我有许多范文 还有我们自己做的论文 需要找我 qq：309735313
现行会计对无形资产确认和计量存在的若干问题传统的资产计量理论与实务，侧重于对有形资产的计量，而对无形资产的计量虽有所考虑但其范围却很狭窄。据调查，经济学中确认的无形资产有29项之多，而会计学确认的却只有12项，真正列入会计报表的只有6项。在知识经济时代，这样的会计信息显然不能真实、准确地反映企业的财务状况，并且可能误导会计信息的使用者。一、传统会计下无形资产的确认和计量传统会计对于无形资产的确认和计量是以新颁布的《无形资产会计准则》为依据的。根据该《准则》，无形资产只在满足以下两个条件时，企业才能加以确认：（1）该资产产生的经济利益很可能流入企业；（2）该资产的成本能够可靠地计量。首先，根据资产的定义，只有预期能够给企业带来经济利益的资源才能确认为资产，否则，就是费用。其次，这种利益的流入，应是企业所能控制的。具体来说，企业要么拥有该无形资产的法定所有权，要么是这种权利通过协议受到法律的保护。第三，取得该无形资产的成本只有能够可靠地计量时，才能计算出无形资产的净收益或净亏损，为投资者提供准确的成本收益信息。此外，《准则》还规定，企业自创商誉因其成本不能可靠地计量，而不被确认为无形资产。 《准则》在规范无形资产的确认标准的同时，对无形资产的计量也提出了具体要求。购入的无形资产，应以实际支付的价款作为入账价值；通过债务重组方式取得的无形资产，应以重组债权的账面价值作为无形资产的入账价值；通过非货币性交易换人、投资者投入的无形资产，应以有可靠依据的账面价值或评估确认的价值作为入账价值等等。同时，《准则》还规定了对于自行开发并依法申请取得的无形资产，其入账价值按依法取得时发生的注册费、律师费等费用确定，依法申请取得前发生的研究与开发费用，应于发生时确认为当期费用，计入当期损益。期末，按准则规定的方法确认无形资产的摊销价值后，将摊余价值作为无形资产的账面价值列示在资产负债表的无形资产项目中。二、传统的无形资产确认和计量模式存在的问题1.无形资产的确认范围过窄。《会计准则》规定予以确认的无形资产只包括专利权、非专利技术、商标权、著作权、土地使用权、特许权，以及购入的商誉，企业自创的商誉不能加以确认。随着知识经济时代的到来，科学技术在经济增长中的贡献率将越来越高，知识成为经济增长的决定性因素，以知识为基础的无形资产将日益成为企业未来现金流量与市场价值的主要动力。在高新技术企业，衡量企业价值的主要标志不再是物质资源的多少，而是无形资产的多少。比如美国微软公司，其账面价值远不及通用汽车公司一家的账面价值，但其产值和利润却超过了美国三大汽车公司的总和，这不能不归功于微软公司的自创商誉。同样，我国也有类似的高科技企业，但由于《会计准则》不确认白创商誉，会使得这类企业价值不能得到全面反映。除此之外，在知识经济环境下，还有很多新兴的无形资产，如ISO9000质量体系认证、环境管理体系认证、绿色食品标志使用权等。最普遍、众多会计学者讨论最多的就是人力资源。知识经济时代，企业之间的竞争实质上是人才的竞争，企业对人力资源上的投入将会越来越多，如不及时加以确认和计量，将导致会计信息严重失真。2.无形资产价值的计量缺乏合理性。对于《准则》规定予以确认的无形资产，其计量标准亦缺乏合理性。对于自行开发并依法申请取得的无形资产，仅将其开发成功后为取得专利所发生的直接费用-注册费和律师费等资本化，作为无形资产的入账价值，而对于其主要的研究开发费用则作为当期费用，计入当期损益。这样处理使得企业自创无形资产成本不能得到全部确认，同时也不符合收益和费用配比的原则。大多数无形资产在尚未开发成功的会计期间里可能不产生任何收益，却要负担大量的研究和开发费用，而开发成功以后的受益会计期间仅摊销少量的申请、注册费用，这显然很不合理。传统的无形资产确认和计量模式使得企业账面上的无形资产不能完整地反映企业拥有的全部无形资产，这一方面不利于衡量企业的真正价值；另一方面也不利于投资者了解企业无形资产的构成以及无形资产方面的科研投入和技术含量的高低，从而降低了企业会计信息的客观性和相关性。三、知识经济时代无形资产的确认和计量1.增加无形资产项目核算的内容。如由于知识经济环境产生的诸如ISO9000质量体系认证、环境管理体系认证、绿色食品标志使用权等新的无形资产，应当计入企业的无形资产，以全面反映企业的无形资产价值。2.对于传统的无形资产项目如专利权、商标权、土地使用权以及购入的商誉等，按《准则》规定的办法进行计量，但为了在资产负债表中真实地反映无形资产的完整形态，应改变无形资产摊销直接冲减其账面价值的处理方法，设置“无形资产摊销”备抵账户，反映其摊销价值。在资产负债表中通过“无形资产”和“无形资产摊销”两个项目反映企业的无形资产原始价值和累计摊销价值，并通过两个项目的比较了解企业期末无形资产的净值。3.企业自创的商誉也是一项很重要的无形资产，它是使企业长期存在超额利润的重要因素，因而必须正确计量。自创商誉由于其支出成本不能可靠计量，一直以来都被排除在无形资产之外，笔者认为可以利用商誉的定义，根据其可以带来的超额收益来计量。即在企业实际获得酌净收益中，扣除按社会平均利润率计算的净收益及非商誉因素（如政策优惠、特殊行业或垄断经营等）取得的净收益，就是由企业的自创商誉取得的超额收益，将该收益按社会平均利润率资本化，即可作为企业自创商誉的价值。具体计算如下：超额收益＝实际净收益－按平均利润率计算的净收益－非商誉因素的净收益商誉价值＝超额收益÷平均利润率4.知识经济时代企业之间的竞争主要体现在技术创新上，企业因此对研究与开发资金的投入不断增加，使其对未来经营成果的影响也越来越大。研究与开发费用和企业自创的无形资产的形成关系非常密切。对于研究与开发费用是应该资本化还是费用化处理，应根据研究与开发的不同特点区别对待，而不能笼统地计入当期费用。研究阶段由于不会产生应予确认的无形资产，其支出应在发生时确认为费用。开发阶段如果其产生的无形资产可以确认，即满足以下所有条件：有目的从事无形资产开发并使用或销售它；完成该无形资产，使其能使用或销售，且在技术上可行；能够证明该无形资产的产出市场和对企业的有用性；有足够的资源保证该开发项目的完成；归属于该无形资产开发阶段的支出，能够可靠地计量。则可以将开发费用资本化，计入无形资产，否则应作为当期费用。5.人力资源是企业必不可少的无形资产。高新技术革命和技术创新的浪潮，已将企业间的竞争从自然资源、资本资源的竞争推向人力资源的竞争。从某种意义上说，人力资源的开发、利用和管理，将是企业发展最关键的制约因素，对人力资源价值进行核算和管理的方法-人力资源会计也应运而生。[参考文献][1] 国际会计准则委员会。国际会计准则[M].北京：中国财政经济出版社，2000.[2] 郭宗文。对知识经济时代会计创新的思考[J].财务与会计，2000.（1）。[3] 李连华，容少华。知识经济对会计的八大挑战[J].财会通讯，2001，（5）。[4] 郭华平。无形资产价值离合研究[J].当代财经，2001，（11）。中南财经政法大学学报·金静红
