我国私人汽车拥有量分析论文定稿
我国私人汽车保有量的分析及预测
目录摘要 (1)关键词 (1)一、引言 (2)二、综述 (2)三、现状分析 (3)四、建模 (5)（一）模型选择 (5)（二）数据说明 (6)1．目标变量 (6)2．解释变量 (6)3．样本选取 (8)（三）模型建立 (8)五、模型分析 (9)（一）数据处理 (10)（二）回归计算 (10)（三）模型检验 (11)1．统计检验 (11)2．计量经济学检验 (12)3．经济意义检验 (13)（四）模型评价 (13)六、预测 (14)七、结论 (15)参考文献 (17)我国私人汽车保有量的分析及预测统计031 陆诚煜学号：2070403138 指导老师：胡荣华［摘要］我国经济的快速发展为私人汽车提供了巨大的发展空间，同时汽车保有量的大幅增加势必对土地、能源和环境带来巨大压力，这就需要对影响私人汽车发展的主要因素进行分析，对其保有量的发展趋势做出科学判断。
本文根据近年来国内各项经济指标，运用线性回归方法，给出了一个适用于短期预测的计量经济学模型及进行各项检验的详细过程，并据此较为准确合理的预测了我国2006年和2007年的私人汽车保有量，进而提出贯彻科学发展观，走可持续发展道路将是促进我国未来私人汽车良性发展的客观要求。
［关键词］私人汽车保有量计量经济学模型预测Abstract: The rapid economical development of our country has provided great development space for the private vehicle and the significant increase of private vehicle population will inevitably bring great pressure to the land, resources of energy and the environment, so it is necessary to analyze the main factors that affect the development of our private vehicle, and then make a reasonable judgment to the development trend of the vehicle quantity. According to the economic indices of recent years, this paper constructs an econometric model which is suitable for short term predication by linear regression method and introduces the concrete process of some test, and then the comparatively accurate private vehicle population of China in 2006 and 2007 are forecasted, Then it points out that the implementation of scientific development concept, adopting sustainable development policy will be the objective requirements of private vehicle development of China in the future. Key words：private vehicle quantity;model of econometrics; forecast一、引言每年上万亿美元的汽车产业是世界经济的支柱产业之一，没有任何一种工业品能像汽车这样渗透到社会大众生活的各个层面。
我国私家车拥有量的计量分析
我国私家车拥有量的计量分析作者：张凯来源：《管理观察》2010年第31期摘要：本文通过对1990-2005年四川省其他交通运营数辆，公路里程以及人均地区生产总值等一系列因素对四川省私家车拥有量的影响进行实证分析。
通过收集数据、建立回归模型、利用EVIEWS软件对模型进行参数估计、检验和修正，得出最终模型，并对分析结果进行经济意义分析，提出政策建议。
关键词：私家车拥有量计量分析一、引言改革开放以来，随着中国经济的迅速发展，GDP稳定增长，人均可支配收入也不断提高，然而个人汽车消费支出占GDP比重不仅低，而且增长缓慢。
中国自1995年以来汽车登记量中的乘用车比例有所提高。
1996年，汽车登记总数的40.2%为乘用车（其中62%为社会集团拥有），近60%的登记车辆用于投资和生产。
近几年来，中国的个人消费支出的比重基本保持在60%左右，但私家车消费占个人消费支出的比重很低。
1998年，中国私人汽车消费支出为2.1元／人，排在食品、衣着、娱乐教育文化服务、住房、家庭设备用品及服务、医疗保险项目之后。
私家车支出，占个人消费总支出的0.05%。
中国尚未进入汽车普及期。
[1]然而，随着经济的发展，我国的私人汽车拥有量也迅速地增长。
自从1996年以来，民用汽车拥有量迅速增加，我国汽车市场结构也随之发生了根本性的变化，居民成为了我国汽车市场的消费主体。
