国债发行规模影响因素的实证分析
国债是以国家或政府为债务人,以国家财政承担还本付息为前提条件,通过借款或发行有价证券等方式向社会筹集资金的国家信用行为。自1981年恢复发行国债至今,我国累计发行国债近32927亿元。随着国债规模的日益扩大,国债政策正逐步成为中央政府进行宏观调控的重要手段,成为国家财政政策和货币政策的重要传导工具,也日益成为维持我国国民经济持续快速增长的重要因素。据统计,1998年的千亿元国债投资拉动ＧＤＰ增长1.5个百分点,1999、2000年国债投资拉动经济增长分别为2个百分点和1.7个百分点,2002年我国建设国债有效地带动了各方面的投入,项目总投资规模达到3.28亿元,为我国经济社会的长远发展打下了坚实的基础。但由于国债余额增长速度过快，偿债能力和国债依存度指标都已处于高位，所以我们认为：应当适度控制国债发行规模。
一、理论基础
要控制国债发行规模，就要研究影响国债发行规模的因素。影响国债规模的因素是多方面、多层次的,我们暂且不去考虑微观上国债的管理水平与结构、筹资成本、期限安排、偿还方式等等因素,因为这些因素的影响是个别的,并且难以计量,我们只考虑宏观上的经济指标。
首先很直观地我们可以引入国内生产总值,在国内生产总值一定的条件下，国债累计余额超大，国债的负担率就越高，增发国债就应越要引起警惕。而且政府的偿债能力也主要体现在国内生产总值上，它衡量了一国国民经济总体的运行状况，国内生产总值越高，政府的偿债能力就越强，国债的可发行规模就越大。
其次是中央财政收入、中央财政支出、财政赤字，而财政赤字是由中央财政支出减去中央财政收入计算所得。
从财政收入角度看，一般认为低的财政收人需要国债的发行来弥补，但高的财政收人并不意味着不需要或减少国债的发行，这要根据国债发行的目的来定。如果发行国债仅仅为了弥补财政赤字，高的财政赤字将减少国债的发行;如果发行国债的目的是为了对经济运行进行宏观调控，聚集社会闲散资金，调整分配，进行国家大规模项目的建设，那么高的财政收入还可能要增发国债。所以，我们在定量分析的时一半以上依赖于债务收入,这对财政产生了许多负面影响,最直接的就是偿债的沉重压力和逐渐积累的高风险。这一看似矛盾的现象,只能说明中国经济转型时期国民收入分配格局的扭曲,即国民收入分配过分向个人倾斜,财政集中的国民收入份额太少,财政收入的基础十分脆弱,从而造成在财政依存度不断扩大的同时,国民经济的债务应债能力却只为世界平均水平的1 /4。原因是受财政收入规模限制,财政支出的增加只能通过赤字财政来实现,而财政赤字的弥补,又造成了国债规模的扩张,进而又导致国债依存度的加大。
从财政支出的角度看，我国的财政支出平均增长率一直高于同期财政收入和GDP的平均增长率，由此形成了支出膨胀－赤字加大－国债发行规模增大这样一种连锁反应。由此会导致财政赤字和债务规模同步扩大的局面，使财政风险进一步加大。同时我们要看到，实施积极财政政策后，由于连续5年发行特种国债，我国财政的国债依存度呈现较高水平，财政赤字率基本上是逐年提高，2002年已达到了国际上认定的欧盟的警戒标准赤字率，即3％。尽管有分析认为我国连年的赤字并未导致通货膨胀的发生，但当债务规模累积到一定程度后，远期的通货膨胀的风险还是存在的。这应引起我们足够的重视。
国债累计余额计算公式如下:
ｔ年国债累积余额=(ｔ-1)年国债累积余额+ｔ年国债发行规模-ｔ年国债还本付息额
因此,财政赤字、中央财政支出、中央财政收入与国债累积余额、国债规模、国债还本付息额分别都是线性相关的。
事实上，与发行规模最直接相关的是国债余额。债务余额是发行者在一个会计年度终了时的总负债额，它反映发行者在一定时点上当年和历年从社会融人并正在使用的尚未偿还的债务规模。存量规模的形成与每个年度的发行规模和债务流动量紧密相关。存量具有刚性，增量具有弹性，因而年度发行规模受制于债务余额。
历年国债的还本付息额与国债的发行规模呈同方向变动关系。由于我国的财政状况仍未出现根本好转,所以,日益增长的债务规模加大了财政的偿还负担,特别是1994年以后,国家规定只能以举借国债的方式来弥补财政赤字,使发新债还旧债成为推动国债规模不断扩张的因素之一。
