自1980年以來(lái)我國(guó)保險(xiǎn)業(yè)發(fā)展?fàn)顩r的研究

華南農(nóng)業(yè)大學(xué) 計(jì)量經(jīng)濟(jì)學(xué)課程論文自1980年以來(lái)中國(guó)保險(xiǎn)業(yè)發(fā)展?fàn)顩r的研究基于計(jì)量經(jīng)濟(jì)學(xué)理論的實(shí)證分析Study on Chinese Insurance Industry Development After The Year 1980-The Empirical Analysis Base on The Theory of Econometrics學(xué) 生： 梁兆基 學(xué) 號(hào)： 9 所 在 學(xué) 院： 經(jīng)濟(jì)管理學(xué)院 專 業(yè) 名 稱： 農(nóng)林經(jīng)濟(jì)管理 華南農(nóng)業(yè)大學(xué)South China Agricultural University2010年8月摘 要人類社會(huì)的發(fā)展歷史其實(shí)就是一部不斷與風(fēng)險(xiǎn)抗?fàn)幍臍v史。在人類文明不斷發(fā)展，并已在社會(huì)經(jīng)濟(jì)文化各領(lǐng)域結(jié)出豐碩成果的今天，作為一種對(duì)風(fēng)險(xiǎn)分散與損失分?jǐn)偟闹贫劝才?，保險(xiǎn)具有經(jīng)濟(jì)補(bǔ)償、資金融通和社會(huì)管理的功能，保險(xiǎn)業(yè)對(duì)社會(huì)經(jīng)濟(jì)發(fā)展和人民安定生活起著不可替代的作用。我國(guó)保險(xiǎn)業(yè)的發(fā)展走過(guò)了曲折的道路，并已進(jìn)入一個(gè)蓬勃發(fā)展的新階段。在過(guò)去的二十多年中乘著改革開放和經(jīng)濟(jì)發(fā)展的東風(fēng)，一路快速增長(zhǎng)，年均增幅將近30%。自1980年中國(guó)恢復(fù)國(guó)內(nèi)保險(xiǎn)業(yè)務(wù)以來(lái)，至2005年的25年間，中國(guó)的保費(fèi)收入增長(zhǎng)超過(guò)934倍，從1980年的4.6億元增長(zhǎng)至2005年的4927.3億元。與之相適應(yīng)，保險(xiǎn)密度增長(zhǎng)超過(guò)801倍，從1980年的0.47元/人，增長(zhǎng)至2005年的376.81元/人，保險(xiǎn)深度增長(zhǎng)超過(guò)27倍，從1980年的0.1%增長(zhǎng)至2005年的2.7%。目前，中國(guó)的人均國(guó)內(nèi)生產(chǎn)總值（即人均GDP）已突破了1000美元的大關(guān)，按照國(guó)際上保險(xiǎn)業(yè)的發(fā)展經(jīng)驗(yàn)，這階段保險(xiǎn)業(yè)的發(fā)展空間會(huì)越來(lái)越大。本文通過(guò)運(yùn)用計(jì)量經(jīng)濟(jì)學(xué)的部分原理，對(duì)自1980年以來(lái)中國(guó)保險(xiǎn)密度與中國(guó)人均GDP、第三產(chǎn)業(yè)產(chǎn)值占GDP比重之間的關(guān)系進(jìn)行了實(shí)證分析。運(yùn)用計(jì)量經(jīng)濟(jì)學(xué)軟件EViews5.0，構(gòu)造了計(jì)量經(jīng)濟(jì)學(xué)模型，并對(duì)模型進(jìn)行了經(jīng)濟(jì)意義檢驗(yàn)、統(tǒng)計(jì)檢驗(yàn)和計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)。對(duì)自1980年以來(lái)中國(guó)保險(xiǎn)業(yè)的發(fā)展?fàn)顩r進(jìn)行了實(shí)證分析。關(guān)鍵詞：保險(xiǎn)業(yè) 保險(xiǎn)密度 計(jì)量經(jīng)濟(jì)學(xué) 實(shí)證分析 EViews 普通最小二乘法Study on Chinese Insurance Industry Development After The Year 1980-The Empirical Analysis Base on The Theory of EconometricsLiang Zhao-ji(College of Economics and Management, South China Agricultural University,Guangzhou , China)Abstract: In fact, the development history of mankind society is a history of fighting against risks and hazards continuously. As a system arrangement for dispersing risk and sharing loss, insurance own the function of economic compensation, financing and social management. Insurance industry play a necessary role for the society and economy development. After a zigzag way, Chinese insurance industry meet with a booming new stage. Over the past more than twenty years, Chinese insurance industry has development of national economy. Its average annualrate of growth has nearly reached 30%. After year 1980 China rally the insurance in all over country, to the year 2005, the insurance income of China has increase more than 934 times, from 0.46 billion increase to 492.73 billion. From the year 1980 to the year 2005, the insurance consistence has increased more than 801 times, from 0.47 yuan per