下载文档原格式
统计预测和决策课程论文-------------------安徽省人口总数的预测学院：班级：学生姓名：指导教师：完成时间：目录摘要 (2)一绪论 (3)二数据来源 (3)三模型及预测方法的介绍 (3)四模型建立、求解及检验 (6)1.移动平均法预测 (6)2.指数平滑法预测 (7)3.一元线性回归预测 (7)五模型评价 (9)六参考文献 (11)摘要近几年来，就业问题一直是各严峻而艰巨的任务，关系到国家未来的前途命运，然而，导致这个问题难以解决的最主要原因便是应届毕业生的总数高居不下，甚至有上涨的趋势。
研究毕业生总数的变动趋势，有利于掌握未来几年的岗位需求，从而可以沉着应对。
本论文通过运用移动平均法、指数平滑法，一元线性回归方程等，拟合总数变动趋势等分析方法，通过建模求解我们可以预测到未来五年我国应届毕业生总人数的变动趋势[键词]：移动平均法；指数平滑法；线性回归；excel一、绪论由于毕业生就业情况和国家未来的前途命运紧密相关，现行中国推进全面深化改革，这各艰巨的任务理所当然的落在当代当学生发身上，所以，发展经济的前提便是是毕业生能够充分毕业，给他们用武之地。
二、数据来源从中国统计年鉴上得到的安徽省2000到2012年总人口数的数据，如下 (单位：万人)年份 总数2001 114 2002 145 2003 212 2004 280 2005 338 2006 413 2007 495 2008 559 2009 611 2010 631 2011 660 2012 680 2013 700 2014 727三、模型及预测方法的介绍 1.移动平均法：移动平均法是根据时间序列资料逐项推移，依次计算包含一定项数的时序平均数,以反映长期趋势的方法。
当时间序列的数值由于受周期变动和不规则变动的影响，起伏较大，不易显示出发展趋势时，可用移动平均法，消除这些因素的影响，来分析、预测序列的长期趋势。
移动平均法有简单的平均法、加权平均法和趋势移动平均法 （1）简单移动平均法设时间序列为:12t y y y ; 简单移动平均法的计算公式为:11t t t N t y y y M N--+++=,t N ≤式中：t M —t 期移动平均数 N — 移动平均项数 预测公式为:1t t M yΛ+=即以第t 期移动平均数作为第t+1期的预期值。
四川省产业产值与就业人数关系的因素分析姓名：高燕专业：会计学学号：201101111619指导教师：***博士四川省产业产值与就业人数关系的因素分析摘要:四川省是农业人口大省,且四川省在中国西部十二省中的经济发展水平居于前列水平。
为了能够很好地反映就业人数与产业产值之间的关系，本文运用了EVIEWS软件对其1991年-2009年的数据进行数据分析，并假设未来三年的就业人数，预测了2010年、2011年以及2012年的四川省产业产值的变动情况。
关键字：产业产值就业人数因素分析一.理论依据：GDP 值由三大产业产值构成,而每一产业的产值对于GDP 的带动作用均不相同,在每一产业中,就业大军的力量起到了十分重要的作用,就业人员流向哪一产业领域,说明这一产业对于今后GDP 的发展趋势影响较深,往往能促进经济的发展。
问题的提出：二．数据来源与变量的选取本文的基础数据是四川省1991年至2009年的三产产业产值和三产就业人数，数据来源于2009年四川省统计年鉴。
用(i=1,2,3)表示三产的产值，（i=1,2,3）表示三产的就业人数，G 表示四川省地区总产值，L 表示四川省总就业人数，所有变量的初始数据见表1。
表1 四川省三次产业产值和就业人数产值单位：亿元，就业人数单位：万人注：数据来源于《2009年四川省统计年鉴》年份 G G1 G2 G3 L L1 L2 L3 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 20091016.31 1177.27 1486.08 2001.41 2443.21 2871.65 3241.47 3474.09 3649.12 3928.2 4293.5 4725.01 5333.09 6379.63 7385.11 8690．24 10562.39 12601.63 14151.28339 372.04 449.38 597.37 662.46 770.02 880.28 912.24 926.03 945.58 981.68 1047.95 1128.61 1379.92 1481.14 1595．