计量经济学模板

目录序言 2一、进出口额与外商对工业投资额关联度分析 3二、进出口额、外商对工业投资额与住宅投资额关联度分析 5三、模型影响因素数量确定 9四、模型设定误差分析 9五、模型结构稳定性检验 10六、模型多重共线性诊断及补救 17七、模型自相关诊断及补救 24八、模型异方差诊断及补救 30序言随着我国改革开放步伐的日益推进以及加入WTO后我国进出口额的迅速增长，我们从中看到了经济崛起的希望。加入WTO后，我国的进出口额有了大幅度上升，同时，越来越多的外商选择了我国作为自己投资办厂的基地，各类投资数额和金额较之以前都有了可喜的增长。其中，外商对工业投资的比重是不容忽视的一块。由此可见，在研究我国进出口增长的同时，应该看到外商在华投资对其的促进作用。学术界称我国将成为本世纪的世界制造业基地，这对我国吸引外资又是一大亮点，外资的引进，给国内工业领域带来了先进的技术和管理经验，以一种跨国际的交流渠道将世界的思维注入到了我国，让我国企业体验经济全球化的影响力，使我国的出口品具有更高的附加值，使我国的进口品具有更大的内销力。与此同时，近年来，我国的房价持续上涨，这成为影响居民消费和国家政策制定的一个重要因素，政府在进行经济决策的时候总要考虑到多方面因素，住房贷款，住房投资等等问题在近几年已成为大家普遍关心的话题，国内的资源分配，人民的安居乐业势必会影响到一个国家的宏观经济形势，这对整个国家的外贸环境来说又将是一个内生因素，从一定程度上制约或促进着贸易环境的发展。由于福建省是对外开放比较早的省份，其在外贸环境、招商引资等方面较之内陆省份具有更适合的政策和管理经验，所以本文选取福建省近19年来有关进出口额、外商对工业投资额、住宅投资额的统计数据，运用计量经济学的分析方法，建立相应的回归模型以及运用一些相关分析方法对所建模型进行分析，以更好的说明因素间的关系，即进出口额受外商对工业投资额及住宅投资额的影响关系。一、进出口额与外商对工业投资额关联度分析为了更好的进行对进出口额和外商对工业投资的关联度分析，我们选取福建省1988年至2006年进出口额和外商投资额的统计资料，如表1所示。表11988-2006年福建省进出口额和外商对工业投资额（单位：万元）年份进出口额外商对工业投资额1988141600177781989182800200101990244906204281991314746210121992438666222631993515874223051994643020229901995790806240851996838239276211997102556030988199899638729316199910351933362120001290828681882001139223270860200217370866750820032113173715042004293947679953200534841958618420064126174101099我们建立二元线性回归模型y＝b1＋b2X2＋（相关计算数据参照于附表1和附表2），把进出口额作为被解释变量y，外商对工业投资额作为解释变量X2，运行统计分析软件SPSS，将上表中数据输入界面，进行线性回归分析所得结果如表2、表3和表4所示。表2ModelSummaryModelRRSquareAdjustedRSquareStd.ErroroftheEstimate1.930(a).865.857431146.3054aPredictors:(Constant),外商对工业投资表3ANOVA(b)ModelSumofSquaresDfMeanSquareFSig.1Regression20308510873594.600120308510873594.600109.252.000(a)Residual3160081324283.81017185887136722.577Total23468592197878.41018aPredictors:(Constant),外商对工业投资bDependentVariable:进出口额表4Coefficients(a)ModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant)-412739189468.24-2.178.044外商对工业投资38.3103.665.93010.452.000aDependentVariable:进出口额据此，可得该线性回归模型各项数据为：b2＝＝38.31b1＝＝-412739.00＝＝185887136772.58Var（b1）＝＝35898213968.70Var（b2）＝＝13.47Se（b1）＝＝189468.24Se（b2）＝＝3.67t（b1）＝＝-2.178t（b2）＝＝10.452＝＝0.865df＝17模型为：y＝－412739.00＋38.31X2＋令＝0.1，我们提出如下假设：H0：Bi＝0，Y＝B1+B2X2+μiy＝b1＋b2X2＋t(bi)~(17)在水平下，t检验的拒绝域为：〔－∞，－1.740〕和〔1.740，＋∞〕所以t（b1）、t（b2）均落在拒绝域中，拒绝原假设，即常数项和X2对于模型均有意义。