其中加入X3的方程R最大，以X3为基础，顺序加入其它变量逐步回归，结果如下：
Y对X2、X3
Dependent Variable: Y Method: Least Squares Date: 12/20/13 Time: 12:17 Sample: 1995 2010 Included observations: 16
Variable C X2 X3
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient 178912.8 0.293707 0.941942
Std. Error 24914.28 0.132513 0.077462
t-Statistic 7.181135 2.216441 12.16007
Prob. 0.0000 0.0451 0.0000 4253381. 3852018. 25.22979 25.37465 25.23721 1.618670
2 0.999738 Mean dependent var 0.999698 S.D. dependent var 66988.61 Akaike info criterion 5.83E+10 Schwarz criterion -198.8383 Hannan-Quinn criter. 24792.60 Durbin-Watson stat 0.000000
Y对X1、X3
Dependent Variable: Y Method: Least Squares Date: 12/20/13 Time: 12:17 Sample: 1995 2010 Included observations: 16
Variable C X1 X3
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic
Coefficient 162461.9 0.101590 1.060229
Std. Error 31870.43 0.125337 0.065694
t-Statistic 5.097576 0.810539 16.13899
Prob. 0.0002 0.4322 0.0000 4253381. 3852018. 25.50105 25.64591 25.50847 1.104057
0.999656 Mean dependent var 0.999603 S.D. dependent var 76719.04 Akaike info criterion 7.65E+10 Schwarz criterion -201.0084 Hannan-Quinn criter. 18900.88 Durbin-Watson stat
Prob(F-statistic)
0.000000
2
经比较，新加入X2之后R最大 所以：
??178912.8Y?0.293707X2t?0.941942X3t (24914.28) (0.132513) (0.077462)
t?(7.181135) (2.216441) (12.16007)R2?0.999738F?24792.60n?16
3. 异方差检验：
Heteroskedasticity Test: White F-statistic
9.596452 Prob. F(5,10)
0.0014 0.0212 0.1378 Prob. 0.0431 0.0002 0.8930 0.8634 0.0004 0.8606 3.65E+09 5.21E+09 46.51203 46.80175 46.52687 1.804406
Obs*R-squared Scaled explained SS
Test Equation:
3.24054 Prob. Chi-Square(5) 8.353897 Prob. Chi-Square(5)
Coefficient -4.39E+09 90392.87 0.009445 -0.014502 -44902.22 0.004453
Std. Error 1.90E+09 15604.96 0.068431 0.082122 8765.010 0.024705
t-Statistic -2.315942 5.792574 0.138020 -0.176591 -5.122894 0.180246
Dependent Variable: RESID^2 Method: Least Squares Date: 12/20/13 Time: 12:37 Sample: 1995 2010 Included observations: 16
Variable C X2 X2^2 X2*X3 X3 X3^2
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.827533 Mean dependent var 0.741300 S.D. dependent var 2.65E+09 Akaike info criterion 7.01E+19 Schwarz criterion -366.0962 Hannan-Quinn criter. 9.596452 Durbin-Watson stat 0.001419
2???0.05由white检验，，在自由度为2下查卡方分布表，得?5.9915。
2 2Obs*R-squared?nR?3.24054,?比较临界值与卡方统计量值，即＜?5.9915，
接受原假设，说明模型中的随机误差项不存在异方差。
4. 自相关检验:
样本量n=16，两个解释变量的模型，5%显著水平，查DW统计表可知，dL=0.982，
dU= 1.539。DW=1.618670,du＜DW＜4—du，所以误差项U1，U2，…..Un间无自相关
五：本文的结论 1. 最后的结果是：
??178912.8Y?0.293707X2t?0.941942X3t (24914.28) (0.132513) (0.077462) t?(7.181135) (2.216441) (12.16007)R2?0.999738F?24792.60n?16
通过以上的模型的回归和检验，可以看出，市区财政收入和地方财政收入对杭州市财政收入的影响很大，拟合也很好。在拟合过程中，通过根据变量间较高的相关系数关系，剔除了当年财政支出对收入的影响。
2. 地方财政收入对杭州市财政收入的影响较大，地方财政收入增加一万元，
市财政收入增加0.3万元。因为杭州市占地面积大，地方上经济发展相对不均衡，山区发展落后，因而总体经济能力较弱。
3. 市区收入对杭州市财政收入的影响很大，市区财政收入增加一万元，市
财政收入增加0.9万元。原因是市区发展早，项目资多，第三产业发展迅速，对财政收入作用强。且有两区萧山区和余杭区财政收入高，拉动了市区的财政收入。说明市区与地方经济实力存在差距，市区经济增长对杭州市带动更大。
4. 本文未能从计量经济学的角度证明财政支出与财政收入的影响，但是财
政支出影响收入这一结论应该是合理的。增加财政支出，会使得政府投资、福利等增加，从而带动消费，影响收入。本项研究在这方面的失败，可能是因为财政支出效果的滞后性。
5. 政策建议：建议一：加大对地方的经济扶持，提升第二、第三产业的比
例，让地方经济实力稳步上升。建议二：维持市区经济发展的良好势头，让投资、消费、出口三驾马车齐头并进。 建议三：适当增加财政支出，有利于财政收入的增加。