中国经济增长因素实证分析
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。
中国经济增长影响因素实证分析复习过程
中国经济增长影响因素实证分析中国经济增长影响因素实证分析摘要：改革开放以来，我国的社会主义经济取得了突飞猛进的发展，经济增长速度更是举世瞩目。
本文采用经济增长模型和多元线性回归分析方法对1993～2016年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的影响，建立计量模型，寻求这些变量与中国国民产出的数量关系，进行定量分析，对模型进行检验。
关键词：消费、投资、经济增长、劳动力一、文献综述（一）经济增长理论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，即以国民生产总值和国内生产总值的（GDP）的增长来计算。
经济增长是经济学研究的永恒主题。
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。
（二）影响因素的分析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。
中国拥有全世界近1/4 的人口，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导因素。
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。
因此,研究消费需求对经济增长的影响,并对我国消费需求对经济增长的影响程度进行实证分析，可以更好的理解消费对我国经济增长的作用。
二、数据收集与模型的建立（一）数据收集表1 中国经济增长影响因素模型时间序列表资料来源：中经网统计数据库（二）模型设计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 ）作为对经济发展的衡量，代表经济发展；用总就业人员数（x2）衡量劳动力；用固定资产投资总额(x3)衡量资本投入：用价格指数（x4）去代表消费需求。
我国经济增长影响因素的实证研究
我国经济增长影响因素的实证研究摘要：投资需求、消费需求、出口需求对国民经济增长具有十分重要的意义。
本文从国内生产总值支出法角度出发，运用eviews 软件，从投资、消费、出口三个方面研究各自发展速度对gdp增长速度的影响程度，并提出完善我国收入分配制度、提高投资资源使用率等建议。
关键词：投资；消费；出口；回归分析一、引言投资、消费、出口是拉动我国经济增长的”三驾马车”，消费对拉动经济增长具有十分重要的作用；投资可以拉动经济增长，形成一定的生产力，增加社会产品的生产能力，提高商品供给，推动经济增长；出口的增长会直接导致国内有效需求的增加，有利于我国积累必要的外汇资金。
可以看出投资、消费、出口三者是相辅相成的关系，共同促进着我国的经济增长，因此，对三驾马车的研究对于我们了解国内经济增长中存在的问题及宏观经济政策的提出有着重要的意义。
国内许多学者都对此问题进行过不同角度的研究。
郑杰、蔡俊、曾丽斌（2006）以政府规模、技术投入、外商直接投资、储蓄、贸易为自变量建立模型做回归分析，提出应降低利息率，促进消费，扩大对外出口等对策；李宝仁、张院（2005）定量分析了消费、投资、出口三个变量对我国gdp的贡献，得出了扩大内需、稳定外需、保就业等政策建议；以上学术成果虽然结论各有偏差，但都说明了消费、投资、出口作为我国经济增长永恒动力的重要性和研究的价值。
二、模型选取与数据处理1.选择变量和模型支出法是从最终使用的角度反映gdp最终使用去向的方法，最终使用包括货物和服务的最终消费支出、资本形成总额、货物和服务净出口三部分。
运用eviews软件和回归方程，通过对1978-2009年经济增长率与固定资本形成增长率、居民消费增长率、出口增长率的分析，进行初步预测。
其中y表示gdp增长速度，x1表示固定资本形成增长速度，x2表示居民消费增长速度，x3表示出口增长速度。
因此建立理论方程如下：y=c+c1x1+c2x2+c3x3+u2.样本数据的选取gdp增长率选自2010年《中国统计年鉴》，为实际增长率（表1）。
中国经济增长的常态化—主要影响因素探讨
中国经济增长的常态化——主要影响因素探讨一、30年经济高速增长和放缓改革开放以来.我国国民经济增长迅猛.创造了世界经济发展史上令人惊叹的“中国奇迹”.经济总量突飞猛进.综合国力和国际影响力显著提升。
从1978 年至2011 年.我国国内生产总值年均增长约10%.远超同期世界经济年均增速.并在2010 年跻身为仅次于美国的世界第二大经济体（按照经济总量来算）。
中国经济持续三十余年的强劲增长.无论是增长时间还是增长速度.都是非常可观的.这可以从图1中国国民生产总值的增长趋势中略见一斑。
然而.进入2012 年后.我国的经济发展形势发生了阶段性变化.经济增速明显下滑.国内生产总值增长速度连续三年低于8%.2014 年更是降至7.4%.创下1990 年以来的最低水平。
从图2中2011年到2015年国民生产总值增长比率季度数据可以看出.经济增速下滑明显。
图1 中国改革开放以来经济增长趋势图图2 2012年以来国内生产总值同期增长变化1.1 中国经济高速增长的因素分析改革开放以来中国经济发展所取得的巨大成就.是建立在劳动力、资本和自然资源等生产要素充足供给的基础上。
有研究指出.1978 年以来我国70%左右的经济增长来自于资本和劳动投入。
对国家之间经济发展的差异.学术界出现了几种主要观点.在解释中国改革开放30年来的高速增长也有很好的参考意义：首先是内生决定论。
其中第一是制度决定论.认为一国经济增长必然需要良好的制度约束.政体形态和经济制度发展要先于经济增长.有很多学者也通过实证研究论证了制度对经济发展的显著作用.如Rodrik 和 Wacziarg (2003)通过固定效应检验证实了民主转轨对经济增长的正向作用。
二是新古典内生要素决定论.着重强调了贸易、知识和教育、技术进步等内生因素才是经济增长根源.金融和制度等要素发展有赖于经济体内教育发展、物质资本和人均收入禀赋.金融和制度本身更是依赖于经济增长才得以发展（Djankov et al., 2003）。
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。