person increase to 376.81 yuan per person. The insurance depth from 0.1%in the year 1980 increase to 2.7% in the year 2005,increast more than 27 time. Now a day ,Chinese personal average GDP is more than 1000 dollar. Base on the international insurance development experience. This period the insurance development space will be larger and larger. This word part of the theory of econometrics to study the relationship among insurance consistence、person average GDP、density of the third industry after the year 1980.Use the Eviews5.0 to found a model of econometrics, and use some theories of econometrics to check the model of econometrics. Make a empirical analysis to the Chinese insurance development after the year 1980.Key words：insurance industry insurance consistence econometrics empirical analysis EViews ordinary least squares estimators1 前言人類社會(huì)的發(fā)展史就是一步不斷與風(fēng)險(xiǎn)抗?fàn)幍臍v史，無(wú)論是公元前916羅地安商法對(duì)共同海損原則的確立，還是孔子耕三余一的思想，都體現(xiàn)了人們對(duì)于規(guī)避風(fēng)險(xiǎn)、防范災(zāi)害的殷切期望（干春暉，2006）。作為一種分散風(fēng)險(xiǎn)與分?jǐn)倱p失的制度安排，保險(xiǎn)業(yè)對(duì)于社會(huì)經(jīng)濟(jì)發(fā)展與人民生活安定起著不可替代的作用。所謂保險(xiǎn)業(yè)，是指保險(xiǎn)企業(yè)的集合或是以保險(xiǎn)為主要業(yè)務(wù)范圍的經(jīng)營(yíng)管理系統(tǒng)，從類別上看保險(xiǎn)包括政策保險(xiǎn)、商業(yè)保險(xiǎn)和社會(huì)保險(xiǎn)（江生中，2003）。由于歷史的原因，自1949年建國(guó)以來(lái)中國(guó)的保險(xiǎn)業(yè)一直處于停滯不前的狀態(tài)。隨著改革開放的全面進(jìn)行和國(guó)民經(jīng)濟(jì)的復(fù)興，1979年4月中國(guó)人民銀行分行行長(zhǎng)會(huì)議紀(jì)要中明確提出開展保險(xiǎn)業(yè)務(wù)。1984年1月1日根據(jù)國(guó)務(wù)院的決定，中國(guó)人民保險(xiǎn)公司從中國(guó)人民銀行分離出來(lái)，單獨(dú)作為國(guó)務(wù)院直屬的局級(jí)單位經(jīng)濟(jì)實(shí)體，中國(guó)保險(xiǎn)業(yè)從此走上快速發(fā)展的道路。二十世紀(jì)九十年代以來(lái)，隨著多家股份制保險(xiǎn)公司的建立和國(guó)外保險(xiǎn)公司的進(jìn)入，中國(guó)保險(xiǎn)市場(chǎng)初步形成以國(guó)有保險(xiǎn)公司為主、中外保險(xiǎn)公司并存、多家保險(xiǎn)公司競(jìng)爭(zhēng)的格局，中國(guó)保險(xiǎn)市場(chǎng)的競(jìng)爭(zhēng)也日趨激烈（陳盛偉，2004）。自1980年中國(guó)從新恢復(fù)國(guó)內(nèi)保險(xiǎn)業(yè)務(wù)以來(lái)，經(jīng)過(guò)20多年的快速增長(zhǎng)，中國(guó)保險(xiǎn)業(yè)在各個(gè)方面都取得了巨大的發(fā)展。考察一國(guó)保險(xiǎn)業(yè)的發(fā)展?fàn)顩r，首先應(yīng)考察的指標(biāo)是保險(xiǎn)密度和保險(xiǎn)深度。所謂保險(xiǎn)密度，是指一國(guó)在保險(xiǎn)上的人均花費(fèi)（馮占軍，2007）。這一指標(biāo)是一個(gè)國(guó)家保險(xiǎn)購(gòu)買力的象征，代表了一國(guó)公民的平均保險(xiǎn)保障水平。所謂保險(xiǎn)深度，是指保險(xiǎn)費(fèi)占一國(guó)GDP（Gross domestic product）的比例，這一指標(biāo)極好的反映了保險(xiǎn)業(yè)在國(guó)家整體經(jīng)濟(jì)中的重要程度，代表了一國(guó)經(jīng)濟(jì)的整體保險(xiǎn)保障水平（馮占軍，2007）。另一方面，這一指標(biāo)的數(shù)值不受外幣波動(dòng)的影響。保險(xiǎn)密度和保險(xiǎn)深度還可以用來(lái)分析一國(guó)保險(xiǎn)業(yè)的發(fā)展?jié)摿?。例如兩個(gè)國(guó)家或地區(qū)的經(jīng)濟(jì)狀況相似，但保險(xiǎn)密度相差很大，這就表明保險(xiǎn)密度低的國(guó)家或地區(qū)具有良好的市場(chǎng)潛力，當(dāng)該國(guó)或該地區(qū)人均收入增加時(shí)，對(duì)保險(xiǎn)的需求也隨之增加。自1980年中國(guó)恢復(fù)國(guó)內(nèi)保險(xiǎn)業(yè)務(wù)以來(lái)，保險(xiǎn)密度（見表1）增長(zhǎng)超過(guò)801倍，從1980年的0.47元/人，增長(zhǎng)至2005年的376.81元/人，保險(xiǎn)深度增長(zhǎng)超過(guò)27倍，從1980年的0.1%增長(zhǎng)至2005年的2.7%。從統(tǒng)計(jì)數(shù)據(jù)來(lái)看，盡管兩項(xiàng)指標(biāo)均有大幅上升，但與世界平均水平相比仍存在很大差距，表明中國(guó)保險(xiǎn)市場(chǎng)的開發(fā)仍存在很大的空間。