另外,考虑到国债的认购能力关系到国债能否顺利发行以及发行的多少,而认购能力最终体现在社会资金的余缺状况上,我们再引入居民储蓄。居民储蓄存款迅速增长是推动国债规模不断扩大的基础。 我国的居民储蓄现在已突破6亿大关，为国债的发行创造了潜在的资金条件:一方面，银行利率低于同期国债利率。银行储蓄利率1年期只有2.25%，而国债3年期利率是2.89%，5年期利率是3.14%，而且国家比其他公司债券有更高的信用。与其存人银行，还不如购买国债。另一方面，国家有必要集中这6亿元社会闲置资金，把它用于经济建设的各个领域，所以近几年来我国居民储蓄额的膨胀带动了我国国债规模的膨胀。
以上各因素相关关系如下图：
二、对影响国债发行规模多种因素的计量分析
本文利用EVIEWS软件建立计量经济模型，通过实证性分析，从定量的角度研究影响国债发行规模的相关因素对国债的发行量的影响程度及影响力度。
通过对影响国债发行规模的理论分析，我们以国债发行规模为被解释变量，引入相关经济因素：国内生产总值、中央财政收入、中央财政支出、国债还本付息、国债累积余额、居民储蓄六个经济变量，利用最小二乘法等方法量化分析。
（一）我们利用1979——2002年国债发行规模及相关因素的具体数据，进行回归分析（详见表1）。利用输出结果得回归分析报告：
=-282.345-0.002362X1+0.489276x2-0.029655X3+0.482861X4+0.001923X5+0.021862X6
se= (98.40209) (0.00559) (0.109435) (0.045934) (0.170289) (0.035619) (0.019148)
t=(-2.869299) (-0.422579) (4.470925) (-0.645606) (2.835537) (0.053977) (1.141762) （1）
=0.999138 =0.998833 F=3283.284 df=17
其中，Y为国债发行规模，X1为国内生产总值，X2为中央财政支出，X3为中央财政收入，X4为国债还本付息，X5为国债累积余额，X6为居民储蓄。
由回归分析报告可看出，X2 X4 X6 的T统计量显著，而X1 X3 X5的T统计量很小，说明国内生产总值、中央财政收入、国债累积余额三个因素对国债发行规模的线性关系不显著；模型的F统计量、可决系数和修正可决系数 都很大，说明方程的总体拟合程度较好。经过经济意义检验并根据变量显著性和方程显著性的综合判断法可知，模型可能存在多重共线性。
因此，利用简单相关系数矩阵法作出判断，输出结果如下：
y X1 X2 X3 X4 X5 X6
Y 1.000000 0.967261 0.984874 0.990714 0.955689 0.980685 0.995823
X1 0.967261 1.000000 0.927259 0.954635 0.962829 0.919797 0.984882
X2 0.984874 0.927259 1.000000 0.987951 0.892564 0.994483 0.970847
X3 0.990714 0.954635 0.987951 1.000000 0.928559 0.988800 0.985686
X4 0.955689 0.962829 0.892564 0.928559 1.000000 0.891238 0.968458
X5 0.980685 0.919797 0.994483 0.988800 0.891238 1.000000 0.966957
X6 0.995823 0.984882 0.970847 0.985686 0.968458 0.966957 1.000000
可见模型存在高度线性相关。由于经济、社会资料大都为时间序列，这些序列都有随着时间增长的趋势，所以，它们之间的相关性很高，利用逐步回归法对模型进行修正。
（二）利用逐步回归法修正多重共线性
利用OLS方法逐一对国债发行规模的各个解释变量进行回归。（详见表2-7）
结合经济意义和统计检验，从六个一元回归模型中可以看出，国债发行规模y对居民储蓄x6的拟合程度最好，即：
=-59.82023+0.062644X6 （2）
se=(42.62089) (0.001225)
t=(-1.403542) (51.15724)
=0.991664 =0.991285 F=2617.063 df=22
在此基础上，再逐一引入其他解释变量，重新做回归。
