计量经济学中的各种检验

所有计量经济学检验方法
1、回归分析：回归分析是用来确定两个变量之间相关关系的一种统计方法，它能够推断出一个变量对另一个变量的影响程度。

常用的回归检验包括偏直斜率检验、R平方检验、Durbin-Watson检验、自相关检验、Box-Cox检验等。

2、主成分分析：主成分分析（PCA）是一种统计分析方法，用于消除随机变量之间的相关性，从而简化数据分析过程。

常用的方法有二元主成分分析（BPCA）、多元主成分分析（MPCA）
3、因子分析：因子分析是一种统计学方法，用于确定从多个离散观测变量中提取的隐含变量。

常用的因子分析检验包括KMO检验、Bartlett 统计量检验、条件双侧门限统计量检验等。

4、多元分析：多元分析是一种统计学方法，用于探索随机变量之间的关系，常用的多元分析检验包括多元弹性网络（MANOVA）、多元回归（MR）以及结构方程模型（SEM）。

5、聚类分析：聚类分析是一种用于探索研究数据中的结构和特征的统计学方法。

它主要是将数据集分组，以便对数据集中的每组信息单独进行分析。

常用的聚类分析检验有K均值聚类、层次聚类、嵌套聚类等。

6、特征选择：特征选择是一种数据分析技术，用于从大量可能的特征中，选择有效的特征变量。

简答题一、计量经济学的步骤答：选择变量和数学关系式 —— 模型设定 确定变量间的数量关系 —— 估计参数 检验所得结论的可靠性 —— 模型检验 作经济分析和经济预测 —— 模型应用 二、模型检验答：所谓模型检验，就是要对模型和所估计的参数加以评判，判定在理论上是否有意义，在统计上是否有足够的可靠性。

对计量经济模型的检验主要应从以下四方面进行：1、经济意义的检验。

2、统计推断检验。

3、计量经济学检验。

4、模型预测检验。

三、模型应用 答：（1）经济结构分析，是指用已经估计出参数的模型，对所研究的经济关系进行定量的考查，以说明经济变量之间的数量比例关系。

（2）经济预测，是指利用估计了参数的计量经济模型，由已知的或预先测定的解释变量，去预测被解释变量在所观测的样本数据以外的数值。

（3）政策评价，是利用计量经济模型对各种可供选择的政策方案的实施后果进行模拟测算，从而对各种政策方案作出评价。

（4）检验与发展经济理论，是利用计量经济模型去验证既有经济理论或者提出新的理论。

四、普通方法的思想和它的计算方法答：计量经济学研究的直接目的是确定总体回归函数12,然而能够得到的知识来自总体的若干样本的观测值，要用样本信息建立的样本回归函数尽可能“接近”地去估计总体回归函数。

为此，可以以从不同的角度去确定建立样本回归函数的准则，也就有了估计回归模型参数的多种方法。

例如，用生产该样本概率最大的原则去确定样本回归函数，成为极大似然发展；用估计的剩余平方和的最小的原则确定样本回归函数。

称为最小二乘法则。

为了使样本回归函数尽可能接近总体回归函数，要使样本回归函数估计的与实际的的误差尽量小，即要使剩余项越小越好。

可是作为误差有正有负，其简单代数和∑最小的准则，这就是最小乘准则，即∑∑∑五、简单线性回归模型基本假定 答：（1）对模型和变量的假定,如12i i iY X u ββ=++①假定解释变量x 是确定性变量,是非随机的,这是因为在重复抽样中是取一组固定的值.或者虽然是随机的,但与随机扰动项也是不相关；②假定模型中的变量没有测量误差。

一、名词解释第一章1、计量经济学：计量经济学是以经济理论和经济数据的事实为依据，运用数学、统计学的方法，借助计算机为辅助工具，通过建立数学模型来研究经济数量关系和规律的一门经济学科。

