实验一截面数据一元线性回归模型
用ARCH
加权回归结果
由以上估计检验发现用权数w2的效果最好，可以用权数w2的结果作为模型的估计结果即
计量经济学实验一 一元回归模型
实验二一元回归模型 【实验目的】 掌握一元线性、非线性回归模型的建模方法 【实验内容】 建立我国税收预测模型 【实验步骤】 【例1】建立我国税收预测模型。表1列出了我国1985－1998年间税收收入Y和国内生产总值（GDP）x的时间序列数据，请利用统计软件Eviews建立一元线性回归模型。 一、建立工作文件 ⒈菜单方式 在录入和分析数据之前，应先创建一个工作文件（Workfile）。启动Eviews软件之后，在主菜单上依次点击File\New\Workfile（菜单选择方式如图1所示），将弹出一个对话框（如图2所示）。用户可以选择数据的时间频率（Frequency）、起始期和终止期。 图1 Eviews菜单方式创建工作文件示意图
图2 工作文件定义对话框 本例中选择时间频率为Annual（年度数据），在起始栏和终止栏分别输入相应的日期85和98。然后点击OK，在Eviews软件的主显示窗口将显示相应的工作文件窗口（如图3所示）。 图3 Eviews工作文件窗口 一个新建的工作文件窗口内只有2个对象(Object）,分别为c（系数向量）和resid（残差）。它们当前的取值分别是0和NA（空值）。可以通过鼠标左键双击对象名打开该对象查看其数据，也可以用相同的方法查看工作文件窗口中其它对象的数值。 ⒉命令方式 还可以用输入命令的方式建立工作文件。在Eviews软件的命令窗口中直接键入CREATE命令，其格式为： CREATE 时间频率类型起始期终止期 本例应为：CREATE A 85 98 二、输入数据 在Eviews软件的命令窗口中键入数据输入/编辑命令： DA TA Y X 此时将显示一个数组窗口（如图4所示），即可以输入每个变量的数值
一元线性回归模型案例分析
一元线性回归模型案例分析 一元线性回归是最基本的回归分析方法，它的主要目的是寻找一个函数能够描述因变 量对于自变量的依赖关系。 在一元线性回归中，我们假定存在满足线性关系的自变量与因变量之间的函数关系， 即因变量y与单个自变量x之间存在着线性关系，可表达为：y=β0+ β1x (1) 其中，β0和β1分别为常量，也称为回归系数，它们是要由样本数据来拟合出来的。因此，一元线性回归的主要任务就是求出最优回归系数和平方和最小平方根函数，从而评 价模型的合理性。 下面我们来介绍如何使用一元线性回归模型进行案例分析。数据收集：首先，研究者 需要收集自变量和因变量之间关系的相关数据。这些数据应该有足够多的样本观测值，以 使统计分析结果具有足够的统计力量，表示研究者所研究的关系的强度。此外，这些数据 的收集方法也需要正确严格，以避免因相关数据缺乏准确性而影响到结果的准确性。 模型构建：其次，研究者需要利用所收集的数据来构建一元线性回归模型。即建立公 式（1），求出最优回归系数β0和β1，即最小二乘法拟合出模型方程式。 模型验证：接下来，研究者需要对所构建的一元线性回归模型进行验证，以确定模型 精度及其包含的统计意义。可以使用F检验和t检验，以检验回归系数β0和β1是否具 有统计显著性。另外，研究者还可以利用R2等有效的拟合检验统计指标来衡量模型精度，从而对模型的拟合水平进行评价，从而使研究者能够准确无误地判断其研究的相关系数的 统计显著性及包含的统计意义。 另外，研究者还可以利用偏回归方差分析（PRF），这是一种多元线性回归分析技术，用于计算每一个自变量对相应因变量的贡献率，使研究者能够对拟合模型中每一个自变量 的影响程度进行详细的分析。 模型应用：最后，研究者可以利用一元线性回归模型进行应用，以实现实际问题的求 解以及数据挖掘等功能。例如我们可以使用这一模型来预测某一物品价格及销量、研究公 司收益及投资、检测影响某一地区经济发展的因素等。 综上所述，一元线性回归是一种利用单变量因变量之间存在着线性关系来拟合出回归 系数的回归分析方法，它可以应用于许多不同的问题，是一种非常实用的有效的统计分析 方法。
《计量经济学》eviews实验报告一元线性回归模型
《计量经济学》eviews实验报告一元线性回归模型
《计量经济学》实验报告一元线性回归模型 一、实验内容 （一）eviews 基本操作 （二）1、利用EViews 软件进行如下操作：（1）EViews 软件的启动 （2）数据的输入、编辑 （3）图形分析与描述统计分析 （4）数据文件的存贮、调用 2、查找2000-2014年涉及主要数据建立中国消费函数模型 中国国民收入与居民消费水平:表1 年份 X （GDP ） Y（社会消 费品总量） 2000 99776.3 39105.7 2001 110270. 4 43055.4 2002 121002. 0 48135.9 2003 136564. 6 52516.3 2004 160714. 4 59501.0 2005 185895.68352.6