“十一五”规划提出“把扩大内需的重点由投资转向消费，将经济增长方式由投资拉动转为消费与投资双轮驱动、内需与外需共同拉动的新模式”。
在私家车拥有量稳步升高的情况下，油价、公路里程、公共交通运营数量、人均地区生产总值和人均GDP都对其有影响。
在众多因素中，根据重要性提取了公路里程，其他交通运营数量和人均地区生产总值这三个有较大影响的因素的时间序列数据来进行分析，以通过建立一个合适的经济模型来从理论上找出影响私人汽车需求的主要原因。
二、确定变量和建立模型考虑各种数据对私家车拥有量的影响，将其他交通工具运营数量、公路里程、人均地区生产总值纳入考虑因素。
我国私人汽车拥有量影响因素的计量分析
参考内容二
文章标题：我国私人汽车拥有量的计量经济学模型及其检验和预测 引言： 随着经济的发展和人民生活水平的提高，我国私人汽车拥有量逐年攀升。私 人汽车的普及程度不仅代
表着我国汽车工业的发展水平，也反映了人民的生活质量。因此，研究私人 汽车拥有量的影响因素及其发展趋势具有重要意义。本次演示旨在通过建立计量 经济学模型，分析私人汽车拥有量的影响因素，并对其进行检验和预测。
五、结论
本次演示通过问卷调查和统计分析，深入探讨了我国私人汽车拥有量的影响 因素。研究发现，人均GDP、居民可支配收入、城市化水平和汽车产业政策等因 素对私人汽车拥有量的影响最为显著。政策制定者可以通过调整相关政策，
鼓励或限制私人汽车的拥有和使用，以实现汽车产业的可持续发展。例如， 可以加大对新能源汽车的补贴力度，推动绿色出行方式的发展；同时，也可以通 过拥堵收费等措施，限制私人汽车的过度使用研究也存在一定局限性。首先，由于数据可得性限制，本 次演示所选取的解释变量并不全面，可能存在其他影响私人汽车拥有量的重要因 素未被纳入模型。其次，本次演示主要了私人汽车拥有量的影响因素，对其发展 趋势进行了预测
，但未对私人汽车拥有量进行细分研究，如不同收入水平、不同地区等细分 市场的拥有量变化情况尚需进一步探讨。未来研究可针对以上不足之处进行深入 分析，为相关政策制定提供更为精确的理论依据。
三、研究方法
本次演示采用问卷调查和统计分析相结合的方法，对中国私人汽车拥有量的 影响因素进行研究。首先，设计问卷调查，收集各地区私人汽车拥有量及相关影 响因素的数据。其次，运用描述性统计方法，对各地区私人汽车拥有量及影响因 素进行统计分析
。最后，通过因果关系分析，探讨各因素之间的相互作用。
四、结果与讨论
然而，要解决私人汽车带来的环境问题，不能仅依靠限制私人汽车的发展， 还需要大力发展新能源汽车技术，提高充电设施的建设，引导消费者转变出行观 念，提倡绿色低碳的生活方式。
影响我国私人汽车拥有量因素的分析2概要
四、结论分析及总结通过上述模型分析及各项检验，在摒除其他因素对经济增长的影响下，我们不难看出钢材产量和国民收入每增加一个单位，私人汽车拥有量将增加；由此可见，国民收入和钢材产量对我国私人汽车拥有的数量存在着明显的正相关性。
• 从文中的模型可以看出,1985～2007年的23年间,随着改革开放的不断深入,经济稳定持续增长,作为重要工业原料的钢材的产量保持了逐年上升的趋势,国民总收入也保持了每年持续的高增长水平,私人汽车作为高档消费品,每年也保持了较高的增长,它已经以越来越快的步伐进入我国的普通家庭。
以此模型为依据,随着我国钢材产量和国民总收入逐年上升,我国私人汽车拥有量将逐年增多,成为我国普通大众的消费品。
•。
计量论文我国私家车拥有量影响因素的计量分析
计量经济学课程论文我国私家车拥有量影响因素的计量分析我国私家车拥有量影响因素的计量分析一.问题的提出私家车，私人自己买的，拥有使用支配权的，在不违法的情况下可以自由的使用支配。
2013年，私家车取消了以前15年必须报废的规定，改为60万公里引导报废。
随着我国经济实力的增强，人民生活水平的提高，私人汽车的需求量也是逐年增加。
尤其是2002年以来，私人购车占整个市场的份额迅速提升，汽车市场进入私人购车阶段。
根据国际通用车价和国内生产总值增长比较系数计算，未来5~10年中国有购车能力的人口可达5亿，约1.5亿个家庭。
未来20年中国有望成为全球第一大汽车市场。
而且全世界范围内千人汽车保有量128辆，按照6月末中国的汽车保有量测算，中国千人汽车保有量大约为63辆，相当于世界平均水平一半。
由于中国人多地少的基本国情，如此低的汽车保有量，已经给城市交通和环境带来巨大压力。
交通拥堵、空气污染已经成为国内许多城市挥之不去的梦魇,汽车对能源消耗和环境的影响也越来越大。
继北京对汽车实行限购限行措施后，国内还有一些城市也准备采取相关措施，缓解交通拥堵。
在一些大城市，汽车过快增长和道路不足的矛盾越来越突出。
正因为私人汽车逐渐占据了汽车消费市场的主导地位又引发诸多矛盾，并直接反映了整个汽车行业的现状，所以私人汽车消费市场越来越吸引人们的关注。
二.理论综述多重共线性：所谓多重共线性（Multicollinearity）是指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系而使模型估计失真或难以估计准确。
一般来说，由于经济数据的限制使得模型设计不当，导致设计矩阵中解释变量间存在普遍的相关关系。
