eviews统计分析报告

e v i e w s统计分析报告

内部编号：（YUUT-TBBY-MMUT-URRUY-UOOY-DBUYI-0128）

统计分析报告

基于eviews软件的湖北省人均GDP时间序

列模型构建与预测

姓名：刘金玉

学院：经济管理学院

学号：

指导教师：李奇明

日期：2014年12月14日

基于eviews软件的湖北省人均GDP时间序列

模型构建与预测

1、选题背景

改革开放以来,中国的经济得到飞速发展。1978年至今,中国GDP年均增长超过9%。中国的经济实力明显增强。2001年GDP超过万亿美元,排名升到世界第六位。外汇储备已达2500亿美元。市场在资源配置中已经明显地发挥基础性作用。公有、私有、外资等多种所有制经济共同发展的格局基本形成。宏观调控体系初步建立。我国社会生产力、综合国力、地区发展、产业升级、所有制结构、商品供求等指标均反映出我国经济运行质量良好,为实现第三步战略。在全国的经济飞速发展的大环境下，各省GDP的增长也是最能反映其经济发展状况的指标。而人均 GDP 是最能体现一个省的经济实力、发展水平和生活水准的综合性指标，它不仅考虑了经济总量的大小，而且结合了人口多少的因素，在国际上被广泛用于评价和比较一个地区经济发展水平。尤其是我们这样的人口大国，用这一指标反映经济增长和发展情况更加准确、深刻和富有现实意义。深入分析这一指标对于反映我国经济发展历程、探讨增长规律、研究波动状况，制定相应的宏观调控政策有着十分重要的意义。

本文是以湖北省人均GDP作为研究对象。湖北省人均GDP的增长速度在上世纪90年代增长率有下滑的趋势（见表1）。进入21世纪，继东部沿海地区先发展起来，并涌现出环渤海、长三角、珠三角等城市群，以及中共中央提出“西部大开发”的战略后，中部地区成了“被遗忘的区域”，中部地区经济发展严重滞后于东部沿海地区，为此，中共中央提出了“中部崛起”的重大战略决策。自2004年提出“中部崛起”的重要战略构思后，山西、河南、安徽、湖北、湖南、江西六个省都依托自己的资源和地理优势来扩大地区竞争力，湖北省尤为突出。那

么，研究湖北省人均GDP的统计规律性和变动趋势，对于了解湖北省的经济增长规律以及地方政策的制定有特别重要的意义。因此本文试图以湖北省1978-2013年人均GDP历史数据为样本，通过ARMA 模型对样本进行统计分析，以揭示湖北省人均GDP变化的内在规律性，建立计量经济模型，并在此基础上进行短期外推预测，作为湖北未来几年经济发展的重要参考依据。

表一湖北省·1978年-2013年的人均GDP

2、数据准备

首先我们对数据进行预处理，建立工作文件并导入数据如图1：

图1

图中year代表年份，per GDP代表湖北省的人均GDP。导入数据后我们根据时间和人均GDP绘制时序图，选择序列然后点Quick，选择 Scatter，或者XYline ；绘制完成后后可以双击图片对其进行修饰。

绘制图形如图2：

图2

由图2我们不难看出，根据描点，湖北省的人均GDP基本在时间上呈一种指数增长。

3、平稳性检验

我们绘制了人均gdp的散点图，发现人均gdp随着时间的推移在不断增长

图3

由图3的序列的相关分析结果可以看出：

（1）自相关系数波动较大。从上述样本相关函数图，可以看到湖北省的人均GDP 是缓慢的递减趋于零的，并随着时间的推移，在0附近波动并呈发散趋势。所以，通过湖北省人均GDP的样本相关图，可初步判定该时间序列非平稳。

（2）观察第五列的 Q 统计量和第六列它对应的P值：

H0：X的1期，2期……k期的自相关系数均等于 0 ；

H1：自相关系数中至少有一个不等于 0 。

图中结果显示，P值在95%的显着性水平下,都小于，所以拒绝原假设, 即序列是非白噪声序列，序列值之间彼此之间有关联, 所以说过去的行为对将来的发展有影响。

为了验证我对这组数据是非平稳的初步猜想，下面我对其进行了单位根（ADF）检验，单位根检验是为了检验中是否存在单位根，因为单位根过程就不，序列也就是非平稳时间序列，会使回归分析中存在伪回归。

结果如图4

由图4可知，ADF的t统计量为，比10%的置信水平下的t值还要大，由此我们可以确定人均gdp的时间序列是非平稳序列。

4、数据平稳化

由上面结果可以得出，湖北省自改革开放至今的人均gdp的时间序列是不平稳的，存在波动，结合图2的时间序列散点图，我们不难发现gdp对于时间序列有着指数的趋势，使序列不平稳，下面为了方便分析，我们利用差分法将其变为平稳序列。

一阶差分结果如表二，表二描述了数据进行一阶差分后的结果，图5是我们利用eviews做出来关于一阶差分的结果序列图，根据图和数据初步猜测序列依旧非平稳。经过对一阶差分结果再次进行ADF检验，检验结果如图6， ADF的t统计量为，比10%的置信水平下的t值还要大，由此我们可以确定经过一阶差分的人均gdp的时间序列是非平稳序列。

表二一阶差分结果

图5

图6

上面已经验证经过一阶差分的人均GDP时间序列依旧是非平稳的，我们仍然无法用ARMA模型来分析与预测，我们接着对人均GDP进行二阶差分,二阶差分输出结果如表三，表三描述了数据进行二阶差分后的结果，图7是我们利用eviews

做出来关于二阶差分的结果序列图，根据图和数据初步猜测序列平稳。经过对二阶差分结果再次进行ADF检验，检验结果如图8， ADF的t统计量为，比1%的置信水平下的t值要大，但是小于5%下的水平，此时的t统计量相对于一阶差分来说更加显着，在5%的显着水平下我们认为原关于湖北省GDP的时间序列经过二阶差分变换可以成为平稳序列，这种由非平稳序列经过差分变成的平稳序列，则我们称之为差分平稳序列，差分平稳序列我们就可以使用 A ARIM模型进行拟合。

表三二阶差分结果

图7

图8

5、模型构建

ARMA模型的识别与定阶可以通过样本的自相关与偏自相关函数的观察获得,例如:AR(p)模型自相关函数拖尾,偏自相关函数p步截尾;MA(q)模型自相关函数q步截尾,偏自相关函数拖尾;而ARMA模型的自相关函数与偏自相关函数都具有拖尾性。

