(完整版)我国私人汽车拥有量分析情况毕业论文
1990—2010年我国私家车拥有量相关要素的计量分析
《我国私人汽车拥有量影响因素的计量分析》论文【摘要】本文选择了《2011年中国统计年鉴》中1991年——2010年共20年的相关数据，选择城镇居民人均可支配收入，全国公路里程，原材料、燃料及动力购进价格指数，居民消费价格指数，我国GDP作为解释变量构建模型，对我国私人汽车拥有量得影响因素进行实证分析。
并利用EVIEWS 软件对模型进行参数估计和检验，并加以校正。
对最后的结果进行经济意义分析，然后提出自己的看法。
【关键词】私人汽车拥有量影响因素实证分析计量经济学模型检验一、模型的选取和变量选择由于非线性模型的假设检验都涉及到非常复杂的数学计算，所以本文考虑做一个线性模型（对参数线性），这样各种检验的方法较多，对模型准确程度的分析也更可靠。
1、变量选择（1）人均可支配收入私家车这种高档消费品的拥有量显然与收入水平有关，因此引进解释变量人均可支配收入，并先预期此二因素与私家车拥有量呈正相关。
（2）公路里程本文预计私家车的拥有量与全国公路里程有关，因此引入解释变量公路里程，并预期其与私人汽车拥有量成正相关。
（3）原材料、燃料及动力购进价的指数燃料及动力价格也是影响私家拥有量的原因之一，直接构成居民购买私家车的成本。
为此本文引用以上一年为基期的原材料、燃料及动力购进价格指数作为解释变量，并且预期其与私家车拥有量成负相关。
（4）居民消费价格指数本文预计私家车的拥有量与居民消费价格指数有关，居民消费促进汽车销售，因此引入解释变量居民消费价格指数，并预期其与私人汽车拥有量成正相关。
2、模型选取对于人均可支配收入、公路里程和其他交通运营数这些指标，我们更关心其相对数变化对私人汽车拥有量得影响，而且对数变换后能够减少异方差对模型的影响，所以采用对数模型。
二、数据的来源及模型设定1、数据的来源及处理本文选择了《2011年中国统计年鉴》中1991年至2010年共20年的相关数据，并对其进行了处理：Y 表示私人汽车拥有量（万辆）；1X 表示人均可支配收入（元）；2X 表示公路里程（万公里）；3X 表示原材料、燃料及动力购进价格指数（%）；4X 表示居民消费价格指数（%）； 为随机扰动项。
我国私人汽车拥有量分析
我国私人汽车拥有量分析一、引言随着我国经济突飞猛进的发展，人民群众的收入水平不断提高，特别是城镇，居民的收入不断提高，私人汽车拥有量不断增加，同时银行的按揭贷款买车等等的一系列推动措施，也促进了私人汽车拥有俩的增加。
国家统计局最新公布的数据显示，国内大城市的私家车拥有量继续保持大幅增长的趋势。
截止到2010年底，在全国十大城市的私家车拥有量排名中，北京私家车的拥有量以多出第二名近40万辆的绝对优势排在了第一位。
这十个城市的具体排名分别是：除此之外，有关统计资料表明，我国城镇居民中有3800万户（占城镇居民总户数的24.8％），有能力承受10万元左右的汽车消费。
从近几年我国汽车消费的发展变化来看，汽车消费将成为消费热点。
从1990年到2000年的10年间，我国民用汽车的保有量由551.36万辆增加到1608.91万辆，平均每年增长11.3％。
其中私人汽车拥有量由1990年的81.62万辆增加到2000年的625.73万辆，平均每年增长22.6％。
私人汽车拥有量占民用汽车的保有量比重从1990年的14.8％，上升到2000年的38.9％，平均每年上升2.4个百分点。
1996年以来，民用汽车拥有量的增加量中，私人汽车增加量的比重均高于57.7％，其中最高的是1999年，私人汽车增加量占全部民用汽车增加量的82.5％。
这说明我国汽车市场结构发生了根本性的变化，居民个人已经成为我国汽车市场的消费主体。
我国私人汽车拥有量随时间变化图如下：。
从图上可以看出，近些年来，我国私人汽车拥有量不断增加，单从经济方面来说，私人汽车拥有数量是评判一个国家人民生活水平的重要指标，因此，此次我就针对我国私人汽车拥有量进行分析。
二、模型设定及数据说明1、模型设定通过数据观察，我们搜集了30个城市的房地产价格的统计数据，建立模型，模型的表达式为普通的多元线性方程形式Y＝β0+β1X1+β2X2+β3X+3µi其中把我国私人汽车拥有量Y，X1城镇居民可支配收入，X2为贷款利率,X3为燃料、动力类价格指数。
我国私人汽车保有量的分析及预测
目录摘要 (1)关键词 (1)一、引言 (2)二、综述 (2)三、现状分析 (3)四、建模 (5)（一）模型选择 (5)（二）数据说明 (6)1．目标变量 (6)2．解释变量 (6)3．样本选取 (8)（三）模型建立 (8)五、模型分析 (9)（一）数据处理 (10)（二）回归计算 (10)（三）模型检验 (11)1．统计检验 (11)2．计量经济学检验 (12)3．经济意义检验 (13)（四）模型评价 (13)六、预测 (14)七、结论 (15)参考文献 (17)我国私人汽车保有量的分析及预测统计031 陆诚煜学号：2070403138 指导老师：胡荣华［摘要］我国经济的快速发展为私人汽车提供了巨大的发展空间，同时汽车保有量的大幅增加势必对土地、能源和环境带来巨大压力，这就需要对影响私人汽车发展的主要因素进行分析，对其保有量的发展趋势做出科学判断。
