上证深证指数分析
上证指数与深证指数相关性的实证分析
２ ４
南方 冶金 学 院 学报
２０ ０ ２年 ５月
职 工过 好 春节 ， 多 高 校喜 欢把课 时 酬金集 中在年 终 一次发 放 ， 样 就会 加 重职 工 的个 人 所得 税 负 担 ， 果把 很 这 如
课 时酬 金按 月发 放可使 职 工依法 少缴 甚至 不缴个 人所得 税 ， 加实 际 收人 。 由于课 时酬 金属 劳务 报 酬所 得 ， 增 按
法 的 学 习 和 税 收 问题 的 研 究 ， 某 种 程度 上 可 以提 高 税务 人 员 的 业 务 素 质 。 在
４ 有 利 于 发 展 税 务 代 理 事 业 。 由于 税 法 的 繁 杂 ， 不 是 每个 纳 税 人 都 能 熟 知 并 精 通 税 法 ， 就 客 观 上 要 求 ． 并 这
每 次 收 人 额 为 计 税 依 据 ， 次 收 人 低 于 ８ ０元 时 ， 免 缴 个 人 所 得 税 。 某 人 每 月 一 次 发 得 课 时 酬 金 ７ ０元 ， 每 ０ 可 如 ０ 可
不 缴个 人所 得 税 ， 年 按 １ 一 ０月 计 算 ， 年 一 次 发 得 课 时 酬 金 ７ ０ 全 ０ ０元 ， 纳 个 人 所 得 税 ：０ ０ （－ ０ ） ２ ％＝ 应 ７０ ｘ １２ ％ ｘ ０ １２ １ ０元 ， 此 ， 个 人 所 得 税 的 计 算 方 法 进 行 依 法 筹 划 ， 某 种 程 度 上 说 也 是 维 护 广 大 职 工 的 切 身 利 益 。 当 然 ， 因 对 在
税 收 筹 划 是 市 场 经 济 发 展 到 一 定 阶 段 的必 然 产 物 ， 以 符 合 税 收 政 策 导 向 为 前 提 的 ， 利 于 正 确 发 挥 税 收 是 有
杠 杆 的 调 节 作 用 。在 市 场 经 济 条 件 下 ， 税 人 都 希 望 实 现 税 收 的 最 低 化 ， 求 利 益 的 最 大 化 。因 此 ， 行 税 收 筹 纳 追 进 收具 有积 极 的现实 意义 。 １ ．有 利 于 充 分 发 挥 税 收 杠 杆 的 调 节 作 用 。税 收 是 政 府 宏 观 调 控 的 重 要 杠 杆 ， 政 府 聚 财 的 重 要 手 段 。国 家 是
常用的股票指数
常用的股票指数股票指数是衡量某个市场或者行业股票整体表现的重要指标。
作为投资者，了解常见的股票指数可以帮助我们更好地把握股票市场的脉搏，甄别优质的投资机会。
下面，我们来一起了解几个常见的股票指数。
一、上证指数上证指数是中国沪深股票市场的代表指数，由上海证券交易所推出。
它以2000年12月19日为基日，基点为1000点。
上证指数涵盖了上海证券交易所的所有A股股票，覆盖多个行业，具有代表性。
二、深证成指深证成指是由深圳证券交易所推出的股票指数，也是中国沪深股票市场的重要指标之一。
该指数以1991年12月31日为基点，市值加权计算。
深证成指覆盖了深圳证券交易所的所有A股股票，与上证指数相互印证。
三、道琼斯工业平均指数道琼斯工业平均指数（Dow Jones Industrial Average，DJIA）是美国的一项主要股票指数，由道琼斯公司推出。
它是由30家大型工业企业的股票加权平均而成，反映了美国重要工业部门的整体表现。
是美国股票市场最古老、最广泛接受和最具代表性的股票指数之一。
四、纳斯达克综合指数纳斯达克综合指数（NASDAQ Composite）是由纳斯达克股票交易所推出的指数，覆盖了所有在纳斯达克上市的股票，也是美国指数市场中最具代表性的成长型指数之一。
该指数反映了科技和互联网等新兴产业的整体表现。
五、恒生指数恒生指数是香港证券交易所的主要指数之一，以1964年为基日。
该指数以市值为基础，覆盖了香港证券交易所上市公司的大部分股票，反映了香港证券市场的整体表现。
恒生指数被认为是亚太地区最具代表性的股票指数之一。
以上是一些常见的股票指数，每个指数背后都有其代表性和表现特点，投资者需要根据自身风险偏好和聚焦领域进行选择。
同时，在投资过程中，建议投资者注意指数的分散化和多元化，避免单一产业或个股的风险。
沪深股市全部指数详解
沪深股市全部指数详解一、上证指数系列1、重点指数上证指数：上证综合指数的样本股是全部上市股票，包括A股和B股，从总体上反映了上海证券交易所上市股票价格的变动情况，自1991年7月15日起正式发布。
上证50指数：是根据科学客观的方法，挑选上海证券市场规模大、流动性好的最具代表性的50只股票组成样本股，以便综合反映上海证券市场最具市场影响力的一批龙头企业的整体状况。
上证50指数自2004年1月2日起正式发布。
其目标是建立一个成交活跃、规模较大、主要作为衍生金融工具基础的投资指数。
