对中国经济增长影响因素的实证分析
我国出口贸易与经济增长的实证分析
我国出口贸易与经济增长的实证分析改革开放30多年来，我国经济发展举世瞩目。
在推动经济增长的诸因素中，出口贸易是重要因素之一。
如何认识出口贸易对经济增长的影响，关系到我国的对外贸易政策和经济能否持续快速发展。
本文选用《中国统计年鉴》1986年～2000年各期出口总额和GDP数据[1]《“十五”时期全国国民经济和社会发展主要指标情况表》[2]中2001～2005年出口总额和GDP数据，把出口总额数据利用当年的汇率，换算成以人民币为单位，然后利用不变价的GDP指数和现价的GDP指数生成GDP平均指数，对这两组数据进行调整，得到以1978年价格计算的实际GDP和出口总额。
再对出口总额和GDP两组数据进行自相关和异方差检验，确定符合回归分析条件后，进行协整分析和回归分析。
表2.11 出口贸易与经济增长文献概述1.1 贸易与经济增长的一般结论贸易，特别是出口贸易对经济增长的促进作用在古典经济学中就已得到了论述。
其中斯密的“剩余产品出路”理论和李嘉图的“比较优势”理论最为人所熟知。
凯恩斯主义的乘数理论则是将有效需求理论和乘数理论结合起来，认为国外需求（出口）促使出口部门增加投资，导致出口部门产出的增加，并通过连锁性的乘数效应，引起其他部门投资和产出的增加，最终使国内总产出（GDP）总量的增长是初始投资的若干倍[3]。
以Krugman（1979）为代表的一些经济学家认为，在“规模经济”和“非完全竞争”条件下，对外贸易可以充分实现规模经济的利益，进而改善资源配置的效率，促进技术进步，最终实现经济的持续增长[4]。
Feder 认为，出口部门的高效管理方式和先进生产技术会对非出口部门产生外溢效应，从而带动经济增长[5]。
1.2 出口对促进我国经济增长的部分研究成果杨全发和舒元（1998）将我国数据引入Balassa模型和Fedder模型中，发现改革开放以来，我国的经济增长主动力来源于资本投入的不断增加。
同时也发现我国的初级产品出口增长和经济增长呈正相关，但制成品出口增长和经济增长呈负相关[6]。
旅游业对青岛经济增长作用的实证分析
旅游业对青岛经济增长作用的实证分析引言青岛是中国的一个重要的沿海城市，拥有丰富的自然和人文资源。
作为中国旅游业的热门目的地之一，旅游业发展对青岛的经济增长起着重要的推动作用。
本文将通过实证分析探讨旅游业对青岛经济增长的实际影响。
旅游业的经济贡献旅游业在青岛经济增长中扮演着至关重要的角色。
首先，旅游业为青岛提供了丰富的就业机会。
随着旅游业的发展，酒店、餐饮、娱乐等相关行业的需求也相应增加，从而带动了就业机会的增加。
这不仅对当地居民提供了更多的就业机会，也吸引了大量外来务工人员前来就业，增加了城市的人口流动。
其次，旅游业对青岛的产业结构和产值有着显著的影响。
旅游业的发展促进了相关产业的兴起和壮大。
例如，青岛旅游业的繁荣催生了旅游设施和服务的发展，包括酒店、旅行社、交通等。
这些产业链的发展不仅增加了投资和产业链的扩张，还为青岛的经济增长贡献了巨大的价值。
旅游业对青岛经济增长的影响因素虽然旅游业对青岛的经济增长有积极的影响，但其影响受到多种因素的制约。
自然资源的影响青岛拥有得天独厚的自然资源，如海滩、温泉、名胜古迹等。
这些自然资源是吸引游客的重要因素。
因此，保护和合理利用这些自然资源，将进一步促进旅游业的发展，进而推动青岛经济的增长。
政府支持的影响政府在旅游业的发展中扮演着重要的角色。
政府支持包括政策支持、资金投入、宣传推广等。
政府必须提供良好的政策环境，为旅游业的发展提供良好的保障。
同时，政府还要加大对旅游基础设施的投入，提高青岛的整体旅游服务质量。
旅游业的市场竞争力旅游业的市场竞争力也是影响青岛经济增长的关键因素之一。
提高旅游产品和服务的市场竞争力，将吸引更多游客前来青岛旅游。
这需要青岛不断提升旅游服务水平，推动旅游产品的创新和升级。
实证分析为了进一步分析旅游业对青岛经济增长的实际影响，我们可以查看相关的数据和指标。
首先，我们可以观察青岛旅游业的年度旅游收入变化趋势。
根据青岛旅游统计数据，从过去几年的数据来看，青岛的年度旅游收入呈现出逐年增长的趋势。
经济增长贡献率影响因素分析
经济增长贡献率影响因素分析内容摘要：本文主要基于消费、投资和出口对经济增长的贡献率进行分析，选取我国1989～2008年最终消费、资本形成总额、出口总额和实际GDP时间序列，在单位根、协整检验的基础上建立误差修正模型，得出我国三大需求与经济增长之间存在长期和短期动态关系。
关键词：三大需求经济增长误差修正经济增长是宏观经济学研究的主要问题之一，而消费、投资、出口三大需求又是拉动经济增长的“三驾马车”，因此，研究三大需求具有重要意义。
在三大需求作用拉动下，我国经济高速增长，综合国力显著提高，而目前，我国宏观经济运行出现了居民消费不足、投资效率下降和对外出口受阻等现象。
因此，如何运用“三驾马车”推动经济平稳快速增长成为关注焦点，本文主要具体研究“三大需求”对经济增长的长、短期影响。
有些学者对地区研究，如赵晓雷、申海波（2004），李远莉（2009），陈元清（2010），董晖（2007），张福生（2005），魏其礼、段小兵（2004）分别对上海、深圳、天津、福建、海南、甘肃的三大要素对其地区GDP贡献进行研究。