本文根据近年来国内各项经济指标，运用线性回归方法，给出了一个适用于短期预测的计量经济学模型及进行各项检验的详细过程，并据此较为准确合理的预测了我国2006年和2007年的私人汽车保有量，进而提出贯彻科学发展观，走可持续发展道路将是促进我国未来私人汽车良性发展的客观要求。
［关键词］私人汽车保有量计量经济学模型预测Abstract: The rapid economical development of our country has provided great development space for the private vehicle and the significant increase of private vehicle population will inevitably bring great pressure to the land, resources of energy and the environment, so it is necessary to analyze the main factors that affect the development of our private vehicle, and then make a reasonable judgment to the development trend of the vehicle quantity. According to the economic indices of recent years, this paper constructs an econometric model which is suitable for short term predication by linear regression method and introduces the concrete process of some test, and then the comparatively accurate private vehicle population of China in 2006 and 2007 are forecasted, Then it points out that the implementation of scientific development concept, adopting sustainable development policy will be the objective requirements of private vehicle development of China in the future. Key words：private vehicle quantity;model of econometrics; forecast一、引言每年上万亿美元的汽车产业是世界经济的支柱产业之一，没有任何一种工业品能像汽车这样渗透到社会大众生活的各个层面。
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。
我国私人轿车市场分析和预测报告
我国私人轿车市场分析和预测报告根据最新数据和市场调研报告，我国私人轿车市场正呈现出快速增长的趋势。
以下是对该市场的详细分析和未来的预测。
1. 市场现状分析自20世纪70年代实施改革开放以来，我国经济快速发展，人民收入水平也不断提升。
这使得越来越多的家庭有能力购买私人轿车。
截至目前，我国私人轿车拥有量已经超过2亿辆，位居世界第一。
2. 驱动因素我国私人轿车市场增长的主要驱动因素包括：经济发展、城市化进程、居民收入增加、出行需求的变化等。
随着经济的发展和收入水平的提高，居民可支配收入不断增加，购买私人轿车成为了一种生活方式。
3. 市场竞争格局我国私人轿车市场竞争格局日趋激烈，国内外品牌众多，消费者的选择空间十分广阔。
国内品牌持续发力，提升产品质量和技术含量；同时，国际知名汽车品牌纷纷进入中国市场，引领消费潮流。
此外，新能源车的快速发展也给市场带来了新的竞争机会和挑战。
4. 市场前景预测未来，我国私人轿车市场将继续保持快速增长的势头。
以下是一些预测：- 市场规模持续扩大：随着城市化进程的推进和人民收入的增加，私人轿车的需求将不断增长。
预计到2030年，我国私人轿车保有量将达到3亿辆以上。
