计量经济学实验报告——粮食产量的影响因素分析
计量经济学论文-我国粮食产量影响因素分析与预测
我国粮食产量影响因素分析与预测摘要：本文采用计量经济分析方法,以1980—2010年中国粮食产量及其重要影响因素的时间序列数据为样本,仿照C-D生产函数，建立了以粮食产量为因变量，以农用化肥施用量、有效灌溉面积、财政支农支出、农村用电量、农村机械总动力、粮食作物播种面积、农业灾害成灾面、农业劳动力八种可量化的影响因素为自变量的多对数回归模型，利用模型对各个因素进行了比较分析。
同时，对模型进行检验与修整，并在此基础上提出了一些关于增加粮食产量的可供参考的意见。
关键字：计量经济分析粮食产量多对数回归模型一、前言粮食是关系国计民生的重要战略物资。
粮食综合生产能力与粮食安全问题一直是世界性的重大问题，备受世界各国政府及专家学者的关注与研究。
近年来，中国粮价上涨过快，通货膨胀压力明显加大，不仅给低收入群体的生活带来很多困难，也使得国民经济的发展受到了制约。
粮食近年来连续减产、国家储备库存和农民手中的存粮减少，加上消费者需求的过量扩大，粮食将从结构性短缺转为战略性短缺。
粮食生产关系到我国的社会经济发展，因此认真研究和加深了解中国粮食生产的规律和特点，找出影响粮食总产量的主要因素，并采取针对性的粮食增产措施，对于稳定和发展粮食生产就有重要意义，对增加农民收入，乃至拉动整个国民经济的增长具有重要作用。
二、文献综述我国学者很早就对粮食生产问题展开了研究，并取得了一系列突出成果。
赵俊晔、王川采用逐步回归和灰色关联分析的方法对1991-2004年影响我国粮食产量变化的主要因素进行了分析，发现有效灌溉面积与粮食产量一直保持高的关联度，成灾面积与粮食产量的关联仅次于有效灌溉面积，在此基础上对提高我国粮食生产科技支撑能力、稳定发展粮食生产提出了建议。
梁子谦、李小军选取了15个指标，通过建立因子分析模型，对中国粮食单产和播种面积的影响因子进行了市政分析，研究结果表明，对粮食单产影响最大的因子是科技进步，其次是物质投入因子、环境与气候因子和中策因子。
基于计量经济学分析我国粮食产量的影响因素
基于计量经济学分析我国粮食产量的影响因素
粮食是人类的基本生活物资，对于一个国家的经济和社会稳定具有重要的影响。
分析我国粮食产量的影响因素对于制定农业政策、促进农业生产具有重要的意义。
本文将基于计量经济学的方法，对我国粮食产量的影响因素进行深入分析。
产量水平是粮食产量的重要影响因素。
农业生产受到自然因素的限制，如气候、土壤等。
通过计量经济学的方法，我们可以通过估计产量对天气因素的敏感度，来评估气候因素对于粮食产量的影响。
土地面积和土壤肥力也是决定粮食产量的重要因素。
农业投入对粮食产量的影响也不可忽视。
农业投入包括肥料、农药、耕地租金等。
通过计量经济学的方法，可以通过评估农业投入对粮食产量的弹性来分析其影响程度。
研究表明，适当增加化肥的使用可以提高粮食产量，但过度使用化肥也会对环境造成负面影响。
农村劳动力的变动也会对粮食产量产生影响。
近年来，随着农村劳动力向非农产业的转移和农村老龄化问题的日益凸显，农村劳动力供给不足成为制约粮食产量增长的一个重要因素。
通过计量经济学的方法，可以评估农村劳动力变动对粮食产量的影响，并提出相应的政策建议。
政策因素也会对粮食产量产生重要影响。
粮食价格政策、土地管理政策、农业补贴政策等可以影响农民的种植行为和投入决策，从而影响粮食产量。
通过计量经济学的方法，可以对政策因素对粮食产量的影响进行定量分析，并为政策制定者提供科学的决策依据。
基于计量经济学分析我国粮食产量的影响因素
基于计量经济学分析我国粮食产量的影响因素我国是世界上粮食产量最大的国家之一，而粮食产量的增长对于我国的经济、社会和政治稳定都具有重要意义。
对于我国粮食产量的影响因素进行深入的分析和研究，可以帮助我们更好地了解我国粮食产量的动态变化，并制定更科学有效的政策来促进粮食产量的增长。
本文将基于计量经济学的方法，对我国粮食产量的影响因素进行分析，以期为我国粮食生产提供一定的指导和参考。
我们可以从土地利用、气候因素、农业技术和政策因素等几个方面来探讨我国粮食产量的影响因素。
土地利用是影响粮食产量的重要因素之一。
我国的耕地面积虽然在过去几年有所减少，但通过土地利用的改进和提高耕地的利用率，可以有效地提高粮食产量。
土地利用的改进和提高耕地的效率对于我国粮食产量的增长具有重要的意义。
气候因素也是影响粮食产量的重要因素之一。
由于农作物的生长和产量受到气候的影响，因此气候因素对于我国粮食产量的增长具有重要的影响。
干旱、水灾、台风等极端天气的影响，都会对我国的粮食产量造成一定程度的影响。
