多元线性回归和时间序列

问题：如果是时间序列，运行多元线性回归，用SPSS和用EVIEWS有何区别，看到大多数使用EVIEWS，具体是OLS方法。
转载：
多元线性回归模型的一般形式为：
Y=β0+β1X1+β2X2+…+βkXk+μi (k,i=1,2,…,n)
其中 k 为解释变量的数目，βk（k=1,2,…,n)称为回归系数, 上式也被称为总体回归函数的随机表达式。
从统计意义上说，所谓时间序列模型就是将某一个指标在不同时间上的不同数值，按照时间的先后顺序排列而成的数列。这种数列由于受到各种偶然因素的影响，往往表现出某种随机性，彼此之间存在着统计上的依赖关系。
一般而言，一个“好”的模型，应该具有以下特征：
节省性。一个好的模型应在相对精确反映显示的基础上尽可能的简单。
可识别性。所谓的可识别性，是指对于给定的一组数据，估计的参数要有唯一确定值。
高拟合性。指模型解释被解释变量的能力应当尽可能的高。
理论一致性。模型应当以相应的科学理论为基础，否则尽管模型的解释能力很强，拟合性很好，也是失败的模型。
预测能力。一个好的模型必须对未来有较强的解释能力。
根据萨缪尔森提出的乘数-加速数模型，投资的增加对国民收入的增加具有乘数作用，反过来，国民收入对引致投资具有加速作用。根据这一模型，我们可以建立如下简单模型：
=β0 β1GDPt-1 β2It 公式 1
其中，GDP代表全年国内生产总值，I代表当年全社会固定资产投资。