地区人均收入影响因素的计量分析
- 格式:doc
- 大小:315.50 KB
- 文档页数:9
我国财政收入的影响因素计量分析作者:陈雨柔单鸣来源:《中国管理信息化》2013年第19期[摘要] 本文利用中国统计年鉴上1990-2010年的时间序列统计数据,对影响我国财政收入的因素进行计量分析。
影响我国财政收入的因素很多,比如国内生产总值、居民消费水平、税收收入、就业人数等。
经过一系列数据的比较分析,本文认为国内生产总值和居民的消费水平对我国财政收入有着显著影响。
本文通过建立数学模型,定量反映国内生产总值和居民消费水平对财政收入的影响,并根据分析结果提出了相关的对策建议。
[关键词] 财政收入;国内生产总值;居民消费水平;影响因素;计量分析doi : 10 . 3969 / j . issn . 1673 - 0194 . 2013 . 19. 023[中图分类号] F810.41 [文献标识码] A [文章编号] 1673 - 0194(2013)19- 0038- 031 引言财政收入,是指政府为履行其职能、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。
财政收入表现为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。
财政收入是衡量一国政府财力的重要指标,政府在社会经济活动中提供公共物品和服务的范围和数量,在很大程度上取决于财政收入的充裕状况。
财政收入是国家财政支出的前提,是实现国家职能的财力保证,也是政府正确处理各方面物质利益关系的重要方式。
一国的财政收入是政府部门的公共收入,是保证政府行使其公共职能、实施公共政策以及提供公共服务的资金需求。
对于一个国家来说,财政收入的稳定是经济发展、人民生活安稳的保障。
因此,对其影响因素进行计量分析具有重要的意义。
很多学者曾对财政收入的影响因素做过分析,但是根据文献资料可以发现:一是数据过于陈旧,不能及时反映经济的发展和我国现状,我国近几年经济发展迅速,财政收入的影响因素也日趋复杂,各因素对财政收入的影响程度也有所变化,所以仅以几年前的数据为基础进行分析有一定的局限性,不足以很好地解释现阶段我国财政收入变动情况;二是对影响财政收入的各个因素的定性分析较多,即使有数据的定量分析,也很有限,没有很强的说服力。
河南省居民消费水平影响因素分析作者:徐瑞来源:《科学与财富》2020年第31期摘要:保持合理的居民消费水平可以有效促进经济增长,也可以大大提高微觀家庭的幸福度。
河南地处中原,人数众多,分析影响河南省居民消费水平的因素,找到提高河南省居民消费水平的途径,对促进河南地区乃至全国经济发展,进一步提高居民生活水平有着十分重要的现实意义。
本文依据有关理论文献,把城镇居民家庭可支配收入、河南省生产总值、人口自然增长率、居民消费价格指数等作为影响居民消费水乎的主要变量建立模型,并运EVIEWS 软件采用1993-2016年的河南省地区数据做出计量分析,得出影响居民消费水平因素的结论,并据此给出几点建议。
关键词:居民消费水平影响因素;计量分析;政策建议于2016年始,我国进入十三五规划,我国经济进入了由高速增长转向中高速增长的发展阶段,在引领经济增长的动能上,由以前的投资、消费、出口转变为消费驱动和创新驱动。
在这进行深刻改革的历史时期,于全国起点的宏观领域来看,我国的城乡居民消费水平有了显著提升。
就区域而言,虽然河南省消费层次、消费需求都随宏观环境提高而有所改善,但仍存在着恩格尔系数过高,即精神消费远没有达到主流消费的水平等一系列问题。
如物价上涨过快、生活负担加重以及城镇居民收入差距大等。
因此,全面客观及时的剖析消费水平的各种影响因素,可找到调节经济增长新措施、新方向来提高居民幸福感,故而对居民消费水平进行分析有较强的现实意义和经济意义。
根据已有文献和查阅的各种资料,本文以河南地区的地区生产总值、居民人均可支配收入、居民消费价格指数、人口增长率作为影响居民消费水平的因素,于中经网统计数据库查询从1993年至2016年共24年的数据作为计量分析的数据。
可得出结论以下结论:1.从模型可以看出城镇居民人均可支配收入、人口增长率是影响河南省居民消费水平的最显著因素。
2.根据检验信息居民人均可支配收入、人口增长率都与河南省地区生产总值存在正相关关系,地区生产总值、居民消费价格指数与居民消费水平呈负相关,而我们从模型得到的结果看城镇居民可支配收入以及人口增长率对河南省地区生产总值的作用明显,符合理论及实际,但是地区生产总值和居民消费价格指数与居民消费水平呈负相关,这个结果既不具备理论支持也不符合实际,表明我国地区生产总值和居民消费价格指数的统计数据可能有些误差或者统计方法不太适合。