48 2032.00 2216.15 2240.61376.48 441.57 580.38 782.77 980.91 1156.01 1265.32 1324.01 1349.63 1433.11 1572.01 1733.38 2014.8 2493.17 3067.23 3775.14 4648.79 5823.39 6711.87300.83 363.66 456.32 621.27 799.84 945.62 1095.87 1237.84 1373.46 1549.51 1739.81 1943.68 2189.68 2506.54 2836.74 3319．62 3881.60 4561.69 5198.804425.1 4521.2 4556.8 4587.9 4619.1 4627.2 4641.2 4651.4 4654.3 4658.4 4664.8 4667.6 4683.5 4691 4702 4715 4731.10 4740.00 4756.623190.83 3200.21 3108.06 3037.47 2983.94 2875.86 2872.41 2824.4 2747.08 2643.35 2595.84 2517.48 2482.8 2445.7 2421.5 2306.9 2266.22 2186.18 2144.13602.81 636.79 709.98 728.46 752.91 772.74 780.44 786.09 800.54 871.12 867.65 896.18 906.7 916 926.3 946 1065.71 1108.32 1141.59631.46 684.2 738.76 821.97 882.25 978.6 988.35 1040.91 1106.68 1143.93 1201.31 1253.94 1294 1329.3 1354.2 1462.1 1399.15 1445.50 1470.90三．问题的提出：四川省位于西部地区，但相对于西部其他省份来说，四川省的经济发展水平处于前列地位。
地方一般公共预算收入差异及影响因素分析,统计学案例分析一、问题的提出改革开放以来，我国的经济经历了日新月异的发展，国家财政收入也节节创出新高。
有关数据显示，我国地方财政收入合计从200年的7803.2999亿到2010年的32602.59亿元。
总体来看，我国的地方财政收入发展情况良好。
周忠辉提出，影响我国财政收入的因素主要是税收收入和国内生产总值。
但是目前还没有学者研究我国各地区财政收入的影响因素，是否同国家财政收入那样，同样主要受税收收入和生产总值的影响？本文将选用税收收入、地区生产总值、就业人数结合相关数据，并运用计量经济学的一些模型和方法，来解释地方财政收入。
二、基本概念及简要论述地方财政收入是指各地方政府为履行其职能、实施公共政策和提供公共物品与服务需要而筹集的一切资金的总和。
地方财政收入表现为各地区政府部门在一定时期内（一般为一个财政年度）所取得的货币收入。
地方财政收入是衡量一个地区政府财力的重要指标。
地方政府在地区经济活动中提供公共物品和服务的范围和数量，在很大程度上决定于地方财政收入的充裕状况。
税收收入：由于税收具有强制性、无偿性和固定性的特征，可以给地方政府带来充裕的资金，因此，各地方政府都把税收收入作为地方财政收入的最主要的收入形式和收入来源。
地区生产总值：本地区所有常住单位在一定时期内生产活动的最终成果。
地区生产总值常被视为衡量一个地区经济发展水平的主要指标，我们认为，地区生产总值的提高会提高居民的收入水平，并促进地区财政收入的增加。
就业人数：一般认为，一个地区就业人数越多，所创造的财富就越多，会间接地影响地方财政的收入，并产生积极效应。
三、案例分析自相关检验。
用杜宾-沃森检验法进行自相关检验，步骤如下：由估计结果知，d值为2.298。
样本容量为29，解释变量数为3，查D-W表得出临界值，dl=1.198，du=1.650，因为4-dl=2.802，4-du=2.350，du<d<4-du，所以模型无自相关。
我国国内生产总值（GDP）影响因素的实证分析摘要：本文以国民收入核算理论为基础，引入能源消费、就业人数、居民消费水平、社会消费品零售总额、进出口贸易总额、外商直接投资（FDI）等解释变量，运用计量经济学分析的方法，分析国内生产总值与这些解释变量之间的关系。
从中国的实际情况出发，在利用从1985到2001的年度时间序列数据分析的基础上，分析各因素对国内生产总值的不同程度的影响及其原因，最后得出结论、提出观点。
关键词：GDP 影响因素实证分析Eviews一、问题提出：国内生产总值（GDP）是指在一定时期内(一个季度或一年)，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。
它不但可反映一个国家的经济表现，更可以反映一国的国力与财富。
国民经济，作为一个复杂的综合体，它的影响因素一直是人们探索和争论的热点，根据西方经济学中关于国民收入核算的经典理论，我们建立以GDP为被解释变量的线性回归模型，引入能源消费、就业人数、居民消费水平、社会消费品零售总额、进出口贸易总额以及外商直接投资等解释变量，对GDP的影响因素作实证分析，试图揭示这几个解释变量对GDP的影响程度。
