經(jīng)濟(jì)計(jì)量管理學(xué)與財(cái)務(wù)知識(shí)分析課程

1、計(jì)量經(jīng)濟(jì)學(xué)課程實(shí)驗(yàn)實(shí)驗(yàn)一 EViews軟件的基本操作【實(shí)驗(yàn)?zāi)康摹苛私釫Views軟件的基本操作對(duì)象，掌握軟件的基本操作?！緦?shí)驗(yàn)內(nèi)容】一、EViews軟件的安裝；二、數(shù)據(jù)的輸入、編輯與序列生成；三、圖形分析與描述統(tǒng)計(jì)分析；四、數(shù)據(jù)文件的存貯、調(diào)用與轉(zhuǎn)換。實(shí)驗(yàn)內(nèi)容中后三步以表1-1所列出的稅收收入和國(guó)內(nèi)生產(chǎn)總值的統(tǒng)計(jì)資料為例進(jìn)行操作。表1-1 我國(guó)稅收與GDP統(tǒng)計(jì)資料 單位：億元年份稅收 YGDP X年份稅收 YGDP X19852041896419923297266381986209110202199342553463419872140119631994512746759198823911492

2、81995603858478198927271690919966910678851990282218548199782347446319912990216181998926379396資料來源：中國(guó)統(tǒng)計(jì)年鑒1999【實(shí)驗(yàn)步驟】一、安裝EViews軟件EViews對(duì)系統(tǒng)環(huán)境的要求一臺(tái)386、486奔騰或其他芯片的計(jì)算機(jī)，運(yùn)行Windows3.1、Windows9X、Windows2000、WindowsNT或WindowsXP操作系統(tǒng)；至少4MB內(nèi)存；VGA、Super VGA顯示器；鼠標(biāo)、軌跡球或?qū)懽职?；至?0MB以上的硬盤空間。安裝步驟點(diǎn)擊“網(wǎng)上鄰居”，進(jìn)入服務(wù)器；在服務(wù)器上查找“計(jì)量經(jīng)濟(jì)

3、軟件”文件夾，雙擊其中的setup.exe，會(huì)出現(xiàn)如圖1-1所示的安裝界面，直接點(diǎn)擊next按鈕即可繼續(xù)安裝；指定安裝EViews軟件的目錄（默認(rèn)為C:EViews3，如圖1-2所示），點(diǎn)擊OK按鈕后，一直點(diǎn)擊next按鈕即可；安裝完畢之后，將EViews的啟動(dòng)設(shè)置成桌面快捷方式。圖1-1 安裝界面1圖1-2 安裝界面2二、數(shù)據(jù)的輸入、編輯與序列生成創(chuàng)建工作文件菜單方式啟動(dòng)EViews軟件之后，進(jìn)入EViews主窗口（如圖1-3所示）。命令窗口口菜單欄標(biāo)題欄狀態(tài)欄工作區(qū)域圖1-3 EViews主窗口在主菜單上依次點(diǎn)擊File/New/Workfile，即選擇新建對(duì)象的類型為工作文件，將彈出一個(gè)

4、對(duì)話框（如圖1-4所示），由用戶選擇數(shù)據(jù)的時(shí)間頻率（frequency）、起始期和終止期。圖1-4 工作文件對(duì)話框其中， Annual年度 Monthly月度Semi-annual半年 Weekly周 Quarterly季度 Daily日Undated or irregular非時(shí)序數(shù)據(jù)選擇時(shí)間頻率為Annual（年度），再分別點(diǎn)擊起始期欄（Start date）和終止期欄（End date），輸入相應(yīng)的日前1985和1998。然后點(diǎn)擊OK按鈕，將在EViews軟件的主顯示窗口顯示相應(yīng)的工作文件窗口（如圖1-5所示）。圖1-5 工作文件窗口工作文件窗口是EViews的子窗口，工作文件一開始其中

5、就包含了兩個(gè)對(duì)象，一個(gè)是系數(shù)向量C（保存估計(jì)系數(shù)用），另一個(gè)是殘差序列RESID（實(shí)際值與擬合值之差）。命令方式在EViews軟件的命令窗口中直接鍵入CREATE命令，也可以建立工作文件。命令格式為：CREATE 時(shí)間頻率類型 起始期 終止期則以上菜單方式過程可寫為：CREATE A 1985 1998輸入Y、X的數(shù)據(jù)DATA命令方式在EViews軟件的命令窗口鍵入DATA命令，命令格式為：DATA <序列名1> <序列名2><序列名n>本例中可在命令窗口鍵入如下命令（圖1-6所示）：DATA Y X將顯示一個(gè)數(shù)組窗口（圖1-7所示），此時(shí)可以按全屏幕編輯方

6、式輸入每個(gè)變量的統(tǒng)計(jì)資料。圖1-6 鍵入DATA命令圖1-7 數(shù)組窗口鼠標(biāo)圖形界面方式在EViews軟件主窗口或工作文件窗口點(diǎn)擊Objects/New Object，對(duì)象類型選擇Series，并給定序列名，一次只能創(chuàng)建一個(gè)新序列（圖1-8所示）。再?gòu)墓ぷ魑募夸浿羞x取并雙擊所創(chuàng)建的新序列就可以展示該對(duì)象，選擇Edit/，進(jìn)入編輯狀態(tài)，輸入數(shù)據(jù)。圖1-8 創(chuàng)建新對(duì)象窗口生成log（Y）、log（X）、X2、1/X、時(shí)間變量T等序列在命令窗口中依次鍵入以下命令即可：GENR LOGY=LOG(Y)GENR LOGX=LOG(X)GENR X1=X2GENR X2=1/XGENR T=TREND(8

7、4)選擇若干變量構(gòu)成數(shù)組，在數(shù)組中增加、更名變量在工作文件窗口中單擊所要選擇的變量，按住Ctrl鍵不放，繼續(xù)用鼠標(biāo)選擇要展示的變量，選擇完以后，單擊鼠標(biāo)右鍵，在彈出的快捷菜單中點(diǎn)擊Open/as Group（圖1-9），則會(huì)彈出如圖1-10所示的數(shù)組窗口，其中變量從左至右按在工作文件窗口中選擇變量的順序來排列。圖1-9 選擇變量構(gòu)成數(shù)組圖1-10 彈出的數(shù)組窗口在數(shù)組窗口點(diǎn)擊Edit/，進(jìn)入全屏幕編輯狀態(tài)，選擇一個(gè)空列，點(diǎn)擊標(biāo)題欄，在編輯窗口輸入變量名，再點(diǎn)擊屏幕任意位置，即可增加一個(gè)新變量（圖1-11所示）。圖1-11 在數(shù)組窗口增加變量增加變量后，即可輸入數(shù)據(jù)。點(diǎn)擊要?jiǎng)h除的變量列的標(biāo)題欄，