其中李远莉和陈元清利用格兰杰因果关系、协整和误差修正模型对天津经济增长与消费、投资和出口的关系进行实证研究，得出在长期和短期经济增长中消费在经济增长中发挥主要作用，其次是投资和出口贸易；而其他学者就三大需求对各个区域GDP的贡献度及投资与消费的相关性作实证研究。
有些学者运用其他方法研究三大需求对经济增长的贡献，如赵德友、顾俊龙（2003）在研究三大需求对经济增长的贡献中，引入考伊克分布滞后模型对模型进行重新估计，提出优化投资率是政府制定宏观调控政策的重点；宋小翠（2008）基于层次分析法建立三大需求对经济增长的贡献模型，将定性与定量相结合，分析投资、消费和净出口对经济增长的贡献；刘庆宝、未良莉（2007）在研究过程中通过建立扩展的索洛模型进行估计，并与实际联系提出对策与建议。
有些学者对需求的部分因素与经济增长进行分析，如余文建、李雪俏、杨文玉、陈少敏（2010），宋琳、房珊珊（2010）针对投资和消费对经济增长贡献作用进行实证研究；孔群喜（2006）运用出口、进口总额和国内生产总值，建立误差修正模型且进行相关的格兰杰因果检验，得出二者与经济增长的长短期动态关系。
我国实际利率与经济增长率相关关系的实证分析
金融自由化理论对影响我国经济增长的实证分析摘要：金融自由化理论认为实际利率与经济增长之间存在正相关关系，较高的实际利率有助于提高一国的经济增长水平。
通过对我国1986年至今的经济数据进行分析，认为经济增长与前一期的利率水平存在显著的正相关关系，但在我国用利率作为经济增长的主要因素的看法值得商榷。
关键词：金融自由化，实际利率，经济增长在金融发展与经济增长的关系上一直存在着著名的帕特里克难题，也就是金融发展促进了经济增长，还是相反。
对此问题西方经济学家的意见一直是不统一的，熊彼特强调一国金融部门的发展对经济增长的意义，与此相反，罗宾逊则认为经济增长是金融发展的根源，金融发展只是作为前者的附属物而出现。
进入20世纪60、70年代后，戈德史密斯、麦金农、爱德华.肖等人提出了“金融自由化”理论，引起了广泛的关注。
他们认为发展中国家金融发展的滞后，低利率的信贷配给制严重地扭曲了资金的配置，而长期的负实际利率也打击了居民储蓄的积极性，进一步使得资本积累缓慢。
“金融抑制”的存在严重地阻碍了经济发展，而其主要表现就是长期的负的实际利率。
所以，他们建议这些国家逐步采取措施推行以利率自由化为主要内容的“金融自由化”。
此后，在世界银行和国际货币基金组织倡导下，该理论在一些发展中国家和地区，如智利、阿根廷、韩国、台湾、马来西亚等得到应用，并取得了丰硕的成果。
可是，金融自由化在许多国家也给人们留下了痛苦的回忆，如1997年在亚洲爆发的金融危机，都给这些国家的经济发展带来极大的消极作用。
因此，许多人又开始怀疑金融自由化对经济发展的必要性和积极意义。
我国自1978年改革开放以来，逐步由计划经济向市场经济转轨。
目前我们已初步建立了市场经济体系，市场在资源配置中已起到基础作用，计划经济的色彩逐步从各领域中淡出。
但是我们在金融体质改革方面的步伐相对还是滞后的，这不仅是因为金融体制改革的复杂性，更是由于金融体制改革牵扯国民经济的稳定，事关重大，所以其步骤措施必须格外谨慎。
人力资本对中国经济增长的影响研究
人力资本对中国经济增长的影响研究摘要随着中国经济的快速发展，人力资本已成为影响中国经济增长的重要因素。
本文旨在研究人力资本对中国经济增长的影响，并通过实证分析来验证这种影响。
研究发现，人力资本对于中国经济增长具有显著的正向影响，尤其是在教育、技能培训和科技创新方面。
因此，建立健全的教育和培训体系，鼓励科技创新，是促进中国经济增长和提高人力资本的关键。
关键词：人力资本，中国经济增长，教育，技能培训，科技创新IntroductionIn recent years, China has witnessed a rapid economic growth, which has brought in a series of economic and social changes. One of the key factors contributing to this growth is human capital. Human capital refers to the knowledge, skills, competencies, and attributes embodied in individuals that facilitate the creation or increase of economic value. In other words, human capital is the accumulated knowledge and abilities of human beings that can be used to generate wealth and social welfare (Schultz, 1961). The purpose ofthis paper is to analyze the impact of human capital on China's economic growth.Literature ReviewThe impact of human capital on economic growth has been