我们需要从气候变化的角度出发，来探讨我国粮食产量的影响因素。
农业技术的进步也是影响粮食产量的重要因素之一。
随着科技的不断进步，农业生产的效率和产量得到了显著的提高。
通过推广先进的农业技术和改进农业生产方式，可以有效地提高粮食产量，并满足我国不断增长的粮食需求。
农业技术的进步对于我国粮食产量的增长具有重要的意义。
政策因素也是影响粮食产量的重要因素之一。
政府的农业政策对于农民的生产积极性和产出有重要的影响。
通过制定科学合理的农业政策，可以有效地促进农业生产的发展，提高粮食产量。
政策因素对于我国粮食产量的增长具有重要的影响。
时间序列计量经济学论文浅谈中国粮食产量的影响因素大学毕设论文
浅谈中国粮食产量的影响因素12级公共事业管理01班李雅丽1220060108这里我讨论的是中国粮食产量的影响因素。
首先，我的因变量y是粮食产量，自变量x1是化肥施用量，x2是粮食面积，x3是成灾面积。
我的目的是证明粮食产量与化肥施用量成正相关，与粮食面积成正相关，与成灾面积成负相关，从而我在粮食产量方面谈一些自己的见解。
下面则开始实验。
首先通过查找《统计年鉴》得到我需要的数据，输入数据，然后要分别做单位根检验，首先做y的单位根检验，我们知道是y是一次差分序列平稳的，再接下来分别做x1，x2,x3的单位根检验，如下表我们可以知道x1和x2都是一次差分序列平稳的，x3是二次差分序列平稳的。
接下来做协整检验。
通过上表，我们可以清楚的看到他们之间存在协整关系。
通过以上的检验后，我们可以真正的进入到检验因变量和自变量之间的关系了。
通过“Estimate Equation”对x1,x2，x3做回归，得到下表结果通过观察上表数据我们可以得到方程：M=-14224.37+5.457x1+0.397x2-0.137x3(-0.90) (11.13) (3.01) (-1.63)R^2=0.881 D.W=0.216 s.e=2248.3F=66.37 T=31然后点击“Residual Tests ”下面的“Histogram-Normality test”做正态性检验，得到结果如下表我们可以看到Jarque-Bera 和Probability明显大于0.05，因此是正态的。
接下来就是做自相关检验。
得到下表结果，但是我们发现“Obs*R-squared”的值小于0.05，则表明存在自相关。
因此这个时候就要进行修正。
我采用广义差分法。
这里我就不一一建造差分变量，直接在经过以1/M为权重修正过的加权方程的估计量里加入一个AR（1）再进行回归估计，然后得到以下结果然后就可以看到“Obs*R-squared”的值大于0.05了，则不存在自相关了，也就是做好了修正。
计量实验报告-研究人均粮食产量的影响因素
计量经济学实习报告班级：学号：姓名：【摘要】本报告通过统计分析1983年至2000年我国粮食的相关数据，研究人均粮食产量的影响因素，选取亩均施肥量、人均播种面积、人均受灾面积、亩均机械动力四个因素为解释变量，利用利用Eviews软件，建立回归模型进行回归分析、参数检验和模型修正从而得出最终模型。
由模型可知：人均粮食产量与亩均施肥量、人均播种面积呈正相关关系，与人均受灾面积呈负相关关系。
【关键字】粮食产量多元回归分析检验和修正1.文献综述中国是世界上最大的粮食生产国之一，同时也是粮食的消费大国。
一直以来各种农业科技迅速的发展，带动了我国经济社会的发展。
随着人口的增长和贸易全球化的进程不断深化，粮食安全问题已渐渐为人们所关注。
关于影响粮食产量的因素，很多前人对其做过了分析，现有文献中也出现了许许多多的粮食生产模型。
如通过粮食总产量、粮食播种面积、化肥费用、其他物质费用、粮食成灾面积、时间虚变量，建立柯布—道格拉斯生产函数。
例如张素文，李晓青等主要运用多元回归模型的方法分析了湖南省近50年来粮食播种面积，粮食产量的总体变化趋势[1],王伏虎[2]分别从时间空间角度，粮食价格角度，粮食资源属性和资源供给结构等方面建立了粮食供需平衡函数，并确立了粮食安全模式。
总结下来，影响粮食产量的主要因素有：粮食播种面积、有效灌溉面积、农业机械总动力、粮食作物受灾面积、农用化肥施用量、粮食单产、种粮劳动力数量等。
经研究分析，其中一些因素已被认为对粮食产量影响不显著，各因素之间也还存在着相关性。
现有文献在某些变量上也达成了一致，如种植面积、施肥量等对粮食产量的影响，但某些因素的影响仍然寻在分歧。
2.前期准备首先从众多的影响因素之中，选择出对因变量影响最大的四个解释变量：亩均施肥量、人均播种面积、人均受灾面积、亩均机械动力；然后通过计量经济学对模型进行多元回归分析、多重共线性检验和修正、异方差性检验和修正、自相关性检验和修正，从而得出一个拟合程度较优、估计参数显著的最终模型。
