二、在命令框输入data y , 然后回车，如图
把数据复制进去，如图
三、单位根检验
1、 Quick — series statistics — unit root test 2、在弹出的框里输入y
3、点击OK,之后，照下面图做
点击OK之后，结果如图
分析：从y(-1)的参数值看，其t统计量的值大于临界值，不能拒绝存在单位根的零假设。同时，由于时间项T的t统计量也小于ADF分布表中的临界值，因此不能拒绝不存在趋势项的零假设。需进一步检验模型2。
4、点击上面结果图上的view — unit root test再进行单位根检验，
结果如下图
分析：从y(-1)的参数值看，其t统计量的值大于临界值，不能拒绝存在单位根的零假设。同时，由于常数项的t统计量也小于ADF分布表中的临界值，因此不能拒绝不存在趋势项的零假设。需进一步检验模型1
5、再按上面的操作，点击上面结果图上的view — unit root test再进行单位根检验
结果如图
分析：从y(-1)的参数值看，其t统计量的值大于临界值，不能拒绝存在单位根的零假设。至此，可断定y时间序列是非平稳的。
6、继续点击上面结果图上的view — unit root test再进行单位根检验
结果如下图
分析：从△y(-1)的参数值看，其t统计量的值大于临界值，不能拒绝存在单位根的零假设。同时，由于时间项项T的t统计量也小于AFD分布表中的临界值，因此不能拒绝不存在趋势项的零假设。需进一步检验模型2。
7、重复上面的操作点击上面结果图上的view — unit root test再进行单位根检验
结果如下图
分析：从△y(-1)的参数值看，其统计量的值大于临界值，不能拒绝存在单位根的零假设。同时，由于常数项的t统计量也小于AFD分布表中的临界值，因此不能拒绝不存在趋势项的零假设。需进一步检验模型1。
8、继续以上操作
结果如下图
分析：从△y(-1)的参数值看，其统计量的值大于临界值，不能拒绝存在单位根的零假设。至此，可断定△y时间序列是非平稳的。
9、继续以上操作，直到出现平稳性为止
结果如下图
分析：从△2y(-1)的参数值看，其统计量的值小于临界值，拒绝存在单位根的零假设。至此，可断定△2y时间序列是平稳的。
四、时间相关分析图（画财政序列的图形） （1）财政支出序列的时间变化图 1、Quick —graph
2、在弹出的框里输入y，如下图
点击OK，再点确定
结果如下
分析：在1995年之后，由上图我们可以看出财政支出变化的幅度相对于之前的变化很大，中国在1996年软着陆，之后国家实施积极的财政政策，每年都加大财政支出力度，因此考虑以1996年为转折点，即转折点T=1996年。 3、虚拟变量的设置 D=
4、模型的检验分析
新增变量，时间t和d1,在数据框里直接增加这两个变量，在增加的时候，会出现下面这个框，直接点击OK，就得了
011952~19961997~2004
复制数据进去，结果如图
回归：Quick—estimate equation
点确定，结果如下
Y = 25.77 + 30.83T - 26235.88*D1 + 572.78T*D1
25.77+30.83T-26210.11+603.61T(D1=0,1952~1996)(D1=1,1997~2004)
在5%的显著性下，T 、D1、 D1*T的P值都小于5%，著性很明显；
拟合优度R=0.99,拟合优度比较高，说明样本回归线能够拟合99%的样本数据，而其余的1%，则受到其他不可观测的因素影响，。
由上面模型方程我们可以看出，1996年前后，无论截距还是斜率都发生了变化。1997年及以后的财政支出额的年平均增长量扩大了20倍。
2
因篇幅问题不能全部显示，请点此查看更多更全内容