对中国经济增长影响因素的实证分析_大学论文
我国农业经济增长影响因素的实证分析（完整版）
我国农业经济增长影响因素的实证分析我国农业经济增长影响因素的实证分析一、引言201X年至201X年，中共中央连续十一年发布以三农为主题的中央一号文件，强调了三农问题在中国社会主义现代化建设之中处于重中之重的地位，农业经济在我国国民经济中的基础地位始终未变。
因此，研究农业经济增长，分析农业经济增长的影响因素是很有必要，对促进我国农业经济发展、农业现代化具有理论指导作用。
农业经济问题成为了国内各界人士关注的焦点，国内的许多学者对农业经济增长影响因素进行了多角度、多方位、多层面的研究分析，希望从理论方面研究对农业经济增长起到一定的指导作用。
从目前国内对农业经济增长因素研究分析状况来看，影响因素有：信息化、农村金融、科学技术、人力资本、国内政策、农业进出口等。
李向阳采用多元回归分析的方法研究信息化对农业经济的影响，认为信息化对农业具有正向的影响，应该加强农业信息化普及教育，并建立农业信息化金融平台，促进农业装备制造业发展，从而促进农业经济发展。
董鸿鹏则一辽宁省为例，采用C-D生产函数模型对信息化的贡献进行量化，并建立多元回归模型，得出农业信息化已经成为辽宁省农业经济增长的新型动力资源。
而曾祯、杨帆等人通过构建层级模型和结构等价模型对我国的涉农信息进行研究，认为我国的农业信息化整体围绕信息权利和行政权利较高节点呈中性化，而较低的节点信息化程度较低。
而万众、朱哲翼通过投入产出函数和拓模型展分析了我国华东、华南、华北、华中、西南、西北、东北七个地区农业政策性金融对农业经济增长的影响，认为农业政策性金融对农业经济增长存在显著性影响，但有地区差异。
田杰、陶建平采取了我国1883个县的面板数据进行了研究，得出农村金融密度与农村经济增长关系处于倒U型左边，可以通过增加农村的金融贷款数量和贷款配置效率提高农村经济增长。
禹越军、王菁华运用RAV模型，用1978-201X年的数据分析了农村金融发展与农村经济增长的关系，认为农村金融发展对农村经济增长有促进作用，但农村金融发展滞后于农村经济增长。
经济增长影响因素实证分析
经济增长影响因素实证分析经济增长是一个国家或地区综合国民收入和生产力水平不断提高的过程，是国家经济发展的重要指标之一。
经济增长的影响因素是一个复杂的系统，涉及到经济、政治、社会等多个方面的因素。
本文主要通过对经济增长影响因素的实证分析，探讨其中的关键因素。
技术进步是经济增长的重要驱动力。
技术进步可以提高生产效率，降低成本，促进企业创新和产品升级，从而推动经济增长。
实证研究表明，技术进步对经济增长的贡献度逐渐增大。
科技创新和信息技术的发展，极大地推动了现代经济的发展。
加大对科技创新的投入，提高技术创新能力，对于实现经济增长至关重要。
资本积累也是经济增长的关键因素之一。
资本积累可以通过增加投资来实现，包括对生产资本的投资和对人力资本的投资。
实证研究表明，资本投资对经济增长的贡献度较高。
经济发达国家往往有较高的投资率和储蓄率，这为经济增长提供了稳定的资本来源。
在推动经济增长过程中，政府和企业应该加大对资本的投资力度，提高资本积累水平。
人力资源是经济增长的重要要素。
人力资源的素质和数量直接影响着生产力和创新能力的提高，对经济增长起到关键作用。
实证分析显示，教育水平的提高和人力资本的积累对经济增长有显著的正向影响。
东亚四小龙地区和中国大陆的崛起，得益于其大量的优秀人才和高素质的劳动力。
加大教育投入，提高人力资源的素质和数量，可以有效促进经济增长。
市场开放和国际贸易也对经济增长产生重要影响。
开放的市场能够带来更广阔的发展机会和技术资源，有利于加速经济转型和创新能力提升。
实证研究表明，对外开放和经济增长呈现正向关系。
中国的改革开放政策，为其快速的经济增长提供了强大的动力。
继续推进市场开放，积极参与国际贸易，提高国际竞争力，对于促进经济增长具有重要意义。
技术进步、资本积累、人力资源和市场开放等因素是影响经济增长的关键因素。
通过实证分析可以发现，加大科技创新投入、提高资本积累水平、加大教育投入和提高人力资源素质、继续推进市场开放和积极参与国际贸易等措施，可以有效推动经济增长。
我国经济增长的影响因素分析
我国经济增长的影响因素分析引言近年来，中国经济保持较快的增长速度，成为全球经济的重要推动力量。
