用回归分析方法分析经济增长对犯罪率的影响
犯罪率与经济增长的关系
犯罪率与经济增长的关系随着社会的不断发展，犯罪问题成为一个世界性的难题。
许多人认为，犯罪率与经济增长之间存在着一种关系。
本文将探讨这种关系，并分析其中的原因。
首先，让我们来看一下犯罪率在经济增长过程中可能出现的变化。
一般来说，经济增长会带来就业机会的增加，相应地减少了人们因为生计问题而选择犯罪的动机。
较高的就业率意味着更多的人能够获得稳定的收入，从而减少了犯罪行为的诱因。
此外，在经济增长的过程中，社会福利的提升也可以减少贫困和社会不公平，进一步降低犯罪率。
然而，与此同时，经济增长也可能导致犯罪率上升的情况。
首先，随着经济的繁荣，社会对财富的追逐也会增加，这会导致一些人通过非法手段获取财富，从而提高了犯罪的发生率。
此外，经济增长在一些地区也可能导致社会的不稳定和阶级矛盾的加剧，这也容易引发一些犯罪事件。
在犯罪率与经济增长之间的关系中，影响最为重要的因素之一是教育。
经济发展提供了更多的教育机会，使人们能够获得更好的教育和培训，从而增加了就业机会，减少了犯罪的发生率。
教育的普及也提高了人们的道德意识和法律意识，降低了犯罪的诱因。
此外，教育还赋予了人们解决问题和处理冲突的能力，从而降低了社会不稳定和犯罪的可能性。
此外，经济发展还可以改善社会的基础设施和公共服务。
例如，修建更多的道路、医院和学校将提高居民的生活质量，减少社会紧张感，并为社区提供更多的公共场所和娱乐设施，从而降低犯罪的发生率。
同时，良好的基础设施和公共服务也将提高执法部门的效率，增强社会对犯罪的打击力度。
综上所述，犯罪率与经济增长之间存在着一种复杂的关系。
经济增长可以减少犯罪的发生率，但也可能导致犯罪率的上升。
教育、社会基础设施和公共服务等因素在这一过程中起到了重要作用。
为了降低犯罪率，我们除了促进经济增长外，还要重视教育的普及和提高社会基础设施建设水平，以提供更好的教育和更好的生活环境。
只有通过多方面的努力，才能够实现经济繁荣与社会安全的良性循环。
经济因素对犯罪率影响的实证研究
经济因素对犯罪率影响的实证研究【摘要】经济因素是影响犯罪率最根本的因素。
本文选取2004年全国各地的横截面数据，以犯罪率为被解释变量，以主要经济因素为解释变量，运用逐步回归法和交互效应分析法建立多元线性回归模型。
研究表明，经济发展水平、贫富差距、开放程度都对犯罪率有显著影响，但贫富差距，尤其是城乡差距的影响远远超过经济发展水平，并且在开放度不同的地区城乡差距和地区差距对犯罪率的影响程度也存在较大差异。
【关键词】经济因素犯罪率偏弹性回归模型一、引言犯罪原因是犯罪学研究中最核心的问题，也是自古以来学者们长期探讨并试图解决的一个重大课题。
纵观各学者的观点，引起犯罪的因素包括政治、经济、文化以及犯罪人自身条件等等，但经济因素是引起犯罪的最根本原因。
早在春秋战国时期，管仲、墨翟、李斯、韩非子等就把犯罪与社会经济状况、统治阶级的为富不仁、百姓的饥寒交迫等因素联系起来。
所谓“饥寒起盗心”、“饥年出盗贼”的提法就朴素地反映了这种观点。
欧洲的空想社会主义者们,更是一针见血地指出私有制和剥削才是一切社会罪恶的根源。
在国外漫长的犯罪学研究历史中，大多数学者都从人类学角度进行分析，把犯罪现象归因于生物遗传、自由意志选择或生理特征等因素。
在犯罪学形成时期，犯罪人类学派代表龙勃罗梭（意大利）在《犯罪的原因与犯罪的消灭》一书中，虽然提到了经济因素，但只把经济状况看作是导致犯罪行为的一个一般原因。
在犯罪学发展时期，社会学的出现为犯罪原因的研究开辟了新的视野。
犯罪社会学派的代表菲利（意大利）在1884 年和1901 年相继出版了《犯罪社会学》和《实证派犯罪学》两部著作,提出人是环境的产物，犯罪行为是一定社会环境作用的结果，主张立法者应当改造社会环境，并采取经济和教育的方法预防犯罪。
