计量经济实证分析

《计量经济实证分析》由会员分享，可在线阅读，更多相关《计量经济实证分析（27页珍藏版）》请在装配图网上搜索。

1、编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第27页 共27页摘要：文章以计量经济学的知识为基础，以我国1990-2007年财政收入和国内生产总值、名义居民总消费的实际数据为依据，研究我国财政收入和国内生产总值、名义居民总消费是否具有极强的相关关系。同时，根据我国研究的财政收入和国内生产总值、名义居民总消费之间结论提出了针对性的建议。关键词:财政收入 国内生产总值 居民总消费 计量经济 建议20世纪90年代以来，随着我国国民经济的飞速发展，我国的GDP总值大体呈增加的趋势改革开放以来，我国经济实现较快增长，人均GDP由1978年的190美元上升到2007年的2360美元，

2、经济总量跃居世界第四，财政收入逐年增加，消费支出也在增加，但近年也一直在强调扩大内需，刺激消费。因此，我们进一步研究这两者和财政收入的关系，进一步增加财政收入。一、理论综述l GDP与FINACIAL及其关系的理论阐述（一）GDP和FINACIAL的一般定义GDP：中文译名为国内生产总值（对地方核算范围来说，即为地区生产总值），是反映一个国家（地区）在一定时期内国民经济活动最终成果的总量指标。是指一个国家（地区）辖区内所有常住单位在一定时期内生产活动所新创造的价值，对于各产业部门来说，这部分新创造的价值称为增加值，从收入分配的角度来看，主要包括劳动者报酬、固定资产折旧、生产税净额和营业盈余。(

3、FINACIAL)财政收入:指国家财政参与社会产品分配所取得的货币收入，是整个国民收入中属于国家（政府）所有的部分，是实现国家职能的财力保证。财政收入所包括的内容几经变化，目前主要包括：各项税收、行政性收费收入、罚没收入、专项收入、其他收入以及国有企业亏损补贴，其中占主体地位的是税收收入。（二）GDP和FINACIAL联系1、从社会再生产的角度来看，GDP做为国民经济的最终成果，经过初次分配和一系列复杂的再分配过程之后形成最终分配，大致呈三部分的流向，其中一部分以单位和个人上缴工商税收、所得税、罚没收入等形式上交财政部门，形成国家所得（其主体部分即财政收入）；第二部分是企事业单位以净利润、公益

4、金、提取的折旧基金等形式留成，主要用于扩大再生产，形成单位所得；第三部分是以劳动报酬、福利费、各类津贴、利息等形式向居民支付，形成个人所得。2、从宏观上观察，国家财政收入的主要形式对应国内生产总值(GDP)中的国家收入，财政收入是国家收入的主体部分。在国民经济核算中，一般将扣除国家退税和其他补贴后的财政收入等同于国内生产总值中国家收入，实际上政府通过预算而集中起来的财政收入就是归国家使用的国内生产总值。而地方财政收入与国家财政收入有所不同，它是本地区创造的国家收入通过不同时期不同的分配方式在国家和地区之间分配后，留给本地区使用的财政收入，是国家财政收入的一部分。所以，从以上描述可以看出，财政收

5、入来源于国内生产总值，是国内生产总值的一部分，国内生产总值规模越大，为财政收入增长提供的财源就越丰富，而合理的财政收入及其分配使用对于满足经济发展需要，支持政府职能实现，保证社会经济的稳定发展进而促进GDP的增长发挥着重要作用。l 居民最终消费与财政收入及其关系的理论阐述（一）居民最终消费的概念居民消费支出（CONS）是指城乡居民个人和家庭用于生活消费以及集体用于个人消费的全部支出。包括购买商品支出以及享受文化服务和生活服务等非商品支出。对于农村居民来说，还包括用于生活消费的自给性产品支出。集体用于个人的消费指集体向个人提供的物品和劳务的支出；不包括各种非消费性的支出。其形式是通过居民平均每人

6、全年消费支出指标来综合反映城乡居民生活消费水平。（二）CONS和FINACIAL的联系积累和消费是国民经济收入分配的两条道路。而积累又可以分为国家积累企业积累和个人积累。其中国家积累就是我们说的财政，财政又分财政收入和财政支出，并通过财政预算实现。财政收入是积累的一个方面，而财政支出有些用来消费(如社会福利等)而很大一部分又用作积累(如非生产性基本建设)。总体来说，积累和消费是国民收入的宏观概念，而财政只是其一个子集合。人们的消费对财政收入的增加有贡献作用，同时有更多的财政支出。所以我们扩大内需，进一步增加财政收入。窗体顶端窗体底端我们在这里以1990-2007年我国财政收入与国内生产总值、最