然而，经济增长的影响因素十分复杂，涉及众多方面的因素。
本文将从人口因素、投资因素、技术创新因素、外部环境因素等多个角度，进行我国经济增长的影响因素分析。
人口因素人口是经济增长的重要因素之一。
长期以来，中国庞大的劳动力人口为经济提供了充足的劳动力资源，助推经济增长。
然而，随着人口红利逐渐消失以及人口老龄化问题的加剧，人口因素对经济增长的贡献逐渐减弱。
为解决这一问题，我国相继推出了一系列人口政策，如放宽计划生育政策、鼓励生育政策等，以提高劳动力供给。
投资因素投资是经济增长的重要驱动力之一。
在我国，投资对经济增长的贡献一直较大。
大规模的基础设施建设、城市化进程和产业升级都需要大量的投资支持。
然而，投资过度扩张和低效率使用也带来了一系列问题，如过剩产能、高债务率等。
因此，在未来，需要加强投资的引导和调控，提高投资效率，以确保持续稳定的经济增长。
技术创新因素技术创新是推动经济增长的重要动力。
在我国，近年来不断加大的科技创新投入取得了显著成效，推动了经济结构的升级和产业的转型升级。
特别是在高技术产业和新兴产业方面，取得了巨大的发展。
同时，技术创新也为提高全要素生产率提供了强大支持。
未来，我国需要进一步加强技术创新能力，培育新的经济增长点。
外部环境因素外部环境对我国经济增长也有较大影响。
世界经济的发展态势、国际贸易政策、外汇市场等因素都会对我国的经济增长产生重要影响。
近年来，全球经济面临不确定性增加，贸易保护主义抬头，这都对我国的出口和投资造成了一定的压力。
因此，我国需要灵活应对外部环境的变化，加强经济合作与外交谈判，以保持经济的稳定增长。
结论综上所述，人口因素、投资因素、技术创新因素和外部环境因素等都对我国经济增长产生重要影响。
在未来发展中，我国需要科学引导人口政策，提高投资效率，加强技术创新能力，并灵活应对外部环境变化，以实现可持续发展的经济增长目标。
中国经济增长的内外因素分析
中国经济增长的内外因素分析自改革开放以来，中国经济的快速增长一直受到国内外的关注。
作为世界上最大的发展中国家之一，中国的经济增长受到了许多内外因素的影响。
本文将就中国经济增长的内外因素进行分析，并阐述其对经济发展的影响。
内部因素1.投资投资是中国经济增长的重要推动力。
近年来，中国的投资规模不断扩大，尤其是基础设施建设与房地产领域的投资规模不断攀升。
这些投资不仅能够推动相关产业的发展，促进经济增长，还能够带动就业，改善社会福利水平。
然而，投资也存在一些问题。
首先，一些投资过程存在浪费和腐败现象，导致资金浪费。
其次，由于投资规模过大，许多项目的回报周期较长，很难实现投资回报，导致资金紧张。
因此，中国需要改善投资环境，防止浪费和腐败现象，加强项目评估和风险控制。
2.消费消费也是经济增长的重要推动力。
中国近年来迎来了一个庞大的中产阶级群体，他们的消费能力越来越强，消费需求不断攀升。
这些消费者的需求能够推动服务业和制造业的发展，促进经济增长。
然而，中国的消费环境存在一些问题。
首先，许多消费者打破了传统的节俭理念，过度消费、赤裸裸的炫耀和浪费现象令人担忧。
其次，在消费热潮的背后，质量问题和售后服务问题等也给消费者带来不少困扰。
因此，中国需要加强消费者教育培训，引导他们正确理性消费，同时提高产品和服务的质量和标准。
3.改革改革也是促进中国经济增长的重要因素。
中国通过改革开放30多年的努力，逐步建立了一个市场经济体系，对外开放也大大促进了中国的经济发展。
中国还在不断改革深化，加强民生改善，提高社会保障水平，优化营商环境等方面的改革也能够推动中国经济走向更高质量的发展。
外部因素1.国际贸易对于一个拥有13亿人口的国家而言，进口和出口都具有重要意义。
中国通过参与国际贸易，不仅能够扩大市场并获得外汇，而且能够吸收先进技术和经验，推动经济转型升级。
然而，当前全球经济环境不稳定，一些主要经济体的放缓和贸易保护主义政策也对中国造成了不小的影响。
中国市场经济形势分析论文
中国市场经济形势分析论文【摘要】一个成熟、发达的金融市场能够有效聚集、配置资金，提高资金使用效率，进而促进经济增长。
本文分析我国股票市场发展状况，建立相关计量模型，并运用我国经济发展的有关数据进行实证分析。
主要结论是：我国股票市场发展对经济增长的作用是相当有限的,经济增长对股票市场的促进作用不显著;应该采取措施规范股票市场,使而者相互促进。