荷兰犯罪学家邦格（Bohm）在《犯罪与经济状况》（1916）一书中提出了“经济贫困论”，认为经济贫困使一些想要结婚的人不能结婚，就产生强奸、杀婴等犯罪。
犯罪率与经济发展的关联性分析
犯罪率与经济发展的关联性分析犯罪率与经济发展之间的关系一直备受关注。
有人认为，随着经济的发展，社会的福利水平提高，人民的生活质量改善，犯罪率应当会显著下降。
然而，事实可能比我们想象中更加复杂。
本文将探讨犯罪率与经济发展之间的关联性，并从不同的角度分析这一问题。
首先，让我们从经济学的角度来看待这个问题。
经济学家通常认为，经济发展可以提高人民的收入水平，改善生活条件，减少贫困现象。
据此推理，随着经济的发展，人们有更多的机会获取合法的收入来源，减少了犯罪的动机。
同时，经济发展还可以提供更多的就业机会，使人们更容易找到稳定的工作，从而减少了无业可投的人群，进一步降低犯罪率。
然而，虽然这个观点在理论上具有一定道理，但实际情况未必能完全证实。
其次，社会学的角度可以提供更多的洞见。
犯罪问题通常被认为是一个多因素综合作用的结果。
除了经济因素，社会结构、人口密度、教育水平、文化传统等都会对犯罪率产生影响。
比如，贫困地区通常犯罪率较高，因为这些地区往往缺乏教育资源和社会保障，犯罪活动成为了一些人唯一的生活方式。
而相比之下，经济发达地区的人民更加注重法律和道德规范，犯罪率相对较低。
因此，单纯从经济因素出发，我们可能无法得出明确的结论。
进一步地，心理学的视角也不能被忽视。
犯罪行为往往涉及到个体的心理健康问题。
心理健康的人更愿意遵守法律，而心理问题严重的人可能更容易走上犯罪的道路。
无论经济条件如何，如果社会无法提供足够的心理健康服务，犯罪率也很难得到根本性的改变。
因此，我们需要综合考虑经济、社会和心理等多个层面的因素才能更好地分析犯罪率与经济发展之间的关联性。
最后，我们还可以从国际比较的角度来看待这一问题。
不同国家的犯罪率与经济发展之间的关系可能呈现出不同的模式。
一些经济发达国家的犯罪率相对较低，这可能与这些国家有较为完善的法律体系、公共安全保障和社会福利制度有关。
然而，一些发展中国家的犯罪率较高，部分原因是这些国家社会经济发展不平衡，贫富差距较大，社会福利水平有限。
社会经济发展与犯罪率的关联性研究
社会经济发展与犯罪率的关联性研究犯罪率是一个反映社会稳定和人民生活质量的重要指标。
很多人认为，随着经济的发展和社会进步，犯罪率应该会降低。
然而，事实是否与此一致呢？本文将探讨社会经济发展与犯罪率之间的关联性，并在实证研究基础上提出一些见解。
首先，我们来看社会经济发展对犯罪率的影响。
一般来说，社会经济发展水平高的地区，人民的生活水平相对较高，社会保障体系完善，教育水平普遍较高，人们的生活质量较好，因此犯罪率较低。
例如，欧洲一些发达国家如瑞典和丹麦，经济发展水平高，而犯罪率相对较低。
而在一些经济相对滞后的国家或地区，由于生活条件恶劣，人们难以满足基本的物质需求，犯罪率相对较高。
因此，社会经济发展水平对犯罪率有一定的负向影响。
然而，事情并不完全简单。
一些研究表明，社会经济发展在某些情况下也可能引发犯罪率上升。
首先，随着社会的进步和经济的发展，财富分配不均问题愈加突出。
富人越来越富，而穷人越来越贫。
这种不公平的财富分配可能导致社会不满情绪的积累，从而加大犯罪的可能性。
例如，一些发展中国家的大城市里，虽然整体经济水平有所提高，但财富不均问题日益严重，导致社会不安定，犯罪率居高不下。
其次，经济发展也可能引发新的犯罪形式。
随着科技的进步和全球化的加剧，电信诈骗、网络犯罪等新型犯罪逐渐增多。
这些犯罪手段灵活多变，不仅给普通民众造成了经济损失，也严重影响社会安全稳定。
除了社会经济发展外，犯罪率还受到其他因素的影响。
例如，人口密度、城市化程度、教育水平、社会道德观念等也都与犯罪率密切相关。
一些研究发现，人口密度较高的地区，由于资源相对紧张，社会互动较为频繁，犯罪率相对较高。
同时，城市化过程中，由于城市人口聚集，社会治理面临的挑战增加，导致犯罪率上升。