一般多重共线性的修正都是采用逐步回归法来解决，具体步骤如下：先用被解释变量对每一个所考虑的解释变量做简单回归，然后以对被解释变量贡献最大的解释变量所对应的回归方程基础，再逐个引入其余的解释变量。
这个过程中会出现3种情形：①若新变量的引入改进了adjustR^2和F检验，且其他回归参数的t检验在统计上仍是显著的，则可考虑在模型中保留该变量。
我国私人汽车拥有量的分析
我国私人汽车拥有量的分析摘要：随着我国经济的快速发展，私人汽车正逐步走入每个家庭，同时汽车的大幅增加势必对交通、能源和环境带来巨大的压力，这也制约着我国私人汽车的发展空间。
本文根据近年来国内各项经济指标，运用计量经济学模型中的多元线性回归方法以及EVIEWS软件对我国私人汽车拥有量进行了科学的分析及预测，揭示出私人汽车拥有量的影响因素关键词：私人汽车拥有量经济发展影响因素一、理论背景汽车特别是用于消费的私人汽车拥有量的多少，与经济发展程度、居民收入以及道路建设等有着密切的联系。
汽车作为中国家庭拥有率最低的一种高档耐用消费品，随着居民收入水平的不断提高和中国政府鼓励轿车进入家庭政策的出台，制约需求的各种不合理费用逐步取消和汽车贷款正在被越来越多人所接受，汽车正在快速进入普通家庭。
然而，当我们快速迈进以私人汽车为主体的汽车社会的时候，也面临着新的考验。
我国汽车社会面临能源紧缺、燃油价格上涨、土地资源有限等诸多不利因素。
如果对这种快速增长不从战略的高度加以科学引导和调整，汽车的迅猛增长将不再单纯体现经济建设成就，巨大的负面效应也将成为社会发展的阻碍因素。
在这样的背景下，进行私车发展转型刻不容缓，力图使私车保有量在节约、环保、节能的“框架”中适度增长。
私人汽车保有量与一个国家或地区的社会经济发展的有关数据有着密切关系，同时也与我国交通状况有密切联系。
因此我试图通过建立计量经济学模型来发现私人汽车保有量与有关社会经济数据之间的关系。
二、变量选取考虑各个数据的可获得性质，本文选取：被解释变量：，为私人汽车拥有量解释变量：，国内生产总值，人均可支配收入，汽车产量三、数据采集1996～2011年各变量的统计数据年份私人汽车拥有量（万辆）国内生产总值（千亿元）人均可支配收入（元）汽车产量(万辆)1996 289.67 71.18 4838.90 147.52 1997 358.36 78.97 5160.30 158.251998 423.65 84.40 5425.10 1631999 533.88 89.68 5854.00 183.22000 625.33 99.21 6280.00 2072001 770.78 109.66 6859.60 234.172002 968.98 120.33 7702.80 325.12003 1219.23 135.82 8472.20 444.392004 1481.66 159.88 9421.60 509.112005 1848.07 183.08 10493.00 570.492006 2333.32 210.87 11759.5 727.92007 2876.22 249.52 13785.8 888.72008 4173.39 300.67 15780.8 934.552009 5314.31 335.353 18858 1382.662010 6539.36 397.983 19109 1826.472011 7872.12 471.564 23979 1841.89四、实验分析1、建立多元线性回归模型利用eviews做ols分析，得Dependent Variable: YMethod: Least SquaresDate: 12/18/13 Time: 12:46Sample: 1996 2011Included observations: 16Variable Coefficie Std. Error t-Statisti Prob.C -978.8384 266.3186 -3.675441 0.0032X1 16.40551 7.733326 2.121404 0.0554X2 -0.057568 0.127273 -0.452316 0.6591X3 1.182315 0.748049 1.580532 0.1400R-squared 0.991097 Mean dependent var 2351.771 Adjusted R-squared 0.988871 S.D. dependent var 2384.87614.10576S.E. of regression 251.5855 Akaike infocriterionSum squared resid 759543.4 Schwarz criterion 14.29891Log likelihood -108.8461 F-statistic 445.2936 Durbin-Watson stat 0.848017 Prob(F-statistic) 0.000000 回归方程为(-3.67) (2.12) (-0.45) (1.58)=0.991097 =0.988871 F=445.2936通过对模型进行简单的分析可知，该模型的拟合程度非常好，且方程的显著程度也比较高。
我国私人汽车拥有量影响因素分析