上证180：成份指数（简称上证180指数）是上海证券交易所对原上证30指数进行了调整并更名而成的，其样本股是在所有A股股票中抽取最具市场代表性的180种样本股票，自2002年7月1日起正式发布。
作为上证指数系列核心的上证180指数的编制方案，目的在于建立一个反映上海证券市场的概貌和运行状况、具有可操作性和投资性、能够作为投资评价尺度及金融衍生产品基础的基准指数。
上证380指数是由380家规模适中、成长性好、盈利能力强公司组成，以综合反映上交所一批新兴蓝筹公司整体表现。
为剔除180以外的二级蓝筹公司组成。
上证超大盘：超级大盘指数由在上海证券交易所上市的具备一定规模和流动性的20家超大型上市公司组成，于2009年4月23日正式发布，以综合反映上海证券交易所超级大型上市公司股票的整体表现，并为相关指数化投资产品的开发提供基础工具。
上证中盘指数：由上证180指数成份股中剔除50只上证50指数成份股后剩余的130家成份股构成，以综合反映沪市中盘公司的整体状况。
上证小盘指数：是对样本空间剔除180只上证180指数成份股后的剩余股票，根据总市值、成交金额进行综合排名，选取排名靠前320只股票组成样本，以综合反映沪市小盘公司的整体状况。
上证中小盘指数：是由上证中盘指数和上证小盘指数成份股一起构成，以综合反映沪市中小盘公司的整体状况。
共450家上证全指：是由上证180和上证小盘指数成份股一起构成，以综合反映沪市大中小盘公司的整体状况。
上证指数和深证成指有什么区别呢？
上证指数和深证成指有什么区别呢？上证指数和深证成指有什么区别?上证指数和深证成指的区别在于他们不是同一种指数，上证指数是综合指数，深证成指则是成分指数，两种指数的样本空间是不一样的。
综合指数以股票全部股本为基础计算计算指数值，成份指数是通过科学客观的方法挑选出最具代表性的样本股票。
所以上证指数的样本股是在上海证券交易所全部上市股票，深圳成指则是从深市上市的所有股票中抽取具有市场代表性的500家上市公司的股票作为计算对象。
所以上证指数包括主板和科创板，而深证成指却不包括创业板、中小板。
上证指数历史最高点是多少?4000点的上证指数是牛市的起点。
大大多数人的心目中，上证指数是市场指数，是投资者心中多头和空头的代言指数。
4000点的定义不仅是一个整数标记，还包含了大多数散户投资者和A股市场所有市场参与者的深层偏好。
上海证券综合指数简称上证指数或者上证综指。
上证指数3000点是股票指数。
为度量和反映股票市场总体价格水平及其变动趋势而编制的股价统计相对数。
通常是报告期的股票平均价格或股票市值与选定的基期股票平均价格或股票市值相比，并将两者的比值乘以基期的指数值，即为该报告期的股票价格指数。
由于上市股票种类繁多，计算全部上市股票的价格平均数或指数的工作是艰巨而复杂的，因此人们常常从上市股票中选择若干种富有代表性的样本股票，并计算这些样本股票的价格平均数或指数，用以表示整个市场的股票价格总趋势及涨跌幅度。
上证指数是怎么计算得出的上证指数系列均以“点”为单位。
基日、基期与基期指数。
股市指数指的就是，就是由证券交易所或金融服务机构编制的、表明股票行市变动的一种供参考的数字。
通过指数，对于当前各个股票市场的涨跌情况我们可以直观地看到。
股票指数的编排原理事实上还是很繁琐的，这里就先说这么多了，点击下方链接，教你快速看懂指数：新手小白必备的股市基础知识大全根据股票指数的编制方法和性质来进行分类，股票指数基本上被分成这五个类别：规模指数、行业指数、主题指数、风格指数和策略指数。
上证综指与深证成指——excel数据分析统计
250.00%
200.00%
150.00%
100.00%
50.00%
0.00% 2008
-50.00%
-100.00%
百分比收益率法
上证综合指数
对数收益率法
平均
0.271781459 平均
0.058277664
标准误差 中位数 标准差 方差 峰度 偏度 区域 最小值 最大值 求和 观测数 最大(1) 最小(1) 置信度(95.0%)
0.141868834 标准误差 0.085554868 中位数 0.601898486 标准差 0.362281788 方差 0.362668574 峰度 0.913935777 偏度
2.31966379 区域 -0.653942184 最小值
1.665721605 最大值 4.892066261 求和
0.87 利用对数收益率法计算 时，上证综指与深证成指 的相关系数：
0.94
0.377361216 平均 0.215187395 标准误差 0.142507909 中位数 0.833417198 标准差 0.694584226 方差