此外，教育水平的提高和社会道德观念的培育也能有效降低犯罪率。
通过提供更好的教育资源和加强社会道德建设，可以提高人们的认知水平和道德水平，从而减少犯罪行为的发生。
治理犯罪的关键在于综合施策。
社会经济发展与犯罪率的关系分析
社会经济发展与犯罪率的关系分析随着社会经济的发展，人们生活水平的提高和社会环境的改善，犯罪率是否会随之下降呢？这是一个值得探讨的问题。
本文将从不同角度分析社会经济发展与犯罪率之间的关系。
首先，人们对社会经济发展提供了更多的机会。
随着经济的发展，社会创造了更多的就业机会，人们的收入水平提高，财务困境的大大减少。
可见，经济繁荣可以减少一些犯罪行为。
毕竟，犯罪的一个重要原因是为了生计。
然而，即使社会经济发展，贫困和失业依然普遍存在，但发展进步有助于减少极端贫困和不公平的分配，减少了一部分人由于生计所为的犯罪行为。
其次，随着社会经济的发展，教育水平普遍提高。
而有教育的人，往往对法律有更好的认知和理解。
他们更容易感受到他们的行为和犯罪行为的区别，并更愿意为了一个理性的生活方式遵守法律。
此外，受教育程度提高，也能够增加人们的就业机会，减少了犯罪的动机。
第三，社会经济发展改善了城市环境。
城市化的进程提供了更好的基础设施、便利的交通和良好的居住条件。
这些改善吸引了更多的人移居到城市，降低了贫困人口的比例。
犯罪率通常高于城市地区，因为在城市中人们更有机会接触到异常的社会环境。
但是，通过城市规划和改善，减少了贫困人口，有助于降低犯罪率。
然而，社会经济发展并不能完全消除犯罪问题。
在一些经济相对较好的国家和地区，仍然存在高犯罪率。
这是因为社会经济发展带来了新的挑战和问题。
随着经济的增长，财富的不平等也在加剧。
富人和穷人之间的差距越来越大，这可能导致一些人走上犯罪的道路。
而且，社会经济发展也带来了新的犯罪形式，如网上诈骗、贩毒等，这些犯罪行为在一定程度上与经济的发展水平相关。
除了以上因素，社会经济发展还可以通过其他方面影响犯罪率。
例如，消费能力的提高可能导致一些人对奢侈品、名牌等的渴望，从而诱发一些非法手段获取物质的行为。
社会媒体的普及也可能导致更多的网络犯罪行为，如网络诈骗和网络欺凌。
这些新兴犯罪形式在发达国家和经济较强的地区增加，对社会稳定和安全造成了新的威胁。
犯罪率与经济增长的关联分析
犯罪率与经济增长的关联分析随着社会经济的不断发展，犯罪问题逐渐成为世界各国共同面临的挑战。
而经济增长与犯罪率之间存在着一定的关联。
本文将通过分析相关数据和研究，探讨犯罪率和经济增长之间的相互影响关系。
首先，犯罪率与经济增长之间存在着一定的正相关关系。
经济增长不仅提高了人民的收入水平，改善了生活条件，还为人们提供了更多的就业机会。
随着就业机会的增加和收入的提高，大部分人民的生活水平得到显著改善。
然而，社会阶层的差距也因此被拉大，而这也是导致犯罪率增加的一个潜在原因。
一定程度上，经济增长带来了社会不平等，造成对社会资源分配的不满，进而促使一部分人寻找非法手段满足自身利益。
但是，犯罪率与经济增长之间的关系并不是简单的单向正相关。
经济增长同时也伴随着社会制度和法律规范的改善，形成了更加健全的社会安全保障体系。
在这种体系的保障下，社会大众更加有序地参与经济活动，同时法律规范的约束也使得违法犯罪行为的风险相对较高。
因此，在一定程度上，经济增长也可以抑制犯罪行为的发生。
此外，经济增长不仅提高了人民的生活水平，更有利于社会文化的进步。
一方面，人民的收入水平的提高带来了更高的消费能力，促进了消费市场的发展，推动了文化产业的繁荣。
另一方面，经济增长还为全社会的教育、医疗等公共服务提供了更充足的资源。
这些都有助于提高人民的受教育程度和文化素质，进而与犯罪率的降低有一定的关联。
因为教育和文化水平的提高有助于提升人们的道德观念和法治意识，导致社会出现更和谐、更安全的局面。
然而，犯罪率与经济增长之间的关系并非简单的线性关系。
