2023年江財計量經(jīng)濟學大作業(yè)

ofHWA樓'曲財拴大摩

JIANGXIUNIVERSITYOFFINANCE&ECONOMICS

2023-2023年第1學期

計量經(jīng)濟學大作業(yè)

論文名稱：我國稅收收入的影響因素分析

學號：0112893姓名：黃星鵬專業(yè):11計1

學號：0112886姓名:趙泰民專業(yè)：11計1

選課班級：BO1任課老師：齊亞偉

評語:__________________________________________________

教師署名：批閱日期：

虹我國稅收收入的影響因素分析

1978年~2023年

一、摘要

稅收是國家取得財政收入的一種重要工具，也是影響我國經(jīng)濟發(fā)展的一個很

重要的因素。

通過對影響稅收增長的重要因素進行分析，解釋這些因素和稅收收入之間存

在的關系以及其對稅收收入的影響限度的大?。辉诖嘶A上,提出相應的發(fā)展對

策，以促進我國稅收收入的增長以及我國經(jīng)濟的全面發(fā)展。

關鍵字:稅收收入;影響因素;稅制改革

Abstract

Thetaxisnotonlyanimportanttoolofgainingfisc

a1revenue,butalsoisasignificantfactoraffectingChina's

economicdeve1opment.Throughtheanalysisofmainfactors

thatinfluencethetax,wetrytoexplaintheirre1ation

shipwiththetaxandtheirimpactonit.Onthisbasis,we

putforwardthecorrespondingdevelopmentmeasuresto

promoteChina*staxrevenuegrowthandoveraildevelopme

ntofoureconomy.

Keywords:taxrevenue;inf1uencingfactors;taxreform

二、引言

稅收是政府為了滿足社會公共需要,憑借政治權力，強制、無償?shù)厝〉秘斦?/p>

入的一種形式。在市場經(jīng)濟條件下，經(jīng)濟越發(fā)展，稅收就越發(fā)顯得重要。基于稅收

分派廣度和深度的發(fā)展,稅收對國民經(jīng)濟的發(fā)展和促進作用也越來越顯著。經(jīng)濟

決定稅收，稅收反映經(jīng)濟。經(jīng)濟規(guī)模決定稅源規(guī)模，經(jīng)濟結(jié)構決定稅收結(jié)構，經(jīng)

濟增長速度影響和制約稅收增長速度,反過來稅收對經(jīng)濟發(fā)展也具有一定的乘數(shù)

效應。要實現(xiàn)經(jīng)濟的連續(xù)發(fā)展,必須要使稅收符合其發(fā)展的規(guī)定,建立與市場經(jīng)濟

相適應的稅收結(jié)構，即政府籌集的稅收收入必須可以盡量滿足其實現(xiàn)社會職能的

需要。對稅收收入的重要影響因素加以分析，從結(jié)構上對稅收收入的影響做出一

個很好的了解，有助于我們運用政策工具對稅收結(jié)構進行優(yōu)化,從而使稅收對經(jīng)