专业水平的认可程度越深;直播间氛围的吸引力、直播平台的可信度,都将积累直播间信任优势。
六、建议基于上述研究结论,为提高消费者在直播间购物和观看满意度,从产品、网红主播、直播环境三个方面提出以下建议:第一,高度重视产品质量,提高产品性价比。
产品的选用材料、功能特点和实用价值是消费者需求的出发点,因此直播团队在选品时应重点关注产品质量。
直播团队应提前调查产品用料、制作流程是否符合规范,功能、价值是否存在虚假宣传。
向消费者提供更优惠的产品是直播带货的宗旨之一,直播团队保证产品质量的同时,利用团购优势压低供货价格,为消费者提供更大力度的价格优惠,提高产品整体性价比,当消费者感知到的产品价值高于其预期质量时,有利于提高消费者对产品的满意度,同时增加粉丝黏性。
第二,网红主播保持正能量社会形象。
网红主播作为公众人物,其在社会公众心中的形象影响消费者对主播个人的满意度。
网红主播应树立正确的三观,不违反法律法规,改善个人生活陋习,由内而外地向公众散发积极向上的能量。
能力范围内积极支持慈善公益事业,向社会传递善意;参加综艺节目,展现个人隐形技能,突破网红主播的身份限制,赢得更多流量,打造个人品牌;通过子IP 传递“孝顺”“仗义”“有爱心”等丰富的个人品质,夯实人气基础。
第三,网红主播提高工作专业水平。
掌握说话之道,带货主播应通过语言快速吸引消费者对产品的注意,借助绚烂的修辞,穿透消费者好奇心,利用强势的语言表达,激发消费欲望。
提高互动质量,带货主播应熟记产品信息,流畅地介绍产品性能、用途,真实使用带货产品,对消费者在弹幕、评论中的疑惑进行细致讲解,并表达真实的使用感受,唤醒消费者同理心,同时传递其对待工作的专业态度,增加消费者的信任感和满意度。
第四,注重直播场景布置与直播主题的配合。
直播场景虽然在镜头前只作为背景呈现,但任何细节都可以向消费者传递有用信息。
服饰专场带货可以在空旷场地布置衣架、鞋架等,将本场出现的产品同步在背景区域展示。
第1篇一、实验目的本次实验旨在通过多元线性回归模型,分析多个自变量与因变量之间的关系,掌握多元线性回归模型的基本原理、建模方法、参数估计以及模型检验等技能,提高运用计量经济学方法解决实际问题的能力。
二、实验背景随着经济的发展和社会的进步,影响一个变量的因素越来越多。
在经济学、管理学等领域,多元线性回归模型被广泛应用于分析多个变量之间的关系。
本实验以某地区居民消费支出为例,探讨影响居民消费支出的因素。
三、实验数据本实验数据来源于某地区统计局,包括以下变量:1. 消费支出(Y):表示居民年消费支出,单位为元;2. 家庭收入(X1):表示居民家庭年收入,单位为元;3. 房产价值(X2):表示居民家庭房产价值,单位为万元;4. 教育水平(X3):表示居民受教育程度,分为小学、初中、高中、大专及以上四个等级;5. 通货膨胀率(X4):表示居民消费价格指数,单位为百分比。
四、实验步骤1. 数据预处理:对数据进行清洗、缺失值处理和异常值处理,确保数据质量。
2. 模型设定:根据理论知识和实际情况,建立多元线性回归模型:Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + ε其中,Y为因变量,X1、X2、X3、X4为自变量,β0为截距项,β1、β2、β3、β4为回归系数,ε为误差项。
3. 模型估计:利用统计软件(如SPSS、R等)对模型进行参数估计,得到回归系数的估计值。
4. 模型检验:对估计得到的模型进行检验,包括以下内容:(1)拟合优度检验:通过计算R²、F统计量等指标,判断模型的整体拟合效果;(2)t检验:对回归系数进行显著性检验,判断各变量对因变量的影响是否显著;(3)方差膨胀因子(VIF)检验:检验模型是否存在多重共线性问题。
5. 结果分析:根据模型检验结果,分析各变量对因变量的影响程度和显著性,得出结论。
五、实验结果与分析1. 拟合优度检验:根据计算结果,R²为0.812,F统计量为30.456,P值为0.000,说明模型整体拟合效果较好。
我国国内旅游收入的主要影响因素的计量模型分析引言:近年来,我国国内旅游业取得了快速而稳定的发展,成为国民经济的重要支柱。
然而,国内旅游收入的增长速度却受到许多因素的制约。
因此,了解这些影响因素的统计模型分析对于指导旅游发展政策和促进旅游经济增长具有重要意义。
本文将采用计量模型的方法来分析我国国内旅游收入的主要影响因素。
