计量经济学实验3非线性模型学生用
计量经济学实验课报告
经济与管理学院实验报告教师评语：成绩：实验题目计量经济学一、实验目标1 熟悉Eviews软件的基本操作；2 掌握利用Eviews的窗口操作功能作散点图、相关系数矩阵、估计简单线性回归方程和多元回归方程等基本技能；3 学会使用Eviews软件作经济预测；4 通过自寻题目，锻炼分析问题和解决问题的能力；5 学会撰写实验报告。
二、实验环境1、已经正确安装Eviews软件。
2、中国统计年鉴网上查找相关资料三、实验过程实验一一元回归方程10月 9日题目：中国1978-2000年的财政收入Y和国内生产总值（GDP）的统计资料如下：要求，以手工和运用EViews软件（或其他软件）：（1）作出散点图，建立财政收入随国内生产总值变化的一元线性回归模型，并解释斜率的经济意义；（2）对所建立的回归模型进行检验；（3）若2001年中国国内生产总值为105709亿元，求财政收入的预测值步骤：1．点开 File → new → workfile，在“Workfile structure type”中选择dated-regular frequency ，起止年份为1978——2000，文件中的现成数据，复制、粘帖到数组表中。
2．散点图如下：y=556.6477+0.119807x，含义是GDP每增加1个单位，税收增加0.119807亿元。
4．点开 View →Actual, Fitted, Residual→Actual, Fitted, Residual Table5．实际值、拟合值（估计值）、残差，以及标准化残差图6．扩展样本范围7. 当X=105709时，得出Y的估计值8．预测值及置信区间的折线图练习：人口出生率、死亡率如下：单位：‰年份出生率y 死亡率x1996 16.98 6.561997 16.57 6.511998 15.64 6.501999 14.64 6.462000 14.03 6.452001 13.38 6.432002 12.86 6.41 2003 12.41 6.40 2004 12.29 6.42 2005 12.40 6.51 2006 12.09 6.81 2007 12.10 6.93 2008 12.14 7.06 2009 11.95 7.08 2010 11.90 7.11 2011 11.93 7.14 2012 12.10 7.15由图可知：线性回归方程为：y=32.89274 - 2.929576x实验二多元回归模型10月30日练习一：中央和地方税收的‘国家财政收入’中的“各项税收”（简称“税收收入”）作为被解释变量，解释变量设定为可观测“国内生产总值（GDP）”、“财政支出”、“商品零售物价指数。
计量经济学-非线性
可编辑ppt
12
二、间接代换法
当经济变量之间的非线性关系，不能通过直接变量代 换转化为线性形式，需要先通过方程两边取对数后再进行 变量代换，转化为线性形式，这种方法称为间接代换法。
柯布——道格拉斯方程
YAaL Kb
对方程两边取对数，得：
ln Y = ln A + a ln L + b ln K
1.85 0.30706 -1.86422 -1.84436 83.91812 0.000095
可编辑ppt
24
Y C0 C1LOG(t) （18.95）（9.16） R2 0.933 R2 0.922F83.92
D•W2.548
可编辑ppt
25
案例3 柯布—道格拉斯生产函数
可编辑ppt
26
柯布—道格拉斯生产函数特征
可编辑ppt
29
•Y=A0eδtKαLβ
d/yyad/kkbd/ll
dt
dt dt
dy / y dt ——产出年均增长率
dk / k ——资本投入年均增长率 dt
dl / l ——劳动投入年均增长率
dt
——技术进步率
可编辑ppt
30
d/yyad/kkbd/ll
dt
dt dt
Y~ aK~ bL~
32
41794.30
• GDP的年均增长速度
VY 14GD19P7/2GD19P581
14315.831566.70712.009% 16
• 资本的年均增长速度
VK 14K197/2K19581
14417.391478.70312.682%5
计量经济学实验操作指导完整版李子奈
计量经济学试验(完整版)——李子奈目录实验一一元线性回归.......................................................................................................................................一实验目的......................................................二实验要求......................................................三实验原理......................................................四预备知识......................................................五实验内容......................................................六实验步骤......................................................1.建立工作文件并录入数据.....................................2.数据的描述性统计和图形统计：...............................3.设定模型，用最小二乘法估计参数：...........................4.模型检验：.................................................5.应用：回归预测：........................................... 实验二可化为线性的非线性回归模型估计、受约束回归检验及参数稳定性检验......................一实验目的：....................................................二实验要求......................................................三实验原理......................................................四预备知识......................................................五实验内容......................................................六实验步骤...................................................... 实验三多元线性回归 .........................................................................................................................................一实验目的......................................................三实验原理......................................................四预备知识......................................................五实验内容......................................................