0.34144813 峰度 1.1014283 偏度
2.889302047 区域 -0.633599693 最小值
2.255702354 最大值 5.660418245 求和
15 观测数 2.255702354 最大(1) -0.633599693 最小(1) 0.461531059 置信度(95.0%)
0.049764022 0.035597798 0.211130865 0.044576242 0.918152966 -0.368647548 0.886666129 -0.460851338 0.425814792 1.048997959
沪深300指数基本面分析
沪深300指数基本面分析沪深300指数是上海证券交易所和深圳证券交易所综合计算的、反映沪深股市整体情况的、以沪深股市中规模大、流动性好、代表性强的300家股票为样本的综合指数。
通过对沪深300指数的基本面分析，可以帮助投资者理解中国股市的整体情况，制定更合理的投资策略。
一、宏观经济环境分析沪深300指数受宏观经济环境的影响较大，因此对宏观经济数据的分析是基本面分析的重要一环。
投资者可以关注国内的GDP增长速度、消费者物价指数（CPI）、产业增加值等指标，以及国际环境对中国经济的影响因素如美元汇率、国际油价等。
通过对宏观经济数据的分析，可以判断中国经济的整体趋势，从而对沪深300指数的走势做出预判。
二、行业结构分析沪深300指数包含了不同行业的股票，行业结构分析可以帮助投资者了解不同行业的表现，从而选择相应的投资标的。
投资者可以通过查看沪深300指数成分股所在的行业，分析各行业的发展情况、政策影响、竞争格局等来判断未来行业的发展方向和行业整体风险。
此外，还可以关注各行业的盈利能力、公司治理、技术创新等因素，以判断行业内个股的投资价值。
三、盈利能力分析投资者也需要对沪深300指数中成分股的盈利能力进行分析。
通过查阅公司年度报告、财务报表和相关研究报告，可以获得上市公司的财务数据，如营业收入、净利润、资产负债比率等。
从中可以分析公司的盈利水平、成长潜力以及财务风险。
投资者可以比较不同公司的盈利能力和财务状况，选择具有较高盈利能力和较低财务风险的个股进行投资。
四、政策分析政策环境对沪深300指数也有很大影响。
投资者可以关注政府宏观经济政策、产业政策等方面的变化。
例如，目前，中国政府提出了一系列鼓励创新、促进高质量发展的政策，这对于科技类公司来说是一个重要的驱动力。
另外，还应关注监管政策的变化，如金融监管政策、环保政策等，这些政策的调整可能会影响到相应行业的发展和相应公司的盈利能力。
五、市场情绪分析投资者在进行基本面分析时，还需要考虑市场情绪的影响。
上证指数和深证指数的计算方法
上证指数和深证指数的计算方法
嘿，朋友们！今天咱就来唠唠上证指数和深证指数的计算方法。
咱先说说上证指数。
它呀，就好比是一个大盘子里装满了各种股票。
比如说，有一大堆苹果、香蕉、橘子啥的，咱得算算这个大杂烩的整体情况，对吧？这上证指数就是这么个道理。
它通过选取上交所的一些有代表性的股票，然后根据它们的价格和股本啥的进行一系列复杂的计算。
就好像你要给一群小伙伴的综合表现打分一样。
比如说，工商银行那可是大块头呀，它的表现对上证指数的影响就挺大。
那深证指数呢，也差不多是这么个事儿。
想象一下，这是另一个装满不同水果的盘子。
深证指数就是根据深交所那些有代表性的股票来计算的。
比如腾讯呀，它在深证指数里可占了不小的分量呢！
可能有人会问啦，计算这个有啥用呢？哎呀呀，这可太重要啦！它就像是股市的晴雨表呀。
咱们通过看它的涨跌，就能大概知道股市的整体情况呢。
比如说，如果上证指数涨得厉害，那是不是就能感觉到市场火热呀？反之，如果一直跌，那可不就让人心里有点慌嘛。
而且呀，咱还能通过对比上证指数和深证指数的变化，看出一些有趣的现象呢。
好比两个比赛队伍，它们各自有着不同的表现，你就能看出它们之间的差距和特点呀。
反正咱记住喽，上证指数和深证指数是咱了解股市的重要窗口，就像我们观察天气的温度计一样重要！所以呀，可得好好了解它们的计算方法，这样我们在股市里才能更游刃有余呀！
我的观点结论就是：上证指数和深证指数的计算方法很重要，是我们了解和分析股市的基础，要认真对待哦！。
上证深证和创业板有什么区别
上证深证和创业板有什么区别上证指的是上海证券交易所，深证则指的是深圳证券交易所，而创业板是深圳证券交易所推出的一个专门为中小企业和创新型企业提供融资服务的板块。
尽管都是股票市场的一部分，但上证、深证和创业板在定位、标准和特点方面存在着一些显著的区别。
上证和深证定位上证和深证分别位于我国的两大经济中心城市：上海和深圳。
上证成立于1990年11月26日，是我国第一家证券交易所，具有较为长久的历史和较为成熟的市场机制。