7、终居民消费统计资料， 利用EVIEWS 软件采用普通最小二乘法(OSL) 进行回归，估计出财政收入模型的参数值。然后利用EVIEWS 软件的相关功能对模型的参数进行相关检验。二、实证分析（一）变量说明在我国国民经济评价体系中，GDP和财政收入是两个最核心的指标。GDP与财政收入之间存在着源与流、根与叶的关系，源远则流长，根深则叶茂，经济的全面、可持续发展是财政收入增长的根本保证，财政收入的健康增长又为国民经济的协调发展提供了源动力。作为反映一个国家和地区综合经济实力的重要标志，这两个指标之间从理论上看存在着必然的逻辑联系，但在实际经济生活中，从不同时期和不同范围观察，又往往存在着明显的差异。这

8、两个指标之间究竟存在哪些定量关系，经济发展与财政收入之间到底有哪些相互影响因素？这是各级政府、经济管理和研究部门普遍关注的问题。同时如何扩大内需也是重中之重，由经济理论分析判断，国内生产总值是影响财政收入的主要因素，我国财政收入（y）与国内生产总值（x）之间存在密切的关系,财政收入随国内生产总值的增加而增加。因此，在这里我选用了1990-2007年这18年的FINACIAL、GDP、 CONS数据作为研究对象，为了研究我国财政收入与国内生产总值、最终居民消费之间的关系，鉴于近年来财政收入逐年增多，因此我来研究影响财政收入的主要因素，以经验判断，GDP和CONS对FIINACIAL有显著性影响，

9、接下我们来做具体分析。（二）多元线性回归分析1、建立模型我们假设建立如下多元回归模型(FINACIAL=Y. GDP=X1，CONS= X2) ：Yt =0 +1 X1 + 2 X2+ u表1给出了采用Eiews 软件对表1中的数据进行回归分析的计算结果。一般可写出如下回归分析结果：= -1150.202 + 0.369820X1 - 0.499984X2 t （-1.124425） （9.079473） （-4.322047） R2 = 0.988443 2 = 0.986902 F = 641.4430 D.W. = 0.687305表1：19902007年我国财政收入、国内生产总值和最终

10、消费支出单位：亿元年份CONS(x2)FINACIAL(y)GDP(x1)19909450.92937.119347.8199110730.63149.4822577.4199213000.13483.3727565.2199316412.14348.9536938.1199421844.25218.150217.4199528369.76242.263216.9199633955.97407.9974163.6199736921.58651.1481658.5199839299.39875.9586531.6199941920.411444.0891125200045854.613395.2

11、398749200149213.216386.04108972.4200252571.318903.64120350.3200356834.421715.25136398.8200463833.526396.47160280.4200571217.531649.29188692.1200680476.938760.2221651.3200793602.951321.78263093.8表2：我国财政收入与国内生产总值和居民消费水平的回归Dependent Variable: FINACIALMethod: Least SquaresDate: 12/22/10 Time: 18:37Sampl

12、e: 1990 2007Included observations: 18VariableCoefficientStd. Errort-StatisticProb.C-1150.2021022.925-1.1244250.2785GDP0.3698200.0407319.0794730.0000CONS-0.4999840.115682-4.3220470.0006R-squared0.988443Mean dependent var15627.01Adjusted R-squared0.986902S.D. dependent var13698.23S.E. of regression156

13、7.728Akaike info criterion17.70365Sum squared resid36866579Schwarz criterion17.85205Log likelihood-156.3329F-statistic641.4430Durbin-Watson stat0.687305Prob(F-statistic)0.000000图一19902007年我国财政收入、国内生产总值和最终消费支出的线性图图二19902007年我国财政收入、国内生产总值和最终消费支出的散点图2、模型检验l 经济意义检验模型估计结果说明，在假定其他变量不变的情况下，当年GDP每增长1亿元，财政收入

