计量经济学案例分析

第二章案例分析

一、研究的目的要求

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，而且这也是人民生活水平的具体表达。改革开放以来

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，2002年全国城巾居民家庭平均每人每年消费又出为元，最低的黑龙江省仅为人均

元，最高的上海市达人均10464元，上海是黑龙江的倍。为了研究全国居民消费水平及其变

动的原因，需要作具体的分析。影响各地区居民消费支出有明显差异的因索可能很多，例如，

居民的收入水平、就业状况、零售物价指数、利率、居民财产、购物环境等等都可能对居民

消费有影响。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影

响因索与消费水平的数量关系，可以建”.相应的计量经济模型去研究。

二、模型设定

我们研究的对象是各地区居民消费的差异。居民消费可分为城市居民消费和农村居民消

费，由于各地区的城市与农村人口比例及经济结构有较大差异，最具有直接比照可比性的是

城市居民消费。而且，由于•各地区人口和经济总量不同，只能用“城市居民每人每年的平均

消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。所以模型的被解释变量Y

选定为“城市居民每人每年的平均消费支出二

因为研究的目的是各地区城市居民消费的差异，并不是城市居民消费在不同时间的变

动，所以应选择同一时期各地区城市居民的消费支出来建立模型。因此建立的是2002年截

面数据模型。

影响各地区城市居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最

主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，

如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财

产”：还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。

因此这些其他因素可以不列入模型，即便它们对居民消费有某些影响也可归入随即扰动项

中。为了与“城市居民人均消费支出”相对应，选择在统il•年鉴中可以获得的“城市居民每

人每年可支配收入”作为解释变量X。

从2002年《中国统计年鉴》中得到表的数据：

表2002年中国各地区城市居民人均年消费支出和可支配收入

地区城市居民家庭平均每人每年消费支出（元）城市居民人均年可支配收入（元）

YX

北京

天津

河北

山西

内蒙古

辽宁

吉林

黑龙江

上海

江苏

浙江

安徽

福建

江西

山东

河南

湖北

湖南

广东

广西

海南

重庆

四川

贵州

云南

西藏

陕西

甘肃

青海

宁夏

新疆

作城市居民家庭平均每人每年消费支出(Y)和城市居民人均年可支配收入(X)的散点图,

如图：

图

从散点图可以看出居民

家庭平均每人每年消费支出

(Y)和城市居民人均年可支配

收入(X)大体呈现为线性关系，

所以建立的计量经济模型为

如下线性模型：

工=尸1+尸2X4Ui

三、估计参数

假定所建模型及随机扰动项〃，满足古典假定，可以用OLS法估计其参数。运用电脑软

件EViews作计量经济分析卜分方便。

利用EViews作简单线性回归分析的步骤如下:

1、建立工作文件

首先，双击EViews图标，进入EViews主页。在菜单一次点击File\New\Workfile,出

现对话框“WorkfileRange"。在"Workfilefrequency”中选择数据频率：

Annual（年度）Weekly(周数据)

Quartrly（季度）Daily(5dayweek)(每周5天日数据)

SemiAnnual（半年）Daily(7dayweek)(每周7天日数据)

Monthly（月度）Undatedorirrcqular(未注明日期或不规则的)