因为不同国家、不同地区的经济和社会发展水平存在着差异，其影响因素也千差万别。
同时，不同类型的犯罪也受到多种因素的影响，如社会文化、教育、就业状况等。
因此，我们在考察犯罪率与经济增长之间的关联时需要综合各种因素进行分析。
综上所述，犯罪率与经济增长之间存在着一定的关联。
尽管经济增长可以带来福利的提高，但也随之带来了社会不平等和犯罪行为的增加。
犯罪率影响因素的线性回归分析
犯罪率影响因素的线性回归分析摘要犯罪是人类社会的顽疾，人类为对付犯罪付出了沉重的代价。
据国际社会统计，犯罪所造成的危害远远超过二战所造成的损失。
犯罪作为一种社会现象，是由各种因素决定的，马克思认为是社会客观历史条件，特别是经济条件决定着犯罪。
故我们运用现代科学技术方法，充分利用信息资源，尝试建立一个回归模型，解释刑事犯罪率的变化，降低刑事犯罪率，保障社会和谐。
关键词：刑事犯罪率；基尼系数；城市化率；Linear regression analysis of factors influencing the criminalcrime rateABSTRACTCrime is disease in the human society, mankind against crime to pay a high price. According to international society .The harm of crime, is beyond the losses of lives and property caused by warⅡ. Crime, as a social phenomenon, is decided by various factors, the mark thinks social objective history conditions, and especially economic condition decides crime. We use modern science and technology, make full use of information resources, and try to establish a regression model to explain the changes in crime rates, lower crime rate, ensure social harmony.Key words: crime；criminal Gini coefficient；Urbanization rate；刑事犯罪率影响因素的线性回归分析一引言犯罪集中暴露出社会的缺陷和人类心灵的阴暗面。
城市犯罪率与经济增长的关系
城市犯罪率与经济增长的关系城市犯罪率和经济增长是社会中两个常常被关注的问题。
许多人认为经济增长能够降低犯罪率，因为经济繁荣能够提供更多的就业机会和改善生活条件。
然而，有时候也存在犯罪率上升却伴随着经济增长的情况。
这两者之间的关系并不简单，其中蕴含着一定的复杂性和深度。
首先，经济增长与城市犯罪率关系的复杂性在于经济增长所带来的社会结构的变化。
随着经济的发展，城市中不同社会阶层之间的差距可能会拉大。
低收入阶层的人们可能由于无法获得更好的利益分配而感到失落和不满。
这种不满情绪有可能促使一些人投身于犯罪活动中，从而导致犯罪率上升。
此外，富有的地区也可能成为犯罪的目标，因为犯罪分子往往认为这些地区拥有更多的财富。
因此，经济增长并不一定意味着犯罪率的降低，可能反而对犯罪活动产生一定的刺激。
其次，经济增长也可能带来一些副作用，从而导致城市犯罪率上升。
例如，在某些经济增长迅速的城市，房价可能会大幅度上涨，导致住房成本增加。
对低收入家庭来说，房屋问题可能会成为他们生活的巨大负担。
如果没有足够的经济保障，他们可能会被迫居住在贫民窟或是不安全的地区，这些地区犯罪率更高。