14、增加0.369820亿元；在假定其他变量不变的情况下，当年消费每增加1亿元，财政收入减少0.499984亿元。l 统计检验（1）拟合优度：由表2中数据可以得到：R2 = 0.988443，修正的2 = 0.986902，这说明模型的拟合优度很好。表明在19902007年期间，财政收入变化的98.84可由其他两个变量的变化来解释。（2）F检验：针对显著性水平5，在F分布表中查出自由度为k=2和n-k-1=15的临界值F0.05(2,15)=3.68。由表2中得到F =863.9598，由于F = 641.4430F0.05(2,15)=3.68，表明模型的线性关系显著成立，说明“GDP”、“CO

15、NS”等变量联合作用对FINACIAL有显著性影响。（3）t检验：针对显著性水平5，查t分布表的自由度n-k-1=15临界值t0.025(15)=2.131。由表2中数据得t值分别为9.079473、-4.322047，其绝对值均大于t0.025(15)=2.131。这说明，当其他解释变量不变的情况下，解释变量“GDP”、“CONS”分别对FINACIAL都有显著性影响。(三)多重共线性(1) 检验简单相关系GDP、CONS的相关系数表如图所示：相关系数表CONSGDPCONS1.0000000.990857GDP0.9908571.000000由表中数据可知GDP和CONS之间存在高度相关性

16、（2）找出最简单的回归形式分别做FINACIAL 和CONS、GDP之间的回归：1、FINACIAL和CONS之间的回归（表3） = -7369.992 + 0.540746X2t （-3.931345） （14.04010） R2 = 0.924927 2 = 0.920234 F = 197.1245 D.W. = 0.229519 表3：Dependent Variable: FINACIALMethod: Least SquaresDate: 12/22/10 Time: 19:42Sample: 1990 2007Included observations: 18VariableCo

17、efficientStd. Errort-StatisticProb.C-7369.9921874.674-3.9313450.0012CONS0.5407460.03851414.040100.0000R-squared0.924927Mean dependent var15627.01Adjusted R-squared0.920234S.D. dependent var13698.23S.E. of regression3868.765Akaike info criterion19.46370Sum squared resid2.39E+08Schwarz criterion19.562

18、63Log likelihood-173.1733F-statistic197.1245Durbin-Watson stat0.229519Prob(F-statistic)0.0000002、FINACIAL和GDP之间的回归(表4)=-4470.932+ 0.195386X1t （-4.563136） （24.50655） R2 = 0.974050 2 = 0.972428 F = 600.5712 D.W. = 0.364519表4Dependent Variable: FINACIALMethod: Least SquaresDate: 12/22/10 Time: 19:51Sam

19、ple: 1990 2007Included observations: 18VariableCoefficientStd. Errort-StatisticProb.C-4470.932979.7937-4.5631360.0003GDP0.1953860.00797324.506550.0000R-squared0.974050Mean dependent var15627.01Adjusted R-squared0.972428S.D. dependent var13698.23S.E. of regression2274.560Akaike info criterion18.40140

20、Sum squared resid82777988Schwarz criterion18.50033Log likelihood-163.6126F-statistic600.5712Durbin-Watson stat0.364519Prob(F-statistic)0.000000可见，财政收入受国内生产总值的影响比较大，与经验相符，因此选(2)为初始的回归模型，和表1比较可决系数。所以，经过类似回归发现原模型是最佳模型，不存在多重共线性。= -1150.202 + 0.369820X1 - 0.499984X2 t （-1.124425） （9.079473） （-4.322047） R

21、2 = 0.988443 2 = 0.986902 F = 641.4430 D.W. = 0.687305(四)异方差检验（1）利用G-Q检验1、表5 1990-1996年FINACIAL、GDP、CONS之间的回归Dependent Variable: FINACIALMethod: Least SquaresDate: 12/22/10 Time: 20:28Sample: 1990 1996Included observations: 7VariableCoefficientStd. Errort-StatisticProb.GDP0.0257930.0358270.7199420.5

22、114CONS0.1224150.0811451.5085890.2059C1261.238105.411011.964960.0003R-squared0.997435Mean dependent var4683.884Adjusted R-squared0.996152S.D. dependent var1687.876S.E. of regression104.6983Akaike info criterion12.43757Sum squared resid43846.94Schwarz criterion12.41439Log likelihood-40.53150F-statist

23、ic777.6919Durbin-Watson stat2.727819Prob(F-statistic)0.0000072、表6 2001-2007年FINACIAL、GDP、CONS之间的回归Dependent Variable: FINACIALMethod: Least SquaresDate: 12/22/10 Time: 20:26Sample: 2001 2007Included observations: 7VariableCoefficientStd. Errort-StatisticProb.C-54688.068167.763-6.6955990.0026GDP-0.51

24、33270.128032-4.0093750.0160CONS2.5732860.4499995.7184270.0046R-squared0.998860Mean dependent var29304.67Adjusted R-squared0.998291S.D. dependent var12388.08S.E. of regression512.1828Akaike info criterion15.61277Sum squared resid1049325.Schwarz criterion15.58959Log likelihood-51.64469F-statistic1753.