本文通過(guò)運(yùn)用計(jì)量經(jīng)濟(jì)學(xué)的原理和計(jì)量經(jīng)濟(jì)學(xué)軟件Eview5.0，對(duì)自1980年以來(lái)中國(guó)的保險(xiǎn)密度與人均GDP、第三產(chǎn)業(yè)產(chǎn)值比重之間的關(guān)系進(jìn)行了實(shí)證分析。表1 自1980以來(lái)中國(guó)的保險(xiǎn)密度、人均GDP、第三產(chǎn)業(yè)產(chǎn)值比重狀況年份保險(xiǎn)密度(Y)人均GDP(X1)第三產(chǎn)業(yè)產(chǎn)值比重(X2)19800.47 463.3 21.9 19810.78 492.2 22.3 19821.01 527.8 22.1 19831.29 582.7 22.7 19841.93 695.2 25.1 19853.13 857.8 28.9 19864.26 963.2 29.4 19876.50 1112.4 29.9 19889.94 1365.5 30.7 19898.66 1519.0 32.2 199011.83 1644.5 31.8 199115.39 1892.8 33.9 199218.07 2311.1 35.0 199333.37 2998.4 33.9 199441.75 4044.0 33.8 199549.12 5045.7 33.0 199663.49 5845.9 33.0 199788.00 6420.2 34.4 1998100.00 6796.0 36.5 1999110.76 7158.5 38.0 2000125.92 7857.7 39.3 2001165.28 8621.7 40.7 2002237.68 9398.1 41.7 2003300.28 10542.0 41.4 2004332.19 12335.6 40.7 2005376.81 14040.0 39.9 資料來(lái)源：江生中中國(guó)保險(xiǎn)業(yè)發(fā)展報(bào)告：2006北京：中國(guó)財(cái)政經(jīng)濟(jì)出版社，20062 計(jì)量經(jīng)濟(jì)學(xué)模型的建立2.1 二元線性回歸模型利用計(jì)量經(jīng)濟(jì)學(xué)軟件Eview5.0采用普通最小二乘法（ordinary least squares estimators），以保險(xiǎn)密度（以Y表示）為被解釋變量，人均GDP（以X1表示）、第三產(chǎn)業(yè)產(chǎn)值比重以（以X2表示）為解釋變量，對(duì)表1的數(shù)據(jù)建立二元線性回歸模型。該模型的形式可以假定為：Yi=b0+b1X1+b2X2+u EViews5.0的計(jì)算結(jié)果為：lny =55.+0.604X1-3.X2s=(52.) (0.5283) (1.)t= (1.8) (10.) (-1.3)R2=0. 修正的決定系數(shù)R2=0. S.E.=31.F=9. DW=0.2.2 雙對(duì)數(shù)模型將保險(xiǎn)密度（Y）、人均GDP（X1）、第三產(chǎn)業(yè)產(chǎn)值比重以（X2）取成對(duì)數(shù)，采用普通最小二乘法對(duì)數(shù)據(jù)進(jìn)行回歸分析，該模型的假定形式變?yōu)椋簂nYi=b0+b1lnX1+b2lnX2+uEView5.0的計(jì)算結(jié)果為：lny =-16.+1.9lnX1+2.1lnX2s=(0.04) (0.339) (0.91)t=(-17.) (17.) (6.1)R2=0. 修正的決定系數(shù)R2=0. S.E.=0.F=2079. DW=1.2.3 二元線性回歸模型與雙對(duì)數(shù)模型的比較比較二元線性回歸模型與雙對(duì)數(shù)模型，我們可以看出雙對(duì)數(shù)模型無(wú)論是在決定系數(shù)、修正的決定系數(shù)R2、回歸方程標(biāo)準(zhǔn)差、t統(tǒng)計(jì)量還是在F統(tǒng)計(jì)量方面都要優(yōu)于二元線性回歸模型，而且二元線性回歸模型X2前面的系數(shù)為負(fù)，表明保險(xiǎn)密度與第三產(chǎn)業(yè)產(chǎn)值比重之間存在的相關(guān)關(guān)系是負(fù)相關(guān),不符合經(jīng)濟(jì)學(xué)的普遍原理和世界保險(xiǎn)業(yè)發(fā)展的一般規(guī)律。因此，本文對(duì)中國(guó)自1980年以來(lái)保險(xiǎn)密度與人均GDP和第三產(chǎn)業(yè)產(chǎn)值比重的實(shí)證分析采用雙對(duì)數(shù)模型。3 回歸模型的經(jīng)濟(jì)意義檢驗(yàn)和統(tǒng)計(jì)準(zhǔn)則檢驗(yàn)31 經(jīng)濟(jì)意義檢驗(yàn)經(jīng)濟(jì)意義檢驗(yàn)是對(duì)模型在理論上能否成立進(jìn)行判別，是依據(jù)模型參數(shù)最小二乘估計(jì)值的符號(hào)（正號(hào)或負(fù)號(hào)）及取值的大小，評(píng)判其是否符合經(jīng)濟(jì)學(xué)理論的規(guī)定或經(jīng)濟(jì)實(shí)踐的常規(guī)（張保法，2006）。保險(xiǎn)是社會(huì)經(jīng)濟(jì)發(fā)展到一定階段的產(chǎn)物，而人均GDP和第三產(chǎn)業(yè)產(chǎn)值比重又是社會(huì)經(jīng)濟(jì)發(fā)展程度的重要標(biāo)志。從雙對(duì)數(shù)模型估計(jì)式可以看出，lnX1及l(fā)nX2前的符號(hào)均為正，表明保險(xiǎn)密度是隨著人均GDP和第三產(chǎn)業(yè)產(chǎn)值比重的增加而增加的，這符合保險(xiǎn)業(yè)發(fā)展的一般規(guī)律。lnX1前的系數(shù)1.9表示保險(xiǎn)密度對(duì)人均GDP的彈性，即在第三產(chǎn)業(yè)產(chǎn)值比重不變的條件下，人均GDP每增加一個(gè)百分點(diǎn)，保險(xiǎn)密度將平均增加1.9%。類似地，lnX2前的系數(shù)2.1表示保險(xiǎn)密度對(duì)第三產(chǎn)業(yè)產(chǎn)值比重的彈性，即在人均GDP保持不變的條件下，第三產(chǎn)業(yè)產(chǎn)值比重的數(shù)值每增加一個(gè)百分點(diǎn)，保險(xiǎn)密度將平均增加2.1%。32統(tǒng)計(jì)準(zhǔn)則檢驗(yàn)?zāi)Ｐ偷膮?shù)是用變量的觀測(cè)值估計(jì)的，為了檢驗(yàn)?zāi)Ｐ图捌鋮?shù)估計(jì)值的可靠性，需要運(yùn)用數(shù)理統(tǒng)計(jì)中的統(tǒng)計(jì)推斷方法來(lái)作出說(shuō)明。