二、样本数据选取及模型设定：回归模型设立如下：Y=β0+β1X1 +β2X2+β3X3+β4 X4 +β5X5+β6X6+UY--------国内生产总值GDPX1-----能源消费X2-----就业人数X3-----居民消费水平X4-----社会消费品零售总额X5-----进出口贸易总额X6-----外商直接投资（FDI）U------随机扰动项β1、β2、β3、β4、β5、β6为待估参数。
变量采用时间序列数据，具体数据(现价计算)见表一：表1：（数据来源于中国统计年鉴。
）三、参数的初步估计与检验将第一个模型的样本导入Eviews软件进行OLS估计，得到输出结果如下：表2：Ŷ=-13277.72+0.052743X1＋0.133846X2＋18.57620X3＋0.377243X4＋0.169706X5＋0.002222X6=2R 0.999741， =2R 0.999539， F=4955.607从回归结果看，可决系数很高，F 值很大，但在显著性水平05.0=α下，很多项的回归系数都不显著，因此回归方程不能投入使用；该模型很可能存在多重共线性。
第1篇一、报告概述随着我国经济的持续发展，就业形势日益严峻。
为全面了解当前就业市场的状况，本报告通过对就业数据的深入分析，旨在为政府、企业和求职者提供有价值的参考信息。
报告将从就业人数、行业分布、地区差异、学历层次、就业质量等方面进行详细阐述。
二、就业人数分析1. 就业人数总体情况近年来，我国就业人数持续增长，2019年全国城镇新增就业1352万人，超额完成年度目标任务。
截至2020年底，我国城镇登记失业率3.61%，同比下降0.11个百分点。
尽管受到新冠疫情的影响，我国就业市场仍保持了稳定。
2. 不同行业就业人数变化从行业分布来看，第一产业就业人数持续下降，第二产业就业人数波动较大，第三产业就业人数稳步上升。
其中，第三产业已成为吸纳就业的主力军。
三、行业分布分析1. 第三产业就业人数占比最高近年来，我国第三产业就业人数持续增长，占全国就业总人数的比重逐年上升。
2019年，第三产业就业人数占比达到46.3%，较2018年提高1.6个百分点。
2. 重点行业就业情况（1）制造业：制造业作为我国经济的重要支柱，就业人数占比稳定在20%左右。
近年来，制造业就业人数略有下降，但整体就业形势较好。
（2）服务业：服务业就业人数增长迅速，已成为吸纳就业的重要领域。
其中，住宿和餐饮业、批发和零售业、金融业、房地产业等就业人数增长较快。
（3）信息技术产业：随着互联网、大数据、人工智能等新技术的快速发展，信息技术产业就业人数持续增长，成为就业市场的热点。
四、地区差异分析1. 东部地区就业人数最多从地区分布来看，东部地区就业人数最多，中部地区次之，西部地区最少。
东部地区凭借其优越的地理位置、经济发展水平和产业集聚效应，吸引了大量劳动力。
2. 中西部地区就业压力较大中西部地区经济发展相对滞后，就业机会相对较少，导致就业压力较大。
为缓解这一问题，国家实施了一系列政策措施，如加大基础设施投资、推进产业转移等。
五、学历层次分析1. 高等教育毕业生就业形势严峻近年来，高等教育毕业生人数逐年增加，就业形势日益严峻。
多元线性回归在国内生产总值(GDP)增长率预测中的应用多元线性回归在国内生产总值（GDP）增长率预测中的应用摘要：产业结构变动与经济增长是分不开的。
经济增长率的高低体现了一个国家或地区在一定时期内经济总量的增长速度，也是衡量一个国家或地区总体经济实力增长速度的标志。
为了更好的了解我国各产业增长率对我国国内生产总值增长率的影响，从《中国统计年鉴》中选取数据，通过运用EXCEL软件对以上数据进行了多元线性回归分析，通过显著性分析，最终得到了能够比较准确反映国内生产总值增长率与各产业增长率关系的最佳模型，对下一年生产率进行预测。
关键词：国内生产总值增长率；EXCEL；多元线性回归；预测1问题的提出与分析产业结构变动与经济增长是分不开的。
经济增长通常是指在一个较长的时间跨度上，一个国家人均产出（或人均收入）水平的持续增加。
经济增长率的高低体现了一个国家或地区在一定时期内经济总量的增长速度，也是衡量一个国家或地区总体经济实力增长速度的标志。
它构成了经济发展的物质基础，而产业结构的调整与优化升级对于经济增长乃至经济发展至关重要。
为此，了解国家税收收入的影响因素具有重要作用。
然而，影响国家国内生产总值的因素较多，如何从中找出关键的几个因素，并建立最能反映实际情况的数学模型，是我们必须要解决的问题。