25、008Durbin-Watson stat1.883022Prob(F-statistic)0.000001下面求F统计值，由表5中的RSS1=43846.94，有表6中得知RSS2 =1049325，根据G-Q检验，F统计量为F=RSS2/RSS2 =1049325/43846.94=23.93在显著性水平5%的水平下，查F分布表得临界值F0.05(4,4)=6.39 F=23.93，所以拒绝原假设，表明模型确实存在异方差。（2）怀特（white）检验e2=-224286.9-219.7580X1+649.2459X2+0.000353X12-0.009984X22+0.002619X1*X

26、2+ut （-0.086975）(-0.344939)( 0.417883) (0.029265) (-0.104505)( 0.038075)R2 = 0.260231 2 =-0.048006 F =0.844255 D.W. = 1.285425nR2 =18*0.260231=4.68，该值小于5%显著性水平，自由度为5的的相应临界值X20.05 (5)=11.07，因此，同意同方差的检验，表明不存在异方差。表8 y与x1、x2、x12、x22、x1*x2之间的回归White Heteroskedasticity Test:F-statistic0.844255Probability0

27、.543929Obs*R-squared4.684156Probability0.455628Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/27/10 Time: 22:42Sample: 1990 2007Included observations: 18VariableCoefficientStd. Errort-StatisticProb.C-224286.92578753.-0.0869750.9321X1-219.7580637.0930-0.3449390.7361X120.0003530

28、.0120570.0292650.9771X1*X20.0026190.0687960.0380750.9703X2649.24591553.6530.4178830.6834X22-0.0099840.095533-0.1045050.9185R-squared0.260231Mean dependent var2048143.Adjusted R-squared-0.048006S.D. dependent var1391783.S.E. of regression1424798.Akaike info criterion31.43816Sum squared resid2.44E+13S

29、chwarz criterion31.73495Log likelihood-276.9434F-statistic0.844255Durbin-Watson stat1.285425Prob(F-statistic)0.543929去掉交叉项的辅助回归结果为（表9）：e2 =-159802.3-196.1185X1+591.8626X2+0.000812X12-0.006350X22+ut （-0.085527）(-1.428734)( 1.632220) (1.728364) (-1.453906)R2 = 0.260142 2 =0.032493 F =1.142732 D.W. = 1

30、.280217从表9中得知：nR2 =18*0.260231=4.68，该值小于5%显著性水平，自由度为4的的相应临界值X20.05 (4)=9.49，因此，同意同方差的检验，表明不存在异方差。所以，模型虽然通过G-Q检验，但经过white检验，模型不存在异方差检验。表9 y与x1、x2、x12、x22之间的回归 White Heteroskedasticity Test:F-statistic1.142732Probability0.379636Obs*R-squared4.682547Probability0.321447Test Equation:Dependent Variable:

31、RESID2Method: Least SquaresDate: 12/27/10 Time: 23:12Sample: 1990 2007Included observations: 18VariableCoefficientStd. Errort-StatisticProb.C-159802.31868453.-0.0855270.9331X1-196.1185137.2674-1.4287340.1767X120.0008120.0004701.7283640.1076X2591.8626362.61211.6322200.1266X22-0.0063500.004368-1.45390

32、60.1697R-squared0.260142Mean dependent var2048143.Adjusted R-squared0.032493S.D. dependent var1391783.S.E. of regression1368984.Akaike info criterion31.32717Sum squared resid2.44E+13Schwarz criterion31.57450Log likelihood-276.9445F-statistic1.142732Durbin-Watson stat1.280217Prob(F-statistic)0.379636

33、（五）序列相关的检验= -1150.202 + 0.369820X1 - 0.499984X2 t （-1.124425） （9.079473） （-4.322047） R2 = 0.988443 2 = 0.986902 F = 641.4430 D.W. = 0.687305表1Dependent Variable: FINACIALMethod: Least SquaresDate: 12/22/10 Time: 18:37Sample: 1990 2007Included observations: 18VariableCoefficientStd. Errort-StatisticP

