Eviews案例分析—中国粮食生产
基于时间序列在粮食产量中的方法研究毕业论文
毕业设计（论文）题目基于时间序列在粮食产量中的方法研究基于时间序列在粮食产量中的方法研究摘要：粮食是我们生产和生活中的基本消费品，我国民生国计的首要大事就是解决我国的粮食产量问题。
本文介绍了几种时间序列的建模方法，来分析预测出我国的粮食产量问题。
并且通过分析我国2000到2014年的粮食生产总量数据的特点，建立了自回归移动平均模型ARIMA(p,d,q)模型。
最后，通过使用Eviews6.0操作软件成功的计算完成了关于我国粮食产量的预测问题。
得出的结果如下，在未来的几年，我国粮食生产在不受到自然灾害等因素影响的前提下，将会缓慢增长。
通过分析，显示农业科技技术和重大的自然灾害对我国粮食产量的影响较为严重，为了保证粮食产量的增长要发展好农业技术和做好重大自然灾害的预防措施。
关键词：时间序列；粮食产量问题； ARIMA模型。
Study on the method of time series based on grain outputAbstract：Food is the most basic consumer goods for human survival,the problem of the grain output of a country relates to the national economy and the national economy and the country's national economy and the nation's livelihood.To make food forecast,this paper presents several modeling methods for time series.Through the analysis of the characteristics of the total grain production data in 2000-2014, the model of auto regressive moving average ARIMA(p,d,q)is established.Finally, the forecast of grain output of our country is calculated by Eviews6.0 software.The results show that the grain output is not affected by natural disasters in the next several years, and it will slow growth.The analysis shows that the agricultural technology and the major natural disasters have a serious impact on the grain output in China.In order to ensure food production problems to develop agricultural technology and to do a major disaster prevention.Keyword:Time series ; Grain output ; ARIMA model.目录摘要I目录III1．引言11.1课题背景11.2本课题研究的意义12．关于我国的粮食产量问题22.1国粮食产量的现状22.2研究粮食产量的方法23．几种时间序列预测方法简介23.1自回归（AR）模型33.2移动平均（MA）模型43.3自回归移动平均（ARMA）模型53.4差分自回归滑动平均(ARIMA)模型54.数据的分析与模型建立74.1数据分析74.2数据平稳化84.3模型的定阶94.4模型有效性检验124.5模型预测135．结论13参考文献15致161．引言1.1课题背景我国的民生问题与粮食产量密切相关，国家经济的可持续性发展以与政治局面的稳定等方面都受到粮食产量的影响。
多元线性回归分析_粮食产量预测_本科毕业论文31632
摘要本文第一章给出了黑龙江省粮食生产状况，粮食产量预测的背景和意义。
第二章给出了多元线性回归的理论主体：包括多元线性回归模型的标准形式，多元线性回归模型的参数估计，模型的检验和预测原理。
第三章应用多元线性回归模型对黑龙江省粮食产量进行预测，分析并确定影响粮食产量的主要因素，建立多元线性回归方程，收集并整理相关数据，应用Eviews6.0软件对多元线性线性回归方程进行参数估计，分别对模型进行拟合程度检验、t检验、f检验，并对自变量进行多重共线性检验，使用逐步回归方法剔除部分自变量，降低自变量间的多重共线性，确定最优回归方程，并应用模型进行粮食产量的预测。
第四章对预测结果及各主要影响因素进行分析解读，最后对黑龙江粮食生产安全提出建议。