我国私人汽车拥有量的影响因素分析摘要：本文选择了《2007年中国统计年鉴》中1998年一2007年共10年的相关数据，选择全国城镇人口数，城镇居民人均可支配收入，全国汽车产量，全国公路里程作为解释变量构建模型，对我国私人汽车拥有量的影响因素进行实证分析。
并利用EVIEWS软件对模型进行参数估计和检验，并加以校正。
对最后的结果进行经济意义分析，然后提出自己的看法。
关键词：私人汽车拥有量影响因素实证分析l 序论改革开放以来，我国经济迅猛发展，人民生活水平不断提高，汽车进入普通家庭已成为共所周知的事实，私家车开始步入普及化道路的里程碑，同时随着居民消费结构的升级，私人购车呈现出迅猛增长的势头，成为我国汽车产业发展的决定性力量，同样也会成为社会经济发展的必然趋势。
由于私人汽车拥有量直接影响我国汽车产业的发展，并间接影响着国家经济的发展，因此对我国私人汽车拥有量问题的深入研究就显得尤为重要，这有助于帮助大家认清现状，做出合理的决策。
鉴于此原因，我们进行了这次关于私人汽车拥有量的计量模型研究。
2 建模2.1 模型的选取由于非线性模型的假设检验都涉及非常复杂的数学计算，所以本文考虑做一个线性模型，这样各种检验的方法较多，对模型准确程度的分析也更可靠。
2.2 变量选择影响私人汽车拥有量的因素有很多，包括全国城镇人口数，城镇居民人均可支配收入，全国汽车产量，全国公路里程，全国铺装道路长度，我国GDP等，但综合考虑，选取一部分变量进行研究，而且为了方便查找数据，本文选用选择了《2007年中国统计年鉴》中1985年至2007年共23年的相关数据。
2.2.1 全国城镇人口数本文预计私家车的拥有量与全国城镇人口数有关，因此引入解释变量全国城镇人口数，并先验预期其与私人汽车拥有量呈正相关。
2.2.2 城镇居民人均可支配收入私家车这种高档消费品的拥有量显然与收人水平有关，因此引进解释变量人均可支配收入，并先验预期此因素与私家车拥有量呈正相关。
城市私家车拥有率及使用情况研究
城市私家车拥有率及使用情况研究随着城市化进程的不断加速，私家车在城市交通中的地位愈发突出。
本文旨在研究城市私家车的拥有率及使用情况，并从不同角度分析其对城市交通和环境的影响。
一、城市私家车拥有率的提升随着经济的发展和人民生活水平的提高，越来越多的城市居民能够承担私家车的购买和使用成本。
同时，城市规划和交通设施的改善也为私家车的增长提供了便利。
统计数据显示，城市私家车拥有率在过去几十年中呈现持续上升的趋势。
二、城市私家车的使用情况随着私家车拥有率的增加，城市私家车的使用情况也显示出一定的特点。
首先，私家车出行主要集中在上下班、购物和旅行等日常生活需要。
其次，私家车的使用频率高，部分车辆每天几乎全天都在使用，这导致城市交通拥堵问题日益严重。
此外，私家车的使用模式也呈现出多样化的特点，有些人更倾向于独自使用车辆，而有些人则更喜欢拼车或共享汽车等方式。
三、城市私家车的影响与挑战城市私家车的增加带来了一系列的影响和挑战。
首先，交通拥堵成为了城市交通的突出问题，人们花费大量时间在交通堵塞中。
其次，私家车排放的尾气污染给城市环境带来了严重压力，空气质量下降，对居民健康造成了威胁。
此外，私家车的泊位需求增加，给城市停车资源管理带来了困难。
针对城市私家车快速增长带来的问题，政府和相关部门采取了一系列措施。
首先，加强公共交通建设，提高便捷度和覆盖面，鼓励市民使用公共交通出行。
其次，推广绿色出行理念，鼓励居民步行、骑行、共享汽车等低碳出行方式。
此外，政府还加大对私家车尾气排放的监管力度，推动环保车型的普及和使用。
同时，私家车的拥有和使用也需要个体层面的调整。
市民应当理性购车，遵守交通规则，避免为了个人方便而贻误他人出行。
在出行方式选择上，可以更多地采用公共交通、共享汽车和步行等环保出行方式，减少对私家车的依赖。
综上所述，城市私家车的拥有率及使用情况对城市交通和环境产生了重要的影响。
合理管控私家车的增长，并倡导绿色出行理念，将有助于改善城市交通拥堵和空气污染问题，提升居民出行质量和城市环境品质。
- 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)。
(此文档为word格式，下载后您可任意编辑修改！)我国私人汽车拥有量分析我国私人汽车拥有量分析前言：国家统计局最新公布的数据显示，国内大城市的私家车拥有量继续保持大幅增长的趋势。
截止到２００１年底，在全国十大城市的私家车拥有量排名中，北京私家车的拥有量以多出第二名近４０万辆的绝对优势排在了第一位。
这十个城市的具体排名分别是：有关统计资料表明，我国城镇居民中有3800万户（占城镇居民总户数的24.8％），有能力承受10万元左右的汽车消费。
从近几年我国汽车消费的发展变化来看，汽车消费将成为消费热点。
从1990年到2000年的10年间，我国民用汽车的保有量由551.36万辆增加到1608.91万辆，平均每年增长11.3％。
其中私人汽车拥有量由1990年的81.62万辆增加到2000年的625.73万辆，平均每年增长22.6％。
私人汽车拥有量占民用汽车的保有量比重从1990年的14.8％，上升到2000年的38.9％，平均每年上升2.4个百分点。
1996年以来，民用汽车拥有量的增加量中，私人汽车增加量的比重均高于57.7％，其中最高的是1999年，私人汽车增加量占全部民用汽车增加量的82.5％。