对于该模型的经济意义解释如下：平均而言，在其他条件不变的情况下，外商对工业投资额每变动一个单位，将引起进出口额变动38.31个单位。并且，该模型反映了98.7%的真实情况。二、进出口额、外商对工业投资额与住宅投资额关联度分析为了更好的进行对进出口额和外商对工业投资及住宅投资额的关联度分析，我们选取福建省1988年至2006年进出口额和外商投资额以及住宅投资额的统计资料，如表5所示。表51988-2006年福建省进出口额、外商对工业投资额及住宅投资额（单位：万元）年份进出口额外商对工业投资额住宅投资额1988141600177785.131989182800200108.021990244906204289.119913147462101214.3519924386662226328.76199319945158742230539.996430202299069.9619957908062408588.5119968382392762175.29199710255603098872.4919989963872931685.441999103519333621105.0820002001129082868188125.07139223270860145.222002173708667508160.782003211317371504237.672004293947679953308.452005348419586184363.7220064126174101099511.68我们建立三元线性回归模型y＝b1＋b2X2＋b3X3＋（相关计算数据参照于附表3和附表4）。我们将进出口量作为被解释变量y，外商对工业投资额作为解释变量X2，住宅投资额作为解释变量X3（以下各步同上），运行统计分析软件SPSS，将上表中数据输入界面，进行线性回归分析所得结果如表6、表7和表8所示。表6ModelSummaryModelRRSquareAdjustedRSquareStd.ErroroftheEstimate1.993(a).987.985139226.148aPredictors:(Constant),外商对工业投资额、住宅投资额表7ANOVA(b)ModelSumofSquaresDfMeanSquareFSig.1Regression23158449471397.840211579224735698.920597.362.000(a)Residual310142726480.5781619383920405.036Total23468592197878.41018aPredictors:(Constant),外商对工业投资额、住宅投资额bDependentVariable:进出口额表8Coefficients(a)ModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant)100416.0374393.6981.350.196外商对工业投资额5.232.974.1271.757.098住宅投资7318.493603.566.87612.125.000aDependentVariable:进出口额据此，可得该线性回归模型各项数据为：b2＝＝5.23b3＝＝7318.49b1＝＝100416.03＝＝19383920405.04Var（b1）＝＝5534422599.69 Var（b2）＝＝27.35Var（b3）＝＝364291.92Se（b1）＝＝74393.70Se（b2）＝＝5.23Se（b3）＝＝603.566t（b1）＝＝1.350t（b2）＝＝1.757t（b3）＝＝12.152＝＝0.987df＝17F＝＝597.362模型为：y＝100416.03＋5.23X2＋7318.49X3＋令＝0.1我们提出如下假设：H0：Bi＝0，Y＝B1+B2X2+B3X3+μiy＝b1＋b2X2＋b3X3＋t(bi)~(16)在水平下，t检验的拒绝域为：〔－∞，－1.746〕和〔1.746，＋∞〕所以t（b1）、t（b2）、t（b3）均落在拒绝域中，拒绝原假设，即常数项、X2、X3对于模型均有意义。联合假设检验：H0：＝0F～(2，16)在水平下，模型中的F值落在F检验的右侧拒绝域〔3.63，＋∞〕中，拒绝原假设，即0对于该模型的经济意义解释如下：平均而言，在其他条件不变的情况下，外商对工业投资额每变动一个单位，将引起进出口额变动5.23个单位；在其他条件不变的情况下，住宅投资额每变动一个单位，将引起进出口额变动7318.49个单位。并且，该模型反映了98.7%的真实情况。