图9

序列D（GDP，2）的AC与PAC见图9。由图9可看到ACF与PACF都基本控制在两个标准差范围之内，可认为该序列在零轴附近波动，具有短期相关性，同时根据我们之前所做的分析已证实湖北省人均GDP是平稳随机序列。样本的自相关函数和偏自相关函数基本上出现逐步衰减态势，二者都呈现一定的拖尾特性。从图9可大致考虑p=0、q=5，偏自相关拖尾、自相关5步截尾，建立ARIMA

（0,2,5）模型。建立ARIMA （0,2,5）为模型，是因为偏自相关拖尾，所以第一个数值0 ，然后因为序列进行了二阶差分，所以中间数值为2 ，又自相关图5阶截尾，所以最后一个数值为5。

根据计量经济学我们知道AIC的值越小，说明模型进行样本外预测的拟合效果越好。这一标准也是时间序列模型进行选择的主要标准，这是因为时间序列模型多用来进行预测。AIC准则可以对模型的阶数和相应参数同时给出一种最佳估计。但它仍需要根据平稳序列的自相关和偏自相关函数的特性，初选一些可供参考的阶数，然后计算不同阶数的AIC值，选择使AIC达到最小的一组阶数作为理想阶数。

经AIC值验证模型（0,5）是合适的模型，下面我们根据这个参数模型进行估计。

首先我们知道模型参数估计的方法有矩估计法、极大似然法、非线性最小二乘法等。矩估计法虽然比较简单但精度较低；极大似然法相对比较精确，但是要求总体分布类型已知。非线性最小二乘法是以误差的平方和最小为准则来估计非线性静态模型的一种估计方法，过程包含运筹学中的迭代搜索技术，具有较高的准确度。根据我们选取数据的性质和前人分析的经验我选用了非线性最小二乘法（NLS 法）来估计参数。使用经济计量软件Eviews对模型进行参数估计。估计结果如图10所示.

图10

根据图10的估计结果得出模型为：

R2=

=

对所得模型的残差序列resid进行平稳性检验。如果残差序列是白噪声，可以接受这个模型拟合的结果；如果不是，那么残差序列可能还存在有用信息没被提取，则模型需要进一步改进。同样的，用ADF检验来对残差进行单位根检验，其结果如图11所示：

图11

图12

τ统计量小于1%、5%和10%三个显着性水平的临界值，因此可判断该模型的残差序列不存在单位根，则上述模型检验通过。该模型说明湖北省人均GDP和其历史数据关系不显着，和前面两期的随机误差项显着相关。对模型的残差序列进行平稳性检验(见图 12)，由模型的残差序列自相关图知，模型的残差序列是

平稳的，不存在序列相关，由残差序列的单位根检验知不存在单位根，进一步说明模型是适应的，

6、模型预测

表四与图13分别给出2003-2013年湖北省人均GDP实测与预测的计算结果。从表四可以看出，预测结果的相对误差不大，结果较令人满意。说明所建模型具有良好的预报效果，有一定的参考价值。

根据历史数据用上述模型可以得出2013年湖北省人均GDP的预测结果为元，而事实上2010年湖北省人均GDP为元，两者之间相对误差为%。利用此模型对2014年湖北省的人均GDP进行预测，最终的预测结果为2014年的人均GDP为49636元，此数据精确性有待年终真实数据的检验。接下来，利用2014年的预测数据进行2015年的人均GDP预测，得到 55834 元。

从预测的结果来看，湖北省在“十二五”期间能有望保持一个较高的增长态势，每年的人均GDP都能保持在大约10%的增长速度。不过，2015年的预测值是建立在前面年份预测值的基础上的，所以其准确性会受到一点影响。

图13

7、小结

本文利用时间序列数据来建立模型，首先对湖北省人均GDP进行平稳化，然后建立合适的ARMA模型，经过2005-2013年内验性检验可以看出模型的拟合效果比较理想，接下来便利用该模型对随后几年的人均GDP进行了外推预测，结果可以看出湖北在“十二五”期间还将保持一个较高的经济增长速度，这对于湖北省的经济发展都会产生良好的作用。

本文选取的样本数据建立有限个模型然后比较模型间的优劣存在一定的局限性，不同的样本数据应该根据其发展趋势和变化的特点选择合适的预测模型。本文对湖北省人均 GDP 历史数据的统计规律和变化趋势的研究可为国家和地方政策提供一定的有效的经济依据。对于宏观经济数据的预测，除了上面应用的方法外，还有前移回归分析方法和多因素趋势回归预测法等，其他方法从另外的角度也能较好的对宏观经济数据进行预测，各种方法的优劣比较不在本文的内容当中。当然，也可以在此基础上分析创建更好的计量模型和预测方法。

湖北省作为华中地区中心的城市，又位于中国的中心地带，素有中国“芝加哥”之称，其自然资源丰富，地理位置优越，人文历史悠久，科学教育先进，应当充分利用中央政府提出的“中部崛起”的时机，抓住机遇，利用一切有利条件，调整产业结构，发展高新技术新型产业，提高经济增长速度，改善人民生活水平，促进湖北乃至整个中部地区的经济增长。

计量经济学Eviews多重共线性实验报告

计量经济学E v i e w s多重共线性实验报告 Company Document number：WUUT-WUUY-WBBGB-BWYTT-1982GT

实验报告课程名称计量经济学 实验项目名称多重共线性 班级与班级代码 专业 任课教师 学号： 姓名： 实验日期： 2014 年 05 月 11日 广东商学院教务处制 姓名实验报告成绩 评语： 指导教师（签名） 年月日 说明：指导教师评分后，实验报告交院（系）办公室保存。 计量经济学实验报告 一、实验目的：掌握多元线性回归模型的估计方法、掌握多重共线性模型的识别和修正。 二、实验要求：应用教材第127页案例做多元线性回归模型，并识别和修正多重共线性。 三、实验原理：普通最小二乘法、简单相关系数检验法、综合判断法、逐步回归法。

四、预备知识：最小二乘法估计的原理、t检验、F检验、2R值。 五、实验步骤 1、选择数据 理论上认为影响能源消费需求总量的因素主要有经济发展水平、收入水平、产业发展、人民生活水平提高、能源转换技术等因素。为此，收集了中国能源消费标准煤总量、国民总收入、国内生产总值GDP、工业增加值、建筑业增加值、交通运输邮电业增加值、人均生活电力消费、能源加工转换效率等1985——2007年的统计数据。本题旨在通过建立这些经济变量的线性模型来说明影响能源消费需求总量的原因。主要数据如下： 1985~2007年统计数据

