线性估计模型与二阶多项式模型的因变量相同，两者进行比较时，由“eq01”和“eq02”知，二阶多项式的R2要大于线性估计模型的R2，拟合优度比较好，所以，两者之中取后者。
双对数模型与对数到线性模型因变量相同，两者进行比较时，由“eq04”和“eq03”知，对数到线性模型的R2要大于双对数模型的R2，拟合优度较好，所以，两者之中取后者。
线性估计模型和对数到线性模型的因变量不同，不能直接进行比较。但由两者的残差可知（如图所示），由于其特殊的经济背景，在这一短时期内，后者的残差变化小于前者，所以，本题中我国美国的工资模型采用对数到线性模型：
W??1??2lnP??3lnUR?ui
三、进行统计性检验 ⑴拟合优度检验
对于美国工资与失业率、生产率的关系，由eq01知，R2=0.990943,拟合优度较好。 ⑵模型的总体显著性检验
⒈对模型的总体显著性检验采用F检验。 对于美国城镇工资与生产率、失业率的关系： ①假设：H0:?2??3?0 H1:?2,?3不全为0 ②
R2/(K?1)0.990943/2F?=?2024.12(1?R2)/(N?K)(1?0.990943)/37
③在??0.05的显著性水平下，查F分布表得临界值F0.05(2,37)?3.23 ④因为F?F0.05,所以拒绝原假设，该模型具有总体显著性。 ⑶个别偏回归系数的显著性检验
个别偏回归系数的显著性检验采用t检验。 对于美国城镇工资与生产率、失业率的关系： ①假设：H0:?i?0 H1:?i?0
???)54.52061(?② t?2?22??61.56?0.885708se(?2)
???）1.763716（?3t?3?3=?2.17?se（?3）0.812959③在??0.05的显著性水平下，查t分布表得到t?（=2.021. /237）④因为t??t?/2所以拒绝原假设，个别偏回归系数?2具有统计显著性。
2因为 个别偏回归系数?3具有统计显著性。 t??t?/2所以拒绝原假设，
3所以，美国城镇工资与生产率、失业率的关系： W=-154.6241+54.52061lnP+1.763716lnUR 四、多重共线性
（1）多重共线性的检验——简单相关系数法
一般而言，如果某两个解释变量间的简单线性相关系数绝对值超
过0.8，则认为存在着较为严重的多重共线性。由相关系数矩阵可知，P与UR的简单线性相关系数绝对值都未超过0.8，所以，该模型不存在多重共线性。 五、异方差
（1）异方差—White检验 1.做辅助回归：
在原假设成立的条件下，检验统计量n*R2= 5.108291
（1）自相关的检验：
一阶序列自相关检验——DW检验： ①提出假设：
H0: ?=0,即存在一阶自回归模型的自相关
H1: ??0,即不存在一阶自回归模型的自相关
②构造统计量： DW=1.421693