05，D-W值為2.111635，顯著性水平 =0.05下查Durbin-Watson表，其中n=23，解釋變數的個數為2，得到下限臨界值 ，上限臨界值 ， =1.543<D-W=2.111635<4 ，由DW檢驗決策規則可知，該模型不存在自相關問題。
六、對模型進行分析和解釋經濟學意義
回歸方程的意義為：當平均每人實際月收入不變時，人均可支配收入每增加一個單位，人均消費支出減少1.473721個單位；當人均可支配收入不變時，平均每人實際月收入每增加一個單位，人均消費支出增加1.766892個單位。
七、 就模型所反映的問題給出針對性的政策建議或結論
對於我國人均消費支出的分析中，可以看出我國在過去的幾年裡經濟發展穩健，但是由於種種原因導致我國經濟的現狀存在一定的問題，如不完善的社會保障制度導致消費結構不合理；過高的居民儲蓄存款影響居民消費傾向；消費品生產行業投資方向失誤和低效率引起國內市場消費梗阻；保守的消費觀念和消費政策的制約；教育支出比重過大影響居民消費傾向 。對此我們國家應該在以下幾個方面對居民消費中存在的問題進行對策研究
（一）建立和完善社會保障制度，增強居民消費信心
（二）培育新的消費熱點，拓展居民的消費領域
（三）促使商品消費從自我積累型向信用支持型轉變
（四）分層次促進居民消費
（五）破解影響消費結構優化的政策制約
（六）化解有效供給不足與產品相對過剩的矛盾