統(tǒng)計(jì)準(zhǔn)則檢驗(yàn)有時(shí)也稱為一級(jí)檢驗(yàn)，就是從數(shù)學(xué)上證明所建立的模型是否成立，即評(píng)定建立在樣本觀測(cè)值上的參數(shù)估計(jì)值的可靠性和精確程度（孫敬水，2004）。通常最廣泛應(yīng)用的統(tǒng)計(jì)檢驗(yàn)準(zhǔn)則有回歸方程標(biāo)準(zhǔn)誤差的評(píng)價(jià)、擬合優(yōu)度檢驗(yàn)、單個(gè)變量的顯著性檢驗(yàn)和整個(gè)回歸模型的顯著性檢驗(yàn)等，分別采用S.E、R2、t、F作為檢驗(yàn)統(tǒng)計(jì)量。3.2.1 回歸參數(shù)顯著性檢驗(yàn)在回歸模型中l(wèi)nX1前的參數(shù) 的t統(tǒng)計(jì)量為t(b1 )=17.，查顯著性水平為=0.05自由度為n-k-1=26-2-1=23的t分布表，得t0.05/2(23)=2.0687。因?yàn)?的t統(tǒng)計(jì)量t(b1)=17.t0.05/2(23)=2.0687，所以b1通過(guò)t檢驗(yàn)，即可以認(rèn)為參數(shù)b1顯著地不為0。而lnX2前的參數(shù) 的t統(tǒng)計(jì)量為t(b2 )=6.1，t(b2)=6.1t0.05/2(23)=2.0687，所以b2通過(guò)t檢驗(yàn)，即可以認(rèn)為參數(shù)b2顯著地不為0。而截距 的t統(tǒng)計(jì)量為t(b0 )=-17.，t (b0 ) =17.t0.05/2(23)=2.0687，所以b0也通過(guò)t檢驗(yàn)，即可以認(rèn)為參數(shù)b0顯著地不為0。因此，回歸模型中的所有參數(shù)都通過(guò)t檢驗(yàn)。當(dāng)=0.05時(shí)，回歸系數(shù)b0的95%置信區(qū)間是b0=1.96s(b0)，即b0=-16.1.960.04，b0-18.,-15.。同理b1的95%置信區(qū)間是b1= 1.96s(b1 )，b11.,1.8，而b2的95%置信區(qū)間是b2= 1.96s(b2 )，b21.1,3.1。3.2.2 回歸方程標(biāo)準(zhǔn)誤差評(píng)價(jià)回歸方程標(biāo)準(zhǔn)誤差是根據(jù)資料計(jì)算的，用來(lái)反映被解釋變量的實(shí)際值與估計(jì)值平均誤差程度的指標(biāo)。S.E越大，則回歸方程的精確程度越低；S.E越小，則回歸方程的精確程度越高，代表性越好。當(dāng)S.E=0時(shí)，表示所有的樣本點(diǎn)都落在回歸直線上，解釋變量與被解釋變量之間表現(xiàn)為函數(shù)關(guān)系（孫敬水，2004）。就本文而言S.E=0.25，表示保險(xiǎn)密度估計(jì)值與實(shí)際值之間的平均誤差為0.25。3.2.3 擬合優(yōu)度檢驗(yàn)擬合優(yōu)度是指樣本回歸直線與樣本觀測(cè)數(shù)據(jù)之間的擬合程度。在簡(jiǎn)單線性回歸模型中一般用決定系數(shù)R2來(lái)衡量估計(jì)模型對(duì)觀測(cè)值的擬合程度，在多元回歸模型中，則采用修正的決定系數(shù)R2來(lái)衡量。這是因?yàn)?，使用修正的決定系數(shù)可以消除擬合優(yōu)度評(píng)價(jià)中解釋變量的多少對(duì)決定系數(shù)計(jì)算的影響；對(duì)于包含解釋變量個(gè)數(shù)不同的模型，可以用修正的決定系數(shù)直接比較它們擬合優(yōu)度的高低。修正的決定系數(shù)和未經(jīng)修正的多重決定系數(shù)之間的關(guān)系是：R2=1-(n-1)(n-k-1)/(1-R2)。根據(jù)EViews的輸出結(jié)果，回歸模型的修正的決定系數(shù)R2為0.13，一般的統(tǒng)計(jì)學(xué)教科書認(rèn)為只要回歸模型中的R20.9，即可以說(shuō)明回歸模型的擬合程度較好（陳珍珍，2002）。但需要說(shuō)明的是，決定系數(shù)或修正的決定系數(shù)越大，只表明列入模型中的解釋變量對(duì)被解釋變量整體影響程度越大，并非說(shuō)明模型中各個(gè)解釋變量對(duì)被解釋變量的影響程度顯著。在回歸分析中，不僅要模型的擬合度高，而且還要得到總體回歸系數(shù)的可靠估計(jì)量。因此，在選擇回歸模型時(shí)，不能單純地憑決定系數(shù)的高低來(lái)斷定模型的好壞，有時(shí)為了全盤考慮模型的可靠度及其經(jīng)濟(jì)意義，可以適當(dāng)降低對(duì)決定系數(shù)的要求（孫敬水，2004）。3.2.4 回歸模型總體顯著性檢驗(yàn)：F檢驗(yàn)擬合優(yōu)度檢驗(yàn)只能說(shuō)明模型對(duì)樣本數(shù)據(jù)的近似情況，但是建立模型的目的是為了描述總體的經(jīng)濟(jì)關(guān)系。回歸模型總體顯著性檢驗(yàn)，就是檢驗(yàn)全部解釋變量對(duì)被解釋變量的共同影響是否顯著（孫敬水，2004）。檢驗(yàn)?zāi)Ｐ椭斜唤忉屪兞颗c解釋變量之間線性關(guān)系在總體上是否顯著成立，即是檢驗(yàn)回歸方程：lnYi=b0+b1lnX1+b2lnX2+u中的參數(shù)b0、b1、b2是否顯著地不為0。取顯著性水平=0.05，在F分布表中查第一自由度為k=2，第二自由度為n-k-1=23的F0.05（2，23），得：F0.05（2，23）=3.42。因?yàn)榛貧w方程的F統(tǒng)計(jì)量為F=2079.，F(xiàn)F0.05（2，23），所以回歸方程通過(guò)F檢驗(yàn)，即可以認(rèn)為在顯著性水平為0.05的條件下，回歸方程中的參數(shù)b0、b1、b2顯著地不全為0。3.2.5 模型結(jié)構(gòu)穩(wěn)定性檢驗(yàn)：Chow檢驗(yàn)在計(jì)量經(jīng)濟(jì)學(xué)中，當(dāng)回歸模型涉及時(shí)間序列數(shù)據(jù)時(shí)，解釋變量與被解釋變量之間可能會(huì)出現(xiàn)結(jié)構(gòu)變化，模型中存在著轉(zhuǎn)折點(diǎn)。轉(zhuǎn)折點(diǎn)出現(xiàn)的原因可能是由于經(jīng)濟(jì)、政策的變化等（孫敬水，2004）。Chow檢驗(yàn)的目的就是檢驗(yàn)整個(gè)樣本的各子樣本中模型的關(guān)系是否相等。