?Y=-3810.262+0.857975*X2+36.84975*X3
(-0.00377) (74.27060) (0.619588) 由以上数据构成表格如下： Y=f(X2) C 109.9989 (0.225539) Y=f(X1,X2) -185.5798 0.012221 X1 X2 0.855977 (78.13336) 0.804785 0.995961 X3 R2 0.995922 (-0.235964) (0.483866) (7.564988) Y=f(X2,X3) -3810.262 (-0.00377) Y=f(X1,X2,X3) -6399.847 0.021407 0.857975 36.84975 0.995986 (74.27060) (0.619588) 0.769364 56.32459 0.996089 (-0.887261) (0.778066) (6.720461) (0.866755) 分析：第一步，在初始模型中引入X1,模型拟合优度提高，但X1参数未能通
过t检验。
第二步，再初始模型中引入X3，模型拟合优度提高，但X3参数未能通过t检验。
第三步，而同时引入X1X3，模型拟合优度提高，但X1X3参数均未能通过t检验。
表明，最终的税收收入函数应以Y=f(X2)为最优，拟合结果如下：
Y=109.9989+0.855977*X2
?(0.225539) (78.13336)
R2?0.995922 DW?1.83447 1（2）异方差检验 ①异方差检验
首先利用EVIEWS做出残差平方项resid^2与X2的散点图12所示：
图12
由以上散点图表示可能存在异方差。
图13
由图13显示回归方程的残差分布有明显的扩大趋势，表明方程存在异
方差。
再利用EVIEWS进行怀特检验，结果如下：
此时
=12.35168大于5%显著性水平下自由度为2的
分布临界值
5.99，因此存在异方差。 ②模型异方差的修正
定义w1=1/abs(resid)作为权数，对模型进行加权最小二乘回归结果如下：
Y=90.66436+0.859155*X2
?(5.275388) (347.8112)
进行加权最小二乘修正后的模型拟合度达到接近百分之百，同时解释变量的t检验值均显著提高，表面解释能力增强，整个模型的解释能力提高。 （3）序列相关性检验 ①序列相关性检验 LM检验：
含一阶滞后残差项的辅助回归为