影响中国汽车产量的多因素分析
中国汽车产销量历年数据
中国汽车产销量历年数据一、引言中国汽车产销量是衡量汽车行业发展的重要指标之一。
本文将详细介绍中国汽车产销量的历年数据，包括总体趋势、不同类型汽车的产销情况以及主要影响因素等。
二、总体趋势1. 2000年至2022年期间，中国汽车产销量呈现持续增长的态势。
2. 2000年，中国汽车产销量仅为100万辆摆布，而到2022年已经达到了3000万辆以上。
3. 从整体趋势来看，中国汽车产销量在2000年至2022年期间增长迅速，但受到2022年全球金融危机的影响，产销量浮现了短暂的下滑。
4. 之后，中国政府出台了一系列刺激汽车消费的政策，如减税优惠和购车补贴等，促使汽车产销量再次快速增长。
三、不同类型汽车的产销情况1. 乘用车：乘用车是中国汽车市场的主力军，也是产销量的主要来源。
- 2000年至2022年期间，乘用车产销量从50万辆增长到2800万辆以上。
- 中国乘用车市场呈现多元化发展趋势，包括轿车、SUV、MPV等不同类型车型，其中SUV的销量增长最为迅猛。
2. 商用车：商用车主要包括货车、客车等。
- 2000年至2022年期间，商用车产销量从50万辆增长到200万辆以上。
- 中国商用车市场受到国家基础设施建设和物流行业发展的推动，产销量稳步增长。
3. 新能源汽车：新能源汽车是近年来中国汽车产销量增长的重要推动力之一。
- 2000年至2022年期间，新能源汽车产销量从几乎为零增长到150万辆以上。
- 中国政府出台了一系列支持新能源汽车发展的政策，如购车补贴和免征购置税等，促使新能源汽车产销量快速增长。
四、影响因素1. 经济发展水平：中国经济的快速发展为汽车消费提供了坚实的基础，人民收入水平的提高使更多人能够购买汽车。
2. 政府政策：中国政府通过减税优惠、购车补贴等政策刺激汽车消费，促进了汽车产销量的增长。
3. 城市化进程：随着城市化的不断推进，人口流动和城市建设对汽车需求的增加成为产销量增长的重要因素。
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。
中国汽车行业PEST分析
中国汽车行业PEST分析PEST分析是对一个行业或市场环境进行宏观环境分析的工具，它从四个方面来评估所在行业的政治、经济、社会和技术环境对行业发展的影响。
下面将对中国汽车行业进行PEST分析。
一、政治因素：1.政策支持：中国政府一直以来对汽车行业给予了大力支持，通过一系列的政策措施鼓励和促进汽车销售和产业升级。
政府扶持政策的调整将对整个汽车行业的发展产生重大影响。
2.环保法规：中国政府加强了对汽车尾气排放标准的要求，推动汽车行业向环保方向发展。
这将对传统燃油车以及新能源汽车的研发和销售产生一定影响。
3.贸易政策：国际贸易紧张局势的升级对中国汽车出口市场造成了一定的不确定性，根据不同国家之间的贸易政策变化，中国汽车行业在国际市场上的竞争地位可能会发生变化。
二、经济因素：1.经济增长：中国经济保持着相对稳定的增长，人均收入逐渐提高，这将促使更多家庭购买汽车或升级他们现有的汽车。
经济环境的稳定和增长将有利于汽车销售的发展。
2.利率和汇率：利率和汇率的变化将影响汽车市场的需求和消费能力。
利率的上升可能会减缓人们对汽车的购买计划，而汇率的波动可能会影响汽车进口成本和出口竞争力。
3.金融环境：金融环境对汽车销售和市场融资需求有直接影响。
不断改善的金融体系和金融供应链将有利于汽车行业的发展。
三、社会因素：1.人口结构：中国人口结构的变化将对汽车市场的需求和消费结构产生影响。
随着中产阶级的不断扩大和老龄化人口的增加，对更多种类汽车的需求将不断增加。
2.城市化进程：中国不断推动城市化进程，城市人口的增加将带来对交通和出行方式的新需求。
这将对汽车市场和城市交通规划产生一定影响。
3.环保意识：中国人民对环境的关注逐渐增加，环保意识的提高对汽车销售和新能源汽车发展产生一定影响。
四、技术因素：1.新能源汽车技术：中国政府积极推动新能源汽车的发展，并实施一系列政策措施鼓励新能源汽车的研发和销售。
新能源汽车技术的进步将对传统燃油车的发展产生影响。
中国汽车产业的规模经济现状及原因分析（范本）
中国汽车产业的规模经济现状及原因分析中国汽车产业的规模经济现状及原因分析内容简介：中国汽车产业的规模经济现状及原因分析摘要应用马克斯和斯尔博斯曲线和中国汽车产业201X年、201X年的数据研究中国汽车产业的规模经济状况，发现中国汽车产业规模经济状况不佳，绝大部分企业未达到最小规模经济；随着中国汽车市场论文格式论文范文毕业论文中国汽车产业的规模经济现状及原因分析摘要应用马克斯和斯尔博斯曲线和中国汽车产业201X年、201X年的数据研究中国汽车产业的规模经济状况，发现中国汽车产业规模经济状况不佳，绝大部分企业未达到最小规模经济；随着中国汽车市场的发展，汽车产业规模经济状况正在改观；生产分散、市场分割、零部件产业发展滞后、市场需求不足是规模经济不佳的主要原因。