濟發(fā)展發(fā)揮更大的促進作用。改革開放以來，中國經(jīng)濟高速增長，1978-2023

年的31年間，國內(nèi)生產(chǎn)總值從3645.2億元增長到314045億元,一躍成為世界

第二大經(jīng)濟體。隨著經(jīng)濟體制改革的深化和經(jīng)濟的快速增長，中國的財政收支狀

況也發(fā)生了很大的變化,中央和地方的稅收收入1978年為519.28億元，到

2023年已增長到54223.79億元，31年間平均每年增長16.76%。稅收作為

財政收入的重要組成部分,在國民經(jīng)濟發(fā)展中扮演著不可或缺的角色。為了研究

影響中國稅收增長的重要因素，分析中央和地方稅收收入的增長規(guī)律，以及預測

中國稅收未來的增長趨勢，我們需要建立計量經(jīng)濟模型進行實證分析。

本文對數(shù)據(jù)挖掘的相關概念、過程,記錄學的相關知識進行了介紹,將數(shù)據(jù)挖

掘應用于稅收預測中，通過對大量歷史數(shù)據(jù)的記錄和與之相關的各種數(shù)據(jù)的分析,

運用計量經(jīng)濟學模型，以及Eviews5.0軟件的運用，并使用回歸和滾動預測方

法建立預測模型，對稅收收入情況進行了預測，實現(xiàn)了對2023年度稅收收入預

測。并對各預測模型進行了實驗結(jié)果的對比分析，指出滾動預測方法較回歸預測

方法能更好地進行稅收收入分月預測，從而更好地指導稅收計劃的完畢，為科學

地建立稅收計劃進行了有效地探索，并為稅收計劃工作提供了重要的科學依據(jù)。

三、實證分析

3.1擬定變量

影響稅收收入的因素有很多，為了全面反映中國稅收增長的全貌,我們選用

“國家財政收入”中的“各項稅收”（即稅收收入）作為被解釋變量，反映稅收

的增長；選擇“國內(nèi)生產(chǎn)總值”（即GDP）作為經(jīng)濟整體增長水平的代表；選擇“財

政支出”作為公共財政需求的代表;選擇“商品零售價格指數(shù)”作為物價水平的

代表。止匕外，由于財稅體制的改革難以量化，并且從數(shù)據(jù)上看，1985年以后財稅

體制改革對稅收增長影響不是很大,在此暫不考慮稅制改革對稅收增長的影響。

3.2建立計量經(jīng)濟學中的模型

我們建立多元線性回歸模型Y=3X1+B2X2+3X3+5,其中，片-截距

項;Y—稅收收入;XI—GDP；X2一財政支出；X3一商品零售價格指數(shù)；Ut—隨

機擾動項

3.3數(shù)據(jù)描述和解決

表11978-2023年影響中國稅收收入因素數(shù)據(jù)表

年份Y（億元）XI（億元）X2（億元）X3(%)

1978519.283624.11122.09100.7

1979537.824038.21281.79102

1980571.74517.81228.83106

1981629.894876.41138.41102.4

1982700.025294.71229.98101.9

1983775.595934.51409.52101.5

1984947.3571711701.02102.8

19852040.798964.42023.25108.8

19862090.7310202.22204.91106

19872140.3611962.52262.18107.3

19882390.4714928.32491.21118.5

19892727.416909.22823.78117.8

19902821.8618547.93083.59102.1

19912990.1721617.83386.62102.9

19923296.9126638.13742.2105.4

19934255.334634.44642.3113.2

19945126.8846759.45792.62121.7

19956038.0458478.16823.72114.8

19966909.8267884.67937.55106.1

19978234.0474462.69233.56100.8

19989262.878345.210798.1897.4

199910682.5882067.513187.6797

202312581.5189468.115886.598.5

202315301.3897314.818902.5899.2

202317636.45104790.622053.1598.7

202320237.31116603.224649.9599.9

202324165.68136875.928486.89102.8

202328778.54183084.833930.28100.8

202334809.7221087140422.73101

202345621.97249529.949781.35103.8

202354223.7930067062592.66105.9

數(shù)據(jù)來源：國家記錄局《2023記錄年鑒》

3.4多元線性回歸模型

(1)建立工作文獻:啟動EViews,點擊File\New\Workfi1e,在對話

框“WorkfileCreat”按如下圖窗口填寫后點擊“OK”，就可以創(chuàng)建一個工

作文獻。出現(xiàn)“c”一截距項“resid”一剩余項。如圖4—1所示:

WorkfilestructuretypeDatespecification

〔Dated-regular￡requ▼|FrequencyAnnual▼|

Start1978

End

IrregularDatedand|2008

Panelworkfilesmaybe

madefromUnstructured

workfilesbylater

specifyingdateand/orNantes(optional)

WF：

OK|CancelPage：C

OfileEditObjectViewProcQuickOptionsWindowHelp

Vtew|Proc|Ob)ect|Print|Save|DegShow|Feteh|Store|Delete|Genr|3npte|

Range19782008-31obsDisplayFilter.,

Sample19782008-31obs

QDc

0resid

*，\AnnualkNewPage/

」Path=c:\users\iuanfuan\documDB=non<WF=untitle</

圖4-1工作文獻的建立

(2)輸入數(shù)據(jù):然后用命令：dataYX1X2X3輸入相應的數(shù)據(jù)，如圖

4—2所示:

obsYXIX2X3|I

obsYX1X2X3

1978519280036241001122.090100.7000

19795378200403820012817901020000

19805717000451780012288301060000

1981629.890048764001138.4101024000

19827000200529470012299801019000

19837755900593450014095201015000

19849473500717100017010201028000

19052040790896440020042501088000

1986209073010202.2022049101060000

1987214036011962.5022621801073000

19882390.47014928.302491.2101185000

1989272740016909.2028237801178000

1990282186018547.903083.5901021000

19912990170216178033866201029000

1992329691026638.1037422001054000

19934255.30034634.404642.300113.2000

121.7000]

