略可以看出電信業務總量Y與各個解釋變量間存在較強的線形關系，因此我用多元線性模型去擬合數據，設定的多元線性模型為：=+++++

t=1990、……、2005（其中，U為隨機誤差項，且服從正態分布）其中：代表電信業務總量（億元）代表人均GDP（元）代表人均年消費額（元）代表固定電話用戶數（萬戶）代表移動電話數（萬戶）參數的估計利用EVIEWS軟件對,,,四個變量組成的式子進行擬合，得到如下結果：Y跟全部變量的回歸DependentVariable:YTMethod:LeastSquaresDate:12/17/07Time:18:40Sample:19902005Includedobservations:16VariableCoefficientStd.Errort-StatisticProb.C-35.8998643.40342-0.8271210.4257X1T-0.2097220.051995-4.0334900.0020X2T0.5520160.1437353.8405090.0027X3T-0.0251800.016261-1.5484240.1498X4T0.0377930.0114113.3118780.0069R-squared0.984730Meandependentvar250.6669AdjustedR-squared0.979178S.D.dependentvar207.9079S.E.ofregression30.00080Akaikeinfocriterion9.890632Sumsquaredresid9900.529Schwarzcriterion10.13207Loglikelihood-74.12505F-statistic177.3474Durbin-Watsonstat2.483615Prob(F-statistic)0.000000根據上述結果，其擬合方程為：=-35.89986-0.209722+0.552016-0.025180+0.037793t=（-0.827）（-4.03350）（3.8405）（-1.5484）（3.31188）=0.984730=0.979178F=177.3474殘差圖如下：略統計檢驗：從回歸的結果可以看出，擬合優度和F檢驗的效果都比較理想，但是解釋變量的t檢驗不顯著，而且解釋變量和的符號與預期相反，有可能存在嚴重的多重共線性。多重共線性的檢驗①檢驗:由F=177.3474>F0.05(4,16)=3.04（查表可得，顯著性水平α=0.05）表明模型從整體上看電信業務總量與解釋變量間線形關系顯著。用簡單相關系數矩陣對其進行檢驗:變數間的相關系數表：X1TX2TX3TX4TX1T10.651565845250.9712199573180.913778593113X2T0.6515658452510.9431693086290.862972538617X3T0.9712199573180.94316930862910.979526240051X4T0.9137785931130.8629725386170.9795262400511由上圖看出在我選定的4個解釋變量間存在很嚴重的共線性，其中X3和X4相關系數達到0.979526240051,x1和x3間的相關系數也達到了0.971219957318，有必要對模型進行修正。從實際經濟意義上說，這兩者之間存在著相互替代性，說明模型的設定具有多重共線性，需要對模型進行修訂。經過對各個解釋變量的分析，我發現固定電話用戶數、移動電話用戶數、這兩個解釋變量相關性很大，且都屬于通信裝置，相互間有較大的替代性。于是決定嘗試將這2個解釋變變量相加成為新的解釋變量記為X5。這樣將原來的模型調整為：Yi=β0+β1+β2+β3+(其中為隨機誤差項，服從正態分布)，再次擬合：把和加總然后得出的回歸結果：DependentVariable:YTMethod:LeastSquaresDate:12/18/07Time:15:30Sample:19902005Includedobservations:16VariableCoefficientStd.Errort-StatisticProb.C44.7400329.576731.5126770.1562X1T0.1249850.0425472.9376110.0124X2T0.2669680.0838523.1838110.0079X5T0.0119040.0018866.3127220.0000R-squared0.977439Meandependentvar250.6669AdjustedR-squared0.971799S.D.dependentvar207.9079S.E.ofregression34.91451Akaikeinfocriterion10.15600Sumsquaredresid14628.28Schwarzcriterion10.34915Loglikelihood-77.24800F-statistic173.2965Durbin-Watsonstat1.899505Prob(F-statistic)0.000000擬合方程為：=44.74003+0.124985+0.266968+0.011904t=（1.5127）（2.9376）（3.1838）（6.3127）=0.977439=0.971799F=173.2965統計檢驗：從模型修正后的回歸結果可以看出，擬合優度和F檢驗的效果都很理想，各個解釋變量的t檢驗也顯著，而且解釋變量和的符號與預期相符。異方差檢驗：考慮到獲取的數據樣本不大，采用的是時間序列數據,所以決定用ARCH檢驗法檢驗模型是否存在異方差。