tzynew
从上图可见，Obs*R-squared=87696，其Probability的值为004963<05，说明回归方程存在异方差性。 克服异方差，如图 得到修正后的方程： Y=064058 X1+081247 X4-7564。 3、序列相关性分析 经过异方差修正后发现，方程的Durbin-Watson stat值为213352，存在序列相关性。 运用EViews对上一步得到的方程进行序列相关性分析。 一阶滞后： 从上图可见ar(1)的回归系数非常显著，表明此模型存在一阶自相关。 二阶滞后： 由上图可见ar(2)的回归系数不显著，故该模型不存在二阶序列相关性。 三阶滞后： 由上图可见，ar(3)的回归系数不显著，表明该模型不存在三阶序列相关性。 采用广义差分法，运用EViews经过修正后，得到方程：Y=057882 X1+108143 X4-7653。 4、随机变量分析 运用EViews对上一步得到的方程的残差与解释变量的相关性进行检验，如下表： RESID X1 X2 RESID 1 084953 087487 X1 084953 1 998043 X2 087487 998043 1 由上表可见，相关系数接近于零，不存在随机变量的影响。 通过上述检验修正，最终得到的回归方程为：Y=057882 X1+108143 X4-7653。和初始方程相比无论是拟合优度还是参数t值都有显著地改善。 经过以上分析，得出的模型的回归方程表明，人均服务性消费支出的变化可以由人均生产总值、人均可支配收入的数值来解释： X1的回归参数057882表示，在其他条件不变的情况下，人均生产总值每增加1元，人均服务性消费支出增加57882元； X4的回归参数108143表示，在其他条件不变的情况下，人均可支配收入每增加1元，人均服务性消费支出增加108143元。 以此模型预测2010年的人均服务性消费支出，由统计年鉴可知2010年各解释变量的数值如下：X1=76074；X4=31838。代入模型中得Y=607，误差率为39%，符合误差率的要求。综上所述，该模型可行，可将该模型运用于服务性消费支出。 通过运用该模型，我们可以根据现有已知的解释变量的数据，预测服务性消费支出的数量，从而可以根据现有情况对国家经济进行指导，及时调整相关政策，拉动国内需求， 减少经济发展对于出口贸易的依赖程度，缓解西方国家经济危机对于我国经济的冲击程度，有助于稳定国家经济发展，持续推动我国经济的平稳发展。 