8、在編輯窗口輸入新變量名，再點(diǎn)擊屏幕任意位置，彈出RENAME對(duì)話框，點(diǎn)擊YES按鈕即可。（圖1-12所示）。圖1-12 在數(shù)組窗口更名變量在工作文件窗口中刪除、更名變量。在工作文件窗口中選取所要?jiǎng)h除或更名的變量并單擊鼠標(biāo)右鍵，在彈出的快捷菜單中選擇Delete（刪除）或Rename（更名）即可（如圖1-13所示）。圖1-13 在工作文件窗口刪除、更名變量1在工作文件窗口中選取所要?jiǎng)h除或更名的變量，點(diǎn)擊工作文件窗口菜單欄中的Objects/Delete selected（Rename selected），即可刪除（更名）變量（如圖1-14所示）。圖1-14 在工作文件窗口刪除、更名變量2在工作文

9、件窗口中選取所要?jiǎng)h除的變量，點(diǎn)擊工作文件窗口菜單欄中的Delete按鈕即可刪除變量（如圖1-15所示）。圖1-15 在工作文件窗口刪除變量3三、圖形分析與描述統(tǒng)計(jì)分析利用PLOT命令繪制趨勢(shì)圖在命令窗口中鍵入：PLOT Y則可以繪制變量Y的趨勢(shì)圖（圖1-16）。圖1-16 變量Y的趨勢(shì)圖從圖1-16中可以看出，我國(guó)19851998年間稅收收入是大體呈指數(shù)增長(zhǎng)趨勢(shì)的。也可以利用PLOT命令將多個(gè)變量的變化趨勢(shì)描繪在同一張圖中，例如鍵入以下命令，可以觀察變量Y、X的變化趨勢(shì)（圖1-17）。PLOT Y X 圖1-17 變量Y、X的趨勢(shì)圖從圖1-17中可以看出，我國(guó)19851998年間稅收收入與GD

10、P都大體呈指數(shù)增長(zhǎng)趨勢(shì)。利用SCAT命令繪制X、Y的相關(guān)圖在命令窗口中鍵入：SCAT X Y則可以初步觀察變量之間的相關(guān)程度與相關(guān)類型（圖1-18）。圖1-18 變量X、Y相關(guān)圖圖1-18表明，稅收收入水平與GDP密切相關(guān)，稅收收入水平隨著GDP的增加而增加，兩者大體呈線性變化趨勢(shì)。觀察圖形參數(shù)的設(shè)置情況雙擊圖形區(qū)域中任意處或在圖形窗口中點(diǎn)擊Procs/Options（圖1-19），則會(huì)彈出如圖1-20所示的Graph Options窗口，進(jìn)入圖形編輯狀態(tài)。選擇圖形類型、圖形屬性（是否置入圖框內(nèi)，刻度，是否用彩色）、柱和線的選項(xiàng)，設(shè)定豎軸（單個(gè)，雙個(gè)，是否交叉），設(shè)定比例尺度（優(yōu)化線性尺度，強(qiáng)

11、制通過0線，對(duì)數(shù)尺度，正態(tài)化尺度），手動(dòng)設(shè)定比例尺度、線形圖選項(xiàng)、柱形圖選項(xiàng)、散點(diǎn)圖選項(xiàng)（連接，配擬合直線）、餅圖選項(xiàng)等。圖1-19 在圖形窗口選擇Graph Options圖1-20 圖形選項(xiàng)窗口從圖1-20中可以看出，本例中X、Y相關(guān)圖使用散點(diǎn)圖，且置入圖框內(nèi)，帶有刻度與色彩，豎軸是單個(gè)刻度，比例尺度為優(yōu)化線性尺度，散點(diǎn)圖未連接，未配擬合直線，其余一些參數(shù)模式是自動(dòng)設(shè)置的。在序列和數(shù)組窗口觀察變量的描述統(tǒng)計(jì)量若是單獨(dú)序列窗口，從序列窗口菜單選擇View/Descriptive Statistics/Histogram and Stats，則會(huì)顯示變量的描述統(tǒng)計(jì)量（圖1-21）。圖1-21

12、單獨(dú)變量序列描述統(tǒng)計(jì)量窗口若是數(shù)組窗口，從數(shù)組窗口菜單選擇View/Descriptive Stats/Individual Samples，就對(duì)每個(gè)序列計(jì)算描述統(tǒng)計(jì)量（圖1-22）。圖1-22 數(shù)組描述統(tǒng)計(jì)量窗口其中， Mean均值 Median中位數(shù) Maximum最大值Minimum最小值 Std.Dev.標(biāo)準(zhǔn)差 Skewness偏度 Kurtosis峰度 Jarque-Bera Probability概率Observations觀測(cè)值個(gè)數(shù)四、數(shù)據(jù)文件的存貯、調(diào)用與轉(zhuǎn)換存貯并調(diào)用工作文件存貯在Eviews主窗口的工具欄上選擇File/Save（Save as），再在彈出的對(duì)話框中指定存貯

13、路徑，點(diǎn)擊確定按鈕即可。調(diào)用在Eviews主窗口的工具欄上選擇File/Open/Workfile，再在彈出的對(duì)話框中選取要調(diào)用的工作文件，點(diǎn)擊確定按鈕即可。存貯若干個(gè)變量，并在另一個(gè)工作文件中調(diào)用存貯的變量在工作文件窗口中選取所要存貯的變量，點(diǎn)擊工作文件窗口菜單欄中的Store按鈕，彈出store對(duì)話框，指定存貯路徑，點(diǎn)擊YES按鈕即可（圖1-23）。打開另一個(gè)工作文件，點(diǎn)擊工作文件窗口菜單欄中的Fetch按鈕，彈出fetch對(duì)話框，在指定目錄下選取要調(diào)用的變量，點(diǎn)擊確定按鈕即可（圖1-24）。圖1-23 Store 窗口圖1-24 Fetch窗口將工作文件分別存貯成文本文件和Excel文件