关键词：多元回归；多重共线性；逐步回归；粮食产量；预测AbstractThe first chapter of this paper gives the situation of grain production in Heilongjiang Province,and the background and significance of the foodstuff yield prediction.The second chapter gives the multiple linear regression theory, including the standard form of multiple linear regression model,estimation of multiple linear regression model,the method of model test and prediction theory.The third chapter use the multivariate linear regression model to predict the grain yield in Heilongjiang Province. Research and analysis of the main factor that affects grain production,and the establishment of multiple linear regression equation,subsequently collected related data,the application of Eviews software on multiple linear regression equations to estimate the parameters,using the degree of fitting test, t test, F test to detect model,the independent variables were multiple colinearity test,the use of stepwise regression method to eliminate some variables,reduce one of Multicollinearity,determination of the optimal regression equation,then apply the model to the forecast of grain yield.The fourth chapter puts forward suggestions on grain production in Heilongjiang Province.Keywords:multiple regression, multicollinearity, stepwise regression, grain yield, forecast目录序言 (2)第一章课题背景 (3)§1.1 黑龙江省粮食生产状况 (3)§1.2 多元回归分析与预测的引入 (3)第二章多元线性回归的理论主体 (4)§2.1标准多元线性回归模型 (4)§2.2模型的估计 (4)§2.3模型的检验方法和预测原理 (5)第三章应用多元线性回归模型预测黑龙江省粮食产量 (9)§3.1 分析确定影响粮食产量的主要因素 (9)§3.2 回归方程的建立 (10)§3.3 回归模型的估计 (10)§3.4 回归模型的检验 (13)§3.5 自变量的多重共线性及最优方程的确定 (14)§3.6 模型的实际预测 (18)第四章对黑龙江省粮食生产的建议 (20)结束语 (21)谢词 (22)参考文献 (23)序言粮食生产和安全问题是现阶段全球最为关注的问题之一。
我国影响粮食产量的可量化因素实证分析
学校代码专业代码计量经济学实验报告报告题目：我国影响粮食产量的可量化因素实证分析姓名：学号：班级：专业：学院：指导教师：完成时间：我国影响粮食产量的可量化因素实证分析摘要：粮食是人类生存之本，经济发展之基。
本文采用回归分析的方法对1985年-2014年影响我国粮食产量变化的主要可量化因素进行分析，建立了以粮食产量为因变量，以粮食作物播种面积、农用化肥施用量、有效灌溉面积、农业机械总动力、受灾面积、农产品生产价格指数六项因素为自变量的多元线性回归模型，并检验模型的正确性做出相关修正。
在此基础上对提高粮食产量，促进农业发展提出可供参考的建议。
关键词：粮食产量 可量化因素 回归分析一、引言粮食安全、能源安全和金融安全并称为世界经济三大安全。
而作为拥有十四亿人口的人口大国，粮食问题也一直是政府和社会各界所关心的战略问题。
粮食作为人类生存最基本的消费品，而一个国家的粮食问题关系到本国国民经济的运行。
在研究粮食问题时，本国的粮食生产安全是至关重要的。
建国以来，我国粮食产量多次波动，一方面制约了宏观经济的发展，另一方面给粮食生产者和消费者的生活带来极大的不利影响。