1、由于在（1）式中，中央财政支出X2的T值较大，说明中央财政支出对国债发行规模存在显著影响，故首先引入中央财政支出X2。（见表8）
回归分析报告如下：
=-201.6914+0.043424X6+0.297943X2 （3）
se=(33.28533) (0.002946) (0.044332)
t=(-6.329858) (14.74117) (6.720737)
=0.997354 =0.997102 F=23958.189 df=21
可见，模型的T统计量、F统计量均显著, 可决系数和修正可决系数接近于1，因此，引入X2回归方程拟合程度依然好，保留X2。
2、在模型（3）中引入新的解释变量中央财政收入X3（见表9）
=-218.2981+0.044941X6+0.324614X2-0.030915X3
se=(37.23450) (0.004293) (0.070384) (0.062584)
t=(-5.862791) (10.46727) (4.612062) (-0.493984)
=0.997386 =0.996994 F=2543.88 df=20
由于X3的T统计量绝对值很小，同时结合经济意义，财政支出和财政收入之间存在高度相关。因此，剔除中央财政收入X3。
3、在模型（3）中引入国内生产总值X1（见表10）
=-8.902465+0.069858X6+0.1620763X2-0.014158X1
se=(53.46137) (0.006584) (0.045845) (0.003326)
t=(-0.166521) (10.60962) (3.5353) (-4.256252)
=0.9978612 =0.998404 F=4795.533 df=21
从经济理论上来看，国内生产总值是影响国债发行规模的因素，具体而言，国内生产总值越大，国债发行规模可以越大。而模型中X1的系数为负，经济意义检验不符合故舍去。
4、在模型（3）中引入国债还本付息X4（见表11）
=-325.1255+0.012376X6+0.516456X2＋0.546766X4 （4）
se=(27.07339) (0.005285 (0.043953) (0.087762)
t=(-12.00904) (2.341608) (11.75009) (6.230105)
=0.9991 =0.998965 F=7403.342 df=21
从上面的回归方程看出，引入X4后，X4对X的影响显著，同时F统计量显著以及可决系数和修正可决系数更好。因此，保留X4。
5、在模型（3）中引入国债累积余额x5（见表12）
=-197.7317+0.04339X6+0.278488X2＋0.008209X5
se=(75.25897) (0.003021) (0.110485) (0.042503)
t=(-2.627351) (14.36356) (2.520598) (0.193132)
=0.997359 =0.996963 F=2517.835 df=21
由于X5的T统计量很小，X5对Y的影响不显著，所以剔除变量国债累积余额X5。
6、在（4）式基础上引入其他解释变量回归，它们都对Y的影响不显著。所以，选择模型
=-325.1255+0.012376X6+0.516456X2＋0.546766X4
做进一步分析。
（三）对所采用的模型进行异方差检验
由于存在样本数据的观测误差等诸多因素，对上述回归方程（4）进行异方差检验。
首先，利用图示法进行检验。
在回归方程输出框中点击resid保存残差，如图所示：
从图中看出，残差没有分布在－50到50的水平带内，说明异方差存在。
其次，用样本分段法对其进行检验：
将观测值按x2进行排序，将排列在中间的6个样本删除，首尾两段各留9个样，即分为1979－1987和1994－2002两段。
对1979－1987年9个样本进行回归，输出结果如下：
Dependent Variable: Y
Method: Least Squares
Date: 12/03/04 Time: 15:28
Sample: 1979 1987
Included observations: 9
Variable Coefficient Std. Error t-Statistic Prob.