14、在工作文件窗口中選擇要保存的一個(gè)或多個(gè)變量，點(diǎn)擊Eviews主窗口菜單欄中的File/Export/Write Text-Lotus-Excel，在彈出的對(duì)話框中指定存貯路徑和存貯的文件格式（圖1-25），若存貯成文本文件則選擇Text-ASCII，若存貯成Excel文件則選擇Excel.xls，再點(diǎn)擊保存按鈕，彈出ASCII Text Export（Excel Export）窗口（圖1-26），點(diǎn)擊OK按鈕即可。其中，By Observation-Series in columns表示各觀測(cè)值按列排列，By Series-Series in rows表示各觀測(cè)值按行排列。圖1-25 指定存貯

15、路徑圖1-26 存貯為文本格式在工作文件中分別調(diào)用文本文件和Excel文件點(diǎn)擊Eviews主窗口菜單欄中的File/Import/Read Text-Lotus-Excel，在彈出的對(duì)話框中選取要調(diào)用的文本文件或Excel文件，點(diǎn)擊打開按鈕后，彈出ASCII Text Import（Excel Import）窗口（圖1-27），在Name for series or Number of series if file names in file編輯框中要輸入調(diào)用的變量名，點(diǎn)擊OK按鈕即可。其中in columns表示按列調(diào)用數(shù)據(jù)，in rows表示按行調(diào)用數(shù)據(jù)。圖1-27 調(diào)用文本文件或Exce

16、l文件窗口在對(duì)象窗口中點(diǎn)擊Name按鈕，將對(duì)象存貯于工作文件。以Y、X變量組成的數(shù)組為例，點(diǎn)擊Name菜單，彈出object name對(duì)話框，在Name to identify object文本框中輸入要命名的數(shù)組名稱，點(diǎn)擊OK按鈕即可（圖1-28）。圖1-28 存貯對(duì)象于工作文件實(shí)驗(yàn)二 一元回歸模型【實(shí)驗(yàn)?zāi)康摹空莆找辉€性、非線性回歸模型的建模方法【實(shí)驗(yàn)內(nèi)容】建立我國(guó)稅收預(yù)測(cè)模型【實(shí)驗(yàn)步驟】【例1】建立我國(guó)稅收預(yù)測(cè)模型。表1列出了我國(guó)19851998年間稅收收入Y和國(guó)內(nèi)生產(chǎn)總值（GDP）x的時(shí)間序列數(shù)據(jù)，請(qǐng)利用統(tǒng)計(jì)軟件Eviews建立一元線性回歸模型。表1 我國(guó)稅收與GDP統(tǒng)計(jì)資料年份稅收G

17、DP年份稅收GDP1985204189641992329726638198620911020219934255346341987214011963199451274675919882391149281995603858478198927271690919966910678851990282218548199782347446319912990216181998926379396一、 建立工作文件菜單方式在錄入和分析數(shù)據(jù)之前，應(yīng)先創(chuàng)建一個(gè)工作文件（Workfile）。啟動(dòng)Eviews軟件之后，在主菜單上依次點(diǎn)擊FileNewWorkfile（菜單選擇方式如圖1所示），將彈出一個(gè)對(duì)話框（如圖2所示

18、）。用戶可以選擇數(shù)據(jù)的時(shí)間頻率（Frequency）、起始期和終止期。圖1 Eviews菜單方式創(chuàng)建工作文件示意圖圖2 工作文件定義對(duì)話框本例中選擇時(shí)間頻率為Annual（年度數(shù)據(jù)），在起始欄和終止欄分別輸入相應(yīng)的日期85和98。然后點(diǎn)擊OK，在Eviews軟件的主顯示窗口將顯示相應(yīng)的工作文件窗口（如圖3所示）。圖3 Eviews工作文件窗口一個(gè)新建的工作文件窗口內(nèi)只有2個(gè)對(duì)象(Object）,分別為c（系數(shù)向量）和resid（殘差）。它們當(dāng)前的取值分別是0和NA（空值）。可以通過鼠標(biāo)左鍵雙擊對(duì)象名打開該對(duì)象查看其數(shù)據(jù)，也可以用相同的方法查看工作文件窗口中其它對(duì)象的數(shù)值。命令方式還可以用輸入命

19、令的方式建立工作文件。在Eviews軟件的命令窗口中直接鍵入CREATE命令，其格式為：CREATE 時(shí)間頻率類型 起始期 終止期本例應(yīng)為：CREATE A 85 98二、 輸入數(shù)據(jù)在Eviews軟件的命令窗口中鍵入數(shù)據(jù)輸入/編輯命令：DATA Y X此時(shí)將顯示一個(gè)數(shù)組窗口（如圖4所示），即可以輸入每個(gè)變量的數(shù)值 圖4 Eviews數(shù)組窗口三、圖形分析借助圖形分析可以直觀地觀察經(jīng)濟(jì)變量的變動(dòng)規(guī)律和相關(guān)關(guān)系，以便合理地確定模型的數(shù)學(xué)形式。趨勢(shì)圖分析命令格式：PLOT 變量1 變量2 變量K作用：分析經(jīng)濟(jì)變量的發(fā)展變化趨勢(shì)觀察是否存在異常值本例為：PLOT Y X相關(guān)圖分析命令格式：SCAT 變量

20、1 變量2 作用：觀察變量之間的相關(guān)程度觀察變量之間的相關(guān)類型，即為線性相關(guān)還是曲線相關(guān)，曲線相關(guān)時(shí)大致是哪種類型的曲線說明：SCAT命令中，第一個(gè)變量為橫軸變量，一般取為解釋變量；第二個(gè)變量為縱軸變量，一般取為被解釋變量SCAT命令每次只能顯示兩個(gè)變量之間的相關(guān)圖，若模型中含有多個(gè)解釋變量，可以逐個(gè)進(jìn)行分析通過改變圖形的類型，可以將趨勢(shì)圖轉(zhuǎn)變?yōu)橄嚓P(guān)圖本例為：SCAT Y X圖5 稅收與GDP趨勢(shì)圖圖5、圖6分別是我國(guó)稅收與GDP時(shí)間序列趨勢(shì)圖和相關(guān)圖分析結(jié)果。兩變量趨勢(shì)圖分析結(jié)果顯示，我國(guó)稅收收入與GDP二者存在差距逐漸增大的增長(zhǎng)趨勢(shì)。相關(guān)圖分析顯示，我國(guó)稅收收入增長(zhǎng)與GDP密切相關(guān)，二者為