通过查看近30年的数据可以发现，我国粮食产量在总趋势上呈上升趋势。
而本文则希望通过分析六项可量化因素，研究各项因素对粮食产量增加的影响程度，并对进一步提高我国粮食产量做出建议。
二、理论模型构建为了研究我国粮食年总产量，选择“粮食产量”作为被解释变量。
根据对影响我国粮食产量的主要因素粮食作物播种面积、农用化肥施用量、有效灌溉面积、农业机械总动力、受灾面积、农产品生产价格指数6项可量化因素作为解释变量。
由此，建立计量经济模型如下：i i X X X X X X C Y μββββββ+++++++=655443322110三、描述性分析（一）总量分析为了得出影响我国粮食产量的因素，我从粮食作物播种面积、农用化肥施用量、有效灌溉面积、农业机械总动力、受灾面积、农产品生产价格指数等方面进行考虑。
基于EViews的我国农产品产量与相关投入的模型分析与预测检验
我 国是传 统 的农 业 大 国 。农 业 生产 关 系到 民生 和其 他相关 产业 的发 展 。自改革 开放 以来 ， 国农 产 我 品产 量不 断提 高 ， 民温 饱 已基本解 决 ， 人 但粮食 生 产 不能 放松 ， 必须长 期 作为 国家 的头等 大事 。 了对我 为 国 粮食 发 展进行 规 划 ，需要 定 量地 分析 影 响 中国粮 食产 量的主 要因素 。 １ 数据来 源 以 １ ８ ０ ５年 国研 网收 集 的农 产 品 的相关 数 ９ ４ ２ｏ
劳动力和 国家财政用于农业的支出， 数据见表１ 。
裹 １ 农 产 品 产 ■ 与 相 关 投 入量
模型初步设定为：
Ｙ ｒ （唯 祁 祁 Ｃ
其 中 ，，农 产 品产 量 （ 吨 ） ： 业 化 肥施 用 ｌ： 万 ， 农 。 量 （ 吨 ） ： 万 ， 农产 品总 播种 面积 （ 千公 顷 ） ： 灾 ， 成
３ ９
２１ Ｏ Ｏ年 ５月
情 报 探索
第 ５ （ １１ ） 期 总 ５期
面积（ 千公 顷 ）ｘ ： ，４农业 机 械 总动 力 （ 万千 瓦 ）墨 ： ， 农 业 劳 动 力 （ 人 ）Ｘ ： 万 ，６国家 财 政 用于 农 业 的支 出 （ 亿 元 ）显著 性水 平 ｏ ００ 。 ， ｒ ． ＝ ５ ３ 参数 估计 假定 模 型 中 随机 项满 足 基本 假定 ， Ｏ Ｓ法估 用 Ｌ 计参 数 ， 计结 果如 图 １ 示 ： 估 所
ｌ＝ ．３ 宰Ｘｌ Ｏ３ ６ ０ 木Ｘ２０２ ０ ２ ’ ， ５３ ３ ４ ＝ ＋ ．１ － ．７ Ｉ ｃ
Ｘ３ ０ ９ ２ ２｝ 广 ３ ９ ． １ ＋ ．６ １８ ０４ ０ ２
对数似然值
德 宾 瓦 森 统 计
计量经济学论文(eviews分析)-中国食品价格指数的影响因素分析
中国食品价格指数的影响因素分析摘要：本文试从影响食品价格指数的外因粮食价格指数、肉禽及其制品价格指数、水产品价格指数、蔬菜价格指数等进行分析和探讨，并在比较相关线性回归方程后，建立合理的食品价格指数预测模型。
本文用到的模型检测方法主要有相关系数法、怀特检验。
模型修正方法有科克伦—奥克特迭代方法、逐步回归法。
关键词：食品价格指数多因素分析预测模型模型检测与修正一、文献综述众所周知，食品在我国CPI中的权重约为1/3，是我国CPI 8项分类指数中权重最大的，食品价格由于受需求和供应变化影响经常出现波动，导致我国CPI指数的上升或下跌。
分析我国食品价格指数的影响因素，对于调控市场价格总水平具有重要意义。
曾经，有一种说法，叫做“CPI的走势是由猪决定”。
这句话乍一看很荒谬，但是仔细分析，其实是有道理的，猪肉的价格会首先影响粮食价格指数，粮食价格指数通过影响食品价格指数，进而影响CPI。
从公布的数据来看，食品类价格依然领涨CPI。
7月份中国食品类价格同比上涨14.8%，影响价格总水平上涨约4.38个百分点。
其中，猪肉价格同比上涨56.7%，影响价格总水平上涨约1.46个百分点。
中国社会科学院宏观经济研究所袁钢明教授表示，虽然CPI的涨幅比上个月提高0.1个百分点，但上涨幅度明显减缓，这主要是因为食品价格、尤其是猪肉价格的下降。
2009年11月份CPI由负转正，结束了九个月的负增长过程。
自此以来，CPI持续高速增长，最高时在去年7月份达到了%6.5.从数据上看，中国经济似乎已经呈现“高通胀，高增长”的过热趋势，有关经济是“过热”还是“通胀”的议论已经不绝于耳。
中国经济增长显然“过热”。
经济过热发生时，其生产能力无法跟上日益增长的总需求。
这是普遍的特点是一个不可持续的高比率的经济增长速度。
经济处于景气时期往往是经济过热的特色。
经济过热给社会各方面造成的影响是不可忽视的。
从过去的CPI数据中可以看出，食品价格的上涨是CPI的主要推手。
基于计量经济学分析我国粮食产量的影响因素
基于计量经济学分析我国粮食产量的影响因素一、概述粮食产量作为国家经济安全和社会稳定的重要基础，历来受到广泛关注。
中国作为世界上人口最多的国家，粮食产量的稳定与增长对于保障国家粮食安全、促进经济社会持续健康发展具有重大意义。
随着全球气候变化、土地资源紧张、农业生产技术革新等多重因素的影响，我国粮食产量面临着诸多不确定性。