这说明我国汽车市场结构发生了根本性的变化，居民个人已经成为我国汽车市场的消费主体。
随着我国经济突飞猛进的发展，人民群众的收入水平不断提高，特别是城镇居民的收入不断提高，私人汽车拥有量不断增加，同时银行的按揭贷款买车等等的一系列推动措施，也促进了私人汽车拥有俩的增加。
单从经济方面来说，私人汽车拥有数量是评判一个国家人民生活水平的重要指标，对它的研究分析是有比较现实的意义的。
我国私人汽车拥有量随时间变化图如下：数据收集：Y::我国私人汽车拥有量X1：城镇居民可支配收入X2：贷款利率X3：燃料、动力类价格指数（以1990年价格为１００的定比指数序列）具体数据如下:obs Y X1 X2（％）X31990 816200 1510.2 9.72 1001991 960400 1700.6 8.64 101.9874普通的多元线性方程形式：Y＝β0+β1x1+β2x2+β3x3先对各个变量做平稳性检验:对YADF Test Statistic 1.082163 1% Critical Value* -4.3260 5% Critical Value -3.219510% Critical Value -2.7557*MacKinnon critical values for rejection ofDependent Variable: D(ADFY)Method: Least SquaresDate: 061405 Time: 09:21Sample(adjusted): 1994 2003Included observations: 10 after adjusting endpointsVariable Coefficient Std. Error t-Statistic Prob.ADFY(-1) 0.334153 0.308782 1.082163 0.3286D(ADFY(-1)) -0.121060 0.697271 -0.173620 0.8690D(ADFY(-2)) -0.054606 0.945213 -0.057772 0.9562D(ADFY(-3)) -0.409407 0.879632 -0.465430 0.6612Adjusted R-squared 0.907058 S.D. dependent var 710945.9 S.E. of regression 216741.3 Akaike info criterion 27.71765 Sum squared resid 2.35E+11 Schwarz criterion 27.86894Log likelihood -133.5882 F-statistic 22.95874Durbin-Watson stat 2.080638 Prob(F-statistic) 0.002042对X1ADF Test Statistic -0.158912 1% Critical Value* -4.3260 5% Critical Value -3.219510% Critical Value -2.7557*MacKinnon critical values for rejection ofDependent Variable: D(ADFX1)Method: Least SquaresDate: 061405 Time: 09:26Sample(adjusted): 1994 2003Included observations: 10 after adjusting endpointsVariable Coefficient Std. Error t-Statistic Prob.ADFX1(-1) -0.005477 0.034465 -0.158912 0.8800D(ADFX1(-1)) 0.664445 0.406596 1.634162 0.1632D(ADFX1(-2)) -0.331605 0.522131 -0.635100 0.5533D(ADFX1(-3)) -0.414658 0.416042 -0.996674 0.3647C 609.9278 275.2910 2.215575 0.0776R-squared 0.746497 Mean dependent var 589.4800Adjusted R-squared 0.543694 S.D. dependent var 229.7711S.E. of regression 155.2114 Akaike info criterion 13.23431 Sum squared resid 120452.9 Schwarz criterion 13.38560Log likelihood -61.17153 F-statistic 3.680899Durbin-Watson stat 2.031160 Prob(F-statistic) 0.092741对 X2ADF Test Statistic -0.529198 1% Critical Value* -4.3260 5% Critical Value -3.219510% Critical Value -2.7557*MacKinnon critical values for rejection