21、非線性的曲線相關(guān)關(guān)系。圖6 稅收與GDP相關(guān)圖三、 估計(jì)線性回歸模型在數(shù)組窗口中點(diǎn)擊ProcMake Equation，如果不需要重新確定方程中的變量或調(diào)整樣本區(qū)間，可以直接點(diǎn)擊OK進(jìn)行估計(jì)。也可以在Eviews主窗口中點(diǎn)擊QuickEstimate Equation，在彈出的方程設(shè)定框（圖7）內(nèi)輸入模型：Y C X 或 圖7 方程設(shè)定對(duì)話框還可以通過在Eviews命令窗口中鍵入LS命令來估計(jì)模型，其命令格式為：LS 被解釋變量 C 解釋變量系統(tǒng)將彈出一個(gè)窗口來顯示有關(guān)估計(jì)結(jié)果（如圖8所示）。因此，我國(guó)稅收模型的估計(jì)式為：這個(gè)估計(jì)結(jié)果表明，GDP每增長(zhǎng)1億元，我國(guó)稅收收入將增加0.09646億

22、元。圖8 我國(guó)稅收預(yù)測(cè)模型的輸出結(jié)果五、 估計(jì)非線性回歸模型由相關(guān)圖分析可知，變量之間是非線性的曲線相關(guān)關(guān)系。因此，可初步將模型設(shè)定為指數(shù)函數(shù)模型、對(duì)數(shù)模型和二次函數(shù)模型并分別進(jìn)行估計(jì)。在Eviews命令窗口中分別鍵入以下命令命令來估計(jì)模型：雙對(duì)數(shù)函數(shù)模型：LS log(Y) C log(X)對(duì)數(shù)函數(shù)模型：LS Y C log(X)指數(shù)函數(shù)模型：LS log(Y) C X二次函數(shù)模型：LS Y C X X2還可以采取菜單方式，在上述已經(jīng)估計(jì)過的線性方程窗口中點(diǎn)擊Estimate項(xiàng)，然后在彈出的方程定義窗口中依次輸入上述模型（方法通線性方程的估計(jì)），其估計(jì)結(jié)果顯示如圖9、圖10、圖11圖、12所

23、示。雙對(duì)數(shù)模型：(3.8305) (21.0487) 對(duì)數(shù)模型：(-8.3066) (9.6999) 指數(shù)模型：(231.7463) (27.2685) 二次函數(shù)模型：(7.4918) (3.3422) (3.4806) 圖9 雙對(duì)數(shù)模型回歸結(jié)果圖10 對(duì)數(shù)模型回歸結(jié)果圖11 指數(shù)模型回歸結(jié)果圖12 二次函數(shù)模型回歸結(jié)果六、 模型比較四個(gè)模型的經(jīng)濟(jì)意義都比較合理，解釋變量也都通過了T檢驗(yàn)。但是從模型的擬合優(yōu)度來看，二次函數(shù)模型的值最大，其次為指數(shù)函數(shù)模型。因此，對(duì)這兩個(gè)模型再做進(jìn)一步比較。在回歸方程（以二次函數(shù)模型為例）窗口中點(diǎn)擊ViewActual,Fitted,Residual Actua

24、l,Fitted,Residual Table（如圖13）,可以得到相應(yīng)的殘差分布表。圖13 回歸方程殘差分析菜單上述兩個(gè)回歸模型的殘差分別表分別如下（圖14、圖15）。比較兩表可以發(fā)現(xiàn)，雖然二次函數(shù)模型總擬合誤差較小，但其近期誤差卻比指數(shù)函數(shù)模型大。所以，如果所建立的模型是用于經(jīng)濟(jì)預(yù)測(cè)，則指數(shù)函數(shù)模型更加適合。圖14 二次函數(shù)回歸模型殘差分別表圖15 指數(shù)函數(shù)模型殘差分布表實(shí)驗(yàn)三 多元回歸模型【實(shí)驗(yàn)?zāi)康摹空莆战⒍嘣貧w模型和比較、篩選模型的方法?！緦?shí)驗(yàn)內(nèi)容】建立我國(guó)國(guó)有獨(dú)立核算工業(yè)企業(yè)生產(chǎn)函數(shù)。根據(jù)生產(chǎn)函數(shù)理論，生產(chǎn)函數(shù)的基本形式為：。其中，L、K分別為生產(chǎn)過程中投入的勞動(dòng)與資金，時(shí)間變量

25、反映技術(shù)進(jìn)步的影響。表3-1列出了我國(guó)1978-1994年期間國(guó)有獨(dú)立核算工業(yè)企業(yè)的有關(guān)統(tǒng)計(jì)資料；其中產(chǎn)出Y為工業(yè)總產(chǎn)值（可比價(jià)），L、K分別為年末職工人數(shù)和固定資產(chǎn)凈值（可比價(jià)）。表3-1 我國(guó)國(guó)有獨(dú)立核算工業(yè)企業(yè)統(tǒng)計(jì)資料年份時(shí)間工業(yè)總產(chǎn)值Y（億元）職工人數(shù)L（萬人）固定資產(chǎn)K（億元）197813289.1831392225.70197923581.2632082376.34198033782.1733342522.81198143877.8634882700.90198254151.2535822902.19198364541.0536323141.76198474946.11366933

26、50.95198585586.1438153835.79198695931.3639554302.251987106601.6040864786.051988117434.0642295251.901989127721.0142735808.711990137949.5543646365.791991148634.8044727071.351992159705.5245217757.2519931610261.6544988628.7719941710928.6645459374.34資料來源：根據(jù)中國(guó)統(tǒng)計(jì)年鑒1995和中國(guó)工業(yè)經(jīng)濟(jì)年鑒-1995計(jì)算整理【實(shí)驗(yàn)步驟】一、建立多元線性回歸模型建立