8 2006 217656. 6 79145.2 2007 268019. 4 93571.6 2008 316751. 7 114830.1 2009 345629. 2 132678.4 2010 408903. 0 156998.4 2011 484123. 5 183918.6 2012 534123. 210307.0 2013 588018. 8 242842.8 2014 635910. 271896.1 数据来源： https://www.360docs.net/doc/4719206217.html,
二、实验目的 1.掌握eviews的基本操作。 2.掌握一元线性回归模型的基本理论，一元线性 回归模型的建立、估计、检验及预测的方法，以及相应的EViews软件操作方法。 三、实验步骤（简要写明实验步骤） 1、数据的输入、编辑 2、图形分析与描述统计分析 3、数据文件的存贮、调用 4、一元线性回归的过程 点击view中的Graph-scatter-中的第三个获得
计量经济学 实验一 一元线性回归 完成版
实验一一元线性回归方程 1.下表是中国2007年各地区税收Y和国内生产总值GDP的统计资料。 单位：亿元地区Y GDP 地区Y GDP 北京1435.7 9353.3 湖北434.0 9230.7 天津438.4 5050.4 湖南410.7 9200.0 河北618.3 13709.5 广东2415.5 31084.4 山西430.5 5733.4 广西282.7 5955.7 内蒙古347.9 6091.1 海南88.0 1223.3 辽宁815.7 11023.5 重庆294.5 4122.5 吉林237.4 5284.7 四川629.0 10505.3 黑龙江335.0 7065.0 贵州211.9 2741.9 上海1975.5 12188.9 云南378.6 4741.3 江苏1894.8 25741.2 西藏11.7 342.2 浙江1535.4 18780.4 陕西355.5 5465.8 安徽401.9 7364.2 甘肃142.1 2702.4 福建594.0 9249.1 青海43.3 783.6 江西281.9 5500.3 宁夏58.8 889.2 山东1308.4 25965.9 新疆220.6 3523.2 河南625.0 15012.5 要求，运用Eviews软件： (1)作出散点图，建立税收随国内生产总值GDP变化的一元线性回归方程，并解释斜率的 经济意义； 解：散点图如下： 得到估计方程为： ˆ0.07104710.62963 =- y x
这个估计结果表明，GDP 每增长1亿元，各地区税收将增加0.071047亿元。 (2) 对所建立的回归方程进行检验； 解：从回归的估计的结果来看，模型拟合得较好。可决系数2 0.7603R =，表明各地区税收变化的76.03%可由GDP 的变化来解释。从斜率项的t 检验值看，大于5%显著性水平下自由度为229n -=的临界值0.025(29) 2.05t =，且该斜率满足0<0.071047<1，表明2007年，GDP 每增长1亿元，各地区税收将增加0.071047亿元。 (3) 若2008年某地区国内生产总值为8500亿元，求该地区税收收入的预测值及预测区间。 解：由上述回归方程可得地区税收收入的预测值： ˆ0.0710********.62963593.3Y =⨯-= 下面给出税收收入95%置信度的预测区间： 由于国内生产总值X 的样本均值与样本房差为 ()8891.126()57823134E X Var X == 于是，在95%的置信度下，0()E Y 的预测区间为 593.3 2.045±593.3113.4761=± 或(479.8239,706.7761) 当GDP 为8500亿元时地区的税收收入的个值预测值仍为593.3。同样的，在95% 的置信度下，该地区的税收收入的预测区间为 593.3 2.045593.3641.0421 ±=±或（-47.7,1234.3）。
回归分析实验1 Eviews基本操作及一元线性回归