在本例中是截面数据，选择“Undaiedorirreqular"。并在"Slarldatev中输入开始时间

或顺序号，如“1”在“enddate”中输入最后时间或顺序号，如“31”点击“ok”出现“Workfile

UNTITLED"工作框。其中已有变量：“c”一截距项“resid”一剩余项。

在“Objects”菜单中点击“NewObjects”，在“NewObjects”对话框中选“Group”，并

在“NameforObjects”上定义文件名，点击“0K”出现数据编辑窗口。

假设要将工作文件存盘，点击窗口上方“Save”，在“SaveAs”对话框中给定路径和文件名，

再点击“ok”，文件即被俣存。

2、输入数据

在数据编辑窗口中，首先按上行键“t”，这时对应的“obs”字样的空格会自动上跳，在

对应列的第二个“obs”有边框的空格键入变量名，如“Y”，再按下行键“I”，对因变量名

下的列出现“NA”字样，即可依顺序输入响应的数据。其他变量的数据也可用类似方法输

入。

也可以在EViews命令框直接键入“dataXY”(一元时)或“dataYX\X2…”(多元

时)，回车出现“Group”窗口数据编辑框，在对应的Y、X下输入数据。

假设要对数据存盘，点击"fire/SaveAs”，出现“SaveAs”对话框，在“Drives”点所

要存的盘，在“Directories”点存入的路径(文件名),在“FireName”对所存文件命名,

或点已存的文件名,再点“ok”。

假设要读取已存盘数据，点击“fire/Opcn”，在对话框的“Drives”点所存的磁盘名，在

“Directories”点文件路径,在“FireName”点文件名，点击“ok唧可。

3、估计参数

方法一：在EViews主页界面点击“Quick”菜单，点击“EstimateEquation”，现“Equation

specification”对话框,选OLS估计，即选击“LeastSquares”，键入“YCX",点“ok”或

按回车，即出现如表那样的回归结果。

表

Method:LeastSquares

Date:02/25.-05Time:03:15

Sample:131

Includedobservations:31

VariableCoefficientStd.Errort-StatisticProb.

C282.2434287.2649098252003340

X0.7585110.03692820.540260.0000

R-squared0935685Meandependentvar5982.476

AdjustedR-squared0.933467S.D.dependentvar1601.762

S.E.ofregression413.1593Akaikeinfocriterion14.94788

Sumsquaredresid4950317.Schwarzcriterion15,04040

Loglikelihood-229.6922F-statistic421.9023

Durbin-Watsonstat1.481439Prob(F-statistic)0.000000

在本例中，参数估计的结果为：

A

工=282.2434+0.75851IX,

0i0.036928)

t=(0.982520)(20.54026)

产=0.935685F=421.9023df=29

方法二：在EViews命令框中直接键入“LSYCX”,按回车,即出现回归结果。

假设要显示回归结果的图形，在“Equation”框中，点击“Resids”，即出现剩余项

(Residual)＞实际值(Actual)、拟合值(Fitted)的图形,如图所示。

四、模型检验

1、经济意义检验

A

所估计的参数用=（>758511,说明城市居民人均年可支配收入每相差1元，可导致居

民消费支出相差元。这与经济学中边际消费倾向的意义相符。

2、拟合优度和统计检验

用EViews得出回归模型参数估计结果的同时，己经给出了用「模型检验的相关数据。

拟合优度的度量：由表中可以看出，本例中可决系数为，说明所建模型整体上对样本数

据拟合较好，即解释变量“城市居民人均年可支配收入”对被解释变量“城市居民人均年消

费支出”的绝大部分差异作出了解释。

对回归系数的t检验：针对"。：氏二°和"。：62二°,由表中还可以看出，估计的回

归系数4的标准误差和t值分别为：阳劭=287.2649,"4）=0.982520；色的标准

误差和t值分别为：SE（A）=0.036928,f（A）=20.54026。取。=0.05,箪分布表得

自由度为〃-2=31—2=29的临界值仇25（29）=2.045。因为

）=0.982520<f0,025（29）=2.045,所以不能拒绝"o：四二°：因为

«0）=20.54026025Q9）=2.045,所以应拒绝"o：62二°。这说明，城市人均年可支

配收入对人均年消费支出有显著影响。

五、回归预测

由表中可看出，2002年中国西部地区城市居民人均年可支配收入除了西藏外均在8000

以下，人均消费支出也都在7000元以下。在西部大开发的推动下，如果西部地区的城市居

民人均年可支配收入第一步争取到达1000美元（按现有汇率即人民币8270元），第二步再争

取到达1500美元（即人民币12405元）.利用所估计的模型可预测这时城市居民可能到达的

人均年消费支出水平。可以注意到，这里的预测是利用截面数据模型对被解释变量在不同空

间状况的空间预测。

用EViews作回归预测，首先在“Workfile”窗口点击“Range"，出现aChangeWorkfile

Range"窗口，将"Enddata”由“31”改为“33”，点“OK”，将“Workfile”中的“Range”