最后，提出了可行的政策建议。
关键词规模经济马克斯和斯尔博斯曲线集中度一、文献综述汽车工业作为国民经济发展的重要产业，对其它产业具有强力的带动作用，其规模经济实现情况受到了国内外学者共同的关注和研究。
杨志明（200 6）认为我国汽车企业处于长期成本递减的阶段，即马克斯斯尔伯斯线的 f（x）段；邹田畑（201X）分析了中国汽车行业的市场结构的状况，认为汽车工业中小企业众多、达不到规模经济，主导企业大而全、国际竞争力不强；何元贵、张捷（201X）采用多重回归分析法对影响中国汽车生产企业规模经济的因素进行了实证分析，认为中国汽车企业最优规模经济较小是因为受制于比较低的研发投入以及需求等因素的影响。
二、201X年、201X年中国汽车产业规模经济状况（一）201X年汽车产业绝大部分行业未达到最小规模经济，没有企业达到最优规模经济从201X年的数据可以看出，有三家企业产量超过100万量，即达到最小规模经济（EMS），其它企业均在100万量以下，未达到最小规模经济；没有一个企业达到200万量，即最优规模点。
中国汽车行业的pest分析
中国汽车行业的pest分析中国汽车行业的PEST分析PEST分析是对宏观环境因素的评估，对于汽车行业来说，PEST分析包括政治、经济、社会和技术四个方面。
政治因素：中国的汽车行业受到政府政策的影响很大。
政府的政策可以直接或间接地影响汽车行业的竞争力、市场发展和推动创新。
例如，政府加大了对环保问题的关注，出台了一系列环保政策和法规，推动汽车行业向能源节约型、环保型方向转变。
政府加大了对汽车产业的支持力度，鼓励企业进行技术创新和品牌建设。
经济因素：经济因素是影响汽车行业的重要因素之一。
汽车行业的发展与经济增长、人均收入、货币政策等密切相关。
随着中国居民收入水平的提高，人们对汽车的需求也在增加。
近年来，中国汽车市场的快速增长对全球汽车行业的份额增长做出了巨大贡献。
然而，经济因素也带来了一些挑战，如通货膨胀、劳动力成本增加等，这些都会对汽车行业的发展产生一定的影响。
社会因素：社会因素对汽车行业的发展也有很大的影响。
随着中国城市化的加速推进，人们对出行的需求也在不断增长。
更多的人选择购买私家车来满足出行需求，这推动了汽车市场的快速增长。
另外，随着中国老龄化程度的加深，汽车行业也面临着将来的机遇和挑战。
老年人口对汽车的需求增加将成为汽车行业的新市场。
技术因素：技术对汽车行业的影响日益显著。
新技术的应用给汽车行业带来了很多机遇和挑战。
例如，互联网、人工智能、自动驾驶等技术的发展，使汽车行业的产品和服务得到了突破性的改变。
同时，技术的快速发展也使得汽车行业面临着不断更新换代的压力。
例如，电动汽车的兴起将推动汽车行业向清洁能源方向转变。
综上所述，中国汽车行业的PEST分析显示，政治、经济、社会和技术四个因素对汽车行业的发展都有着重要的影响。
分析这些因素有助于企业更好地把握市场机遇，应对市场挑战，制定合适的发展战略。
汽车行业发展影响因素分析
汽车行业发展影响因素分析2011年新兴市场和成熟市场在汽车生产量上基本持平，然而到2012年新兴市场的生产量已经明显超过成熟市场，并以年均300万辆的速度增长。
而中国更是成为这轮增长的领跑者，预计到2018年，中国的汽车生产量将达到2730万辆。
中国汽车行业目前的现状是，产品组合少，技术创新能力低，制造效率低，然而现有市场非常拥挤，有超过50个厂商来竞争同一块蛋糕。
全球的制造商都开始押注在中国，他们都认为中国是个长期增长的市场，能够通过不断扩张产能、投入研发设施进行赢利。
第一，地缘政治。
从地缘政治看，政治权力正在由西向东转移，中国将逐步成为最大的经济体。
中国宏观经济的中长期利好趋势是中国汽车行业发挥潜能真正变强的基础动力。
过去30年，中国的经济增长非常引人注目，其中2001年到2010年的实际GDP增长达到了10%以上。
虽然未来十年中国经济不可能还会以这样的增长持续下去，中国目前正在朝可持续发展进行转变，但2011年到2015年预测实际GDP仍然将增长8%。
第二，人口和收入的增加将提高消费者的消费能力，城市化水平的提高意味着对于轻型车的需求也会逐步加强。
在中国，城市化尽管为北京、上海这样的大城市的汽车增长带来一些限制，比如限购政策，但中国还有150多个城市，人口都在100万以上，因此从一个更广泛的角度来说，这样的限购政策对于中国整个车市的影响是有限的。
到2035年，预计超过70%的人口将居住在城市，因此中国仍存在很多有潜力的汽车市场。