此外，随着城市人口的增加和流动性的增强，社会矛盾可能会增加，也会加剧犯罪活动的发生。
进一步探究城市犯罪率与经济增长的关系，人们还需要考虑一些特定因素的作用。
例如，城市治安的发展与政府的执法力度密切相关。
一些城市可能在法律执法方面做得更好，他们在警力配置、治安设施投入等方面的投资较多，因此具有较低的犯罪率。
相反，一些城市的警力相对薄弱，刑事司法系统也不完善，从而使犯罪的成本更低，犯罪率相对较高。
同时，城市的社会支持体系也会对犯罪率发挥影响。
如果城市中存在完善的社会福利、教育、医疗等支持系统，人们的生活质量和全面发展机会会更高，从而降低了参与犯罪的可能性。
此外，社会文化因素也对城市犯罪率有所影响。
不同的社会文化价值观念和道德观念可能会影响人们对犯罪行为的态度和行为取向。
- 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)。
云南财经大学统计与数学学院《综合实验》课程论文题目：用回归分析方法分析经济增长对犯罪率的影响组员：朱闪 200806001150沈家美 200806001162李惠玲 200806001164李冬萍 200806001112班级：数学08-1班时间：2011年12月23日用回归分析方法分析经济增长对犯罪率的影响【摘要】本文对我国1981年至2009年人均国内生产总值、年平均工资、城市化程度、人口自然增长率、失业率、离婚率以及犯罪率的统计数据运用最小二乘方法建立多元线性回归模型，并应用平稳性检验、Granger因果关系检验等方法，最终对我国宏观经济因素对犯罪率的影响进行了实证分析。
分析结果表明：人均国内生产总值、年平均工资、城市化程度、人口自然增长率、失业率以及离婚率均对犯罪率存在显著的影响作用。
【关键词】经济增长；犯罪率；多元线性回归分析一、引言犯罪是严重危害社会、违反刑法并应受刑罚处罚的行为。
因此，针对犯罪的相关研究对于一个国家的安定显得尤为重要。
同时，对于有效控制犯罪率增长这一问题也要做到追本溯源。
故此，犯罪原因成为了犯罪学研究中核心的问题，这也是自古以来学者们长期探讨并试图解决的一个重大课题。
综观前人的观点，引起犯罪的因素主要包括政治、经济、文化以及犯罪人自身条件等因素，但经济是引起犯罪的最根本原因。
经济增长与犯罪率变化的关系一直是一个备受争议的问题，不同学者根据不同时间、不同国家和地区的数据往往得出不同的研究结论。
从历史数据来看，一些国家如日本、新加坡等在一定时期经济增长的同时犯罪率呈下降趋势，二另外一些国家如美国、巴西等国在经济增长的同时犯罪率呈上升趋势。
由于经济增长这一单一指标不能很好地解释经济与犯罪之间的关系，研究者开始关注收入差距、人口流动率等具体经济因素对犯罪率变化的影响。
因此，运用实证的方法，充分利用现有信息资源，通过对数据的处理、分析，准确找出犯罪产生的经济原因对于在市场经济条件下预防犯罪、控制犯罪、打击犯罪，保障社会和谐具有重大的现实意义。
二、文献综述历史上，将犯罪同经济制度联系起来是与荷兰犯罪学家邦格在《犯罪与经济状况》（1916）一书中提出的“经济贫困论”。
他认为，经济贫困使一些想要结婚的人不能结婚，就产生强奸、杀婴等犯罪。
经济条件对犯罪所产生的作用极大，甚至是决定性的。
然而，马克思主义的诞生才整整解开了犯罪原因之谜。
马克思、恩格斯指出，“违法行为通常是由于不以立法者意志为转移的经济因素造成。
”至此，西方的犯罪学研究已有100多年的历史，而我国的研究却仅有短短二十几年的时间。
从本世纪60年代中期开始，一些经济学者利用数学模型来解释犯罪原因。
1968年美国学者贝克尔把贝克利亚和边沁的刑罚威慑理论用现代消费需求理论中的数学形式来表达。
在探索最佳刑事司法政策模型时，他提出“犯罪时函数”，分析了定罪概率和刑罚程度的效应，发现增加这两者中的任何一项都会减少犯罪量。