扩展为1-33。在“Workfile”窗口点击“sampl”，将“samp『窗口中的“131”改为“133”,

点“OK”，将样本区也改为1—33。

为了输入“"="270,*c=12405在Eviews命令框键入datax/回车，在X数据表

中的“32”位置输入“8270”，在“33”的位置输入“12405”,将数据表最小化。

然后在框中，点击“Forecast”，得对话框。在对话框中的“Forecastrame"

y

（预测值序列名）键入“f”，回车即得到模型估计值及标准误差的图形。双击“Workfile”

窗口中出现的“炉”，在“4”数据表中的“32”位置出现预测值力=6555.132,在“33”

位置出现L=9691.577。这是当町=8270和Xf2=\2405时人均消费支出的点预测

值。

为了作区间预测，在X和Y的数据表中，点:击“View"选“DescriptiveStats\Cmmon

Sample"，则得到X和Y的描述统计结果，见表2.7:

XY

Mean7515.0265982.476

Median6788.5205459.640

Maximum13249.8010464.00

Minimum5234.3504462.080

Std.Dev.2042.6821601.762

Skewness1.5858931.629968

Kiiflosis4.4586454.787999

Jarque-Bera15.7426717,85617

Probability0.0003820.000133

根据表的数据可.计算:

Observations3131

=cr；(n-l)=2042.6822x(31-l)=125176492.59

22

(Xfl-X)=(8270-7515.026)=569985.74

(X/2-对=(12405-7515.026)2=23911845.72

取a=0.05,〃平均值置信度95%的预测区间为:

A2

；1(Xy-X)

56998574

VQ”八6555.13；2.045x413.1593xJ—+-

X/I=8270时V31125176492.59

=6555.13^162.10

H2391184572

v9691.58#2.045x413.1593xJ—+—---------

X/2=12405时▼V31125176492.59

=9691.58.499.25

即是说，当X"=8270元时，^平均值置信度95%的预测区间为（，）元。当

Xc=12405元时，与2平均值置信度95%的预测区间为(，)元。

，个别值置信度95%的预测区间为：

A2

；L1(Xy-X)

小"1丁HF

ver11569985.74

QE、6555.132.045x413.1593x/l+一+--------------

XV〃=8270时V31125176492.59

=6555.13>860.32

Ii2391184572

vinzinc9691.58^2.045X413.1593XJ14--+----------

XR=I2405时V31125176492.59

=9691.58>934.49

即是说，当第一步X"=827°时，%个别值置信度95%的预测区间为(,)元。当第

二步为2=12405时，“2个别值置信度95%的预测区间为(，)元。

在“E以优力框中，点击“Forecast”可得预测值及标准误差的图形如图：

Forecast:YF

Actual:Y

Forecastsample:133

hcludedobservations:31

RootMeanSquaredError399.6094

MeanAbsoluteError305.3822

MeanAbs.PercentError5.217788

TheilInequalityCoefficient0.032331

BiasProportion0.000000

VarianceProportion0.016618

CovarianceProportion0.983382

图

第三章案例分析

【例3.2】中国税收增长的分析

一、研究的目的要求

改革开放以来，随着经济体制改革的深化和经济的快速增长，中国的财政收支状况发生

很大变化，中央和地方的税收收入1978年为亿元，到2002年已增长到亿元，25年间增长

了33倍，平均每年增长%o为了研究影响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•公共财政提出要求，因此对预算支出所表现的公共

财政的需求对当年的税收收入可能会有一定的影响。(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GDP等指标和经营者的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

为了全面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，以反映国家税收的增长；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。由于财税体制的改革难以

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，可暂不考虑税制改革对税

收增长的影响。所以解释变量设定为可观测的“国内生产总值”、“财政支出”、“商品零售物

价指数”等变量。

从《中国统计年鉴》收集到以下数据(见表)：

税收收入(亿元)国内生产总值(亿元)财政支出(亿元)商品零售价格指数(%)

年份

(Y](X2)(X3)(X4)