【关键词】经济增长金融市场协整分析一、国内外已有的研究成果有关金融市场的发展与经济增长的研究一直是金融研究的热点问题，国内外许多学者从不同角度对这一问题进行了研究。
德米尔居斯孔特和莱文提出了一组用以反映股票市场发展状况的指标，在计算出有关国家的总体指标值之后，德米尔居斯孔特和莱文发现，在人均实际GDP和股票市场发展之间有其中一种程度的对应关系。
阿切和约万诺维奇实证结果表明，股票市场发展对人均实际GDP增长率的影响显著。
莱文和泽尔沃斯结果显示，在股票市场总体发展和长期经济增长之间有很强的相关关系;另外，在预定的股票市场发展和长期经济增长之间也有很强的相关关系。
斯蒂格利茨进一步从流动性和上市公司融资成本角度分析股票市场的作用。
他指出，股票市场分散风险的能力并没有理论上所论证的那么强。
谈儒勇对股票市场与经济增长之间的关系进行实证分析，结论是：我国股票市场发展对经济增长的作用是相当有限的。
韩廷春得到的结论是：技术进步与制度创新是中国经济增长的最关键因素。
二、中国股票市场发展和经济增长1、变量与数据的选择在此，我们运用莱文和泽尔沃斯提出的方法利用1998-2006年期间季度数据进行实证分析，以检验我国股票市场的发展与经济增长之间的关系。
需要确定以下几个方面的指标。
(1)反映我国股票市场发展情况的指标。
第一个指标是每季的平均市价总值与季度GDP的比率,它用来反映股票市场的规模,我们用CAPITALIZATION来表示这一指标。
第二个指标是每季的总成交金额与季度GDP的比率,用VALUE表示。
中国经济增长的影响因素实证分析
中国经济增长的影响因素实证分析作者：张肖来源：《商情》2015年第14期【摘要】本文对影响中国经济的因素做出了理论综述，在此基础之上选择设计一定的经济变量因素，再利用计量经济分析方法和1990年-2014年时间序列的统计数据，建立了影响国内经济增长的因素模型，进行实证分析并对模型进行检验，得到了要保证国民经济可持续快速发展，必须重视全社会消费总额这个指标，拉动内需的结论。
最后，对模型分析出的结果提出了一些政策建议。
【关键词】经济增长影响因素最小二乘法一、文献综述与理论分析（一）供给因素方面屈炳祥从马克思经济增长理论出发，概括了资本、劳动力、土地等这些传统意义上的经济增长因素，着重研究了科学技术、产业结构、管理、市场环境等因素对经济增长的影响。
肖耀球在马克思经济增长模型的基础上，在中性技术进步条件下建立静态增长模型，分析了资本、劳动力、科技等一系列生产供给因素形成经济波动的机理，并阐述了其对经济增长的影响。
Yan Wang和Yudong YAo将人力资本内生化，实证分析了人力资本对经济增长的影响，并得出人力资本与经济增长之间存在正相关的关系，我国应通过加大人力资本投入的方式，提高生产劳动率从而刺激经济的增长。
李雪峰在卢卡斯和罗默内生经济增长模型的基础上，对原模型进行了一定程度的改进，并将我国1978-2003年人力资本投资与R&D投资的相关数据带入模型进行实证分析。
（二）需求因素方面Qiaoyu将中国1982-1994年GDP、固定资产投资、进出口贸易各要素的月度相关统计数据分析，其结果表明固定资产投资和进出口贸易与GDP存在长期的协整关系，固定资产投资和出口均为经济增长的格兰杰原。
刘学武将中国1989-1999年GDP、物质资本存量、最终消费和进出口贸易月度相关统计资料进行协整关系检验并引入误差修正模型分析各要素的短期均衡关系，表明投资、消费、进出口与中国经济增长之间存在长期均衡关系，投资与最终消费对经济增长的贡献较为显著，二者与经济增长互为格兰杰原因。
我国经济对外开放程度及其对经济增长的影响论文
我国经济对外开放程度及其对经济增长的影响论文导读：本论文是一篇关于我国经济对外开放程度及其对经济增长的影响的优秀论文范文,对正在写有关于经济增长论文的写作者有一定的参考和指导作用。
内容摘要：伴随着经济全球化步伐加快，国家经济的对外开放程度与经济增长之间的关系日益密切，经济在贸易、投资、金融等各个领域的开放都对经济增长具有刺激作用。
本文围绕经济开放对经济增长的影响机制理由展开，构建经济对外开放程度指标体系，通过分析内生经济增长模型得出经济开放对经济增长的积极作用，并在最后提出相关倡议。
