计量经济学论文

1、计量经济学课程论文中国进出口总额影响因素的回归分析 目录1、 引言2、 模型设定3、 平稳性检验4、 参数估计5、 模型的检验及修正（1） 经济意义检验（2） 统计意义检验1、拟合优度检验（R2检验）2、 F检验3、 t检验（3） 计量经济检验 1、多重共线性检验 2、异方差检验 3、序列相关性检验六、结论七、政策建议摘要： 中国加入WTO以来，对外贸易飞速发展，而作为一个国家经济体中的重要组成部分，对外贸易对于中国的经济发展也起到了越来越重要的作用。基于1993一2013年度中国货物进出口总额的数据，选取关税、国内生产总值、对外承包工程完成营业额三个经济指标作为主要影响因素利用Eveiws软

2、件建立模型，对中国货物进出口总额的影响因素进行回归分析。通过模型的建立和对实证分析结果的总结，我们确定了居民消费价格指数和国内生产总值对消费水平的具体量化影响，得出回归方程和相应结论，并结合结论给出了相应的政策性建议。关键词：中国货物进出口总额；关税；国内生产总值；对外承包工程完成营业额；回归分析；政策建议一、引言 改革开放以来，我国市场不断放开，对外贸易不断增强，1993年我国进出口额1957亿美元，2005年进出口额为41590亿美元，增长了二十倍之多。1978年，我国货物进出口总额仅排在世界第二十九位。2011年则比1978年增长186倍，年均增长16.6%，居世界第二，连续3年成为世界

3、最大出口国和第二大进口国。中国在进出口体制方面已发生了显著变化。非关税壁垒的种类和范围大为缩小以到取消，进口关税水平大幅度下降。 但我们需认识到对外贸易是一把“双刃剑”控制贸易差额在合理的规模中变化，可以更好的扩大内需，加快国内的经济增长，使得经济效用最大化，并且能减少贸易摩擦，减少由自然、政治等不可抗因素带来的风险。但若对外贸易发展失衡，只会适得其反，后果也是很严重的。因此我们需要研究中国进出口总额与中国那些经济因素有关具有深刻的现实意义，以便知道我们到底如何调控相关的因素。本文研究了中国进出口总额与关税、国内生产总值、对外承包工程完成营业额之间的关系。分析之间存在的关系与影响因素。二、模型

4、设定： 为了具体分析各要素对提中国进出口总额的影响大小，选择中国进出口总额为解释变量，选择能影响中国进出口总额的关税、国内生产总值、对外承包工程完成营业额为解释变量，设定如下经济学模型 Y=0+1X1+2X2+3X3+µ其中：Y=进出口总额(百万美元) X1=关税(亿元) X2=国内生产总值(亿元) X3=对外承包工程完成营业额(万美元)如模型所示，被解释变量与解释变量之间呈线性关系。0为截距系数，它表示当解释变量均为零时，被解释变量消费需求的情况，它是不受解释变量影响的中国进出口总额的起始值；1、2、3、为斜率项系数，表示当解释变量变动一个单位，被解释变量Y相应的变化1、2、3个单

5、位；µ为随机干扰项，将影响Y的其他因素归入其中。附录表1是由国家统计局网站整理得出的1993到2013的相关数据三、平稳性检验由于所采用的数据均为时间序列数据，而时间序列的平稳性是对时间序列计量分析的有效性基础，故应先对数据进行平稳性检验。1、 对lnY进行平稳性检验如下： 由线性图1-1可知，lnY序列存在截距和趋势项，故选择带有截距和趋势项进行单位根检验（见附录表2-1），可以得出结论，在5%的显著水平下，单位根检验的临界值均大于t检验统计临界值，且P值为0.0079，拒绝原假设，所以可以得出结论，lnY序列不存在单位根，为平稳序列。图1-12、 对lnX1进行平稳性检验如下：由

6、线性图1-2可知，lnX1序列存在截距和趋势项，故选择带有截距和趋势项进行单位根检验（见附录表2-2），可以得出结论，在5%的显著水平下，单位根检验的临界值均大于t检验统计临界值，且P值为0.0109，拒绝原假设，所以可以得出结论，lnX1序列不存在单位根，为平稳序列。图1-23、 对lnX2进行平稳性检验如下：由线性图1-3可知，lnX2序列存在截距和趋势项，故选择带有截距和趋势项进行单位根检验（见附录表2-3），可以得出结论，在5%的显著水平下，单位根检验的临界值均大于t检验统计临界值，且P值为0.0175，拒绝原假设，所以可以得出结论，lnX2序列不存在单位根，为平稳序列。图1-34、