基于计量经济学分析我国粮食产量的影响因素
基于计量经济学分析我国粮食产量的影响因素粮食是人类的基本生活物资之一，粮食产量的增加直接影响着国家的粮食供应和粮食安全。
了解和研究影响我国粮食产量的因素对于保障国家粮食供应具有重要意义。
种植面积是影响粮食产量的关键因素之一。
种植面积的增加可以提高粮食产量，而减少则会导致粮食产量下降。
影响种植面积的因素包括耕地面积、农业政策和制度等。
耕地面积的扩大有助于增加种植面积，而耕地面积的减少则会限制种植面积的增长。
农业政策和制度也对种植面积有着重要的影响，例如对农民耕地保护政策的支持与限制等。
农业投入是影响粮食产量的重要因素。
农业投入包括劳动力、资本、农药、化肥等。
劳动力的增加可以提高农业生产效率，从而增加粮食产量。
资本的投入可以提高农民的种植技术和设备水平，从而提高粮食产量。
农药和化肥的使用可以防治病虫害，提高农作物的产量和质量。
气候条件是影响粮食产量的重要因素。
充足的阳光、适宜的温度和降水量都对粮食产量的增长起着至关重要的作用。
不同的粮食作物对气候条件的要求不同，不同的气候条件对各地粮食产量的影响也存在差异。
第四，技术进步是提高粮食产量的关键因素。
种植技术、农业机械和农业科技的进步可以提高粮食生产效率，从而增加粮食产量。
新品种的引进和适宜的耕作措施可以提高作物的产量和抗病虫能力。
市场需求也是影响我国粮食产量的重要因素。
市场需求对粮食价格的影响可以影响农民的粮食种植决策。
当市场需求较高时，农民倾向于增加粮食种植面积以满足市场需求，从而增加粮食产量。
我国粮食产量的影响因素与农业政策、经济发展、气候条件、农业投入、技术进步和市场需求等因素紧密相关。
深入研究和分析这些因素的作用，有助于制定合理的粮食生产政策，提高粮食产量，保障国家粮食供应和粮食安全。
基于计量经济学分析我国粮食产量的影响因素
基于计量经济学分析我国粮食产量的影响因素一、概述粮食产量作为国家经济安全和社会稳定的重要基础，历来受到广泛关注。
中国作为世界上人口最多的国家，粮食产量的稳定与增长对于保障国家粮食安全、促进经济社会持续健康发展具有重大意义。
随着全球气候变化、土地资源紧张、农业生产技术革新等多重因素的影响，我国粮食产量面临着诸多不确定性。
深入分析影响我国粮食产量的因素，对于制定科学合理的农业政策、提高粮食生产效率和保障国家粮食安全具有重要的理论价值和现实意义。
本文旨在运用计量经济学的方法，系统分析我国粮食产量的影响因素。
通过对国内外相关文献的梳理和评价，明确粮食产量影响因素的研究现状和不足。
结合我国粮食生产的实际情况，选取适当的计量经济学模型，如多元线性回归模型、面板数据模型等，对影响粮食产量的因素进行定量分析和检验。
在此基础上，深入探讨各因素对粮食产量的具体影响程度和方向，揭示各因素之间的内在联系和作用机制。
根据分析结果，提出针对性的政策建议，为我国粮食生产的可持续发展和国家粮食安全的保障提供科学依据。
通过本文的研究，期望能够为我国粮食生产领域的决策提供有益参考，同时也为计量经济学在农业经济领域的应用拓展新的思路和方法。
简述粮食产量对国家经济和社会发展的重要性粮食产量对一个国家经济和社会发展的重要性不言而喻。
粮食是人类生存的基础，是满足人民基本生活需求的必需品。
粮食产量的稳定增长是保障国家粮食安全、维护社会稳定的重要前提。
只有粮食供应充足，人民才能安居乐业，社会才能和谐稳定。
粮食产业是国民经济的重要组成部分。
粮食的种植、加工、储运、销售等环节涉及众多行业和领域，对经济增长和就业有着直接的拉动作用。
粮食产量的增加不仅意味着农业生产水平的提升，也为工业和服务业的发展提供了有力支撑。
粮食产量还是国家宏观调控的重要工具。
政府通过调整粮食生产政策、价格等手段，可以影响市场供求关系，进而调控经济运行。
在面临经济危机或通货膨胀等复杂经济环境时，粮食产量的稳定对于稳定物价、保障民生、维护国家经济安全具有重要意义。
计量作业--粮食产量的影响因素
主要研究的是影响粮食产量的主要因素。
首先，粮食产量明显地会受到种植面积、灌溉面积、施肥量等因素的影响，同时，粮食产量还应与农用机械、务农劳动力有关。
此外粮食的供给会收到价格的影响，价格的上涨会促进粮食供给的增加，所以应该与上一年的价格指数也有关。
最后，粮食产量还可能跟国家政策有关，如2004年开始的粮食直补、2006年开始取消农业税等。
根据上面的理论构建计量模型，其中粮食产量为因变量Y，自变量包括种植面积，有效灌溉面积，施肥量，农业机械总动力，第一产业从业人数，上年的粮食价格指数，以及两个虚拟变量：粮食直补、。