六实验步骤......................................................6.1 建立工作文件并录入全部数据...............................6.2 建立二元线性回归模型.....................................6.3 结果的分析与检验.........................................6.4 参数的置信区间...........................................6.5 回归预测.................................................6.6 置信区间的预测........................................... 实验四异方差性 ..................................................................................................................................................一实验目的......................................................二实验要求......................................................三实验原理......................................................四预备知识......................................................五实验内容......................................................六实验步骤......................................................6.1 建立对象：...............................................6.2 用普通最小二乘法建立线性模型.............................6.3 检验模型的异方差性.......................................6.4 异方差性的修正........................................... 实验五自相关性 ..................................................................................................................................................二实验要求......................................................三实验原理......................................................四预备知识......................................................五实验内容......................................................六实验步骤......................................................6.1 建立Workfile和对象......................................6.2 参数估计、检验模型的自相关性.............................6.3 使用广义最小二乘法估计模型...............................6.4 采用差分形式作为新数据，估计模型并检验相关性............. 实验六多元线性回归和多重共线性..............................................................................................................一实验目的......................................................二实验要求......................................................三实验原理......................................................四预备知识......................................................五实验内容......................................................六实验步骤......................................................6.1 建立工作文件并录入数据...................................6.2 用OLS估计模型...........................................6.3 多重共线性模型的识别.....................................6.4 多重共线性模型的修正..................................... 实验七分布滞后模型与自回归模型及格兰杰因果关系检验................................................................一实验目的......................................................二实验要求......................................................三实验原理......................................................四预备知识......................................................五实验内容......................................................六实验步骤......................................................6.1 建立工作文件并录入数据...................................6.2 使用4期滞后2次多项式估计模型...........................6.3 格兰杰因果关系检验....................................... 实验八联立方程计量经济学模型 ..................................................................................................................一实验目的......................................................二实验要求......................................................三实验原理......................................................四预备知识......................................................五实验内容......................................................六实验步骤......................................................6.1 分析联立方程模型。
