spss和Eviews 线性回归结果不一致 为什么？

spss和Eviews 线性回归结果不一致 为什么？线性回归, spss, Eviews, 结果
                        

求职招聘    经管微博 经管百科    三人行网 我也想创建词条赚积分   spss和Eviews 线性回归结果不一致 为什么？ 同样的因变量 和自变量 做多元线性回归结果却不一致？ 结果输出如下： spss结果：                  Coefficients(a) Model        Unstandardized Coefficients        Standardized Coefficients            Collinearity Statistics          B    Std. Error    Beta    t    Sig.    Tolerance    VIF 1    (Constant)    -397076.344    104501.812        -3.800    .003              第一产业比重    -7173.603    1299.198    -.365    -5.522    .000    .232    4.307      第二产业比重    13936.633    2415.515    .209    5.770    .000    .778    1.285      研究开发支出    23.472    2.626    .610    8.939    .000    .218    4.581 a. Dependent Variable: 能源消耗量               Model Summary(b) Model        R    R Square    Adjusted R Square    Std. Error of the Estimate    Durbin-Watson dimension0    1    .994a    .989    .986    7713.63413    2.244 a. Predictors: (Constant), 研究开发支出, 第二产业比重, 第一产业比重 b. Dependent Variable: 能源消耗量 Eviews结果： Dependent Variable: CA                Method: Least Squares                Date: 04/22/11   Time: 22:55                Sample: 1995 2009                Included observations: 15                                  Variable    Coefficient    Std. Error    t-Statistic    Prob.                     C    1.45E+08    1.59E+08    0.913698    0.3824 I1    -1461060.    1586871.    -0.920718    0.3789 I2    -1443129.    1590342.    -0.907433    0.3855 I3    -1455130.    1588227.    -0.916197    0.3811 RD    27.24001    4.889825    5.570753    0.0002                   R-squared    0.989682        Mean dependent var        193661.5 Adjusted R-squared    0.985554        S.D. dependent var        64652.31 S.E. of regression    7770.561        Akaike info criterion        21.01527 Sum squared resid    6.04E+08        Schwarz criterion        21.25129 Log likelihood    -152.6146        Hannan-Quinn criter.        21.01276 F-statistic    239.7877        Durbin-Watson stat        2.149388 Prob(F-statistic)    0.000000

第一个三个自变量，第二个四个自变量
考虑如下
如果你第四个变量可以解释前三个解释不了的residual，那你linear regression必然会变
可以从add variable plot 去理解

Eviews回归的时候显然多了一个变量啊，l1,l2,l3,RD这就四个变量了，如果前三个有共线性结果就是这样了。