Breusch-Godfrey Serial Correlation LM Test F-statistic 174.5373 Probability 00o Obs"R-squared 37. 87676 Probability 0000000 (2阶自相关的LM检验结果,存在自相关 White Heteroskedasticity Test F-statistic 19.78057 Probability Obs*R-squared 21.15000 Probability 000026 (无交叉项Whte异方差检验结果,存在异方差。) 由图1、2阶自相关的LM检验结果和Whte异方差检验结果可以看出模型既存在自相 关又存在异方差。 下面尝试建立对数线性模型。(eq01) LnDEPO, =-88685+1.7647 LnGDP, (6) (-389)(696)R2=0.99,DW=0.23,T=42,(1960-2001) Actual Fitted 075808.59.09.5100105110115120 196019651970197519801985199019952000 图2对数线性模型的拟合与残差图 Breusch-Godfrey Serial Correlation LM Test F-stati 76 39188 Probability 00000 Obs"R-squared 33.63451 Probabilit (2阶自相关的LM检验结果,存在自相关) White Heteroskedasticity Test F-statistic 3240260Prob.F239) 0049907 Obs*R-squared 5.984581 Prob Chi-Square (2) 0.050172 (无交叉项Whte异方差检验结果,不存在异方差。) 由图2、2阶自相关的LM检验结果和 White异方差检验结果可以看出对数模型仍然存 在自相关,但不存在异方差 用模型的残差序列做2阶自回归,结果如下, RES1=-0.0094+1.18RES1-0.36RES2 (7) (-0.6)(8.0)(-2.4) R2=0.81,DW=1.65,7=40,(19622001)4 （2 阶自相关的 LM 检验结果，存在自相关。） （无交叉项 White 异方差检验结果，存在异方差。） 由图 1、2 阶自相关的 LM 检验结果和 White 异方差检验结果可以看出模型既存在自相 关又存在异方差。 下面尝试建立对数线性模型。（eq01） LnDEPOt = -8.8685 +1.7647 LnGDPt （6） (-38.9) (69.6) R 2 = 0.99, DW=0.23, T = 42, (1960-2001) 3 4 5 6 7 8 9 10 11 12 7.0 7.5 8.0 8.5 9.0 9.5 10.0 10.5 11.0 11.5 12.0 LOG(GDP) LOG(Y) -.4 -.2 .0 .2 .4 .6 2 4 6 8 10 12 1960 1965 1970 1975 1980 1985 1990 1995 2000 Residual Actual Fitted 图 2 对数线性模型的拟合与残差图 （2 阶自相关的 LM 检验结果，存在自相关） （无交叉项 White 异方差检验结果，不存在异方差。） 由图 2、2 阶自相关的 LM 检验结果和 White 异方差检验结果可以看出对数模型仍然存 在自相关，但不存在异方差。 用模型的残差序列做 2 阶自回归，结果如下， RESt = -0.0094 +1.18 RESt-1 -0.36 RESt-2 （7） (-0.6) (8.0) (-2.4) R 2 = 0.81, DW=1.65, T = 40, (1962-2001)