2、虚拟变量数据：虚拟变量数据是人为构造的，通常取值为1或0的，用来表征政策等定性事实的数据。

3、计量经济学检验：计量经济学检验主要是检验模型是否符合计量经济方法的基本假定。

4、政策评价：政策评价是利用计量经济模型对各种可供选择的政策方案的实施后果进行模拟测算，从而对各种政策方案做出评价第二章1、回归平方和：回归平方和用ESS 表示，是被解释变量的样本估计值与其平均值的离差平方和。

2、拟和优度检验：拟和优度检验指检验模型对样本观测值的拟合程度，用表示，该值越接近1，模型对样本观测值拟合得越好。

3、相关关系：当一个或若干个变量X 取一定数值时，与之相对应的另一个变量Y 的值虽然不确定，但却按某种规律在一定范围内变化，变量之间的这种关系，称为不确定性的统计关系或相关关系，可表示为Y=f(X ，u)，其中u 为随机变量。

4、高斯-马尔科夫定理：在古典假定条件下，O LS 估计式是其总体参数的最佳线性无偏估计式。

第三章1、偏回归系数：在多元线性回归模型中，回归系数j （j=1，2，……，k ）表示的是当控制其他解释变量不变的条件下，第j 个解释变量的单位变动对被解释变量平均值的影响，这样的回归系数称为偏回归系数。

2、多重可决系数：“回归平方和”与“总离差平方和”的比值，用表示。

3、修正的可决系数：用自由度修正多重可决系数 中的残差平方和与回归平方和。

4、回归方程的显著性检验（F 检验）：对模型中被解释变量与所有解释变量之间的线性关系在总体上是否显著做出推断。

5、回归参数的显著性检验（t 检验）：当其他解释变量不变时，某个回归系数对应的解释变量是否对被解释变量有显著影响做出推断。

6、无多重共线性假定：假定各解释变量之间不存在线性关系，或者说各解释变量的观测值之间线性无关，在此条件下，解释变量观测值矩阵X 列满秩Rank(X)=k ，此时，方阵X`X 满秩， Rank(X`X)=k从而X`X 可逆，(X`X) 存在。

名词解释1，计量经济学；计量经济学是以经济理论和经济数据的事实为依据，运用数学、统计学的方法，借助计算机为辅助工具，通过建立数学模型来研究经济数量关系和规律的一门经济学科。

2，虚拟变量数据；虚拟变量数据是人们构造的，用来表征政策定性事实的数据。

3，计量经济学检验；计量经济学检验主要是检验模型是否符合计量经济学方法的基本假定。

4，回归平方和；回归平方和用ESS表示，是被解释变量的样本估计值与其平均值得离差平方和5，拟合优度检验；拟合优度检验是指检验模型对样本观测值的拟合程度，用R²表示，该值越接近1，模型对样本观测值拟合得越好。

6，总体回归函数；将总体被解释变量的条件期望表现为解释变量的函数，这个函数称为总体回归函数。

7，样本回归函数；是指被解释变量的样本条件均值也是随解释变量的变化而又规律的变化，如果把被解释变量的样本均值比奥斯为解释变量的某种函数，称这个函数为样本回归函数8，回归方程的显著性检验（F检验）；是指对模型中北解释变量与所有解释变量之间的线性关系在总体上是否显著做出推断。

9，回归参数的显著性检验（t检验）；是指对其他解释变量不变时，某个回归系数对应的解释变量是否对被解释变量有显著影响做出推断。

10， 多重共线性；是指解释变量之间精确的线性关系和解释变量之间近似的线性关系。

11， 完全的多重共线性；是指解释变量的数据矩阵中，至少有一个列向量可以用其余的列向量线性表示。

12，不完全的多重共线性；指对解释变量k X X X ,,,32 ，存在不全为0的数k λλλλ,,,,321 ，使得 033221=+++++i ki k i i v X X X λλλλ ),,2,1(n i =，其中，i v 为解释变量。