7、对lnX3进行平稳性检验如下：由线性图1-4可知，lnX3序列存在截距无趋势项，故选择带有截距无趋势项进行单位根检验（见附录表2-4），可以得出结论，在5%的显著水平下，单位根检验的临界值均大于t检验统计临界值，且P值为0.0389，拒绝原假设，所以可以得出结论，lnX3序列不存在单位根，为平稳序列。图1-4四、参数估计： 利用Eviews软件，根据表1数据，做lnY对ln(X1）、ln(X2)、ln(X3)的回归，回归结果见附录表3。 根据表中数据，模型回归分析的结果为：lnY= 1.514947 + 0.401941ln(X1）+ 0.387236ln(X2) + 0.336532ln(X

8、3) （1.329012） （2.300756） （1.148283） （1.796360） R2=0.981392 调整R2=0.978109 D.W.=0.468719 F=298.8682五、模型的检验及修正：（一）经济意义检验： 在选取变量的时候已详细地分析了各个变量对被解释变量的影响。 国内生产总值与进出口贸易总额成正相关关系的，国内生产总值增加，进出口贸易总额显然也会增加。 越多地进行对外承包工程就会越多地给进出口贸易带来机会，给越多的中国出口商创造契机。因此，对外承包工程完成营业额也应该与进出口贸易总额有正的相关关系。 所以，上述模型中的系数基本符合经济意义。（二）统计意义检验1

9、、拟合优度检验（R2检验）回归方程的可决系数R2=0.981392，这说明总离差平方和中的98.1392%。被样本回归直线解释，只有接近2%的部分未被解释，因此样本回归直线对样本的拟合优度非常高。但R2中会掺杂解释变量个数对拟合优度的影响，因此要用残差平方和与总离差平方和分别除以其各自的自由度，也就是调整后的判定系数表示。调整R2=0.978109，这一解释度同样非常高。2、F检验针对H0：1=0，给定显著性水平=0.05，在F分布表中查处自由度为k1=2和nk=19的临界值Fa（2，19）=3.52，由表2中可得F=298.8682>Fa（2，19）=3.52，应拒绝原假设H0：1=2

10、=0，说明回归方程显著，即关税、国内生产总值、对外承包工程完成营业额对被解释变量“进出口总额”有显著影响。3、t检验分别针对H0：j=0（j=0，1，2），给定显著性水平=0.05，查t分布表的自由度为nk=19的临界值t（2/a）（nk）=1.725，由表2中的数据可得，与0、1、2、3对应的t统计量分别为1.329012、2.300756、1.148283、1.796360，其绝对值不全大于t（2/a）（nk）=1.725，这说明在显著水平=0.05下，只有1和3能拒绝H0：j=0（j=0，1，2，3），也就是说，当在其他解释变量不变的情况下，各个解释变量关税、国内生产总值、对外承包工程完

11、成营业额分别对被解释变量“进出口总额”不全都有显著影响，这可能是由于多重共线性或自相关性的影响。（三）计量经济检验 1、多重共线性检验（1）用普通最小二乘法估计模型lnY= 1.514947 + 0.401941ln(X1）+ 0.387236ln(X2) + 0.336532ln(X3) （1.329012） （2.300756） （1.148283） （1.796360） R2=0.981392 调整R2=0.978109 D.W.=0.468719 F=298.8682由于R2较大且接近于1，并且F=298.8682>Fa（4，16）=3.01，故认为税收收入与上述变量间总体线性关

12、系显著。（2）检验简单相关系数ln(X1)、ln(X2)、ln(X3)的相关系数如下表所示由表中数据可以发现，ln(X1)、ln(X2)、ln(X3)之间存在高度相关。（3）找出最简单的回归形式ln(Y)分别对ln(X1)、ln(X2)、ln(X3)做如下回归：将ln(Y)与ln(X1)做回归分析得到具体回归结果见附件表4-1lnY= 5.252948+1.256221ln(X1) (11.36628) (18.42858) R2=0.947018 D.W.=0.640352将ln(Y)与ln(X2)做回归分析得到具体回归结果见附件表4-2lnY= -1.303904+1.257506ln(X