资料来源：《中国统计年鉴》，中国统计出版社2000、2008年版。 为分析Y 与X1、X2、X3、X4、X5、X6、X7之间的关系，做如下折线图： 能源消费Y 在1986到1996年间缓慢增长，在96至98年有短暂的下跌，但是98至02年开始缓慢回升，02年到06年开始快速增长。 国民总收入X1和国内生产总值X2以相同的趋势逐年缓慢增长。 工业增加值X3在1985年-1999年期间一直是缓慢增长，但在2000年出现了急剧下降的现象，2001年又急剧增长，达到下降前的水平，2001年以后开始缓慢增长。建筑业增长值x4、交通运输邮电业增加值x5、人均生活电力消费x6、能源加工转换效率x7数值较低，但都以较平缓的方式增长。 2、设定并估计多元线性回归模型 t t t t t t t u X X X X X Y ++++++=66554433221ββββββ （） 录入数据，得到图。 2.2.1）采用OLS 估计参数 在主界面命令框栏中输入 ls y c x1 x2 x3 x4 x5 x6 x7回车，即可得到参数的估计结果。 由此可见，该模型的可决系数为，修正的可决系数为，模型拟和很好，F 统计量为，回归方程整体上显着。 可是其中的lnX3、lnX4、lnX6对lnY 影响不显着,不仅如此，lnX2、lnX5的参数为负值，在经济意义上不合理。所以这样的回归结果并不理想。 3、多重共线性模型的识别

eviews多元线性回归案例分析

中国税收增长的分析 一、研究的目的要求 改革开放以来，随着经济体制的改革深化和经济的快速增长，中国的财政收支状况发生了很大的变化，中央和地方的税收收入1978年为519.28亿元到2002年已增长到17636.45亿元25年间增长了33倍。为了研究中国税收收入增长的主要原因，分析中央和地方税收收入的增长规律，预测中国税收未来的增长趋势，需要建立计量经济学模型。 影响中国税收收入增长的因素很多，但据分析主要的因素可能有：（1）从宏观经济看，经济整体增长是税收增长的基本源泉。（2）公共财政的需求，税收收入是财政的主体，社会经济的发展和社会保障的完善等都对公共财政提出要求，因此对预算指出所表现的公共财政的需求对当年的税收收入可能有一定的影响。（3）物价水平。我国的税制结构以流转税为主，以现行价格计算的DGP等指标和和经营者收入水平都与物价水平有关。（4）税收政策因素。我国自1978年以来经历了两次大的税制改革，一次是1984—1985年的国有企业利改税，另一次是1994年的全国范围内的新税制改革。税制改革对税收会产生影响，特别是1985年税收陡增215.42%。但是第二次税制改革对税收的增长速度的影响不是非常大。因此可以从以上几个方面，分析各种因素对中国税收增长的具体影响。 二、模型设定 为了反映中国税收增长的全貌，选择包括中央和地方税收的‘国家财政收入’中的“各项税收”（简称“税收收入”）作为被解释变量，以放映国家税收的增长；选择“国内生产总值（GDP）”作为经济整体增长水平的代表；选择中央和地方“财政支出”作为公共财政需求的代表；选择“商品零售物价指数”作为物价水平的代表。由于税制改革难以量化，而且1985年以后财税体制改革对税收增长影响不是很大，可暂不考虑。所以解释变量设定为可观测“国内生产总值（GDP）”、“财政支出”、“商品零售物价指数” 从《中国统计年鉴》收集到以下数据 财政收入（亿元） Y 国内生产总值(亿 元） X2 财政支出（亿 元） X3 商品零售价格指 数（%) X4 1978519.283624.11122.09100.7 1979537.824038.21281.79102 1980571.74517.81228.83106

Eviews虚拟变量实验报告

实验四虚拟变量 【实验目的】 掌握虚拟变量的基本原理，对虚拟变量的设定和模型的估计与检验，以及相关的Eviews操作方法。 【实验内容】 试根据1998年我国城镇居民人均收入与彩电每百户拥有量的统计资料建立 【实验步骤】 1、相关图分析 根据表中数据建立人均收入X与彩电拥有量Y的相关图（SCAT X Y）。从相关图可以看出，前3个样本点（即低收入家庭）与后5个样本点（中、高收入）的拥有量存在较大差异，

因此，为了反映“收入层次”这一定性因素的影响，设置虚拟变量如下： ?? ?=低收入家庭 中、高收入家庭 1D 2、构造虚拟变量 构造虚拟变量 1D （DATA D1），并生成新变量序列： GENR XD=X*D1 3、估计虚拟变量模型 LS Y C X D1 XD 得到估计结果：

我国城镇居民彩电需求函数的估计结果为： XD D X Y 009.0873.31012.0611.571-++=∧ (16.25) (9.03) (8.32) (-6.59) 366,066.1..,9937.02===F e s R 再由t 检验值判断虚拟变量的引入方式，并写出各类家庭的需求函数。 虚拟变量的回归系数的t 检验都是显著的，且模型的拟合优度很高，说明我国城镇居民低收入家庭与中高收入家庭对彩电的消费需求，在截距和斜率上都存在着明显差异，所以以加法和乘法方式引入虚拟变量是合理的。 低收入家庭与中高收入家庭各自的需求函数为： 低收入家庭： X Y 012.0611.57+=∧ 中高收入家庭： X X Y 003.0484.89)009.0012.0()873.31611.57(+=-++=∧ 由此可见我国城镇居民家庭现阶段彩电消费需求的特点： 对于人均年收入在3300元以下的低收入家庭，需求量随着收入水平的提高而快速上升，人均年收入每增加1000元，百户拥有量将平均增加12台；对于人均年收入在4100元以上的中高收入家庭，虽然需求量随着收入水平的提高也在增加，但增速趋缓，人均年收入每增加1000元，百户拥有量只增加3台。

计量经济学eviews实验报告

大连海事大学 实验报告 实验名称：计量经济学软件应用 专业班级：财务管理2013-1 姓名：安妮 指导教师：赵冰茹 交通运输管理学院 二○一六年十一月 一、实验目标 学会常用经济计量软件的基本功能，并将其应用在一元线性回归模型的分析中。具体包括：Eview的安装，样本数据基本统计量计算，一元线性回归模型的建立、检验及结果输出与分析，多元回归模型的建立与分析，异方差、序列相关模型的检验与处理等。二、实验环境 WINDOWSXP或2000操作系统下，基于EVIEWS5.1平台。 三、实验模型建立与分析 案例1：

我国1995-2014年的人均国民生产总值和居民消费支出的统计资料（此资料来自中华人民共和国统计局网站）如表1所示，做回归分析。 表1我国1995-2014年人均国民生产总值与居民消费水平情况