深证则是成立于1991年12月1日，在刚开始时专注于创新型企业的发展，并逐渐形成了自己独特的市场特色。
交易品种上证和深证的交易品种也有所不同。
上证主要包括大型蓝筹股和国有企业，如工商银行、中国石油等，而深证则涵盖了更多的中小盘股以及高新科技类股票。
在这一方面，深证对创业型企业和新兴行业的支持更为显著。
监管机构上证和深证虽然分属不同的证券交易所，但均受到证监会的监管。
证监会依法对上证和深证的运作情况进行监督，保护投资者的权益，维护市场的稳定。
创业板发展背景创业板是深圳证券交易所推出的专门为中小企业和创新型企业服务的板块。
其成立旨在为创新型企业提供更为灵活的融资机制，促进我国科技创新和产业升级。
股票标准相较于上证和深证，创业板对企业的上市标准更为宽松。
在 A股市场中，创业板企业可以选择不同的上市标准，包括盈利性要求、股东结构以及财务指标等方面。
这为中小型企业和初创企业提供了更多的上市选择机会。
投资特点创业板上市公司除了具备创新能力外，还具有较高的成长性。
创业板股票的投资风险相对较高，但潜在回报也十分吸引人。
投资者可以通过创业板获得更多成长型企业的投资机会，参与更多新技术、新产业的发展。
总结综上所述，上证、深证和创业板在定位、交易品种、监管机构以及发展背景等方面存在着一些差异。
投资者在选择股票市场和投资标的时，应当充分考虑各市场的特点和自身的风险偏好，以谨慎的态度进行投资，争取获得最佳投资回报。
上证指数深成指数
基础知识介绍:上证指数/深证成指/沪深300有什么区别和联系?上证指数:广义上说上证指数有4类16种,分别为一、样本指数类4种1.沪深3002.上证1803.上证504.红利指数二、综合指数类2种1.上证指数2.新综指三、分类指数类7种1.A股指数2.B股指数3.工业指数4.商业指数5.地产指数6.公用指数7.综合指数四、其他指数类3种1.基金指数2.国债指数3.企债指数狭义说就是专指上证综合指数，其样本股是全部上市股票，包括A股和B股，从总体上反映了上海证券交易所上市股票价格的变动情况，自1991年7月15日起正式发布。
1、“上证指数”全称“上海证券交易所综合股价指数”，又称“沪指”，是国内外普遍采用的反映上海股市总体走势的统计指标。
上证指数由上海证券交易所编制，于1991年7月15日公开发布，上证指数以"点"为单位，基日定为1990年12月19日。
基日指数定为100点。
随着上海股票市场的不断发展，于1992年2月21日，增设上证A股指数与上证B股指数，以反映不同股票（A股、B股）的各自走势。
1993年6月1日，又增设了上证分类指数，即工业类指数、商业类指数、地产业类指数、公用事业类指数、综合业类指数、以反映不同行业股票的各自走势。
至此，上证指数已发展成为包括综合股价指数、A股指数、B股指数、分类指数在内的股价指数系列。
2、计算公式上证指数是一个派许公式计算的以报告期发行股数为权数的加权综合股价指数。
报告期指数=（报告期采样股的市价总值/基日采样股的市价总值）×100市价总值=∑（市价×发行股数）其中，基日采样股的市价总值亦称为除数。
3、修正方法当市价总值出现非交易因素的变动时，采用“除数修正法”修正原固定除数，以维持指数的连续性，修正公式如下：修正前采样股的市价总值/原除数=修正后采样的市价总值/修正后的除数由此得到修正后的连续性，并据此计算以后的指数。
简述上海和深圳证券交易所的主要股价指数
简述上海和深圳证券交易所的主要股价指数上海证券交易所的主要股价指数主要包括：上证综指（简称上证指数）、上证A股指数、深证成指（简称深成指）、沪深300指数、中证500指数等。
上证综指：它是上海证券交易所上市公司股票市场的一个标准，它长期以来被用作衡量大盘市场水平的标准指标，反映上海证券交易所上市公司股票市场收盘价的变化。
深证成指：这是一种由深圳证券交易所上市公司股票构成的指数，也称深圳成指，它以当前月份的股票市场价格和市值构成，反应深圳证券交易所上市公司股票市场当前价格水平。
沪深300指数：这是一种由上海证券交易所和深圳证券交易所上市公司股票组成的指数，它是由上海证券交易所和深圳证券交易所的300家上市公司组成的综合指数，它旨在反映上海证券交易所和深圳证券交易所股票市场的整体发展趋势。
中证500指数：这是一种由中国证券市场上500家最活跃的上市公司构成的指数，它旨在反映中国证券市场的大盘价格走势。
它是由中国证监会发布的反映中国证券市场股票市场价格变动的重要指标
之一。
- 1 -。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