在我国，由于犯罪学研究起步较晚，有部分学者以实证资料为基础进行犯罪原因分析，方法侧重于描述统计，如麻泽芝、丁泽云在《法学研究》（1999年第6期）发表的《相对丧失论——中国流动人口犯罪的一种可能解释》一文中，通过对我国流动人口、城乡收入差距、犯罪率等宏观数据的描述以及流动人口犯罪现象的刻画，并结合失范理论、相对剥夺理论得出我国流动人口与社会整体犯罪率正相关的结论。
胡联合、胡鞍钢在《社会学》（2008年第1期）中发表的《贫富差距是如何影响社会稳定的》一文中引入一元线性回归方法，用我国改革开放后的时间序列数据研究贫富差距对犯罪的影响。
本文在吸收借鉴前人观点的基础上，运用我国1981——2009年间犯罪率、人均国内生产总值、城市化、年平均工资、人口自然增长率、失业率以及离婚率的时间序列数据，应用多元线性回归分析方法，对影响犯罪率的经济因素进行实证分析。
三、样本数据的采集及方法选择1、变量的选取以及数据的采集衡量犯罪率的指标有很多，本文考虑到数据的全面性以及采集的难易程度，采用每10万人中公安机关刑事案件立案数量作为衡量犯罪率的指标。
同时，影响犯罪率高低的宏观经济因素也有很多，本文考虑到经济发展水平、人民生活等多种因素，最终采用人均国内生产总值、城市化、年平均工资、人口自然增长率、失业率以及离婚率这六个指标代表影响犯罪率的宏观经济因素进行分析。
本文采取了上述指标在1981——2009年间的时间序列数据（数据见附表），数据来源于《中国统计年鉴2010》 、《中国民政统计年鉴2010》以及《中国法律年鉴2010》 。
2、方法选择本文假定模型的一般形式为多元线性模型，其数学表达式为：01122i i k ik iYi X X X ββββμ=+++++1,2,,i n =根据所选取变量的特征，本文采用最小二乘方法对模型进行估计。
对于最小二乘方法，所选取的时间序列数据应满足以下条件：（1） 解释变量非随机（2） ⎪⎩⎪⎨⎧=⎩⎨⎧≠====),2,1,(,0,),cov(,,2,1,0)(2n j i j i j i ni E j i i σεεε（3） 解释变量矩阵X 列满秩。
因此，在模型估计过程中，要对数据进行相关检验，若存在不符合使用最小二乘方法条件的现象，要进行修正。
四、实证分析1、变量的定义将犯罪率、人均国内生产总值、职工年平均工资、城市化、人口自然增长率、失业率、离婚率这7个变量依次分别定义为i Y 、i X 1、i X 2、i X 3、i X 4、i X 5、i X 62、相关分析为研究影响犯罪率的宏观经济因素有哪些，因此，本文利用SPSS16.0软件绘制矩阵散点图，以研究犯罪率i Y 与i X 1、i X 2、i X 3、i X 4、i X 5、i X 6之间是否具有较强的线性关系。
所绘制的矩阵散点图如图1图1图1表明，被解释变量i Y 与解释变量i X 1、i X 2、i X 3、i X 4、i X 5、iX 6之间都有较强的线性关系。
因此粗略地看，犯罪率会受到本文所选取的这些因素的影响。
3、回归估计为进一步研究本文所选取的经济因素对犯罪率是否存在影响以及影响的程度，本文对其进行多元线性回归分析。
运用最小二乘法在Eviews 6.0软件中作出i Y 对i X 1、i X 2、i X 3、i X 4、i X 5、i X 6的线性回归。
得到结果如表1所示：表1Coefficient Std. Error t-Statistic Prob.C -489.5317 173.6108 -2.819708 0.0100 X1 -2.480386 0.702052 -3.533053 0.0019 X2 0.059602 0.017290 3.447140 0.0023 X3 36.35429 7.126255 5.101458 0.0000 X4 -7.826100 6.598020 -1.186129 0.2482 X5 21.99235 16.08985 1.366846 0.1855 X6290.7806121.76952.3879600.0260R-squared 