34、rob.C-1150.2021022.925-1.1244250.2785GDP0.3698200.0407319.0794730.0000CONS-0.4999840.115682-4.3220470.0006R-squared0.988443Mean dependent var15627.01Adjusted R-squared0.986902S.D. dependent var13698.23S.E. of regression1567.728Akaike info criterion17.70365Sum squared resid36866579Schwarz criterion17

35、.85205Log likelihood-156.3329F-statistic641.4430Durbin-Watson stat0.687305Prob(F-statistic)0.000000该回归方程的可决系数、回归系数都显著，对样本量为18，两个解释变量，5%的显著水平下，查DW统计表可知，dl=1.05，du=1.53，模型中DW=0.69dl，显然模型中存在正自相关。图三残差图图四y的线性图在文章中，y、x1、x2都是时间序列，而且他们确实表现出共同的变动趋势。为了排除时间序列模型中这种随时间变动而具有共同的变化趋势的影响，我们引入时间趋势项做回归（表10）=1221.463 +

36、0.331519X1-0.596768X2+48.51285T2 t （0.950245） （8.702231） （-5.608968） (2.525277)R2 = 0.992060 2 = 0.993279 F = 583.0456 D.W. = 1.207976表 10 Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 23:40Sample: 1990 2007Included observations: 18VariableCoefficientStd. Errort-StatisticProb.C1221.

37、4631285.4190.9502450.3581X10.3315190.0380968.7022310.0000X2-0.5967680.106395-5.6089680.0001T248.5128519.210902.5252770.0243R-squared0.992060Mean dependent var15627.01Adjusted R-squared0.990358S.D. dependent var13698.23S.E. of regression1345.074Akaike info criterion17.43942Sum squared resid25329122Sc

38、hwarz criterion17.63728Log likelihood-152.9547F-statistic583.0456Durbin-Watson stat1.207976Prob(F-statistic)0.000000对样本量为18,三个解释变量，5%的显著水平下，查DW统计表可知，dl=0.93，du=1.69，模型中dlDW du =1.2，显然模型不能确定，因此我们要继续进行检验。序列相关的LM检验，含1 阶滞后残差项的辅助回归为（表11）：=-2500.227+0.106683X1-0.050233X2-51.88079T2+1.540198et-1 t （-1.6450

39、69） (1.933099) （-0.533419） (-1.907780)( 2.406941)R2 = 0.308266 2 = 0.095425 F = 1.448341 D.W. = 1.134075于是，LM=18*0.308266=5.548，该值大于显著性水平为5%、自由度为1的X2分布的临界值X20.05 (1)=3.84，由此判断原模型存在1阶序列相关性。表 11Breusch-Godfrey Serial Correlation LM Test:F-statistic5.793365Probability0.031671Obs*R-squared5.548797Probab

40、ility0.018493Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 12/26/10 Time: 18:10Presample missing value lagged residuals set to zero.VariableCoefficientStd. Errort-StatisticProb.C-2500.2271519.832-1.6450690.1239X10.1066830.0551881.9330990.0753X2-0.0502330.094172-0.5334190.6027T2-5

41、1.8807927.19433-1.9077800.0788RESID(-1)1.5401980.6398982.4069410.0317R-squared0.308266Mean dependent var1.24E-12Adjusted R-squared0.095425S.D. dependent var1220.634S.E. of regression1160.935Akaike info criterion17.18197Sum squared resid17521003Schwarz criterion17.42930Log likelihood-149.6377F-statis

42、tic1.448341Durbin-Watson stat1.134075Prob(F-statistic)0.273693含2阶的序列相关性的辅助回归（表12）：=-586.5442+0.070032X1-0.101787X2-17.44683T2+1.938470et-1-1.348194et-2t （-0.408631） (1.480371) （-1.277911） (-0.678371)(3.551836) (-2.698396)R2 = 0.569490 2 =0.390111 F =3.174788 D.W. = 2.181397于是，LM=18*0.569490=10.26，该值

43、大于显著性水平为5%、自由度为2的X2分布的临界值.X20.05 (2)=5.99，由此判断原模型存在2阶序列相关性。表 12Breusch-Godfrey Serial Correlation LM Test:F-statistic7.936971Probability0.006366Obs*R-squared10.25083Probability0.005944Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 12/26/10 Time: 18:26Presample missing value lagged