查阅各种资料了解到，结合实际经验，本文选取了就业人数，国内生产总值增长率，第一产业增长率，第二产业增长率，第三产业增长率3个因素作为影响国内生产总值增长率的因子，并以国内生产总值增长率为因变量，对该问题进行了详细分析。
2数据描述本文选取了《中国统计年鉴》中1995年-2013年的数据，以国内生产总值（GDP）增长率、第一产业增长率、第二产业增长率、第三产业增长率等4个为研究对象，得出数据表格如表2-1所示。
表2-1 各年份增长率统计数据年份国内生产总值增长率/%第一产业增长率/%第二产业增长率/%第三产业增长率/%199510.9513.99.8 1996105.112.19.4 19979.33.510.510.7 19987.83.58.98.4 19997.62.88.19.3 20008.42.49.49.7 20018.32.88.410.3 20029.12.99.810.4 2003102.512.79.5 200410.16.311.110.1 200511.35.212.112.2 200612.7513.414.1 200714.23.715.116 20089.65.49.910.4 209.24.29.99.609 2010 10.4 4.3 12.3 9.8 2011 9.3 4.3 10.3 9.4 2012 7.7 4.5 7.9 8.1 20137.747.88.3数据来源：中国统计年鉴-20142014/indexch.htm3 模型建立3.1 提出假设条件，明确概念，引入参数假设：(i)解释变量X 1，X 2，X 3是可控制的，非随机变量；(ii) 随机物产项具有零均值和同方差的性质； (iii) 符合正态分布。
FDI对我国经济增长、就业影响研究基于VAR模型一、本文概述随着全球化的不断深入，外国直接投资（FDI）在全球范围内发挥着越来越重要的作用。
我国作为世界上最大的发展中国家，吸引和利用FDI对我国经济增长和就业的影响日益受到关注。
本文旨在通过基于向量自回归（VAR）模型的实证分析，探讨FDI对我国经济增长和就业的影响机制及其动态效应。
本文首先回顾了国内外关于FDI与经济增长、就业关系的相关理论和实证研究，总结了现有研究的成果和不足。
在此基础上，本文构建了包含经济增长、就业和FDI等关键变量的VAR模型，并运用我国的时间序列数据进行了实证分析。
通过对模型的稳定性检验、脉冲响应分析和方差分解等方法，本文深入探讨了FDI对我国经济增长和就业的短期和长期影响。
本文的研究结果表明，FDI对我国经济增长和就业具有显著的正面影响。
一方面，FDI的流入为我国带来了资本、技术和管理经验等生产要素，促进了我国产业结构的升级和经济增长质量的提高。
另一方面，FDI的流入也为我国创造了大量的就业机会，促进了我国劳动力市场的稳定和发展。
同时，本文还发现，FDI对我国经济增长和就业的影响具有一定的时滞性和动态性，需要政策制定者关注其长期效应和时变特征。
基于以上研究结论，本文提出了相应的政策建议。
我国应继续加大吸引和利用FDI的力度，优化外商投资环境，提高外资利用效率。
我国应加强对外资企业的引导和支持，推动其在我国产业结构升级和经济发展中发挥更大的作用。
我国还应关注FDI对我国劳动力市场的影响，加强就业培训和劳动力市场监管，保障劳动者的合法权益。
本文通过基于VAR模型的实证分析，深入探讨了FDI对我国经济增长和就业的影响机制及其动态效应。
研究结论对于我国制定更加科学合理的外资政策和就业政策具有重要的参考意义。
二、文献综述随着全球化进程的不断推进，外国直接投资（FDI）逐渐成为影响各国经济增长和就业的重要因素。
近年来，关于FDI对中国经济增长和就业影响的研究逐渐成为学术界的热点。
计量经济学案例分析就业人数影响因素的回归分析学院：数理学院班级:学号:姓名:、刖言我国虽然社会经济体制转型还没有最终完成，但劳动力商品化和按要素分配已经占主导地位，收入分配差距拉大，基尼系数超过0.4，必然失业率的作用越来越大。
内需不足依赖出口的局面已经形成，就业问题日益严重。
我国目前劳动生产率还不太高，市场的潜力十分巨大，处在市场经济不发展，政府的力量还很强的阶段。
般说来，发展中国家都急于赶超发达国家，很难处理好发展和增长、内涵扩大再生产和外延扩大再生产的关系。
正是这些最基本的战略关系没有处理好，使各种经济结构失衡，造成产品积压和消费不足、就业岗位短缺并存且日益严重的局面。
人口和劳动就业直接影响着经济发展和社会稳定，关系到人们的切身利益。
扩大就业，促进再就业，关系改革发展稳定的大局，关系人们生活水平的提高，关系国家的长治久安，不仅是重大的经济问题，也是重大的政治问题。
在就业问题上, 中国政府始终将促进就业作为国民经济和社会发展的战略性任务。
就业作为国家宏观调控经济政策的四大目标之一，是与人们关系最为密切的一环。
而中国作为一个人口大国，要彻底解决该问题是个不小的挑战。