1978

1979

1980

1981

1982

1983

1984

1985

1986

1987

1988

1989

1990

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

表3.3中国税收收入及相关数据

设定的线性回归模型为：

Y小仇+AX*+dXz+BN卢氏

三、估计参数

利用EViews估计模型的参数，方法是：

1、建立工作文件：启动EViews,点击FiHNew'Workfile,在对话框“WorkfileRange”。

在“WorkfHefrequency”中选择“Annual"（年度），并在“Startdate”中输入开始时间“1978”,

在“enddate”中输入最后时间“2002”，点击“ok”，出现°WorkfileUNTITLEDw工作框。

其中已有变量：“c”一截距项“resid”一剩余项。在“Objects”菜单中点击“NewObjects”,

在“NewObjects”对话框中选“Group”，并在“NameforObjects”上定义文件名，点击“OK”

出现数据编辑窗口。

2、输入数据：点击"Quik”下拉菜单中的“EmptyGroup”,出现“Group”窗口数据编

辑框，点第一列与“obs”对应的格，在命令栏输入“Y”，点下行键“I”，即将该序列命

名为Y,并依此输入Y的数据。用同样方法在对应的列命名X?、X3、X》并输入相应的数

X

据。或者在EViews命令框直接键入“dataY2X3X4…”，回车出现“Group”窗口数

据编辑框，在对应的Y、X?、X3、Xa下输入响应的数据。

3、估计参数：点击“P:ocs”卜・拉菜单中的“MakeEquation”，在出现的对话框的“Equation

Specification"栏中键入"YCX2X3X」，在“EsiimalionSellings”栏中选择“Leasl

Sqares"(最小二乘法)，点“ok”，即出现回归结果:

表

DependentVariable:Y

Method:LeastSquares

Date:O7A35/O5Time:16:54

Sample:19782002

Includedobservations:25

VariableCoefficientStd.Errort-StatisticProb.

-2582.791940.6128-2.7458600.0121

0.0220670.0055773.9566050.0007

0.7021040.03323621.124660.0000

23.985418.7383022.7448590.0121

R-squared0.997430Meandependentvar4848.366

AdjustedA-squared0.997063S.D.dependentvar4870.971

S.E.ofregression263.9599Akaikeinfocriterion14.13512

Sumsquaredresid1463172.Schwarzcriterion14.33014

Loglikelihood-172.6890F-statistic2717.238

Durbin-WatsonstatU.94tl542Prob(卜-statistic)U.UUUUUU

根据表中数据•，模型估计的结果为：

A

Y,=-2582.791+0.022067X2+0.702104X.+23.98541X4

(940.6128)(0.0056)(0.0332)(8.7363)

t=(-2.7459)(3.9566)(21.1247)(2.7449)

22

R=0.9974R=0.9971F=2717.238df=21

四、模型检验

1、经济意义检验

模型估计结果说明，在假定其它变量不变的情况下，当年GDP每增长1亿元，税收收

入就会增长亿元；在假定其它变量不变的情况下，当年财政支出每增长1亿元，税收收入会

增长亿元；在假定其它变量不变的情况下，当年零售商品物价指数上涨一个百分点，税收收

入就会增长亿元。这与理论分析和经验判断相一致。

2、统计检验

(1)拟合优度：由表中数据可以得到：内=09974，修正的可决系数为店=0.9971,

这说明模型对样本的拟合很好。

(2)F检验：针对“。：夕2=q3=&=°,给定显著性水平。=。。5,在F分布表中查

出自由度为k-l=3和n-k=21的临界值月321)=3.075。由表中得到，由于

F=2717.238>Q3,21)=3.075,应拒绝原假设“()：22=四=A二°,说明回归方程显著,

即“国内生产总值”、“财政支出”、“商品零售物价指数”等变量联合起来确实对“税收收入”