计量经济学实验三
多元回归模型与非线性回归模型【实验目的】掌握多元回归模型参数估计，特别是非线性回归模型的转化、参数估计及检验方法。
【实验内容】一、多元回归模型参数估计；二、生成序列以及可线性化模型的参数估计；三、不可线性化模型的迭代估计法的Eviews 软件的实现方式。
【实验数据】建立我国国有独立核算工业企业生产函数。
根据生产函数理论，生产函数的基本形式为：()ε,,,K L t f Y =。
其中，L 、K 分别为生产过程中投入的劳动与资金，时间变量t 反映技术进步的影响。
表3-1列出了我国1978-1994年期间国有独立核算工业企业的有关统计资料；其中产出Y 为工业总产值（可比价），L 、K 分别为年末职工人数和固定资产净值（可比价）。
资料来源：根据《中国统计年鉴－1995》和《中国工业经济年鉴-1995》计算整理【实验步骤】Y=AK一、建立多元线性回归模型㈠建立包括时间变量的三元线性回归模型； μββββ++++=L K T Y 3210在命令窗口依次键入以下命令即可： ⒈建立工作文件： CREATE A 78 94 ⒉输入统计资料： DATA Y L K ⒊生成时间变量t ： GENR T=@TREND(77) ⒋建立回归模型： LS Y C T L K 则生产函数的估计结果及有关信息如图3-1所示。
图3-1 我国国有独立核算工业企业生产函数的估计结果 因此，我国国有独立工业企业的生产函数为：K L t y 7764.06667.06789.7732.675ˆ+++-= （模型1） t ＝9958.02=R 9948.02=R 551.1018=F模型的计算结果表明，我国国有独立核算工业企业的劳动力边际产出为，资金的边际产出为，技术进步的影响使工业总产值平均每年递增亿元。
回归系数的符号和数值是较为合理的。
9958.02=R ，说明模型有很高的拟合优度，F 检验也是高度显著的，说明职工人数L 、资金K 和时间变量t 对工业总产值的总影响是显著的。
计量经济学实验报告完成
实验一：Eviews入门一、实验目的：熟悉Eviews基本操作二、实验内容1.对数据序列做散点图，时间序列图2.对组对象的建立和作图3.利用已有序列生成新序列4.对数据序列做描述统计分析三、实验过程记录1.数据散点图2.对组对象的建立和作图obs Y X1981 585.0000 636.82001982 576.0000 659.25001983 615.0000 685.92001984 726.0000 834.15001985 992.0000 1075.2601986 1170.000 1293.2401987 1282.000 1437.090 1988 1648.000 1723.440 1989 1812.000 1975.640 1990 1936.000 2181.650 1991 2167.000 2485.460 1992 2509.000 3008.970 1993 3530.000 4277.380 1994 4669.000 5868.480 1995 5868.000 7171.910 1996 6763.000 8158.740 1997 6820.000 8438.890 1998 6866.000 8773.1003.利用已有序列生成新序列Modified: 1981 1998 // y2=y^21981 342225 1990 37480961982 331776 1991 46958891983 378225 1992 62950811984 527076 1993 124609001985 984064 1994 217995611986 136**** **** 344334241987 1643524 1996 457381691988 2715904 1997 465124001989 3283344 1998 47141956 4. 对数据序列做描述分析XMean 3371.411Median 2078.645Maximum 8773.100Minimum 636.8200Std. Dev. 2951.449Skewness 0.834886Kurtosis 2.102850Jarque-Bera 2.694765Probability 0.259920Sum 60685.39Sum Sq. Dev. 1.48E+08Observations 18四、实验体会 Ⅰ、感悟1. 实验过程开始比较难但是随着实验一步一步的进行和练度的上升感觉越来越简单，速度也越来越快 2. 经过实验一的基本操作使得后续实验更加容易 3. 最开始一定要掌握基础操作否则实验无法继续Ⅱ、建议1． 基础操作讲解应该更详细，而且正式，不要太快，否则很多同学都学不会后续实验无法继续进行 2． 实验指导可不可以加入视频教程实验二：线性回归模型的参数估计、假设检验及点预测一、 实验目的：全过程体验Economictrics 中线性回归模型的估计方法 二、 实验内容（a ）1. 研究的问题：居民可支配收入X 与年均消费性支出Y 之间的关系2. 数学模型设定i X Y μββ++=103. 散点观察Y Mean 2807.444 Median 1874.000 Maximum 6866.000 Minimum576.0000 Std. Dev. 2333.000 Skewness 0.809287 Kurtosis2.088648Jarque-Bera 2.587760 Probability0.274205Sum50534.00 Sum Sq. Dev.92529116Observations18分析：存在比较明显的线性关系 4. 参数估计及分析Variable Coefficient Std. Error t-Statistic Prob.C 135.3063 24.74086 5.468940 0.0000 X0.6917540.02467128.03936 0.0000R-squared0.978835 F-statistic 786.2057 Adjusted R-squared 0.977590 Prob(F-statistic)0.000000分析：由表可知，0β=135.3063 1β=0.691754。
计量经济学(3)
则称
t 服从EGARCH过程。
模型中条件方差采用了自然对数形式，意味着 ht 非负且杠 杆效应是指数型的。若 0 ，说明信息作用非对称。 当 0 时，杠杆效应显著。
17
2. （G）ARCH-M模型
如果随机过程{ y t}有表现形式
t = 1，2，.......，T。
yt = x t' + g ( ht ) + t 其中， t = ht v t { v t }独立同分布，且 v t ~N（0，1），
6
（2） 模型形式
ARCH模型也可以表述为
t =
ht v t
ht
= a 0 + a1 t21 + ...... + a q t2q
其中，{ v t} 独立同分布，且 v t ~ N（0，1）， t = 1，2，.......，T。
7
3. ARCH效应检验 拉格朗日乘子检验（LM检验） 辅助回归模型
22
5. PARCH模型
t
=
ht v t
q
ht 0 j ( t j j t j ) i ht i
p
其中,
j 1
> 0，
1.
i 1
是标准差 ht
的幂参数,
用来评价冲击对条件方差的影响幅度; 0 ,存在非 对称效应. 模型中, = 2 , = 0 ,则PARCH模型为GARCH模型.
