计量经济学用eviews分析数据
《计量经济学》eviews实验报告一元线性回归模型详解
计量经济学》实验报告一元线性回归模型-、实验内容（一）eviews基本操作（二）1、利用EViews软件进行如下操作：（1）EViews软件的启动（2）数据的输入、编辑（3）图形分析与描述统计分析（4）数据文件的存贮、调用2、查找2000-2014年涉及主要数据建立中国消费函数模型中国国民收入与居民消费水平:表1年份X(GDP)Y（社会消费品总量）200099776.339105.72001110270.443055.42002121002.048135.92003136564.652516.32004160714.459501.02005185895.868352.62006217656.679145.22007268019.493571.62008316751.7114830.12009345629.2132678.42010408903.0156998.42011484123.5183918.62012534123.0210307.02013588018.8242842.82014635910.0271896.1数据来源：二、实验目的1.掌握eviews的基本操作。
2.掌握一元线性回归模型的基本理论，一元线性回归模型的建立、估计、检验及预测的方法，以及相应的EViews软件操作方法。
三、实验步骤（简要写明实验步骤）1、数据的输入、编辑2、图形分析与描述统计分析3、数据文件的存贮、调用4、一元线性回归的过程点击view中的Graph-scatter-中的第三个获得在上方输入Isycx回车得到下图DependsntVariable:Y Method:LeastSquares□ate:03；27/16Time:20:18 Sample:20002014 Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C-3J73.7023i820.535-2.1917610.0472X0416716 0.0107S838.73S44 a.ooao R-squared0.991410 Meandependentwar119790.2 AdjustedR.-squared 0.990750 S.D.dependentrar 7692177 S.E.ofregression 7J98.292 Akaike infocriterion20.77945 Sumsquaredresid 7；12E^-08 Scliwarz 匚「爬伽20.37386 Loglikelihood -1&3.3459Hannan-Quinncriter. 20.77845 F-statistic 1I3&0-435 Durbin-Watsonstat0.477498Prob(F-statistic)a.oooooo在上图中view 处点击view-中的actual ,Fitted ,Residual 中的第一 个得到回归残差打开Resid 中的view-descriptivestatistics 得到残差直方图/icw Proc Qtjject PrintN^me FreezeEstimateForecastStatsResids凹Group:UNIIILtD Worktile:UN III LtLJ::Unti1DependentVariablesMethod;LeastSquares□ate:03?27/16Time:20:27Sample(adjusted):20002014Includedobservations:15afteradjustmentsVariable Coefficient Std.Errort-Statistic ProtJ.C-3373.7023^20.535-2.191761 0.0472X0.4167160.01075S38.735440.0000R-squared0.991410 Meandependeniwar1-19790.3 AdjustedR-squa.red0990750S.D.dependentvar 76921.77 SE.ofregre.ssion 7J98.292 Akaike infacriterion20.77945 Sumsquaredresid 7.12&-0S Schwarzcriterion 20.S73S6 Laglikelihood -153.84&9Hannan-Quinncrite匚20.77545 F-statistic1I3&0.435Durbin-Watsonstat 0.477498 ProbCF-statistic) a.ooaooo在回归方程中有Forecast,残差立为yfse,点击ok后自动得到下图roreestYFM J訓YForea空巾取且:20002015 AdjustedSErmpfe:2000231i mskJddd obaerratire:15Roof kter squa red Error理l%2Mean/^oLteError畐惯啟iJean Afe.PereersErro r5.451SSQThenhe鼻BI附GKWCE口.他腐4Prop&niwi□ooooooVactaree Propor^tori0.001^24G M『倚■底Props^lori09®475在上方空白处输入lsycs…之后点击proc中的forcase根据公式Y。