27、包括時(shí)間變量的三元線性回歸模型；在命令窗口依次鍵入以下命令即可：建立工作文件： CREATE A 78 94輸入統(tǒng)計(jì)資料： DATA Y L K生成時(shí)間變量： GENR T=TREND(77)建立回歸模型： LS Y C T L K則生產(chǎn)函數(shù)的估計(jì)結(jié)果及有關(guān)信息如圖3-1所示。圖3-1 我國(guó)國(guó)有獨(dú)立核算工業(yè)企業(yè)生產(chǎn)函數(shù)的估計(jì)結(jié)果因此，我國(guó)國(guó)有獨(dú)立工業(yè)企業(yè)的生產(chǎn)函數(shù)為： （模型1）(-0.252) (0.672) (0.781) (7.433) 模型的計(jì)算結(jié)果表明，我國(guó)國(guó)有獨(dú)立核算工業(yè)企業(yè)的勞動(dòng)力邊際產(chǎn)出為0.6667，資金的邊際產(chǎn)出為0.7764，技術(shù)進(jìn)步的影響使工業(yè)總產(chǎn)值平均每年遞增77.6

28、8億元?；貧w系數(shù)的符號(hào)和數(shù)值是較為合理的。，說明模型有很高的擬合優(yōu)度，F(xiàn)檢驗(yàn)也是高度顯著的，說明職工人數(shù)L、資金K和時(shí)間變量對(duì)工業(yè)總產(chǎn)值的總影響是顯著的。從圖3-1看出，解釋變量資金K的統(tǒng)計(jì)量值為7.433，表明資金對(duì)企業(yè)產(chǎn)出的影響是顯著的。但是，模型中其他變量（包括常數(shù)項(xiàng)）的統(tǒng)計(jì)量值都較小，未通過檢驗(yàn)。因此，需要對(duì)以上三元線性回歸模型做適當(dāng)?shù)恼{(diào)整，按照統(tǒng)計(jì)檢驗(yàn)程序，一般應(yīng)先剔除統(tǒng)計(jì)量最小的變量（即時(shí)間變量）而重新建立模型。建立剔除時(shí)間變量的二元線性回歸模型； 命令：LS Y C L K則生產(chǎn)函數(shù)的估計(jì)結(jié)果及有關(guān)信息如圖3-2所示。圖3-2 剔除時(shí)間變量后的估計(jì)結(jié)果因此，我國(guó)國(guó)有獨(dú)立工業(yè)企業(yè)的

29、生產(chǎn)函數(shù)為： （模型2）(-2.922) (4.427) (14.533) 從圖3-2的結(jié)果看出，回歸系數(shù)的符號(hào)和數(shù)值也是合理的。勞動(dòng)力邊際產(chǎn)出為1.2085，資金的邊際產(chǎn)出為0.8345，表明這段時(shí)期勞動(dòng)力投入的增加對(duì)我國(guó)國(guó)有獨(dú)立核算工業(yè)企業(yè)的產(chǎn)出的影響最為明顯。模型2的擬合優(yōu)度較模型1并無多大變化，F(xiàn)檢驗(yàn)也是高度顯著的。這里，解釋變量、常數(shù)項(xiàng)的檢驗(yàn)值都比較大，顯著性概率都小于0.05，因此模型2較模型1更為合理。建立非線性回歸模型C-D生產(chǎn)函數(shù)。C-D生產(chǎn)函數(shù)為：，對(duì)于此類非線性函數(shù)，可以采用以下兩種方式建立模型。方式1：轉(zhuǎn)化成線性模型進(jìn)行估計(jì)；在模型兩端同時(shí)取對(duì)數(shù)，得：在EViews軟件

30、的命令窗口中依次鍵入以下命令：GENR LNY=log（Y）GENR LNL=log（L）GENR LNK=log（K）LS LNY C LNL LNK則估計(jì)結(jié)果如圖3-3所示。圖3-3 線性變換后的C-D生產(chǎn)函數(shù)估計(jì)結(jié)果即可得到C-D生產(chǎn)函數(shù)的估計(jì)式為： （模型3） (-1.172) (2.217) (9.310) 即：從模型3中看出，資本與勞動(dòng)的產(chǎn)出彈性都是在0到1之間，模型的經(jīng)濟(jì)意義合理，而且擬合優(yōu)度較模型2還略有提高，解釋變量都通過了顯著性檢驗(yàn)。方式2：迭代估計(jì)非線性模型，迭代過程中可以作如下控制：在工作文件窗口中雙擊序列C，輸入?yún)?shù)的初始值；在方程描述框中點(diǎn)擊Options，輸入精度

31、控制值。控制過程：參數(shù)初值：0，0，0；迭代精度：103；則生產(chǎn)函數(shù)的估計(jì)結(jié)果如圖3-4所示。圖3-4 生產(chǎn)函數(shù)估計(jì)結(jié)果此時(shí)，函數(shù)表達(dá)式為： （模型4）(0.313)(2.023)(8.647) 可以看出，模型4中勞動(dòng)力彈性-1.01161，資金的產(chǎn)出彈性1.0317，很顯然模型的經(jīng)濟(jì)意義不合理，因此，該模型不能用來描述經(jīng)濟(jì)變量間的關(guān)系。而且模型的擬合優(yōu)度也有所下降，解釋變量L的顯著性檢驗(yàn)也未通過，所以應(yīng)舍棄該模型。參數(shù)初值：0，0，0；迭代精度：105；圖3-5 生產(chǎn)函數(shù)估計(jì)結(jié)果從圖3-5看出，將收斂的誤差精度改為105后，迭代100次后仍報(bào)告不收斂，說明在使用迭代估計(jì)法時(shí)參數(shù)的初始值與誤差

32、精度或迭代次數(shù)設(shè)置不當(dāng)，會(huì)直接影響模型的估計(jì)結(jié)果。參數(shù)初值：0，0，0；迭代精度：105，迭代次數(shù)1000；圖3-6 生產(chǎn)函數(shù)估計(jì)結(jié)果此時(shí)，迭代953次后收斂，函數(shù)表達(dá)式為： （模型5）(0.581)(2.267)(10.486) 從模型5中看出，資本與勞動(dòng)的產(chǎn)出彈性都是在0到1之間，模型的經(jīng)濟(jì)意義合理，具有很高的擬合優(yōu)度，解釋變量都通過了顯著性檢驗(yàn)。將模型5與通過方式1所估計(jì)的模型3比較，可見兩者是相當(dāng)接近的。參數(shù)初值：1，1，1；迭代精度：105，迭代次數(shù)100；圖3-7 生產(chǎn)函數(shù)估計(jì)結(jié)果此時(shí)，迭代14次后收斂，估計(jì)結(jié)果與模型5相同。比較方式2的不同控制過程可見，迭代估計(jì)過程的收斂性及收斂