上述过程称为广义的ARCH过程，简称为GARCH过程， 记作 t ~ GARCH（p ，q）。 与ARMA模型类似，当ARCH（ q ）中， q 很大时， 可以进行结构变化。 12
计量经济学实验三 多元线性回归模型的估计和检验
目录一、选择方程 (1)1.作散点图 (1)2.进行因果关系检验 (2)二、多元线性回归 (3)三、居民消费方程 (5)四、固定投资方程 (8)五、货物和服务净流出方程 (10)六、存货增加方程的估计 (12)实验三多元线性回归模型的估计和检验实验目的：掌握多元线性回归模型的估计和检验方法。
实验要求：选择方程进行多元线性回归。
实验原理：普通最小二乘法。
实验步骤：一、选择方程根据广东数据选择不变价GDP（GDPB）、不变价资本存量（ZC）和从业人员（RY）的数据，把GDPB作为应变量，ZC和RY作为两个解释变量进行二元线性回归分析。
1.作散点图从散点图（图3-1，图3-2）看，变量间不一定呈现线性关系，可以先试着作线性回归。
图3-1图3-22.进行因果关系检验从因果关系检验看，ZC明显影响GDPB、RY不太明显，这是可以理解的，计划经济时期存在着隐性失业，使得劳动力的变化对产出的影响不太明显。
二、多元线性回归得到估计方程GDPB=0.377169694502*ZC+0.353688537498*RY-800.599732335 估计方程的判定系数R2接近1；参数显著性i检验值均大于2；方程显著性F检验显著。
调整的判定系数为0.999085，比下面的一元回归有明显改善。
根据广东数据得到的五个估计方程的前四个，即劳动报酬LB、固定资产折旧ZJ、生产税净额SE和营业盈余YY分别对国内生产总值GDPS 回归的方程，其回归系数其实就是它们四者占GDPS比例的平均数，这个比例数是随着时间的变化而变化的，所以应该进行下面的二元回归：得到估计方程LB=0.36143886124*GDPS+36.781366735*TZJ=0.163625595483*GDPS-2.83149724876*TSE=0.141354057469*GDPS+1.6517682756*T 估计方程的判定系数R2、参数显著性t检验、方程显著性F检验和调整的判定系数有些比一元回归有改进，表明这些确实应该进行二元回归。
计量经济学实验报告(二)
计量经济学实验报告(二)2015－2016第1学期计量经济学实验报告实验（二）：多元回归模型实验学号：0122432 姓名：李旻专业：会计（ACCA）选课班级：A06 实验日期：11/09 实验地点：0505实验名称：多元回归模型实验【实验目标、要求】使学生掌握用Eviews做1. 多元线性回归模型参数的OLS估计、统计检验、点预测和区间预测；2. 非线性回归模型参数估计；3. 受约束回归检验。
【实验内容】用Eviews完成：1. 多元线性回归模型参数的OLS估计、统计检验、点预测和区间预测；(以第8题的数据为例)2. 非线性回归模型的估计，并给出相应的结果；(以第8题的数据为例)3. 受约束回归检验。
(以第7题的数据为例)实验内容以课后练习：以第三章复习思考题第7题、第8题的数据为例进行操作。
【实验步骤】一）根据中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业总产值Y，资产合计K及职工人数L进行回归分析。
（二）掌握可化为线性多元非线性回归模型的估计和多元线性回归模型的线性约束条件的检验方法（三）根据实验结果判断中国该年制造业总体的规模报酬状态如何？三、实验步骤（一）收集数据下表列示出来中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业总产值Y，资产合计K及职工人数L。
序号工业总产值Y（亿元）资产合计K（亿元）职工人数L（万人）序号工业总产值Y（亿元）资产合计K（亿元）职工人数L（万人）1 3722.7 3078.22 113 17 812.7 1118.81 432 1442.52 1684.43 67 18 1899.7 2052.16 613 1752.37 2742.77 84 19 3692.85 6113.11 2404 1451.29 1973.82 27 20 4732.9 9228.25 2225 5149.3 5917.01 327 21 2180.23 2866.65 806 2291.16 1758.77 120 22 2539.76 2545.63 967 1345.17 939.1 58 23 3046.95 4787.9 2228 656.77 694.94 31 24 2192.63 3255.29 1639 370.18 363.48 16 25 5364.83 8129.68 24410 1590.36 2511.99 66 26 4834.68 5260.2 14511 616.71 973.73 58 27 7549.58 7518.79 13812 617.94 516.01 28 28 867.91 984.52 4613 4429.19 3785.91 61 29 4611.39 18626.94 21814 5749.02 8688.03 254 30 170.3 610.91 1915 1781.37 2798.9 83 31 325.53 1523.19 4516 1243.07 1808.44 33表1（二）创建工作文件（Workfile）。