我国旅游经济的因素分析我国旅游业发展状况分析我国居民消费增长模型我国经济增长与周期波动我国经济增长对能源消耗的依赖公共投资取向与经济增长分析三大产业的发展与城镇居民家庭消费支出餐饮业区域市场潜力的影响因素分析资本结构主要影响因素的再探析国债发行规模的计量经济分析工资收入差异分析城镇人均收入与人均通讯消费分析影响居民消费水平的因素分析影响就业人数的因素的计量分析影响大学生就业问题的因素分析影响股价指数的因素分析影响我国电力产量的因素分析影响中国汽车产量的多因素分析私家车拥有量的计量分析我国汽车需求的因素分析
随机行走的世界与计量经济学在这篇文章里，我试图论说以下几个问题：第一个是科学史上关于宇宙本质的争论。这个问题十分重要，因为对宇宙是有序运转的，还是无序地紊乱地运转的认识支撑了我们对于科学的信仰、我们的情感和某种程度上我们的人生哲学。也是对这个问题的认识，计量经济学得以建立。第二个问题是关于学习计量经济学的几个基本问题。第三个问题，我将之称为“计量之美”。我一直相信任何一个学科都是极其美丽的，因为，它们不仅告诉我们很多关于世界是如何运行的真知灼见，更重要的是教会我们许多世俗智慧甚至一种人生哲学。因为我一直坚信，即使是读同一本书，不同的人也会得到不同的读书体会。因此，在这个问题之下，我仅就自己的体会谈谈计量经济学的世俗智慧和对我们人生态度的启迪。 一、随机行走的世界 对我们所生活于其中的宇宙的认识和思考，一直以来吸引着各个时代思想家们的智慧。我们生活的这个宇宙本质上是什么样的呢？是以一种有序的、有规律的方式在运转还是无序的、杂乱无章的运转？这种运转能否为我们的智慧所认识？人们对这些关于宇宙问题的渴求正是造就了人类自身的智力进化和卓越品质的重要动力之一。 在我们今天的视野所及的范围，我们知道对这些问题思考的最有影响力的思想是由18世纪的思想家们做出的。18世纪的思想家们建立了近代最有影响力的哲学体系，他们设计了一个“有序的”世界。在某种程度上，他们的世界观是一种“决定论”的世界观，坚信这个世界正在按照某种已经设计好的秩序在运行。持有这个“决定论”观点的人包括诸如牛顿、爱因斯坦等最伟大的自然科学家。这个体系的科学性则是由牛顿定律和对牛顿体系进一步思考的数学定律所保证的。当然，自然科学家们这种关于宇宙的信念和洞见不可避免的影响到了从事社会科学研究的思想家们，其中也包括经济学家。经济学的创始人，亚当•斯密的思想根基也是源于这样的一种信念。他把这种自然科学的有序世界的观点应用到人类社会里，形成了一种从看似“无序”到“有序”的观念，提出了一个“和谐的经济系统”的观点。这种和谐的经济系统的动力则是人的自利动机。 我们决不应该低估这种关于世界的观点的影响力和洞察力。事实上，我们一直在这种“决定论”的世界观下生活并做出各种与我们自身息息相关的决策。一种对于人类经济社会的“完美和谐”的信念直接导致了大家对政府干预经济的效果的质疑，并且主导了许多关于政府问题的争论。这种“决定论”的观点在很大程度上支撑着我们对于自由经济的信心和我们对于世界的信仰。 但是这一体系在历经几个世纪之后，遭到了怀疑。对于这种“决定论”的世界观的挑战来自于统计观点，尤其是概率论的成功。我们可以举一个简单的例子来说明这二者对于世界的看法的分歧。比如我们说，消费函数是 ，其中， 是自发消费， 是可支配收入，c是边际消费倾向。进而我们可以把消费函数写作是可支配收入的函数： 。这个消费函数是更加广泛意义上的数学若干函数中的一个。这个函数明白无误地说明，居民的消费量将精确地取决于可支配收入、自发消费和边际消费倾向。这种函数关系是一种确定性的关系。但是，我们知道，这种关于居民消费的断言在现实中毫无疑问是会受到质疑的，居民的消费量并不是精确地取决于这几个因素。在很大的程度上，这种消费关于自发消费、可支配收入和边际消费倾向的关系是不确定的，或者说是随机的，有着概率分布的。这就是二者之间的差别，持有决定论观点的人依据一种确定性的函数关系认为，这个世界将会精确地按照数学定律所描述的那样运转。而持有统计观点的人却认为，即使是知道了这种关系，消费与其他几个因素之间仍然是一种偶然的，不确定的，有着概率分布的关系。 我们把后一种对于世界的观点叫做统计观点，正是这种统计观点，打破了原来思想家们头脑中的有序结构。但是，这二者之间的分歧似乎是让人迷惑的。因为，当我们在利用统计方法的时候，我们却得出了一些几乎完全可靠的定律。而且，统计总体越是偶然、紊乱，就越能更好地表现出统计规律和必然性。比如，我们投掷硬币，当我们投掷的次数足够多的时候，我们发现，出现正面和反面的概率竟然惊人地各是0.5。再比如，我们对于某种考试成绩的统计发现，如果样本足够的大的话，成绩分布将会呈现一种正态分布。并且，人数越多，成绩就越呈现标准正态分布。更加令人惊奇的是，看起来我们做事情可能犯错误的情况也是有规律可循的，人几乎不能随意地犯错误！总之，某些看起来是无迹可寻的东西，似乎又都可以找到规律。这样，决定论和统计观点二者之间又有什么差别呢？事实上，二者之间的差别仅在于，统计观点认为不存在绝对的定律，任何所谓的定律其实都是有着某种概率的“可能的”情形。在这个意义上说，没有什么事情是确定无疑的。也就是说，这个世界是随机行走的，各种情况都有可能发生。尤其是在人类社会中，如果我们相信独立于人的意识而存在的物质世界都是随机行走的，那么人类社会也会表现出这种随机性看来并不是不可以接受的。 但是，这并不就意味着随机行走的世界会因为其不确定性而无法认识，即使这种随机行走的世界确实可能形成一种混沌状态。我们能够在“决定论”和关于世界的“统计观点”那里架起一座桥梁。那就是：我们相信，我们可以得到一些定律，这些定律是对某些事情本质的一种最好近似，即使这些事情的本质可能并不是一元的。或者说，这个世界会从无序走向某种程度上的有序。对这些统计定律的发现，在我们的专业范围内，就是计量经济学的任务了。 二、随机行走的世界与计量经济学的任务 事实上，统计的成功应用在很早就已经开始了。大约在17世纪，有一位叫做格兰特的英国商人就通过研究注意到：因事故、自杀、各种疾病而死亡的人的百分比是固定的。这几乎叫人感到惊奇！而且也是统计学的成功使得人们日益认识到，一个国家的定量材料应该得到应有的重视，无论是经济学家还是政府决策者，都应该思考数据。 计量经济学就是为了在一个随机行走的世界中探讨统计性规律！因为只要知道了这个规律，我们就可以在某种程度上认识这个世界。但是要记住这种认识肯定是不完全的。而且根据需要，我们还可以根据这个规律来进行预测。进行预测是我们关心规律的一个十分重要的原因。更加值得称道的是，计量经济学在推断统计规律时所用的方法和理念。