- 新能源车将迎来爆发式增长：政府大力推动新能源车的发展，通过补贴和减免购置税等政策吸引消费者购买。
预计到2025年，新能源车在私人轿车市场的占比将大幅增长。
- 智能汽车将成为未来发展趋势：随着科技的发展，智能汽车将成为未来私人轿车市场的主流。
无人驾驶、车辆互联等技术将逐渐成熟并应用于私人轿车领域，为市场带来新的增长点。
总的来说，我国私人轿车市场正处于快速发展阶段。
随着经济的持续发展和人们生活水平的提高，私人轿车需求将持续增长。
政府的支持和新技术的推动将进一步促进市场的发展。
然而，市场竞争压力也将加大，企业需加强产品创新和品牌建设，以赢得消费者的青睐。
5. 消费者购车动机分析消费者购买私人轿车的动机主要包括实用性、便利性、社交需求和个人形象需求等方面。
中国老百姓私人汽车调研报告分析
中国老百姓私人汽车调研报告分析第一篇：中国老百姓私人汽车调研报告分析随着经济的快速发展，居民收入持续增长，生活水平显著提高，生活质量明显改善，汽车消费不再是百姓人家的梦想。
交通工具的改善成了居民的消费热点，汽车消费则成为近年来市民消费的新亮点。
政府振兴汽车工业措施、鼓励汽车消费政策的出台，有力地促进了居民家庭、个人的汽车消费需求。
底，我市全市私人轿车拥有量达37460辆，比增加8624辆，增长29.9%；城市住户抽样调查数据显示，6月末，我市每百户城市居民家庭家用汽车拥有量为11辆，比底增加1辆，增长10%，汽车消费开始进入逐步加快的时期。
一、我国私人轿车的发展历程改革开放三十年，我国私人轿车从70年代的禁区到80年代以灰色面孔开始出现在极少数家庭，90年代国家鼓励个人购买汽车到新世纪私家车快速进入居民家庭，经历了一个曲折历程。
1、70年代私家车曾是一个禁区。
70年代末，刚刚从“文革”走出来的中国老百姓，根本不会想到有一天会开上私家车。
当时中国的轿车价格是国际市场的三四倍，大多数工薪族月薪四五十元，不吃不喝攒钱半辈子，也买不起一辆轿车。
百姓拥有轿车，在当时甚至是个禁区。
2、80年代私家车以灰色面孔开始出现在极少数家庭。
80年代，改革开放初期，随着经济的高速发展和对外交往的日益增多，国产轿车不再符合需求，公务车的级别限制松动，以丰田皇冠等为主的日本轿车涌进国门。
两三年间，耗用的外汇，相当于30年中国汽车工业总投资的两倍多。
这一状况引发了全社会的巨大反响，造车还是买车？已经上升到涉及民族自尊心的政治问题，国民强烈要求发展轿车生产的呼声四起。
1985年前后，我国开始合资生产轿车，私人买车，也在这时出现松动。
在北京，一些专家教授、演艺界明星、或者“有门路”的人，可以通过“特批”，买到外国驻华机构淘汰的“二手车”；通过易货贸易一批东欧生产的微型轿车也流入中国，私家车以一种灰色的面孔在中国崭露头角。
3、90年代私人购车正式写入国家产业政策。
计量论文我国私家车拥有量影响因素的计量分析
计量经济学课程论文我国私家车拥有量影响因素的计量分析我国私家车拥有量影响因素的计量分析一.问题的提出私家车，私人自己买的，拥有使用支配权的，在不违法的情况下可以自由的使用支配。
2013年，私家车取消了以前15年必须报废的规定，改为60万公里引导报废。
随着我国经济实力的增强，人民生活水平的提高，私人汽车的需求量也是逐年增加。
尤其是2002年以来，私人购车占整个市场的份额迅速提升，汽车市场进入私人购车阶段。
根据国际通用车价和国内生产总值增长比较系数计算，未来5~10年中国有购车能力的人口可达5亿，约1.5亿个家庭。
未来20年中国有望成为全球第一大汽车市场。
而且全世界范围内千人汽车保有量128辆，按照6月末中国的汽车保有量测算，中国千人汽车保有量大约为63辆，相当于世界平均水平一半。
由于中国人多地少的基本国情，如此低的汽车保有量，已经给城市交通和环境带来巨大压力。
交通拥堵、空气污染已经成为国内许多城市挥之不去的梦魇,汽车对能源消耗和环境的影响也越来越大。
继北京对汽车实行限购限行措施后，国内还有一些城市也准备采取相关措施，缓解交通拥堵。
在一些大城市，汽车过快增长和道路不足的矛盾越来越突出。
正因为私人汽车逐渐占据了汽车消费市场的主导地位又引发诸多矛盾，并直接反映了整个汽车行业的现状，所以私人汽车消费市场越来越吸引人们的关注。
二.理论综述多重共线性：所谓多重共线性（Multicollinearity）是指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系而使模型估计失真或难以估计准确。
一般来说，由于经济数据的限制使得模型设计不当，导致设计矩阵中解释变量间存在普遍的相关关系。
一般多重共线性的修正都是采用逐步回归法来解决，具体步骤如下：先用被解释变量对每一个所考虑的解释变量做简单回归，然后以对被解释变量贡献最大的解释变量所对应的回归方程基础，再逐个引入其余的解释变量。