上证指数与月度GDP 、M0、M1、M2之间的多元线性回归关系分析（一）、案例分析目的选取1996年1月到2010年12月的每月数据，进行上证指数与月GDP 、M0、M1、M2之间的多元线性回归分析，数据来源《人大经济论坛》，见附录。
（二）、回归分析 多元线性回归模型的基本形式：设随机变量y 与一般变量p x x x ,,,21 的理论线性回归模型为：εββββ+++++=p p x x x y 22110其中，p βββ,,,10 是1+p 个未知参数，0β称为回归常数，p βββ,,,10 称为回归系数。
y 称为被解释变量（因变量），而p x x x ,,,21 是p 个可以精确测量并可控制的一般变量，称为解释变量（自变量）。
ε是随机误差，与一元线性回归一样，对随机误差项我们常假定⎩⎨⎧==2)var(0)(σεεE 称εββββ+++++=p p x x x y E 22110)(为理论回归方程。
在本案例中，上证指数index 为随机变量y ，月gdp 、M0、M1、M2、cpi 分别为一般变量x1、x2、x3、x4、x5建立一个group 命名为gdp1,依次建立序列index 、gdp 、M0、M1、M2、CPI 并给它们依次赋值，得到一个完整的group 对象。
(1)数据的预处理画出它们的折线图如下：从图中可以看出，从1996年到2010年的时间里，变量index、gdp、M0、CPI、都没有明显增长，变量M1、M2似以指数形式增长。
样本的相关系数：INDEX CPI GDP M0 M1 M2 INDEX 1.000000 0.142679 0.656363 0.660292 0.647637 0.636940 CPI 0.142679 1.000000 0.085873 0.047434 0.055256 0.050073 GDP 0.656363 0.085873 1.000000 0.945646 0.965078 0.962063 M0 0.660292 0.047434 0.945646 1.000000 0.982797 0.982671 M1 0.647637 0.055256 0.965078 0.982797 1.000000 0.998390 M2 0.636940 0.050073 0.962063 0.982671 0.998390 1.000000发现变量INDEX 与其他变量之间存在较好的相关性，适合做与其它变量的多元线性回归分析，但解释变量之间也存在较好的相关性。
(2)最小二乘分析在方程编辑窗口中输入命令index c gdp m0 m1 m2cpi，得出结果如下：Dependent Variable: INDEXMethod: Least SquaresDate: 10/19/12 Time: 11:11Sample: 1996M01 2010M12Included observations: 180Coefficient Std. Error t-Statistic Prob.C -967.5914 774.7711 -1.248874 0.2134GDP 0.042315 0.022856 1.851366 0.0658CPI 11.47436 7.402996 1.549962 0.1230M0 0.088717 0.029883 2.968801 0.0034M1 0.039288 0.016003 2.455103 0.0151M2 -0.016977 0.005329 -3.185627 0.0017R-squared 0.491351 Mean dependent var 1902.061Adjusted R-squared 0.476735 S.D. dependent var 983.8244S.E. of regression 711.6697 Akaike info criterion 16.00587Sum squared resid 88126439 Schwarz criterion 16.11230Log likelihood -1434.528 Hannan-Quinn criter. 16.04902F-statistic 33.61656 Durbin-Watson stat 0.171949Prob(F-statistic) 0.000000从分布结果中看出R2=0.491351，表明方程能解释因变量的程度是49.1351%，方程不算显著对GDP、M0、M1、M2计算相关系数，结果如下：CPI GDP M0 M1 M2 CPI 1.000000 0.085873 0.047434 0.055256 0.050073 GDP 0.085873 1.000000 0.945646 0.965078 0.962063 M0 0.047434 0.945646 1.000000 0.982797 0.982671 M1 0.055256 0.965078 0.982797 1.000000 0.998390 M2 0.050073 0.962063 0.982671 0.998390 1.000000各因变量之间相关系数较高，表明存在多重共线性。