13、2) (-2.268769) (26.18559) R2=0.973038 D.W.=0.410987将ln(Y)与ln(X3)做回归分析得到具体回归结果见附件表4-3lnY= 1.313389-0.857398ln(X3) (2.414978) (22.87167) R2=0.964952 D.W.=0.963107综上，进出口总额受国内生产总值的影响最大，选择（2）为初始的回归模型。（4）逐步回归将其他解释变量分别归入上述初始的回归模型，以寻找最佳回归方程。在初始模型中分别引入变量X1、X3引入变量X1，回归结果见附件表5-1 lnY=0.405314 + 0.364018ln(X1)+

14、0.909092ln(X2) (0.399104) (1.980146) (5.007535)R2=0.977860 D.W.=0.975400引入变量X3，回归结果见附件表5-2 lnY= -0.516516+ 0.847098ln(X2)+0.284446ln(X3) (-0.643759) (2.802380) (1.374386)R2=0.975598 D.W.=0.972887 综上分析，发现引入变量X1、X3后，模型的拟合优度均有提高。 因此，最终的税收收入函数应是以Y=F(X1，X2，X3)为解释变量的回归结果。所以新模型估计结果与原模型相同2、 异方差检验（1）图示法检验： 模

15、型普通最小二乘法得到的残差平方和e与ln(X1)、ln(X2)、ln(X3)的散点图如下所示（2）利用G-Q经验法检验模型是否存在异方差性：将原始数据按X2排成升序，去掉中间4个数据，得到两个容量为8的子样本，对两个子样本分别作最小二乘回归，得到以下数据：子样本一（具体回归数据见附录表6-1） lnY= 6.955384+0.316975ln(X1)+0.753220ln(X21)+-0.343975ln(X3) (5.601601) (4.220408) (4.301390) (-1.500114) R2=0.982601 RSS1=0.008704子样本一（具体回归数据见附录表6-2） l

16、nY= 5.238677+0.158505ln(X1)+1.142234ln(X22)+-0.615729ln(X3) (3.150496) (1.263936) (2.317726) (-1.173104)R2=0.958225 RSS2=0.020898 计算F统计量：F=RSS2/RSS1=0.006150/0.004502=2.400965在5%的显著水平下，自由度为（6，6）的F分布的临界值为4.28，由于RSS2/RSS1=2.400965<4.28，因此接受H0，表明模型不存在异方差性。（3）采取怀特检验 记ei2为对原始模型进行普通最小二乘回归得到的残差平方项，回归具体结

17、果见附录表7。ei2=5.656756+2.027218ln(X1)-0.003829(lnX1)2-0.251579ln(X1)ln(X2)+0.0691851ln(X1)ln(X3)-0.814531ln(X2)-0.538022(lnX2)2+1.064998ln(X2)ln(X3)-1.057949ln(X3)-0.419640(lnX3)2(0.968027) (1.006003) (-0.024155) (-0.524679)(0.328589) (-0.354791) (-1.238163) (1.600754) (-0.811805) (-1.754025) R2=0.5638

18、49显然解释变量及其平方项与交叉项没有通过t检验，且怀特统计量 nR2=21×0.563849=11.840829，该值小于自由度为5的2分布的临界值，因此在5%的显著性水平下，接受同方差假设。（4）总结综上分析可知，原模型不存在异方差。3、 序列相关性检验图示法检验：残差项et与实践序列t以及et与et-1的关系图如下。从趋势图看，曲线与X轴有六个交点，大部分点位于X轴两侧，模型可能存在序列相关，且为正序列相关；从散点图看，大部分点位于一三象限，结论同上。模型是否确实存在正序列相关，有待进一步检验。D-W检验从模型设定来看，没有违背D-W检验的假设条件，因此可以用D-W检验模型是否

19、存在自相关。（回归具体数据见附录表5-2）根据表中估计的结果，有D.W.=0.468719，给定的显著性水平=0.05，查Durbin-Watson表，n=21，k=4，得dl=1.03，du=1.67。因为D.W.统计量为：0<0.468719<dl，根据判定区域可知存在正自相关。拉格朗日乘数检验下面对上式进行序列相关性的拉格朗日乘数检验，含一阶滞后残差项的辅助回归为（具体回归数据见附录表8）ei=-588.5319+0.007659ln(X1)+0.030674ln(X2)-0.227574ln(X2)+38.89776ln(t1)2)+0.856039ei-1(-0.7497

