t = (-4.8234） （25.1700） (-10.7192) (13.9581) R2?0.9895 R2?0.988DW?1.6777 0F?659.54 5由于各个系数的t检验均大于2，表明各解释变量的系数显著地不等于0，居民人民币储蓄存款年增加额的回归模型分别为：
t?1996? YYt = -830.4045 + 0.1445GNIt+?1t?YYt?? YYt = 18649.8312- 0.1469GNIt+?2t1996 这表明三个时期居民储蓄增加额的回归方程在统计意义上确实是不相同的。1996年以 前收入每增加1亿元，居民储蓄存款的增加额为0.1445亿元；在2000年以后，则为0.4133亿元，已发生了很大变化。上述模型与城乡居民储蓄存款与国民总收入之间的散布图是吻合的，与当时中国的实际经济运行状况也是相符的。 需要指出的是，在上述建模过程中，主要是从教学的目的出发运用虚拟变量法则，没有考虑通货膨胀因素。而在实证分析中，储蓄函数还应当考虑通货膨胀因素。 第九章 案例分析 以引子中所提出的问题为例，分析影响中国进口量的主要因素（数据如表9.3所示）。 表9.3 单位：人民币亿元、亿美元 进口总额IM年份 GDP （人民币） IMdollar（美元） 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 4517.8 4862.4 5294.7 5934.5 7171.0 8964.4 10202.20 11962.50 14928.30 16909.20 18547.90 21617.80 26638.10 298.8000 375.3800 364.9900 422.6000 637.8300 1257.800 1498.300 1614.200 2055.100 2199.900 2574.300 3398.700 4443.300 200.17 220.15 192.85 213.90 274.10 422.52 429.04 432.16 552.75 591.40 533.45 637.91 805.85 EXCHANGE 进口总额 汇率 149.8400 170.5100 189.2600 197.5700 232.7000 293.6600 345.2800 372.2100 372.2100 376.5100 478.3200 532.3300 551.4600 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 34634.40 46759.40 58478.10 67884.60 74462.60 78345.20 82067.50 89468.10 97314.80 105172.3 117251.9 5986.200 9960.100 11048.10 11557.40 11806.50 11626.10 13736.40 18638.80 20159.20 24430.30 34195.60 1039.59 1156.14 1320.84 1388.33 1423.70 1402.37 1656.99 2250.94 2435.53 2951.70 4127.60 576.2000 861.8700 835.1000 831.4200 828.9800 827.9100 827.8300 827.8400 827.7000 827.7000 827.7000 数据来源:《中国统计年鉴2004》中国统计出版社 设定如下的模型。 IMt??1??2GDPt?ut （9.50） 其中，IMt是进口总额，GDPt是国内生产总值。 为了分析此模型是否有变量设定误差，进行变量设定误差检验。 有人认为，货物与服务的进口量受到一国的生产规模、货物与服务的进口价格、汇率等其他影响因素，而不能只仅用GDP来解释商品进口的变化。因此，设定的回归模型应该为： IMt??1??2f?GDPt???3g?Exchanget??ut (9.51) 其中：GDP为国内生产总值，f?GDP?为GDP的线性函数，Exchange为美元兑换人民币的汇率， g?Exchange?为Exchange的线性函数。 如果是这样，显然设定的回归模型（9.50） 式中可能遗漏了变量GDP、Exchange以及两者的线性组合。那么GDP、Exchange以及两者的线性组合是否被遗漏的重要变量呢？ 依据表9.3的数据，录入到EViews响应的数据表中，考证IM=f(GDP)基本关系图： 35000300002500020000IM1500010000500000200004000060000GDP80000100000120000 对(9.50)进行回归,有回归结果 imi??1067.337?0.2307GDPi?ei se= (792.2620) (0.0142) t= (-2.0288) (16.2378) 22 R?0.9230 R?0.919 5DW=0.5357 F=263.6657 并作(9.50)回归的残差图： 1000080006000400020000-2000-4000-6000808284868890929496980002IM Residuals 显然，存在自相关现象，其主要原因可能是建模时遗漏了重要的相关变量造成的。 1、DW检验 模型imi??1067.337?0.2307GDPi?ei的DW统计量表明，存在正的自相关，由于遗漏变量exchange或GDP 已经按从小到大顺序排列，因此，无需重新计算d统计量。对n=24和k'?1，5%的德宾-沃森d-统计量的临界值为dL?1.273和dU?1.446， 0.5357?dL?1.273，表明存在显著的遗漏变量现象。 为此，进行如下的校正： Dependent Variable: IM Method: Least Squares Date: 07/08/05 Time: 15:40 Sample (adjusted): 1981 2003 Included observations: 23 after adjustments Variable Coefficient Std. Error t-Statistic Prob. C GDP GDP(-1) EXCHANGE EXCHANGE^2 -224.3632 1.148259 -0.822444 -4.290746 -0.018637 1892.132 0.151433 0.147359 8.348744 0.008353 -0.118577 7.582606 -5.581213 -0.513939 -2.231162 0.9069 0.0000 0.0000 0.6135 0.0386 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.978691 Mean dependent var 0.973956 S.D. dependent var 1456.525 Akaike info criterion 38186370 Schwarz criterion -197.3443 F-statistic 1.962659 Prob(F-statistic) 8434.222 9025.326 17.59515 17.84200 206.6799 0.000000 其中，exchange的系数在统计意义上不显著，可以剔除，则有： Dependent Variable: IM Method: Least Squares Date: 07/08/05 Time: 15:43 Sample (adjusted): 1981 2003 Included observations: 23 after adjustments