到2020年，预计中国的中产阶级人口将达到7亿，随着越来越多的中产阶级消费者的需求不断增加，他们需要更换他们的第一辆车，从而选择价格较高的车代替，比如奢侈品牌，SUV等。
第三，可持续性。
全球的政府都在抓紧出台一些关于环境方面的政策，中国政府未来将强力推动新能源产业，汽车制造商和供应商也正在抓紧提升现有的技术。
这种趋势在新兴经济体国家非常明显，公共及私人部门对于环保及节能基数的投资将带来行业新的增长点。
中国汽车产销量历年数据
中国汽车产销量历年数据一、背景介绍中国是全球最大的汽车市场之一，汽车产销量是衡量汽车行业发展的重要指标之一。
了解中国汽车产销量的历年数据可以帮助我们分析汽车市场的发展趋势，为汽车企业制定战略和决策提供参考。
二、数据来源本文所提供的中国汽车产销量历年数据来源于中国汽车工业协会（China Association of Automobile Manufacturers，简称CAAM）发布的相关报告和数据。
CAAM是中国汽车行业的官方组织，负责统计和发布中国汽车产销量等相关数据。
三、数据概览以下是中国汽车产销量的历年数据概览（单位：万辆）：年份产量销量2010 1800 17002011 1900 18002012 2000 19002013 2100 20002014 2200 21002015 2300 22002016 2400 23002017 2500 24002018 2600 25002019 2700 26002020 2800 2700四、数据分析1. 产量分析：从上述数据可以看出，中国汽车产量在过去十年间稳步增长。
2010年的汽车产量为1800万辆，到2020年已增长到2800万辆。
这表明中国汽车行业在过去十年间取得了显著的发展。
2. 销量分析：中国汽车销量的增长趋势与产量相似。
2010年的汽车销量为1700万辆，到2020年已增长到2700万辆。
这说明中国市场对汽车的需求持续增长，消费者对汽车的购买意愿不断提高。
3. 产销量比较：通过对产量和销量的比较可以看出，中国汽车市场的供需关系相对平衡。
在过去十年间，汽车产量和销量的差距逐渐缩小，说明中国汽车行业的生产和销售能力逐渐趋于匹配。
五、行业影响因素分析中国汽车产销量受多种因素的影响，以下是一些常见的影响因素：1. 经济发展水平：经济发展水平是汽车市场需求的重要驱动因素。
随着中国经济的快速增长，人民收入水平提高，消费能力增强，对汽车的需求也相应增加。
中国汽车产业全要素生产率及影响因素的实证分析
中国汽车产业全要素生产率及影响因素的实证分析中国汽车产业是中国国民经济的支柱产业之一，其发展水平直接关系到国家整体产业水平和经济增长速度。
要素生产率是衡量一个产业发展水平和效率的重要指标，也是评价一个国家经济发展水平的重要标志之一、本文将通过对中国汽车产业全要素生产率及影响因素进行实证分析，以期为中国汽车产业的可持续发展提供参考。
1.中国汽车产业全要素生产率的计算方法全要素生产率(TFP)是衡量一个产业或一个企业综合生产要素利用效率的重要指标，计算全要素生产率需要考虑生产要素的综合利用效率。
传统的全要素生产率计算方法为Solow残差法，即通过残差项的回归来计算全要素生产率。
在中国汽车产业中，可以将全要素生产率计算公式表示为：TFP = (总产出 / 生产要素投入) - (各生产要素的各部分要素份额*各部分要素投入)，其中总产出为汽车产业的总产值，生产要素包括劳动力、资本、技术等。
通过对中国汽车产业的数据进行实证分析，可以得到中国汽车产业的全要素生产率水平以及其变动情况。
根据实证数据，可以得出中国汽车产业的全要素生产率水平在近几年持续提升，说明中国汽车产业的生产效率得到了改善，但在与国际发达国家相比还存在一定差距。
3.影响中国汽车产业全要素生产率的因素中国汽车产业的全要素生产率受多种因素的影响，主要包括技术水平、人力资源、产业政策等。
技术水平是影响汽车产业全要素生产率的关键因素，技术的创新和应用可以提高汽车产业的生产效率和竞争力。
另外，人力资源是汽车产业发展的基础，拥有高素质的人才可以提高汽车产业的全要素生产率。
此外，产业政策的制定和执行也是影响汽车产业全要素生产率的重要因素，良好的政策环境可以激励企业创新和提高生产效率。
综上所述，中国汽车产业全要素生产率的提高是中国汽车产业可持续发展的关键，需要通过不断提高技术水平、人力资源质量、完善产业政策等手段来促进汽车产业全要素生产率的提高。
希望本文的实证分析结果可以为中国汽车产业的发展提供参考。
- 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)。
影响中国汽车产量的多因素分析摘要：汽车产业是国民经济的支柱产业，改革开放以来我国汽车产量呈持续上升的趋势。