如何用EViews进行计量经济学分析
如何用EViews进行计量经济学分析EViews是一个功能强大的计量经济学软件，广泛应用于经济学和金融学领域。
本文将介绍如何使用EViews进行计量经济学分析。
一、EViews的基本功能和特点EViews是一款广泛用于经济学分析的软件，具有以下几个特点：1. 数据管理：EViews可以方便地导入、处理和管理各种类型的数据，包括时间序列数据和截面数据。
2. 统计分析：EViews提供了丰富的统计分析和计量经济学方法，如描述统计、回归分析、时间序列分析等。
3. 模型建立：EViews支持各种经济模型的建立和估计，如线性回归模型、ARMA模型、VAR模型等。
4. 图表展示：EViews具有强大的图表绘制功能，可以帮助用户直观地展示数据和分析结果。
二、使用EViews进行计量经济学分析的步骤下面将以线性回归模型为例，介绍如何使用EViews进行计量经济学分析。
1. 导入数据首先，将需要分析的数据导入EViews。
通过点击"File"菜单，选择"Import"，然后选择合适的数据文件类型进行导入。
2. 创建工作文件在导入数据后，可以创建一个新的工作文件，以便进行后续的分析和建模操作。
点击"File"菜单，选择"New"，然后选择"Workfile"创建一个新的工作文件。
3. 创建方程在工作文件中，可以创建一个回归模型方程。
点击"Quick"菜单，选择"Estimate Equation"，然后在弹出的对话框中输入回归方程的表达式和变量。
4. 估计模型在创建回归方程后，可以进行模型的估计。
点击"EViews"菜单，选择"Estimate Equation"，然后选择适当的估计方法和设置。
5. 解释结果估计模型后，EViews将显示回归结果的详细报告。
EViews统计分析在计量经济学中的应用EViews概述
5/7/2023
EViews统计分析在计量经济学中的应用
2
2
EViews历史
EViews是由Quantitative Micro Software 〔QMS〕公司开发的，专门从事数据分析、回归 分析和预测的工具。EViews结合了电子表格和 相关的数据库技术以及传统统计软件分析功能， 并且使用了单击图形用户界面。EViews特点是 对于时间序列数据有较强的分析能力，另外在 预测分析、科学数据分析与评价、金融分析、 经济预测、销售预测和本钱分析等领域应用非 常广泛。
5/7/2023
EViews统计分析在计量经济学中的应用
22 22
图形操作
将图形插入文献中：Eviews可以将图形插入到 Word文档中。首先将图形翻开，然后点击 Eviews主画面顶部主按钮Edit/Copy/click弹出 对话框。选择〞Copy to clipboard〞，点击 OK，然后在Word文档中指指定位置粘贴即可。
EViews统计分析在计量经 济学中的应用EViews概述
1
：EViews简介
o 实验目的：熟悉和掌握Eviews在一元线性回 归模型中的应用。
o 实验数据：2019年中国各地区城市居民人均 年消费支出〔CS〕和可支配收入〔INC〕 〔相关数据在文件夹“书中资料/第3章〞〕 。
o 实验原理：普通最小二乘法(OLS) o 实验预习知识：普通最小二乘法、t检验、
可翻开下拉式菜单〔或再下
一级菜单，如果有的话〕，
点击某个选项电脑就执行对 应的操作响应〔File，Edit的 编辑功能与Word, Excel中的 相应功能相似〕
图1-1 EViews主窗口界面
5/7/2023
EViews统计分析在计量经济学中的应用综合案例
计量经济学创新实验设计
我们以方正科技（600601）为例，介绍如何通过Eviews 软件进行系数的回归估计。
打开Eviews6.0，选择File-New-Workfile，frequency选择integer date，时间为1至200，点击确定。
计量经济学创新实验设计
计量经济学创新实验设计
二.资本资产定价模型及其检验方法介绍
各种股票的收益和风险呈现正相关，每种资
产的收益由无风险收益和风险贴水两部分构成。 可表示为：
E Ri Rf i E Rm Rf
（1）
其中： E Ri 为股票的期望收益率； Rf 为无风险收益率、 E Rm 为市场证券组合的
期望收益率； i 是股票 i 收益和市场组合收益间的协方差im 与市场组合收益方差 m 2 的比
值，即 i
im
2 m
，常被称为“
系数”（可以看作某种股票收益变动对市场组合收益变
动的敏感度）。
计量经济学创新实验设计
假设关于任何资产的收益是一个公平博弈，换句 话说就是任何资产已实现的平均收益率等于其预 期的收益率。数学上有如下形式：
Rit E Rit imt eit
（2）
其 中 ， mt Rmt E Rmt ， E mt 0 ， eit 为 随 机 误 差 项 ， 且 E eit 0 ，
covemt
, eit
0
，
cov eit ,eit1
0
，
i
cov Rmt
,
Rit
Var
Rmt
。
计量经济学创新实验设计
出现下图后，点击Object-New Object，在Type of object中 选择seriers,，并命名为SY和MY，从而创建两个序列。
计量经济学用eviews分析数据
中国储蓄存款总额（Y,亿元）与GDP （元）数据如下表。