深入分析影响我国粮食产量的因素，对于制定科学合理的农业政策、提高粮食生产效率和保障国家粮食安全具有重要的理论价值和现实意义。
本文旨在运用计量经济学的方法，系统分析我国粮食产量的影响因素。
通过对国内外相关文献的梳理和评价，明确粮食产量影响因素的研究现状和不足。
结合我国粮食生产的实际情况，选取适当的计量经济学模型，如多元线性回归模型、面板数据模型等，对影响粮食产量的因素进行定量分析和检验。
在此基础上，深入探讨各因素对粮食产量的具体影响程度和方向，揭示各因素之间的内在联系和作用机制。
根据分析结果，提出针对性的政策建议，为我国粮食生产的可持续发展和国家粮食安全的保障提供科学依据。
通过本文的研究，期望能够为我国粮食生产领域的决策提供有益参考，同时也为计量经济学在农业经济领域的应用拓展新的思路和方法。
简述粮食产量对国家经济和社会发展的重要性粮食产量对一个国家经济和社会发展的重要性不言而喻。
粮食是人类生存的基础，是满足人民基本生活需求的必需品。
粮食产量的稳定增长是保障国家粮食安全、维护社会稳定的重要前提。
只有粮食供应充足，人民才能安居乐业，社会才能和谐稳定。
粮食产业是国民经济的重要组成部分。
粮食的种植、加工、储运、销售等环节涉及众多行业和领域，对经济增长和就业有着直接的拉动作用。
粮食产量的增加不仅意味着农业生产水平的提升，也为工业和服务业的发展提供了有力支撑。
粮食产量还是国家宏观调控的重要工具。
政府通过调整粮食生产政策、价格等手段，可以影响市场供求关系，进而调控经济运行。
在面临经济危机或通货膨胀等复杂经济环境时，粮食产量的稳定对于稳定物价、保障民生、维护国家经济安全具有重要意义。
我国粮食产量影响因素的计量分析
我国粮食产量影响因素的计量分析一、引言农业是国民经济的基础, 粮食是基础的基础。
粮食是人类赖以生存的必需物品，是国民经济发展和社会稳定的重要物质基础。
尤其是对人均耕地已不足1. 4 亩且人口绝对规模持续扩大的我国而言,粮食产量的稳定增长显得格外重要。
因此在研究加快粮食生产发展的进程中，只有了解影响粮食产量的主要因素，才有利于揭示粮食增产的规律，对指导粮食增产有重要的意义，政府也才能正确地做出举措来促进粮食产量健康合理可持续的增长。
影响粮食产量的因素众多，如水资源贫富、有效灌溉面积、城市化、自然气候、农资投入、作物种植结构、国家政策、生产资料与粮食价格指数比、农药化肥施用量、粮食播种面积、成灾面积、农业机械总动力、农业劳动力等。
二、变量的选取及模型的设定在此，选取影响和制约粮食产量的农药化肥施用量、粮食播种面积、成灾面积、农业机械总动力、农业劳动力这五个主要因素，并拟合出关于我国粮食生产的线性回归模型。
确定的模型的被解释变量为：粮食产量；解释变量为：农药化肥施用量X1、粮食播种面积X2、成灾面积X3、农业机械总动力X4、农业劳动力X5。
由初步的分析知，粮食产量与成灾面积是负相关的，而与其它变量则是正相关的。
根据所确定模型变量收集到了1983年至2007年主要粮食生产数据(表1)。
通过EVIEWS软件对数据进行处理、分析并得出相关结论。
基于以上变量，建立模型为：Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+μ，其中，β0度量常数项，表示在没有其他五个因素时粮食产量为负值，即粮食有消耗；β1度量当农药化肥使用量变动一个单位时，粮食产量的变动；β2度量当粮食播种面积变动一个单位，粮食产量的变动；β3度量当成灾面积变动一个单位，粮食产量的变动；β4度量农业机械总动力对粮食产量的影响；β5度量农业劳动力对粮食产量的影响；μ为随机扰动项。
表1 1983-2007年我国粮食产量及影响因素数据年份粮食产量农业化肥施用量粮食播种面积成灾面积农业机械总动力农业劳动力(万吨) （万公斤）（千公顷）（公顷）（万千瓦）（万人）1983 38728 1660 114047 16209 18022 311511984 40731 1740 112884 15264 19497 30868 1985 37911 1776 108845 22705 20913 31130 1986 39151 1931 110933 23656 22950 31254 1987 40208 1999 111268 20393 24836 31663 1988 39408 2142 110123 23945 26575 32249 1989 40755 2357 112205 24449 28067 33225 1990 44624 2590 113466 17819 28708 38914 1991 43529 2806 112314 27814 29389 39098 1992 44264 2930 110560 25895 30308 38699 1993 45649 3152 110509 23133 31817 37680 1994 44510 3318 109544 31383 33802 36628 1995 46662 