三、模型影响因素数量确定对于模型一：y＝－412739.00＋38.31X2＋＝0.865＝1-(1-)＝0.857对于模型二：y＝100416.03＋5.23X2＋7318.49X3＋ ＝0.987＝1-(1-)＝0.985据此，我们可以看出，该模型在增加了解释变量X3（住宅投资额），校正判定系数增大了，所以，增加的解释变量是有用变量，即住宅投资额是影响进出口额的重要因素，应在模型中保留。四、模型设定误差分析对于模型一：y＝－412739.00＋38.31X2＋Se（b1）＝189468.24Se（b2）＝3.67t（b1）＝－2.178t（b2）＝10.452＝0.865df＝17对于模型二：y＝100416.03＋5.23X2＋7318.4X3＋Se（b1）＝74393.70Se（b2）＝2.97Se（b3）＝603.57t（b1）＝1.350t（b2）＝1.757t（b3）＝12.125＝0.987df＝16F＝597.362通过比较可以发现，模型一中的参数的标准差比模型二中对应参数的标准差要大；模型一中各参数的t检验值要比模型二中对应参数的t检验值大，也就是说，在同一水平下，模型一中的参数与模型二中的参数相比，假设检验更为显著。但同时，我们应该看到，模型一的拟合优度比模型二要低，即模型二中的解释变量与模型一中的解释变量相比，能够更好的解释因变量，也就是外商对工业投资额和住宅投资额同时作为影响因素时，与外商对工业投资额单独存在作为影响因素相比，能够更好的说明进出口额的变化情况。五、模型结构稳定性检验1.对样本进行线性回归分析，依据前面步骤可得出以下数据：y＝100416.03＋5.23X2＋7318.4X3＋Se（b1）＝74393.70Se（b2）＝2.97Se（b3）＝603.57t（b1）＝1.350t（b2）＝1.757t（b3）＝12.125＝0.987df＝16F＝（1）将样本分为两段，其中第一段数据如表9所示。表91988-2006年福建省进出口额、外商对工业投资额及住宅投资额（单位：万元）年份进出口额外商对工业投资额住宅投资额1988141600177785.131989182800200108.021990244906204289.119913147462101214.3519924386662226328.7619935158742230539.9919946430202299069.9619957908062408588.5119968382392762175.29199710255603098872.49建立三元线性回归模型y＝b1＋b2X2＋b3X3＋（相关计算数据参照于附表5），运行统计分析软件SPSS，将上表中数据输入界面，进行线性回归分析所得结果如表10、表11和表12所示。表10ModelSummaryModelRRSquareAdjustedRSquareStd.ErroroftheEstimate1.996(a).993.99029703.72433aPredictors:(Constant),外商对工业投资额、住宅投资额表11ANOVA(b)ModelSumofSquaresDfMeanSquareFSig.1Regression820082335757.4272410041167878.713464.735.000(a)Residual6176178674.6737882311239.239Total826258514432.1009aPredictors:(Constant),外商对工业投资额、住宅投资额bDependentVariable:进出口额 表12Coefficients(a)ModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant)-663160.7181315.756-8.155.000外商对工业投资额42.794.180.54510.237.000住宅投资4733.12496.221.5089.538.000aDependentVariable:进出口额据此，可得该线性回归模型各项数据为：b2＝＝42.79b3＝＝4733.12b1＝＝－663160.71＝＝882311239.24Var（b1）＝ ＝6612252824.38Var（b2）＝＝17.47Var（b3）＝＝246234.29Se（b1）＝＝81315.76Se（b2）＝＝4.18Se（b3）＝＝496.22t（b1）＝＝－8.155t（b2）＝＝10.237t（b3）＝＝9.538＝＝0.993df＝7F＝＝464.735模型为：y＝－663160.71＋42.79X2＋4733.12X3＋令＝0.1，我们提出如下假设：H0：Bi＝0，Y＝B1+B2X2+B3X3+μiy＝b1＋b2X2＋b3X3＋t(bi)~(7)在水平下，t检验的拒绝域为：〔－∞，－1.895〕和〔1.895，＋∞〕所以t（b1）、t（b2）、t（b3）均落在拒绝域中，拒绝原假设，即X2、X3对于模型均有意义。