20、65) (0.047055) (0.065442) (-1.371106) (0.749252) (5.359621) R2=0.691876 D.W.=2.084292由于LM=20×0.691876 =6.248134，该值大于显著性水平为5%，自由度为1的2分布的临界值3.15，因此判断原模型存在一阶序列正相关性。六、结论lnY= 1.514947 + 0.401941ln(X1）+ 0.387236ln(X2) + 0.336532ln(X3) 由于模型的回归结果，t统计量以及F统计量均显著，且不存在计量经济学问题，因此最后定型为此。观察方程我们可以看出国内生产总值(亿元)与

21、中国进出口总额有着十分重要的影响。国内生产总值(亿元)每增加一个单位，进出口总额就会增加0.387236亿元。说明国内生产总值对于进出口总额的影响较大，政府可以采取宏观调控居民消费价格指数进而在一定程度上控制中国的进出口情况。七、政策建议 从经济学角度看，要使我国的进出口额稳步有升并且维持在比较合理的水平，必须做到以下几点：1.提供多元化融资便利鼓励商业银行开展进口信贷业务，支持先进技术设备、关键零部件和能源原材料的进口；鼓励政策性银行对高新技术产品和资源类商品进口提供政策性金融支持，拓宽进口企业融资渠道；鼓励商业保险公司推出有利于扩大进口的保险产品和服务，加强和改善跨境贸易人民币结算工作。2

22、.真正实现贸易便利化货物通关手续仍比较繁琐。要求单据多、通关时间长，还经常出错。解决的办法一方面要靠完善“大通关”联络协作机制，另一方面要加快推动无纸通关，建立有关部门电子联网、信息共享机制。出口商品法定检验要求过严且不够规范，检验检疫费用偏高。许多基层商检局设立自收自支的事业机构以各种名目乱收费。企业的要求，一是调整、减少进出口商品法定检验品种，二是简化、规范办事程序，三是降低检验检疫费用并杜绝乱收费。3.加强对外贸易，运行宏观监测近年来尽管商务部不再往各地下达进出口计划，但地方片面追求外贸发展规模的现象依然严重。这与当前我们的宏观统计监测主要集中在进出口规模上有关。进出口价格变化趋势、出口

23、对GDP、税收和就业的贡献情况、企业竞争力指数等能够反映出口质量、效益，以及反映进出口与经济、社会、自然和谐发展关系的指标体系，一直没有建立起来。实际上，在现行海关统计和其他公开数据的基础上，加上一些抽样调查、分析，由商务部在全国范围内建立起一整套科学监测、评价对外贸易运行对国民经济、社会发展以及对自然环境影响程度的新型指标体系，是完全可以做到的。这套体系一旦建立并定期向各地通报，对引导各地进一步把握、处理好对外贸易发展中速度与效益的关系，引导企业注重出口增长质量、提高出口经济效益，势必产生良好效果。4.加快加工贸易转型升级加工贸易转型升级是转变外贸增长方式的重要内容。关于加工贸易加快转型升级

24、的必要性、紧迫性及转型方向，这几年理论界及社会各界已经基本形成共识，党中央和国务院的许多文件、讲话中也已经明确提出了要求。现在需要重点解决的是，如何采取更加有效的政策措施加以贯彻、实现。参考文献：1 中华人民共和国国家统计局.中国统计年鉴M.北京:中国统计出版社，19932013.2 庞皓.计量经济学M.北京:科学出版社，2007.3李子奈.计量经济学.北京：高等教育出版社.2000.4高鸿业.西方经济学.北京：中国人民大学出版社.2004.5赵春明.国际贸易学.石油出版社.2003.6 张晓彤，Eiews使用指南与案例M.北京；机械工业出版社，2007附录表1时间进出口总额(百万美元)关税(

25、亿元)国内生产总值(亿元)对外承包工程完成营业额(万美元)1993195,700.00256.4735,333.92366,8001994236,620.00272.6848,197.86488,3001995280,860.00291.8360,793.73510,8001996289,880.00301.8471,176.59582,1001997325,160.00319.4978,973.03603,6001998323,950.00313.0484,402.28776,9001999360,630.00562.2389,677.05852,2002000474,290.00750.4