有兄著影响。

（3）t检验：分别针对“。：氏=°（，=1，2,3,4）,给定显著性水平a=0.O5,查t分布

表得自由度为n-k=21临界值由表中数据可得，与仇、4、4、A

/（〃-2）=2.080

对应的t统计量分别为、、、，其绝对值均大于%,这说明分别都应当拒绝

%：4=°（7=1,2,3,4）,也就是说，当在其它解释变量不变的情况下，解释变量“国

内生产总值"（X?）、“财政支出”（、3）、“商品零售物价指数”[X。分别对被解释变量

“税收收入”Y都有显著的影响。

第四章案例分析

一、研究的目的要求

近年来，中国旅游业一直保持高速发展，旅游业作为国民经济新的增长点，在整个社会

经济发展中的作用口益显现。中国的旅游业分为国内旅游和入境旅游两大市场，入境旅游外

汇收入年均增长22.6%,与此同时国内旅游也迅速增长。改革开放20多年来，特别是进入

90年代后，中国的国内旅游收入年均增长14.4%,远高于同期GDP9.76%的增长率。为了规

划中国未来旅游产业的发展，需要定量地分析影响中国旅游市场发展的主要因素。

二、模型设定及其估计

经分析，影响国内旅游市场收入的主要因素，除了国内旅游人数和旅游支出以外，还可

能与相关基础设施有关。为此，考虑的影响因素主要有国内旅游人数X2,城镇居民人均旅

游支出、3,农村居民人均旅游支出X一并以公路里程和铁路里程X6作为相关基础设

施的代表。为此设定了如卜.对数形式的计量经济模型：

X=0"AX2t+B'X&X46生X丸+氏X66%

其中：匕一一第t年全国旅游收入

X2一—国内旅游人数（万人）

——城镇居民人均旅游支出（元）

X4一—农村居民人均旅游支出（元）

Xs——公路里程1万公里）

X6——铁路里程（万公里）

为估计模型参数，收集旅游事业发展最快的1994-2003年的统计数据，如表4.2所示：

表4.21994年一2003年中国旅游收入及相关数据

年国内旅游国内旅游城镇居民人均农村居民人均公路里铁路里

收入Y人数X2旅游支出X3旅游支出X4程X5程X6

份（亿元）（万人次）（元）（元）（万公里）1万公里）

199452400

199562900

199663900

199764400

199869450

199971900

200074400

200178400

200287800

200387000

数据来源：《中国统计年鉴2004》

利用Evicws软件，输入Y、X2、X3、X4、X5、X6等数据，采用这些数据对模型进行OLS

回归，结果如表4.3：

DependentVariable:Y

Method:LeastSquares

Date:07/184)5Time:18:16

Sample:19942003

Includedobservations:10

VariableCoefficientStd.Errort-StatisticProb.

C

-274.37731316.690-0.2083840.8451

X20.0130880.0126921.0311720.3607

X35.4381931.3803953.9395910.0170

X43.2717730.9442153.4650730.0257

X512,986244.1779293.1082960.0359

X6-563.1077321.2830-1.7526850.1545

R-squared0.995406Meandependentvar2539.200

AdjustedR-squared0.989664S.D.dependentvar985.0327

S.E.ofregression100.1433Akaikeinfocriterion12.33479

Sumsquarecresid40114.74Schwarzcriterion12.51634

Loglikelihood-55.67396F-statistic173.3525

Durbin-Watsonstat2.311565Prob(F-statistic)0.000092

由此可见，该模型*=09954,0.9897可决系数很高，F检验值173.3525,明

显显著。但是当二=0.05时~2（〃一左）二%02式1°-6）=2.776,不仅乂2、X6系数的t检

验不显著，而且X6系数的符号与预期的相反，这说明很可能存在严重的多重共线性。

计算各解释变量的相关系数，选择X2、X3、X4、X5、X6数据,点"vicw/corrclations”