采用逐步回归法修正模型，分别做index对gdp、m0、m1、m2、cpi的一元回归，结果如下：Dependent Variable: INDEXMethod: Least SquaresDate: 10/19/12 Time: 00:58Sample: 1996M01 2010M12Included observations: 180Coefficient Std. Error t-Statistic Prob.C 837.7555 107.1710 7.817001 0.0000GDP 0.071774 0.006184 11.60718 0.0000R-squared 0.430813 Mean dependent var 1902.061 Adjusted R-squared 0.427615 S.D. dependent var 983.8244 S.E. of regression 744.3235 Akaike info criterion 16.07388 Sum squared resid 98615121 Schwarz criterion 16.10935 Log likelihood -1444.649 Hannan-Quinn criter. 16.08826 F-statistic 134.7265 Durbin-Watson stat 0.113118 Prob(F-statistic) 0.000000Dependent Variable: INDEXMethod: Least SquaresDate: 10/19/12 Time: 01:02Sample: 1996M01 2010M12Included observations: 180Coefficient Std. Error t-Statistic Prob.C 539.7337 128.6014 4.196950 0.0000M0 0.066664 0.005683 11.73007 0.0000R-squared 0.435985 Mean dependent var 1902.061 Adjusted R-squared 0.432817 S.D. dependent var 983.8244 S.E. of regression 740.9336 Akaike info criterion 16.06475 Sum squared resid 97718901 Schwarz criterion 16.10023 Log likelihood -1443.827 Hannan-Quinn criter. 16.07913 F-statistic 137.5947 Durbin-Watson stat 0.115053 Prob(F-statistic) 0.000000Dependent Variable: INDEXMethod: Least SquaresDate: 10/19/12 Time: 01:02Sample: 1996M01 2010M12Included observations: 180Coefficient Std. Error t-Statistic Prob.C 947.0888 101.1488 9.363318 0.0000M1 0.010225 0.000902 11.34007 0.0000R-squared 0.419434 Mean dependent var 1902.061 Adjusted R-squared 0.416172 S.D. dependent var 983.8244 S.E. of regression 751.7267 Akaike info criterion 16.09367Sum squared resid 1.01E+08 Schwarz criterion 16.12915 Log likelihood -1446.430 Hannan-Quinn criter. 