表2 Chow檢驗(yàn)結(jié)果年份F 統(tǒng)計(jì)量臨界概率19835.0.19843.0.19853.0.19864.0.19874.0.19884.0.19895.0.19901.4070.19911.0.19921.0.19930.0.19940.0.19950.0.19960.0.59699（續(xù)上表）年份F 統(tǒng)計(jì)量臨界概率19960.0.5969919970.0.19980.0.19991.035090.20001.0.20010.0.20020.609610.20030.0.顯著性水平0.05 回歸模型從1983年至2002年共二十年間的各期Chow檢驗(yàn)的值如表2所示。取顯著性水平0.05，從表2可以看出，從1983年至1989年的七年間，Chow檢驗(yàn)的值F均大于臨界值F0.05，F(xiàn)統(tǒng)計(jì)量的臨界概率均小于0.05，證明從1983年至1989年均為回歸模型的轉(zhuǎn)折點(diǎn)，在這七年的時(shí)間里回歸模型的結(jié)構(gòu)均存在顯著的變化。而從1990年至2003年的十三年間，Chow檢驗(yàn)的值F均小于臨界值F0.05，F(xiàn)統(tǒng)計(jì)量的臨界概率均大于0.05，證明回歸模型在這十三年的時(shí)間里均比較穩(wěn)定，回歸模型的結(jié)構(gòu)不存在顯著性的變化。4 回歸模型的計(jì)量經(jīng)濟(jì)學(xué)準(zhǔn)則檢驗(yàn)41 異方差檢驗(yàn)經(jīng)典回歸中的所謂同方差性是指不同隨機(jī)誤差項(xiàng)ut(t=1,2,n)的方差相同，即：var(ut)=2這里，2是一個(gè)對(duì)所有變量觀測(cè)值都一樣的常數(shù)（孫敬水，2004）。如果隨機(jī)誤差項(xiàng)的方差不是常數(shù)，即對(duì)不同的變量觀測(cè)值彼此不同，則稱隨機(jī)誤差項(xiàng)具有ut具有異方差性(heteroscedasticity)，即：var(ut)=2常數(shù) (t=1,2,n)在計(jì)量經(jīng)濟(jì)學(xué)的分析過(guò)程中，檢驗(yàn)異方差性的方法有很多種，本文僅使用以下幾種方法進(jìn)行檢驗(yàn)。4.1.1 圖示檢驗(yàn)法4.1.1.1 殘差分布圖分析圖1 回歸模型殘差分布圖運(yùn)用EViews作回歸模型的殘差分布圖（見圖1）。從回歸模型的殘差分布圖可以看出，隨著時(shí)間的推移（年份數(shù)的增加），殘差均圍繞在0刻度線附近上下波動(dòng)，并沒有明顯擴(kuò)大的趨勢(shì)。因此，可以推斷回歸模型不存在異方差性。4.1.1.2 相關(guān)圖分析圖2 e2與lnx1的散點(diǎn)圖圖3 e2與lnx2的散點(diǎn)圖 圖4 e2與lny的散點(diǎn)圖從圖2-4中可以看出，隨著lnX1、lnX2、lny數(shù)值的增加，殘差平方e2的值并沒有明顯增加，圖上的點(diǎn)也沒有出現(xiàn)離散的趨勢(shì)，總集中在橫軸的附近。因此，也可以推斷回歸模型不存在異方差性。4.1.2 戈德菲爾德-匡特檢驗(yàn)（Goldfeld and Quandt test）戈德菲爾德-匡特檢驗(yàn)（Goldfeld and Quandt test）簡(jiǎn)稱G-Q檢驗(yàn)，其基本思想是將樣本分為容量相等的兩部分，然后分別對(duì)樣本和樣本進(jìn)行回歸，并計(jì)算兩個(gè)子樣的殘差平方和，如果隨機(jī)誤差項(xiàng)是同方差的，則這兩個(gè)子樣的殘差平方和應(yīng)該大致相等；反之，如果隨機(jī)誤差項(xiàng)是異方差的，則這兩個(gè)子樣的殘差平方和應(yīng)該差別較大（孫敬水，2004）。4.1.2.1 對(duì)lnx1的戈德菲爾德-匡特檢驗(yàn)本文的數(shù)據(jù)個(gè)數(shù)為n=26，把樣本數(shù)據(jù)按照l(shuí)nx1的值由小到大排列，刪除排在中間的6個(gè)數(shù)據(jù)，構(gòu)造兩個(gè)子樣，即樣本和樣本。EViews對(duì)兩個(gè)子樣的殘差平方和的計(jì)算結(jié)果為：SSR1=0.7735，SSR2=0.60896。因此F=SSR2/SSR1=0.60896/0.7735=0.6693。取=0.05，查第一自由度和第二自由度均為(n-c)/2-k-1=7的F分布表，得F0.05(7,7)=3.79。因?yàn)?，F(xiàn)=0.6693F0.05(7,7)=3.79，所以在回歸模型中的解釋變量lnx1不存在異方差性。4.1.2.2 對(duì)lnx2的戈德菲爾德-匡特檢驗(yàn)按照以上的方法對(duì)回歸模型的另一個(gè)解釋變量lnx2進(jìn)行異方差檢驗(yàn)，把樣本數(shù)據(jù)按照l(shuí)nx2的值由小到大排列，同樣刪除排在中間的6個(gè)數(shù)據(jù)構(gòu)造兩個(gè)子樣，EViews對(duì)兩個(gè)子樣的殘差平方和的計(jì)算結(jié)果為：SSR1=0.6714，SSR2=0.15675。因?yàn)椋現(xiàn)=SSR2/SSR1=0.15675/0.6714=0.7985，F(xiàn)=0.7985F0.05(7,7)=3.79，所以在回歸模型中解釋變量lnx2也不存在異方差。4.1.3 懷特檢驗(yàn)（H. White test）懷特檢驗(yàn)（H. White test）是通過(guò)建立輔助回歸模型的方式來(lái)判斷異方差性的一種方法（孫敬水，2004）。由于本文所設(shè)定的回歸模型的形式為：lnYi=b0+b1lnX1+b2lnX2+u所以可以構(gòu)造關(guān)于殘差平方e2的輔助回歸模型：e2=a0+a1lnX1+a2lnX2+a3(lnX1)2+a4(lnX2)2+a5lnX1lnX2+v計(jì)算統(tǒng)計(jì)量nR2，其中n為樣本容量，R2為輔助回歸函數(shù)中未調(diào)整的決定系數(shù)，EViews的計(jì)算結(jié)果為nR2=5.033。取=0.05，20.05（5）=11.071，因?yàn)椋琻R2=5.03320.05（5）=11.071，所以在顯著性水平為0.05的條件下可以認(rèn)為a1=a2=a3=a4=a5=0，即隨機(jī)誤差項(xiàng)不存在異方差性。4.1.4 戈里瑟檢驗(yàn)（Glejser test）戈里瑟檢驗(yàn)（Glejser test）的基本原理是通過(guò)建立殘差序列對(duì)解釋變量的輔助回歸模型，判斷隨機(jī)誤差項(xiàng)的方差與解釋變量之間是否存在著較強(qiáng)的相關(guān)關(guān)系。