这个过程中会出现3种情形：①若新变量的引入改进了adjustR^2和F检验，且其他回归参数的t检验在统计上仍是显著的，则可考虑在模型中保留该变量。
我国私人汽车拥有量的计量经济模型研究
我国私人汽车拥有量的计量经济模型研究摘要：改革开放以来，我国经济飞速发展，人们生活水平稳步提高，汽车开始大规模地进入普通家庭。
但是随着汽车数量的不断增加，一些社会问题例如交通堵塞、环境污染等等由此衍生。
因此，本文对我国私人汽车拥有量的计量经济模型研究，并进行相关的分析。
分析过程中，本文消除了模型的多重共线性和自相关性，检验了模型的异方差性，最后得到与我国私人汽车拥有量相关程度很高的变量有国民总收入、全国汽车产量、关税、进口汽车数量、公路里程。
且主要因素为全国汽车产量和国民总收入。
关键词: 私人汽车拥有量计量经济模型多重共线性自相关性一、引言我国经济迅速发展，为汽车产业提供了很大的发展空间。
2002年以来，私人购车占整个市场的份额迅速提升，进入私人购车阶段。
但是，汽车产业的蓬勃发展，也带来了一些社会问题。
汽车保有量增速和道路增加速度严重不匹配，预示着今后交通瘫痪会频繁发生，将造成物流费用大增、工作效率下降、企业运营成本提高、城市投资环境变差、人们不满情绪上升、影响中国经济增速等一系列连锁后果。
因此，研究我国私人汽车拥有量的计量经济模型具有重要的意义。
二、理论模型与数据通过综合分析各方面的影响因素，将我国私人汽车拥有量(万辆)作为因变量，国民总收入GNI（本文用GNI指标反映居民收入情况）、国内公路里程（以此来反映私人汽车的使用条件）、全国汽车产量、关税、以及进口汽车产量为自变量，以此建立计量经济模型。
运用该模型，对影响我国私人汽车拥有量的因素进行分析，并预测未来我国私人汽车拥有量的变化情况。
表1 变量符号及单位说明数据来源：《中国统计年鉴1999-2013》三、建模过程由图1可以看出，我国私人汽车拥有量随年份的增加逐渐增长，且没有异常点。
图1我国私人汽车拥有量随时间变化趋势图打开Eviews7.0限定时间段为1998-2012年：图2 数据的起止终止年份将Excel中的数据复制到Eviews中，如图：图3 我国汽车私有量为估计模型参数，根据已收集到的统计数据，利用最小二乘回归方程，得到如下结果（图2）：键入：LS Y C GNI X1 X2 X3 X4图4 模拟回归方程输出结果由此可见，该模型的，，可决系数很高，F检验值224.4207，概率P值为0.0000，明显显著。
- 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)。
我国私人汽车拥有量分析E3UEE1LI］我国私人汽车拥有量分析前言:国家统计局最新公布的数据显示，国内大城市的私家车拥有量继续保持大幅增长的趋势。
截止到2001年底，在全国十大城市的私家车拥有量排名中，北京私家车的拥有量以多出第二名近40万辆的绝对优势排在了第一位。
这十个城市的具体排名分别是:有关统计资料表明，我国城镇居民中有3800万户（占城镇居民总户数的24.8 %）,有能力承受10万元左右的汽车消费。
从近几年我国汽车消费的发展变化来看，汽车消费将成为消费热点。
从1990年到2000年的10年间，我国民用汽车的保有量由551.36万辆增加到1608.91万辆，平均每年增长11.3 %。
其中私人汽车拥有量由1990年的81.62万辆增加到2000年的625.73万辆，平均每年增长22.6 %。
私人汽车拥有量占民用汽车的保有量比重从1990年的14.8 %, 上升到2000年的38.9 %,平均每年上升2.4个百分点。
1996年以来，民用汽车拥有量的增加量中，私人汽车增加量的比重均高于57.7 %，其中最高的是1999年，私人汽车增加量占全部民用汽车增加量的82.5 %。
这说明我国汽车市场结构发生了根本性的变化，居民个人已经成为我国汽车市场的消费主体。
随着我国经济突飞猛进的发展，人民群众的收入水平不断提高，特别是城镇居民的收入不断提高，私人汽车拥有量不断增加，同时银行的按揭贷款买车等等的一系列推动措施，也促进了私人汽车拥有俩的增加。
单从经济方面来说，私人汽车拥有数量是评判一个国家人民生活水平的重要指标，对它的研究分析是有比较现实的意义的。
