是很好，但是由表2可以得知，引入X2后，R-squared＝0.955580，大于Y与X1回归后得出的R-squared＝0.944359，这说明X2这个解释变量对整体模型有改善作用，且t检验符合；又由相关系数矩阵（表5）可以看出，各个解释变量相互之间的相关系数不高，因此解释变量X2不能舍弃，模型可认为不存在多重共线性。
2、自相关检验 DW检验
由表2可得Durbin-Watson stat＝0.569439。
对样本量为20、两个解释变量的模型、5%显著水平，查DW统计表可知，dL＝1.100，dU＝1.537，模型中DW＜dL，显然消费模型中有正自相关。
利用科克伦-奥克特迭代法对自相关检验进行处理。 ρ＝1－DW/2＝0.7152805
Dependent Variable: Y1 Method: Least Squares Date: 12/25/10 Time: 17:26 Sample(adjusted): 1990 2008
Included observations: 19 after adjusting endpoints Variable C X11 X12 AR(1)
R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots
Coefficient 96626.85 0.259561 1.258396 0.999099
Std. Error 7429669. 0.083759 4.659943 0.070569
t-Statistic 0.013006 3.098900 0.270045 14.15783
Prob. 0.9898 0.0073 0.7908 0.0000 886.3742 11.85162 12.65667 371.4321 0.000000
^
0.986717 Mean dependent var 1819.632 0.984061 S.D. dependent var 111.9050 Akaike info criterion 187840.9 Schwarz criterion -114.3495 F-statistic 0.913490 Prob(F-statistic) 1.00
经过一次迭代后，可以从表6中看出Durbin-Watson stat＝0.913490，仍然小于dL的值，由此可见一次迭代对模型的影响并不显著。因此需进行二次迭代，结果如下表（表5）