- 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)。
数学与统计学院实验报告2014-2015学年第2学期课程名称计量经济学专业经济数学班级 0405131 学号 040513142 姓名翟欢迎实验名称实验3 非线性模型实验地点 N6-503 指导老师花春荣数学与统计学院二零一五年制实验名称实验3：非线性模型实验日期2015年5月 4日实验准备实验目的掌握可线性化的非线性回归模型的估计方法。
实验设计方案1、双对数与非对数模型；2、指数模型与幂函数模型；3、双曲线模型；4、多项式模型。
数据资料与分析方法、步骤建立中国税收收入回归模型问题概述：随着经济的增长，国家财政收入也随之增长，但这种增长可能是非线性的 1、从国家统计局网站收集整理1978-2013年我国税收收入Y 、国内生产总值X 数据，建立工作文件和序列。
工作文件名为“中国税收收入回归模型”。
简要写出其步骤。
打开EVIEWS ，点击File--workfile ，在workfile create 选择Date-regular frequence 在wf 一框中输入“中国税收收入多元回归模型”。
在start 输入1978.在end 中输入2013，点击ok 。
建立序列：点击object ——newobject ，在type of object 中选择series ，在name of object 中输入y ，同样的方法建立x同时选中x 和y 点击open-as group ，点击Edit ，复制其数据。
2、为了明确国内生产总值与财政收入的关系，首先通过序列视图（view ）考察数据的特征：建立Y 与X 的散点图及Y 与X 描述统计。
散点图描述统计 X Y Mean 126244.4 21178.79 Median 65985.15 6473.93 Maximum 568845.2 110530.7 Minimum 3645.2 519.28 Std. Dev. 159273.8 30402.68 Skewness 1.471755 1.705921 Kurtosis 4.071728 4.78947 Jarque-Bera 14.71928 22.26431 Probability 0.000636 0.000015 Sum 4544797 762436.5 Sum Sq. Dev. 8.88E+11 3.24E+10 Observations 36 36 3、考虑以下模型：（1）线性模型：i i i u X Y ++=10ββ（2）双对数模型：i i i u X Y ++=ln ln 10ββ （3）倒数模型：i i i X Y u 1/10++=ββ （4）幂函数模型：i ui i e AX Y 1β= （5）指数模型：i i i u X Y ++=10ln ββ（6）多项式模型：i i i i u X X Y +++=2210βββ对上述6个模型进行显著性检验，并加以比较。
1，线性模型回归分析Dependent Variable: Y Method: Least SquaresDate: 05/03/12 Time: 15:00 Sample: 1978 2013Included observations: 36 Variable Coefficient Std. Error t-Statistic Prob. C X -2806.835 0.189994636.0533 0.003157-4.412892 60.188630.0001 0R-squared 0.990702 Meandependent var 21178.79 Adjusted R-squared 0.990428 S.D.dependent var 30402.68 S.E. of regression 2974.424 Akaike info criterion 18.88744 Sum squared resid3.01E+08 Schwarz criterion 18.97541 Log likelihood-337.9739Hannan-Quinn criter.18.91815F-statistic 3622.672Durbin-Watson stat 0.097484Prob(F-statis tic)样本回归方程：=∧y -2806.835+0.190x 方程显著性检验：F 检验H0：β1=0 H1：β1不等于零 有表可知，得F 统计量F-statistic=3622.672，对于给定的显著性水平α=0.05，查出分子自由度为1，分母自由度为v =n-2=34，F 临界值F α（1，34）=4.13，F-statistic=3622.672〉F α（1，34）=4.13拒绝原假设，β1显著不为零，总体回归方程是显著的，即我国税收收入与国内生产总值存在显著的线性关系。
R-squared=0.99，说明总离差平方和有99%被样本回归直线解释，仅有1%未被样本回归直线解释，因此，样本回归直线对样本点的拟合优度很高。