因为，我们对于这个世界的认识永远是不会完全的，我们只能根据部分“样本”来推断这个世界的整体状况。可以假设这样一种情况：如果我们能够对这个世界的方方面面进行完全的观察，我们就期望可以得出一个关于这个世界本质的定律。可是，我们不能把这个世界的方方面面都观察到，也可以说，我们认识的局限是不确定性的来源。能否由样本近似地认识整体是一个很重要的问题。如果，我们没有一种坚信可以由样本来推断整体规律的信念的话，我们就不能建立这门学科。 这种由样本来对整体进行推断的方法是计量经济学的主要方法。我们要通过一种叫做回归分析的技术来达到这个目的。“回归”这个词最先由F.加尔顿（Francis Galton）爵士引入。加尔顿研究发现，父母和孩子的身高有这样的一个趋势：父母高，儿女就高；父母矮，儿女也矮。但是高个父母的儿女们在同龄人中并不像父辈那样在同龄人中显得那样高，儿女辈的平均身高将“退化”到或者说“回归”到全体人口的平均身高。这也叫加尔顿的“普遍回归定律”。加尔顿在智力遗传的方面也得到了类似的结果：一般来说，天才是要遗传的。但是天才的后代却要比他们的父辈们平庸，也就是他们的智力水平将“回归”到中等水平。但是，对于这种回归背后的动力分析可能已经超出了计量经济学这个学科的研究范围，即使这种研究也许会导致一种有意思的哲学的建立：所有的有机组织都将趋于标准状态！ 回归的现代意义则稍微有点不同。现代意义上的回归是指，一个叫做因变量的量和其解释变量之间的依赖关系。也可以说是一种相关的关系。实际上，回归和相关是两个极容易混淆的概念，容易混淆的原因既是因为这两个概念的相近性，更重要的是因为这个世界的复杂性。哲学上宣称，这个世界是普遍联系的。这个宣称的深刻性在于确认了世界上没有什么是完全独立的。比如，我们可以发现在现代社会死于癌症的人逐渐增多，这二者是相关的。但是我们并不能就此认为，是现代社会导致了更多的人染上癌症。再比如，这也经常被用来反驳统计结论，一个国家的经济繁荣的情况可能和这个国家一个时期的太阳黑子出现的情况存在一种相关关系，但是这种相关关系却不能作为我们行动的任何指导。在这个问题的区分上，就是计量经济学和统计学之间的分歧了。计量经济学讨论的是回归关系，这种回归的特点在于，我们试图根据某些变量的数值来估计另一个量的数值，我们要依据这种关系进行预测。比如，我们试图通过研究父母的身高来估计其孩子的身高。这种估计就要依赖于我们所关心的两个量之间存在的一种理论上的联系。而相关关系则充斥着统计学的各个方面。并且因为世界的普遍联系性，相关关系是一种常态。 基于上面的差别，在回归中，我们要求解释变量是确定的，可以控制的，但是被解释变量（因变量）可以是随机的（被解释变量正是我们要估计的）。但是在相关关系中，这二者并不加以区分。之所以说这两个概念容易混淆是源于这个世界的复杂性，是因为，这个世界本质上就存在一种难以言明的精密联系。我们实在不能够足够自信地认为我们可以确定哪些变量可以控制，哪些变量之间可以精确地被认为是一种回归关系。比如，事实上，我们也可以找出一种机制使得癌症和现代社会之间存在一种回归关系，就像我们可以发展一种理论来说明，太阳黑子的活动和一个国家的经济繁荣存在着回归关系。这个世界的复杂性要求我们必须对我们认识世界和改造世界的能力保持谦虚。同时请记住：具有回归关系可能并不必然地意味着具有因果关系。在判断因果关系时，我们必须要很小心。因为，这个因果关系很不好说，也许看似因果的两个事件，实际上可能是互为因果的。就像佛经中认为的那样：因果是循环的。 我们讲了这么多关于计量经济学的性质，实际上是为了表达我们这样的信念：我们可以在一定的层次上认识世界，我们坚信这个世界存在着某些统计规律，应用这些规律我们可以在“一定程度的错误”的前提下认识和改造世界。计量经济学可以帮助我们达到这个目的。我们可以借助近似地描述了具有相关关系的变量间联系的函数，主要是回归函数，来描述这种关于世界运行的定律。 但是，计量经济学在得到这个回归函数时所使用的复杂的数学推导可能会让我们在特定的时段感到计量经济学的混乱和无序，即使在最后我们坚信可以实现一种理解上的有序。但是，过程中的痛苦可能会让很多人驻足。这里，我们想提前接触一下，那条驾驭计量经济学研究内容的灵魂。 因为，认识世界的理论的建立来自于对世界本质表现出来的现象的分析。有两种对现象进行分析的方式：一种是对现象直接进行操作。这种操作极其便捷，简单而且有洞察力，但是对天赋的要求非常高。其不利之处在于这种对现象的思考得出的结论可能广受争议。另一种方式则是对现象的属性——数据来进行操作。过程中要遵循严格的科学方法。第二种方法就是计量经济学的方法了，这种方法因为是用数据说话，可能争议较少。但是，不利之处却是，这种分析结论却要严格的依赖于数据的质量，也就是说，这种方法得出的结论的质量不会比数据的质量更好。 尽管有这样的困难，我们还是推荐计量的方法。因为，数据的质量可以通过统计手段和统计工具的完善加以解决。并且，根据我们的概率知识，即使这种有误差的数据，其误差也是有规律的，误差情况总是会表现为正态曲线。那么如何来对数据进行操作呢？计量经济学的思路通常是这样：最简单的情况下（双变量回归），在一个坐标平面上画出散点图，发现其大致的规律，通常我们可能发现，我们关心的两个简单量之间呈现一种类似于线形的关系（当然，也可能不是线性的，这种情况下需要更高深的数学工具）。把这种线形的关系利用解析几何的知识转化为直线方程并不困难。获得了这样的一个直线方程是一个极大的成功。因为，这个方程，就是在“某种程度的错误”的前提下的一种描述世界如何运行的定律。事实上，计量经济学的任务在很大的程度上，就是发现这样的关于世界如何运行的定律。 但是，在从数据那里获得一些关于变量间“规律”的方式也可以通过另外的方式来进行。也就是在使用数据之前，通过对先验的知识进行演绎和推理从而得出一系列“定律”。这就是我们在数理经济学中所看到的那些数理方程式。这些数理方程就是我们对世事认识的理论，这种理论能够给我们认识世界和改造世界以指导。尤其是在确定我们所考虑的变量之间的可能具有的关系时很有作用。但是我们是否可以应用这些方程式来指导我们认识世界和改造世界的活动并没有得到证明。计量经济学提供了一种这样的证明。我们可以利用数据来检验这些先验的定律是否符合实际，或者得出一种明确的可以应用于实际的形式，从而对数理方程做出了适合实际的修正。尤其是在不同的国家中，因为不同的文化等隐性的制度因素，这些定律可实施的情况是完全不同的。事实上，始于一种对世界认识的先验的推理，建立一种解释世事的假说并用以改造世界，是每一个学者的虚荣心。 因此，计量经济学的研究的思路或者说计量经济学的灵魂是：通过先验的演绎和推理得出理论模型，最好是数理模型。数理模型中会有参数，那么利用数据对这个模型的参数进行估计得出一条回归方程，并通过假设检验来确认这个方程式。