表1-1数据来源：《中国统计年鉴》年图1-1解:、估计一元线性回归模型由经济理论知，储蓄存款总额受GDP影响，当GDFP增加时，储蓄存款总额也随着增加，他们之间具有正向的同步变动趋势。
储蓄存款总额除受GDP影响之外, 还受到其他一些变量的影响及随机因素的影响，将其他变量及随机因素的影响均并到随机变量U中，根据X与丫的样本数据，作X与丫之间的散点图可以看出，他们的变化趋势是线性的，由此建立中国储蓄存款总额丫与GDF之间的一员线性回归模型。
由表1-1中样本观测数据，样本回归模型为用Eviews软件估计结果:Dependent Variable: 丫Method: Least SquaresDate: 12/14/14 Time: 10:41Sample: 1978 2012Included observations: 35R-squared 0.995724 Mean dependent var 78882.56Adjusted R-squared 0.995595 S.D. dependent var 108096.8S.E. of regression 7174.769 Akaike info criterion 20.64997Sum squared resid 1.70E+09 Schwarz criterion 20.73885Log likelihood -359.3745 Hannan-Quinn criter. 20.68065F-statistic 7684.717 Durbin-Watson stat 1.224720Prob(F-statistic) 0.000000即样本回归方程为:-4.678592 87.66252二、对估计结果做结构分析(1)对回归方程的结构分析0.762529是样本回归方程的斜率，他表示GDP勺边际增长率，说明GDP每增加1元，将有0.762529用于储蓄；-7304.294是样本回归方程的截距，他表示不受GDP影响的自发性储蓄增长。
eviews计量经济学实验报告
eviews计量经济学实验报告EViews计量经济学实验报告引言计量经济学是经济学领域中的一个重要分支，它运用数学、统计学和计量学的方法来分析经济现象。
EViews是一个常用的计量经济学软件，它提供了丰富的数据分析和模型建立工具，被广泛应用于学术研究和实际经济分析中。
本实验报告将利用EViews软件进行计量经济学实验，以探讨经济现象并得出相关结论。
实验目的本实验旨在利用EViews软件对某一经济现象进行实证分析，通过建立相应的计量经济模型，对经济现象进行量化分析，并得出相关结论。
实验步骤1. 数据收集：首先，我们需要收集与所研究经济现象相关的数据，包括时间序列数据和横截面数据等。
这些数据可以来自于官方统计机构、学术研究机构或者自行收集整理。
2. 数据预处理：接下来，我们需要对收集到的数据进行预处理，包括数据清洗、缺失值处理、异常值处理等，以确保数据的质量和完整性。
3. 模型建立：在数据预处理完成后，我们可以利用EViews软件建立计量经济模型，包括回归分析、时间序列分析、面板数据分析等，以探讨经济现象的内在规律和影响因素。
4. 模型估计：建立模型后，我们需要对模型进行参数估计，得到模型的具体参数估计值，并进行显著性检验和模型拟合度检验，以验证模型的可靠性和有效性。
5. 结果分析：最后，我们将对模型估计结果进行分析，得出与经济现象相关的结论，并对实证分析结果进行解释和讨论。
实验结论通过以上实验步骤，我们得出了关于某一经济现象的实证分析结果，并得出了相关的结论。
这些结论对于理解经济现象的内在规律和制定经济政策具有重要的参考价值。
总结EViews计量经济学实验报告通过利用EViews软件进行实证分析，对经济现象进行了深入探讨，并得出了相关结论。
这些结论对于经济学研究和实际经济分析具有重要的理论和实践意义，为我们深入理解经济现象和推动经济发展提供了重要的参考依据。
EViews软件的应用为我们提供了一个强大的工具，帮助我们更好地理解和分析经济现象，为经济学领域的研究和实践提供了重要的支持和帮助。
计量经济学eviews报告
计量经济学eviews报告在经济学研究中，计量经济学是一个重要的分支领域，它利用数理统计和经济理论方法，对经济现象进行定量分析和预测。
而在进行计量经济学研究时，经济学家们通常会使用eviews软件来进行数据处理和分析。
本报告将对eviews软件在计量经济学研究中的应用进行介绍和分析。
首先，eviews软件作为一款专业的计量经济学软件，具有强大的数据处理和分析功能。
它可以对各种类型的经济数据进行处理，包括时间序列数据、截面数据和面板数据等。
同时，eviews还提供了丰富的统计分析工具，如回归分析、时间序列分析、方差分析等，可以帮助经济学家们快速准确地进行数据分析和模型建立。
其次，eviews软件在计量经济学研究中的应用非常广泛。
在实证研究中，经济学家们通常会使用eviews来进行数据的导入和清洗，然后进行相关的计量分析。
例如，他们可以利用eviews进行回归分析，来探讨不同经济变量之间的关系；也可以利用eviews进行时间序列分析，来预测未来的经济走势。
总之，eviews为经济学家们提供了一个强大的工具，帮助他们更好地进行计量经济学研究。
另外，eviews软件还具有友好的用户界面和丰富的图表展示功能，使得经济学家们可以直观地呈现研究结果。
他们可以通过eviews生成各种统计图表，如散点图、折线图、柱状图等，直观地展示数据之间的关系和变化趋势。