33、速度與參數(shù)初始值的選取密切相關(guān)。若選取的初始值與參數(shù)真值比較接近，則收斂速度快；反之，則收斂速度慢甚至發(fā)散。因此，估計(jì)模型時(shí)最好依據(jù)參數(shù)的經(jīng)濟(jì)意義和有關(guān)先驗(yàn)信息，設(shè)定好參數(shù)的初始值。二、比較、選擇最佳模型估計(jì)過程中，對(duì)每個(gè)模型檢驗(yàn)以下內(nèi)容，以便選擇出一個(gè)最佳模型：回歸系數(shù)的符號(hào)及數(shù)值是否合理；模型的更改是否提高了擬合優(yōu)度；模型中各個(gè)解釋變量是否顯著；殘差分布情況以上比較模型的、步在步驟一中已有闡述，現(xiàn)分析步驟一中5個(gè)不同模型的殘差分布情況。分別在模型1模型5的各方程窗口中點(diǎn)擊View/Actual, Fitted, Residual/ Actual, Fitted, Residual Tabl

34、e（圖3-8），可以得到各個(gè)模型相應(yīng)的殘差分布表（圖3-9至圖3-13）。可以看出，模型4的殘差在前段時(shí)期內(nèi)連續(xù)取負(fù)值且不斷增大，在接下來的一段時(shí)期又連續(xù)取正值，說明模型設(shè)定形式不當(dāng)，估計(jì)過程出現(xiàn)了較大的偏差。而且，模型4的表達(dá)式也說明了模型的經(jīng)濟(jì)意義不合理，不能用于描述我國(guó)國(guó)有工業(yè)企業(yè)的生產(chǎn)情況，應(yīng)舍棄此模型。模型1的各期殘差中大多數(shù)都落在的虛線框內(nèi)，且殘差分別不存在明顯的規(guī)律性。但是，由步驟一中的分析可知，模型1中除了解釋變量K之外，其余變量均為通過變量顯著性檢驗(yàn)，因此，該模型也應(yīng)舍棄。模型2、模型3、模型5都具有合理的經(jīng)濟(jì)意義，都通過了檢驗(yàn)和F檢驗(yàn)，擬合優(yōu)度非常接近，理論上講都可以描述資

35、本、勞動(dòng)的投入與產(chǎn)出的關(guān)系。但從圖3-13看出，模型5的近期誤差較大，因此也可以舍棄該模型。最后將模型2與模型3比較發(fā)現(xiàn)，模型3的近期預(yù)測(cè)誤差略小，擬合優(yōu)度比模型2略有提高，因此可以選擇模型2為我國(guó)國(guó)有工業(yè)企業(yè)生產(chǎn)函數(shù)。圖3-8 回歸方程的殘差分析圖3-9 模型1的殘差分布圖3-10 模型2的殘差分布圖3-11 模型3的殘差分布圖3-12 模型4的殘差分布圖3-13 模型5的殘差分布三、模型預(yù)測(cè)假設(shè)估計(jì)的模型為一元線性回歸模型。1樣本期內(nèi)預(yù)測(cè)利用樣本數(shù)據(jù)估計(jì)方程，LS Y C X ，并保存方程；在方程窗口點(diǎn)擊FORECAST按鈕，在彈出的預(yù)測(cè)對(duì)話框中輸入預(yù)測(cè)變量名，也即Y擬合值的變量名（被解釋

36、變量為Y，則軟件默認(rèn)的變量名是YF）；關(guān)閉彈出的預(yù)測(cè)變量描述性統(tǒng)計(jì)分析界面，在工作文件窗口中即可發(fā)現(xiàn)新出現(xiàn)的預(yù)測(cè)變量YF。2外推預(yù)測(cè)先利用樣本數(shù)據(jù)估計(jì)方程，LS Y C X ，并保存方程；修改數(shù)據(jù)區(qū)間和樣本區(qū)間，將區(qū)間擴(kuò)充到預(yù)測(cè)年份：鼠標(biāo)放在工作文件窗口Range和sample位置，雙擊即可修改數(shù)據(jù)區(qū)間和樣本區(qū)間；【或者用命令】修改數(shù)據(jù)區(qū)間： RANGE 起始期 終止期擴(kuò)充數(shù)據(jù)區(qū)間： EXPAND 起始期 終止期 （注：EXPAND這條命令只能增加數(shù)據(jù)區(qū)間，不能縮減）調(diào)整樣本區(qū)間： SMPL 起始期 終止期輸入解釋變量預(yù)測(cè)年份的數(shù)值，點(diǎn)擊方程之前保存的方程窗口的FORECAST按鈕進(jìn)行預(yù)測(cè)，注

37、意，此時(shí)預(yù)測(cè)的樣本區(qū)間已經(jīng)包含了擴(kuò)充的年份；觀察保存的預(yù)測(cè)變量，預(yù)測(cè)年份的被解釋變量也已填充了數(shù)據(jù)，此即點(diǎn)預(yù)測(cè)結(jié)果。實(shí)驗(yàn)四 異方差性【實(shí)驗(yàn)?zāi)康摹空莆债惙讲钚缘臋z驗(yàn)及處理方法【實(shí)驗(yàn)內(nèi)容】建立并檢驗(yàn)我國(guó)制造業(yè)利潤(rùn)函數(shù)模型【實(shí)驗(yàn)步驟】【例1】表1列出了1998年我國(guó)主要制造工業(yè)銷售收入與銷售利潤(rùn)的統(tǒng)計(jì)資料，請(qǐng)利用統(tǒng)計(jì)軟件Eviews建立我國(guó)制造業(yè)利潤(rùn)函數(shù)模型。表1 我國(guó)制造工業(yè)1998年銷售利潤(rùn)與銷售收入情況行業(yè)名稱銷售利潤(rùn)銷售收入行業(yè)名稱銷售利潤(rùn)銷售收入食品加工業(yè)187.253180.44醫(yī)藥制造業(yè)238.711264.1食品制造業(yè)111.421119.88化學(xué)纖維制品81.57779.46飲料制

38、造業(yè)205.421489.89橡膠制品業(yè)77.84692.08煙草加工業(yè)183.871328.59塑料制品業(yè)144.341345紡織業(yè)316.793862.9非金屬礦制品339.262866.14服裝制品業(yè)157.71779.1黑色金屬冶煉367.473868.28皮革羽絨制品81.71081.77有色金屬冶煉144.291535.16木材加工業(yè)35.67443.74金屬制品業(yè)201.421948.12家具制造業(yè)31.06226.78普通機(jī)械制造354.692351.68造紙及紙品業(yè)134.41124.94專用設(shè)備制造238.161714.73印刷業(yè)90.12499.83交通運(yùn)輸設(shè)備511.9