C 230.0922 122.1162 1.884208 0.1182
X2 -0.322055 0.180034 -1.788861 0.1337
X4 0.131412 0.428724 0.306519 0.7716
X6 0.074515 0.016023 4.650591 0.0056
R-squared 0.957887 Mean dependent var 109.2333
Adjusted R-squared 0.932619 S.D. dependent var 73.86101
S.E. of regression 19.17274 Akaike info criterion 9.045958
Sum squared resid 1837.970 Schwarz criterion 9.133614
Log likelihood -36.70681 F-statistic 37.90924
Durbin-Watson stat 2.521493 Prob(F-statistic) 0.000730
＝1837.97
对1994－2002年9个样本进行回归，输出结果如下：
Dependent Variable: Y
Method: Least Squares
Date: 12/03/04 Time: 15:29
Sample: 1994 2002
Included observations: 9
Variable Coefficient Std. Error t-Statistic Prob.
C -250.8659 97.81474 -2.564705 0.0504
X2 0.684648 0.153526 4.459498 0.0066
X4 0.787810 0.233633 3.371993 0.0198
X6 -0.008664 0.019221 -0.450740 0.6711
R-squared 0.998270 Mean dependent var 3180.318
Adjusted R-squared 0.997232 S.D. dependent var 1504.293
S.E. of regression 79.14048 Akaike info criterion 11.88143
Sum squared resid 31316.08 Schwarz criterion 11.96908
Log likelihood -49.46643 F-statistic 961.7994
Durbin-Watson stat 2.284039 Prob(F-statistic) 0.000000
＝31316.08
：为同方差性 ：为异方差性
所以，拒绝，回归方程存在异方差性。
最后，利用加权最小二乘法对异方差进行修正。
用残差平方的倒数即（e=resid）作为权数，用OLS进行回归，结果如下：
Dependent Variable: Y
Method: Least Squares
Date: 12/03/04 Time: 15:44
Sample: 1979 2002
Included observations: 24
Weighting series: W
Variable Coefficient Std. Error t-Statistic Prob.
C -332.3498 1.922448 -172.8784 0.0000
X2 0.530809 0.002744 193.4762 0.0000
X4 0.613917 0.012025 51.05439 0.0000
X6 0.009473 0.000466 20.34498 0.0000
Weighted Statistics
R-squared 0.999994 Mean dependent var 879.9892
Adjusted R-squared 0.999993 S.D. dependent var 1851.290
S.E. of regression 4.751009 Akaike info criterion 6.105603
Sum squared resid 451.4417 Schwarz criterion 6.301945
Log likelihood -69.26723 F-statistic 1191733.
Durbin-Watson stat 1.473020 Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.999058 Mean dependent var 1342.168
Adjusted R-squared 0.998917 S.D. dependent var 1712.929
S.E. of regression 56.36929 Sum squared resid 63549.93
Durbin-Watson stat 1.975504
=-332.3498+0.530809X2+0.613917X4＋0.009473X6
se=(1.922448) (0.002744) (0.012025) (0.000466)
t=(-172.8784) (193.4762) (51.05439) (20.34498)
=0.999994 =0.999993 F=1191733 df=21
由此可见，修正后的模型减少了异方差性对模型的影响，提高了估计参数的精度。
（四）自相关检验
由于异方差性是一种随机误差现象，而自相关性也是随机误差现象，考虑到自相关较多地出现在时间序列数据中，为提高模型的拟合精度，对模型（4）进行自相关检验。
首先，利用自相关图示法进行检验
因为残差是随机误差的估计，所以在对模型参数估计后，相应地计算出E，有E序列的图形来直观地判断的自相关性。
由图形可见，图点呈散状分布，因此可判断，该模型不存在自相关性。
再利用D-W检验做进一步检验
：=0,即 不存在一阶自相关 ：0，即 存在一阶自相关
=0.05 =3 =1.01 =1.656 d=2.031058
<d<4-
所以，接受 ，（4）式不存在一阶自相关。
综上所述，对模型进行多方面的回归分析和检验、修正，最终所采用的模型为=-332.3498+0.530809X2+0.613917X4＋0.009473X6，即影响国债发行规模的最主要因素是中央财政支出、国债还本付息、居民储蓄。
三、结论
通过实证性分析的结果表明：我国目前的国债发行规模主要取决于中央财政支出、国债还本付息额、居民储蓄。因此，要控制国债发行，首先就应当适当减少中央财政支出，控制国债还本付息额，并考虑居民储蓄等因素的影响。