16.10806 F-statistic 128.5973 Durbin-Watson stat 0.090492 Prob(F-statistic) 0.000000Dependent Variable: INDEXMethod: Least SquaresDate: 10/19/12 Time: 01:03Sample: 1996M01 2010M12Included observations: 180Coefficient Std. Error t-Statistic Prob.C 993.2177 100.0577 9.926446 0.0000M2 0.003502 0.000318 11.02309 0.0000R-squared 0.405693 Mean dependent var 1902.061 Adjusted R-squared 0.402354 S.D. dependent var 983.8244 S.E. of regression 760.5706 Akaike info criterion 16.11706 Sum squared resid 1.03E+08 Schwarz criterion 16.15254 Log likelihood -1448.536 Hannan-Quinn criter. 16.13145 F-statistic 121.5085 Durbin-Watson stat 0.088153 Prob(F-statistic) 0.000000Dependent Variable: INDEXMethod: Least SquaresDate: 10/19/12 Time: 11:14Sample: 1996M01 2010M12Included observations: 180Coefficient Std. Error t-Statistic Prob.C -57.20505 1021.325 -0.056011 0.9554CPI 19.29055 10.03020 1.923246 0.0560R-squared 0.020357 Mean dependent var 1902.061 Adjusted R-squared 0.014854 S.D. dependent var 983.8244 S.E. of regression 976.4904 Akaike info criterion 16.61686 Sum squared resid 1.70E+08 Schwarz criterion 16.65233 Log likelihood -1493.517 Hannan-Quinn criter. 16.63124 F-statistic 3.698877 Durbin-Watson stat 0.086579 Prob(F-statistic) 0.056045其中，对M0进行一元回归时的R2最大，又因为m0、m1、m2之间相关性较强，故这三、CPI逐步回归，结果如下：加入GDP、CPI后的解释性都比之前增加，且t统计量显著，再对M0、GDP、CPI三者进行回归分析：Dependent Variable: INDEXMethod: Least SquaresDate: 10/19/12 Time: 11:20Sample: 1996M01 2010M12Included observations: 180Coefficient Std. Error t-Statistic Prob.C -747.7695 784.8297 -0.952779 0.3420M0 0.041060 0.017361 2.365053 0.0191GDP 0.028773 0.018852 1.526257 0.1287CPI 13.62740 7.588572 1.795780 0.0742R-squared 0.455619 Mean dependent var 1902.061Adjusted R-squared 0.446340 S.D. dependent var 983.8244S.E. of regression 732.0474 Akaike info criterion 16.05154Sum squared resid 94317227 Schwarz criterion 16.12249Log likelihood -1440.639 Hannan-Quinn criter. 