关键词：对外开放经济增长内生经济增长模型研究背景自1978年实行改革开放的政策以来，我国的经济社会发展取得了举世瞩目的成就，经济保持了高速增长，GDP增长率一直处于发展中国家前列。
与此相对应，我国也积极参与世界经济，逐步加入到世界经济一体化进程中，通过不断融入到世界经济中来进一步深化我国经济的对外开放程度。
我国的对外贸易水平越来越高，进出口总额占国家GDP的比重也比较高，净出口已经成为实现我国经济增长的重要引擎。
除了在对外贸易领域不断提高开放程度之外，我国在投资领域也进一步强化了开放的力度和范围，我国的实际利用外资额连续多年保持了迅猛增长，尤其是外商直接投资更是伴随着我国经济的开放迅速发展。
这不仅仅带来了先进的管理经验和生产技术，起到了示范扩散作用，更进一步加大了国内企业的生产管理压力，促使国内企业积极转变生产方式，优化产业结构，提升自身竞争力。
相比较于我国在投资以及贸易方面的开放程度，我国在金融领域的开放程度相对小一些，政策更为谨慎，但整体上是稳步推进，开放程度逐年提高，也产生了不小的积极影响。
无论是我国的金融管理当局还是银行机构，持有的对外资产逐年增加，我国正积极通过有步骤的金融开放来进一步提升金融中介机构服务效率、强化内外风险调控、降低市场信息成本来增强市场活力，推动经济增长。
尽管我国在经济的各个领域都实现了较大程度的开放，也取得了许多成就，但是，我国学术界在这一课题上却缺乏相应的研究，大多数研究都集中在了改革理由上，较少有研究国家经济开放程度与经济增长之间的关系理由，没有从整体上来研究经济开放这一制度变迁是如何影响到国家经济的文献。
基于多元回归分析的我国GDP影响因素实证分析
基于多元回归分析的我国GDP影响因素实证分析1. 引言1.1 研究背景中国是世界上最大的发展中国家之一，经济增长一直是国家发展的重要指标之一。
而国内生产总值（GDP）作为衡量一个国家经济状况的重要指标，受到了广泛关注。
对于我国GDP影响因素的研究，不仅可以帮助我们更好地了解经济增长的机制，还可以为政府制定经济政策提供理论支持。
我国GDP受到诸多因素的影响，包括政府政策、投资水平、人口规模、技术进步等。
通过对这些因素进行综合分析，可以更好地理解影响我国经济增长的关键因素，为推动经济增长提供参考依据。
多元回归分析方法是一种常用的经济分析方法，可以帮助我们确定影响GDP的主要因素，并量化它们之间的关系。
通过对我国GDP影响因素进行多元回归分析，可以揭示出各个因素对经济增长的贡献度，帮助我们更好地了解我国经济增长的机制。
开展基于多元回归分析的我国GDP影响因素实证分析具有重要的理论和现实意义。
通过深入研究我国GDP的影响因素，可以为我国经济政策的制定提供科学依据，促进我国经济持续健康发展。
1.2 研究目的本研究的目的是通过基于多元回归分析的方法，分析我国GDP的影响因素，揭示不同因素对经济增长的影响程度，为政府制定经济政策提供科学依据。
具体来说，我们将通过分析数据得出不同因素对GDP的影响程度，从而为政府决策提供参考，为提升我国经济发展水平提供理论支持。
通过多元回归分析，我们也可以探讨各个因素之间的相互关系，从而深入了解我国经济增长的内在机理。
希望通过本研究，可以为我国经济发展提供更加科学的分析和预测，为未来经济政策的制定和调整提供重要参考依据。
1.3 研究意义我国GDP的增长是国家经济发展的重要指标，各种因素的影响会直接影响到GDP的变化。
通过多元回归分析，可以深入挖掘各种因素对GDP的影响程度，为制定经济政策提供科学依据。
本研究的意义在于对我国GDP影响因素进行实证分析，从而更好地了解我国经济增长的内在规律，为政策制定和经济发展提供参考。
- 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)。
对中国经济增长影响因素的实证分析摘要：改革开放三十三年以来，中国的社会经济取得了飞速发展，经济增长速度更是举世瞩目。
本文根据计量经济学、西方经济学和Eviews软件相关知识，采用时间序列数据模型和多元线性回归分析方法对1980-2009年（中国统计年鉴数据截止到2009年）三十年间中国经济增长因素进行研究，分析了物质资本、劳动力、消费对国内生产总值（GDP）的影响，建立计量经济学模型，寻求这些变量与国内生产总值的数量关系，进行定量分析，对模型进行检验，最终得出结论。
关键词：劳动力、投资、消费、经济增长、最小二乘法。