1994512688046759.405792620

圖4-2數(shù)據(jù)的輸入

(3)運用PLOT命令繪制趨勢圖，運用SCAT命令繪制X、Y的相關圖

在命令窗口中鍵入:PLOTY,則可以繪制變量Y的趨勢圖，如圖4—3

所示：

EditQbjutYi”JrocQuickORHOMfindovH?】p

dataYXIX2X3

■Graph:UUTITLEDVorkfilc:SHUISHOmUntitIcdR3回岡

圖4-3變量Y的趨勢圖

從圖4—3中可以看出從圖4—3中可以看出，1978—2023年間的稅收收入

的呈增長趨勢。

在命令窗口中依次鍵入：SCATXIY,SCATX2Y,SCATX3Y。則可以

初步觀測變量之間的相關限度與相關類型,如圖4-4所示:

Vtew|Proc|Ob|oct|Print|N?rne|AddText]Uno方Ue]陡emov|TcmpiatY]Options[700mI

―iP*tK=d:DB=<F=almiMKAUN

Vtew|Proc|Ob)ect]Print[Mame]AddY.xt]Une/Shade|Remove|Tempteto|Options|Zoom]

View]Proc]ObftctlPrint]Name|AddToxt]Un^Shedt]Rmov|Yemptote]Options|Zoom|

圖4—4

上圖表白稅收收入與GDP、財政支出和商品零售價格指數(shù)水平相關，變量

之間均存在較強的相關關系。

3.5參數(shù)估計

用命令：IsYcXIX2X3，即可出現(xiàn)回歸結(jié)果。如圖5—1

View]Proc]Object|Print]Name]Freeze|Esttmato]Forecart|St^lNgds|

DependentVariable:Y

MethodLeastSquares

Date:12/22/10Time1860

Sample19782008

Includedobservations31

VanableCoefficientStdErrort-StatisticProb.

-58521552020691-289611600074

00099650011272088405203845

□8282340055692148717000000

52177031906165273727700108

R-squared□998064Meandependentvar1060730

AdjustedR-squared0997849SDdependentvar1380256

SEofregression6401490Akaikeinfocriterion1588119

Sumsquaredresid11064351Schwarzcntenon1606622

Loglikelihood?2421585F-statistic4639974

Durbin-Watsonstat1514708Prob(F-statistic)0000000

Fath=dDB-non*TV=

圖5-1

關于回歸結(jié)果的擬合限度如何可通過在“Equation”框中，點擊“Resi

ds”,即出現(xiàn)剩余項(Residual)＞實際值(Actual)、擬合值(Fitted)的

圖形。如

View|Proc[Object|Print|Name[Freeze|Estimate|Forecart|StaM|ReU*|

|R.sidualAciual■Fitted|

」_Fath=d:DB=non*V1r=*hui

圖5—2

根據(jù)圖5—1的數(shù)據(jù)，模型估計結(jié)果為:

Y,=-5852.155+0.009965XI+0.828234X2+52.17703X3-一方程1

(2023.691)(0.011272)(0.055692)(1

9.06165)

t=(-2.896116)(0.884052)(14.87170)

(2.737277)

~=0.9980MR2=0.997849F=4639.974D.W=l.514708

3.6模型檢查

3.6.1經(jīng)濟意義檢查

模型估計結(jié)果說明，在假定其它變量不變的情況下，當年GDP每增長1億

元,稅收就會增長0.009965億元；在假定其它變量不變的情況下，當年財政

支出每增長1億元，稅收收入會增長0.828234億元；在假定其它變量不變的情

況下，當年零售商品物價指數(shù)上漲一個百分點，稅收收入就會增長52.17703億

元。這與理論分析和經(jīng)驗判斷基本相一致。

3.6.2記錄檢查

(1)擬合優(yōu)度：由表3.4中數(shù)據(jù)可以得到："=0.998064，修正的可決系數(shù)