如果这个方程式满足了理论建立时的要求，那么就证明了那个先验的理论是正确的并且能够利用这种理论进行预测。接下来的计量分析就是在这些思路下进行的技术探讨了。 对计量经济学这套思想方法和其技巧的同时掌握，是掌握这门学科并加以实际运用的重要素质。尤其是计量经济学的技巧，是一个计量人的必备素质。因为我们一直坚信，伟大的思想来源于熟练的技巧。就像武侠中的“打狗棒法”虽然只有十八路，但是，一个使过无数次“打狗棒法”的丐帮帮主足可以因这十八招而笑傲江湖了。但是，如果过于沉迷于高级计量的数学推导，我们就很可能失去欣赏这门学科所固有的魅力的机会，并且因为数学知识的缺乏而造成的沮丧可能会阻碍对其进一步的学习，从而失去了领悟计量经济学所蕴含的大量关于生活的智慧的机会。因此，这篇文章里，我们不对计量经济学的技术过多的论及，而主要是看其蕴含的智慧之美。三、计量经济学：智慧之美 最能让我们感受到美感的就是计量经济学这种从样本推断整体的思想。如果能够认识到我们生活的这个世界的复杂性的话，我们对这种思想可能会更加珍视。比如，如果我们有一种信念，比如相信我们能够通过努力成为一个书法家。那么我们能够怎么做呢？计量经济学和书法家们都会这样建议你：先选取几十个字来，集中精力把这几十个字练好，最好是临摹以往大师们的作品。这样，你就几乎能够发现写好字的要领。因为，我们不能够把这个世界上的字都练习到，我们只能够由“样本”来推断所有字的写法。并且，我们坚信这些“样本”蕴含了足够多的关于写字的要领或者说是写字规律的信息。这就是计量经济学的智慧之一。从这个角度出发，我们几乎将这种计量经济学的思想推广到生活的各个方面，并且可以指导我们成就卓越。无论是学习、应试、还是搞艺术，甚至想要成为武林高手，都可以应用这种思想。“样本”往往是我们窥看世界本质的窗口！有心人自会从这里得到无尽的启发。 计量经济学就像从一个古老的神谕里蹦出来的智慧精灵，它几乎全面的改变了我们对于脚踏实地的看法！掌握一种过硬的分析数据的能力，无疑会全面的改变你的工作方式和效率。这在一个人的职业生涯中是极其重要的。经济理论经常地被认为是一门空洞无用的理论，这是在未有数据之前做出分析的常见批评，先验和演绎的方法，很多人认为，不能够对社会科学的研究有什么意义。但是，有了计量经济学就完全不一样了，我们就可以从数据出发来进行我们的分析和预测，这种工作方式无疑会培养我们踏实做人的人品。并且因为处理问题的独特技巧和思维，掌握计量工具的人会得到青睐——来自上司和运气。 在我看来，计量经济学还对我们的人生哲学有着指导意义。人的一生其实只是一个短暂的瞬间，就好像那滑过天际的流星，留下的只是瞬间的美丽。这瞬间如何解释？采用一种什么样的方式来度过这一个瞬间？ 人不过是苍茫宇宙中的一粒尘埃，如果这个宇宙尚且遵循着从无序走向有序，那么我们是不是可以将这个信念加以演绎到我们每个人的人生中呢？！其实我们每个人的人生也只是在一个随机行走的世界中的随机行走过程。 我们永远不会知道，在下一个时段，我们会经历什么、会遇到什么，甚至我们对于我们未来的规划都是不确定的。这个过程是随机的、紊乱的、偶然的和无序的。但是，这种无序和紊乱最终会走向有序。用计量经济学的说法，我们会从这些紊乱偶然的样本中得到一个回归方程。这个回归方程就是我们的人生轨迹！ 当然我们对于这个轨迹的认识永远是后验的。我们不可能在这人生的每一个阶段之前就得出一个回归轨迹作为我们人生的预测，这种东西没有预测意义。那么这种有序的观念究竟能给我们什么人生启发呢？ 那就是：我们实在没有必要对于发生于我们周围的看起来是好事或者坏事的东西耿耿于怀，我们实在没有必要太过挑剔上天对我们的似乎是不公正的待遇，中国自古就有“福祸”的智慧之言。以一种应有的宽容心态来对待我们的人生无疑会让我们感到快乐。甚至我们的职业追求也是如此，没有什么绝对的好或者不好，我们的人生轨迹在我们某些年里需要紊乱和无序，根据计量经济学的思想，越是紊乱和无序的样本，我们就越容易得出稳定的统计定律——一条稳定的人生轨迹！假如大家去看看人物传记就可以发现，在那些人的人生里，他们可能做过记者，参过军，被抓到过牢里，看起来和其最终的路径有了很大的背离，可是这些背离最终回归到这条路径上。事实上，我们并不好确定，是不是这种每个阶段的紊乱和无序最终造成了他们稳定的人生轨迹？！ 人生需要这种随机性。并且如果我们要想有一条稳定的人生轨迹，依照计量经济学的理念，我们还要让我们的人生经历这一样本足够大。如何让自己的人生经历更多？如何让自己的人生有更多的随机性？那就是：我们要过主动追求的人生。当我们在生活中有意识地主动去追求时，我们就在客观上丰富了自己的经历，并且扩大了自己的人生经历样本。因为，在你主动追求的时候，才能够发现惊喜和奇遇。消极和封闭的人生态度不利于扩大自己的人生经历样本，样本不具有变异性，就难以得出好的回归方程。我们都应该学学“苍蝇的哲学”，苍蝇的四处乱撞让苍蝇即使在被困的时候也有机会逃脱。这也许是更有含义的古语的一句话的意思吧：树挪死，人挪活。但是，在我们的追求中，因为，我们应该珍视随机性，因此，对于得失就不必太让自己负累。得失是随机的。我们在生活中得到了什么、失去了什么，也许在这冥冥之中的东西面前，可能只是一个慈悲的玩笑。太过于在意也许是失去了更多。 参考文献： [1]古扎拉蒂.《计量经济学》（第三版）[M]，林少宫译.北京：中国人民大学出版社.2000. [2]罗伯特S.平狄克，丹尼尔L.鲁宾费尔德.《计量经济模型与经济预测》[M].北京：机械工业出版社.1998. [3]M.克莱因.《西方文化中的数学》[M]，张祖贵译.上海：复旦大学出版社.2004. [4]袁荫棠.《概率论与数理统计》[M].北京：中国人民大学出版社.1999.仅供参考，请自借鉴。希望对您有帮助。
计量史学的最大特征就是运用自然科学中数学方法对历史资料进行定量分析。计量史学在西方大约萌芽于19世纪末，1882年，德国学者伊纳马·斯坦格发表了一篇论文叫做《历史与统计学》，这是最早的关于计量史学的著作。从此以后，越来越多的历史学家开始进行历史计量研究的尝试，特别是20世纪上半期的法国年鉴学派起了突出的作用。1972年，英国史学家R·弗拉特出版了《历史学家计量方法导论》，被列为目前国际计量史学的经典性著作。
近20年钢铁业进出口分析20年国内GDP与CPI变化等等 很好想题目的
首先~你可以咨询一下你的导师或者师哥师姐呀~要是还是没思路的话~你可以看下（国际会计前沿），OA期刊~里面都是别人已经发表过的论文~你可以参考参考吧
XX单位审计案例研究好找资料、好抄啊
