1、“.....以及是否符合现实的情况统计意义检验包括检验和检验，检验是争对每个变量的检验，而检验则是争对方程模型整体的检验计量检验包括异方差检验自相关检验多重共线检验本文因为只涉及到个变量，因此不需要进行多重共线性检验。要使模型通过全部的检验，在建立模型的过程中就要不断地修改，必要的时候还应该更换方程模型。具体的建模过程如验，检验是争对每个变量的检验，而检验则是争对方程模型整体的检验计量检验包括异方差检验自相关检验多重共线检验本文因为只涉及到个变量，因此不需要进行多重共线性检验。要使模型通过全部的检验......”。

2、“.....必要的时候还应该更换方程模型。具体的建模过程如下从上面的相关分析知道了数据存在阶自相关，所以建立模型从输出表可以看出变量的值为，为以及的值为，说明模型应该没有常数项的概率为。不管从经济意义还是统计意义上都没有通过检验，因此必须得更改模型。更换模型将数据移动平均次之后，可以看出变量还是不能通过检验，因此还得更换模型。将数据二次移动平均之后发现变量和都没有通过检验，由于变量直都没有通过检验，说明可能是常数项有问题，应该剔除常数项的影响。第二个表为拉格朗日检验，拉格朗日是用来检验自相关的，且该检验的原假设为无自相关......”。

3、“.....从上第二表中可以看出有的可能性说明模型无自相关。第三个表为怀特检验，型不能通过，因此需要寻找更好的模型。将剔除后得到的模型分析如下怀特检验没有通过拉格朗日检验通过从上面的第个表可以看出通过的检验，并且的值为说明该模型的解释程度为表为怀特检验，是用来检验异方差的，该检验的原假设为模型不存在异方差，后面的值是用来说明模型存在异方差的可能性大小，从上面的表中可以看到只有概率说明模型不存在异方差。说明该模型存在异方差，所以该模型的解释程度为。第二个表为拉格朗日检验，拉格朗日是用来检验自相关的......”。

4、“.....后面的值大小是说明模型无自相关的概率大小，从上第二表中可以看出有的可能性说明模型无自相关。第三个，应该剔除常数项的影响。拉格朗日检验通过在剔除常数项之后发现，变量都通过了经济意义检验检验和值检验，从上面的第个表可以看出和都通过了检验，并且的值为说明该模模型。更换模型将数据移动平均次之后，可以看出变量还是不能通过检验，因此还得更换模型。将数据二次移动平均之后发现变量和都没有通过检验，由于变量直都没有通过检验，说明可能是常数项有问题输出表可以看出变量的值为，为以及的值为......”。

5、“.....直到得到所需结果的时候为止，上表是调整之后的表，此时可以看出数据经过二次差分，得到的数据如下表以上的输出表就是用来判断数据平稳性，从上表可以看出下的值中第个比下面的三个值都要小，说明数据不管在还是的时候都是平稳的，因此可以得到结论即数据是平稳的。接着，通过对以上的分析就可以建立方程模型，建立方程模型的过程是很复杂的，关出现了明显的拖尾现象，并且第根线超出了两边的虚线，而且偏自相关的第根线超出了两边的虚线，所以可以判断数据明显存在阶自相关。从值下的数据可以看出所有的数据都小于......”。

6、“.....直到得到所需结果的时候为止，上表是调整之后的表，此时可以看出数据经过二次差分，得到的数据如下表以上的输出表就是用来判断数据平稳性，从上表可以看很复杂的，要向得到个好的模型，就要通过所有的检验，即经济检验和统计检验和计量检验，经济检验包括数据的合理性，以及是否符合现实的情况统计意义检验包括检验和检验，检验是争对每个变量的检验，而检时候还应该更换方程模型。具体的建模过程如验，检验是争对每个变量的检验，而检验则是争对方程模型整体的检验计量检验包括异方差检验自相关检验多重共线检验本文因为只涉及到个变量......”。

7、“.....为以及的值为，说明模型应该没有常数项的概率为。不管从经济意义还是统计意义上都没有通过检验，因此必须得更改，应该剔除常数项的影响。拉格朗日检验通过在剔除常数项之后发现，变量都通过了经济意义检验检验和值检验，从上面的第个表可以看出和都通过了检验，并且的值为说明该模表为怀特检验，是用来检验异方差的，该检验的原假设为模型不存在异方差，后面的值是用来说明模型存在异方差的可能性大小，从上面的表中可以看到只有概率说明模型不存在异方差。说明该模型存在异方差，所以该模。第二个表为拉格朗日检验......”。

8、“.....且该检验的原假设为无自相关，后面的值大小是说明模型无自相关的概率大小，从上第二表中可以看出有的可能性说明模型无自相关。第三个表为怀特检验，。第二个表为拉格朗日检验，拉格朗日是用来检验自相关的，且该检验的原假设为无自相关，后面的值大小是说明模型无自相关的概率大小，从上第二表中可以看出有的可能性说明模型无自相关。第三个表为怀特检验，是用来检验异方差的，该检验的原假设为模型不存在异方差，后面的值是用来说明模型存在异方差的自相关，偏自相关，值。其中自相关和偏自相关是用来判断应该建立怎样的模型......”。

9、“.....自相关的运用原理主要是看前几根线超过两边的虚线和是否有拖尾的现象偏自相关也是看前几根线超过两边的虚线和是否有拖尾的现象而值得数值是用来判断数据是白噪声过程的概率大小，值的原假设是数据符合白噪声过程，如果表中的数值小于，说明是白噪声过程的概率很小，应该拒绝原假设，说明数据不是白噪声过程，如果数值大于，则说明是白噪声的概率很大。从上面输出表可以看出自相关出现了明显的拖尾现象，并且第根线超出了两边的虚线，而且偏自相关的第根线超出了两边的虚线，所以可以判断数据明显存在阶自相关。从值下的数据可以看出所有的数据都小于......”。