其基本思想是由普通最小二乘法得到殘差e后，取e的絕對(duì)值 e ， 然后將 e 對(duì)某個(gè)解釋變量x進(jìn)行回歸，再根據(jù)回歸模型的顯著性和擬合優(yōu)度來(lái)判斷是否存在異方差性（孫敬水，2004）。戈里瑟提出如下的假定函數(shù)形式：e =a0+a1xht+vt h=1，2，1/2，其中vt為隨機(jī)誤差項(xiàng)。4.1.4.1 對(duì)lnX1的戈里瑟檢驗(yàn)運(yùn)用EViews，以各種形式的lnX1為解釋變量，e 為被解釋變量，建立戈里瑟檢驗(yàn)的輔助回歸模型。（1） e 與lnX1的回歸模型：e =0.1239-0.70122lnX1s=(0.038)(0.27628)t= (2.69) (-1.594)R2=0. S.E=0. F=2. DW=1.該輔助回歸模型的決定系數(shù)R2=0.，擬合優(yōu)度較低。常數(shù)項(xiàng)的t統(tǒng)計(jì)量絕對(duì)值等于2.69t0.05/2(24)=2.0639，通過(guò)t檢驗(yàn)；而解釋變量系數(shù)的t統(tǒng)計(jì)量絕對(duì)值等于1.594t0.05/2(24) =2.0639，不能通過(guò)t檢驗(yàn)。且輔助回歸模型的F統(tǒng)計(jì)量F=2.F0.05(1，24)=4.26，輔助回歸模型不能能通過(guò)F檢驗(yàn)。因此，在顯著性水平=0.05的條件下，可以認(rèn)為輔助回歸模型不顯著。（2） e 與（lnX1）1/2的回歸模型：e =0.5963-0.317（lnX1）1/2s=(0.9282)(0.90429)t=(2.468) (-1.949)R2=0. S.E=0.09014 F=2. DW=1.該輔助回歸模型的決定系數(shù)R2=0.，擬合優(yōu)度較低。常數(shù)項(xiàng)的t統(tǒng)計(jì)量絕對(duì)值等于2.468t0.05/2(24)=2.0639，通過(guò)t檢驗(yàn)；而解釋變量系數(shù)的t統(tǒng)計(jì)量絕對(duì)值等于1.949t0.05/2(24)=2.0639，不能通過(guò)t檢驗(yàn)。且輔助回歸模型的F統(tǒng)計(jì)量F=2.F0.05(1，24)=4.26，輔助回歸模型不能能通過(guò)F檢驗(yàn)。因此，在顯著性水平=0.05的條件下，可以認(rèn)為輔助回歸模型不顯著。（3） e 與（lnX1）2的回歸模型：e =0.9739-0.（lnX1）2s=(0.53989)(0.)t= (3.049) (-1.345)R2=0. S.E=0. F=2. DW=1.該輔助回歸模型的決定系數(shù)R2=0.，擬合優(yōu)度較低。常數(shù)項(xiàng)的t統(tǒng)計(jì)量絕對(duì)值等于3.049t0.05/2(24)=2.0639，通過(guò)t檢驗(yàn)；而解釋變量系數(shù)的t統(tǒng)計(jì)量絕對(duì)值等于1.345t0.05/2(24)=2.0639，不能通過(guò)t檢驗(yàn)。且輔助回歸模型的F統(tǒng)計(jì)量F=2.F0.05(1，24)=4.26，輔助回歸模型不能通過(guò)F檢驗(yàn)。因此，在顯著性水平=0.05的條件下，可以認(rèn)為輔助回歸模型不顯著。（4） e 與（lnX1）-1的回歸模型： e =-0.6217+1.977（lnX1）-1s=(0.1549)(0.7274)t=(-0.6283)(1.519)R2=0. S.E=0. F=3. DW=1.該輔助回歸模型的決定系數(shù)R2=0.，擬合優(yōu)度較低。常數(shù)項(xiàng)的t統(tǒng)計(jì)量絕對(duì)值等于0.6283t0.05/2(24)=2.0639，不能通過(guò)t檢驗(yàn)；而解釋變量系數(shù)的t統(tǒng)計(jì)量絕對(duì)值等于1.519t0.05/2(24)=2.0639，不能通過(guò)t檢驗(yàn)。且輔助回歸模型的F統(tǒng)計(jì)量F=3.F0.05(1，24)=4.26，輔助回歸模型不能通過(guò)F檢驗(yàn)。因此，在顯著性水平=0.05的條件下，可以認(rèn)為輔助回歸模型不顯著。（5） e 與（lnX1）-1/2的回歸模型：e =-0.156+1.807（lnX1）-1/2s=(0.701)(0.1551)t=(-1.89) (1.435)R2=0.11555 S.E=0. F=3. DW=1.該輔助回歸模型的決定系數(shù)R2=0.11555，擬合優(yōu)度較低。常數(shù)項(xiàng)的t統(tǒng)計(jì)量絕對(duì)值等于1.89t0.05/2(24)=2.0639，不能通過(guò)t檢驗(yàn)；而解釋變量系數(shù)的t統(tǒng)計(jì)量絕對(duì)值等于1.435t0.05/2(24)=2.0639，不能通過(guò)t檢驗(yàn)。且輔助回歸模型的F統(tǒng)計(jì)量F=3.F0.05(1，24)=4.26，輔助回歸模型不能通過(guò)F檢驗(yàn)。因此，在顯著性水平=0.05的條件下，可以認(rèn)為輔助回歸模型不顯著。（6） e 與（lnX1）-2的回歸模型：e =0.+6.925（lnX1）-2s=(0.26301) (3.608)t=(0.0152) (1.162)R2=0. S.E=0. F=3. DW=1.該輔助回歸模型的決定系數(shù)R2=0.，擬合優(yōu)度較低。常數(shù)項(xiàng)的t統(tǒng)計(jì)量絕對(duì)值等于0.0152t0.05/2(24)=2.0639，不能通過(guò)t檢驗(yàn)；而解釋變量系數(shù)的t統(tǒng)計(jì)量絕對(duì)值等于1.162t0.05/2(24)=2.0639，不能通過(guò)t檢驗(yàn)。且輔助回歸模型的F統(tǒng)計(jì)量F=3.F0.05(1，24)=4.26，輔助回歸模型不能通過(guò)F檢驗(yàn)。因此，在顯著性水平=0.05的條件下，可以認(rèn)為輔助回歸模型不顯著。從以上的回歸分析可以看出，e的絕對(duì)值至少與以上6種不同形式的lnx1不存在線性關(guān)系，因此，可以判斷本文的保險(xiǎn)密度雙對(duì)數(shù)回歸模型中的解釋變量lnx1不存在異方差性。4.1.4.2 對(duì)lnX2的戈里瑟檢驗(yàn)運(yùn)用EViews，以各種形式的lnX2為解釋變量，e 為被解釋變量，建立戈里瑟檢驗(yàn)的輔助回歸模型。（1） e 與lnX2的回歸模型：e =0.2104-0.4799lnX2s=(0.928)(0.12782)t=(1.771)(-1.494)R2=0. S.E=0. F=2.5341 DW=1.