3594 110060 22267 36118 35530 1996 50454 3828 112548 21233 38547 34820 1997 49417 3981 112912 30309 42016 34840 1998 51230 4084 113787 25181 45208 35177 1999 50839 4124 113161 26731 48996 35768 2000 46218 4146 108463 34374 52574 36043 2001 45264 4254 106080 31793 55172 36513 2002 45706 4339 103891 27319 57930 36870 2003 43070 4412 99410 32516 60387 36546 2004 46947 4637 101606 16297 64028 35269 2005 48402 4766 104278 19966 68398 33970 2006 49804 4928 104958 24632 72522 32561 2007 50160 5108 105638 25064 76590 31444 注：这里由于没有从事粮食生产的农业劳动数据，用第一产业劳动力替代。
我国粮食生产与相关投入计量经济学模型分析
Y =β 0 +β 1X 1 +β 2 X 2 +β 3 X 3 +β 4 X 4 +β 5 X 5R =0.9224我国粮食生产与相关投入计量经济学模型分析一． 理论分析 二． 建立模型以 1980——2003 年各年粮食产量作为被解释变量，解释变量中，包括农业化肥施用量，粮食播种面积，成灾面积，农业机械总动力，农业劳动力。
模型设定为^其中 Y ：粮食产量（万吨）X1：农业化肥试用量（万吨） X2：粮食播种面积（千公顷） X3：成灾面积（千公顷）X4：农业机械总动力（万千瓦） X5：农业劳动力（万人）显著性水平α ＝0.05 三． 估计参数假定模型中随机项满足基本假定，用 OLS 法估计参数，估计结果如下：Dependent Variable: Y Method: Least Squares Date: 12/15/06Time: 00:16Sample: 1980 2003 Included observations: 24Variable Coefficient Std. Error t-Statistic Prob. C -5410.500 21545.50 -0.251120 0.8046 X1 8.164618 1.611512 5.066433 0.0001 X2 0.163901 0.151925 1.078830 0.2949 X3 -0.230792 0.103152 -2.237399 0.0381 X4 -0.251621 0.131538 -1.912919 0.0718 X50.638869 0.4294961.4874850.1542 R-squared 0.922443 Mean dependent var 42847.33 Adjusted R-squared 0.900899 S.D. dependent var 5325.186 S.E. of regression 1676.383 Akaike info criterion 17.89898 Sum squared resid 50584693 Schwarz criterion 18.19350 Log likelihood -208.7878 F-statistic 42.81740 Durbin-Watson stat0.415364Prob(F-statistic)0.000000^估计方程为 Y = -5140.5 + 8.16 X 1 + 0.16 X 2 - 0.23X 3 - 0.25X 4 + 0.64 X 5 t: (-0.25) (5.07) (1.08) (-2.24) (-1.91) (1.49)2 F=42.8174 由于 X 2 ， X 4 ， X 5 未通过 t 检验，而且 X 4 前的符号经济意义也不合理，因此解释变量键可能存在多重共线性。
- 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)。
可见，应选第1个式子为初始的回归模型。 可见，应选第 个式子为初始的回归模型。 为初始的回归模型
4、逐步回归
将其他解释变量分别导入上述初始回归模型，寻 找最佳回归方程。
Y=f(X1) t值 Y=f(X1,X2) t值 Y=f(X1,X2,X3) t值 Y=f(X1,X2,X3,X4) t值 Y=f(X1,X3,X4,X5) t值 C 30868 25.58 -43871 -3.02 -11978 0.85 -13056 -0.97 -12690 -0.87 X1 4.23 11.49 4.65 18.47 5.26 19.6 6.17 9.61 5.22 17.85 X2 X3 X4 X5
X3
