2000 26774.85 38714 19823 2001 28782.6 44361.6 20165 2002 31170.88 49898.9 20958 2003 34070.16 56004.7 21605 2004 159453.6 64561.3 22725 2005 183617.4 74919.3 23439 2006 215904.4 88554.9 24143 2007 266422 111351.9 24404 2008 316030 131340 25087 2009 340320 148038 25857 2010 399759.5 173596 26332 2011 472115 204982.5 27282 （数据来源：2012中国统计年鉴、WTO国际贸易统计网站） 301 329 394 464 621 739 914 1217 1464 1286 1702 1820 2.3回归的估计与分析
2.3.1对模型的初步回归和分析、模型设定
（1）国民经济总产值Y与第三产业产值X1的散点图
从图形中可以看出，国民经济总产值与第三产业产值大致呈正相关关系。
（2）国民经济总产值Y与第三产业吸纳的就业数X2的的散点图
从图中可以看出，国民经济总产值与第三产业吸纳就业数呈正相关关系。 （3）国民经济总产值Y与服务贸易出口额X3的的散点图
从图形中可以看出，国民经济总产值与服务贸易出口额大致呈正相关关系。 (4)可以看出，上述三个变量对国民经济有显著影响，因此以上述三个变量做多元回归。
得到如下回归结果：
?t?26664.53?0.7545X1t?3.9471X2t?214.1533X3tYse?(10260.16)(0.5114)(0.8603)(50.6888)t?(2.5988)(1.4754)(?4.5877)(4.2248)p?(0.0144)(0.1505)(0.0001)(0.0002)R2?0.980739F?509.1933DW?1.4568
------通过拟合方程进行检验
??26664.53?0.7545X?3.9471X?214.1533X Yt1t2t3t（1）偏回归系数0.7545，表明在其他变量保持不变的情况下，第三产业产值每增加一个单
位所引起GDP增加约0.75个单位。该回归系数的符号较为合理。
（2）偏回归系数-3.9471，表明在其他变量保持不变的情况下，第三产业就业数每增加一个单位所引起GDP减少约3.95个单位。该回归系数的符号与预期的相反，不合理。
（3）偏回归系数214.1533，表明在其他变量保持不变的情况下，服务贸易出口额每增加一个单位所引起GDP增加约214个单位。该回归系数的符号和数值是较为合理的。
------拟合优度检验.
R 2=0.9807，表明第三产业产值、第三产业就业量和服务贸易出口额解释了大约98%GDP的变动，表明了模型式很好地拟合了样本数据。 ------对偏回归系数的显著性检验（t检验） H0:B1等于0 H1: B1不等于0 t=1.4754,其P值=0.1505>0.05
所以接受原假设，所以B1没有通过显著性检验 同理，可以检验出通过t检验的只有变量x2、x3
2.3.2对模型回归诊断
由于线性回归模型参数估计的最小二乘法是建立经典假设基础之上的，所以有必要对模型是否满足基本假设进行分析。
第一，判断模型中随机干扰项是否服从正态分布。
从上图可以看出残差分布基本是一个左偏的正态分布；残差的J-B统计量下显示的概率值（P值）是0.4529, 不能拒绝原假设, 残差服从正态分布。 第二，对模型是否存在多重共线性进行检验。用Klein判别法进行分析。 表:变量相关系数矩阵
因为其中有一个简单相关系数大于R 2 =0.9807，所以根据Klein判别法，模型中存在严重的多重共线性。
-----用逐步回归法修正多重共线性：用逐步回归法筛选解释变量
（1）用每个解释变量分别对被解释变量做简单回归，根据R2的大小，知解释变量的重要程度依次为x3、x1、x2
? = -16489.62+246.9050*X3为基础，依次引入x1、 x2 （2）以Y1. 首先把x1引入模型，做Y对X3、X1的回归
因为X1的引入使各回归系数的t值下降，同时X1的系数也未通过t检验，所以
应剔除X1。接着把X2引入模型，做GDP对x3、x2的回归