13，异方差性；是指随即变量的方差不是确定的常数，即被解释变量观测值的分散程度随解释变量的变化而变化。

14，序列相关性；指总体回归模型的随机误差项之间存在相关关系。

15.滞后效应；是指由于经济活动的惯性，一个经济指标以前的变化态势往往会延续到本期，从而形成被解释变量的当期变化同自身过去取值水平相关的情形。

所有计量经济学检验方法(全)计量经济学所有检验方法一、拟合优度检验 可决系数TSSRSSTSS ESS R -==12 TSS 为总离差平方和，ESS为回归平方和，RSS 为残差平方和该统计量用来测量样本回归线对样本观测值的拟合优度。

该统计量越接近于1，模型的拟合优度越高。

调整的可决系数)1/()1/(12----=n TSS k n RSS R 其中：n-k-1为残差平方和的自由度，n-1为总体平方和的自由度。

将残差平方和与总离差平方和分别除以各自的自由度，以剔除变量个数对拟合优度的影响。

二、方程的显著性检验(F 检验)方程的显著性检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立作出推断。

原假设与备择假设：H 0:β1=β2=β3=…βk =0 H 1:βj 不全为0 统计量)1/(/--=k n RSS kESS F 服从自由度为(k , n-k-1)的F分布，给定显著性水平α，可得到临界值Fα(k,n-k-1)，由样本求出统计量F的数值，通过F>Fα(k,n-k-1)或F≤Fα(k,n-k-1)来拒绝或接受原假设H，以判定原方程总体上的线性关系是否显著成立。

三、变量的显著性检验（t检验）对每个解释变量进行显著性检验，以决定是否作为解释变量被保留在模型中。

原假设与备择假设：H0：βi=0 （i=1,2…k）；H1：βi≠0给定显著性水平α，可得到临界值tα/2(n-k-1)，由样本求出统计量t的数值，通过|t|> tα/2(n-k-1) 或|t|≤tα/2(n-k-1)来拒绝或接受原假设H0，从而判定对应的解释变量是否应包括在模型中。

四、参数的置信区间参数的置信区间用来考察：在一次抽样中所估计的参数值离参数的真实值有多“近”。

统计量)1(~1ˆˆˆ----'--=k n t k n c S t iiii iiie e βββββ在(1-α)的置信水平下βi 的置信区间是( , ) ββααββi i t s t s ii-⨯+⨯22，其中，t α/2为显著性水平为α、自由度为n-k-1的临界值。

所有计量经济学检验方法1. OLS回归分析：OLS（Ordinary Least Squares）是一种常用的回归分析方法，它通过最小二乘估计来计算自变量对因变量的影响。