2，双对数模型w=log （y ），z=log （x ）在主菜单命令窗口中输入genr w=log （y ）然后按回车 genr z=log （x ）然后按回车 Dependent Variable: W Method: Least SquaresDate: 02/09/14 Time: 17:47 Sample: 1978 2013Included observations: 36 Variable Coefficient Std. Error t-Statistic Prob. C Z -2.282955 1.0324990.239199 0.02199-9.544169 46.953720 0R-squared 0.984812 Meandependent var 8.829836 Adjusted R-squared 0.984366 S.D.dependent var 1.662885 S.E. of regression 0.207923 Akaike info criterion -0.249344 Sum squared resid1.469889 Schwarz criterion -0.161371 Log likelihood6.488189Hannan-Quinn criter.-0.218639F-statistic 2204.652Durbin-Watson stat 0.29515Prob(F-statis tic) 0样本回归方程：w=-2.283+1.032z i i i u X Y ++=ln 03.1283.2-ln方程的显著性检验：F 检验 H0：β1=0 H1：β1不等于零 有表可知，得F 统计量F-statistic=2204.652，对于给定的显著性水平 =0.05，查出分子自由度为1，分母自由度为 =n-2=34，F 临界值F α （1，34）=4.13 ，F-statistic=2204.652〉F α（1，34）=4.13 拒绝原假设，β1显著不为零，总体回归方程是显著的，即我国税收收入与国内生产总值存在显著的线性关系。
R-squared=0.98，说明总离差平方和有98%被样本回归直线解释，仅有2%未被样本回归直线解释，因此，样本回归直线对样本点的拟合优度很高。
3，倒数模型 W1=1/y在主菜单命令窗口中输入 genr w1=1/y 然后回车 Dependent Variable: W1 Method: Least SquaresDate: 02/09/14 Time: 17:59 Sample: 1978 2013Included observations: 36 Variable Coefficient Std. Error t-Statistic Prob. C X 0.000679 -1.94E-090.00011 5.45E-106.175604 -3.5502010.0012R-squared 0.270448 Meandependent var 0.000434 Adjusted R-squared 0.24899 S.D.dependent var 0.000593 S.E. of regression 0.000514 Akaike info criterion -12.25555 Sum squared resid8.98E-06 Schwarz criterion -12.16758 Log likelihood222.5999Hannan-Quinn criter.-12.22484F-statistic 12.60392Durbin-Watson stat 0.059891Prob(F-statis tic) 0.00115样本回归方程：w1=0.000679-1.94E-09xu i0994.1-000679.0/1+-=X E Y方程的显著性检验：F 检验 H0：β1=0 H1：β1不等于零 有表可知，得F 统计量F-statistic=12.60392，对于给定的显著性水平 =0.05，查出分子自由度为1，分母自由度为 =n-2=34，F 临界值F α （1，34）=4.13 ，F-statistic=12.60392〉F α（1，34）=4.13 拒绝原假设，β1显著不为零，总体回归方程是显著的，即我国税收收入与国内生产总值存在显著的线性关系。
R-squared=0.27，说明总离差平方和有27%被样本回归直线解释，有73%未被样本回归直线解释，因此，样本回归直线对样本点的拟合优度不好。
4，幂函数模型w=log （y ），z=log （x ）c=log （A ）在主菜单命令窗口中输入genr w=log （y ）然后按回车 genr z=log （x ）然后按回车 和2双对数模型的回归分析一样样本回归方程：w=-2.283+1.032z 幂函数模型：ei0322.1i i 102.0U X Y = 方程的显著性检验：F 检验 H0：β1=0 H1：β1不等于零 有表可知，得F 统计量F-statistic=2204.652，对于给定的显著性水平 =0.05，查出分子自由度为1，分母自由度为 =n-2=34，F 临界值F α （1，34）=4.13 ，F-statistic=2204.652〉F α （1，34）=4.13 拒绝原假设，β1显著不为零，总体回归方程是显著的，即我国税收收入与国内生产总值存在显著的线性关系。
R-squared=0.98，说明总离差平方和有98%被样本回归直线解释，仅有2%未被样本回归直线解释，因此，样本回归直线对样本点的拟合优度很高。