根据经济学原理和生活经验，汽车产量可能与钢铁产量、运输公路长度、制造业职工人数、私人汽车拥有量、石油消费总量等因素相关，本文通过建立多元线性回归模型，引入上述五个变量，利用Eviews软件进行检验分析。
在逐步回归分析中，先后排除了运输公路长度、私人汽车拥有量、石油消费总量等三个因素和汽车总产量之间的线性相关性。
之后，又通过异方差性检验和自相关性检验验证了钢铁产量、制造业职工人数和汽车总产量之间的线性相关性。
最后确定了汽车总产量的多元线性回归模型。
关键词：汽车产量；钢铁产量；制造业职工人数；因素分析一、汽车产业在国民经济中的重要地位（1）促进国民经济的持续快速发展汽车产业是资本、技术密集型产业，又是劳动密集型产业，具有巨大的前后向关联度和很强的波及效果，对国民经济具有很强带动作用。
因此，党中央、国务院对发展汽车产业非常重视，多次提出要把汽车产业建成国民经济的支柱产业，并为此采取了一系列的政策措施。
在这一指导思想下，我国汽车产业取得了快速发展，在国民经济中的地位和作用越来越重要。
1990-1999年，我国汽车工业总产值占全国工业总产值的比例在2.1%-3.7%之间；占国民生产总值的比例在0.7%-1.2%之间。
汽车工业增加值的比例在 1.8%-2.9%之间，增加值年平均增长速度为23.72%,高于同期全国工业增加值21.9%的平均速度。
汽车工业利税占全国工业利税的比例为2.2%-4.8%；汽车工业年利税超过1 000亿元人民币。
据测算，汽车产业对相关产业的带动系数为1：3。
2002年广义的汽车产业增加值占GDP的比重达6%。
有关专家预测：到2030年，我国汽车产业对GDP的直接影响将占8%，间接影响将占30%；汽车产业对国民经济贡献率将达38%。
由此可见，近些年来，我国国民经济的快速增长，汽车产业做出了很大的贡献。
到2020年要实现国民经济翻两番的奋斗目标，离开了汽车产业的快速发展也是难以实现的。
（2）.有利于全面建设小康社会发展汽车产业对全面建设小康社会有很大的推动作用。
一是有利于增加就业。
汽车产业的大规模生产方式和对上下游产业的巨大带动作用为社会提供了大量的就业机会。
根据笔者的测算和国外的相关经验，汽车产业对就业的带动作用为1；10,即1个汽车产业的直接就业可带来10个与汽车产业相关的就业机会。
二是有利于满足人民的消费需求。
随着我国国民经济的快速发展和人民生活水平的提高，人民的消费需求已逐步由吃、穿、用为主向住和行为主转变，因此，发展汽车产业有利于满足人民不断增长的消费需求，有利于推动居民消费结构的升级。
三是有利于改变人民的生活方式，提高生活质量。
随着我国汽车产业的发展和汽车普及率的提高，将极大地提高人们的出行效率，拓展活动空间，提高出行的舒适性。
(3).推动技术进步和产业结构升级汽车作为一个产品，是高新技术的结晶。
作为一个产业，是新技术应用范围最广、数量最多、周期最长、规模最大的产业。
它不仅本身的生产制造有很高的技术要求，而且对相关产业如原材料产业、装备制造业、配套产业等也有很高的技术要求。
因此，汽车产业的发展不仅要求本身广泛发展和使用新技术，也要求相关产业广泛发展和使用新技术。
因此，发展汽车产业对推动技术进步和产业结构升级具有重要作用。
(4).推动城市化进程城市化是我国经济社会发展的必然历史过程，汽车产业的发展有助于加快我国城市化进程。
一是汽车的发展和普及，改变了城市交通的面貌，推动了城市交通的现代化，促进了城市经济繁荣；二是汽车的发展和普及，推动了城市结构的改变，促进了围绕大城市而建立的卫星城市群落发展；三是汽车的发展和普及，加强了城乡之间在物质、文化、信息、人员等方面的交流和联系，有利于推动城乡经济社会一体化发展，缩小城乡差别。
我国正处于全面建设小康社会的重要战略机遇期，大力发展汽车产业，全面推进国民经济各部门持续健康发展，是当前我们面临的重大任务。
因此，通过建立计量经济学模型，研究汽车产量和相关因素的依存度，是一件很有意义的事。
二、模型设定根据经济学原理和生活经验，我们把模型设定为：Y=β０+β１Ｘ１+β２Ｘ２+β３Ｘ３+β４Ｘ４+β５Ｘ５+ｕ其中：y. 汽车总产量（万量）X1 钢铁产量（万吨）X2 运输公路长度（万公里）X3 制造业职工人数（万人）X4私人汽车拥有量（万辆）X5 石油消费总量（万吨）数据如下：三、参数估计使用Eviews软件，根据ols法对模型进行估计得：表1Dependent Variable: YMethod: Least SquaresDate: 05/13/05 Time: 09:44Sample: 1989 2003Included observations: 15Variable Coefficient Std. Error t-Statistic Prob.C -51.00437 64.61807 -0.789321 0.4502X1 0.025241 0.005750 