0.939720 Mean dependent var 199.3690 Adjusted R-squared 0.923280 S.D. dependent var 123.5516 S.E. of regression 34.22170 Akaike info criterion 10.11010 Sum squared resid 25764.74 Schwarz criterion 10.44014 Log likelihood -139.5965 Hannan-Quinn criter. 10.21347 F-statistic 57.16085 Durbin-Watson stat 1.066186Prob(F-statistic)0.000000由输出结果可得，回归方程为：6543217806.29099235.21826100.735429.36059602.0480386.25317.489X X X X X X Y ++-++--=方程显著性检验F 统计量的值为57.16085，伴随概率P 值为0.000000<0.05，方程显著，即被解释变量与所有解释变量的线性关系显著。
可决系数2R =0.939720，即被解释变量可由模型解释的部分高达0.939720，模型拟合优度较高。
在变量显著性检验中，i X 1、i X 2、i X 3、i X 6这四个变量在显著性水平 =0.05下，t 检验显著，即这4个解释变量与被解释变量间均存在显著的线性相关关系。
而i X 4、i X 5这两个变量t 检验不显著。
由于本文所选用数据为时间序列数据，存在变量不显著的问题可能是由于多重共线性、序列相关等问题造成的，因此作出相关检验。
4、多重共线性由于采用最小二乘法估计回归模型的一个前提条件为解释变量X 列满秩。
因此，一旦序列中存在多重共线性问题，易导致模型估计失效。
而由表1的普通最小二乘结果可见，模型的可决系数2R 和F 统计量的值均较大，而i X 4、i X 5这两个变量t 检验不显著，说明各解释变量对Y 的联合线性作用显著，但可能由于各解释变量间存在共线性而使得它们对Y 的独立作用不能分辨。
故本文对所选用数据应用相关系数法进行多重共线性检验，检验结果如表2：表2.Correlations由此得，模型中任意两个变量之间均存在高度相关关系，即模型存在多重共线性。
同时可以断定，i X 4、i X 5两变量t 检验不显著是由于存在多重共线性而使得它们对被解释变量Y 的独立作用不能分辨。
故此，本文采用逐步回归方法，选择最佳的回归方程。
得到结果如表3：表3Coefficient Std. Error t-Statistic Prob.* C -640.6356 118.9873 -5.384069 0.0000 X3 35.74499 7.170313 4.985136 0.0000 X5 30.70073 14.44323 2.125613 0.0445 X1 -2.064906 0.613782 -3.364236 0.0027 X2 0.048839 0.014848 3.289375 0.0032 X6232.6453112.45172.0688460.0500R-squared 0.935865 Mean dependent var199.3690因此，最终的函数关系应以),,,,(65321i i i i i i X X X X X f Y =为最优，变量i X 4被剔除。
此时，回归方程为：653216453.23270073.3074499.35048839.0064906.26356.640X X X X X Y ++++--=5、序列相关性及异方差问题由于本文所采用数据为时间序列数据，而时间序列数据在实际应用中常出现序列相关情形，当随机扰动项存在学列相关时会给普通最小二乘法的应用带来非常严重的后果，因此在此要对其进行检验。