联合假设检验：H0：＝0F～(2，7)在水平下，模型中的F值落在F检验的右侧拒绝域〔4.74，＋∞〕中，拒绝原假设，即0对于该模型的经济意义解释如下：平均而言，在其他条件不变的情况下，外商对工业投资额每变动一个单位，将引起进出口额变动42.79个单位；在其他条件不变的情况下，住宅投资额每变动一个单位，将引起进出口额变动4733.12个单位。并且，该模型反映了99.3%的真实情况。（2）第二段数据如表13所示。表131988-2006福建省进出口额、外商对工业投资额及住宅投资额（单位：万元）年份进出口额外商对工业投资额住宅投资额19989963872931685.441999103519333621105.082000129082868188125.072001139223270860145.222002173708667508160.782003211317371504237.672004293947679953308.45表131988-2006福建省进出口额、外商对工业投资额及住宅投资额（单位：万元）2005348419586184363.7220064126174101099511.68我们建立三元线性回归模型y＝b1＋b2X2＋b3X3＋（相关计算数据参照于附表6），运行统计分析软件SPSS，将上表中数据输入界面，进行线性回归分析所得结果如表14、表15和表16所示。表14ModelSummaryModelRRSquareAdjustedRSquareStd.ErroroftheEstimate1.990(a).980.973187928.04056aPredictors:(Constant),外商对工业投资额、住宅投资额表15ANOVA（b）ModelSumofSquaresDfMeanSquareFSig.1Regression10148421820776.85025074210910388.420143.676.000(a)Residual211901690569.372635316948428.229Total10360323511346.2208aPredictors:(Constant),外商对工业投资额、住宅投资额bDependentVariable:进出口额表16Coefficients(a)ModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant)234620.74232972.421.007.353外商对工业投资额2.6905.437.055.495.638住宅投资7521.295880.098.9438.546.000aDependentVariable:进出口额据此，可得该线性回归模型各项数据为：b2＝＝2.69b3＝＝7521.30b1＝＝234620.74＝＝35316948428.23Var（b1）＝＝54276148480.66 Var（b2）＝＝29.59Var（b3）＝＝774576.01Se（b1）＝＝232972.42Se（b2）＝＝5.44Se（b3）＝＝880.10t（b1）＝＝1.007t（b2）＝＝0.495t（b3）＝＝8.546＝＝0.980df＝6F＝＝143.676模型为：y＝234620.74＋2.69X2＋7521.30X3＋令＝0.1，我们提出如下假设：H0：Bi＝0，Y＝B1+B2X2+B3X3+μiy＝b1＋b2X2＋b3X3＋t(bi)~(6)在水平下，t检验的拒绝域为：〔－∞，－1.943〕和〔1.943，＋∞〕所以t（b3）均落在拒绝域中，拒绝原假设，即X3对于模型有意义，但由于t（b1）、t（b2）均落在非拒绝域，因此常数项234620.74和X2对于模型均没有意义，即这二者没有存在的必要。联合假设检验：H0：＝0F～(2，6)在水平下，模型中的F值落在F检验的右侧拒绝域〔5.14，＋∞〕中，拒绝原假设，即0对于该模型的经济意义解释如下：平均而言，在其他条件不变的情况下，在其他条件不变的情况下，住宅投资额每变动一个单位，将引起进出口额变动7521.30个单位。并且，该模型反映了98.0%的真实情况。2.对于模型y＝100416.03＋5.23X2＋7318.4X3＋＝＝＝3160081324283.81对于模型y＝－663160.71＋42.79X2＋4733.12X3＋ ＝6176178674.67对于模型y＝234620.74＋2.69X2＋7521.30X3＋＝211901690569.37由此可得：＝＝218077869244.04H0：＝F＝＝58.46在水平下，所以F值落在F检验的右侧拒绝域〔3.41，＋∞〕中，拒绝原假设，即该模型为结构不稳定模型。在以下分析中，将选取第一段数据所得模型：y＝－663160.71＋42.79X2＋4733.12X3＋六、模型多重共线性诊断及补救相关计算数据参照于附表7和附表8。1.