选题应考虑的因素。具体说，选题应考虑以下因素: 一是要立足于自己的专业基础和工作经验，尽量写自己熟悉的人或事。 二是要有新意和独到的见解，避免人云亦云。要时刻关注理论和实际工作的发展情况。对于别人写过的题目，只要有新的立意和观点，仍然可以写。 三是要权衡占有资料的情况，即论据的多少。平时应多积累和收集资料，注意在收集资料的过程中发现问题，选择题目。四是报刊报道的重点和需要。经常翻阅报纸杂志，了解论文需求。 选题原则。假如你想进行成都论文发表的话，那么就请注意论文选题应把握以下几个原则:一是创造性原则。如果一篇论文没有新的观点、见解和认识，就如同一个人没有灵魂。因此，论文题材应针对业务工作和理论研究中的新发现，新创造去选择。二是指导性原则。选择那些当前理论研究和工作实践中迫切需要解决的实际问题，即人们关注的热点、争论的焦点问题和工作中的重点、难点、疑点。三是可行性原则。根据自己的专业优势、知识水平、资料和兴趣爱好等情况选题，注意量力而行，难易适中，大小适度。四是前瞻性原则。尽量选择那些近期和未来一定时期大家关心的问题，提出自己的见解，给人以启迪。 选题注意事项。论文选题有“四忌”:一是“生”。生疏、不熟悉的题目不要写，因为心中无数，不知对否，无从下笔。二是“旧”。苏东坡有言:文章最忌随人后。时过境迁，题材陈旧的论文，老生常谈，读者厌烦。三是“空”。空洞无物，没有实际内容的题目难以提出自己的主张并令人信服。四是“大”。题目太大、太宽泛，对一般作者来说，心有余而力不足，难以深入细致，容易泛泛而论。虽然论文题目大小没有好坏之分，不可一概而论，但一般来说题目还是应当具体一点，有侧重点。小题大做，容易驾驭，只要写得有新意，同样受读者欢迎。 比如有这样四个题目:《论审计质量管理》、《论审计质量过程控制》、《论审计证据质量控制》、《审计取证据方法论》。第一个题目显然太大，涉及一本书的内容。第二个题目比起第一个来虽然小一些，但包含的内容仍较复杂，作为论文有内涵外延过大之嫌。第三、四个题目抓住了一个侧重面和切入点，针对性强，容易写深写透，写出新意。
这样吧，我给些选题，你自己参考下1.论经济责任审计的运行机制 2.我国政府审计结果公告制度研究 3.基于国家审计公告的审计期望差距研究 4.风险导向审计模式下的审计风险应对研究 5.政府绩效审计评价指标体系构建 6.计算机控制环境下的审计风险研究 7.我国政府审计问责制度及其效果研究 8.基于“免疫系统”论的国家审计职能研究 9.基于XBRL的持续性审计研究 10.信息环境下数据式审计的应用研究 11.高校新校区建设投资效益审计研究 12.审计证据相关性与充分性关系研究 13.非审计服务与审计质量的相关性研究 14.我国企业内部控制的社会认同度研究 15.影响注册会计师审计独立性的因素及其对策研究 16.审计期望差距存在的必然性及发展趋势 17.会计师事务所体制创新研究 18.基于风险防范的政府债务审计实施思路 19.协调与合作：内部审计与外部审计关系研究 20.促进审计结果公告制度在我国的应用对策研究 21.加强地方政府债务审计与管理的思考 22.论完善上市公司内部控制信息披露机制 23.政府投资项目跟踪审计研究 24.论政府采购绩效审计 25.论政府审计信息公开制度 26.高校内部审计职能创新研究 27.论内部审计和公司治理 28.领导干部经济责任审计存在的问题及对策 29.我国独立审计市场机制的现状及其改善 30.论我国开展政府绩效审计的问题及其对策
我有许多范文 还有我们自己做的论文 需要找我 qq：309735313
我国旅游经济的因素分析我国旅游业发展状况分析我国居民消费增长模型我国经济增长与周期波动我国经济增长对能源消耗的依赖公共投资取向与经济增长分析三大产业的发展与城镇居民家庭消费支出餐饮业区域市场潜力的影响因素分析资本结构主要影响因素的再探析国债发行规模的计量经济分析工资收入差异分析城镇人均收入与人均通讯消费分析影响居民消费水平的因素分析影响就业人数的因素的计量分析影响大学生就业问题的因素分析影响股价指数的因素分析影响我国电力产量的因素分析影响中国汽车产量的多因素分析私家车拥有量的计量分析我国汽车需求的因素分析
自己先拟题如：计量经济学在城乡网络建设中的作用
学术堂整理了十五个计量经济学论文题目供大家进行参考：1、中国货市需求函数实证研究.2、货币超发的实证研究3、存款准备金率变化的影响4、货币需求与通胀关联分析5、货币需求的弹性分析6、我国居民消费函数实证分析7、浙江省居民消费函数变化8、日元实际汇率长期利率的实证分析9、欧元实际汇率长期利率的实证分析10、瑞朗实际汇率长期利率的实证分析11、利率汇率与外商直接投资12、利率与通胀的关系实证分析13、利率与商业银行不良贷款率的波动实证分析14、利率、租金与房价15、货币政策、利率传导机制实证分析
下面，给到一些题目，你觉得对你简单的就可以写。
1.杨海文:空间计量模型的选择、估计及其应用江西财经大学,2015。
2.何煜辉:我国企业合并商誉会计计量研究北京交通大学,2015。
3.陈天约:投资性房地产公允价值计量对企业财务绩效的影响华东理工大学,2015。
4.张春燕:公允价值计量模式在投资性房地产中应用的实证研究武汉科技大学,2014。
5.陈晨:投资性房地产公允价值计量动因与经济后果研究中国矿业大学,2014。
6.张甜:公允价值计量模式在投资性房地产中的应用研究厦门大学,2014。
7.赵轶:金融集聚、空间溢出与区域经济增长西南财经大学,2014。
8.李蓉:自创商誉的计量及其应用研究北京交通大学,2014。
9.杨友焱:投资性房地产公允价值计量的应用及财务影响研究重庆大学,2013。
10.胡庭清:非活跃市场环境下公允价值会计计量问题研究湖南大学,2012。
当然，最好是结合题目的同时，结合自己的现实情况，加入自己的想法，进行创新。
希望以上网站内容能帮到你
计量经济学论文可以研究的问题有多种，期中比较简单的就是根据数据，建立方程，研究变量之间的关系，主要运用的工具就是计量经济学的初等知识和Eviews软件，思路、要求和注意事项我觉得这么说对你的帮助不大，所以给你一篇我的论文做参考，也许对你有帮助，如果你觉得看的不是很明白的话，可以再留言给我，我把什么思路等告诉你。计量经济学期末实验报告实验名称：大中城市城镇居民人均消费支出与其影响因素的分析姓 名：学 号：班 级： （）级统计学系（）班指导教师：时 间：（上面是论文封皮）23个城市城镇居民人均消费支出与其影响因素的分析（题目）一、 经济理论背景近几年来，中国经济保持了快速发展势头，投资、出口、消费形成了拉动经济发展的“三架马车”，这已为各界所取得共识。通过建立计量模型，运用计量分析方法对影响城镇居民人均消费支出的各因素进行相关分析，找出其中关键影响因素，以为政策制定者提供一定参考，最终促使消费需求这架“马车”能成为引领中国经济健康、快速、持续发展的基石。二、 有关人均消费支出及其影响因素的理论我们主要从以下几个方面分析我国居民消费支出的影响因素：①、居民未来支出预期上升，影响了居民即期消费的增长居民的被动储蓄直接导致购买力的巨大分流, 从而减弱对消费品的即期需求，严重地影响了居民即期消费的增长，进而导致有效需求的不足，最终导致经济增长的乏力。