epe
de
tvar6864955SEofregressio
1488289Akaikei
focriterio
1753770Sumsquaredresid64235087Schwarzcriterio
1767511Loglikelihood2776032Ha
a
Qui
criter1758325Fstatistic3152864Durbi
Watso
stat0121336ProbFstatistic0000000
其中ZRK表示总人口数量，LR表示老年人口，通过分析我们得知，老年人口的系数和常数项的系数在5的显著性水平下通不过t检验，故我们舍弃这一回归。2、Y，字母表示的含义与一模型中相同。利用1979年到2010年的总人口数量，老年人口数量，床位需求量等数据，根据EVIEWS输出结果：Depe
de
tVariableCWMethodLeastSquaresDate042812Time2244
fSample19792010I
cludedobservatio
s32
VariableCoefficie
tStdErrortStatisticProb
C29824571010252295219200062ZRK38017520977201389045000005LR2308733921276206241915400000
Rsquared0997921Mea
depe
de
tvar8116906AdjustedRsquared0997777SDdepe
de
tvar6864955SEofregressio
3236421Akaikei
focriterio
1448621Sumsquaredresid3037582Schwarzcriterio
1462363Loglikelihood2287794Ha
a
Qui
criter1453176Fstatistic6959422Durbi
Watso
stat0810081ProbFstatistic0000000
其中LR2表示老年人口数量的平方，ZRK表示总人口数量，通过分析可知，总人口数量的系数和老年人口数量的系数在5的显著性水平下，均通过t检验，故可以写出该模型的表达式：Y2982538030873392②我们对该模型进行了进一步的优化和改进，首先我们对其进行了异方差怀特检验，得到新的可决系数022156，在5的显著性水平下，
70951107，所以该模型不存在异方差。其次，我们对其进行了关于序列相关的拉格朗日乘数检验，发现该模型存在二阶序列相关，对其进行调整后模型如下：Y2408436430771311③最后我们对模型进行了多重共线性和随机解释变量检验，该模型不存在多重共线性问题，也不存在随机解释变量问题，所以我们得到最终的预测模型是③式。根据上一阶段预测的数据（见上表），我们可以预测未来深圳市全市的床位需求和各区的床位需求。深圳市全市的床位需求见下表。将以上数据代入③式，可以得到下表数据和下图。年份床位数2011年24140732012年25616642013年27131982014年28688062015年30285752016年31925632017年33608052018年35333272019年37101452020年3891271
f通过上表预测数据，绘制深圳市床位需求曲线如下
43深圳市各区床位需求深圳市各区人口如下，人口人口比例深圳市103577541罗湖区9234700089157福田区13176200127211南山区10880080105043宝安区40178050387903龙岗区20112240194176盐田区2088780020166光明新区4815050046487坪山r