进行多重共线性的诊断（1）＝0.993t（b2）＝10.237t（b3）＝9.538由此可看出，该模型的拟合优度较大，各参数的t检验值都比较显著，所以，不能据此看出其存在多重共线性。（2）X2与X3之间的关联度r＝＝＝0.79由此可看出，该模型的俩个解释变量属于中度相关。（3）辅助回归针对模型：y＝－663160.71＋42.79X2＋4733.12X3＋建立以X2为因变量，X3为自变量的辅助回归模型：X2＝b1＋b2X3＋b2＝＝93.74b1＝＝19089.77＝＝0.623df＝8模型为：X2＝19089.77＋93.74X3＋H0：＝0F＝＝13.22F～(2，8)在水平下，F值落在F检验的右侧拒绝域〔4.46，＋∞〕中，拒绝原假设，说明存在多重共线性。2.进行多重共线性的补救用变量转换法进行多重共线性的补救将模型中各对应变量的数值均除以X3（外商对工业投资额），所得结果如表17所示。表17多重共线性变量转换后数据y*X2*X3*27602.343465.500.194922793.022495.010.124726912.752244.840.109921933.521464.250.069715252.64774.100.034812900.08557.760.02509191.252328.620.01438934.651272.120.011311133.47366.860.013314147.61427.480.0138(1)取其中的y*和X2*进行二元线性回归分析建立回归模型：y*＝b1＋b2X2*＋，运行统计分析软件SPSS，将上表中相应数据输入界面，进行线性回归分析所得结果如表18、表19和表20所示。表18ModelSummaryModelRRSquareAdjustedRSquareStd.ErroroftheEstimate1.938(a).881.8662611.7451064aPredictors:(Constant),X2*表19ANOVA(b)ModelSumofSquaresdfMeanSquareFSig.1Regression402378326.6331402378326.63358.989.000(a)Residual54569700.00686821212.501Total456948026.6409aPredictors:(Constant),X2*bDependentVariable:y*表20Coefficients(a)ModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant)9734.6831263.6427.704.000X2*5.925.771.9387.680.000aDependentVariable:y*据此，可得该线性回归模型各项数据为：b2＝＝5.93b1＝＝9734.68＝＝6821212.50Var（b1）＝＝1596786.05Var（b2）＝＝0.59Se（b1）＝＝1263.64Se（b2）＝＝0.77t（b1）＝＝7.704t（b2）＝＝7.680＝＝0.881df＝8模型为：y*＝9734.68＋5.92X2*＋令＝0.1，我们提出如下假设：H0：Bi＝0，Y＝B1+B2X2*+μiy*＝9734.68＋5.92X2*＋t(bi)~(8)在水平下，t检验的拒绝域为：〔－∞，－1.860〕和〔1.860，＋∞〕所以t（b1）、t（b2）均落在拒绝域中，拒绝原假设，即常数项和X2对于模型均有意义。(2)取其中的y*和X2*、X3*进行三元变量回归分析建立回归模型y*＝b1＋b2X2*＋b3X3*＋，运行统计分析软件SPSS，将上表中相应数据输入界面，进行线性回归分析所得结果如表21、表22和表23所示。表21ModelSummaryModelRRSquareAdjustedRSquareStd.ErroroftheEstimate1.970(a).941.9241970.749992aPredictors:(Constant),X2*,X3*表22ANOVA(b)ModelSumofSquaresdfMeanSquareFSig.1Regression429761037.9142214880518.95755.327.000(a)Residual27186988.72573883855.532Total456948026.6409aPredictors:(Constant),X2*,X3*bDependentVariable:y*表23Coefficients(a)ModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant)7163.1931359.0735.271.001X2*24.5337.0323.8853.489.010X3*-335049.796126183.528-2.957-2.655.033aDependentVariable:y*据此，可得该线性回归模型各项数据为：b2＝＝24.53b3＝＝-335049.80b1＝=7163.19＝=3883855.53Var（b1）＝ ＝1847071.27Var（b2）＝＝49.42Var（b3）＝＝253519103678626844445.27Se（b1）＝＝1359.07Se（b2）＝＝7.03Se（b3）＝＝126183.53t（b1）＝＝5.271t（b2）＝＝3.489t（b3）＝＝－2.655＝＝0.941df＝7F＝＝55.327模型为：y*＝7163.19＋24.53X2*-335049.80X3*＋令＝0.1，我们提出如下假设：H0：Bi＝0，Y＝B1+B2X2*+B3X3*+μiy＝b1＋b2X2*＋b3X3*＋t(bi)~(7)在水平下，t检验的拒绝域为：〔－∞，－1.895〕和〔1.895，＋∞〕所以t（b1）、t（b2）、t（b3）均落在拒绝域中，拒绝原假设，即X2*、X3*对于模型均有意义。联合假设检验：H0：＝0F～(2，7)在水平下，模型中的F值落在F检验的右侧拒绝域〔4.74，＋∞〕中，拒绝原假设，即0（3）对于模型何时增加影响因素的分析对于二元变量模型：y*＝9734.68＋5.92X2*＋＝0.881＝1-(1-)＝0.866对于三元变量模型：y*＝7163.19＋24.53X2*-335049.80X3*＋＝0.941＝1-(1-)＝0.924据此，我们可以看出，该模型在增加了解释变量X3*后，校正判定系数增大了，所以，增加的变量是有用变量，应在模型中予以保留。（4）模型设定误差对于模型一：y*＝9734.68＋5.92X2*＋Se（b1）＝1263.64Se（b2）＝0.771t（b1）＝7.704t（b2）＝7.680＝0.881df＝8对于模型二：y*＝7163.19＋24.53X2*-335049.80X3*＋Se（b1）＝1359.07Se（b2）＝7.03Se（b3）＝126183.53t（b1）＝5.271t（b2）＝3.489t（b3）＝-2.655＝0.941df＝7F＝通过比较可以发现，模型一中的参数的标准差比模型二中对应参数的标准差要小；模型一中各参数的t检验值要比模型二中对应参数的t检验值大，也就是说，在同一水平下，模型一中的参数与模型二中的参数相比，假设检验更为显著。但同时，我们应该看到，模型一的拟合优度比模型二要低，即模型二中的自变量与模型一中的自变量相比，能够更好的解释因变量，其反映的真实水平的比例相对于模型一更高。以下分析将采用模型二，即三元模型。（5）多重共线性诊断①＝0.941t（b2）＝3.489t（b3）＝-2.655 由此可看出，该模型的拟合优度较大，各参数的t检验值都比较显著，所以，不能据此判断其是否存在多重共线性。②X2*与X3*之间的关联度r＝＝＝0.997由此可看出，该模型的俩个解释变量属于高度相关。③辅助回归针对模型：y*＝7163.19＋24.53X2*-335049.80X3*＋建立以X2*为因变量，X3*为自变量的辅助回归模型：X2＝b1＋b2X3*＋该线性回归模型各项数据为：b2＝＝17883.05b1＝＝145.75＝＝0.941df＝8模型为：X2*＝145.75＋17883.05X3*＋H0：＝0F＝＝1134.86F～(2，8)在水平下，所以F值落在F检验的右侧拒绝域〔4.46，＋∞〕中，拒绝原假设，说明存在多重共线性。由于补救前模型的拟合优度为0.993，大于补救后模型的拟合优度0.941，所以接下来的分析将采用补救前的模型。七、模型自相关诊断及补救1．自相关的诊断相关数据参照于附表5。(1)图形法根据模型：y＝－663160.71＋42.79X2＋4733.12X3＋作对的散点图，所得结果如图1所示。作对t的散点图，所得结果如图2所示。图1对的散点图图2对t的散点图从图形中可以看出，不是随机的，即存在自相关。(2)游程法H0：是随机的N＝N1＋N2N1＝6N2＝4查表后发现用游程检验法无法判断该模型的自相关性。(3)杜宾－瓦尔逊检验d＝＝2.276在水平下，查D-W表得DL=0.525、DU=2.016，则4－DU＝1.984、4－DL＝3.475，所以d值落在〔4－DU，4－DL〕的区域中，即无法判断是否存在自相关。综上所述，该模型是存在自相关的，其导致的后果如下：①最小二乘估计量不是有效的。②常用的t检验和F检验一般是不可靠的。③通常计算的不是真实的2．自相关的补救（相关数据参照与附表5、9）为了降低自相关所造成的后果，需要对模型采取以下方法进行补救：令＝1－d/2＝－0.138yi＝b1＋b2X2i＋b3X3i＋yi－1＝b1＋b2X2i-1＋b3X3i-1＋yi－yi－1＝b1（1－）＋b2（X2i－X2i-1）＋b3（X3i－X3i-1）＋即yi－yi－1＝1.138b1＋b2（X2i＋0.138X2i-1）＋b3（X3i＋0.138X3i-1）＋，将附表5中各变量进行相关运算可所得结果如表24所示。