（1）做出散点图，建立居民消费水平随人均国内生产总值变化的一元线性回归方程，并解释斜率的经济意义； 利用eviews软件输出结果报告如下： Dependent Variable: CONSUMPTION Method: Least Squares Date: 06/11/16 Time: 19:02 Sample: 1995 2014 Included observations: 20

Variable Coeffici ent Std. Error t-Statisti c Prob.?? C691.0225113.3920 6.0941040.0000 AVGDP0.3527700.00490871.880540.0000 R-squared0.996528????Mean dependent var7351.300 Adjusted R-squared0.996335????S.D. dependent var4828.765 S.E. of regression292.3118????Akaike info criterion14.28816 Sum squared resid1538032.????Schwarz criterion14.38773 Log likelihood -140.881 6 ????Hannan-Quinn criter.14.30760 F-statistic5166.811????Durbin-Watson stat0.403709 Prob(F-statistic)0.000000 由上表可知财政收入随国内生产总值变化的一元线性回归方程为:

利用Eviews软件进行最小二乘法回归实例

例题中国居民人均消费支出与人均GDP（1978-2000），数据（例题1-2），预测，2001年人均GDP为4033.1元，求点预测、区间预测。（李子奈，p50）解答： 一、打开Eviews软件，点击主界面File按钮，从下拉菜单中选择Workfile。 在弹出的对话框中，先在工作文件结构类型栏（Workfile structure type）选择固定频率标注日期（Dated – regular frequency），然后在日期标注说明栏中（Date specification）将频率（Frequency）选为年度（Annual），再依次填入起止日期，如果希望给文件命名（可选项），可以在命名栏（Names - optional）的WF项填入自己选择的名称，然后点击确定。 此时建立好的工作文件如下图所示：

在主界面点击快捷方式（Quick）按钮，从下拉菜单中选空白数据组（Empty Group）选项。 此时空白数据组出现，可以在其中通过键盘输入数据或者将数据粘贴过来。 在Excel文件（例题1-2）中选定要粘贴的数据，然后在主界面中点击编辑（Edit）按钮，从下拉菜单中选择粘贴（Paste），数据将被导入Eviews软件。

将右侧的滚动条拖至最上方，可以在最上方的单元格中给变量命名。 二、估计参数 在主界面中点击快捷方式（Quick）按钮，从下拉菜单中选择估计方程（Estimate Equation） 在弹出的对话框中设定回归方程的形式。

在方程表示式栏中（Equation specification ），按照被解释变量（Consp ）、常数项（c ）、解释变量（Gdpp ）的顺序填入变量名，在估计设置（Estimation settings ）栏中选择估计方法（Method ）为最小二乘法（LS – Least Squares ），样本（Sample ）栏中选择全部样本（本例中即为1978－2000），然后点击确定，即可得到回归结果。 以上得到的回归结果可以表示为： 201.1190.3862(13.51)(53.47)Consp GDPP =+? 如果你试图关闭回归方程页面（或Eviews 主程序），这时将会弹出一个对话框，询问是否删除未命名的回归方程，如下图所示

EVIEWS实验报告1

EVIEWS实验报告 专业:金融学 班级：10907 学号：1090723 姓名：侯文隽

一、选题 自1949年新中国成立以后，我国国债发行基本分为两个阶段：20世纪50年代是第一阶段，为了支援人民解放战争，恢复和发展经济，我国先后发行过人民胜利折实公债和国家经济建设公债。80年代以来是第二阶段，进入20世纪80年代以后，随着改革开放的不断深入，我国国民收入分配格局发生了变化，国债的发行量也逐年扩大。本次实验出发点是根据1980-2005年的国债规模和可能的相关因素进行分析，同时达到掌握使用EVIEWS进行经济问题分析的目的。二、建立模型 影响国债规模的因素是多方面的、多层次的，我们暂且不去考虑微观上国债的管理水平与结构、筹资成本、期限安排、偿还方式等因素，因为这些因素的影响是个别的，并且难以计量。所以从宏观经济角度出发，引入财政赤字、国内生产总值（GDP）、年还本付息支出等指标，并建立多元线性回归模型。以国债发行量作为被解释变量Y，财政赤字、GDP、还本付息支出作为解释变量分别用X1、X2、X3表示。建立模型如下: Y=b0+b1*X1+b2*X2+b3*X3 三、数据来源 下表列出了1980-2005年间历年国债发行规模及各相关因素的具体数据表1 单位：亿元

（来源于中国统计年鉴2006，1980-2005年数据） 四、实验结果 通过普通最小二乘法对变量进行回归估计，得到结果如下： Dependent Variable: Y Method: Least Squares Date: 10/02/11 Time: 13:09 Sample: 1980 2005 Included observations: 26 Variable Coefficient Std. Error t-Statistic Prob. C -82.30505 63.20978 X1 0.816282 0.075733 X2 0.671558 0.414988 X3 0.980645 0.160403 R-squared 0.994963 Mean dependent var 2015.208 Adjusted R-squared 0.994276 S.D. dependent var 2355.453 S.E. of regression 178.2087 Akaike info criterion 13.34443 Sum squared resid 698683.5 Schwarz criterion 13.53798 Log likelihood -169.4775 F-statistic Durbin-Watson stat 1.141533 Prob(F-statistic) Y=-82.3051+0.8163X1+0.6716X2+0.9806X3 五、模型检验 1、从回归估计的结果看，可决系数R2=0.9949，模型拟合较好。方程的显著性检 验中F的伴随概率等于0，小于0.05，说明所有的待估参数不全为零，方程总体上的线性关系是显著成立的。在变量的显著性检验中，X1和X3的t检

互联网营销与大数据分析

互联网营销与大数据分析大数据营销，依托大数据技术的基础大数据营销是基于多平台的大量数据行大数据营销衍 生于互联网上，应用于互联网广告行业的营销方式。依托多平台的大数据采集，以及大数据技业，又作用于互联网行业。给品牌企业带来更能够使广告更加精准有效，术的分析与预测能力，高的投资回报率。大数据营销的核心在于让网络广告在合适的时间，通过合适的载体，以合适的方式，投给合适的人。 大数据营销是指通过互联网采集大量的行为数据，首先帮助广告主找出目标受众，以此对广告投放的内容、时间、形式等进行预判与调配，并最终完成广告投放的营销过程。 大数据营销，随着数字生活空间的普及，全球的信息总量正呈现爆炸式增长。基于这个趋势之上的，是大数据、云计算等新概念和新范式的广泛兴起，它们无疑正引领着新一轮的互联网风潮。 多平台化数据采集：大数据的数据来源通常是多样化的，多平台化的数据采集能使对网民行为的刻画更加全面而准确。多平台采集可包含互联网、移动互联网、广电网、智能电视未来还有户外智能屏等[1]?。数据 [2]?：在网络时代，网民的消费行为和购买方式极易时效性强调在短的时间内发生变化。在网民需求点最高时及时进行营销非常重对此提出了时间营销策略，AdTime要。全球领先的大数据营销企业 它可通过技术手段充分了解网民的需求，并及时响应每一个网民当前

