5. 已知某市羊毛衫的销售量1995年第一季度到2000年第四季度的数据。 假定回归模型为：
Yt =β0+β1 X1t +β2 X2 t+ ut
式中：Y=羊毛衫的销售量
X1=居民收入 X2=羊毛衫价格
如果该模型是用季度资料估计，试向模型中加入适当的变量反映季节因素的影响。（仅考虑截距变动。
可以往模型里加入反映季节因素的虚拟变量D。由于共有四个季节，所以可以将此虚拟变量分为三个类别。设基础类别是夏季，于是虚拟变量可以如下引入：
即
D1
=D2
=
D3=
此时建立的模型为Yt=β0+β1X1t+β2X2t+D1+ D2+ D3+ut
6. 以下是某个案例的Eviews分析结果（局部）。
Dependent Variable: Y Method: Least Squares Sample(adjusted): 1 10
Included observations: 10 after adjusting endpoints Variable Coefficient Std. t-Statistic Prob.
Error
C 4.826789 9.217366 0.523663 0.6193 X1 0.178381 0.308178 0.5788 0.5838 X2 0.688030 0.2099 3.277910 0.0169 X3 —0.2226 0.156400 -1.423556 0.2044 R-squared 0.852805 Mean dependent var 41.90000 Adjusted R-squared 0.7792 S.D. dependent var 34.28783 S.E.of regression 16.11137 Akaike info criterion 8.686101