表24自相关补救后相关数据yi－yi－1X2i＋0.138X2i-1X3i＋0.138X3i-1412006210669840123920772081271461477864743318732122463.36423189.3823831.06425162.65625377.29426068.0927257.6230944.7334799.6988.7279410.2067615.605830.740343.9588875.4786298.1644887.5043882.88002令yi－yi－1＝y*、X2i＋0.138X2i-1＝X2*、X3i＋0.138X3i-1＝X3*建立回归模型y*＝b1＋b2X2*＋b3X3*＋，运行统计分析软件SPSS，将上表中相应数据输入界面，进行线性回归分析所得结果如表25、表26和表27所示。表25ModelSummaryModelRRSquareAdjustedRSquareStd.ErroroftheEstimate1.629(a).396.19445188.80361aPredictors:(Constant),X2*,X3*表26ANOVA(b)ModelSumofSquaresdfMeanSquareFSig.1Regression8022561467.34924011280733.6751.964.221(a)Residual12252167830.20662042027971.701Total20274729297.5568aPredictors:(Constant),X2*,X3*bDependentVariable:y*表27Coefficients(a)ModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant)-39930.330143901.362-.277.791X2*4.3386.356.343.683.520X3*454.600704.026.325.646.542aDependentVariable:y*据此，可得该线性回归模型各项数据为：b2＝＝4.34b3＝＝454.60b1＝＝－39930.33模型为：y*＝－39930.33＋4.34X2*＋454.60X3*＋将补救后的模型运用杜宾－瓦尔逊法进行自相关检验，整理相关数据后所得结果如表28所示。表28杜宾－瓦尔逊检验相关数据y*412006210669840123920772081271461477864743318732161528.3912865351.572370590.8844483250.1374290190.83281107517.7613122993.3134134149.2893148777.6164-20328-3246-75140670-129831962824793-8671638543-20328-3246-75140670-129831962824793-86716413243492.210533739.53563827.44221654037722168553947.7385267756.3614677308.4751971483814855924182917947246225025171569924128786444091063477321266772251243425708115689817081d＝＝2.78在水平下，查D-W表得DL=0.455、DU=2.128，则4－DU＝1.872、4－DL＝3.545，所以d值落在〔DU，4－DL〕的区域中，即无法判断是否存在自相关。为了进一步确定所选用的模型，将采用相关系数分析法(相关计算数据参照于附表5)：对于补救前的模型＝＝0.99对于补救后的模型＝＝－0.27由此看出补救后模型的自相关程度降低了，所以接下来的分析将采用该模型。八、模型异方差诊断及补救1.异方差的诊断（相关计算数据参照于附表10）(1)图形法针对模型y*＝－39930.33＋4.34X2*＋454.60X3*＋,作对的散点图，所得结果如图3所示。图3对的散点图由图形可以看出，散点在一个集中的区域，且不存在一定的规律性，即原模型不存在在异方差。(2)帕克检验建立模型即运行统计分析软件SPSS，将附表9中相应变量数据输入界面，进行线性回归分析所得结果如表29、表30和表31所示。