这些图表不仅可以帮助经济学家们更好地理解数据，还可以用于学术论文和研究报告的展示。
总之，eviews软件在计量经济学研究中发挥着重要的作用，它为经济学家们提供了强大的数据处理和分析工具，帮助他们更好地进行实证研究。
未来，随着计量经济学研究的深入发展，相信eviews软件将会继续发挥重要作用，为经济学研究提供更多的便利和支持。
基于EVIEWS软件的计量经济学建模检验案例解读
基于EVIEWS软件的计量经济学建模检验案例解读计量经济学是经济学领域的一个重要分支，它运用数理统计方法对经济学模型进行定量分析和预测。
而EVIEWS软件则是计量经济学常用的数据分析与建模工具。
本文将通过一个实例案例，解读基于EVIEWS软件的计量经济学建模检验的方法和过程。
首先，我们需要了解案例的背景和研究问题。
假设我们想研究某国家的经济增长与就业率之间的关系。
我们提出了一个假设：经济增长对就业率有积极的影响。
第一步是数据收集和准备。
我们需要收集与经济增长和就业率相关的数据。
以中国为例，我们可以从国家统计局等官方机构获取国内生产总值（GDP）和就业率的数据。
这些数据应该是时间序列数据，通常包括一定的时间跨度和频率（例如月度或年度数据）。
第二步是数据预处理。
我们需要对收集到的数据进行清洗和处理，以确保数据的质量。
具体来说，我们需要检查数据是否存在缺失值、异常值等，确保数据的连续性和一致性。
第三步是建立计量经济学模型。
在本案例中，我们使用一个简单的线性回归模型来研究经济增长对就业率的影响。
假设就业率（Y）是经济增长（X）的线性函数，即Y = β0 +β1X + ε，其中β0和β1是回归系数，ε是误差项。
第四步是模型检验。
在EVIEWS软件中，我们可以利用OLS（Ordinary Least Squares）方法进行模型的估计和检验。
OLS方法是最小二乘法的一种形式，用于估计回归系数的值。
此外，我们还可以通过检验模型的显著性和拟合优度来评估模型的质量。
具体来说，我们可以通过检验回归系数的t值和p值来判断是否存在统计显著性。
如果t值的绝对值较大且p值小于设定的显著性水平（通常是0.05），则可以认为回归系数是显著的，即具有统计意义。
此外，我们还可以计算回归方程的R-squared值来评估模型的拟合优度，R-squared值越接近1，说明模型的解释能力越强。
最后，我们需要进行模型诊断。
模型诊断用于检验回归模型的假设是否成立，以及模型是否满足统计方法的要求。
- 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)。
中国储蓄存款总额（Y，亿元）与GDP（元）数据如下表。
解：一、估计一元线性回归模型Y i=0β^+1β^GDP t+e t由经济理论知，储蓄存款总额受GDP影响，当GDP增加时，储蓄存款总额也随着增加，他们之间具有正向的同步变动趋势。
储蓄存款总额除受GDP影响之外，还受到其他一些变量的影响及随机因素的影响，将其他变量及随机因素的影响均并到随机变量U中，根据X与Y的样本数据，作X与Y之间的散点图可以看出，他们的变化趋势是线性的，由此建立中国储蓄存款总额Y与GDP之间的一员线性回归模型。
Y i=β0+β1X1i+u i由表1-1中样本观测数据，样本回归模型为Y i=0β^+1β^GDP t+ℯt用Eviews软件估计结果：Dependent Variable: YMethod: Least SquaresDate: 12/14/14 Time: 10:41Sample: 1978 2012Included observations: 35Coefficient Std. Error t-Statistic Prob.C -7304.294 1561.216 -4.678592 0.0000GDP 0.762529 0.008698 87.66252 0.0000R-squared 0.995724 Mean dependent var 78882.56Adjusted R-squared 0.995595 S.D. dependent var 108096.8 S.E. of regression 7174.769 Akaike info criterion 20.64997 Sum squared resid 1.70E+09 Schwarz criterion 20.73885 Log likelihood -359.3745 Hannan-Quinn criter. 20.68065 F-statistic 7684.717 Durbin-Watson stat 1.224720Prob(F-statistic)0.000000即样本回归方程为：tY ^=−7304.294+0.762529gdp-4.678592 87.66252 r 2=0.995724二、对估计结果做结构分析 （1）对回归方程的结构分析1β^=0.762529是样本回归方程的斜率，他表示GDP 的边际 增长率，说明GDP 每增加1元，将有0.762529用于储蓄；0β^=-7304.294是样本回归方程的截距，他表示不受GDP 影响的自发性储蓄增长。
0β^和1β^的符号和大小，均符合经济理论及目前国家的实际情况。
（2）统计检验r 2=0.995724，说明总离差平方和的99.6%被样本回归直线解释，仅有0.4%未被解释，因此，样本回归直线对样本点的拟合优度是很高的。