本文旨在通过对1985年到2011年27年数据进行分析，建立一个关于就业人数影响因素的多元线性回归模型，找出其中影响的主要因素，从而能够得出更有针对性的扩大就业的意见。
二、数据的收集与录用本文选取数据为1985—2011年27年的人民币兑美元汇率、总人口数（万人）、国内生产总值（亿元）、全社会固定资产投资（亿元）、进出口总额（亿元）、各项税收（亿元）、流通中现金供应量（亿元）、就业人数（万人），数据均来源于国家统计局网站中国统计年鉴2011.见下表注：数据均来源于国家统计局网站中国统计年鉴2011年X i-人民币兑美元汇率X2-总人口数（万人）X3-国内生产总值（亿元）X4 -全社会固定资产投资（亿元）X5-进出口总额（亿元）X6-各项税收（亿元）X7-流通中现金供应量（亿元）Y-就业人数（万人）三、多重共线性检验本文选取就业人数为被解释变量，选取人民币兑美元汇率、人口数、国内生产总值、全社会固定资产投资、进出口总额、各项税收、流通中现金供应量为解释变量，为避免变量之间存在多重共线，而引起参数估计量不准、普通最小二乘法参数估计量方差变大、经济含义不合理或者模型预测功能失去意义，本文在确定模型之前，先对变量进行多重共线性检验。
利用Eviews软件，我们得出以下结果:表2、运用Eviews软件得出的回归结果Dependent Variable: YMethod: Least SquaresDate: 12/24/13 Time: 12:59Sam pie: 1985 2011In eluded observati ons: 27Variable Coefficie nt Std. Error t-Statistic P rob.C -140369.8 23190.04 -6.053020 0.0000X1 7.389769 4.807880 1.537012 0.1408X2 1.765987 0.220367 8.013847 0.0000X3 -0.179421 0.071078 -2.524276 0.0207X4 0.103945 0.054321 1.913544 0.0709X5 0.026303 0.027174 0.967946 0.3452X6 0.794068 0.316018 2.512732 0.0212X7 -0.986903 0.350062 -2.819225 0.0110 R-squared 0.980143 Mean dependent var 68079.52Adjusted R-squared 0.972828 S.D. dependentvar 8257.25017.51121S.E. of regressi on 1361.127 Akaike info criterionSum squared resid 35200667 Schwarz criteri on 17.89516Log likelihood -228.4013 F-statistic 133.9795Durb in-Watson stat 1.744270 P rob(F-statistic) 0.000000由表2 结果可看出，R2 =0.980143很大，Prob(F-statistic) = 0.000000，F检验也通过，但是变量X1、X4、X5的t值不显著，即t检验不通过，所以该模型存在多重共线性。
本文采用保留重要的解释变量的方法解决多重共线性，剔除变量X1、X4、X5，对剩余变量继续用Eviews软件进行回归分析，发现变量X3仍然不能通过t检验，所以进一步剔除变量X。
最后确定了X2、X6、X三个变量为解释变量。
四、模型的建立4.1理论分析当总人口增加时，相应的就业人员数也随之增加，所以，中国总人口与中国就业人员数具有相关关系。
各项税收对劳动供给和劳动需求产生影响，促进劳动供给和需求的变动，从而促进就业人数的变化。
流通中现金，是指银行体系以外各个单位的库存现金和居民的手持现金之和，当流通中现金供应量变化时，人们可支配的现金也随之变动，人们从事工作的情况也会随之变化，从而就业的人数也会随之变化。
为了更好地了解它们对中国就业人员数的影响，依据1985年到2011年的总人口数（X2）、各项税收（X6）、流通中现金供应量（X7 ）与就业人数（Y）的散点图，如下: 80,00075,000 70,000 65,000 60,000 55,00050,00045,000 -I ----------------- 1 -------------- 1--------------- 1 ---------------100,000 110,000 120,000 130,000 140,000X2图1、总人口数（X2）与就业人数（Y）的散点图80,00075,00070,00065,000Y60,00055,00050,00045,0000 