該輔助回歸模型的決定系數(shù)R2=0.，擬合優(yōu)度較低。常數(shù)項(xiàng)的t統(tǒng)計(jì)量絕對(duì)值等于1.771t0.05/2(24)=2.0639，不能通過(guò)t檢驗(yàn)；而解釋變量系數(shù)的t統(tǒng)計(jì)量絕對(duì)值等于1.494t0.05/2(24)=2.0639，不能通過(guò)t檢驗(yàn)。且輔助回歸模型的F統(tǒng)計(jì)量F=2.5341F0.05(1，24)=4.26，輔助回歸模型不能通過(guò)F檢驗(yàn)。因此，在顯著性水平=0.05的條件下，可以認(rèn)為輔助回歸模型不顯著。（2） e 與（lnX2）1/2的回歸模型：e =1.216-0.5861（lnX2）1/2s=(0.101)(0.6303)t=(1.986)(-1.094)R2=0. S.E=0. F=2.59433 DW=1.該輔助回歸模型的決定系數(shù)R2=0.，擬合優(yōu)度較低。常數(shù)項(xiàng)的t統(tǒng)計(jì)量絕對(duì)值等于1.986t0.05/2(24)=2.0639，不能通過(guò)t檢驗(yàn)；而解釋變量系數(shù)的t統(tǒng)計(jì)量絕對(duì)值等于1.094t0.05/2(24)=2.0639，不能通過(guò)t檢驗(yàn)。且輔助回歸模型的F統(tǒng)計(jì)量F=2.59433F0.05(1，24)=4.26，輔助回歸模型不能通過(guò)F檢驗(yàn)。因此，在顯著性水平=0.05的條件下，可以認(rèn)為輔助回歸模型不顯著。（3） e 與（lnX2）2的回歸模型：e =0.1705-0.31642（lnX2）2s=(0.3743)(0.51873)t=(2.374) (-1.543)R2=0.09138 S.E=0. F=2. DW=1.該輔助回歸模型的決定系數(shù)R2=0.09138，擬合優(yōu)度較低。常數(shù)項(xiàng)的t統(tǒng)計(jì)量絕對(duì)值等于2.374t0.05/2(24)=2.0639，通過(guò)t檢驗(yàn)；而解釋變量系數(shù)的t統(tǒng)計(jì)量絕對(duì)值等于1.543t0.05/2(24)=2.0639，不能通過(guò)t檢驗(yàn)。且輔助回歸模型的F統(tǒng)計(jì)量F=2.F0.05(1，24)=4.26，輔助回歸模型不能通過(guò)F檢驗(yàn)。因此，在顯著性水平=0.05的條件下，可以認(rèn)為輔助回歸模型不顯著。（4） e 與（lnX2）-1的回歸模型：e =-0.4862+1.586（lnX2）-1s=(0.0265)(1.934)t=(-1.523) (1.5)R2=0. S.E=0. F=2. DW=1.該輔助回歸模型的決定系數(shù)R2=0.，擬合優(yōu)度較低。常數(shù)項(xiàng)的t統(tǒng)計(jì)量絕對(duì)值等于1.523t0.05/2(24)=2.0639，不能通過(guò)t檢驗(yàn)；而解釋變量系數(shù)的t統(tǒng)計(jì)量絕對(duì)值等于1.5t0.05/2(24)=2.0639，不能通過(guò)t檢驗(yàn)。且輔助回歸模型的F統(tǒng)計(jì)量F=2.F0.05(1，24)=4.26，輔助回歸模型不能通過(guò)F檢驗(yàn)。因此，在顯著性水平=0.05的條件下，可以認(rèn)為輔助回歸模型不顯著。（5） e 與（lnX2）-1/2的回歸模型：e =-0.9979+1.531（lnX2）-1/2s=(0.5104) (1.526)t=(-1.301) (1.415)R2=0. S.E=0. F=2. DW=1.該輔助回歸模型的決定系數(shù)R2=0.，擬合優(yōu)度較低。常數(shù)項(xiàng)的t統(tǒng)計(jì)量絕對(duì)值等于1.301t0.05/2(24)=2.0639，不能通過(guò)t檢驗(yàn)；而解釋變量系數(shù)的t統(tǒng)計(jì)量絕對(duì)值等于1.415t0.05/2(24)=2.0639，不能通過(guò)t檢驗(yàn)。且輔助回歸模型的F統(tǒng)計(jì)量F=2.F0.05(1，24)=4.26，輔助回歸模型不能通過(guò)F檢驗(yàn)。因此，在顯著性水平=0.05的條件下，可以認(rèn)為輔助回歸模型不顯著。（6） e 與（lnX1）-2的回歸模型：e =-0.3927+2.673（lnX1）-2s=(0.0438)(1.849)t=(-0.7721)(1.701)R2=0. S.E=0. F=2. DW=1.該輔助回歸模型的決定系數(shù)R2=0.，擬合優(yōu)度較低。常數(shù)項(xiàng)的t統(tǒng)計(jì)量絕對(duì)值等于0.7721t0.05/2(24)=2.0639，不能通過(guò)t檢驗(yàn)；而解釋變量系數(shù)的t統(tǒng)計(jì)量絕對(duì)值等于1.701t0.05/2(24)=2.0639，不能通過(guò)t檢驗(yàn)。且輔助回歸模型的F統(tǒng)計(jì)量F=2.F0.05(1，24)=4.26，輔助回歸模型不能通過(guò)F檢驗(yàn)。因此，在顯著性水平=0.05的條件下，可以認(rèn)為輔助回歸模型不顯著。從以上的回歸分析可以看出，e的絕對(duì)值至少與以上6種不同形式的lnx2不存在線性關(guān)系，因此，可以判斷本文的保險(xiǎn)密度雙對(duì)數(shù)回歸模型中的解釋變量lnx2不存在異方差性。4.1.5 帕克檢驗(yàn)（Park test）帕克檢驗(yàn)（Park test）的基本原理是通過(guò)建立殘差序列對(duì)解釋變量的輔助回歸模型，判斷隨機(jī)誤差項(xiàng)的方差與解釋變量之間是否存在著較強(qiáng)的相關(guān)關(guān)系（孫敬水，2004）。帕克提出的假定函數(shù)形式為：lnet2=lna0+a1lnxt+vt4.1.5.1 對(duì)lnx1的帕克檢驗(yàn)以ln(lnx1)為解釋變量，lne2為被解釋變量，建立一元回歸模型，EViews的計(jì)算結(jié)果為：lne2=-1.049-1.06ln(lnX1)s=(7.4) (3.486)t=(-0.9926)(-0.6705)R2=0. S.E=2. F=0. DW=2.該輔助回歸模型的決定系數(shù)R2=0.，擬合優(yōu)度較低。常數(shù)項(xiàng)的t統(tǒng)計(jì)量絕對(duì)值等于0.9926t0.05/2(24)=2.0639，不能通過(guò)t檢驗(yàn)；而解釋變量系數(shù)的t統(tǒng)計(jì)量絕對(duì)值等于0.6705t0.05/2(24)=2.0639，不能通過(guò)t檢驗(yàn)。