39、44011.53文教體育用品54.4504.44電子機(jī)械制造409.833286.15石油加工業(yè)194.452363.8電子通訊設(shè)備508.154499.19化學(xué)原料紙品502.614195.22儀器儀表設(shè)備72.46663.68一、 檢驗(yàn)異方差性圖形分析檢驗(yàn)觀察銷售利潤(rùn)（Y）與銷售收入（X）的相關(guān)圖(圖1)：SCAT X Y圖1 我國(guó)制造工業(yè)銷售利潤(rùn)與銷售收入相關(guān)圖從圖中可以看出，隨著銷售收入的增加，銷售利潤(rùn)的平均水平不斷提高，但離散程度也逐步擴(kuò)大。這說明變量之間可能存在遞增的異方差性。殘差分析首先將數(shù)據(jù)排序（命令格式為：SORT 解釋變量），然后建立回歸方程。在方程窗口中點(diǎn)擊Resids按

40、鈕就可以得到模型的殘差分布圖（或建立方程后在Eviews工作文件窗口中點(diǎn)擊resid對(duì)象來觀察）。圖2 我國(guó)制造業(yè)銷售利潤(rùn)回歸模型殘差分布圖2顯示回歸方程的殘差分布有明顯的擴(kuò)大趨勢(shì)，即表明存在異方差性。Goldfeld-Quant檢驗(yàn)將樣本安解釋變量排序（SORT X）并分成兩部分（分別有1到10共11個(gè)樣本合19到28共10個(gè)樣本）利用樣本1建立回歸模型1（回歸結(jié)果如圖3），其殘差平方和為2579.587。SMPL 1 10LS Y C X圖3 樣本1回歸結(jié)果利用樣本2建立回歸模型2（回歸結(jié)果如圖4），其殘差平方和為63769.67。SMPL 19 28LS Y C X圖4 樣本2回歸結(jié)果計(jì)

41、算F統(tǒng)計(jì)量：63769.67/2579.59=24.72，分別是模型1和模型2的殘差平方和。取時(shí)，查F分布表得，而，所以存在異方差性White檢驗(yàn)建立回歸模型：LS Y C X，回歸結(jié)果如圖5。圖5 我國(guó)制造業(yè)銷售利潤(rùn)回歸模型在方程窗口上點(diǎn)擊ViewResidualTestWhite Heteroskedastcity,檢驗(yàn)結(jié)果如圖6。圖6 White檢驗(yàn)結(jié)果其中F值為輔助回歸模型的F統(tǒng)計(jì)量值。取顯著水平，由于,所以存在異方差性。實(shí)際應(yīng)用中可以直接觀察相伴概率p值的大小，若p值較小，則認(rèn)為存在異方差性。反之，則認(rèn)為不存在異方差性。Park檢驗(yàn)建立回歸模型（結(jié)果同圖5所示）。生成新變量序列：GE

42、NR LNE2=log(RESID2)GENR LNX=log建立新殘差序列對(duì)解釋變量的回歸模型：LS LNE2 C LNX，回歸結(jié)果如圖7所示。圖7 Park檢驗(yàn)回歸模型從圖7所示的回歸結(jié)果中可以看出，LNX的系數(shù)估計(jì)值不為0且能通過顯著性檢驗(yàn)，即隨即誤差項(xiàng)的方差與解釋變量存在較強(qiáng)的相關(guān)關(guān)系，即認(rèn)為存在異方差性。Gleiser檢驗(yàn)（Gleiser檢驗(yàn)與Park檢驗(yàn)原理相同）建立回歸模型（結(jié)果同圖5所示）。生成新變量序列：GENR E=ABS(RESID)分別建立新殘差序列（E）對(duì)各解釋變量（X/X2/X(1/2)/X(1)/ X(2)/ X(1/2)）的回歸模型：LS E C X，回歸結(jié)果如

43、圖8、9、10、11、12、13所示。圖8圖9圖10圖11圖12圖13由上述各回歸結(jié)果可知，各回歸模型中解釋變量的系數(shù)估計(jì)值顯著不為0且均能通過顯著性檢驗(yàn)。所以認(rèn)為存在異方差性。由F值或確定異方差類型Gleiser檢驗(yàn)中可以通過F值或值確定異方差的具體形式。本例中，圖10所示的回歸方程F值（）最大，可以據(jù)次來確定異方差的形式。二、 調(diào)整異方差性確定權(quán)數(shù)變量根據(jù)Park檢驗(yàn)生成權(quán)數(shù)變量：GENR W1=1/X1.6743根據(jù)Gleiser檢驗(yàn)生成權(quán)數(shù)變量：GENR W2=1/X0.5另外生成：GENR W3=1/ABS(RESID）GENR W4=1/ RESID 2利用加權(quán)最小二乘法估計(jì)模型在

44、Eviews命令窗口中依次鍵入命令：LS(W=) Y C X或在方程窗口中點(diǎn)擊EstimateOption按鈕，并在權(quán)數(shù)變量欄里依次輸入W1、W2、W3、W4，回歸結(jié)果圖14、15、16、17所示。圖14圖15圖16圖17對(duì)所估計(jì)的模型再進(jìn)行White檢驗(yàn)，觀察異方差的調(diào)整情況對(duì)所估計(jì)的模型再進(jìn)行White檢驗(yàn)，其結(jié)果分別對(duì)應(yīng)圖14、15、16、17的回歸模型（如圖18、19、20、21所示）。圖18、19、21所對(duì)應(yīng)的White檢驗(yàn)顯示，P值較大，所以接收不存在異方差的原假設(shè)，即認(rèn)為已經(jīng)消除了回歸模型的異方差性。圖20對(duì)應(yīng)的White檢驗(yàn)沒有顯示F值和的值，這表示異方差性已經(jīng)得到很好的解決。