widely discussed in the literature. Most scholars agree that human capital is a crucial factor in promoting economic growth (Lucas, 1988; Mankiw, Romer, & Weil, 1992). Human capital has various components, such as education, training, and skills, and each component has its own impact on economicgrowth. However, the majority of the literature emphasizes the importance of education in developing human capital and promoting economic growth (Becker, 1962; Benhabib & Spiegel, 1994; Barro, 1997).Empirical AnalysisTo test the impact of human capital on China's economic growth, we collected data from 1990 to 2020 from the National Bureau of Statistics (NBS) and the World Bank. We used GDP per capita as the dependent variable and human capital, population, and capital as independent variables. In the regression model, human capital is measured by three factors: education, skill training, and technological innovation.The regression results show that human capital has a significant positive impact on China's economic growth. Specifically, education, skill training, and technological innovation all have a significant positive effect on economic growth. Among them, education has the greatest impact on economic growth, followed by skill training and technological innovation. The regression model is as follows:GDP per capita= 0.023 + 0.235E + 0.179T + 0.129K(3.45) (7.62) (5.89) (6.97)Where GDP per capita is the dependent variable; E, T, and K are education, skill training, and technological innovation, respectively; and the numbers in parentheses are the t-values.Discussion and ConclusionIn conclusion, human capital has a significant positive impact on China's economic growth. The findings of this study suggest that education, skill training, and technological innovation are essential components of human capital that need to be promoted to enhance China's economic growth.Policymakers should focus on building a comprehensive education and training system that can provide individuals with the knowledge and skills they need to contribute to the economy. Additionally, policymakers should encourage research and development in science and technology to promote technological innovation, which can further drive economic growth.ReferencesBarro, R. J. (1997). Determinants