26、899,214.55837,9002001509,650.00840.52109,655.17889,9002002620,770.00704.27120,332.691,119,4002003850,988.00923.13135,822.761,383,70020041,154,550.001,043.77159,878.341,746,80020051,421,910.001,066.17184,937.372,176,30020061,760,440.001,141.78216,314.432,999,30020072,176,570.001,432.57265,810.314,064

27、,30020082,563,255.231,769.95314,045.435,661,16820092,207,535.001,483.81340,902.817,770,61120102,973,998.322,027.83401,512.809,217,00020113,641,860.002,559.12473,104.0510,342,40020123,867,119.002,783.93519,470.1011,659,69720134,158,993.472,630.61568,845.2113,714,273表21 Null Hypothesis: D(LOGY) has a

28、unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=4)t-Statistic  Prob.*Augmented Dickey-Fuller test statistic-3.947185 0.0079Test critical values:1% level-3.8315115% level-3.02997010% level-2.655194*MacKinnon (1996) one-sided p-values.Warning: Probabilities a

29、nd critical values calculated for 20 observations        and may not be accurate for a sample size of 19Augmented Dickey-Fuller Test EquationDependent Variable: D(LOGY,2)Method: Least SquaresDate: 12/30/14 Time: 21:02Sample (adjusted): 1995 2013Included observ

30、ations: 19 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.  表2-2Null Hypothesis: D(LOGX1) has a unit rootExogenous: ConstantLag Length: 2 (Automatic - based on SIC, maxlag=4)t-Statistic  Prob.*Augmented Dickey-Fuller test statistic-3.844317 0.0109Test critical

31、 values:1% level-3.8867515% level-3.05216910% level-2.666593*MacKinnon (1996) one-sided p-values.Warning: Probabilities and critical values calculated for 20 observations        and may not be accurate for a sample size of 17Augmented Dickey-Fuller Test Equati

32、onDependent Variable: D(LOGX1,2)Method: Least SquaresDate: 12/30/14 Time: 21:06Sample (adjusted): 1997 2013Included observations: 17 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.  D(LOGX1(-1)-2.0704980.538587-3.8443170.0020表2-3Null Hypothesis: D(LOGX2) has a unit rootExoge

33、nous: ConstantLag Length: 4 (Automatic - based on SIC, maxlag=4)t-Statistic  Prob.*Augmented Dickey-Fuller test statistic-3.657124 0.0175Test critical values:1% level-3.9591485% level-3.08100210% level-2.681330*MacKinnon (1996) one-sided p-values.Warning: Probabilities and critical va

34、lues calculated for 20 observations        and may not be accurate for a sample size of 15Augmented Dickey-Fuller Test EquationDependent Variable: D(LOGX2,2)Method: Least SquaresDate: 12/30/14 Time: 21:09Sample (adjusted): 1999 2013Included observations: 15 af

35、ter adjustmentsVariableCoefficientStd. Errort-StatisticProb.  表2-4Null Hypothesis: D(LOGX3,2) has a unit rootExogenous: ConstantLag Length: 1 (Automatic - based on SIC, maxlag=4)t-Statistic  Prob.*Augmented Dickey-Fuller test statistic-3.186527 0.0389Test critical values:1%

36、level-3.8867515% level-3.05216910% level-2.666593*MacKinnon (1996) one-sided p-values.Warning: Probabilities and critical values calculated for 20 observations        and may not be accurate for a sample size of 17Augmented Dickey-Fuller Test EquationDependent

37、 Variable: D(LOGX3,3)Method: Least SquaresDate: 12/30/14 Time: 21:10Sample (adjusted): 1997 2013Included observations: 17 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.  表3Dependent Variable: LOGYMethod: Least SquaresDate: 12/30/14 Time: 21:13Sample: 1993 2013Included obser

38、vations: 21VariableCoefficientStd. Errort-StatisticProb.  C1.5149471.1399051.3290120.2014LOGX10.4019410.1746992.3007560.0343LOGX20.3872360.3372311.1482830.2668LOGX30.3365320.1873411.7963600.0902R-squared0.981392    Mean dependent var13.71185Adjusted R-squared0.978109