20,000 40,000 60,000 80,000 100,000X6图2、各项税收（X6）与就业人数（Y）的散点图80,00075,00070,00065,000Y60,00055,00050,00045,0000 10,000 20,000 30,000 40,000 50,000 60,000X7图3、流通中现金供应量（X）与就业人数（Y）的散点图由图1,可以看出总人口数与就业人员数基本上是成线性关系的，当总人口增加时，相应的就业人员数也随之增加，由图2,可以看出各项税收与就业人员数在我们所研究的27年间，前18年基本上是成线性关系，各项税收增加时，就业人员数也会不断提高，但后9年就业人员数随着国内生产总值的增加变化不大。
由图3,可以看出流通中现金供应量与就业人员数在我们所研究的27年间，前21年基本上是成线性关系，流通中现金供应量增加时，就业人员数也会不断提高，但后业人员数随着流通中现金供应量的增加变化不大。
虽然就业人员数还会受其他因素影响，但是本文主要研究总人口数（X2）、各项税收（X6）、流通中现金供应量（X7）对就业人数（Y）的影响，所以建立一个三元线性回归模型。
4.2模型设定建立回归模型如下:Y i 邛0 + 湫2 +P2X6 +P3X76年就其中，各变量所代表的含义为：Y —就业人数, X2—总人口数，X6—各项税收，X7 —流通中现金供应量。
各参数所代表的含义为: p0 —常数项，氏一当总人口数增加一个单位时，就业人数增加的单位数，P2 —当各项税收增加一个单位时,就业人数增加的单位数，p3 —流通中现金供应量增加一个单位时，就业人数增加的单位数，片一随机干扰项。
五、Eviews软件输出的结果表3、运用Eviews软件得出的回归结果Dependent Variable: YMethod: Least SquaresDate: 12/24/13 Time: 13:02Sam pie: 1985 2011In eluded observati ons: 27Variable Coefficie nt Std. Error t-Statistic P rob.C -135273.1 19632.32 -6.890327 0.0000X2 1.741532 0.178722 9.744337 0.0000X6 0.505721 0.154179 3.280098 0.0033X7 -1.353296 0.350970 -3.855871 0.0008 R-squared 0.971273 Mea n dependent var 68079.52Adjusted R-squared S.E. of regressi on 0.967526 S.D. dependentvar1488.000 Akaike info criterion8257.25017.5842117.77618 259.2140 0.00000050925313 Schwarz criterion -233.3868 F-statistic1.405794 P rob(F-statistic)六. 参数估计由Eviews 软件输出的结果可知:求得一元线性回归预测模型为:丫 =-135273.1 + 1.741532X 2 +O.5O5721X 6 -1.353296X 7七、模型的检验7.1经济意义检验从模型参数估计量的符号看，町>0意味着总人口数越多，就业人数也越多；附：>0意味着各项税收增加，人们可支配收入就会减少，为维持以往的收入或消 町V 0意味着 流通中现金供应量越多，人们可支配现金越多，用闲暇代替工作的时间会越多，就 业人数也会越少。
与理论期望值相符。
从模型参数估计的大小看，吩=1.741532 ，表示当X 6、X 7保持不变时，X 2 每增加1人，丫平均增加1.741532人；卩2二。
.505721，表示当X 2、X 7保持不 变时，X 6每增加1元，Y平均增加0.505721人； 代=-1.353296表示当x ?、X 6 保持不变时，X 每增加1元，丫平均减少1.353296人；因为1.741532>1.353296>0.505721,所以总人口数对就业人数的影响大于流通中现金供应量对就业人数的影响，又大于各项税收对就业人数的影响。
参数估计量的取值范 围也与实际情况相符，因而模型通过经济意义检验。
7 .2统计检验 7.2.1拟合优度检验Sum squared resid Log likelihood Durbi n-Watson stat附=-135273 .1叫=1.741532Ap 2 = 0.505721AP 3 =-1.353296费水平，人们会倾向于更加勤奋的工作，就业人数因此会随之增加;拟合优度检验主要是运用判定系数和回归标准差，检验模型对样本观测值的拟合程度。