OLS回归分析可用于检验两个或多个变量之间的关系。

2.t检验：t检验用于检验样本均值与总体均值之间的差异是否显著。

在计量经济学中，常常用t检验来检测回归系数的显著性，即判断自变量对因变量的影响是否显著。

3.F检验：F检验用于检验回归模型的整体显著性。

通过F检验可以判断回归模型中自变量的组合对因变量的影响是否显著。

4.残差分析：残差分析用于检验回归模型的拟合优度。

它通过对回归模型的残差进行统计分析，判断残差是否符合正态分布、是否存在异方差等，并据此评估回归模型的合理性。

5.雅克-贝拉检验：雅克-贝拉检验用于检验时间序列数据的自相关性。

自相关性是指时间序列数据中的随机误差项之间存在相关性，为了使回归模型的估计结果有效，需要排除自相关性的影响。

6. ARIMA模型：ARIMA（Autoregressive Integrated Moving Average）模型是一种常用的时间序列分析模型，用于分析和预测时间序列数据。

ARIMA模型可以用于检验时间序列数据的平稳性和趋势。

7. Granger因果检验：Granger因果检验用于检验两个时间序列变量之间的因果关系。

通过检验一个变量的过去值对另一个变量的当前值的预测能力，可以判断两个变量之间是否存在因果关系。

8.卡方检验：卡方检验用于检验两个或多个分类变量之间是否存在显著差异。

在计量经济学中，卡方检验常用于检验变量之间的相关性和拟合优度。

9.随机效应模型和固定效应模型：随机效应模型和固定效应模型是面板数据分析中常用的方法。

它们通过考虑个体特征对经济现象的影响，帮助研究人员解决面板数据中存在的个体特征和时间特征之间的内生性问题。

10.引导变量法：引导变量法用于解决因果关系中的内生性问题。

通过引入其他变量作为工具变量，可以将内生性引起的估计偏误消除或减小。

计量经济市场有效性检验简介市场有效性是计量经济学中一个重要的概念。

它指的是市场是否能够有效地反映所有可用的信息并正确定价资产。

市场有效性的检验是通过统计方法和计量模型来进行的。

本文将介绍市场有效性的检验方法，并使用实例进行说明。

首先，我们将介绍市场有效性的三种形式：弱式有效市场、半强式有效市场和强式有效市场。

然后，我们将详细介绍各种有效市场形式的检验方法，并讨论其适用性和局限性。

最后，我们将使用一个具体的案例来演示如何进行市场有效性检验。

市场有效性的形式弱式有效市场弱式有效市场认为市场价格已经包含了所有的历史价格信息。

换句话说，弱式有效市场认为，基于过去的价格走势来预测未来价格是不可行的。

因此，在弱式有效市场中，技术分析和图表分析是无效的。

半强式有效市场半强式有效市场认为市场价格已经包含了所有的公开信息，但可能还存在未公开的信息可以影响资产价格。

在半强式有效市场中，基于公开信息的基本分析可以为投资决策提供一定的参考，但无法保证超过市场平均水平的投资收益率。

强式有效市场强式有效市场认为市场价格已经包含了所有可能的信息，包括公开信息和未公开信息。

在强式有效市场中，任何基于信息的分析或交易策略都无法获得超过市场平均水平的收益。

市场有效性的检验方法市场有效性的检验方法主要有以下几种：随机游走模型、事件研究方法和套期保值分析。

随机游走模型随机游走模型是一种时间序列模型，用于描述价格的随机变动。

该模型假设市场价格是根据随机过程演化的，即未来价格的变动不可预测且无法依赖过去价格的变动。

如果市场价格确实遵循随机游走模型，那么市场可以认为是弱式有效市场。

为了检验市场是否遵循随机游走模型，可以使用单位根检验、ARCH效应检验等方法。

事件研究方法事件研究方法通过分析某一事件对资产价格的影响来检验市场的反应速度和有效性。

该方法首先要确定事件的发生时间和市场反应的时间窗口，在该时间窗口内观察资产价格的变动情况，然后通过统计方法来判断事件是否对资产价格产生了显著的影响。

1. 模型的检验包括哪几个方面？具体含义是什么？模型的检验主要包括：经济意义检验、统计检验、计量经济学检验、模型的预测检验。

①在经济意义检验中，需要检验模型是否符合经济意义，检验求得的参数估计值的符号、大小、参数之间的关系是否与根据人们的经验和经济理论所拟订的期望值相符合； ②在统计检验中，需要检验模型参数估计值的可靠性，即检验模型的统计学性质，有拟合优度检验、变量显著检验、方程显著性检验等；③在计量经济学检验中，需要检验模型的计量经济学性质，包括随机扰动项的序列相关检验、异方差性检验、解释变量的多重共线性检验等；④模型的预测检验，主要检验模型参数估计量的稳定性以及对样本容量变化时的灵敏度，以确定所建立的模型是否可以用于样本观测值以外的范围。