一、理论框架国内旅游收入的主要影响因素通常包括经济因素、政策因素和社会文化因素。
经济因素主要涉及国内生产总值、人均收入、人口规模等;政策因素主要指国家的旅游政策和相关政策的变化;社会文化因素主要包括旅游消费习惯、旅游意愿等。
二、计量模型(1)模型设定根据以上理论框架,我们可以设定以下计量模型:Y=β0+β1X1+β2X2+β3X3+ε其中,Y代表国内旅游收入;X1代表经济因素;X2代表政策因素;X3代表社会文化因素;ε代表误差项。
(2)变量选择为了使用统计数据进行计量模型分析,我们需要选取能够反映经济、政策和社会文化因素的变量。
一般来说,国内生产总值、人均收入、人口规模可以作为经济因素的代表变量;旅游政策调整指数、旅游项目投资额可以作为政策因素的代表变量;旅游消费习惯调查数据、旅游意愿调查数据可以作为社会文化因素的代表变量。
(3)数据采集我们可以通过国家统计局和其他相关机构的统计数据来获得上述变量的时间序列数据。
为了分析的准确性,可以选择近十年的数据进行统计分析。
(4)模型估计通过计量模型的估计,可以得到各个影响因素的系数。
根据系数的正负和大小,可以判断不同因素对国内旅游收入的影响程度。
同时,也可以进行回归统计检验,评估模型的拟合优度。
三、模型实施与结果分析在收集到相应的数据后,我们可以利用计量模型进行实施并分析模型结果。
例如,假设我们得到以下结果:Y=-0.2+0.5X1+0.3X2+0.1X3此时,经济因素和政策因素对国内旅游收入的影响较大,而社会文化因素的影响相对较小。
经济因素和政策因素的系数为正值,说明它们的增加会促进国内旅游收入的增长。
人均,可支配收入篇一:研究城镇居民可支配收入与人均消费性支出的关系(计量经济学模型)研究城镇居民可支配收入与人均消费性支出的关系一、研究的目的本案例分析根据1985年~2021 年城镇居民人均可支配收入和人均消费性支出的基本数据,应用一元线性回归分析的方法研究了城镇居民人均可支配收入和人均电子零件支出基本要素之间数量关系的基本规律,并在预测2021年人均消费性支出的发展趋势。
从理论上说,居民人均消费性支出应随着人均可支配收入的增长而提高。
随着消费更新换代的节奏加快,消费日益多样化,从追求物质消费向追求精神消费和服务消费转变。
因此,政府机构在制定当前的宏观经济政策时,顾及通过增加居民收入不断增加来鼓励消费,以保持经济的稳定增长。
二、模型设定表1 1985—2021年城镇人均可支配收入和人均消费性支出为分析1985—2021年西北部人均可支配收入(X)和人均消费性支出(Y)的关系,作下图所示的散点图。
图1 城镇人均可支配收入和人均消费性支出的散点图从散点图可以看出城镇人均可支配收入(X)和人均消费性支出(Y)大体呈现为线性关系,为分析中国城镇人均消费性支出随城镇人均可支配收入变动的数量规律性,可以建立如下简单线性回归模型:Yi=β1+β2Xi+u三、估计参数一.T检验Eviews的回归结果如下表所示:表2 回归结果① 参数估计和检验的结果写为:^Yi?184.5959?0.780645Xi(41.10880)(0.004281) t=(4.490423) (182.3403)R=0.999159R(修正值)=0.999129 F=33247.99 n=30 ② 沙托梅的区间估计[?=5% t?(n-2)=2.048 ]22??tSE(??)??????tSE(??)]?1?? P[?2?222?2^^=P(0.780645—2.048*0.004281 ??2?0.780645+2.048*0.004281) =P(0.7719 ??2?0.7894) =95%二异方差检验三序列相关性检验四、模型检验1、经济意义检验所估计的参数β1= 184.5959,β2=0.780645,说明城镇国民平均可支配中奇拉收入每增加一元,可导致人均消费性支出提高0.780645元。
中国GDP影响因素及地区差异的计量分析中图分类号:f123 文献标识:a 文章编号:1009-4202(2010)03-083-01摘要本文从分析我国gdp主要的影响因素入手,通过对2005年31个省的截面数据进行相关的回归分析,发现目前出口对我国gdp 拉动作用最显著,这启示我们应该更加注重出口结构的优化,从而促进gdp持续、健康、稳定地发展。
关键词 gdp 固定资产投资总额出口额居民消费一、引言近年来我国的gdp一直保持在10%左右,2006年的增速创11年来新高,达到20.9407万亿元,增长了10.7%,而今年上半年的增幅更是达到了11.5%。
