三、建立模型
本部分利用EG二步回归法。第一步进行ADF根检验，第二步为使用OLS方法进行协整回归。经典计量经济学理论是建立在时间序列平稳的基础上，所假设的变量间的相互关系服从正太分布。但是，现在计量经济学研究发现，大部分经济变量是非平稳的。当时间序列非平稳时，相关系数实际上服从的是倒U字形和U字形分布，因此增加了拒绝解释变量系数为零的假设概率，并且该概率随着样本容量和时间序列单整阶数的增加而增加。这样就降低了检验的功效，增加了纳伪的可能性。也就是说用非平稳变量进行回归，尤其是在大样本和较高单整阶数的情况下，结论全部是变量之间具有相关关系，将实际上不相关的两个非平稳变量用来回归分析，是一种虚假回归，又叫伪回归。所以，对非平稳性变量间进行回归分析，首先应该考虑和检验变量的平稳性。
1．数据平稳性检验
对移动电话普及率（YDDH）进行平稳性检验，操作过程如图3-6所示。
图3-6 存在截距和时间趋势的指令
得出结果如图3-7所示。
图3-7 存在截距和时间趋势的结果显示
对结果的系数部分分析可知，移动电话的系数为正值符合预期。截距项和时间趋势项的概率均小于0.05，满足条件。查看结果的上半部分，如图3-8所示。
图3-8 存在截距和时间趋势的结果显示续表
观察该部分结果发现，T检验结果大于5%的显著性水平，不能通过拒绝序列YDDH存在单位根的原假设，序列不平稳，需要改变形式继续调整。
在此假设仅存在截距而不存在趋势项，进行调整。如图3-9所示。
图3-9 仅存在截距的指令
得出结果如图3-10所示。
图3-10 仅存在截距的指令结果
首先，依然看截距项概率值大于0.05%，结果不能达到要求。因此需要进一步调整。如图3-11所示。重新进行假设即不存在截距项也不存在时间趋势项。结果如图3-12所示。
图3-11 既不存在截距也不存在时间趋势的指令
图3-12 既不存在截距也不存在时间趋势的检验结果
从结果可以得知，序列YDDH的T统计值=-4.107155，其相应的概率值p非常小，小于5%的检验性水平，因此拒绝YDDH序列存在单位根的原假设，即可以认为序列YDDH是平稳的。
对GDP的平稳性检验，GDP的平稳性检验与移动电话（YDDH）的平稳性检验的操作过程完全相同，对数据统计如表3-5所示。
表3-5 GDP平稳性检验
通过对数据的结果进行分析可以知道，GDP序列在只有截距项的情况下能够通过平稳性检验符合要求。
数字出版收入比传统出版收入的比值（SZBCT）的平稳性检验如表3-6所示。
表3-6 SZBCT平稳性检验
通过对结果归纳可以得出结论，SZBCT能够通过数据平稳性检验。
2．结果的回归
进行EG二步回归法，回归结果为
ln（szbct）=2.38ln（gdp）+0.15ln（yddh）-19.32
对结果进行分析结果如表3-7所示。
表3-7 结果数据
从分析结果可以看出，R2以及调整后的R2都接近1, DW检验在2左右，F统计变量的概率小于0.05，这些指标说明回归结果显著。
为了检验回归结果的准确性，做了实际值、拟合值和残差值的分析，分析结果如图3-13所示。
图3-13 实际值、拟合值和残差值的分析结果
通过该分析可以看出，除2005年和2006年的数据超出置信带外，其他年份拟合值与实际值的残差均在置信带之内，表明拟合度较高。