2. 计量经济学研究的基本步骤是什么？包括四个步骤：理论模型的设定、模型参数的估计、模型的检验、模型的应用。

3. 总体回归函数和样本回归函数之间有哪些区别与联系？样本回归函数是总体回归函数的一个近似。

总体回归函数具有理论上的意义，但其具体的参数不可能真正知道，只能通过样本估计。

样本回归函数就是总体回归函数的参数用其估计值替代之后的形式，即01ˆˆββ，为01ββ，的估计值。

4. 为什么用可决系数2R 评价拟合优度，而不是用残差平方和作为评价标准？ 可决系数R 2=ESS/TSS=1-RSS/TSS ，含义为由解释变量引起的被解释变量的变化占被解释变量总变化的比重，用来判定回归直线拟合的优劣，该值越大说明拟合的越好；而残差平方和与样本容量关系密切，当样本容量比较小时，残差平方和的值也比较小，尤其是不同样本得到的残差平方和是不能做比较的。

此外，作为检验统计量的一般应是相对量而不能用绝对量，因而不能使用残差平方和判断模型的拟合优度。

5. 根据最小二乘原理，所估计的模型已经使得拟合误差达到最小，为什么还要讨论模型的拟合优度问题？普通最小二乘法所保证的最好拟合是同一个问题内部的比较，即使用给出的样本数据满足残差的平方和最小；拟合优度检验结果所表示的优劣可以对不同的问题进行比较，即可以辨别不同的样本回归结果谁好谁坏。

一、名词解释第一章1、计量经济学：计量经济学是以经济理论和经济数据的事实为依据，运用数学、统计学的方法，借助计算机为辅助工具，通过建立数学模型来研究经济数量关系和规律的一门经济学科。

2、虚拟变量数据：虚拟变量数据是人为构造的，通常取值为1或0的，用来表征政策等定性事实的数据。

3、计量经济学检验：计量经济学检验主要是检验模型是否符合计量经济方法的基本假定。

4、政策评价：政策评价是利用计量经济模型对各种可供选择的政策方案的实施后果进行模拟测算，从而对各种政策方案做出评价第二章1、回归平方和：回归平方和用ESS 表示，是被解释变量的样本估计值与其平均值的离差平方和。

2、拟和优度检验：拟和优度检验指检验模型对样本观测值的拟合程度，用2R 表示，该值越接近1，模型对样本观测值拟合得越好。

3、相关关系：当一个或若干个变量X 取一定数值时，与之相对应的另一个变量Y 的值虽然不确定，但却按某种规律在一定范围内变化，变量之间的这种关系，称为不确定性的统计关系或相关关系，可表示为Y=f(X ，u)，其中u 为随机变量。

4、高斯-马尔科夫定理：在古典假定条件下，O LS 估计式是其总体参数的最佳线性无偏估计式。

第三章1、偏回归系数：在多元线性回归模型中，回归系数j （j=1，2，……，k ）表示的是当控制其他解释变量不变的条件下，第j 个解释变量的单位变动对被解释变量平均值的影响，这样的回归系数称为偏回归系数。

2、多重可决系数：“回归平方和”与“总离差平方和”的比值，用2R 表示。

3、修正的可决系数：用自由度修正多重可决系数2R 中的残差平方和与回归平方和。

4、回归方程的显著性检验（F 检验）：对模型中被解释变量与所有解释变量之间的线性关系在总体上是否显著做出推断。

5、回归参数的显著性检验（t 检验）：当其他解释变量不变时，某个回归系数对应的解释变量是否对被解释变量有显著影响做出推断。

6、无多重共线性假定：假定各解释变量之间不存在线性关系，或者说各解释变量的观测值之间线性无关，在此条件下，解释变量观测值矩阵X 列满秩Rank(X)=k ，此时，方阵X`X 满秩， Rank(X`X)=k从而X`X 可逆，(X`X) 存在。

计量经济学重点（简答题）一、什么是计量经济学？计量经济学，又称经济计量学，它是以一定的经济理论和实际统计资料为依据，运用数学、统计学和计算机技术，通过建立计量经济学模型，定量分析经济变量之间的随机因果关系。