16.08031F-statistic 49.10103 Durbin-Watson stat 0.130866Prob(F-statistic) 0.000000R2继续增加，由上可知应选择m0、gdp、cpi作为回归解释变量，回归方程为：INDEX=-747.7695+0.017361M0+0.018852GDP+7.588572CPI（三）、回归方程的检验（1）F检验由上表中最小二乘分析结果可知：F=49.10103，Prob(F-statistic)=0<0.05，表明变量GDP、CPI、M0对INDEX 产生显著影响的判断所范错误的概率为0，方程通过了F检验（2）T-检验变量T-statistic ProbC -0.952779 0.3420M0 2.365053 0.0191GDP 1.526257 0.1287CPI 1.795780 0.0742（3）white检验Heteroskedasticity Test: WhiteF-statistic 6.431164 Prob. F(3,176) 0.0004Obs*R-squared 17.78261 Prob. Chi-Square(3) 0.0005Scaled explained SS 58.38967 Prob. Chi-Square(3) 0.0000Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 10/19/12 Time: 11:59Sample: 1996M01 2010M12Included observations: 180Coefficient Std. Error t-Statistic Prob.C -2727240. 1061431. -2.569399 0.0110GDP^2 0.000819 0.000656 1.249243 0.2132CPI^2 290.6673 102.0323 2.848777 0.0049M0^2 -1.67E-05 0.000505 -0.033078 0.9737R-squared 0.098792 Mean dependent var 523984.6Adjusted R-squared 0.083431 S.D. dependent var 1377125.S.E. of regression 1318427. Akaike info criterion 31.04375Sum squared resid 3.06E+14 Schwarz criterion 31.11470Log likelihood -2789.937 Hannan-Quinn criter. 31.07252F-statistic 6.431164 Durbin-Watson stat 0.325586Prob(F-statistic) 0.000371n*R2=180*0.098792=17.78256与χ20.05（9）=16.9190接近，且CPI^2和C的t检验结果显著，判定系数R2不大，再对GDP、CPI、M0、CPI^进行回归得：Dependent Variable: INDEXMethod: Least SquaresDate: 10/19/12 Time: 12:07Sample: 1996M01 2010M12Included observations: 180Coefficient Std. Error t-Statistic Prob.C 380.9427 994.7797 0.382942 0.7022GDP 0.024200 0.018895 1.280764 0.2020CPI -39.19473 29.87979 -1.311747 0.1913M0 0.043894 0.017316 2.534823 0.0121CPI^2 0.409528 0.224162 1.826924 0.0694R-squared 0.465807 Mean dependent var 1902.061Adjusted R-squared 0.453597 S.D. dependent var 983.8244S.E. of regression 727.2337 Akaike info criterion 16.04376Sum squared resid 92552048 Schwarz criterion 16.13245Log likelihood -1438.938 Hannan-Quinn criter. 16.07972F-statistic 38.14931 Durbin-Watson stat 0.113706Prob(F-statistic) 0.000000综上所述，回归方程应为INDEX=380.9427+0.024200GDP-39.19473CPI+0.043894M0+0.409528CPI^2深证指数与月度GDP 、M0、M1、M2之间的多元线性回归关系分析（一）、案例分析目的选取1996年1月到2010年12月的每月数据，进行深证指数与月GDP 、M0、M1、M2之间的多元线性回归分析，数据来源《人大经济论坛》，见附录。