得相关系数矩阵（如表4.4）：

X2X3X4X5XB

X210000000918851075196009479770941681

X30.9188511.0000000.8651450.8591910.963313

X40.7519600.8651451.0000000.6649460.818137

X50.9479770.8591910.6649461.0000000.897708

X60.94168109633130.81813708977081.000000

由相关系数矩阵可以看出：各解释变量相互之间的相关系数较高，证实确实存在严重多

重共线性。

三、消除多重共线性

采用逐步回归的方法，去检验和解决多重共线性问题。分别作Y对X2、X3、X4、K5、

X6的一元回归，结果如表4.5所示：

变量X2X3X4X5X6

参数估计值

t统计量

R2

按改的大小排序为:X3、X6、X2、X5、X4o

以X3为基础，顺次加入其他变量逐步回归。首先加入X6回归结果为：

/=T109.639+7.850632X3+285.1784X6

t=(2.9086)(0.46214)叱=0.957152

当取a=0.05时，％2(〃一外二*)。25(10-3)=2.365,〉：6参数的t检验不显著，予以剔除,

加入X2回归得

X=-3326.393+6.19424IX,+0.02976IX,

t=(4.2839)⑵15⑵R?=0.973418

X2参数的t检验不显著，予以剔除，加入X5回归得

Y,=-3059.972+6.736535X3+10.90789X5

t=(6.6446)(2.6584)可=0.978028

X3、X5参数的t检验显著，保留X5,再加入X4回归得

Yf=-2441.161+4.215884X.+13.62909Xs+3.221965X4

t=(3.944983)(4.692961)(3.06767)

R2=0.991445R2=0.987186

当取。=0.05时，％2(〃一")二’0.025(1°-4)=2.447,X3、*4、X5系数的t检验都显著，

这是最后消除多重共线性的结果。

这说明，在其他因素不变的情况下，当城镇居民人均旅游支出X，和农村居民人均旅游支出

分别增长1元时，国内旅游收入匕将分别增长4.21亿元和3.22亿元。在其他因素不变

的情况下，作为旅游设施的代表，公路里程每增加1万公里时，国内旅游收入匕相增长

13.63亿元。

第五章案例分析

一、问题的提出和模型设定

根据本章引子提出的问题，为了给制定医疗机构的规划提供依据，分析比较医疗机构与

人口数量的关系，建立卫生医疗机构数与人口数的回归模型。假定医疗机构数与人口数之间

满足线性约束，则理论模型设定为

其中匕表示卫生医疗机构数，Xj表示人口数。由2（）01年《四川统计年鉴》得到如下数据。

表5.1四川省2000年各地区医疗机构数与人口数

地区人口数（万人）医疗机构数（个）地区人口数（万人）医疗机构数（个）

XYXY

成都6304眉山827

自贡315911宜宾1530

攀枝花103934广安1589

泸州1297达州2403

德阳1085雅安866

绵阳1616巴中1223

广元1021资阳1361

遂宇3711375阿坝536

内江1212甘孜594

乐山1132凉山1471

南充709.24064

二、参数估计

进入EViews软件包，确定时间范围;编辑输入数据；选择估计方程菜单，估计样本回

归函数如下

表

DependentVanableY

Method:LeastSquares

Date:07005Time11:11

Sample:121

Includedobservations21

VariableCoefficientStdErrort-StatisticProb.

C-563.0548291.5778-19310620.0685

X5.3734980.64428483402650.0000

R-squared0.785456Meandependentvar1588.238

AdjustedR-squared0.774164S.D.dependentvar1311.037

S.E.ofregression623.0330Akaikeinfocriterion15.79747

Sumsquaredresid7375233.Schwarzcriterion15.89695

Loglikelihood-163.8734F-statistic69,56003

Durbin-Watsonstat0.429831Prob(F-statistic)0000000

估计结果为

=-563.0548+5.3735X,

(-1.9311)(8.3403)

R2=0.7855,se=508.2665,F=69.56华协

括号内为t统计量值。

三、检验模型的异方差

本例用的是四川省2000年各地市州的医疗机构数和人口数，由于地区之间存在的不同

人口数，因此，对各种医疗机构的设置数量会存在不同的需求，这种差异使得模型很容易产

生异方差，从而影响模型的估计和运用。为此，必须对该模型是否存在异方差进行检验。

(一)图形法

1、EViews软件操作。

山路径；Quick/QstimateEquation,进入EquationSpecification窗口，键入“yc

x”，确认并“ok”。

(1)生成残差平方序列。在得到表估计结果后，立即用生成命令建立序列4,记为e2o

生成过程如下，先按路径:Procs/GenerateSeries,进入GenerateSeriesbyEquation

对话框，即

IJGOO-(c：\vindovs\<iesktop\scvz...(5回E3

JSave|Lebel+/-1Sho.|Fetch|Stor©|Delete|Gear|So

Filter:*DefaultEq:eq11

S«ri«sbyEquation

或

回

回

e2加,行2SJGOO

回

需

0jEstimate|Forecast|St

购

回

回

温

固

回

最

回

0捻

0

Std.Errort-Statistic

264.5140-0.707966

0