45、圖18圖19圖20圖21實(shí)驗(yàn)五 自相關(guān)性【實(shí)驗(yàn)?zāi)康摹空莆兆韵嚓P(guān)性的檢驗(yàn)與處理方法?！緦?shí)驗(yàn)內(nèi)容】表5-1列出了我國(guó)城鄉(xiāng)居民儲(chǔ)蓄存款年底余額（單位：億元）和國(guó)內(nèi)生產(chǎn)總值指數(shù)（1978年100）的歷年統(tǒng)計(jì)資料，試建立我國(guó)城鄉(xiāng)居民儲(chǔ)蓄存款模型，并檢驗(yàn)?zāi)Ｐ偷淖韵嚓P(guān)性。表5-1 我國(guó)城鄉(xiāng)居民儲(chǔ)蓄存款與GDP統(tǒng)計(jì)資料年份存款余額YGDP指數(shù)X年份存款余額YGDP指數(shù)X1978210.60100.019895146.90271.31979281.00107.619907034.20281.71980399.50116.019919107.00307.61981523.70122.1199211545.4035

46、1.41982675.40133.1199314762.39398.81983892.50147.6199421518.80449.319841214.70170.0199529662.25496.519851622.60192.9199638520.84544.119862237.60210.0199746279.80592.019873073.30234.0199853407.47638.219883801.50260.7資料來源：中國(guó)統(tǒng)計(jì)年鑒1999【實(shí)驗(yàn)步驟】一、回歸模型的篩選相關(guān)圖分析：SCAT X Y存款余額為被解釋變量Y，GDP指數(shù)為解釋變量X，可得到二者的相關(guān)關(guān)系圖如5-1所示

47、。 圖5-1表明隨著GDP指數(shù)的上升，居民儲(chǔ)蓄存款也逐步增加，二者的曲線相關(guān)關(guān)系較為明顯，線性關(guān)系則不太明顯。因此，為了合理估計(jì)居民儲(chǔ)蓄存款模型，可以將函數(shù)初步設(shè)定為線性、雙對(duì)數(shù)、對(duì)數(shù)、指數(shù)、二次多項(xiàng)式等不同形式，進(jìn)而加以比較分析。圖5-1 我國(guó)城鄉(xiāng)居民儲(chǔ)蓄存款與GDP指數(shù)相關(guān)圖估計(jì)模型，利用LS命令分別建立以下模型線性模型： LS Y C X由此得到估計(jì)結(jié)果及相關(guān)信息如圖5-2所示。圖5-2 線性模型估計(jì)結(jié)果其檢驗(yàn)報(bào)告如下： (-6.706) (13.862)0.9100 F192.145 S.E5030.809雙對(duì)數(shù)模型：GENR LNY=LOG(Y) GENR LNX=LOG(X) LS

48、 LNY C LNX估計(jì)結(jié)果及相關(guān)信息如圖5-3所示。圖5-3 雙對(duì)數(shù)模型估計(jì)結(jié)果其檢驗(yàn)報(bào)告如下： (-31.604) (64.189)0.9954 F4120.223 S.E0.1221對(duì)數(shù)模型：LS Y C LNX估計(jì)結(jié)果及相關(guān)信息如圖5-4所示。圖5-4 對(duì)數(shù)模型估計(jì)結(jié)果其檢驗(yàn)報(bào)告如下： (-6.501) (7.200)0.7318 F51.8455 S.E8685.043指數(shù)模型：LS LNY C X估計(jì)結(jié)果及相關(guān)信息如圖5-5所示。圖5-5 指數(shù)模型估計(jì)結(jié)果其檢驗(yàn)報(bào)告如下： (23.716) (14.939)0.9215 F223.166 S.E0.5049二次多項(xiàng)式模型：GENR

49、X2=X2LS Y C X X2估計(jì)結(jié)果及相關(guān)信息如圖5-6所示。圖5-6 二次多項(xiàng)式模型估計(jì)結(jié)果其檢驗(yàn)報(bào)告如下： (3.747) (-8.235) (25.886)0.9976 F3814.274 S.E835.979選擇模型比較以上模型，可見各模型回歸系數(shù)的符號(hào)及數(shù)值較為合理。各解釋變量及常數(shù)項(xiàng)都通過了檢驗(yàn)，模型都較為顯著。除了對(duì)數(shù)模型的擬合優(yōu)度較低外，其余模型都具有高擬合優(yōu)度，因此可以首先剔除對(duì)數(shù)模型。各模型的殘差分布表如圖5-7至圖5-10所示。圖5-7 線性模型殘差分布圖5-8 雙對(duì)數(shù)模型殘差分布圖5-9 指數(shù)模型殘差分布圖5-10 二次多項(xiàng)式模型殘差分布從以上殘差分布表可見，線性模

50、型的殘差在較長(zhǎng)時(shí)期內(nèi)呈連續(xù)遞減趨勢(shì)而后又轉(zhuǎn)為連續(xù)遞增趨勢(shì)，指數(shù)模型則大體相反，殘差先呈連續(xù)遞增趨勢(shì)而后又轉(zhuǎn)為連續(xù)遞減趨勢(shì)，因此，可以初步判斷這兩種函數(shù)形式設(shè)置是不當(dāng)?shù)?。而且，這兩個(gè)模型的擬合優(yōu)度也較雙對(duì)數(shù)模型和二次多項(xiàng)式模型低，所以又可舍棄線性模型和指數(shù)模型。雙對(duì)數(shù)模型和二次多項(xiàng)式模型都具有很高的擬合優(yōu)度，因而初步選定回歸模型為這兩個(gè)模型。二、自相關(guān)性檢驗(yàn)DW檢驗(yàn)；雙對(duì)數(shù)模型因?yàn)閚21，k1，取顯著性水平0.05時(shí)，查表得1.22，1.42，而0<0.7062DW<，所以存在（正）自相關(guān)。二次多項(xiàng)式模型1.22，1.42，而<1.2479DW<，所以通過DW檢驗(yàn)并不能判斷是否存在自相關(guān)。偏相關(guān)系數(shù)檢驗(yàn)在方程窗口中點(diǎn)擊View/Residual Test/Correlogram-Q-statistics，并輸入滯后期為10，則會(huì)得到殘差與的各期相關(guān)系數(shù)和偏相關(guān)系數(shù)，如圖5-11、5-12所示。圖5-11 雙對(duì)數(shù)模型的偏相關(guān)系數(shù)檢驗(yàn)圖5-12 二次多項(xiàng)式模型的偏相關(guān)系數(shù)檢驗(yàn)從5-11中可以看出，雙對(duì)數(shù)模型的第1期、第2期偏相關(guān)系數(shù)的直方塊超過了虛線部分，存在著一階和二階自相關(guān)。圖5-12則表明二次多項(xiàng)式模型僅存在二階自