1 2004年及以后年份其中=0 2004年之前的年份1 2006年及以后年份=0 2006年之前的年份模型：通过查找《中国统计年鉴》，选取1990年至2013年的数据，并利用Eviews6.0进行回归，得出未调整的回归方程。
Y = -10099.3253483 + 0.444083503908*X1 + 0.643350155941*X2 + 2.25516928072*X3 - 0.167070623133*X4 - 0.682720118854*X5 - 10.6464108655*X6 + 2141.40606487*X7 - 943.756657556*X8由于指标数据当量存在较大差异，所以需要对模型进行一定的调整，对Y以及前6个自变量指标取对数，新模型为重新利用Eviews6.0得出回归方程（1）：LNY = -5.205883 + 0.947117*LNX1 + 0.721933*LNX2 + 0.381875*LNX3 (0.4173) (0.0101) (0.3012) (0.0046) - 0.283626*LNX4 - 0.258046*LNX5 –0.058013*LNX6 + 0.060528*X7 (0.2022) (0.0902) (0.2794) (0.0305) - 0.008520*X8(0.6729)通过看相应的回归结果，F检验是通过的。
- 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)。
粮食产量的影响因素分析一、问题的提出改革开放以来，中国经济迅速发展，人口增长迅猛，对粮食的需求日益增加。
粮食产量无疑成了影响中国经济发展的重大因素。
同时，粮食的产量直接关系到农业劳动力的生活水平，因此，“三农”问题成为中国经济研究的热点问题，提高粮食产量，关注农村居民收入迫在眉睫。
为此，本文将就粮食产量影响因素进行分析，希望从中发现一些对粮食产量关键作用的因素。
二．研究方案与数据的搜集统计通过对影响粮食产量的主要因素的分析，把影响农民收入的因素主要归结与以下几个方面：农业化肥施用量，粮食播种面积，成灾面积，农业机械总动力，农业劳动力。
通过查找中国统计年鉴，我们得到如下的统计资料：注：这里由于没有从事粮食生产的农业劳动数据，用第一产业劳动力替代。
资料来源：《中国统计年鉴》（1985，2009）三、模型的估计、检验、确认对模型有如下假设：1.零均值： 0)(=i u E n i ,,3,2,1 =2.同方差无自相关：3.随机扰动项与解释变量不相关：0),(=i ji u X Cov k j ,,3,2 =4.无多重共线性5. 残差的正态性：显然这些假设是不可能完全成立的，所以必须对其进行检验。
残差的正态性检验已完成。
主要需要检验的有：一、多重共线性检验。
二、异方差性检验。
三、自相关性检验。
由于现有知识有限，只能对检验出来的一种情况进行修正，其它的暂不做修正，只做检验。
我们将基于以上数据进行分析。
（1）利用Eviews5.0作OLS 估计的结果为：Dependent Variable: Y Method: Least Squares Date: 12/26/11 Time: 12:41 Sample: 1985 2009 Included observations: 25Variable Coefficient Std. Error t-Statistic Prob.C -26695.08 7507.527 -3.555775 0.0021 X1 5.994511 0.609713 9.831685 0.0000 X2 0.536701 0.057858 9.276245 0.0000 X3 -0.135873 0.029720 -4.571732 0.0002 X4 0.090822 0.042053 -2.159696 0.0438 X5-0.0073900.070511-0.1048140.9176R-squared0.980829 Mean dependent var 44945.64 Adjusted R-squared 0.975783 S.D. dependent var 4150.729 S.E. of regression 645.9230 Akaike info criterion 15.98480 Sum squared resid 7927113. Schwarz criterion 16.27733 Log likelihood -193.8100 