的需求，让他在决定购买的“黄金时间”内及时接收到商品广告。 个性化营销：在网络时代，广告主的营销理念已从“媒体导向”向“受众导向”转变。以往的营销活动须以媒体为导向，选择知名度高、浏览量大的媒体进行投放。如今，广告主完全以受众为导向进行广告营销，因为大数据技术可让他们知晓目标受众身处何方，关注着什么位置的什么屏幕。大数据技术可以做到当不同用户关注同一媒体的相同界面时，广告内容有所不同，大数据营销实现了对网民的个性化营销。性价比高：和传统广告“一半的广告费被浪费掉”相比，大数据营销在最大程度上，让广告主的投放做到有的放矢，并可根据实时性的效果反馈，及时对投放策略进行调整。 关联性：大数据营销的一个重要特点在于网民关注的广告与广告之间的关联性，由于大数据在采集过程中可快速得知目标受众关注的内容，以及可知晓网民身在何处，这些有价信息可让广告的投放过程产生前所未有的关联性。即网民所看到的上一条广告可与下一条广告进行深度互动。 大数据营销的实现过程： [3]?大数据营销并非是一个停留在概念上的名词，而是一个通过大量运算基础上的技术实现过程。虽然围绕着大数据进行的话题层出不穷，且在大多数人对大数据营销的过程不甚清晰。事实上，国内的全球领先的大很多以技术为驱动力的企业也在大数据领域深耕不辍。． 率先推出了大数据广告运营平台——云图。据AdTime数据营销平台 介绍，云图的云代表云计算，图代表可视化。云图的含义是将云计算

计量经济学论文(eviews分析)

我国限额以上餐饮企业营业额的 影响因素分析 班级： 姓名： 学号： 指导老师：

我国限额以上餐饮企业营业额的影响因素分析 摘要：本文收集了1999—2009共11年的相关数据，选取餐饮企业的数量、城镇居民人均年消费性支出、全国城镇人口数以及公路里程数作为解释变量构建模型，对我国限额以上餐饮企业营业额的影响因素进行分析。并利用Eviews软件对模型进行参数估计和检验，且加以修正，最后根据模型的最终结果进行经济意义分析，然后提出自己的看法。 关键词：餐饮企业营业额、影响因素、计量分析 一、研究背景 近十年来，投资者进入餐饮企业的数量一直持递增趋势。在他们进入一个行业之前，势必要对该行业的营业额、营业利润等进行估计，当这些因素的估计值能够达到他们的预期的时候，他们才会对其进行投资。由于餐饮企业的营业额是影响投资者是否进入餐饮业的一个重要因素，那么对于我国餐饮企业的营业额问题的深入研究就相当的有必要，这有助于投资者作出合理的决策。下面即进行了对我国限额以上餐饮企业营业额的计量模型研究。 二、变量的选取 影响餐饮企业营业额的因素有很多，包括餐饮企业的数量、营业面积、从业人员、城镇居民人均年消费性支出、全国城镇人口数、餐饮企业的平均价格水平及公路里程数（表示交通状况），但综合考虑后，选取了其中的一部分变量（企业数、城镇居民人均年消费性支出、全国城镇人口数、公路里程数）进行研究，并对各个变量对餐饮企业营业额的影响进行预测。 1.企业数

本文认为餐饮企业营业额与餐饮企业的数量有关，并预测两者之间呈正相关2. 城镇居民人均年消费性支出 本文认为餐饮企业营业额与城镇居民人均年消费性支出有关，并预测两者之间呈正相关 3. 全国城镇人口数 本文认为餐饮企业营业额与全国城镇人口数有关，并预测两者之间呈正相关4. 公路里程数 本文认为餐饮企业营业额与公路里程数有关，并预测两者之间呈正相关三、相关数据：其中营业额（单位：亿元），企业数（单位：个），人均年消费性 支出（单位：元），全国城镇人口数（单位：万人），公路里程数（单位：万公里） 年度 营业额 （Y）企业数（x1） 人均年消费性 支出(x2) 全国城镇人口 数（x3） 公路里程 数（x4） 1999351955932664615.9143748135.2 200040524453508499845906140.3 2001489894341325309.0148064169.8 2002624247150216029.8850212176.5 2003747000059356510.9452376181 200411605000100677182.154283187.1 20051260200099227942.8856212334.5

Eviews处理多元回归分析操作步骤

Eviews处理多元回归分析操作步骤操作步骤 1. 建立工作文件 (1) 建立数据的exel电子表格 (2)将电子表格数据导入eviews File-open-foreign data as workfile，得到数据的Eviews工作文件和数据序列表。

2. 计算变量间的相关系数 在窗口中输入命令:cor coilfuture dow shindex nagas opec ueurope urmb，点击回车键，得到各序列之间的相关系数。结果表明Coilfuture数列与其他数列存在较好的相关关系。

3.时间序列的平稳性检验 (1)观察coilfuture序列趋势图 在eviews中得到时间序列趋势图，在quick菜单中单击graph，在series list对话框中输入序列名称coilfuture，其他选择默认操作。图形表明序列随时间变化存在上升趋势。 (2)对原序列进行ADF平稳性检验 quick-series statistics-unit root test，在弹出的series name对话框中输入需要检验的序列的名称，在test for unit root in 选择框中选择level，得到原数据序列的ADF检验结果，其他保持默认设置。

得到序列的ADF平稳性检验结果，检测值0.97大于所有临界值，则表明序列不平稳。以此方法，对各时间序列依次进行ADF检验，将检验值与临界值比较，发现所有序列的检验值均大于临界值，表明各原序列都是非平稳的。 (3)时间序列数据的一阶差分的ADF检验

quick-series statistics-unit root test，在series name对话框中输入需要检验的序列的名称，在test for unit root in 选择框中选择1nd difference，对其一阶差分进行平稳性检验，其他保持默认设置。 得到序列的ADF平稳性检验结果，检测值-7.8远小于所有临界值，则表明序列一阶差分平稳。以此方法，对各时间序列的一阶差分依次进行ADF检验，将检验值

