总计 12 4.58E+10 　

在 的情况下， ．由于 > ，因此我们要拒绝原假设，即 不全为0．即就业人口与出口总值至少有一个对企业生产总值起显著性影响．

2.4 回归系数检验

在通过线性关系检验后，我们可以对各个回归系数 进行检验．回归系数检验的具体步骤如下

第一步：提出假设． ．

     ； ．

第二步：计算检验统计量 ．

     ；其中 ， 

第三步：做出统计决策．在显著性水平 下，若 ，则拒绝原假设，否则没有理由拒绝原假设[1]．

由表一数据可以得出 ， ，在显著性水平 情况下， ． ， ，因此 ， 都通过检验，也就是说在影响企业生产总值的两个自变量中，就业人口与出口总值的影响都是显著的，也就可以不考虑多重共线性问题．

2.5 残差分析

在多元回归模型中，对于 ，事先我们假定 是期望为0，方差相等且服从正态分布的一个随机变量．但是，如果我们的假设不成立，那么我们所做的检验和估计也许站不住脚．为此，我们需要进行残差分析[1]．

  表4  残差分析图

观测值 预测 生产总值 残差 标准残差

   1 65214.94 -4421.21 -0.86941

   2 69099.2 2077.391 0.408509

   3 78314.98 658.0518 0.129403

   4 83585.83 816.4493 0.160551

   5 88240.43 1436.624 0.282505

6 101833.2 -2618.68 -0.51495

7 104131.7 5523.499 1.086169

8 116234.6 4098.112 0.805874

9 136256.9 -434.164 -0.08538

10 162946 -3067.69 -0.60325

11 192871.6 -7934.27 -1.56024

12 223016.1 -6701.64 -1.31784

13 255242.8 10567.53 2.078053

由表4的标准残差数据可以看出：除了第13个观测值的标准残差落在[-2,2]之外，其余观测值的标准残差都在[-2,2]范围以内．我们可以认为误差项 的期望为0，方差相等以及服从正态分布的假定是成立的． 基于线性回归和ARMA在企业中的分析(3):http://www.youerw.com/shuxue/lunwen_58121.html