表29ModelSummaryModelRRSquareAdjustedRSquareStd.ErroroftheEstimate1.641(a).411.3272.3716351aPredictors:(Constant),X*表30ANOVA(b)ModelSumofSquaresdfMeanSquareFSig.1Regression27.474127.4744.885.063(a)Residual39.37375.625Total66.8468aPredictors:(Constant),X*bDependentVariable:y*表31Coefficients(a)ModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant)-46.30729.675-1.560.163X*5.7262.591.6412.210.063aDependentVariable:y*据此，可得该线性回归模型各项数据为：b2＝＝5.73 b1＝＝－46.31＝＝5.62Var（b1）＝＝880.90Var（b1）＝＝6.75Se（b1）＝＝29.68Se（b2）＝＝2.59t（b1）＝＝－1.560t（b2）＝＝2.210＝＝0.411df＝7模型为：y*＝－46.31＋5.73X*＋令＝0.1，H0：B2＝0，Y＝B1+B2X*+μiy*＝－46.307＋5.726X*＋t(bi)~(7)在水平下，t检验的拒绝域为：〔－∞，－1.895〕和〔1.895，＋∞〕所以t（b2）均落非拒绝域中，不拒绝原假设，B2＝0。由此判断，不存在异方差。综上所述，该模型不存在异方差，所以不需要对其进行补救。九、预测模型选择由于不存在异方差，将选取自相关补救前后的两个模型进行比较选择。模型一y＝－663160.71＋42.79X2＋4733.12X3＋SIC=＝563197.25模型二y*＝－39930.33＋4.34X2*＋454.60X3*＋ SIC=＝184239170.71通过比较我们发现：模型一的SIC值小于模型二的SIC值；模型一的拟合优度大于模型二的拟合优度。所以，将选取模型一作为本报告中研究对象的预测模型。其经济含义如下：平均而言，在其他条件不变的情况下，外商对工业投资额每变动一个单位，将引起进出口额变动42.79个单位；在其他条件不变的情况下，住宅投资额每变动一个单位，将引起进出口额变动4733.12个单位。并且，该模型反映了99.3%的真实情况。尽管该模型存在多重共线性和自相关性等缺陷，但其优点如下：节省性，即该模型简洁明了，能够较清晰地反映出现象之间的影响关系。拟合优度大，即该模型反映了较大程度的真实情况。预测能力，即该模型能够较好的对所研究经济现象进行预测分析。综上所述，对于分析进出口额受外商对工业投资额及住宅投资额的影响关系，采用模型y＝－663160.71＋42.79X2＋4733.12X3＋可以起到相对较好的预测分析功能，供相关部门进行经济决策，以促进我国进出口贸易的进一步发展。

货币资金审定表被审计单位：项目：货币资金审定表编制：日期：索引号：ZA财务报表截止日/期间：复核：日期：项目名称期末未审数账项调整重分类调整期末审定数上期末审定数索引号借方贷方借方贷方库存现金银行存款其他货币资金小计合计审计结论

库存现金监盘表被审计单位：项目：编制：日期：索引号：ZA1-1财务报表截止日/期间：复核：日期：检查盘点记录实有库存现金盘点记录项目项次人民币美元某外币面额人民币美元某外币上一日账面库存余额①1000元张金额张金额张金额盘点日未记账传票收入金额②500元盘点日未记账传票支出金额③盘点日账面应有金额④=①+②-③=2-3100元盘点实有库存现金数额⑤50元盘点日应有与实有差异⑥=④-⑤10元差异原因分析白条抵库（张）5元2元1元0.5元0.2元0.1元合计追溯调整报表日至审计日库存现金付出总额报表日至审计日库存现金收入总额报表日库存现金应有余额报表日账面汇率报表日余额折合本位币金额本位币合计出纳员：会计主管人员：监盘人：检查日期：审计说明：银行存款（其他货币资金）明细表被审计单位：项目：银行存款明细表编制：日期：索引号：ZA2-1财务报表截止日/期间：复核：日期：开户行账号是否系质押、冻结等对变现有限制或存在境外的款项银行日记账原币余额银行已收,企业未入账金额银行已付,企业未入账金额调整后银行日记账余额银行对账单余额（原币）企业已收，银行未入账金额企业已付，银行未入账金额调整后银行对账单余额调整后是否相符①②③④=①+②-③⑤⑥⑦⑧=⑤+⑥－⑦----------合计编制说明:1.若账面余额(原币数)与银行对账单金额不一致，应另行检查银行存款余额调节表(见ZA2-3)；2.银行存款、其他货币资金审计时均可使用该表，当其他货币资金使用时应修改索引号。审计说明：银行存单检查表被审计单位：项目：银行存单检查表编制：日期：索引号：ZA2-2财务报表截止日/期间：复核：日期：开户银行账号币种户名存入日期到期日期末存单余额期末账面余额备注注：备注栏可填写是是否被质押、用于担保或存在其他使用限制等情况说明。审计说明:对银行存款余额调节表的检查被审计单位：项目：对***账户银行存款余额调节表的检查编制：日期：索引号：ZA2-3财务报表截止日/期间：复核：日期：开户银行：银行账号：币种：项目金额调节项目说明是否需要审计调整银行对账单余额加:企业已收，银行尚未入账合计金额。其中:1.2.减:企业已付，银行尚未入账合计金额。其中:1.2.调整后银行对账单余