我国私人汽车拥有量随时间变化图如下：数据收集：Y:: 我国私人汽车拥有量X1：城镇居民可支配收入X2:贷款利率具体数据如下obs Y X1 X2（％）X31990 816200 1510.2 9.72 1003 0+ 3 1x1+ 3 2x2+ 3 3x3先对各个变量做平稳性检验: 对YADF Test Statistic 1.082163 1% Critical Value* -4.32605% CriticalValue -3.2195X3:燃料、动力类价格指数（以1990年价格为10 0的定比指数序列）1991 960400 1700.6 8.64 101.9874 普通的多元线性方程形式:*MacKinnon critical values for rejection ofDependent Variable: D(ADFY)Method: Least SquaresDate: 061405 Time: 09:21Sample(adjusted): 1994 2003Included observations: 10 after adjusting endpointsVariable Coefficient Std. Error t-Statistic Prob.ADFY(-1) 0.334153 0.308782 1.082163 0.3286D(ADFY(-1)) -0.121060 0.697271 -0.173620 0.8690D(ADFY(-2)) -0.054606 0.945213 -0.057772 0.9562D(ADFY(-3)) -0.4094070.879632 -0.465430 0.661210% Critical Value -2.7557Adjusted R-squared 0.907058 S.D. dependent var S.E. of regression 216741.3 Akaike info criterionSum squared resid 2.35E+11 Schwarz criterion710945.927.7176527.86894Log likelihood -133.5882 F-statistic22.95874Durbin-Watson stat 2.080638 Prob(F-statistic) 0.002042对X1ADF Test Statistic -0.158912 1% Critical Value -4.3260 5% Critical Value -3.219510% Critical Value -2.7557*MacKinnon critical values for rejection ofDependent Variable: D(ADFX1)Method: Least SquaresDate: 061405 Time: 09:26Sample(adjusted): 1994 2003Included observations: 10 after adjusting endpointsVariable Coefficient Std. Error t-Statistic Prob.ADFX1(-1) -0.005477 0.034465 -0.158912 0.8800D(ADFX1(-1)) 0.664445 0.406596 1.634162 0.1632D(ADFX1(-2)) -0.331605 0.522131 -0.635100 0.5533D(ADFX1(-3)) -0.414658 0.416042 -0.996674 0.3647C 609.9278 275.2910 2.215575 0.0776对 X2*MacKinnon critical values for rejection ofDependent Variable: D(ADFX2)Method: Least SquaresDate: 061405 Time: 09:27Sample(adjusted): 1994 2003ADF Test Statistic -0.529198 1%CriticalValue*-4.32605%Critical Value-3.219510% Critical Value -2.7557R-squared 0.746497 Mean dependent var 589.4800Adjusted R-squared 0.543694 S.D. dependent var 229.7711S.E. of regression 155.2114 Akaike info criterion 13.23431Sum squared resid 120452.9 Schwarz criterion 13.38560Log likelihood -61.17153 F-statistic 3.680899Durbin-Watson stat2.031160 Prob(F-statistic) 0.092741Included observations: 10 after adjusting endpointsADFX2(-1) -0.069982 0.132242 -0.529198D(ADFX2(-1)) 0.543426 