理解定义注意以下几个问题：1)理论基础：经济学、数学、统计学2)计量经济学是对实际经济现象的数量分析。

3)计量经济学研究的是经济变量之间的随机关系而非确定性关系。

4)计量经济学是一门经济学科，而非应用数学。

二、计量经济学的研究的步骤是什么？1)理论模型的设计A.理论或假说的陈述；B.理论的数学模型的设定；C.理论的计量经济模型的设定。

i.把模型中不重要的变量放进随机误差项中；ii.拟定待估参数的理论期望值。

2)获取数据数据来源：网络、统计年鉴、报纸、杂志数据类别：时间序列数据、截面数据、混合数据、虚变量数据。

数据要求：完整性、准确性、可比性、一致性i.完整性：模型中包含的所有变量都必须得到相同容量的样本观察值。

ii.准确性：统计数据或调查数据本身是准确的。

iii.可比性：数据口径问题。

iv.一致性：指母体与样本的一致性。

3)模型的参数估计：普通最小二乘法。

4)模型的检验：经济学检验；统计学检验；计量经济学检验；模型的预测检验。

5)模型的应用：结构分析；经济预测；政策评价；经济理论的检验与发展。

三、简述统计数据的类别？时间序列数据、截面数据、混合数据、虚变量数据。

1)时间序列数据：按时间先后排列收集的数据。

采纳时间序列数据的注意事项：A.所选择的样本区间的经济行为一致性问题。

B.样本数据在不同样本点之间的可比性问题。

C.样本数据过于集中的问题。

不能反映经济变量间的结构关系，应增大观察区间。

D.模型的随机误差项序列相关问题。

2)截面数据：又称横向数据，是一批发生在同一时间截面上的调查数据。

研究某时点上的变化情况。

采纳截面数据的注意事项：A.样本与母体的一致性问题。

B.随机误差项的异方差问题。

3)混合数据：也称面板数据，既有时间序列数据，又有截面数据。

一、拟合优度检验可决系数TSS RSS TSS ESS R -==12 TSS 为总离差平方和，ESS 为回归平方和，RSS 为残差平方和 该统计量用来测量样本回归线对样本观测值的拟合优度。

该统计量越接近于1，模型的拟合优度越高。

调整的可决系数)1/()1/(12----=n TSS k n RSS R 其中：n-k-1为残差平方和的自由度，n-1为总体平方和的自由度。

将残差平方和与总离差平方和分别除以各自的自由度，以剔除变量个数对拟合优度的影响。

二、方程的显著性检验(F 检验) 方程的显著性检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立作出推断。

原假设与备择假设：H 0:β1=β2=β3=…βk =0 H 1: βj 不全为0统计量)1/(/--=k n RSS kESS F 服从自由度为(k , n-k-1)的F 分布，给定显著性水平α，可得到临界值F α(k,n-k-1)，由样本求出统计量F 的数值，通过F>F α(k,n-k-1)或F ≤F α(k,n-k-1)来拒绝或接受原假设H 0，以判定原方程总体上的线性关系是否显著成立。

三、变量的显著性检验〔t 检验〕对每个解释变量进行显著性检验，以决定是否作为解释变量被保留在模型中。

原假设与备择假设：H0：βi =0 〔i=1,2…k 〕；H1：βi ≠0给定显著性水平α，可得到临界值t α/2(n-k-1)，由样本求出统计量t 的数值，通过 |t|> t α/2(n-k-1) 或 |t|≤t α/2(n-k-1)来拒绝或接受原假设H0，从而判定对应的解释变量是否应包括在模型中。