F-statistic 194.4114 Durbin-Watson stat1.715679 Prob(F-statistic)0.000000⎩⎨⎧≠===--=ki k i u u E Eu u Eu u E u u COV k i k k i i k i ,0,),()])([(),(2σ),0(~2σμN iY= -26695.08+5.994511X1+0.536701X2+-0.135873X3+0.090822 X4+-0.007390X5 (7507.527) (0.609713) (0.057858)(0.029720) (0.042053) (0.070511) T =（-3.555775）(9.831685) (9.276245) (-4.571732) (-2.159696) (-0.104814)R-Squared=0.980829df=19从上面的估计的结果可以看出：可决系数R-Squared=0. 980829，表明模型在整体的拟和非常好。
系数显著性检验：对于C、X1、X2、X3、X4的系数，t的统计量的绝对值都通过了检验，而X5的系数的t统计量为-0.104814，在df=19、α=0.05的情况下，X5的系数不能通过检验。
根据经验判断，无法通过第一步检验的原因很可能是解释变量之间存在多重共线性。
(2)多重共线性的检验与修正我们对X1 X2 X3 X4 X5进行多重共线性检验，得到：表1.2 相关系数表X1 X2 X3 X4 X5X1 1.000000 -0.616566 0.400644 0.952746 0.314885 X2 -0.616566 1.000000 -0.238039 -0.741538 -0.060970 X3 0.400644 -0.238039 1.000000 0.310096 0.409704 X4 0.952746 -0.741538 0.310096 1.000000 0.128834 X5 0.314885 -0.060970 0.409704 0.128834 1.000000可以发现X1 X2 X3 X4 X5之间存在高度的线性相关关系。
运用逐步回归法进行修正：表1.3一元回归估计结果变量X1 X2 X3 X4 X5参数估计3.158761 -0.14429 0.182715 0.165219 0.553797值t值7.716525 -0.68297 1.126564 4.775066 1.799071r^2 0.721363 0.019877 0.052295 0.165219 0.123364其中，加入X1的r^2最大，以X1为基础，顺次加入其他变量逐步回归。
结果如下。
表1.4 加入新变量的回归结果（一）加入变量X2 X3 X4 X5参数估计0.631835 -0.10622 -0.26297 0.146656值t值11.07516 -1.11232 -3.97217 0.79565r^2 0.957624 0.736199 0.837737 0.729157其中，加入X2的r^2最大，以X1，X2为基础，顺次加入其他变量逐步回归。
结果如下。
表1.4 加入新变量的回归结果（二）加入变量X3 X4 X5参数估计-0.11151 -0.03681 0.002836值t值-3.63213 -0.82605 0.037402r^2 0.973974 0.958958 0.957627其中，加入X3的r^2最大，以X1，X2，X3为基础，顺次加入其他变量逐步回归。
表1.5 加入新变量的回归结果（三）加入变量X4 X5参数估计-0.08821 0.082863值t值-2.67113 1.34134r^2 0.980817 0.082863显然可见，加入X5时，参数的检验值不显著，说明主要是因为X5引起了多重共线性。
修正多重共线性以后的回归结果为：Dependent Variable: YMethod: Least SquaresDate: 12/26/11 Time: 13:36Sample: 1985 2009Included observations: 25Variable Coefficient Std. Error t-Statistic Prob.C -27110.39 6217.065 -4.360641 0.0003X1 5.954533 0.463769 12.83943 0.0000X2 0.538519 0.053816 10.00673 0.0000X3 -0.136393 0.028570 -4.773986 0.0001X4 0.088210 