给出显著性水平α=0.05，查自由度v=35-2=33的t 分布表，得临界值t 0.052(33)=2.03，|t 0|=4.678592＞2.03，故回归系数均显著不为零，回归模型中应摆放常数项，GDP 对Y 有显著影响。
从以上的评价可以看出，此模型是比较好的。
三、假设gdp 2013=568845.0，对2013年国民储蓄总额进行预测给出gdp 2013=568845.0，可以得到Y f2013=568845图1-2四、对异方差进行检验用怀特检验法进行异方差检验：Heteroskedasticity Test: WhiteF-statistic 0.081308 Prob. F(3,28) 0.9696 Obs*R-squared 0.276363 Prob. Chi-Square(3) 0.9644 Scaled explained SS 0.882741 Prob. Chi-Square(3) 0.8296Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/14/14 Time: 14:54Sample: 1981 2012Included observations: 32Coefficient Std. Error t-Statistic Prob.C 38523385 20655638 1.865030 0.0727E(-1)^2 -0.042001 0.172609 -0.243333 0.8095 E(-1)*E(-2) -0.409631 0.859096 -0.476816 0.6372E(-2)^2 0.094082 0.282003 0.333620 0.7412R-squared 0.008636 Mean dependent var 36993700 Adjusted R-squared -0.097581 S.D. dependent var 1.01E+08 S.E. of regression 1.06E+08 Akaike info criterion 39.91526 Sum squared resid 3.16E+17 Schwarz criterion 40.09848 Log likelihood -634.6442 Hannan-Quinn criter. 39.97599 F-statistic 0.081308 Durbin-Watson stat 1.876393 Prob(F-statistic) 0.969643提出假设：H0：αi=0， i=1,2H1：α1，α2中至少有一个不等于零Heteroskedasticity Test: WhiteF-statistic 0.081308 Prob. F(3,28) 0.9696 Obs*R-squared 0.276363 Prob. Chi-Square(3) 0.9644 Scaled explained SS 0.882741 Prob. Chi-Square(3) 0.8296Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/14/14 Time: 14:54Sample: 1981 2012Included observations: 32Coefficient Std. Error t-Statistic Prob.C 38523385 20655638 1.865030 0.0727E(-1)^2 -0.042001 0.172609 -0.243333 0.8095E(-1)*E(-2) -0.409631 0.859096 -0.476816 0.6372E(-2)^2 0.094082 0.282003 0.333620 0.7412R-squared 0.008636 Mean dependent var 36993700Adjusted R-squared -0.097581 S.D. dependent var 1.01E+08S.E. of regression 1.06E+08 Akaike info criterion 39.91526Sum squared resid 3.16E+17 Schwarz criterion 40.09848Log likelihood -634.6442 Hannan-Quinn criter. 39.97599F-statistic 0.081308 Durbin-Watson stat 1.876393Prob(F-statistic) 0.969643WT（g）=T R2=0.276363当H0成立时服从自由度为g的χ2分布，其中g=（k+1）（k+2）-1=22给定显著性水平α，查临界值χα2(g)=5.991WT（g）＜χα2(g)则H0成立，那么原模型不存在不存在异方差。
五、自相关检验检验误差项u t是否存在自相关：已知DW=1.224720，若给定α=0.05，查表，D L==1.40，D u=1.52。
因为DW=1.22＜1.40，依据判别规则，认为误差项u t存在严重的正自相关。
残差序列见图1-3。