Eviews实验报告

江西农业大学经济贸易学院学生实验报告 课程名称：计量经济学 专业班级：经济1201班 姓名： 学号： 指导教师：徐冬梅 职称：讲师 实验日期： 2014.12.11

学生实验报告 一、实验目的及要求 1、目的 会使用EVIEWS对计量经济模型进行分析 2、内容及要求 （1）对经典线形回归模型进行参数估计、参数的检验与区间估计，对模型总体进行显著性检验； （2）异方差的检验及其处理； （3）自相关的检验及其处理； （4）多重共线性检验及其处理； 二、仪器用具 三、实验方法与步骤 (一)数据的输入、描述及其图形处理； (二)方程的估计； (三)参数的检验、违背经典假定的检验； (四)模型的处理与预测

四、实验结果与数据处理 实验一：中国城镇居民人均消费支出模型 数据散点图： 通过Eviews 估计参数方程 回归方程： Dependent Variable: Y Method: Least Squares Date: 11/27/14 Time: 15:02 Sample: 1 31 Included observations: 31 Variable Coefficien t Std. Error t-Statistic Prob. X 1.359477 0.043302 31.39525 0.0000 C -57.90655 377.7595 -0.153289 0.8792 R-squared 0.971419 Mean dependent var 11363.69 Adjusted R-squared 0.970433 S.D. dependent var 3294.469 S.E. of regression 566.4812 Akaike info criterion 15.57911 Sum squared resid 9306127. Schwarz criterion 15.67162 Log likelihood -239.4761 F-statistic 985.6616 Durbin-Watson stat 1.294974 Prob(F-statistic) 0.000000 5000 10000 15000 20000 25000 6000 800010000120001400016000 X Y

eviews图像及结果分析报告

第4章图形和统计量分析 EViews软件提供了序列(Series)和序列组(Group)等对象的各种视图、统计分析方法和过程。当序列对象中输入数据后，就可对序列对象中输入的数据进行统计分析，并且可以通过图、表等形式进行描述。本章将介绍序列和序列组对象图形的生成和描述性统计量及其检验。 4.1 图形对象 图形(Graph)对象可以形成序列和序列组等对象的各种视图，如线图(Line)、散点图(Scatter)以及饼图(Pie)等。通过图形可以进一步观察和分析数据的变化趋势和规律。下面介绍图形对象的基本操作。 4.1.1 图形(Graph)对象的生成 图形对象也是工作文件中的基本对象之一。要生成图形对象需首先打开序列对象窗口或序列组对象窗口，选择对象窗口工具栏中的“View”|“Graph”选项。选择的对象类型不同，将弹出不同的窗口。如果在序列对象窗口下选择“View”|“Graph”选项，将弹出如图4-1所示的界面。

. . 图4-1 序列窗口下图形对象的生成 此时“Graph”弹出的菜单中有6种图形可供选择。“Line”表示生成的是折线图，如图4-2所示，其横轴表示时间或序列的顺序，纵轴表示序列对象观测值的大小。“Area”表示生成面积图，其图形的形状与“Line”(折线图)相同，不同的是“Area”(面积图)曲线下方是被填满的，而“Line”(折线图)下方是空白。 图4-2 “Line”折线图 “Bar”表示为条形图，用条状的高度表示观测值的大小。“Spike”表示尖峰图，由竖线组成，每根竖线的高度代表观测值的大小。“Seasonal Stacked Line”表示生成的是季节性堆叠图，“Seasonal Split Line”表示生成的是季节性分割线。 如果在序列组(群)对象窗口下选择“View”|“Graph”选项，将弹出如图4-3所示的界面。这里有9种图形可供选择。其前4种与上面讲述的相同。 图4-3 序列组(群)窗口下图对象的生成

用eviews进行一元线性回归分析实施报告

天津外国语大学国际商学院本科生课程论文（设计） 题目：一元回归分析居民收入和支出的关系姓名： 学号： 专业： 年级： 班级： 任课教师： 2014 年 4 月

内容摘要 随着本文中的收集数据参考了中国统计年鉴以及书本《计量经济学》中的相关统计结果，对我国各地区城镇居民家庭人均全年可支配收入与人均全年消费性支出进行分析。利用EVIEWS软件对计量模型进行参数评估和检验，最终得出相关结论。 关键词：居民消费；居民收入；EVIEWS；一元回归分析

目录 一、引言 (1) （一）研究背景 (1) （二）研究意义 (1) 二、研究综述 (2) （一）模型设定 (2) 1.定义变量 (2) 2.数据来源 (2) （二）作散点图 (3) 三、估计参数 (4) （一）操作步骤 (4) （二）回归结果 (4) 四、模型检验 (5) （一）经济意义检验 (5) （二）拟合优度和统计检验 (5) （三）回归预测 (5) 五、结论 (5) 参考文献： (6)

一元回归分析居民收入与支出的关系 一、引言 （一）研究背景 随着近年来我国成为世界第二大经济体，居民的高生活水平也日益显著。我国人口正在高速城镇化，2011年中国大陆城镇人口为69079万人，城镇人口占总人口比重达到51.27％。因此城镇居民作为消费主体，研究城镇居民人均可支配收入以及人均可支配消费性支出之间的关系，可以有效的了解到我国各地区的人民生活水平以及经济状况，因此能更好的的带动我国GDP的飙升，改善居民的生活水平。 （二）研究意义 居民消费在社会经济的持续发展中有着重要的作用。居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这要是人民生活水平的具体体现。改革开饭以来随着中国经济的快速发展，人民生活水平不断提高，居民的消费水平也不断增长。但是在看到这个整体趋势的同时，还应看到全国各地区经济发展速度不同，居民消费水平也有明显差异。例如，2007年的城市居民家庭平均每人每年消费支出，最高的是上海市达人均20667.91元，最低的则是新疆，人均只有8871.27元，上海是新疆的2.33倍。为了研究全国居民消费水平及其变动的原因，需要做具体的