90年代末期以来，我国的医疗、养老、失业保险、教育等一系列改革措施集中出台，原有的体制被打破，而新的体制尚未建立健全，因此目前的医疗、养老、失业保险、教育体制对居民个人支出的压力较大，而且基本上都是硬性支出，支出的不确定性也很大，导致居民目前对未来支出预期的上升。②、商品供求结构性矛盾依然突出从消费结构上看，我国消费品市场已发生了新的根本性变化：居民低层次消费已近饱和，而更高水平的消费又未达到。改革开放20多年来，城乡居民经过了一个中档耐用消费品的普及阶段后，目前老百姓的收入消费还不足以形成一个新的、以高档产品为内容的主导性消费热点，如轿车、住房等还远不能纳入大多数人的消费主流，居民现有的购买力不能形成推动主导消费品升级的动力。③、物价总水平持续在低水平运行，通货紧缩的压力较大，不利于消费的增长加入WTO之后，随着关税的降低和进口规模的扩大，国外产品对我国市场的冲击将进一步加大，国际价格紧缩对国内价格变化将产生负面影响。物价的持续下降，不利于居民的消费增长。因为从居民的消费心理上看，买涨不买降是居民购物的习惯心理。由于居民对物价有进一步下降的预期，因此往往推迟消费，不利于居民消费的增长。另外，从统计上分析，由于物价的下降，名义消费增长往往低于实际消费的增长，这在一定程度上也不利于消费增长幅度的提高。④、我国现阶段没有形成大的消费热点，难以带动消费的快速增长经过近几年的培育和发展，我国目前已经形成了住房消费、居民汽车消费、通信及电子产品的消费、节假日消费及旅游消费等一些消费亮点，可以促进消费的稳定增长，但始终未能形成大的消费热点，因此不能带动消费的高速增长。三、 相关数据收集相关数据均来源于2006年《中国统计年鉴》：23个大中城市城镇居民家庭基本情况（表格）地区 平均每户就业人口（人） 平均每一就业者负担人数（人） 平均每人实际月收入（元） 人均可支配收入（元） 人均消费支出（元）北京 1.6 1.8 1865.1 1633.2 1187.9天津 1.4 2.0 2010.6 1889.8 939.8石家庄 1.4 2.0 1061.3 1010.0 722.9太原 1.3 2.2 1256.9 1159.9 789.5呼和浩特 1.5 1.9 1354.2 1279.8 772.7沈阳 1.3 2.1 1148.5 1048.7 812.1大连 1.6 1.8 1269.8 1133.1 946.5长春 1.8 1.7 1156.1 1016.1 690.2哈尔滨 1.4 2.0 992.8 942.5 727.4上海 1.6 1.9 1884.0 1686.1 1505.3南京 1.4 2.0 1536.4 1394.0 920.6杭州 1.5 1.9 1695.0 1464.9 1264.2宁波 1.5 1.8 1759.4 1543.2 1271.4合肥 1.6 1.8 1042.5 950.1 686.9福州 1.7 1.9 1172.5 1059.4 942.8厦门 1.5 1.9 1631.7 1394.3 998.7南昌 1.4 1.8 1405.0 1321.1 665.4济南 1.7 1.7 1491.3 1356.8 1071.4青岛 1.6 1.8 1495.6 1378.5 1020.7郑州 1.4 2.1 1012.2 954.2 750.3武汉 1.5 2.0 1052.5 972.2 853.1长沙 1.4 2.1 1256.9 1148.9 986.8广州 1.7 1.8 1898.6 1591.1 1215.1四、 模型的建立根据数据，我们建立多元线性回归方程的一般模型为：其中：——人均消费支出——常数项——回归方程的参数——平均每户就业人口数——平均每一就业者负担人口数——平均每人实际月收入——人均可支配收入——随即误差项五、实验过程（一）回归模型参数估计根据数据建立多元线性回归方程：首先利用Eviews软件对模型进行OLS估计，得样本回归方程。利用Eviews输出结果如下：Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:08Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C -1682.180 1311.506 -1.282633 0.2159X1 564.3490 395.2332 1.427889 0.1704X2 569.1209 379.7866 1.498528 0.1513X3 1.552510 0.629371 2.466766 0.0239X4 -1.180652 0.742107 -1.590947 0.1290R-squared 0.721234 Mean dependent var 945.2913Adjusted R-squared 0.659286 S.D. dependent var 224.1711S.E. of regression 130.8502 Akaike info criterion 12.77564Sum squared resid 308191.9 Schwarz criterion 13.02249Log likelihood -141.9199 F-statistic 11.64259Durbin-Watson stat 2.047936 Prob(F-statistic) 0.000076根据多元线性回归关于Eviews输出结果可以得到参数的估计值为： , , ， ，从而初步得到的回归方程为：Se= (1311.506) (395.2332) (379.7866) (0.629371) (0.742107)T= (-1.282633) (1.427889) (1.498528) (2.466766) (-1.590947)F=11.64259 df=18模型检验：由于在 的水平下，解释变量 、 、 的检验的P值都大于0.05，所以变量不显著，说明模型中可能存在多重共线性等问题，进而对模型进行修正。