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)。
中国经济增长因素实证分析姓名：胡旭学号：20126701 班级：国贸五班【摘要】改革开放以来，我国的社会主义经济取得了突飞猛进的发展，经济增长速度更是举世瞩目。
本文采用计量经济学模型具体分析了物质资本，劳动力，对国内生产总值的影响，建立计量模型，寻求这些变量与中国国民产出的数量关系，进行定量分析，对模型进行检验。
【关键字】资本，劳动力，经济增长，实证分析1 引言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，既国民生产总值和国内生产总值的增长来计算。
古典经济增长理论以社会财富增长为中心，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。
从古典经济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，在我们这里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。
2.研究方法2.1数据表1.1 中国经济增长影响因素模型时间序列表年份Y XI X2年份Y XI X2 19804545.642361910.91997789736982024941.1 19814891.643725961199884402.27063728406.2 19825323.4452951230.4199989677A7139429854.7 198359627464361430.1200099214-67208532917J 198472084481971832.92001109655.27302537213-5 19859016498732543.22002120332.77374043499.9 198610275.2512823120-62003135822.87443255566.6 198712058.6527833791.72004159878.37520070477.4 198815042.8543344753.82005184937.47582588773.6 198916992.3553294410.42006216314.476400109998.2 199018667.86474945172007265810376990137323.9 199121781.5654915594.52008314045.477480172828.4 199226923.5661528080.1200934090377995224598.8 199335333.966808130723201040120278135278140 199448197.96745517042.1201147310479345311022 199560793.768065200193201251932280178364835 199671176.668950□22913.5资料来源：中经网统计数据库2.2模型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丫作为对经济发展的衡量，代表经济发展；用总就业人员数X1衡量劳动力；用固定资产投资总额X2衡量资本投入。
中国经济增长除了受劳动力、资本投入影响外，还可能受其他一些变量及随机因素的影响，我们把它统一归并到随机变Ui中，根据丫与XI、X2的表1.1数据，作丫于X1、X2之间的散点图，如图1，采用的模型如下：丫二？0+?1X1+ ?2x2+Ui 其中丫代表国内生产总值，X1代表总就业人员数，X2代表固定资产投资总额，Ui代表随机误差项Y图1 X1、X2与Y的散点图从散点图可以看出，丫国内生产总值与X1总就业人员数大致呈线性关系，且正相关，丫国内生产总值随X1总就业人员数增加而增加；Y代表国内生产总值与X2代表固定资产投资总额，大致呈线性关系，且正相关，Y代表国内生产总值随X2代表固定资产投资总额增加而增加。
3.研究结果3.1参数估计利用Eviews软件，作丫对X1、X2的回归，回归结果如下图2Dependent Variable: YMethod: Least SquaresDate: 10/20/14 Time: 14:29Sample: 1980 2012Included observations: 33Variable Coefficient Std. Error t-Statistic Prob.C-97122.0016960.33 -5.7264200.0000X1 2.0521600.276536 7.4209450.0000X2 1.2885310.033879 38.033590.0000R-squared0.990688Mean dependent var120235.9Adjusted R-squared0.990067S.D. dependent var143674.1S.E. of regression14318.93Akaike info criterion22.06306Sum squared resid 6.15E+09Schwarz criterion22.19911Log likelihood-361.0405Hannan-Quinn criter.22.10884F-statistic1595.852Durbin-Watson stat0.621876Prob(F-statistic)0.0000003.2对回归方程的分析可得到估计方程为？=-97122.00+2.052160X1 + 1.288531X2八？仁2.052160,说明在其他变量不变的条件下，总就业人员数每增加一万人，就会使国内生产总值增加2.052160 亿元;八？2=1.288531,说明在其他变量不变的条件下，固定资产投资总额每增加1亿元，就会使国内生产总值增加 1.28853亿元；八？0=-97122.00是样本回归方程的截距，它表示不受总就业人员数和国内资产投资总额影响自发经济增长行为。
3.3拟合优度由图中数据可以看出，本例中的决定系数R A2=0.990688,调整的决定系数为0.990067，说明模型对样本的拟合效果非常好，解释变量X1，X2能对被解释变量Y 99%的离差做出解释。