結果如下:（P=1）ARCHTest:F-statistic4.209949Probability0.060897Obs*R-squared3.669345Probability0.055422TestEquation:DependentVariable:RESID^2Method:LeastSquaresDate:12/18/07Time:18:48Sample(adjusted):19912005Includedobservations:15afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.C450.6817463.47550.9723960.3486RESID^2(-1)0.4992230.2433082.0518160.0609R-squared0.244623Meandependentvar937.4044AdjustedR-squared0.186517S.D.dependentvar1709.773S.E.ofregression1542.101Akaikeinfocriterion17.64324Sumsquaredresid30914974Schwarzcriterion17.73765Loglikelihood-130.3243F-statistic4.209949Durbin-Watsonstat1.484570Prob(F-statistic)0.060897ARCH檢驗結果（n-1）*=15*0.245=3.675<=3.841不拒絕原假設，異方差不明顯由于異方差可能對模型的估計產生比較嚴重的后果，謹慎起見，對模型再進行WHITE檢驗設異方差與,,的一般關系為：WhiteHeteroskedasticityTest:F-statistic3.154904Probability0.059583Obs*R-squared10.84415Probability0.093314 TestEquation:DependentVariable:RESID^2Method:LeastSquaresDate:12/18/07Time:21:47Sample:19902005Includedobservations:16VariableCoefficientStd.Errort-StatisticProb.C-6530.4587758.332-0.8417350.4217X1T-21.6200217.29496-1.2500770.2428X1T^20.0020930.0011001.9026770.0895X2T53.3608845.102321.1831070.2671X2T^2-0.0123020.007442-1.6529840.1327X5T1.3523000.5995182.2556440.0505X5T^2-2.33E-058.09E-06-2.8817580.0181R-squared0.677759Meandependentvar914.2673AdjustedR-squared0.462932S.D.dependentvar1654.389S.E.ofregression1212.417Akaikeinfocriterion17.33826Sumsquaredresid13229604Schwarzcriterion17.67626Loglikelihood-131.7060F-statistic3.154904Durbin-Watsonstat2.261839Prob(F-statistic)0.059583可以證明，n*漸進地服從自由度為6的分布，給定5%的顯著性水平，查分布表得臨界值12.5916，而n*=16*0.678=10.848<=12.5916,所以不能拒絕原假設，表明模型中的隨機誤差項沒有異方差。自相關檢驗：由于DW=1.899505，給定顯著水平α=0.05，查Durbin-Watson表，n=16,k=3，得下限臨界值Du=1.728，因為DW統計量為1.899505>Du，所以隨機誤差項不存在正的一階自相關。模型解釋=44.74003+0.124985+0.266968+0.011904從模型本身來看，在其它變量不變的情況下，人均GDP每增加1元，會使電信業務平均增加0.124985億元；人均消費支出每增加1元，會使電信業務平均增加0.266968億元；電話數量（包括固定電話和移動電話）每增加1萬戶，會使電信業務平均增加0.011904億元。結合現階段我國電信業的情況來解釋：第一，過去幾年是我國電信業大發展時期，電信收入平均每年增長約23%。電話用戶總數與移動電話總數迅速增長，并在2001年超過美國，躍居世界第一。但是，過去的高增長并不必然帶來明天的高增長，在2000年和2001年，我國電信收入已經呈現出稍高于GDP的中速增長態勢。我國電信業發展水平已相當于人均GDP為我國2.5倍的國家。我國的電信收入占GDP之比例已高居世界前列。一般電信收入占GDP的比例是大致一定的，因此我國電信收入占GDP的比例繼續快速提高的余地已十分有限。預計我國電信收入占GDP的比例從長期看也仍然有繼續增長的空間。我國GDP增長率預期約為7%—7.5%，估計我國未來電信收入的平均增長率最高可以達到GDP增長率與電信收入超額增長率兩者相迭加的水平，也就是年增長15%。但我國電信業發展較為超前，再有電信市場正面臨繼續的資費調整、電信業務同質與異質的競爭、運營商之間加劇的競爭以及由此引發的價格戰，估計未來我國電信收入的長期平均增長率將低于這個水平。電信收入高增長時期已過去。在電信收入無法大幅度增長的情況下，迅速增長的電話普及率必然造成ARPU下降，，無論是通過提升電信服務質量，還是提供更多更好的內容服務，有限增長的總收入使得提升ARPU（所謂ARPU就是每用戶平均收入(ARPU-AverageRevenuePerUser)。ARPU注重的是一個時間段內運營商從每個用戶所得到的利潤。很明顯，高端的用戶越多，ARPU越高。在這個時間段，從運營商的運營情況來看，ARPU值高說明利潤高，這段時間效益好。）的難度大大加大。第二，電話用戶數對電信業務總量有很大影響。這于我國固定電話用戶數字居全球第一;2003年11月，我國移動電話用戶數首次超過固定電話用戶數，達到2.56億戶，這個數字也是全球各國移動電話用戶數中最高的。當電話普及以后，也帶來了電信業發展的蓬勃時機，使得電信業在GDP中的比重越來越大。第三