（二）处理多重共线性我们采用逐步回归法对模型的多重共线性进行检验和处理：X1：Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:28Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 153.8238 518.6688 0.296574 0.7697X1 523.0964 341.4840 1.531833 0.1405R-squared 0.100508 Mean dependent var 945.2913Adjusted R-squared 0.057675 S.D. dependent var 224.1711S.E. of regression 217.6105 Akaike info criterion 13.68623Sum squared resid 994441.2 Schwarz criterion 13.78497Log likelihood -155.3917 F-statistic 2.346511Durbin-Watson stat 1.770750 Prob(F-statistic) 0.140491X2：Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:29Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 1756.641 667.2658 2.632596 0.0156X2 -424.1146 347.9597 -1.218861 0.2364R-squared 0.066070 Mean dependent var 945.2913Adjusted R-squared 0.021597 S.D. dependent var 224.1711S.E. of regression 221.7371 Akaike info criterion 13.72380Sum squared resid 1032515. Schwarz criterion 13.82254Log likelihood -155.8237 F-statistic 1.485623Durbin-Watson stat 1.887292 Prob(F-statistic) 0.236412X3：Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:29Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 182.8827 137.8342 1.326831 0.1988X3 0.540400 0.095343 5.667960 0.0000R-squared 0.604712 Mean dependent var 945.2913Adjusted R-squared 0.585888 S.D. dependent var 224.1711S.E. of regression 144.2575 Akaike info criterion 12.86402Sum squared resid 437014.5 Schwarz criterion 12.96276Log likelihood -145.9362 F-statistic 32.12577Durbin-Watson stat 2.064743 Prob(F-statistic) 0.000013X4：Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:30Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 184.7094 161.8178 1.141465 0.2665X4 0.596476 0.124231 4.801338 0.0001R-squared 0.523300 Mean dependent var 945.2913Adjusted R-squared 0.500600 S.D. dependent var 224.1711S.E. of regression 158.4178 Akaike info criterion 13.05129Sum squared resid 527020.1 Schwarz criterion 13.15003Log likelihood -148.0898 F-statistic 23.05284Durbin-Watson stat 2.037087 Prob(F-statistic) 0.000096由得出的数据可以看出， 的调整的判定系数最大，因此首先把 引入调整的方程中，然后在分别引入变量 、 、 进行OLS得：X1、X3Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:32Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C -222.8991 345.9081 -0.644388 0.5266X1 289.8101 227.2070 1.275533 0.2167X3 0.517213 0.095693 5.404899 0.0000R-squared 0.634449 Mean dependent var 945.2913Adjusted R-squared 0.597894 S.D. dependent var 224.1711S.E. of regression 142.1510 Akaike info criterion 12.87276Sum squared resid 404138.2 Schwarz criterion 13.02087Log likelihood -145.0368 F-statistic 17.35596Durbin-Watson stat 2.032110 Prob(F-statistic) 0.000043X2、X3Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:33Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 239.5536 531.1435 0.451015 0.6568X2 -27.00981 244.0392 -0.110678 0.9130X3 0.536856 0.102783 5.223221 0.0000R-squared 0.604954 Mean dependent var 945.2913Adjusted R-squared 0.565449 S.D. dependent var 224.1711S.E. of regression 147.7747 Akaike info criterion 12.95036Sum squared resid 436747.0 Schwarz criterion 13.09847Log likelihood -145.9292 F-statistic 15.31348Durbin-Watson stat 2.063247 Prob(F-statistic) 