1.背景经济增长是指一个国家生产商品和劳务能力的扩大。
在实际核算中，常以一国生产的商品和劳务总量的增加来表示，即以国民生产总值（GDP）和国内生产总值的的增长来计算。
古典经济增长理论以社会财富的增长为中心，指出生产劳动是财富增长的源泉。
现代经济增长理论认为知识、人力资本、技术进步是经济增长的主要因素。
从古典增长理论到新增长理论，都重视物质资本和劳动的贡献。
物质资本是指经济系统运行中实际投入的资本数量.然而，由于资本服务流量难以测度，在这里我们用全社会固定资产投资总额（亿元）来衡量物质资本。
中国拥有十三亿人口，为经济增长提供了丰富的劳动力资源。
因此本文用总就业人数（万人）来衡量劳动力。
居民消费需求也是经济增长的主要因素。
经济增长问题既受各国政府和居民的关注,也是经济学理论研究的一个重要方面。
在1978—2008年的31年中,我国经济年均增长率高达9.6%,综合国力大大增强,居民收入水平与生活水平不断提高,居民的消费需求的数量和质量有了很大的提高。
但是,我国目前仍然面临消费需求不足问题。
本文将以中国经济增长作为研究对象，选择时间序列数据的计量经济学模型方法，将中国国内生产总值与和其相关的经济变量联系起来，建立多元线性回归模型，研究我国中国经济增长变动趋势，以及重要的影响因素，并根据所得的结论提出相关的建议与意见。
用计量经济学的方法进行数据的分析将得到更加具有说服力和更加具体的指标，可以更好的帮助我们进行预测与决策。
因此，对我国经济增长的计量经济学研究是有意义同时也是很必要的。
2.模型的建立为了具体分析各要素对我国经济增长影响的大小，我们可以用国内生产总值（Y ）这个经济指标作为研究对象；用总就业人员数（1X ）衡量劳动力；用固定资产投资总额(2X )衡量资本投入：用价格指数（3X ）去代表消费需求。
运用这些数据进行回归分析。
这里的被解释变量是，Y ：国内生产总值，与Y-国内生产总值密切相关的经济因素作为模型可能的解释变量，共计3个，它们分别为：1X 代表社会就业人数，2X 代表固定资产投资，3X 代表消费价格指数， μ代表随机干扰项。
模型的建立大致分为理论模型设置、参数估计、模型检验、模型修正几个步骤。
如果模型符合实际经济理论并且通过各级检验，那么模型就可以作为最终模型，可以进行结构分析和经济预测。
2.1理论模型的确定通过变量的试算筛选，最终确定以以下变量建立回归模型。
被解释变量 Y ：国内生产总值, 解释变量 1X :代表社会就业人数，2X :代表固定资产投资，3X :代表消费价格指数，另外，从经济意义上来说，社会就业人数、固定资产投资和消费价格指数这三个宏观经济指标基本反映了我国经济发展状况，因此也就很大程度上决定了经济增长水平。
单从经济意义上讲，变量的选择是正确的。
而且，就直观上来说，解释变量与被解释变量都是相关的，这三个解释变量都是经济增长的“良性”变量，它们的增长都对我国经济增长起着积极的推动作用，这一点可以作为模型经济意义检验的依据。
表1：被解释变量与解释变量1980-20009数据资料来源：《中国统计年鉴》。
首先，检查被解释变量和解释变量之间的线性关系是否成立。
观察被解释变量与解释变量之间的散点图。
图1：被解释变量Y与解释变量1X的散点图X之间基本呈线性关系。
由图中趋势线可以判断，被解释变量Y与解释变量1X的散点图图2：被解释变量Y与解释变量2由图中趋势线可以判断，被解释变量Y与解释变量X之间基本呈线性关系。
2X的散点图图3：被解释变量Y与解释变量3由图中趋势线可以判断，被解释变量Y与解释变量X之间基本呈线性关系。
3再通过变量之间的相关系数判断。
表2：被解释变量与解释变量相关系数表Covariance Analysis: OrdinaryDate: 1/7/15 Time: 13:05Sample: 1980 2009Included observations: 30Covariance看到被解释变量Y 与解释变量1X ，2X ，3X 之间具有较高的相关性。
通过散点图和相关系数表的判断，可以判断被解释变量和解释变量之间具有明显的相关线性关系。