以上是从微观角度对国债发行规模进行分析的。从宏观层面来看，举借国债所带来国债规模管理是宏观经济管理的重要组成部分。当国债用以弥补财政赤字、调整国库出纳、调节货币流通、影响外汇收支、促进供求平衡时,它所发挥的作用对宏观经济的全面平衡有着不可低估的意义。所以，一定时期内一国债务的总规模不可能离开它所以被承担的来源和条件而独立存在。国债发行规模与偿债能力相适应,归根到底,是经济和国债相协调的问题。国债发行规模取决于一定时期国家的经济发展水平,经济发展水平越高,国债承受能力越强。
同时,国债作为财政政策与金融政策的结合,是调节货币供应量,避免经济大的起伏的一个重要手段。确定国债发行规模时还必须与信贷规模相结合,避免出现互相挤占资金,抬高筹资成本的现象。在一定时期内,全社会资金总量是一定的,用于购买国债的资金多了,信贷资金来源就少了,反之亦然。如果国债资金来源和信贷资金来源不进行综合平衡,国债规模大了,信贷资金来源就缺乏保障,就会造成社会资金闲置和浪费,影响宏观经济调控能力,影响生产发展,影响建设速度。
附：
表1
年份 国债发行规模 国内生产
总值 中央财政支出 中央财政收入 国债还本付息 国债累积余额 居民储蓄
1979 73.08000 4862.400 625.6500 311.0700 62.89000 59.93000 523.7000
1980 83.86000 5294.700 651.8100 346.8400 55.52000 88.27000 675.4000
1981 35.31000 4038.200 655.0800 231.3400 0.000000 35.31000 281.0000
1982 43.01000 4517.800 666.8100 284.4500 28.58000 49.74000 399.5000
1983 79.41000 5934.500 759.6000 490.0100 42.47000 125.2100 895.8000
1984 89.85000 8964.400 795.2500 769.6300 39.56000 223.9300 1622.600
1985 138.2500 10202.20 836.3600 778.4200 50.17000 312.0200 2237.600
1986 270.7800 14928.30 845.0400 774.7600 76.76000 595.7700 3801.500
1987 169.5500 11962.50 845.6300 736.2900 79.83000 401.7400 3073.300
1988 282.9700 16909.20 888.7700 822.5200 72.37000 806.3700 5146.900
1989 77.34000 7171.000 893.3300 665.4700 28.90000 173.6400 1211.900
1990 375.4500 18547.90 1004.470 992.4200 190.0700 991.7500 7034.200
1991 461.4000 21617.80 1090.810 938.2500 246.8000 1206.030 9241.600
1992 669.6800 26638.10 1170.440 979.5100 438.5700 1437.140 11759.40
1993 739.2200 34634.40 1312.060 957.5100 336.2200 1840.140 15203.50
1994 1175.250 46759.40 1754.430 2906.500 499.3600 2516.030 21518.80
1995 1549.760 58478.10 1995.390 3256.620 882.9600 3187.430 29662.25
1996 1967.280 67884.60 2151.270 3661.070 1355.030 3842.800 38520.84
1997 2476.820 74462.60 2523.500 4226.920 1918.370 4401.250 46279.80
1998 3310.930 78345.20 3125.600 4892.000 2352.920 5943.650 53407.50
1999 3702.130 82067.50 4152.330 5849.210 1910.530 7735.250 59621.80
2000 4176.690 89468.10 5519.850 6989.170 1579.820 10332.12 64332.40
2001 4604.000 97314.80 5768.020 8582.740 2007.730 12928.39 73762.40
2002 5660.000 104790.6 6771.700 10388.64 2563.130 16025.26 86910.60
资料来源：《中国统计年鉴（1999-2003）》
《中国财政年鉴2003》
表2
Dependent Variable: Y
Method: Least Squares
Date: 12/03/04 Time: 14:32
Sample: 1979 2002
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C -450.0534 135.2145 -3.328440 0.0030
X1 0.048017 0.002686 17.87673 0.0000
R-squared 0.935593 Mean dependent var 1342.168
Adjusted R-squared 0.932665 S.D. dependent var 1712.929
S.E. of regression 444.4867 Akaike info criterion 15.11137
Sum squared resid 4346506. Schwarz criterion 15.20954
Log likelihood -179.3365 F-statistic 319.5773
Durbin-Watson stat 0.273573 Prob(F-statistic) 0.000000
表3
Dependent Variable: Y
Method: Least Squares
Date: 12/03/04 Time: 14:33