（公顷） 16209.3 15264.0 22705.3 23656.0 20392.7 23944.7 24448.7 17819.3 27814.0 25894.7 23133.0 31383.0 22267.0 21233.0 30309.0 25181.0 26731.0 34374.0
动力 X 4 （万千瓦） 18022 19497 20913 22950 24836 26575 28067 28708 29389 30308 31817 33802 36118 38547 42016 45208 48996 52574
农业劳动 力X5 （万人） 31645.1 31685.0 30351.5 30467.0 30870.0 31455.7 32440.5 33330.4 34186.3 34037.0 33258.2 32690.3 32334.5 32260.4 32434.9 32626.4 32911.8 32797.5
案例——中国粮食生产函数 中国粮食生产函数 案例
根据理论和经验分析，影响粮食生产（Y）的 主要因素有： 农业化肥施用量（X1）；粮食播种面积(X2) 成灾面积(X3); 农业机械总动力(X4); 农业劳动力(X5) 已知中国粮食生产的相关数据，建立中国粮食 生产函数： Y=β0+β1 X1 +β2 X2 +β3 X3 +β4 X4 +β4 X5 +
Y
1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 (万吨) 38728 40731 37911 39151 40208 39408 40755 44624 43529 44264 45649 44510 46662 50454 49417 51230 50839 46218
Y = 33821.18 + 0.699 X 2
Y = 31919.0 + 0.380 X 4
(17.45) (6.68) R2=0.7527 F=48.7 DW=1.11
Y = 28259.19 + 2.240 X 5 (-1.04) (2.66) R2=0.3064 F=7.07 DW=0.3 中国粮食生产与相关投入资料 受灾面积 农业化肥施 粮食播种面 农业机械总 用量 X 1 （万公斤） 1659.8 1739.8 1775.8 1930.6 1999.3 2141.5 2357.1 2590.3 2806.1 2930.2 3151.9 3317.9 3593.7 3827.9 3980.7 4083.7 4124.3 4146.4 积 X2 （千公顷） 114047 112884 108845 110933 111268 110123 112205 113466 112314 110560 110509 109544 110060 112548 112912 113787 113161 108463
R2
0.8852 0.9558
DW 1.56 2.01 1.53 1.80 1.55
0.67 5.16 0.41 3.35 0.42 3.57 0.40 3.02
-0.19 -3.57 -0.17 -3.09 -0.20 -3.47
0.9752 -0.09 -1.55 0.07 0.37 0.9775 0.9798
法估计上述模型： 1、用OLS法估计上述模型： 法估计上述模型
Y = 12816.44 + 6.213 X 1 + 0.421X 2 0.166 X 3 0.098 X 4 0.028 X 5
(-0.91)
(8.39)
(3.32)
(-2.81)
(-1.45)
(-0.14)
R2接近于1； 1 给定α=5%，得F临界值 F0.05(5,12)=3.11 F=638.4 > 15.19， 故认上述粮食生产的总体线性关系显著成立。 但X4 、X5 的参数未通过t检验，且符号不正确， 解释变量间可能存在多重共线性。 故解释变量间可能存在多重共线性 解释变量间可能存在多重共线性
2、检验简单相关系数
列出X1，X2，X3，X4，X5的相关系数矩阵：
X1 X2 X3 X4 X5 X1 1.00 0.01 0.64 0.96 0.55 X2 0.01 1.00 -0.45 -0.04 0.18 X3 0.64 -0.45 1.00 0.69 0.36 X4 0.96 -0.04 0.69 1.00 0.45 X5 0.55 0.18 0.36 0.45 1.00
5、结论
回归方程以Y=f( 为最优： 回归方程以Y=f(X1，X2，X3)为最优： Y=f(
Y = 11978 + 5.26 X 1 + 0.41X 2 0.19 X 3
发现： X1与X4间存在高度相关性。 发现：
3、找出最简单的回归形式
分别作Y与X1，X2，X4，X5间的回归：
Y = 30867.64 + 4.576 X 1
(25.58) (11.49) R2=0.8919 F=132.1 DW=1.56 (-0.49) (1.14) R2=0.075 F=1.30 DW=0.12