在这样高速的经济发展中,清楚认识gdp更有助于我国经济的合理增长。
清楚认识gdp的首要前提就是了解影响gdp的主要因素,是居民消费,投资,产业结构,进出口,政府支出,人口规模,还是其它?通过研究这些关键因素的作用及其影响大小,能够促使我们更加科学、合理地来分析我国gdp的情况,从而帮助我们进一步了解我国的经济发展状况。
二、文献综述在相关实证研究方面,孙跃飞在《试论gdp产出模型中各种因素对经济增长的影响》一文中以凯恩斯经济理论为基础,构建了一个新的gdp产出的经济模型,以资本生产率、资本-产量比率、资本形成额、投资效果系数、储蓄余额、gdp增长为解释变量分析了各因素对gdp增长的影响,并依据模型对1978~2002年各种因素变化影响gdp增长进行了实证分析,从中揭示了正确认识和评估模型中各种因素对于实现经济稳定增长的重要意义,提出了制定促进经济增长的一些政策建议。
王涛、王殿元在《影响财政收入与gdp增长的因素及对策》一文中,分别探讨制度性因素、政策性因素和统计因素等对财政收入分配特征的影响,并提出促进财政收入与gdp协调增长的对策。
张金玲在《gdp的影响因素的计量分析》一文中,用1981~2004年的时间序列数据建立计量模型,说明了税收、城乡储蓄存款年末余额、上期国内生产总值、固定资产投资总额、职工工资总额对gdp 的影响,并分析了这些影响因素的经济意义。
计量经济学论文税收收入的影响因素分析专业名称:经济学班级:经济121603班学生姓名:李雅琦学号: 201216050318二零一五年一月摘要:税收是我国财政收入的基本因素,也影响着我国经济的发展。
取得财政收入的手段有多种多样,如税收、发行货币、发行国债、收费、罚没等等,而税收则由政府征收,取自于民、用之于民。
经济是税收的源泉,经济决定税收,而税收又反作用于经济,这是税收与经济的一般原理。
这几年来,中国税收收入的快速增长甚至“超速增长”引起了人们的广泛关注。
科学地对税收增长进行因素分析和预测分析非常重要,对研究我国税收增长规律,制定经济政策有着重要意义。
关键字:财政收入财政收入影响因素一、模型设立的背景及意义1.1 设立模型的背景十一届三中全会以后,中国的经济一直处于高速增长之中。
经济增长的高速发展,势必会影响国家财政政策和国家福利水平。
而税收作为国家财政收入中最主要的部分对这些政策的实施也会有很大的影响。
近些年来,国家的税收也受到多种因素的影响。
所以,这篇文章将以计量经济学的角度分析一下影响我国税收的因素。
1.2 模型设定的意义经济发展水平决定税收收入水平,税收同时也反作用于经济。
要实现经济的持续增长,必须要求与经济紧密关联的税收符合其发展的要求,即政府筹集的税收收入应尽可能的满足其实现职能的需求,同时又不至于损害经济的发展。
影响未来的需求,我们需要研究影响中国税收收入的主要原因,分析中央和地方税收收入增长的数量规律,从结构上对税收收入的影响做一个很好的了解,对于预测中国税收未来的增长趋势具有重要的作用,对于我国的社会主义现代化建设具有重要意义。
二、模型设定2.1 影响因素分首先,公共财政的需求。
税收收入是财政收入的主体,社会经济的发展和社会保障的完善等都对公共财政提出了要求,因此对预算支出所表现的公共财政的需求(即财政支出)对当年的税收收入可能会产生影响,但是其数据获得比较困难,因为公共财政的需求与财政支出关系密切,所以选择财政支出作为其代表。
地区人均收入影响因素的计量分析 院系: 小组成员:李园山子 任燕 陈晓谢 吴文举 王先涛
内容摘要:本文选取2002年相关的截面数据,应用计量经济学所学知识对根据经济理论选取的影响我国地区人均收入的各因素进行检验,并对其影响程度的大小进行定量分析,进一步明确和完善相关的经济学知识。
关键名词:地区人均收入 物质资本 人力资本 技术水平 一、问题来源 改革开放以来,中国经济释放了难以置信的增长潜力,以平均每年7%的惊人速度连续20年大幅增长,经济总体规模更是跃居前列,2003年人均GDP已超越1000美元。虽然整个经济规模的绝对值大幅度增长,然而有关经济学者通过研究发现我国东部沿海地区和中西部内陆地区之间,在经济发展水平方面,无论是绝对差距还是相对差距都还在扩大。那么地区间收入差距的影响因素具体是哪些,各因素的影响程度如何,本文选取了2002年的截面数据,应用计量经济学所学过的知识进行定量分析,试图回答以上的问题。