Sample: 1979 2002
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C -476.1262 92.13469 -5.167719 0.0000
X2 0.932395 0.034973 26.66040 0.0000
R-squared 0.969977 Mean dependent var 1342.168
Adjusted R-squared 0.968613 S.D. dependent var 1712.929
S.E. of regression 303.4712 Akaike info criterion 14.34811
Sum squared resid 2026085. Schwarz criterion 14.44628
Log likelihood -170.1773 F-statistic 710.7768
Durbin-Watson stat 0.636049 Prob(F-statistic) 0.000000
表4
Dependent Variable: Y
Method: Least Squares
Date: 12/03/04 Time: 14:33
Sample: 1979 2002
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C -144.5876 65.22903 -2.216614 0.0373
X3 0.586574 0.017162 34.17842 0.0000
R-squared 0.981515 Mean dependent var 1342.168
Adjusted R-squared 0.980675 S.D. dependent var 1712.929
S.E. of regression 238.1222 Akaike info criterion 13.86310
Sum squared resid 1247448. Schwarz criterion 13.96127
Log likelihood -164.3572 F-statistic 1168.164
Durbin-Watson stat 0.963726 Prob(F-statistic) 0.000000
表5
Dependent Variable: Y
Method: Least Squares
Date: 12/03/04 Time: 14:33
Sample: 1979 2002
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C 26.12590 136.1828 0.191844 0.8496
X4 1.877985 0.123331 15.22721 0.0000
R-squared 0.913341 Mean dependent var 1342.168
Adjusted R-squared 0.909402 S.D. dependent var 1712.929
S.E. of regression 515.5841 Akaike info criterion 15.40813
Sum squared resid 5848193. Schwarz criterion 15.50630
Log likelihood -182.8976 F-statistic 231.8678
Durbin-Watson stat 0.618937 Prob(F-statistic) 0.000000
表6
Dependent Variable: Y
Method: Least Squares
Date: 12/03/04 Time: 14:34
Sample: 1979 2002
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C 150.9531 86.34529 1.748249 0.0944
X5 0.379876 0.016153 23.51707 0.0000
R-squared 0.961743 Mean dependent var 1342.168
Adjusted R-squared 0.960004 S.D. dependent var 1712.929
S.E. of regression 342.5702 Akaike info criterion 14.59049
Sum squared resid 2581795. Schwarz criterion 14.68866
Log likelihood -173.0858 F-statistic 553.0526
Durbin-Watson stat 0.358935 Prob(F-statistic) 0.000000
表7
Dependent Variable: Y
Method: Least Squares
Date: 12/03/04 Time: 14:34
Sample: 1979 2002
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C -59.82023 42.62089 -1.403542 0.1744
X6 0.062644 0.001225 51.15724 0.0000
R-squared 0.991664 Mean dependent var 1342.168
Adjusted R-squared 0.991285 S.D. dependent var 1712.929
S.E. of regression 159.9110 Akaike info criterion 13.06677
Sum squared resid 562573.9 Schwarz criterion 13.16494
Log likelihood -154.8012 F-statistic 2617.063
Durbin-Watson stat 0.604814 Prob(F-statistic) 0.000000
表8
Dependent Variable: Y
Method: Least Squares
Date: 12/03/04 Time: 14:37
Sample: 1979 2002
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C -210.6914 33.28533 -6.329858 0.0000
X6 0.043424 0.002946 14.74117 0.0000