0.033023 -2.671134 0.0147R-squared 0.980817 Mean dependent var 44945.64Adjusted R-squared 0.976981 S.D. dependent var 4150.729S.E. of regression 629.7498 Akaike info criterion 15.90538Sum squared resid 7931696. Schwarz criterion 16.14915Log likelihood -193.8172 F-statistic 255.6537Durbin-Watson stat 1.706044 Prob(F-statistic) 0.000000Y = -27110.39+ 5.954533X1+ 0.538519X2+-0.136393X3+0.088210X4(6217.065) (0.463769) (0.053816)(0.028570) (0.033023)T = （-4.360641）(12.83943) (10.00673) (-4.571732) (-2.671134)R-Squared=0.980817 Adjusted R-squared=0.976981 F-statistic=255.6537(3)自相关检验1.706044得到dl=1.038,dv=1.767,由于DW=1.706044，介于DL和DU之间，所以根据判定定理无法通过DW检验其自相关是否存在。
(4)异方差检验利用怀特检验的方法进行，结果如下：White Heteroskedasticity Test:F-statistic 1.292972 Probability 0.347081Obs*R-squared 16.10371 Probability 0.307082Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/26/11 Time: 13:54Sample: 1985 2009Included observations: 25Variable Coefficient Std. Error t-Statistic Prob.C -2.30E+08 2.75E+08 -0.837516 0.4219X1 49179.67 41752.13 1.177896 0.2661X1^2 -0.995886 2.105686 -0.472951 0.6464X1*X2 -0.444369 0.387229 -1.147561 0.2779X1*X3 -0.110715 0.143066 -0.773874 0.4569X1*X4 0.300021 0.301199 0.996090 0.3427X2 3211.790 4746.863 0.676613 0.5140X2^2 -0.010124 0.020745 -0.488019 0.6361X2*X3 -0.004130 0.016274 -0.253749 0.8048X2*X4 0.016188 0.029300 0.552498 0.5927X3 902.1972 1891.897 0.476874 0.6437X3^2 -0.004837 0.006702 -0.721763 0.4870X3*X4 0.004962 0.009664 0.513384 0.6188X4 -2218.252 3182.078 -0.697108 0.5016X4^2 -0.010839 0.010163 -1.066478 0.3113R-squared 0.644148 Mean dependent var 317267.9Adjusted R-squared 0.145956 S.D. dependent var 558892.5S.E. of regression 516497.6 Akaike info criterion 29.43124Sum squared resid 2.67E+12 Schwarz criterion 30.16256Log likelihood -352.8905 F-statistic 1.292972Durbin-Watson stat 2.895846 Prob(F-statistic) 0.347081从上表看出，Obs*R-squared=16.10371,在显著性水平=0.05下，查其相关分布表，得临近值为23.684，Obs*R-squared=16.10371<23.684,所以接受原假设，表明模型不存在异方差。