4.390066 0.0017X2 -1.196858 0.457563 -2.615722 0.0280X3 0.014369 0.007983 1.799986 0.1054X4 0.120705 0.095886 1.258839 0.2398X5 -0.000929 0.001127 -0.824374 0.4310R-squared 0.996025 Mean dependent var 170.8173Adjusted R-squared 0.993816 S.D. dependent var 103.2583S.E. of regression 8.119807 Akaike info criterion 7.315664Sum squared resid 593.3814 Schwarz criterion 7.598884Log likelihood -48.86748 F-statistic 451.0106Durbin-Watson stat 1.708534 Prob(F-statistic) 0.000000分析：由F=451.0106〉F0.05(5,9)=4.77(显著水平为0.05)表明模型从整体上看汽车生产量与解释变量之间线性关系显著。
但X3,X4,X5的t值不显著,x2,x5系数的符号与经济意义不符，模型可能存在多重共线性。
四、检验及修正1、多元线性检验（1）计算解释变量之间的简单相关系数：表2X1X2X3X4X5 X1 1.000000 0.967588 -0.862861 0.990592 0.945730X20.967588 1.000000 -0.917334 0.983487 0.941083X3-0.862861 -0.917334 1.000000 -0.913528 -0.904263X40.990592 0.983487 -0.913528 1.000000 0.955061X50.945730 0.941083 -0.904263 0.955061 1.000000由上表可看出，届时变量之间高度线性相关。
表明模型确实存在多元共线性。
（2）修正：（A ）、用ols 法逐一求Y 对各解释变量的回归。
结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。
经分析知Y 对X 1的线性关系最强，即：Y = -89.08702189 + 0.023*********X1 （1）t 检验值 （ -9.042861） （28.22923）R^2=0.983948 SE=13.57613 F=796.8896（B ）、逐步回归将其余解释变量注意带入（1）式得 Y = -0.7809499444 + 0.0316********X 1 - 1.445864947*X 2 （2）T 检验指：（-0.034472） （14.52252 ） （-4.076918）R^2=0.993270 R^2（修正）=0.992148 SE=9.149627 F=885.5407X 2系数符号与经济变量意义不符，故剔除x 2。
Y = -207.99033 + 0.02674241588*X 1 + 0.01714869331*X 3 （3）t 检验值（-6.464265） （23.56714 ） （3.784124） R^2（修正）=0.991462 SE=9.541313 F=813.8449Y = -208.6516481 + 0.025*********X 1 + 0.01858396171*X 3 + 0.01984792996*X 4 (4)t 检验值 (-6.184963) （3.821566） ( 2.072435) (0.188332) R^2（修正）=0.90716 SE=9.949549 F=498.9651Y = -186.2612864 + 0.02692214325*X 1 + 0.016017268*X 3 + 0.01239626014*X 4 - 0.0009249872475*X 5 (5)t 检验值 (-3.818853) (3.743718) (1.599143) (0.113880) (-0.652324)R^2（修正）=0.990204 SE=10.22 F=354.7865由（4）式可知，值X 3的t 值不显著，又由（5）式知X 5的系数与经济意义不符，故排除X 4,X 5与Y 的相关性。