第一部分EViews基本操作 第一章预备知识 一、什么是EViews EViews (Econometric Views)软件是QMS（Quantitative Micro Software）公司开发的、基于Windows平台下的应用软件，其前身是DOS操作系统下的TSP软件。EViews具有现代Windows软件可视化操作的优良性。可以使用鼠标对标准的Windows菜单和对话框进行操作。操作结果出现在窗口中并能采用标准的Windows技术对操作结果进行处理。EViews还拥有强大的命令功能和批处理语言功能。在EViews的命令行中输入、编辑和执行命令。在程序文件中建立和存储命令，以便在后续的研究项目中使用这些程序。 EViews是Econometrics Views的缩写，直译为计量经济学观察，通常称为计量经济学软件包，是专门从事数据分析、回归分析和预测的工具，在科学数据分析与评价、金融分析、经济预测、销售预测和成本分析等领域应用非常广泛。 应用领域 ■ 应用经济计量学■ 总体经济的研究和预测 ■ 销售预测■ 财务分析 ■ 成本分析和预测■ 蒙特卡罗模拟 ■ 经济模型的估计和仿真■ 利率与外汇预测 EViews引入了流行的对象概念，操作灵活简便，可采用多种操作方式进行各种计量分析和统计分析，数据管理简单方便。其主要功能有： （1）采用统一的方式管理数据，通过对象、视图和过程实现对数据的各种操作； （2）输入、扩展和修改时间序列数据或截面数据，依据已有序列按任意复杂的公式生成新的序列； （3）计算描述统计量：相关系数、协方差、自相关系数、互相关系数和直方图； （4）进行T 检验、方差分析、协整检验、Granger 因果检验； （5）执行普通最小二乘法、带有自回归校正的最小二乘法、两阶段最小二乘法和三阶段最小二乘法、非线性最小二乘法、广义矩估计法、ARCH 模型估计法等； （6）对选择模型进行Probit、Logit 和Gompit 估计； （7）对联立方程进行线性和非线性的估计； （8）估计和分析向量自回归系统； （9）多项式分布滞后模型的估计； （10）回归方程的预测； （11）模型的求解和模拟； （12）数据库管理； （13）与外部软件进行数据交换 EViews可用于回归分析与预测(regression and forecasting)、时间序列(Time Series)以及横截面数据(cross-sectional data )分析。与其他统计软件（如EXCEL、SAS、SPSS）相比，EViews 功能优势是回归分析与预测，其功能框架见表1.1.1。 本手册以EViews5.1版本为蓝本介绍该软件的使用。
一元线性回归实验报告
实验一一元线性回归 一实验目的：掌握一元线性回归的估计与应用，熟悉EViews的基本操作。 二实验要求：应用教材P61第12题做一元线性回归分析并做预测。 三实验原理：普通最小二乘法。 四预备知识：最小二乘法的原理、t检验、拟合优度检验、点预测和区间预测。五实验内容： 第2章练习12 下表是中国2007年各地区税收Y和国内生产总值GDP的统计资料。 单位：亿元 (1)作出散点图，建立税收随国内生产总值GDP变化的一元线性回归方程，并解释斜率的经济意义； (2)对所建立的回归方程进行检验； (3)若2008年某地区国内生产总值为8500亿元，求该地区税收收入的预测值及预测区间。 六实验步骤 1.建立工作文件并录入数据： (1)双击桌面快速启动图标，启动Microsoft Office Excel, 如图1，将题目的数据输入到excel表格中并保存。 (2)双击桌面快速启动图标，启动EViews6程序。 (3)点击File/New/ Workfile…，弹出Workfile Create对话框。在Workfile
Create对话框左侧Workfile structure type栏中选择Unstructured/Undated 选项，在右侧Data Range中填入样本个数31.在右下方输入Workfile的名称P53.如图2所示。 图 1 图 2 (4)下面录入数据，点击File/Import/Read Text-Lotus-Excel...选中第(1)步保存的excel表格，弹出Excel Spreadsheet Import对话框，在Upper-left data cell栏输入数据的起始单元格B2，在Excel 5+sheet name栏中输入数据所在的工作表sheet1，在Names for series or Number if named in file栏中输入变量名Y GDP，如图3所示，点击OK，得到如图4所示界面。 图 3 图 4 (5)按住Ctrl键同时选中Workfile界面的gdp表跟y表，点击鼠标右键选Open/as Group得到完整表格如图5，并点击Group表格上菜单命令Name，在弹出的对话框中命名为group01.