同时通过被解释变量与解释变量的相关图形分析，设置理论模型为：μββββ++++=3423121X X X y2.2 建立初始模型——OLS 2.2.1 使用OLS 法进行参数估计表3： 普通最小二乘法参数估计输出结果Dependent Variable: Y Method: Least Squares Date: 1/7/15 Time: 14:23 Sample: 1980 2009 Included observations: 30Coefficient Std. Error t-Statistic Prob. X1 1.934840 0.215990 8.957997 0.0000 X2 1.382559 0.045823 30.17169 0.0000 X3 -379.2654 280.8999 -1.350180 0.1886 C-49822.3133676.59-1.4794340.1510R-squared 0.991233 Mean dependent var 85749.31 Adjusted R-squared 0.990221 S.D. dependent var 95692.85 S.E. of regression 9462.951 Akaike info criterion 21.27172 Sum squared resid 2.33E+09 Schwarz criterion 21.45855 Log likelihood -315.0758 Hannan-Quinn criter. 21.33149 F-statistic 979.8468 Durbin-Watson stat 1.178143Prob(F-statistic)0.000000得到初始模型为：3212654.379382559.1934840.131.49822X X X y -++-=2.2.2 对初始模型进行检验要对建立的初始模型进行包括经济意义检验、统计检验、计量经济学检验、预测检验在内的四级检验。
(1)经济意义检验解释变量的系数分别为1β=1.934840、2β=1.382559。
两个解释变量系数均为正，符合被解释变量与解释变量之间的正相关关系，符合解释变量增长带动被解释变量增长的经济实际，3β=-379.2654，符合被解释变量与解释变量之间的负相关关系。
与现实经济意义相符，所以模型通过经济意义检验。
(2)统计检验①拟合优度检验：R 2检验，R-squared=0.991233；Adjusted R-squared=0.990221；可见拟合优度很高，接近于1，方程拟和得很好。
②变量的显著性检验：t 检验，表4：模型系数显著性检验，t 检验结果Coefficient Std. Error t-Statistic Prob. X1 1.934840 0.215990 8.957997 0.0000 X2 1.382559 0.045823 30.17169 0.0000 X3 -379.2654 280.8999 -1.350180 0.1886 C-49822.3133676.59 -1.479434 0.1510从检验结果表中看到，包括常数项在内的所有解释变量系数的t 检验的伴随概率均小于5%，所以，在5%的显著水平下1X 、2X 、3X 的系数显著不为零，通过显著性检验，常数项也通过显著性检验，保留在模型之中。
③方程的显著性检验：F 检验，方程总体显著性检验的伴随概率小于0.00000，在5%显著水平下方程显著成立，具有经济意义。
(3)计量经济学检验：方程通过经济意义检验和统计检验，下面进行居于计量经济学模型检验核心的计量经济学检验。
①进行异方差性检验：首先用图示法对模型的异方差性进行一个大致的判断。
令X 轴为方程被解释变量，Y 轴为方程的残差项，做带有回归线的散点图。
图4：初始模型的异方差性检验散点图图5：初始模型的异方差性检验散点图图6：初始模型的异方差性检验散点图通过图形看到，回归线向上倾斜，大致判断存在异方差性，但是，图示法并不准确，下面使用White异方差检验法进行检验，分别选择不带有交叉项和带有交叉项的White异方差检验法。