of Economic Growth: A Cross-Country Empirical Study. Cambridge: MIT Press.Becker, G. S. (1962). Investment in Human Capital: A Theoretical Analysis. Journal of Political Economy, 70(5), 9-49.Benhabib, J., & Spiegel, M. M. (1994). The Role of Human Capital in Economic Development: Evidence from Aggregate Cross-Country Data. Journal of Monetary Economics, 34(2),143-173.Lucas, R. E. (1988). On the Mechanics of Economic Development. Journal of Monetary Economics, 22, 3-42.Mankiw, N. G., Romer, D., & Weil, D. N. (1992). A Contribution to the Empirics of Economic Growth. Quarterly Journal of Economics, 107(2), 407-437.Schultz, T. W. (1961). Investment in Human Capital. The American Economic Review, 51(1), 1-17.。
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）。
我国经济增长方式的实证分析——一个柯布·道格拉斯生产函数角度的研究
ｙ ＝ ＡＫｎ ｅ Ｉ ” ８
模 型检验 ： 从系数的 Ｔ统计量来看 ， 资本和劳动的投入对经济增长 的 影响是显著的， 资本和人力资本的投入对我 国 ＧＤ Ｐ影响是显著 的。但技 术投 入对 我 国经 济 的 影 响 不 是很 显 著 。从 Ｒ 和 Ｆ统 计 量 来 看 ， 型设 计 模 中数据的拟合度较好 ， 模型整体的回归效果显著。从 Ｄ Ｗ值来看 ， 模型不 存在 自相关 。对 残 差 进 行 分 析 也 没有 发 现 异 方 差 ， 型 拟合 程 度 较 好 。 模 四 、结 论 和 政 策 建 议 经过 了柯布 一道格拉斯模 型的分析和检验之后， 出以下结论 ： 得 １ 、ｄ＝ ．７４ ７， ０ ３ １８ Ｄ＝１ ７０ ５ ， ．５ ３ ７ ｄ＋ｐ＝２ １ １４ ． ２ ８４＞１我 国 经 济 的 增 长表 现 为 规 模 报 酬 递增 。是 符 合 我 国的 现 实 情 况 的 。 目前 许 多 西 方 发 达 国家经济处 于成熟稳定期 ， 它们 的经济呈现出近似于规模不变式增长 ， 但 由 于 中 国正 尚 处 于经 济 高速 发 展 时 期 ， 济 增 长呈 现 出 明 显 的 规 模 递 增 经
论 支持 和政 策 建 议 。 文 献 综 述
一
２ ２ ００
６ ６９ ５ ２ ２ ５
２ｌ １ ８ １２ ６
５ ３ｌ ９ ４． ６
７． ７ ３
７ ３７
．
２１３ （ ０
２ ４ ００
６ ３ ２ ５ ９ １ ．７
７５ ２． ９ ０１ ０
２ ５ ６ ３ ４ ５ ．６
—— —飞
全全 壁
一 一
经济学实证分析课题论文
经济学实证分析课题论文随着全球化的深入发展和信息技术的不断进步，各国间贸易联系日益紧密，国际经济关系也越来越复杂。
本文旨在通过实证分析，探讨贸易自由化对中国经济增长的影响。
首先，本文将运用因果关系的实证方法，通过收集相关数据并进行统计分析，来了解贸易自由化政策对中国经济增长的影响。
通过对贸易自由化政策实施前后中国经济增长情况的比较，可以初步了解贸易自由化政策对中国经济增长的作用。
其次，本文将考察贸易自由化政策在中国经济增长中的作用机制。
通过对相关经济理论的分析，可以初步掌握贸易自由化政策对中国经济增长的内在影响机制。
同时，本文还将运用实证分析方法，探讨贸易自由化政策对中国不同产业和地区的影响差异。
最后，本文将运用国际比较的实证方法，通过对中国与其他国家贸易自由化政策实施前后经济增长情况的比较，来了解贸易自由化政策对中国经济增长的国际影响。
结合国际比较的实证分析结果，可以更加深入地了解贸易自由化政策对中国经济增长的实际影响。
综上所述，本文旨在通过实证分析，探讨贸易自由化对中国经济增长的影响。
通过对贸易自由化政策实施前后中国经济增长情况的比较，考察贸易自由化政策在中国经济增长中的作用机制，并运用国际比较的实证方法来了解贸易自由化政策对中国经济增长的国际影响。
希望本文的研究成果能够为贸易自由化政策的制定和实施提供一定的参考。
在实证分析中，我们将收集中国外贸数据，包括出口和进口的变化情况以及贸易自由化政策实施前后的经济增长率。
通过对这些数据进行经济计量分析，我们可以得出贸易自由化政策对中国经济增长的实际影响。
这将有助于我们更好地理解贸易自由化政策对中国经济的长期效果。
此外，我们还将考虑一些影响因素，例如外部环境变化、国际市场需求波动以及国内经济政策变化等。