3.4回归方程的整体性检验（F检验）提出假设:HO : ?仁？2=0； HI ： ?j 不全为零(j=1,2 )在显著水平a =0.05 , n-3=30 时，查 F 分布表，得至UF0.95(2,30)=3.32利用样本数据计算检验统计量F=R A 2/K/(1-R A 2)/(n-K-1)=1595.8247本例中 F=1595.8247>F0.95(2, 30)=3.32，差异显著，拒绝 H0的假设，方程显著不为零。
说明模型的线性关系在 95%的水平下显著成立。
3.5异方差首先用图示法对模型的异方差进行一个大致的判断。
令 X 轴为方程 被解释变量，丫轴为方程的残差项，做带有回归线的散点图。
图3:初始模型的异方差性检验散点图Qcn山30,000 20.000 10,000-W,000 -20,000 -30,00040,00050.000 60,000 70,000 80,000 90,000X1100 000 200 000 300.000 400.000图4 :初始模型的异方差性检验散点图从图3,图4可以看出，随着X 的增加，残差项的离散程度增大, 表明随机误差项也存在异方差。
但是，图示法并不准确，下面使用 戈里瑟检验法进行检验，用残差值RE 对XI , X2进行回归，建立如下方程：RE= a o+ a iX1+ a ?X2+ &F 面是Eviews 的估计结果见图530.00020 00010,000--1 0 ooo i-20 000 - -30.000 fMethod: Least SquaresDate: 11/06/14 Time: 20:52Sample: 19S0 2012Included obserjations: 33Variable Coefficient Std Error t-Statistic ProbC -724.0457 929Q.020 -0.07793S 0.9384X1 0.162783 0 151473 1 074670 02911X2 0016228 001S557 0374491 03G88R-squared 0151518 Mean dependent var10976.46Adjusted ^squared 0094953 S D dependentvar 8244365S.E of regression 7843.191 Akaike info criterion 20.85919Sum squared resid 1.85E*09 Schwarz criterion 20.99523Log likelihood -341.1766 Hannan-Quinn criter 2090496F-statistic 2678636 Durbin-Watson stat 0.756415Prob(F-stati stic) 0085043图5 :残差值对值RE 对X1,X2的Eviews的结果则样本回归的估计方程为:RE=-724.0457+0.162783X1+0.016228X2因为a=0.162783 a2=0.016228,不显著，说明随机误差项之间不存在异方差性，或异方差问题不严重。
3.6序列相关从图二可知DW=0.621876 ，给定显著性水平a=0.05，因为k=1 ,n=33，查DW值附表，得DW检验临界值d L=1.38 d u=1.51.因为DW=0.621876< d L=I.38，根据DW 检验的判定规则，可知随机误差项存在很强的自相关。
3.7多重共线性用逐步回归法检验如下:以丫为被解释变量，逐个引入解释变量X1 X2，构成回归模型，进行模型估计。
Method: Least SquaresDate; 11/06/14 Time: 22:03Sample: 1980 2012Included observations: 33Variable Coefficient Std Error t-Stallstic Prob.C -4578434 97039.51 -4.718113 0.0000X1 3.831907 1.459089 6.053027 0.0000R-squared 0.541685 Mean depe nd 总nt v日r 1202359Adjusted R-squared 0.526901 S.D dependentvar 143674.1S.E. of regression 98822 18 Akaike info criterion 25.S9872Sum squared resid 3 03E+11 Schwarz criterion 25.98942Log likelihood -425 3289 Hannan-Quinn criter. 25.92924F-statistic 3663913 Durbin-Watson stat 0.074670Pro b(F-stati stic) 0 Q00001图6:被解释变量Y与X1最小二乘估计结果Dependent Variable: Y Method: Least Squares Date: 11/06^14 Time:22：05Sample: 1980 2012Included atiseruations: 33Variable Coefficient Std Error t-Statistc ProbC 2675632 4969.439 5.383971 0.0000X2 1450503 0 042906 33S0&31 0.0000R-squared0.973595 Uean dependentvar120235,9Adjusted R-squared0.972743 S.D. dependentvar143674 1S.E. of regression 2372024 Akaike info criterian23 04474Sum squared resid 174E+10 Schwarz criterion23 13543Lag likelihood -3782302 Hannan*Quinn 匚rite r.2307525F-statistic 1143.002 Durbin-Watson stat0.264017Pro bf F-statistic) ooooooo图7 :被解释变量与X2最小二乘估计结果可以看出，丫与X2的拟合优度最大，再做丫与X1 X2的回归模型。