為衣2=0.997849,這說明模型對樣本的擬合很好。

(2)F檢查:針對“0：力=4=反=0,給定顯著性水平。=005,在F分

布表中查出自由度為3和27的臨界值方\(3,27)=2.96。由表3.4中得到F=4

639.974由于F=4639.974>(3,27)=2.96,應拒絕原假設

“。：尸尸尸,=尸3=0,說明回歸方程顯著，即“國內(nèi)生產(chǎn)總值”、“財政支出”、

“商品零售物價指數(shù)”等變量聯(lián)合起來的確對“稅收收入”有顯著影響。

(3)t檢查：分別針對“。：0(尸0,1,2,3),給定顯著性水平a=0。5,查

t分布表得自由度為31-4=27臨界值乙々(27)=2.052。由表3.4中數(shù)據(jù)可得,

與BBBB相應的t記錄量分別為(一2.896116)、(0.88405

2)、(14.87170)(2.737277),其絕對值除了GDP均大

于乙匕(27)=2.052,這說明除gdp分別都應當拒絕“。：四=°"=123,4),

也就是說，當在其它解釋變量不變的情況下，解釋變量“財政支出X2”、“商品

零售物價指數(shù)X3”分別對被解釋變量“稅收收入”Y都有顯著的影響。

3.6.3計量經(jīng)濟檢查

1.異方差檢查(懷特檢查法)

⑴建立回歸模型：LSYCXIX2X3,回歸結(jié)果如圖一6。

⑵在方程窗口上點擊View\Residua1\Test\WhiteHeteroskedas

tcity,即可以得到檢查結(jié)果。圖一8和圖一9分別是懷特檢查中nocrosste

rms和crossterms的結(jié)果。

Vtew]Proc|Object|Prrt|Name]Freeze|Estimate|Forecast[St曲|Resids|

WhiteHeteroskedasticityTest:

F>$tatistic1.579817Probability0.196174

Obs*R-squared8.777048Probability0186510

TestEquation

DependentVanable:RESID*2

MethodLeastSquares

Date:12^2/10Time19.10

Sample：19782008

Includedobservations:31

VariableCoefficientStdErrorl-StatisticProb

C?1150795355262548-020824108368

X1<30957262838015?109000702862

X1*200001960000162121029502380

X217894531428314125284202223

X2-2?0,0047000003701?12700880.2162

)G19783831014804019495208471

X3*2-83354834649793-0/p>

圖6-1

Vtew]Proc]Object]Print]NamejFreeze]EstU。]Forecast]Stats|NesidsJ

WhiteHeteroskedasticityTest:

F-$tatistic1199955Probability0.345566

Obs*R-squared1052804Probabilrty0309450

TestEquation:

DependentVariable:RESIO2

MethodLeastSquares

?Date:12/22/10Time19:10

Sample:19782008

Includedobservations31

VariableCoefficientStdErrort-StatisticProb.

C878405762871258013971508902

XI?14.99029390.9415-0.03834409698

X1*2-0.0012530002441?0,5130920.6132

X1-X20.0154900022848067795705052

X1*X3-0.0763073.869558-0.01972009845

X2-13442702973368-045210306558

X2*2-00474680054227-087535703913

圖6-2

從圖6—1和圖6—2中的懷特檢查中我們可以發(fā)現(xiàn)P值很大,那么也就意味

著該模型不存在異方差。那么也就不存在調(diào)整異方差。

2.序列相關檢查

⑴杜賓一瓦森檢查法

D.W.檢查結(jié)果表白，在5%的顯著性水平下，n=15,k=4查表得％=0.82,

4=1.75,由于D.W=L514708>4=0.82,所以不存在正自相關。

(2)拉格朗日乘數(shù)檢查法

在方程窗口上點擊View\Residua1Test\serialcorrelationLM

test,點擊后就會出現(xiàn)對話框)，在空處填寫1或2或3等,數(shù)字代表著幾階自相

關。如此循環(huán)去檢查。無論是一階還是2階或是4階，該模型的P值都很小，說

明該模型都存在序列相關。圖一10是2階時的數(shù)據(jù)模型。

View]Proc]Object]Print|Name[Freeze]Estimate|Forecast|Stats]Re$id$]

Breusch-GodfreySerialCorrelationLMTest:

F-statistic0.852868Probabilrty0438221

Obs*R-squared1980017Probabilrty0.371574

TestEquation:

DependentVanable:RESID

Method:LeastSquares

Date12/22/10Time1914

Presamplemissingvaluelaggedresidualssettozero

VariableCoefficientStd.Error(?StatisticProb

C27351262172534012589609008

X10.0023670.0114780.20625308383

X2-00147730.057407-0.25734707990

X3-24893732066835-0.12044409051

RESID(-1)029571302439871.21200002368

RESID(-2)?01277520.4378760.29175307729

R-$quared00K872MeandependentvarV21EJI2

圖6—3

3.多重共線性檢查

⑴檢查多重共線性

計算各個解釋變量的相關系數(shù)，選擇XI、X2、*3數(shù)據(jù)，點"丫［6\"(:。1'口

lations”得相關系數(shù)矩陣(如圖一11):或在命令窗口中鍵入：corX1,X2、

X3

￡il?EditQbjtciVinr^rocQuickOptionsWindow]j?lp

dataYXIX2X3

PLOTY

SCATX3Y

IsYcXIX2X3

圖6—4

由相關系數(shù)矩陣可以看出：X1、X2的相關系數(shù)較高(0.991041),證實的

確存在較嚴重的多重共線性。

⑵做逐步回歸

變量X1X2X3

參數(shù)估計值0.1756380.871830-474.4216

t記錄量39.91330106.2844-1.202339

R20.9821220.9974390.047459

View|Proc]Object]Print]Name]Freeze]Estimate]Forecart]St南$|Resids|

DependentVariableY

Method:LeastSquares

Date:12/22/10Time19:35

Sample19782008

Includedobservations:31

VanableCoefficientStd.Errort-StatisticProb.

C-1274.1274497490-283297400083

XI0.1756380004400399133000000

R-squared0982122Meandependentvar10607.30

AdjustedR-squared0981505SDdependentvar1380256

SEofregression1877091Akaikeinfocriterion1797517

Sumsquaredresid102E-HJ8Schwarzcriterion1806769

Loglikelihood-2766152F-statistic1593071

Durbin-Watsonstat0.384556Prob(F-statistic)0000000

圖6—5

Vtew]Proc]Object]Print]Mame]Freeze]Estimate|Forecast]Stats|Resids|

DependentVanable:Y

MethodLeastSquares

Date:12/22/10Time19:36

Sample19782008

Includedobservations:31

VariableCoefficientStd.Errort-StatisticProb.

C-25491941634738-15593900.1298

fX20.8718300.008203106.284400000

R-squared0997439Meandependentvar10607.30

AdjustedR-squared0997351SDdependentvar1380256

SEofregression7103852Akaikeinfocriterion1603183

Sumsquaredresid14634768Schwarzcntenon1612435

Loglikelihood-2464934F-statistic1129638

Durbin-Watsonstat1.111329Prob(F-statistic)0000000

圖6-6

View|Procjotject|Print]Name|Freeze]Estimate]Ford|SUts|Rgfe]

DependentVanableY

Method:LeastSquares

Date:12/22/10Time19:32

Sample19782008

Includedobservations:31

VariableCoefficientStd.Errort-StatisticProb.

C603098441421.701.45599601561

?X3-47442163946807-120203902391

R-$quared0.047459Meandependentvar1060730

AdjustedR-$quared0.014613S.D.dependentvar1380256

S.E.ofregression13701.34Akaikeinfocriterion21.95072

Sumsquaredresid544E-HJ9Schwarzcntenon2204323

Loglikelihood-3382361F-$tatistic1444898

Durbin-Watsonstat0.097007Prob(F-statistic)0239072

圖6—7

可以看出，X3對解釋丫的變化是不具有重要性的。但是還是要再做逐步回歸，結(jié)

果如下：

View|Proc]Object|Print]Name]FreeEstimate|Forecast|Stats]Resids|

DependentVariableY

Method:LeastSquares

Date:12/22/10Time:19:51

Sample19782008

Includedobservations:31

VariableCoefficientStd.Error1?StatisticProb

C-339.68201843546-1.84254600760

X10.0124110012471099520303282

X20.811245006142813.2065300000

R-squared0.997527Meandependentvar1060730

AdjustedR-squared0997350SDdependentvar1380256

S.Eofregression7105025Akaikeinfocriterion16.06159

Sumsquaredresid14134785Schwarzcritenon1620036

Loglikelihood-2459546F-statistic5646820

Durbin-Watsonstat1126673Prob(F-statistic)0000000

圖6—8

匕=-339.6820+0.012411XI+0.811245X2-—方程2

t=-1.8425460.99520313.20653

R2=0.997527R2=0.997350F=5646.820D.W.=1.126873

我們可以看到，即使是剔除了X3,但是方程中(GDP)還是記錄不顯著的。但

是這有違常理。我考慮到應當是函數(shù)模型出了問題.

3.6.4RESET檢查

建立模型：

Yi=81+82X1+83X2+B4X3+35p廣+86+37一方程3

回歸結(jié)果如下：

RamseyRESETTest:

F-statistic35,92841Probability0.000000

Loglikelihoodratio52.79671Probability0.000000

圖6—9

F值為35.92841,在分子自由度為3,分母自由度為24,顯著性水平為0.