通过构建经济增长模型，并结合实际数据进行验证，我们可以更全面地评估贸易自由化政策对中国经济增长的影响。
在考察贸易自由化政策的作用机制时，我们将会着重分析中国不同产业和地区的情况。
- 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)。
对中国经济增长影响因素的实证分析影响中国经济增长因素的实证分析学院：经济学院专业：金融教学号：21140731姓名：王月影响中国经济增长因素的实证分析摘要：改革开放以来，中国的社会经济取得了飞速发展，经济增长速度更是举世瞩目，已成为世界第二大经济体，仅次于美国。
本文根据计量经济学、中级宏观经济学、Eviews软件相关知识，采用时间序列数据模型和多元线性回归分析方法对1985年-2015年三十多年间中国经济增长因素进行研究，分析了居民消费价格指数、固定资产投资、公共预算支出、进出口总额对国内生产总值（GDP）的影响，建立计量经济学模型，寻求这些变量与国内生产总值的数量关系，进行定量分析，对模型进行检验，最终得出结论。
关键词：CPI、GDP、投资、预算支出、进出口、经济增长一、研究的目的要求（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（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）影响因素的分析在曼昆中级宏观经济学第七版中指出，国民收入核算把GDP分为四大类支出：消费（C）、投资（I）、政府购买（G）、净出口（NX）。
用Y代表GDP有，Y=C+I+G+NX。
从公式可知，GDP主要受这四方面影响，因此本文用公共预算支出衡量一部分政府购买，用全社会固定资产投资总额衡量投资。
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。
在过去的几十年里,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。
所以，选取了CPI物价指数来进行进一步分析。
同时随着对外经济加强，进出口贸易已成为中国经济重要组成部分，所以进出口额也是值得分析的因素。
二、模型设定与参数设计（一）数据的收集中国经济增长影响因素模型时间序列表资料来源：中国统计年鉴、中国政府网（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CPI（X1）消费需求；用固定资产投资总额(X2)衡量资本投入：用预算支出（X3）去代表政府购买X4代表进出口总额。
运用这些数据进行回归分析。
采用的模型如下：Y= β0+β1X1+β2X2+β3X3+β4X4+μ其中，Y代表国内生产总值，X3代表i预算支出，X2代表固定资产投资，X1代表消费价格指数，X4代表进出口总额，μi代表随机扰动项。
通过对该模型的回归分析，得出各个变量与我国经济增长的变动关系。
三、模型检验及修正1.可以得到如下回归分析结果：Dependent Variable: Y Method: Least Squares Date: 06/20/16 Time: 08:55 Sample: 1985 2015 Included observations: 31VariableCoefficient Std. Error t-Statistic Prob. C 83300.80 48323.23 1.723825 0.0966 X1 -606.6547 443.4283 -1.368101 0.1830 X2 -0.318973 0.225021 -1.417523 0.1682 X3 4.176602 0.802216 5.206331 0.0000 X43.1914390.5848195.4571420.0000R-squared 0.996436 Mean dependent var 189284.4 Adjusted R-squared 0.995888 S.D. dependent var 204842.6 S.E. of regression 13135.92 Akaike info criterion 21.95078 Sum squared resid 4.49E+09 Schwarz criterion 22.18207 Log likelihood -335.2371 Hannan-Quinn criter. 22.02617 F-statistic 1817.315 Durbin-Watson stat 0.322178 Prob(F-statistic)0.000000Y=833300.8-606.6547β1X1-0.318973β2X2+4.18β3X3+3.19β4X4 R²=0.996436 Ṝ=0.995888 F=1817.315 从数据可以看出模型拟合优度很好。