互联网营销与大数据分析

互联网营销与大数据分析 大数据营销 大数据营销是基于多平台的大量数据，依托大数据技术的基础上，应用于互联网广告行业的营销方式。大数据营销衍生于互联网行业，又作用于互联网行业。依托多平台的大数据采集，以及大数据技术的分析与预测能力，能够使广告更加精准有效，给品牌企业带来更高的投资回报率。 大数据营销的核心在于让网络广告在合适的时间，通过合适的载体，以合适的方式，投给合适的人。 大数据营销是指通过互联网采集大量的行为数据，首先帮助广告主找出目标受众，以此对广告投放的内容、时间、形式等进行预判与调配，并最终完成广告投放的营销过程。 大数据营销，随着数字生活空间的普及，全球的信息总量正呈现爆炸式增长。基于这个趋势之上的，是大数据、云计算等新概念和新范式的广泛兴起，它们无疑正引领着新一轮的互联网风潮。 多平台化数据采集：大数据的数据来源通常是多样化的，多平台化的数据采集能使对网民行为的刻画更加全面而准确。多平台采集可包含互联网、移动互联网、广电网、智能电视未来还有户外智能屏等数据[1]。 强调时效性[2]：在网络时代，网民的消费行为和购买方式极易在短的时间内发生变化。在网民需求点最高时及时进行营销非常重要。全球领先的大数据营销企业AdTime对此提出了时间营销策略，

它可通过技术手段充分了解网民的需求，并及时响应每一个网民当前的需求，让他在决定购买的“黄金时间”内及时接收到商品广告。 个性化营销：在网络时代，广告主的营销理念已从“媒体导向”向“受众导向”转变。以往的营销活动须以媒体为导向，选择知名度高、浏览量大的媒体进行投放。如今，广告主完全以受众为导向进行广告营销，因为大数据技术可让他们知晓目标受众身处何方，关注着什么位置的什么屏幕。大数据技术可以做到当不同用户关注同一媒体的相同界面时，广告内容有所不同，大数据营销实现了对网民的个性化营销。 性价比高：和传统广告“一半的广告费被浪费掉”相比，大数据营销在最大程度上，让广告主的投放做到有的放矢，并可根据实时性的效果反馈，及时对投放策略进行调整。 关联性：大数据营销的一个重要特点在于网民关注的广告与广告之间的关联性，由于大数据在采集过程中可快速得知目标受众关注的内容，以及可知晓网民身在何处，这些有价信息可让广告的投放过程产生前所未有的关联性。即网民所看到的上一条广告可与下一条广告进行深度互动。 大数据营销的实现过程： 大数据营销[3]并非是一个停留在概念上的名词，而是一个通过大量运算基础上的技术实现过程。虽然围绕着大数据进行的话题层出不穷，且在大多数人对大数据营销的过程不甚清晰。事实上，国内的很多以技术为驱动力的企业也在大数据领域深耕不辍。全球领先的大

eviews分析

以下是用eviews分析： 中巴传媒2009股票收益率与沪深300 2009年的收益率关系结果：Dependent Variable: GPSYL Method: Least Squares Date: 03/31/12 Time: 12:14 Sample (adjusted): 1/06/2009 12/31/2009 Included observations: 243 after adjustments Variable Coefficient Std. Error t-Statistic Prob. C -0.000700 0.002728 -0.256542 0.7978 HS300SYL 0.822810 0.132004 6.233237 0.0000 R-squared 0.138834 Mean dependent var 0.001647 Adjusted R-squared 0.135261 S.D. dependent var 0.045295 S.E. of regression 0.042121 Akaike info criterion -3.488362 Sum squared resid 0.427569 Schwarz criterion -3.459613 Log likelihood 425.8360 F-statistic 38.85324 Durbin-Watson stat 1.756868 Prob(F-statistic) 0.000000 中巴传媒2010股票收益率与沪深300 2010年的收益率关系结果： : Dependent Variable: GPSYL Method: Least Squares Date: 03/31/12 Time: 14:21 Sample (adjusted): 1/05/2010 12/31/2010 Included observations: 239 after adjustments Variable Coefficient Std. Error t-Statistic Prob. C 0.000275 0.001333 0.206658 0.8365 HS300SYL 0.842420 0.084202 10.00474 0.0000 R-squared 0.296934 Mean dependent var -0.000131 Adjusted R-squared 0.293967 S.D. dependent var 0.024505 S.E. of regression 0.020591 Akaike info criterion -4.919617 Sum squared resid 0.100483 Schwarz criterion -4.890525 Log likelihood 589.8942 F-statistic 100.0947 Durbin-Watson stat 1.790846 Prob(F-statistic) 0.000000

使用eviews做线性回归分析

使用eviews做线性回归分析 关键字: linear regression Glossary: ls(least squares)最小二乘法 R-sequared样本决定系数（R2）：值为0-1，越接近1表示拟合越好，>0.8认为可以接受，但是R2随因变量的增多而增大，解决这个问题使用来调整 Adjust R-seqaured() S.E of regression回归标准误差 Log likelihood对数似然比：残差越小，L值越大，越大说明模型越正确Durbin-Watson stat：DW统计量，0-4之间 Mean dependent var因变量的均值 S.D. dependent var因变量的标准差 Akaike info criterion赤池信息量(AIC)（越小说明模型越精确） Schwarz ctiterion:施瓦兹信息量（SC）（越小说明模型越精确） Prob(F-statistic)相伴概率 fitted(拟合值) 线性回归的基本假设： 1.自变量之间不相关 2.随机误差相互独立，且服从期望为0，标准差为σ的正态分布 3.样本个数多于参数个数 建模方法: ls y c x1 x2 x3 ... x1 x2 x3的选择先做各序列之间的简单相关系数计算，选择同因变量相关系数大而自变量相关系数小的一些变量。模型的实际业务含义也有指导意义，比如 m1同gdp肯定是相关的。 模型的建立是简单的，复杂的是模型的检验、评价和之后的调整、择优。 模型检验： 1）方程显著性检验（F检验）：模型拟合样本的效果，即选择的所有自变量对因变量的解释力度 F大于临界值则说明拒绝0假设。 Eviews给出了拒绝0假设(所有系统为0的假设)犯错误(第一类错误或α错误)的概率(收尾概率或相伴概率)p值，若p小于置信度(如0.05)则可以拒绝0假设，即认为方程显著性明显。 2）回归系数显著性检验（t检验）：检验每一个自变量的合理性 |t|大于临界值表示可拒绝系数为0的假设，即系数合理。t分布的自由度为 n-p-1,n为样本数，p为系数位置