05的情況下，F(xiàn)值為3.01,估計出來的F值顯然大于臨界值。所以RESET檢

查的結(jié)論是:該線性模型是錯誤設定的。

3.6.5雙對數(shù)模型分析：

log(y.)=51+^logCXl)+B31og(X2)+541og(X3)+u一一方程4

Yi——稅收收入

Bi一截距項

XI——GDP

X2——財政支出

X3——商品零售價格指數(shù)

DependentVariable:LOG(Y)

Method:LeastSquares

Date:12/23/10Time:22:43

Sample:19782008

Includedobservations:31

VariableCoefficientStd.Errort-StatisticProb.

C-6.8037552.661507-2.5563550.0165

LOG(X1)044692801268263.5239570.0015

LOG(X2)0.6348080.1401214.5304190.0001

LOG(X3)1.0949780.57209619139770.0663

R-squared0.988948Meandependentvar8.423946

AdjustedR-squared0.987720S.D.dependentvar1.411383

S.E.ofregression0.156404Akaikeinfocriterion-0.752831

Sumsquaredresid0.660482Schwarzcriterion-0.567801

Loglikelihood15.66888F-statistic805.3159

Durbin-Watsonstat0.613239Prob(F-statistic)0.000000

圖6—10

通過上表，得出方程：

log(y)=-6.804+0.447log(%l)+0.6351og(X2)+1,0951og(X3)一方程5

(1)多重共線性檢查

從圖6-10中可以估計方程也許存在多重共線性。做一下回歸:

DependentVariable:LOG(Y)

Method:LeastSquares

Date:12/23/10Time:22:50

Sample:19782008

Includedobservations:31

VariableCoefficientStd.Errort-StatisticProb.

C-2.0889270.277835-7.5185900.0000

LOG(X1)1.0150010.02659838.160740.0000

R-squared0980475Meandependentvar8.423946

AdjustedR-squared0.979801S.D.dependentvar1.411383

S.Eofregression0.200589Akaikeinfocriterion-0.312777

Sumsquaredresid1.166842Schwarzcriterion-0.220262

Loglikelihood6.848045F-statistic1456.242

Durbin-Watsonstat0.394824Prob(F-statistic)0.000000

圖6—11

VariableCoefficientStd.Errort-StatisticProb.

C-1.0995710.273340-4.0227280.0004

LOG(X2)1.0978100.03118735.201280.0000

R-squared0977132Meandependentvar8.423946

AdjustedR-squared0.976343S.Ddependentvar1.411383

S.Eofregression0.217082Akaikeinfocriterion-0.154743

Sumsquaredresid1.366612Schwarzcriterion-0.062228

Loglikelihood4.398515F-statistic1239.130

Durbin-Watsonstat0.323524Prob(F-statistic)0.000000

圖6—12

VariableCoefficientStd.Errort-StatisticProb.

C27.6960920.514591.3500680.1874

LOG(X3)-4.1445294.411383-0.9395080.3552

R-squared0029538Meandependentvar8.423946

AdjustedR-squared-0.003926S.D.dependentvar1.411383

S.E.ofregression1.414151Akaikeinfocriterion3.593277

Sumsquaredresid57,99490Schwarzcriterion3.685792

Loglikelihood-53.69580F-statistic0.882675

Durbin-Watsonstat0.050040Prob(F-statistic)0.355230

圖6—13

VariableCoefficientStd.Errort-StatisticProb.

C-17293350.244349-7.0773070.0000

LOG(X1)0.5614220.1170304.7972650.0000

LOG(X2)0.5000980.1267943.9441840.0005

R-squared0.987448Meandependentvar8.423946

AdjustedR-squared0.986552S.D.dependentvar1.411383

S.Eofregression0.163674Akaikeinfocriterion-0690118

Sumsquaredresid0.750095Schwarzcriterion-0.551345

Loglikelihood13.69682F-statistic1101.381

Durbin-Watsonstat0.531997Prob(F-statistic)0000000

圖6—14

由圖6—10和圖6—14可求F值：

c(0.989-0.987)/1…

一(1-0.989)/(31-4)-

在分子自由度為1,分母自由度為27顯著性水平為0.05的情況下。F的臨界值

小于估計值3.664,所以拒接受限回歸，保持方程5的形式。這樣也有道理，由

于在方程5中，log(X3)的P值也不是很大。

4最終模型

通過以上各種檢查，并通過序列相關和多重共線性的修