2.多重共线性检验X1 X2 X3 X4X1 1.000000 -0.288341 -0.314340 -0.324767 X2 -0.288341 1.000000 0.997062 0.932732 X3 -0.314340 0.997062 1.000000 0.945955 X4-0.3247670.9327320.9459551.000000从上面结果来看，X2，X3，X4之间存在高度相关性，分别做出Y 与1245,,,X X X X 间的回归，结果如下：Dependent Variable: YMethod: Least SquaresDate: 06/20/16 Time: 09:32Sample: 1985 2015Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C 1400826. 620793.2 2.256509 0.0317X1 -11490.48 5878.258 -1.954742 0.0603R-squared 0.116420 Mean dependent var 189284.4 Adjusted R-squared 0.085952 S.D. dependent var 204842.6 S.E. of regression 195841.6 Akaike info criterion 27.27034 Sum squared resid 1.11E+12 Schwarz criterion 27.36286 Log likelihood -420.6903 Hannan-Quinn criter. 27.30050 F-statistic 3.821017 Durbin-Watson stat 0.119399 Prob(F-statistic) 0.060314Dependent Variable: YMethod: Least SquaresDate: 06/20/16 Time: 09:34Sample: 1985 2015Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C 43248.59 7332.916 5.897871 0.0000X2 1.240429 0.036853 33.65913 0.0000R-squared 0.975042 Mean dependent var 189284.4 Adjusted R-squared 0.974181 S.D. dependent var 204842.6 S.E. of regression 32914.68 Akaike info criterion 23.70357 Sum squared resid 3.14E+10 Schwarz criterion 23.79608 Log likelihood -365.4053 Hannan-Quinn criter. 23.73372 F-statistic 1132.937 Durbin-Watson stat 0.209259 Prob(F-statistic) 0.000000Dependent Variable: YMethod: Least SquaresDate: 06/20/16 Time: 20:01Sample: 1985 2015Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C 28127.89 4993.077 5.633379 0.0000X3 4.008672 0.077829 51.50643 0.0000R-squared 0.989187 Mean dependent var 189284.4Adjusted R-squared 0.988814 S.D. dependent var 204842.6S.E. of regression 21665.00 Akaike info criterion 22.86712Sum squared resid 1.36E+10 Schwarz criterion 22.95964Log likelihood -352.4404 Hannan-Quinn criter. 22.89728F-statistic 2652.912 Durbin-Watson stat 0.339632Prob(F-statistic) 0.000000Dependent Variable: YMethod: Least SquaresDate: 06/20/16 Time: 20:02Sample: 1985 2015Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C 13363.32 12872.16 1.038156 0.3078X4 14.18012 0.695338 20.39312 0.0000R-squared 0.934814 Mean dependent var 189284.4Adjusted R-squared 0.932566 S.D. dependent var 204842.6Sum squared resid 8.21E+10 Schwarz criterion 24.75612Log likelihood -380.2859 Hannan-Quinn criter. 24.69376F-statistic 415.8795 Durbin-Watson stat 0.847523Prob(F-statistic) 0.000000从数据可以看出Y与X3回归具有最大的可决系数，因此选Y=28127.89+4.009X3作为初始的回归模型，逐步回归。