且輔助回歸模型的F統(tǒng)計(jì)量F=0.F0.05(1，24)=4.26，輔助回歸模型不能通過(guò)F檢驗(yàn)。因此，在顯著性水平=0.05的條件下，可以認(rèn)為輔助回歸模型不顯著。4.1.5.2 對(duì)lnX2的帕克檢驗(yàn)以ln(lnX1)為解釋變量，lne2為被解釋變量，建立一元回歸模型，EViews的計(jì)算結(jié)果為：lne2=2.677-6.477ln(lnX2)s=(11.98)(9.757)t=(0.9753)(-0.3945)R2=0. S.E=2. F=0. DW=2.34242該輔助回歸模型的決定系數(shù)R2=0.，擬合優(yōu)度較低。常數(shù)項(xiàng)的t統(tǒng)計(jì)量絕對(duì)值等于0.9753t0.05/2(24)=2.0639，不能通過(guò)t檢驗(yàn)；而解釋變量系數(shù)的t統(tǒng)計(jì)量絕對(duì)值等于0.3945t0.05/2(24)=2.0639，不能通過(guò)t檢驗(yàn)。且輔助回歸模型的F統(tǒng)計(jì)量F=0.F0.05(1，24)=4.26，輔助回歸模型不能通過(guò)F檢驗(yàn)。因此，在顯著性水平=0.05的條件下，可以認(rèn)為輔助回歸模型不顯著。4.1.6 ARCH檢驗(yàn)（自回歸條件異方差檢驗(yàn)）如果在建模分析中所用樣本資料是時(shí)間序列數(shù)據(jù)，可考慮用ARCH（autoregressive conditional helecosecdasticity）方法檢驗(yàn)（孫敬水，2004）。ARCH檢驗(yàn)的基本思路是通過(guò)檢驗(yàn)輔助回歸函數(shù)：et2=a0+a1et-12+a2et-22+apet-p2的顯著性，來(lái)判斷回歸模型是否存在異方差性。若輔助回歸函數(shù)顯著，則可以認(rèn)為回歸模型存在異方差性；反之，若輔助回歸函數(shù)不顯著，則可以認(rèn)為回歸模型不存在異方差性。（1）當(dāng)p=1時(shí)e2=0.73836-0.04622et-12s=(0.)(0.5727)t= (3.762) (-0.5458)R2=0. S.E=0. F=0. DW=1.該輔助回歸函數(shù)的決定系數(shù)R2=0.，擬合優(yōu)度較低。常數(shù)項(xiàng)的t統(tǒng)計(jì)量絕對(duì)值等于3.762t0.05/2(23)=2.0687，通過(guò)t檢驗(yàn)；而解釋變量系數(shù)的t統(tǒng)計(jì)量絕對(duì)值等于0.5458t0.05/2(23)=2.0687，不能通過(guò)t檢驗(yàn)。且輔助回歸模型的F統(tǒng)計(jì)量F=0.F0.05(1，23)=4.28，輔助回歸函數(shù)不能通過(guò)F檢驗(yàn)。因此，在顯著性水平=0.05的條件下，可以認(rèn)為輔助回歸函數(shù)不顯著。（2）當(dāng)p=2時(shí)e2=0.+0.et-12-0.et-22s=(0.) (0.) (0.)t=(2.) (0.) (-0.)R2=0. 修正的決定系數(shù)R2=-0. S.E.=0.F=0. DW=1.該輔助回歸函數(shù)的修正的決定系數(shù)R2=-0.，擬合優(yōu)度較低。et-12、et-22前的參數(shù)在顯著性水平0.05的條件下，均不能通過(guò)t檢驗(yàn)。且F=0.F0.05(2，21)，輔助回歸函數(shù)不能通過(guò)F檢驗(yàn)。因此，可以認(rèn)為該輔助回歸函數(shù)并不顯著。（3）當(dāng)p=3時(shí)e2 =0.01606+0.et-12-0.37435et-22+0.et-32s=(0.)(0.21212) (0.) (0.09622)t=(2.)(1.) (-1.) (0.)R2=0. 修正的決定系數(shù)R2=0. S.E.=0.F=1. DW=2.該輔助回歸函數(shù)的修正的決定系數(shù)R2=0.，擬合優(yōu)度較低。et-12、et-22、et-32前的參數(shù)在顯著性水平0.05的條件下，均不能通過(guò)t檢驗(yàn)。且F=1.F0.05(3，19)，輔助回歸函數(shù)不能通過(guò)F檢驗(yàn)。因此，可以認(rèn)為該輔助回歸函數(shù)并不顯著。（4）當(dāng)p=4時(shí)e2 =0.+0.et-12-0.et-22-0.et-32-0.et-42s=(0.)(0.) (0.23299) (0.2346) (0.)t=(2.)(1.) (-1.) (-0.) (-0.67574)R2=0.19425 修正的決定系數(shù)R2=0. S.E.=0.F=1.02459 DW=1.該輔助回歸函數(shù)的修正的決定系數(shù)R2=0.，擬合優(yōu)度較低。et-12、et-22、et-32、et-42的參數(shù)在顯著性水平0.05的條件下，均不能通過(guò)t檢驗(yàn)。且F=1.02459F0.05(3，19)，輔助回歸函數(shù)不能通過(guò)F檢驗(yàn)。因此，可以認(rèn)為該輔助回歸函數(shù)并不顯著。（5）當(dāng)p=5時(shí)e2=0.+0.et-12-0.et-22-0.08950et-32+0.et-42+0.et-52s=(0.)(0.) (0.) (0.) (0.) (0.10715)t=(1.)(1.20956) (-1.) (-0.) (0.) (0.)R2=0.20811 修正的決定系數(shù)R2=-0. S.E.=0.F=0. DW=1.該輔助回歸函數(shù)的修正的決定系數(shù)R2=-0.，擬合優(yōu)度較低。et-12、et-22、et-32、et-42、et-52的參數(shù)在顯著性水平0.05的條件下，均不能通過(guò)t檢驗(yàn)。且F=0.F0.05(5，15)，輔助回歸函數(shù)不能通過(guò)F檢驗(yàn)。因此，可以認(rèn)為該輔助回歸函數(shù)并不顯著。（6）當(dāng)p=6時(shí)e2=0.01747+0.33494et-12-0.et-22+0.01368et-32-0.et-42+0.et-52-0.et-62s=(0.)(0.) (0.) (0.27937) (0.) (0.) (0.)t=(1.57225) (1.) (-1.) (0.) (-0.) (0.) (-1.)R2=0. 修正的決定系數(shù)R2=-0. S.E.=0.01866F=0. DW=1.該輔助回歸函數(shù)的修正的決定系數(shù)R2=-