80,00075,00070,00065,000Y60,00055,00050,00045,000020,00040,000X660,00080,000100,000 图2、各项税收（X6）与就业人数(Y)的散点图
80,00075,00070,00065,000Y60,00055,00050,00045,000010,00020,00030,00040,00050,00060,000X7 图3、流通中现金供应量（X7）与就业人数(Y)的散点图
由图1，可以看出总人口数与就业人员数基本上是成线性关系的，当总人口增加时，相应的就业人员数也随之增加，由图2，可以看出各项税收与就业人员数在我们所研究的27年间，前18年基本上是成线性关系，各项税收增加时，就业人员
数也会不断提高，但后9年就业人员数随着国内生产总值的增加变化不大。由图3，可以看出流通中现金供应量与就业人员数在我们所研究的27年间，前21年基本上是成线性关系，流通中现金供应量增加时，就业人员数也会不断提高，但后6年就业人员数随着流通中现金供应量的增加变化不大。虽然就业人员数还会受其他因素影响，但是本文主要研究总人口数（X2）、各项税收（X6）、流通中现金供应量（X7）对就业人数(Y)的影响，所以建立一个三元线性回归模型。 4.2 模型设定
建立回归模型如下：
Yi??0??1X2??2X6??3X7??i
其中，各变量所代表的含义为：Yi—就业人数，X2—总人口数，X6—各项税收，X7—流通中现金供应量。各参数所代表的含义为：?0—常数项，?1—当总人口数增加一个单位时，就业人数增加的单位数，?2—当各项税收增加一个单位时，就业人数增加的单位数，?3—流通中现金供应量增加一个单位时，就业人数增加的单位数，?i—随机干扰项。
五、Eviews软件输出的结果
表3、运用Eviews软件得出的回归结果
Dependent Variable: Y Method: Least Squares Date: 12/24/13 Time: 13:02 Sample: 1985 2011 Included observations: 27
Variable C X2 X6 X7
R-squared Adjusted R-squared S.E. of regression
Coefficient -135273.1 1.741532 0.505721 -1.353296
Std. Error 19632.32 0.178722 0.154179 0.350970
t-Statistic -6.890327 9.744337 3.280098 -3.855871
Prob. 0.0000 0.0000 0.0033 0.0008 68079.52 8257.250 17.58421
0.971273 Mean dependent var 0.967526 S.D. dependent var 1488.000 Akaike info criterion
Sum squared resid Log likelihood Durbin-Watson stat
50925313 Schwarz criterion -233.3868 F-statistic 1.405794 Prob(F-statistic)
17.77618 259.2140 0.000000
六．参数估计
由Eviews软件输出的结果可知：
求得一元线性回归预测模型为：
?0?-135273.1?2?0.505721???1?1.741532??3?-1.353296?Yi?-135273.1?1.741532X2?0.505721X6-1.353296X7
七、模型的检验
7.1 经济意义检验
??1?0意味着总人口数越多，从模型参数估计量的符号看， 就业人数也越多； ?2?0意味着各项税收增加，人们可支配收入就会减少，为维持以往的收入或消
费水平，人们会倾向于更加勤奋的工作，就业人数因此会随之增加； ?3?0意味着流通中现金供应量越多，人们可支配现金越多，用闲暇代替工作的时间会越多，就业人数也会越少。与理论期望值相符。
????从模型参数估计的大小看， 表示当X6、X7保持不变时，X21?1.741532，
?2?0.505721，表示当X2、X7保持不每增加1人，Y平均增加1.741532人；
??3?-1.353296变时，X6每增加1元，Y平均增加0.505721人； 表示当X2、X6保持不变时，X7每增加1元，Y平均减少1.353296人；因为1.741532>1.353296>0.505721,所以总人口数对就业人数的影响大于流通中现金供应量对就业人数的影响，又大于各项税收对就业人数的影响。参数估计量的取值范围也与实际情况相符，因而模型通过经济意义检验。 7 .2 统计检验 7.2.1 拟合优度检验
?拟合优度检验主要是运用判定系数和回归标准差，检验模型对样本观测值的拟合程度。R的取值范围是[0，1]。R的值越接近1，说明回归直线对观测值的拟合程度越好；反之，R的值越接近0，说明回归直线对观测值的拟合程度越差。由Eviews软件输出的结果可知：
R2?0.971273
由R2?0.971273>0.8, 接近1，回归直线对观测值的拟合程度比较好。 7.2.2 显著性检验
①F检验
由Eviews软件输出的结果可知：
F?259.2140在5%的显著水平下，查F分布表，得到临界值F0.05(3,23)?3.03，可见 ? 3.03 ，表明回归方程的总体线性显著成立，即就业人数与总人口数、F?259.2140各项税收、流通中现金供应量的线性关系显著，模型通过F检验。
②t检验
由Eviews软件输出的结果可知：
X2—总人口数，X6—各项税收，X7—流通中现金供应量
t0?-6.890327
t2?9.744337
t6?3.2800982t3?-3.855871在??0.05时，t?(23)?2.069，因为t0?6.890327?2.069，所以在95%的置信度下拒绝原假设，说明截距项在回归方程显著不为零；因为t2?9.744337?2.069，所以在95%的置信度下拒绝原假设，说明总人口数（X2）显著影响就业人数(Y)；因为t6?3.280098所以在95%的置信度下拒绝原假设，说明各项税收(X6)?2.069，显著影响就业人数(Y)；因为t3?3.855871?2.069，所以在95%的置信度下拒绝原假设，说明流通中现金供应量(X7)显著影响就业人数(Y)。模型的回归系数均通过t检验。
下面来计算?0、?1、?2、?3的置信区间，在??0.05时，t?(23)?2.069，
2.37??0??94653.83，计算得：? 175892?0的置信区间为：? ??0??0?t?S0-t?S
???2?0?2??0??1-t?S??1??1?t?S，计算得： ?1的置信区间为： 1.37176??1?2.1113
?2?1?2?1? 0.18672??2?0.82472?2-t?S??2??2?t?S，计算得：??2的置信区间为：
?2??2?2??2??3的置信区间为： ?3-t?S??3??3?t?S，计算得： -2.07945??3?-0.627142?3?2?3?7.2.3 异方差检验
①无交叉项怀特检验
由Eviews得辅助回归模型估计结果如下：
表4、无交叉项怀特检验结果
White Heteroskedasticity Test: F-statistic Obs*R-squared
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 12/24/13 Time: 13:03 Sample: 1985 2011 Included observations: 27
Variable C X2 X2^2 X6 X6^2 X7 X7^2
R-squared Adjusted R-squared S.E. of regression
Coefficient -67714102 219.8490 0.004193 1177.047 -0.010419 -3517.761 0.045874
Std. Error 5.22E+08 9739.122 0.045675 464.1434 0.005526 2174.384 0.033136
2.880160 Probability 12.51539 Probability
t-Statistic -0.129668 0.022574 0.091800 2.535956 -1.885595 -1.617820 1.384400
0.034458 0.051411
Prob. 0.8981 0.9822 0.9278 0.0197 0.0740 0.1214 0.1815 1886123. 3291779. 32.70978
0.463533 Mean dependent var 0.302593 S.D. dependent var 2748994. Akaike info criterion