0.321159 1.692075 0.1514D(ADFX2(-2)) 0.140535 0.368364 0.381510 0.7185D(ADFX2(-3)) -0.391387 0.347038 -1.127794 0.3106C 0.155018 1.219842 0.127080 0.9038Mean dependent var -0.486000对X3ADF TestStatistic-2.501558 1% Critical Value* -4.32605% CriticalValue -3.2195Variable Coefficient Std. Error t-Statistic Prob.0.6193R-squared 0.768917Adjusted R-squared 0.584050 S.D. dependent var 0.905296S.E. of regression 0.583863 Akaike info criterion 2.068551 Sum squared resid 1.704478 Schwarz criterion 2.219843Log likelihood -5.342754 F-statistic 4.159310Durbin-Watson stat 2.443814 Prob(F-statistic) 0.075014*MacKinnon critical values for rejection ofDependent Variable: D(ADFX3)Method: Least SquaresDate: 061405 Time: 09:27Sample(adjusted): 1994 2003Included observations: 10 after adjusting endpointsVariable Coefficient Std. Error t-Statistic Prob.ADFX3(-1) -0.296326 0.118457 -2.501558 0.0544D(ADFX3(-1)) -0.332083 0.323046 -1.027973 0.3511 D(ADFX3(-2)) -0.592595 0.256861 -2.307066 0.0692 D(ADFX3(-3)) 0.079195 0.290428 0.272684 0.7960C 101.6956 38.34296 2.652262 0.0453R-squared 0.684768 Mean dependent var 14.93622Adjusted R-squared 0.432582 S.D. dependent var10% Critical Value -2.7557S.E. of regression 10.55726 Akaike infocriterion7.85835814.01521Sum squared resid 557.2788 Schwarz criterion 8.009650Log likelihood -34.29179 F-statistic 2.715332Durbin-Watson stat 1.902782 Prob(F-statistic) 0.151305 由此可见，各个变量的随时间变化是平稳的，可以对其直接进行最小二乘估计。
对其作普通最小二乘估计：Dependent Variable: YMethod: Least SquaresDate: 060305 Time: 16:43Sample: 1990 2003Included observations: 14Variable Coefficient Std. Error t-Statistic Prob.X1 2922.028 515.0624 5.673154 0.0002X3 -50492.48 14255.54 -3.541955 0.0053S.E. of regression 750961.7 Akaike info criterion 30.13105Sum squared resid 5.64E+12 Schwarz criterion 30.31364Log likelihood -206.9174 F-statistic 90.71108Durbin-Watson stat 1.514620 Prob(F-statistic) 0.000000t=(1.883529) (5.673154) (-1.379442) (-3.541955)Adjusted R2-=0.953922 F=90.71108 经观察：各个系数符合经济意义;从可决系数看拟合优度较好;X2的T检验不显著，而F统计量显著，效果很好，可以推断解释变量可能存在多重共线性。