法定准备金主要要素及对策分析
（人均GDP和城镇化率还有工业化率的关联度分析
为了更好的进行对人均GDP城镇化率和工业化率的关联度分析，我们选取全国1990年至2010年人均GDP城镇化率和工业化率的统计资料，如表5所示。
表5 1990-2010年全国人均GDP城镇化率和工业化率
年份 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 人均GDP 1181 1338 1641 2156 2935 3931 4574 5253 5579 5804 6274 6963 7912 9098 10845 12404 13939 16629 20490 22920 27596 城镇化率 17.4 18.26 20.67 22.26 24.09 26.43 29.50 31.00 32.60 34.30 35.59 37.40 39．90 41.90 43.51 45.24 46.70 48.30 49.99 51.59 53.00 工业化率 35.88 36.12 37.16 39.63 40.74 38.84 38.18 37.61 35.85 35.44 35.40 35.18 35.29 36.54 37.33 37.31 40.10 42.87 45.00 44.68 46.60
我们建立多元回归模型y＝b1＋b2X2＋b3X3+ei（相关计算数据参照于表5），把人均GDP作为被解释变量y，城镇化率作为解释变量X2工业化工业率X3，运行统计分析软件SPSS，将上表中数据输入界面，进行回归分析所得结果如表6、表7和表8所示。
表6 模型汇总
6
法定准备金主要要素及对策分析
模型汇总 模型 R 1 .977a R 方 .955 调整 R 方 .950 标准 估计的误差 1676.32831 a. 预测变量: (常量), VAR00003, VAR00002。
表7 ANOVA(b)
Anovab 模型 1 回归 残差 总计 平方和 1.070E9 5.058E7 1.121E9 df 2 18 20 均方 5.351E8 2810076.599 F 190.427 Sig. .000a a. 预测变量: (常量), VAR00003, VAR00002。 b. 因变量: VAR00001
表8 系数(a)
系数a 模型 非标准化系数 B 1 (常量) VAR00002 VAR00003 a. 因变量: VAR00001 -41687.827 449.866 896.425 标准 误差 4382.782 39.503 128.901 标准系数 试用版 t -9.512 .683 .417 11.388 6.954 Sig. .000 .000 .000
据此，可得该回归模型各项数据为：
7
法定准备金主要要素及对策分析
b2 ＝ ?x2y?22?x?2y?x?n2(?x2)n ＝449.866
b1 ＝y?b2x2＝-41687.827 b3 =896.425
e ＝?＝2810076.599
i2?2n?2Se（b1） ＝ Var(b1) ＝4382.782 Se（b2） ＝ Var(b2) ＝39.503 Se（b3） ＝ 128.901 t（b1） ＝
b1Se(b1)b2
＝-9.512
t（b2） ＝
Se(b2) ＝11.388
t（b3） ＝6.954
2R ＝ ?(y??y)22?(y?y) ＝0.955
df ＝ 18
模型为：y＝41687.827+449.866X2+896.425X3＋ei 令?＝0.1， 我们提出如下假设： H0：Bi＝0，Y＝B1+B2X3+μi y＝b1＋b2X3＋ t(bi)~
t0.1
ei
(18)
在?水平下，t检验的拒绝域为：〔－∞，－1.3330〕和〔1.3330，＋∞〕
所以t（b1）、t（b2）t（b3） 均落在拒绝域中，拒绝原假设，城镇化率每变动一个单位，人均GDP增加449.866，工业化率每变动一个单位人均GDP增加894.25。该数据反映了95.55%的真实性。
8
法定准备金主要要素及对策分析
三、模型设定误差分析
对于初始模型：y＝-12438.266＋601.184X2＋ei
Se＝2303.335 61.617 t＝-5.400 9.757
R＝0.834 df＝19
2对于模型（一）：y=41687.827449.866X2+896.425X3＋ei
Se=4382.782 3905.3 128.901 t＝－9.512 11.388 6.954
R＝0.955 df＝18 F＝190.427
2通过比较可以发现：
1．引入X3，模型（一）中各参数的t检验值要比初始模型中对应参数的t检验值要大，
最终的人均GDP模型以模型一为最优，即： y＝41687.827+449.866X2+896.425X3＋ei
四、模型结构稳定性检验
对样本进行回归分析，依据前面步骤可得出以下数据：
y＝41687.827449.866X2+896.425X3＋ei Se＝4382.782 3905.3 128.90 t= －9.512 11.388 6.954
R＝0.955 df ＝18 F ＝ 190.427
2（1）将样本分为两段，其中第一段数据如表4-1所示。
表4-1 1990-2000年人均GDP城镇化率和工业化率（单位：亿万元）
9
法定准备金主要要素及对策分析
年份 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 人均GDP 1181 1338 1641 2156 2935 3931 4574 5253 5579 5804 6274 城镇化率 17.4 18.26 20.67 22.26 24.09 26.43 29.50 31.00 32.60 34.30 35.59 工业化率 35.88 36.12 37.16 39.63 40.74 38.84 38.18 37.61 35.85 35.44 35.40 建立三元回归模型y＝b1＋b2X2＋b3X3＋ei（相关计算数据参照于表4-1），运行统计分析软件SPSS，将上表中数据输入界面，进行回归分析所得结果如表4-2、表4-3和表4-4所示。
表4-2 模型汇总
模型汇总 模型 R 1 .995a R 方 .989 调整 R 方 .986 标准 估计的误差 224.01583 a. 预测变量: (常量), VAR00003, VAR00002。
a Predictors: (Constant), 广义货币(M2)、CPI、基准利率
表4-3 ANOVA(b)
Anovab 模型 1 回归 残差 平方和 3.654E7 401464.743 df 2 8 均方 1.827E7 50183.093 F 364.101 Sig. .000a
10