四、参数的置信区间参数的置信区间用来考察：在一次抽样中所估计的参数值离参数的真实值有多“近〞。

统计量)1(~1ˆˆˆ----'--=k n t k n c S t iiii i i ie e βββββ在(1-α)的置信水平下βi 的置信区间是( , ) ββααββi i t s t s ii-⨯+⨯22，其中，t α/2为显著性水平为α、自由度为n-k-1的临界值。

u检验、t检验、F检验、X2检验（转）来源：李冠炜｡◕‿◕｡的日志常用显著性检验1.t检验适用于计量资料、正态分布、方差具有齐性的两组间小样本比较。

包括配对资料间、样本与均数间、两样本均数间比较三种，三者的计算公式不能混淆。

2.t'检验应用条件与t检验大致相同，但t′检验用于两组间方差不齐时，t′检验的计算公式实际上是方差不齐时t检验的校正公式。

3.U检验应用条件与t检验基本一致，只是当大样本时用U检验，而小样本时则用t 检验，t检验可以代替U检验。

4.方差分析用于正态分布、方差齐性的多组间计量比较。

常见的有单因素分组的多样本均数比较及双因素分组的多个样本均数的比较，方差分析首先是比较各组间总的差异，如总差异有显著性，再进行组间的两两比较，组间比较用q检验或LST 检验等。

5.X2检验是计数资料主要的显著性检验方法。

用于两个或多个百分比(率)的比较。

常见以下几种情况：四格表资料、配对资料、多于2行*2列资料及组内分组X2检验。

6.零反应检验用于计数资料。

是当实验组或对照组中出现概率为0或100％时，X2检验的一种特殊形式。

属于直接概率计算法。

7.符号检验、秩和检验和Ridit检验三者均属非参数统计方法，共同特点是简便、快捷、实用。

可用于各种非正态分布的资料、未知分布资料及半定量资料的分析。

其主要缺点是容易丢失数据中包含的信息。

所以凡是正态分布或可通过数据转换成正态分布者尽量不用这些方法。

8.Hotelling检验用于计量资料、正态分布、两组间多项指标的综合差异显著性检验。

计量经济学检验方法讨论计量经济学中的检验方法多种多样，而且在不同的假设前提之下，使用的检验统计量不同，在这里我论述几种比较常见的方法。

在讨论不同的检验之前，我们必须知道为什么要检验，到底检验什么？如果这个问题都不知道，那么我觉得我们很荒谬或者说是很模式化。

检验的含义是要确实因果关系，计量经济学的核心是要说因果关系是怎么样的。

作业1我们有1978-2007年我国财政收入,国内生产总值,财政支出和商品零售价格指数的年度数据。

请用Eview 进展回归分析。

（1） 根据回归结果分析模型的经济意义〔包含模型的显著性，拟合优度，系数的显著性，系数的经济意义〕建立模型，做OLS 估计，得结果图一，列表如下：43283175.57898859.0003271.0558.6399X X X Y ++--=∧)0636.20)(065848.0)(012559.0)(836.2132(SE )882456.2)(65061.13)(260476.0-)(000492.3-(t =997046.02=R 996705.02=R 845.2924=F模型整体显著性较高〔F 检验十分显著〕，可决系数2R 和调整的可决系数较大，即样本回归方程对样本观测值拟合较好。

t 检验显示2X 的系数不显著〔p 值>0.05,不能拒绝β=0的原假设〕,3X 和4X 的系数显著〔p 值<0.05，拒绝β=0的原假设〕。

从模型的经济意义来看，财政支出、商品零售价格指数与财政收入成正相关，国内生产总值与财政收入成负相关,不符合客观经济规律，可能与模型变量的选取有关。

考虑对模型进展对数变换，结果为图二。

432ln 128427.1ln 631090.0ln 448496.0946444.6ln X X X Y +++-=∧)610249.0)(160929.0)(141418.0)(853146.2(SE)849127.1)(921549.3)(171412.3)(434662.2(t -=987673.02=R 986251.02=R 3969.694=F对数变换后模型整体显著性较高〔F 检验十分显著，p 值=0.00<<0.05〕，可决系数2R 和调整的可决系数略有下降，模型可解释98.63%的因变量变化。

t 检验显示4ln X 的系数不显著〔p 值=0.0758>0.05,不能拒绝β=0的原假设〕,2ln X 和3ln X 的系数显著〔p 值<0.05，拒绝β=0的原假设〕。