图1-3e t=1.187e t−1-0.479e t−2+v tDependent Variable: EMethod: Least SquaresDate: 12/14/14 Time: 14:46Sample (adjusted): 1981 2012Included observations: 32 after adjustmentsCoefficient Std. Error t-Statistic Prob.E(-1) 0.187118 0.182095 1.027581 0.3124E(-2) -0.479147 0.188696 -2.539257 0.0165R-squared 0.181787 Mean dependent var -181.2631 Adjusted R-squared 0.154513 S.D. dependent var 6831.637 S.E. of regression 6281.715 Akaike info criterion 20.38914 Sum squared resid 1.18E+09 Schwarz criterion 20.48074 Log likelihood -324.2262 Hannan-Quinn criter. 20.41950 Durbin-Watson stat 1.385678一阶广义差分：Dependent Variable: GDYMethod: Least SquaresDate: 12/15/14 Time: 22:03Sample (adjusted): 1979 2012Included observations: 34 after adjustmentsCoefficient Std. Error t-Statistic Prob.C -4804.899 1508.843 -3.184493 0.0032GDGDP 0.767232 0.012561 61.07998 0.0000R-squared 0.991496 Mean dependent var 54110.50 Adjusted R-squared 0.991230 S.D. dependent var 72242.89 S.E. of regression 6765.480 Akaike info criterion 20.53408 Sum squared resid 1.46E+09 Schwarz criterion 20.62386 Log likelihood -347.0793 Hannan-Quinn criter. 20.56470 F-statistic 3730.764 Durbin-Watson stat 1.690568 Prob(F-statistic) 0.000000二阶广义差分：e=residls e e(-1) e(-2)Dependent Variable: EMethod: Least SquaresDate: 12/15/14 Time: 22:13Sample (adjusted): 1981 2012Included observations: 32 after adjustmentsCoefficient Std. Error t-Statistic Prob.E(-1) 0.187118 0.182095 1.027581 0.3124E(-2) -0.479147 0.188696 -2.539257 0.0165R-squared 0.181787 Mean dependent var -181.2631 Adjusted R-squared 0.154513 S.D. dependent var 6831.637 S.E. of regression 6281.715 Akaike info criterion 20.38914 Sum squared resid 1.18E+09 Schwarz criterion 20.48074 Log likelihood -324.2262 Hannan-Quinn criter. 20.41950 Durbin-Watson stat 1.385678Dependent Variable: GDYMethod: Least SquaresDate: 12/15/14 Time: 22:23Sample (adjusted): 1980 2012Included observations: 33 after adjustmentsCoefficient Std. Error t-Statistic Prob.C -9855.152 1630.151 -6.045546 0.0000GDGDP 0.763513 0.007365 103.6741 0.0000R-squared 0.997124 Mean dependent var 99555.96 Adjusted R-squared 0.997031 S.D. dependent var 130994.4 S.E. of regression 7137.270 Akaike info criterion 20.64274 Sum squared resid 1.58E+09 Schwarz criterion 20.73344 Log likelihood -338.6052 Hannan-Quinn criter. 20.67326 F-statistic 10748.31 Durbin-Watson stat 0.915423 Prob(F-statistic) 0.000000六、多重共线性由于只有一个解释变量，所以不存在解释变量之间的共线性。