例1.3序列T和H分别表示某地区1997年1月至2000年12月的气温和绝对湿度的月平均值序列，数据见表1.2。
要求绘制序列H的经验累计分布函数图和它与序列T的QQ 图。
表1.2（0102）某地区气温和绝对湿度月平均值
ls car c pmg pop rgnp pgnp
ls qmg c car pmg pop rgnp pgnp
ls car c pmg pop rgnp pgnp
scalar vifcar=1/(1-eqcar.@r2)
eq01.testdrop car
Ls qmg-qmg(-1) car-car(-1) pmg-pmg(-1) pop-pop(-1) rgnp-rgnp(-1) pgnp-pgnp(-1)
Ls qmg-qmg(-1) car-car(-1)
Ls qmg c qmg(-1) car car(-1) pmg pmg(-1) pop pop(-1) rgnp rgnp(-1) pgnp pgnp(-1)
Ls qmg c qmg(-1) car pmg pmg(-1) pop pop(-1) rgnp rgnp(-1)
pgnp
Ls qmg c qmg(-1) car pmg pmg(-1) pop pop(-1) rgnp(-1) pgnp Ls qmg c qmg(-1) car pmg pmg(-1) pop pop(-1) rgnp(-1)
Eq01.testdrop pgnp
Ls qmg c qmg(-1) car pmg pmg(-1) pop pop(-1) rgnp(-1)
pgnp(-2)
Ls qmg-eq11.@coefs(1)*qmg(-1) c car-eq11.@coefs(1)*car(-1) pmg-eq11.@coefs(1)*pmg(-1)pop-eq11.@coefs(1)*pop(-1)
rgnp-eq11.@coefs(1)*rgnp(-1)pgnp-eq11.@coefs(1)*pgnp(-1) Scalar beta0=eq04.@
Dependent Variable: QMG
Method: Least Squares
Date: 10/16/12 Time: 19:02
Sample: 1950 1987
Included observations: 38
Variable Coefficient Std. Error t-Statistic Prob.
C 5.105587 0.0000
CAR 1.587677 0.137742 11.52646 0.0000
PMG - 3346338. -3.100526 0.0040
POP -462.2931 108.0825 -4.277224 0.0002
RGNP -12666.47 5248.346 -2.413421 0.0217
PGNP -579453.0 59259.84 -9.778173 0.0000
R-squared 0.991878 Mean dependent var
Adjusted R-squared 0.990608 S.D. dependent var
S.E. of regression 2226295. Akaike info criterion 32.21351
Sum squared resid 1.59E+14 Schwarz criterion 32.47208
Log likelihood -606.0568 Hannan-Quinn criter. 32.30551
F-statistic 781.5361 Durbin-Watson stat 0.869418
Prob(F-statistic) 0.000000
例2.2为研究采取某项保险革新措施的速度y与保险公司的规模x1和保险公司类型的关系，选取下列数据：y—一个公司提出该项革新直至革新被采纳间隔的月数，x1—公司的
资产总额（单位：百万元），x2—定性变量，表示公司类型：其中1表示股份制公司，0表示互助公司。
数据资料见表2.5。
得到模型为
y=33.87407-0.101742*x1+8.055469*x2
差分回归方程：
即
即
消除自相关的模型：
qmg=.38+1.4390*car-*pmg-503.50*pop-5290.80*rgnp-565089.4*pgnp
求：
1.Y关于X1、X2、X3、X4和X5的回归方程；
2.对回归方程和解释变量做显著性检验；
3.当X1=4，X2=8，X3=7，X4=36%，X5=8时，对楼盘的均价进行预测。
例3.1表3.3是某企业在16个月度的产品产量和单位成本资料，研究二者关系。
表3.3 （0301）某企业某产品产量和单位成本资料
月度序号obs 产量（台）x 单机位成本（元/台）y
1 4300 346.23
2 4004 343.34
3 4300 327.46
4 5016 313.27
5 5511 310.75
6 5648 307.61
7 5876 314.56
8 6651 305.72
9 6024 310.82
10 6194 306.83
11 7558 305.11
12 7381 300.71
13 6950 306.84
14 6471 303.44
15 6354 298.03
16 8000 296.21
为了明确产量和单机成本是何种关系，先绘制散点图。
双曲线模型：y=a+b/x
对数曲线模型：y=a+blnx
双对数曲线模型：lny=a+lnx
在自变量个数K=1，样本量n=16，在显著性水平 =0.01下，d L=0.84，d u=1.00，此时有D．W=1.151568
D．W=1.115981
D．W=1.156127
均有d u=1.0≤D．W=1.151568≤4- d u=3
说明三种模型来描述x与y的关系都比较好。
例3.2 根据例3.1中数据，用非线性最小二乘法建立成本函数模型
例3.3粮食产量通常由粮食生产劳动力（L）、化肥施用量（K）等因素决定。
表3.8是我国粮食生产的有关数据（由于粮食生产劳动力不易统计，假定它在农业劳动力中的比例是一定的，故用农业劳动力的数据代替），研究其间关系，建立Cobb—Douglas生产函数模型。
生产的产出量与投入要素之间并不简单地满足线性关系，通常讨论的生产函数，都是以非线性的形式出现。
Cobb—Douglas生产函数模型为
Y=aL b K1-b（
例4.1我国轿车保有量资料见表4.1
根据表绘制时间序列曲线趋势图。
例4.6我国民航客运量数据的季节调整。
有关数据见表4.6
表4.6（0406）我国1993年10月至1998年3月民航客运量数据
例5.4序列Pt是某国1960年至1993年GNP平减指数的季度时间序列。
表5.4（0504）某国1960年至1993年GNP平减指数的季度时间序列
例5.6表5.4是我国1990年1月至1997年12月工业总产值的月度资料（1990年不变价格），记作IP t，共有96个观测值，对序列IP t建立ARMA模型。
例5.6 表5.4是我国1990年1月至1997年12月工业总产值2资料（1990年不变价格），记作ipt，共有96个观测值，对序列ipt建立ARMA模型。
表6.1 某水库各旬的流量与降水量数据
例6.2表6.6中，序列St和Zt分别表示1992年1月至1998年12月经居民消费价格指数调整的中国城镇居民月人均可支配收入和人均生活费支出时间序列，现以人均生活费支出Zt 为因变量，建立自回归分布滞后模型。
联邦政府拨款额，INC为各州收入的自然对数，POP为各州人口总数，PS为小学与中学在校人数。
欲建立如下联立方程模型：
表7.1 美国各州和地方政府费用支出数据
0123GOV AID INC POP ααααε=++++ ( 012AID GOV PS βββν
=+++ (
例7.4 序列Y1、Y2和Y3分别表示我国1952年至1988年工业部门、交通运输部门和商务部门的产出指数序列，见表7.7。
试建立V AR 模型。
表7.7 我国三部门产出指数序列 单位：%
t t 见表8.1
表8.1 我国商品零售物价指数与居民消费价格指数。