44、 residuals set to zero.VariableCoefficientStd. Errort-StatisticProb.C-586.54421435.390-0.4086310.6900X10.0700320.0473071.4803710.1645X2-0.1017870.079651-1.2779110.2254T2-17.4468325.71872-0.6783710.5104RESID(-1)1.9384700.5457663.5518360.0040RESID(-2)-1.3481940.499628-2.6983960.0194R-squared0.569490Me

45、an dependent var1.24E-12Adjusted R-squared0.390111S.D. dependent var1220.634S.E. of regression953.2589Akaike info criterion16.81885Sum squared resid10904431Schwarz criterion17.11564Log likelihood-145.3697F-statistic3.174788Durbin-Watson stat2.181397Prob(F-statistic)0.046914含3阶滞后残差项的辅助回归（表13）：=-494.2

46、307+0.079480X1-0.125424X2-17.69564T2+1.739758et-1-0.807540et-2-0.570300et-3t （-0.341292） (1.631817) (-1.489974) (-0.683602)( 2.947728)( -1.044243)(-0.920234)R2 = 0.600264 2 =0.382226 F =2.753026 D.W. = 2.139183于是，LM=18*0.600264=10.8，该值大于显著性水平为5%、自由度为2的X2分布的临界值X20.05 (3)=7.81，由此判断原模型存在序列相关性，但et-3的参数未

47、通过5%的显著性检验，表明不存在3阶序列相关性。结合1、2阶滞后残差项的辅助回归情况，可判断存在显著的2阶序列相关性。表 13Breusch-Godfrey Serial Correlation LM Test:F-statistic5.506051Probability0.014803Obs*R-squared10.80475Probability0.012830Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 12/26/10 Time: 18:38Presample missing value lagged

48、 residuals set to zero.VariableCoefficientStd. Errort-StatisticProb.C-494.23071448.118-0.3412920.7393X10.0794800.0487061.6318170.1310X2-0.1254240.084179-1.4899740.1643T2-17.6956425.88586-0.6836020.5084RESID(-1)1.7397580.5902032.9477280.0133RESID(-2)-0.8075400.773326-1.0442430.3188RESID(-3)-0.5703000

49、.619734-0.9202340.3772R-squared0.600264Mean dependent var1.24E-12Adjusted R-squared0.382226S.D. dependent var1220.634S.E. of regression959.4016Akaike info criterion16.85580Sum squared resid10124965Schwarz criterion17.20205Log likelihood-144.7022F-statistic2.753026Durbin-Watson stat2.139183Prob(F-sta

50、tistic)0.0693182、运用广义差分法进行自相关的处理在Eviews 软件下，2阶广义差分法的估计结果是（表14）：=-32909.66+0.163335X1+0.186242X2+40.46179T2 +0.939361AR(1) t （-0.224740） （1.004856） （0.409836）（0.265897）（3.457213）R2 =0.994665 2 = 0.992887 F = 559.3533 D.W. = 0.965757 在式中AR（1）前的参数值即为随机干扰项的1阶序列相关性系数。在5%的显著性水平下，0.78=dlDW du=1.90，无法判断经广义差

51、分法变换后的模型是否已不存在序列相关，且LM检验为LM= nR2=6.596701大于显著性水平为5%、自由度为1的X2分布的临界值X20.05 (1)=3.84，并表明还存在序列相关性。表 14Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 23:43Sample (adjusted): 1991 2007Included observations: 17 after adjustmentsConvergence achieved after 36 iterationsVariableCoefficientStd.

52、 Errort-StatisticProb.C-32909.66146434.2-0.2247400.8260X10.1633350.1625461.0048560.3348X20.1862420.4544290.4098360.6891T240.46179152.17110.2658970.7948AR(1)0.9393610.2717103.4572130.0047R-squared0.994665Mean dependent var16373.48Adjusted R-squared0.992887S.D. dependent var13737.27S.E. of regression1158.579Akaike info criterion17.18771Sum squared resid16107673Schwarz criterion17.43277Log likelihood-141.0955F-statistic559.3533Durbin-Watson stat0.965757Prob(F-statistic)0.000000Inverted AR Roots.94我们继续做滞后一期回归，在LM检验，得到nR2（表15）表 15Breusch-Godfr