利用Eviews软件对模型的参数进行OLS估计得到表2。
表2：模型回归结果表
Dependent Variable: Y Method: Least Squares
Date: 04/29/16 Time: 21:49 Sample: 1995 2014
Included observations: 20
Coefficien
Variable t
X1 0.350094
X2
X3 X4 C
R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood
Durbin-Watson stat
? Std. Error 0.040946 1.792050
t-Statistic 8.550166 -3.088788
Prob. 0.0000 0.0075 0.0180 0.0577 0.0176
3923.300 2406.042 10.62689 10.87582 14082.14 0.000000
-5.535264
根据表2中的数据得到回归结果：
-0.036132 0.013609 -2.655056 0.009951 0.004843 2.054848 572.3253 214.6341 2.666516
0.999734 Mean dependent var 0.999663 S.D. dependent var 44.18326 Akaike info criterion 29282.41 Schwarz criterion -101.2689 F-statistic
1.116087 Prob(F-statistic)
Yt=572.325+0.350X1-5.535X2-0.036
X3+0.010X4
(214.63) (0.04) (-3.088) (-2.655) (2.055) T= (2.666) (8.550) (-3.089) (-2.655) (2.055)
F=14082.14 D·W=1.116
r2=0.999734 r2=0.999663
2、模型检验与修正 （1）经济意义检验
模型估计结果说明，在假定其它变量不变的情况下，居民可支配收入每增长1元，居民消费就会增加0.35个元；在假定其它变量不变的情况下，CPI每增长一个百分点，居民消费就会减少5.535元；在假定其它变量不变的情况下，税收每增加1亿元居民消费就会减少0.036元；在假定其它变量不变的情况下，GDP
每增长1亿元居民消费就会增加0.01元。这与理论分析和经验判断相一致。
（2）统计检验
1°拟合优度检验
由表2中数据可以得到：r =0.999734，修正的可决系数为r=0.999663，这说明模型对样本的拟合很好。
2°T检验
分别针对H0：?i=0（i=1,2,3,4），给定显著性水平??0.05，查t分布表得自由度为n-k=21临界值
t?222（n-k）=1.753。由表二中数据可得，与错误！未
t?2找到引用源。、错误！未找到引用源。、对应的t统计量分别为2.666、8.550、-3.089、-2.655、2.055，其绝对值均大于
（n-k）=1.735，这说明分别都应当拒绝H0：
?i=0（i=1,2,3,4），当在其它解释变量不变的情况下，解释变量“居民家庭可支
配收入”（X1）、“CPI”（X2）、“税收”（“居民消费水平”Y都有显著的影响。 3°F检验
针对
，给定显著性水平
，在F分布表中查出自
X3）
、“GDP” (X4)分别对被解释变量
由度为k-1=3和n-k=16的临界值F?(3,16)=3.24，由表2中得到F=14082.14，由于F=14082.14 >F?(3,16)=3.24,应拒绝原假设H0:?2??3??4?0，说明回归方程显著，即“居民家庭可支配收入”、“CPI”、“税收”、“GDP”等变量联合起来确实对“居民消费水平”有显著影响。 3、多重共线性检验与修正
（1）相关系数法
由于模型涉及到的参数较多考虑进行一次多重共线性检验，建立相关系数矩阵如下表所示。 表3：:相关系数矩阵表 X1 X1 X2 1 -0.35753 X2 -0.357534955 1 X3 0.980753 -0.30959 X4 0.994751 -0.32688 X3 X4 0.980753 0.994751 -0.30959313 -0.326879411 1 0.995049 0.995049 1 由表3可看出个解释变量之间的相关系数较高，尤其是X3和X4，推测可能存在多重共线性。 4、序列相关性检验 （1）D·W检验
当k=3、n=20时，查表得dl=1.10，du=1.54，D·W=1.20，显然dl＜D·W＜du，属于不能确定的范围。 (2) LM检验
由于D·W检验不能确定是否存在自相关，故运用LM检验结果如下表所示：
表6：LM检验结果表
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 2.567487 Probability Obs*R-squared 5.367108 Probability
Test Equation: Dependent Variable: RESID Method: Least Squares Date: 04/29/16 Time: 22:30 Presample missing value lagged residuals set to zero.
Coefficien
Variable t Std. Error t-Statistic
C 2.582411 191.5795 0.013480 X1 0.001938 0.009401 0.206113 X2 -0.069416 1.678461 -0.041357 X3 -0.000772 0.003157 -0.244605 RESID(-1) 0.522897 0.248167 2.107032 RESID(-2) -0.403016 0.265601 -1.517371
R-squared 0.268355 Mean dependent var Adjusted R-squared 0.007054 S.D. dependent var S.E. of regression 44.28409 Akaike info criterion Sum squared resid 27455.12 Schwarz criterion
0.112228 0.068320
Prob. 0.9894 0.8397 0.9676 0.8103 0.0536 0.1514
5.02E-13 44.44110 10.66245 10.96117
Log likelihood
Durbin-Watson stat
由上表看一看出LM=5.367，小于显著性水平为5%、自由度为2的?2分布的
-100.6245 F-statistic
2.006796 Prob(F-statistic)
1.026995
0.439091
2临界值 ?0.05（2）=5.99，表明模型的干扰项已不存在自相关性。
由上述结果得到的回归方程为：
Y
*t=370+0.432x1-4.187x2-0.009x3
***（209.04）（0.01）（1.828）（0.003）
T= (1.77) （42.837) (-2.29) (-2.65)
F= 15627.42 D·W=1.20
r2=0.999659 r2=0.999595