计量经济学Eviews多重共线性实验报告

实验报告 课程名称计量经济学 实验项目名称多重共线性 班级与班级代码 专业 任课教师 学号： 姓名： 实验日期：2014 年05 月11日

广东商学院教务处制 姓名实验报告成绩 评语： 指导教师（签名） 年月日

说明：指导教师评分后，实验报告交院（系）办公室保存。 计量经济学实验报告 一、实验目的：掌握多元线性回归模型的估计方法、掌握多重共线性模型的识别和修正。 二、实验要求：应用教材第127页案例做多元线性回归模型，并识别和修正多重共线性。 三、实验原理：普通最小二乘法、简单相关系数检验法、综合判断法、逐步回归法。 R值。 四、预备知识：最小二乘法估计的原理、t检验、F检验、2 五、实验步骤 1、选择数据 理论上认为影响能源消费需求总量的因素主要有经济发展水平、收入水平、产业发展、人民生活水平提高、能源转换技术等因素。为此，收集了中国能源消费标准煤总量、国民总收入、国内生产总值GDP、工业增加值、建筑业增加值、交通运输邮电业增加值、人均生活电力消费、能源加工转换效率等1985——2007年的统计数据。本题旨在通过建立这些经济变量的线性模型来说明影响能源消费需求总量的原因。主要数据如下： 1985~2007年统计数据

资料来源：《中国统计年鉴》，中国统计出版社2000、2008年版。 为分析Y 与X1、X2、X3、X4、X5、X6、X7之间的关系，做如下折线图： 能源消费Y 在1986到1996年间缓慢增长，在96至98年有短暂的下跌，但是98 至02年开始缓慢回升，02年到06年开始快速增长。 国民总收入X1和国内生产总值X2以相同的趋势逐年缓慢增长。 工业增加值X3在1985年-1999年期间一直是缓慢增长，但在2000年出现了急剧下降的现象，2001年又急剧增长，达到下降前的水平，2001年以后开始缓慢增长。建筑业增长值x4、交通运输邮电业增加值x5、人均生活电力消费x6、能源加工转换效率x7数值较低，但都以较平缓的方式增长。 2、设定并估计多元线性回归模型 t t t t t t t u X X X X X Y ++++++=66554433221ββββββ （2.1） 2.1录入数据，得到图。

Eviews软件数据分析例文

小学期作业 影响财政收入的主要因素 学院：经济学院 班级：统计学班 姓名:梁语丝 学号：2011407036

影响财政收入的主要因素 摘要： 财政收入是一国政府实现政府职能的基本保障，主要有资源配置、收入再分配和宏观经济调控三大职能。财政收入的增长情况关系着一个国家经济的发展和社会的进步。我国财政收入主要受国民经济发展、预算外资金收入、税收收入等因素的影响。本文针对我国财政收入影响因素建立了计量经济模型，并利用Eviews软件对收集到的数据进行相关回归分析，排除简单多元回归模型存在的严重多重共线性等问题，建立财政收入影响因素更精确的模型，分析了影响财政收入主要因素及其影响程度，预测我国财政收入增长趋势。 二、模型设定 研究财政收入的影响因素离不开一些基本的经济变量。大多数相关的研究文献中都把总税收、国内生产总值这两个指标作为影响财政收入的基本因素,还有一些文献中也提出了其他一些变量, 比如其他收入、经济发展水平等。影响财政收入的因素众多复杂, 但是通过研究经济理论对财政收入的解释以及对实践的观察, 对财政收入影响的因素主要是税收收入。下面我们就以税收收入、能源消费总量、和预算外资金收入作为影响财政收入的主要研究因素。 从中国统计局网站上可以查询到1993年至2008年的相关数据，对其进行计算整理可得： 年份财政收入（Y） /亿元 能源消费总量 （X 1 ）/亿元 预算外财政 收入（X 2 ）/亿元 税收收入（X 3 ） /亿元 1978 1132.260 57144.00 347.1100 519.2800 1979 1146.400 58588.00 452.8500 537.8200 1980 1159.930 60275.00 557.4000 571.7000 1981 1175.800 59447.00 601.7000 629.8900 1982 1212.300 62067.00 802.7400 700.0200 1983 1367.000 66040.00 967.6800 775.5900 1984 1642.900 70904.00 1188.480 947.3500 1985 2004.820 76682.00 1530.030 2040.790

计量经济学eviews实验报告.doc

大连海事大学 实验报告Array 实验名称：计量经济学软件应用专业班级：财务管理2013-1 姓名：安妮 指导教师：赵冰茹 交通运输管理学院 二○一六年十一月

一、实验目标 学会常用经济计量软件的基本功能，并将其应用在一元线性回归模型的分析中。具体包括：Eview的安装，样本数据基本统计量计算，一元线性回归模型的建立、检验及结果输出与分析，多元回归模型的建立与分析，异方差、序列相关模型的检验与处理等。 二、实验环境 WINDOWSXP或2000操作系统下，基于EVIEWS5.1平台。 三、实验模型建立与分析 案例1： 我国1995-2014年的人均国民生产总值和居民消费支出的统计资料（此资料来自中华人民共和国统计局网站）如表1所示，做回归分析。 表1我国1995-2014年人均国民生产总值与居民消费水平情况

（1）做出散点图，建立居民消费水平随人均国内生产总值变化的一元线性回归方程，并解释斜率的经济意义； 利用eviews软件输出结果报告如下：

Dependent Variable: CONSUMPTION Method: Least Squares Date: 06/11/16 Time: 19:02 Sample: 1995 2014 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob. C 691.0225 113.3920 6.094104 0.0000 AVGDP 0.352770 0.004908 71.88054 0.0000 R-squared 0.996528 Mean dependent var 7351.300 Adjusted R-squared 0.996335 S.D. dependent var 4828.765 S.E. of regression 292.3118 Akaike info criterion 14.28816 Sum squared resid 1538032. Schwarz criterion 14.38773 Log likelihood -140.8816 Hannan-Quinn criter. 14.30760 F-statistic 5166.811 Durbin-Watson stat 0.403709 Prob(F-statistic) 0.000000 由上表可知财政收入随国内生产总值变化的一元线性回归方程为: （令Y=CONSUMPTION,X=AVGDP（此处代表人均GDP）） Y = 691.0225+0.352770* X 其中斜率0.352770表示国内生产总值每增加一元,人均消费水平增长0.35277元。 检验结果R2=0.996528，说明99.6528%的样本可以被模型解释，只有0.3472%的样本未被解释，因此样本回归直线对样本点的拟合优度很高。 （2）对所建立的回归方程进行检验： （5%显著性水平下，t（18）=2.101） 对于参数c假设: H 0: c=0. 对立假设:H 1 : c≠0 对于参数GDP假设: H 0: GDP=0. 对立假设:H 1 : GDP≠0 由上表知: 对于c,t=6.094104>t(n-2)=t(18)=2.101 因此拒绝H 0: c=0,接受对立假设:H 1 : c≠0 对于GDP, t=71.88054﹥t(n-2)=t(18)=2.101