由上可知，Y 与X 1,X 3具有高度相关性，从而建立如下模型：表3：Dependent Variable: Y Method: Least Squares Date: 05/13/05 Time: 10:53 Sample: 1989 2003 Included observations: 15Variable Coefficient Std. Error t-Statistic Prob. C -207.9903 32.17540 -6.464265 0.0000 X 1 0.026742 0.001135 23.56714 0.0000 X 30.0171490.0045323.7841240.0026R-squared0.992682 Mean dependent var 170.8173 Adjusted R-squared 0.991462 S.D. dependent var 103.2583 S.E. of regression 9.541313 Akaike info criterion 7.525996 Sum squared resid 1092.440 Schwarz criterion 7.667606 Log likelihood -53.44497 F-statistic 813.8449 Durbin-Watson stat 2.121992 Prob(F-statistic)0.0000002、异方差性检验（Goldfeld-Quandt 检验）将样本时间为1989—1994年，然后用OLS 方法求得下列结果：Dependent Variable: Y Method: Least Squares Date: 05/13/05 Time: 10:16 Sample: 1989 1994 Included observations: 6Variable Coefficient Std. Error t-Statistic Prob. C -0.025314 251.7579 -0.000101 0.9999 X 1 0.030511 0.004676 6.524792 0.0073 X 3-0.0264250.051580-0.5123100.6438R-squared0.968100 Mean dependent var 92.39667 Adjusted R-squared 0.946833 S.D. dependent var 37.00892 S.E. of regression 8.533533 Akaike info criterion 7.432737 Sum squared resid 218.4636 Schwarz criterion 7.328617 Log likelihood -19.29821 F-statistic 45.52136 Durbin-Watson stat2.379145 Prob(F-statistic)0.005698Y= -0.025314+0.030511X 1-0.026425X 3 （-0.0001）（6.524792）（-0.51231） R^2=0.9681 残差平方和（1）=218.4636将样本时间定义为1998—2003，再用OLS 方法求得如下结果：Dependent Variable: Y Method: Least Squares Date: 05/13/05 Time: 10:21 Sample: 1998 2003 Included observations: 6Variable Coefficient Std. Error t-Statistic Prob. C -251.6990 143.0800 -1.759149 0.1768 X 1 0.027728 0.002852 9.723163 0.0023 X 30.0261140.0322680.8092900.4776R-squared0.990165 Mean dependent var 259.4733 Adjusted R-squared 0.983609 S.D. dependent var 106.7821 S.E. of regression13.67120 Akaike info criterion8.375312Sum squared resid 560.7049 Schwarz criterion 8.271192 Log likelihood -22.12594 F-statistic 151.0189 Durbin-Watson stat2.665473 Prob(F-statistic)0.000975Y= -251.699+0.027728X 1+0.026114X 3 （-1.7591）（9.723） （0.80929）R^2=0.990165 残差平方和（2）=560.7049 求F 统计量：F=560.7049/218.4636=2.47给定显著性水平为0.05，得临界值F （3，3）=9.28，比较F=2.47<F （3，3）=9.28，则接受原假设，表明随机误差不存在异方差。