0.000093X3、X4Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:34Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 331.7015 142.5882 2.326290 0.0306X3 1.766892 0.553402 3.192782 0.0046X4 -1.473721 0.656624 -2.244390 0.0363R-squared 0.684240 Mean dependent var 945.2913Adjusted R-squared 0.652664 S.D. dependent var 224.1711S.E. of regression 132.1157 Akaike info criterion 12.72634Sum squared resid 349091.0 Schwarz criterion 12.87445Log likelihood -143.3529 F-statistic 21.66965Durbin-Watson stat 2.111635 Prob(F-statistic) 0.000010由数据结果可以看出，引入X4时方程的调整判定系数最大，且解释变量均通过了显著性检验，再分别引入X1、X2进行分析。X1、X3、X4Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:37Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 193.6693 403.8464 0.479562 0.6370X1 89.29944 243.6512 0.366505 0.7180X3 1.652622 0.646003 2.558228 0.0192X4 -1.345001 0.757634 -1.775265 0.0919R-squared 0.686457 Mean dependent var 945.2913Adjusted R-squared 0.636950 S.D. dependent var 224.1711S.E. of regression 135.0712 Akaike info criterion 12.80625Sum squared resid 346640.3 Schwarz criterion 13.00373Log likelihood -143.2719 F-statistic 13.86591Durbin-Watson stat 2.082104 Prob(F-statistic) 0.000050X2、X3、X4Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:38Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 62.60939 489.2088 0.127981 0.8995X2 134.1557 232.9303 0.575948 0.5714X3 1.886588 0.600027 3.144175 0.0053X4 -1.596394 0.701018 -2.277251 0.0345R-squared 0.689658 Mean dependent var 945.2913Adjusted R-squared 0.640657 S.D. dependent var 224.1711S.E. of regression 134.3798 Akaike info criterion 12.79599Sum squared resid 343100.8 Schwarz criterion 12.99347Log likelihood -143.1539 F-statistic 14.07429Durbin-Watson stat 2.143110 Prob(F-statistic) 0.000046由输出结果可以看出，在 的水平下，解释变量 、 的检验的P值都大于0.05，解释变量不能通过显著性检验，因此可以得出结论模型中只能引入X3、X4两个变量。则调整后的多元线性回归方程为：Se= (142.5882) (0.553402) (0.656624)T= (2.326290) (3.192782) (-2.244390)F=21.66965 df=20（三）.异方差性的检验对模型 进行怀特检验：White Heteroskedasticity Test:F-statistic 1.071659 Probability 0.399378Obs*R-squared 4.423847 Probability 0.351673Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/11/07 Time: 16:53Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 34247.50 128527.9 0.266460 0.7929X3 247.9623 628.1924 0.394723 0.6977X3^2 -0.071268 0.187278 -0.380548 0.7080X4 -333.6779 714.3390 -0.467114 0.6460X4^2 0.121138 0.229933 0.526841 0.6047R-squared 0.192341 Mean dependent var 15177.87Adjusted R-squared 0.012861 S.D. dependent var 23242.54S.E. of regression 23092.59 Akaike info criterion 23.12207Sum squared resid 9.60E+09 Schwarz criterion 23.36892Log likelihood -260.9038 F-statistic 1.071659Durbin-Watson stat 1.968939 Prob(F-statistic) 0.399378由检验结果可知， ，由White检验知，在 时，查 分布表，得临界值 (20)=30.1435，因为 < (5)= 30.1435,所以模型中不存在异方差。（四）.自相关的检验由模型的输出结果可知，估计结果都比较满意，无论是回归方程检验，还是参数显著性检验的检验概率，都显著小于0.05，D-W值为2.111635，显著性水平 =0.05下查Durbin-Watson表，其中n=23，解释变量的个数为2，得到下限临界值 ，上限临界值 ， =1.543