二、 理论来源 从经济学的学习中可以发现,影响地区间收入分配的因素有各地区经济发展水平、税收结构、政府转移支付以及政府政策倾向等。其中,税收结构难以为其影响各地区程度的大小划分档次,因而不能确定何种地区为0、1,故未引入虚拟变量加以说明;政府转移支付主要是补贴与各种税收优惠,补贴因其补贴人群相对狭小,补贴数量少,不足以改变各省市人均收入的相对高低,而税收优惠即为企业利润,可以说包含在各地经济发展状况中,也不引入;而目前国家针对中、西、东部沿海地区均实行了不同的优惠政策,所以政策的影响也就被削弱了。且由现实经济情况可知人均可支配收入很大程度上是受到该地区经济发展水平的影响,综合数据搜集情况等因素,我组认为分析地区间收入分配差异的影响因素可以从分析影响经济发展水平的因素着手。 通过经济学各种理论的学习(如新经济增长模型),可以清晰的发现经济发展水平(Y)是物质资本(K)、人力资本(L)、技术水平(U)的函数,即Y=f(K,L,U)。于是,本文分析地区间收入分配的差异决定从资本、劳动力以及技术三方面寻找影响因素。
三 、影响因素的选取 鉴于以上说明,因素选取如下: 1、 各省市固定资产投资总额 2、 实际利用外商直接投资和外商其他投资。包括外企和经济组织或个人以现汇、实物等方式在我国开办企业或对我国各种企业的投资,以及股票发行价总额和设备、物料、技术的应收款等。 此两因素均是说明物质资本对收入的影响。 3、 各地区就业人员高中或高中以上人口所占比重。因我国平均受教育程度为初中,所以在此选择各省市高中或高中以上劳动力人口(即高中、大专、本科、研究生及以上)占总劳动力人口的比率说明劳动力素质对收入分配的影响。 4、 各省市科技筹集经费,包括财政中科技费用支出,各组织、研究所科技经费筹集与企业革新资金筹集,从重视技术开发程度的角度侧面说明各省市科学技术水平。因各种年鉴未统计各省市科技研发投入经费,故以此代替。 5、 各省市第二产业产值。就我国而言,第二产业仍是经济发展的最大驱动力,借以说明经济规模对于人均收入分配的影响。 四 、数据处理(各数据见附表一、附表二、附表三) 1、 各省市人均可支配收入。各年鉴没有直接统计的人均可支配收入,于是我组选取了各省市城市居民可支配收入、农村纯收入、各省市人口数(抽样)、农村人口数(抽样),通过计算得到农村和城镇人口比重,然后分别乘以城市居民可支配收入、农村纯收入,相加得到各省市人均可支配收入。为消除物价对于人均收入差距的影响,各省市人均可支配收入除以物价指数得实际各省市人均可支配收入。 2、 各地区就业人员高中或高中以上人口所占比重。查年鉴得就业人员中不识字、小学、初中人口比重,用1减去即得。
综上得模型各因素: Y-实际各省市人均可支配收入 X1-各省市固定资产投资总额 X2-各省市第二产业产值 X3-各地区就业人员高中或高中以上人口所占比重 X4-各省市科技筹集经费 X5-实际利用外商直接投资和外商其他投资
原始模型设定为:Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+ui 五、参数估计 1、对原始模型进行回归,结果为: Dependent Variable: Y Method: Least Squares Date: 12/18/04 Time: 15:10 Sample: 1 31 Included observations: 30 Excluded observations: 1 Variable Coefficient Std. Error t-Statistic Prob. X5 0.002531 0.001272 1.989189 0.0582 X4 155.4323 28.25883 5.500309 0.0000 X3 0.000204 0.000722 0.282856 0.7797 X2 -1.470242 0.596051 -2.466636 0.0212 X1 2.436274 0.883700 2.756901 0.0110 C -38.32851 692.8780 -0.055318 0.9563 R-squared 0.830540 Mean dependent var 4829.185
Adjusted R-squared 0.795235 S.D. dependent var 2431.177 S.E. of regression 1100.130 Akaike info criterion 17.02110 Sum squared resid 29046879 Schwarz criterion 17.30134 Log likelihood -249.3165 F-statistic 23.52519 Durbin-Watson stat 1.767723 Prob(F-statistic) 0.000000 从表中发现在α=0.1时,虽然模型拟合效果较好,F检验显著,但X3的t检验不显著,X2系数的符号为负,与经济意义不服,则模型存在多重共线,故采用逐步回归法进行修正。 2、逐步回归 对X1、X2、X3、X4、X5单个回归后发现X4的拟合程度最好,结果为: Variable Coefficient Std. Error t-Statistic Prob.