得到下面的检验结果：表5：不带有交叉项的White异方差检验结果Heteroskedasticity Test: WhiteF-statistic 75.59849 Prob. F(3,26) 0.0000Obs*R-squared 26.91450 Prob. Chi-Square(3) 0.0000Scaled explained SS 52.75104 Prob. Chi-Square(3) 0.0000Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 1/7/15 Time: 17:53Sample: 1980 2009Included observations: 30Coefficient Std. Error t-Statistic Prob.C 1.51E+08 1.08E+08 1.398492 0.1738X1^2 -0.029775 0.009593 -3.103868 0.0046X2^2 0.017419 0.001245 13.98776 0.0000X3^2 -2715.996 8243.375 -0.329476 0.7444R-squared 0.897150 Mean dependent var 77607780Adjusted R-squared 0.885283 S.D. dependent var 1.80E+08S.E. of regression 61075426 Akaike info criterion 38.81668Sum squared resid 9.70E+16 Schwarz criterion 39.00351Log likelihood -578.2502 Hannan-Quinn criter. 38.87645F-statistic 75.59849 Durbin-Watson stat 1.947056Prob(F-statistic) 0.000000表6：带有交叉项的White异方差检验结果Heteroskedasticity Test: WhiteF-statistic 33.57944 Prob. F(9,20) 0.0000Obs*R-squared 28.13789 Prob. Chi-Square(9) 0.0009Scaled explained SS 55.14882 Prob. Chi-Square(9) 0.0000Test Equation:Dependent Variable: RESID^2Method: Least Squares Date: 1/7/15 Time: 17:54 Sample: 1980 2009 Included observations: 30Coefficient Std. Error t-Statistic Prob. C -2.08E+09 4.06E+09 -0.512912 0.6136 X1 -34576.99 39720.32 -0.870512 0.3943 X1^2 0.189719 0.224091 0.846615 0.4072 X1*X2 -0.297299 0.442472 -0.671906 0.5093 X1*X3 127.5161 329.2824 0.387254 0.7027 X2 29147.14 35662.29 0.817310 0.4234 X2^2 0.033135 0.007760 4.270053 0.0004 X2*X3 -97.11637 96.87489 -1.002493 0.3281 X3 55473498 68538734 0.809374 0.4278 X3^2-283697.5290382.6-0.9769780.3403R-squared 0.937930 Mean dependent var 77607780 Adjusted R-squared 0.909998 S.D. dependent var 1.80E+08 S.E. of regression 54097636 Akaike info criterion 38.71168 Sum squared resid 5.85E+16 Schwarz criterion 39.17875 Log likelihood -570.6752 Hannan-Quinn criter. 38.86110 F-statistic 33.57944 Durbin-Watson stat 2.262413Prob(F-statistic) 0.000000使用White 检验法不论是否带有交叉项，所得的检验伴随概率均小于5%，均在5%的显著水平下拒绝方程不存在异方差性的原假设，认为模型具有比较严重的异方差性。