39、60;   S.D. dependent var1.043955S.E. of regression0.154461    Akaike info criterion-0.728112Sum squared resid0.405587    Schwarz criterion-0.529156Log likelihood11.64518    Hannan-Quinn criter.-0.684934F-statistic298.8682

40、0;   Durbin-Watson stat0.468719Prob(F-statistic)0.000000表4-1Dependent Variable: LOGYMethod: Least SquaresDate: 12/30/14 Time: 21:25Sample: 1993 2013Included observations: 21VariableCoefficientStd. Errort-StatisticProb.  C5.2529480.46215211.366280.0000LOGX11.2562210.06816718.

41、428580.0000R-squared0.947018    Mean dependent var13.71185Adjusted R-squared0.944230    S.D. dependent var1.043955S.E. of regression0.246538    Akaike info criterion0.127792Sum squared resid1.154840    Schwarz criterion0

42、.227271Log likelihood0.658181    Hannan-Quinn criter.0.149382F-statistic339.6126    Durbin-Watson stat0.640352Prob(F-statistic)0.000000表4-2Dependent Variable: LOGYMethod: Least SquaresDate: 12/30/14 Time: 21:27Sample: 1993 2013Included observations: 21Variable

43、CoefficientStd. Errort-StatisticProb.  C-1.3039040.574719-2.2687690.0351LOGX21.2575060.04802326.185590.0000R-squared0.973038    Mean dependent var13.71185Adjusted R-squared0.971619    S.D. dependent var1.043955S.E. of regression0.175873  &#

44、160; Akaike info criterion-0.547716Sum squared resid0.587695    Schwarz criterion-0.448238Log likelihood7.751018    Hannan-Quinn criter.-0.526127F-statistic685.6850    Durbin-Watson stat0.410987Prob(F-statistic)0.000000表4-3Dependent Va

45、riable: LOGYMethod: Least SquaresDate: 12/30/14 Time: 21:27Sample: 1993 2013Included observations: 21VariableCoefficientStd. Errort-StatisticProb.  C1.3133890.5438512.4149780.0260LOGX30.8573980.03748722.871670.0000R-squared0.964952    Mean dependent var13.71185Adjusted

46、R-squared0.963107    S.D. dependent var1.043955S.E. of regression0.200517    Akaike info criterion-0.285440Sum squared resid0.763936    Schwarz criterion-0.185962Log likelihood4.997120    Hannan-Quinn criter.-0.263851F-s

47、tatistic523.1133    Durbin-Watson stat0.568485Prob(F-statistic)0.000000表5-1Dependent Variable: LOGYMethod: Least SquaresDate: 12/30/14 Time: 21:30Sample: 1993 2013Included observations: 21VariableCoefficientStd. Errort-StatisticProb.  C0.4053141.0155610.3991040.6945LOGX

48、10.3640180.1838341.9801460.0632LOGX20.9090920.1815455.0075350.0001R-squared0.977860    Mean dependent var13.71185Adjusted R-squared0.975400    S.D. dependent var1.043955S.E. of regression0.163737    Akaike info criterion-0.649550Sum squared

49、 resid0.482575    Schwarz criterion-0.500333Log likelihood9.820276    Hannan-Quinn criter.-0.617166F-statistic397.5101    Durbin-Watson stat0.356592Prob(F-statistic)0.000000表5-2Dependent Variable: LOGYMethod: Least SquaresDate: 12/30/14 Tim

50、e: 21:31Sample: 1993 2013Included observations: 21VariableCoefficientStd. Errort-StatisticProb.  C-0.5165160.802343-0.6437590.5278LOG(X2)0.8470980.3022782.8023800.0118LOG(X3)0.2844460.2069621.3743860.1862R-squared0.975598    Mean dependent var13.71185Adjusted R-squared0

51、.972887    S.D. dependent var1.043955S.E. of regression0.171898    Akaike info criterion-0.552270Sum squared resid0.531879    Schwarz criterion-0.403052Log likelihood8.798832    Hannan-Quinn criter.-0.519886F-statistic359.8273    Durbin-Watson stat0.488710Prob(F-statistic)0.000000表6-1Dependent Variable: LOGYMethod: Least SquaresDate: 12/31/14 Time: 02:11Sample (adjusted):