X2 0.297943 0.044332 6.720737 0.0000
R-squared 0.997354 Mean dependent var 1342.168
Adjusted R-squared 0.997102 S.D. dependent var 1712.929
S.E. of regression 92.20719 Akaike info criterion 12.00242
Sum squared resid 178545.5 Schwarz criterion 12.14968
Log likelihood -141.0291 F-statistic 3958.189
Durbin-Watson stat 1.430973 Prob(F-statistic) 0.000000
表9
Dependent Variable: Y
Method: Least Squares
Date: 12/03/04 Time: 14:45
Sample: 1979 2002
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C -218.2981 37.23450 -5.862791 0.0000
X6 0.044941 0.004293 10.46727 0.0000
X2 0.324614 0.070384 4.612062 0.0002
X3 -0.030915 0.062584 -0.493984 0.6267
R-squared 0.997386 Mean dependent var 1342.168
Adjusted R-squared 0.996994 S.D. dependent var 1712.929
S.E. of regression 93.91307 Akaike info criterion 12.07363
Sum squared resid 176393.3 Schwarz criterion 12.26997
Log likelihood -140.8835 F-statistic 2543.880
Durbin-Watson stat 1.499591 Prob(F-statistic) 0.000000
表10
Dependent Variable: Y
Method: Least Squares
Date: 12/03/04 Time: 14:46
Sample: 1979 2002
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C -8.902465 53.46137 -0.166521 0.8694
X6 0.069858 0.006584 10.60962 0.0000
X2 0.162076 0.045845 3.535300 0.0021
X1 -0.014158 0.003326 -4.256252 0.0004
R-squared 0.998612 Mean dependent var 1342.168
Adjusted R-squared 0.998404 S.D. dependent var 1712.929
S.E. of regression 68.44199 Akaike info criterion 11.44086
Sum squared resid 93686.11 Schwarz criterion 11.63720
Log likelihood -133.2903 F-statistic 4795.533
Durbin-Watson stat 2.128594 Prob(F-statistic) 0.000000
表11
Dependent Variable: Y
Method: Least Squares
Date: 12/03/04 Time: 15:54
Sample: 1979 2002
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C -325.1255 27.07339 -12.00904 0.0000
X2 0.516456 0.043953 11.75009 0.0000
X6 0.012376 0.005285 2.341608 0.0297
X4 0.546766 0.087762 6.230105 0.0000
R-squared 0.999100 Mean dependent var 1342.168
Adjusted R-squared 0.998965 S.D. dependent var 1712.929
S.E. of regression 55.09768 Akaike info criterion 11.00710
Sum squared resid 60715.09 Schwarz criterion 11.20345
Log likelihood -128.0852 F-statistic 7403.342
Durbin-Watson stat 2.031058 Prob(F-statistic) 0.000000
表12
Dependent Variable: Y
Method: Least Squares
Date: 12/03/04 Time: 15:08
Sample: 1979 2002
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C -197.7317 75.25897 -2.627351 0.0161
X2 0.278488 0.110485 2.520598 0.0203
X6 0.043390 0.003021 14.36356 0.0000
X5 0.008209 0.042503 0.193132 0.8488
R-squared 0.997359 Mean dependent var 1342.168
Adjusted R-squared 0.996963 S.D. dependent var 1712.929
S.E. of regression 94.39627 Akaike info criterion 12.08389
Sum squared resid 178213.1 Schwarz criterion 12.28023
Log likelihood -141.0067 F-statistic 2517.835
Durbin-Watson stat 1.412149 Prob(F-statistic) 0.000000