X4 167.1079 28.12136 5.942384 0.0000 C 1011.500 702.0177 1.440847 0.1603 R-squared 0.549073 Mean dependent var 4799.998
Adjusted R-squared 0.533524 S.D. dependent var 2395.831 S.E. of regression 1636.331 Akaike info criterion 17.70064 Sum squared resid 77649780 Schwarz criterion 17.79316 Log likelihood -272.3599 F-statistic 35.31192 Durbin-Watson stat 1.629401 Prob(F-statistic) 0.000002 再将其余解释变量逐个加入后,得结果为: Variable Coefficient Std. Error t-Statistic Prob.
X4 192.6331 25.88308 7.442434 0.0000 X5 0.002343 0.000792 2.956930 0.0064 C -149.6733 633.1428 -0.236397 0.8149 R-squared 0.751001 Mean dependent var 4829.185
Adjusted R-squared 0.732557 S.D. dependent var 2431.177 S.E. of regression 1257.281 Akaike info criterion 17.20593 Sum squared resid 42680430 Schwarz criterion 17.34605 Log likelihood -255.0890 F-statistic 40.71708 Durbin-Watson stat 1.739272 Prob(F-statistic) 0.000000 继续加入,得结果: Variable Coefficient Std. Error t-Statistic Prob.
X5 0.002324 0.000765 3.038838 0.0054 X4 161.2850 30.86117 5.226147 0.0000 X3 0.001194 0.000691 1.729598 0.0956 C 314.9939 667.4646 0.471926 0.6409 R-squared 0.776694 Mean dependent var 4829.185
Adjusted R-squared 0.750928 S.D. dependent var 2431.177 S.E. of regression 1213.330 Akaike info criterion 17.16369 Sum squared resid 38276420 Schwarz criterion 17.35052 Log likelihood -253.4554 F-statistic 30.14407 Durbin-Watson stat 2.073796 Prob(F-statistic) 0.000000 以及: Variable Coefficient Std. Error t-Statistic Prob.
X5 0.001186 0.001261 0.940354 0.3560 X4 163.7937 30.77561 5.322193 0.0000 X3 0.001010 0.000706 1.430482 0.1650 X1 0.435934 0.385152 1.131850 0.2684 C -102.6452 759.5370 -0.135142 0.8936 R-squared 0.787579 Mean dependent var 4829.185
Adjusted R-squared 0.753592 S.D. dependent var 2431.177