ofDependent Variable: D(ADFX2)Method: Least SquaresDate: 061405 Time: 09:27Sample(adjusted): 1994 2003Included observations: 10 after adjusting endpointsVariable Coefficient Std. Error t-Statistic Prob.ADFX2(-1) -0.069982 0.132242 -0.529198 0.6193D(ADFX2(-1)) 0.543426 0.321159 1.692075 0.1514D(ADFX2(-2)) 0.140535 0.368364 0.381510 0.7185D(ADFX2(-3)) -0.391387 0.347038 -1.127794 0.3106C 0.155018 1.219842 0.127080 0.9038R-squared 0.768917 Mean dependent var -0.486000Adjusted R-squared 0.584050 S.D. dependent var 0.905296S.E. of regression 0.583863 Akaike info criterion 2.068551 Sum squared resid 1.704478 Schwarz criterion 2.219843Log likelihood -5.342754 F-statistic 4.159310Durbin-Watson stat 2.443814 Prob(F-statistic) 0.075014对X3ADF Test Statistic -2.501558 1% Critical Value* -4.3260 5% Critical Value -3.219510% Critical Value -2.7557*MacKinnon critical values for rejection ofDependent Variable: D(ADFX3)Method: Least SquaresDate: 061405 Time: 09:27Sample(adjusted): 1994 2003Included observations: 10 after adjusting endpointsVariable Coefficient Std. Error t-Statistic Prob.ADFX3(-1) -0.296326 0.118457 -2.501558 0.0544D(ADFX3(-1)) -0.332083 0.323046 -1.027973 0.3511D(ADFX3(-2)) -0.592595 0.256861 -2.307066 0.0692D(ADFX3(-3)) 0.079195 0.290428 0.272684 0.7960C 101.6956 38.34296 2.652262 0.0453R-squared 0.684768 Mean dependent var 14.93622Adjusted R-squared 0.432582 S.D. dependent var 14.01521S.E. of regression 10.55726 Akaike info criterion 7.858358 Sum squared resid 557.2788 Schwarz criterion 8.009650Log likelihood -34.29179 F-statistic 2.715332Durbin-Watson stat 1.902782 Prob(F-statistic) 0.151305由此可见，各个变量的随时间变化是平稳的，可以对其直接进行最小二乘估计。
对其作普通最小二乘估计：Dependent Variable: YMethod: Least SquaresDate: 060305 Time: 16:43Sample: 1990 2003Included observations: 14Variable Coefficient Std. Error t-Statistic Prob.X1 2922.028 515.0624 5.673154 0.0002X3 -50492.48 14255.54 -3.541955 0.0053S.E. of regression 750961.7 Akaike info criterion 30.13105Sum squared resid 5.64E+12 Schwarz criterion 30.31364Log likelihood -206.9174 F-statistic 90.71108Durbin-Watson stat 1.514620 Prob(F-statistic) 0.000000t=(1.883529) (5.673154) (-1.379442) (-3.541955)Adjusted R2-=0.953922 F=90.71108经观察：各个系数符合经济意义;从可决系数看拟合优度较好;X2的T检验不显著，而F统计量显著，效果很好，可以推断解释变量可能存在多重共线性。