一元线性回归模型
一元线性回归模型 1．一元线性回归模型 有一元线性回归模型（统计模型）如下， y t = 0 + 1 x t + u t 上式表示变量y t 和x t之间的真实关系。其中y t 称被解释变量（因变量），x t称解释变量（自变量），u t称随机误差项， 0称常数项， 1称回归系数（通常未知）。上模型可以分为两部分。（1）回归函数部分，E(y t) = 0 + 1 x t,（2）随机部分，u t。 图2.1 真实的回归直线 这种模型可以赋予各种实际意义，收入与支出的关系；如脉搏与血压的关系；商品价格与供给量的关系；文件容量与保存时间的关系；林区木材采伐量与木材剩余物的关系；身高与体重的关系等。 以收入与支出的关系为例。假设固定对一个家庭进行观察，随着收入水平的不同，与支出呈线性函数关系。但实际上数据来自各个家庭，来自各个不同收入水平，使其他条件不变成为不可能，所以由数据得到的散点图不在一条直线上（不呈函数关系），而是散在直线周围，服从统计关系。随机误差项u t中可能包括家庭人口数不同，消费习惯不同，不同地域的消费指数不同，不同家庭的外来收入不同等因素。所以在经济问题上“控制其他因素不变”是不可能的。 回归模型的随机误差项中一般包括如下几项内容，（1）非重要解释变量的省略，（2）人的随机行为，（3）数学模型形式欠妥，（4）归并误差（粮食的归并）（5）测量误差等。 回归模型存在两个特点。（1）建立在某些假定条件不变前提下抽象出来的回归函数不能百分之百地再现所研究的经济过程。（2）也正是由于这些假定与抽象，才使我们能够透过复杂的经济现象，深刻认识到该经济过程的本质。 通常线性回归函数E(y t) = 0 + 1 x t是观察不到的，利用样本得到的只是对E(y t) = 0 + 1 x t 的估计，即对 0和 1的估计。 在对回归函数进行估计之前应该对随机误差项u t做出如下假定。 (1) u t 是一个随机变量，u t 的取值服从概率分布。 (2) E(u t) = 0。 (3) D(u t) = E[u t - E(u t) ]2 = E(u t)2 = 2。称u i 具有同方差性。 (4) u t 为正态分布（根据中心极限定理）。 以上四个假定可作如下表达。u t N (0,σ2)。 (5) Cov(u i, u j) = E[(u i - E(u i) ) ( u j - E(u j) )] = E(u i, u j) = 0, (i≠j )。含义是不同观测值所对应的随机项相互独立。称为u i 的非自相关性。 (6) x i是非随机的。 (7) Cov(u i, x i) = E[(u i - E(u i) ) (x i - E(x i) )] = E[u i (x i - E(x i) ] = E[u i x i - u i E(x i) ] = E(u i x i) = 0. u i与x i相互独立。否则，分不清是谁对y t的贡献。
用Eviews软件建立一元线性回归模型并进行相关检验的实验报告
用Eviews软件建立一元线性回归模型并进行相关检验的实验报告1.数据 表1列出了某年中国部分省市城镇居民每个家庭平均全年可支配收入X与消费性支出Y 的统计数据。 表1 2.建立模型 应用EViews软件，以表1的数据可绘出可支配收入X与消费性支出Y的散点图（图2-1）。从该三点图可以看出，随着可支配收入的增加，消费性支出也在增加，大致程线性关系。据此，我们可以建立一元线性回归模型： Y=β0+β1·X+μ
图2-1 对模型作普通最小二乘法估计，在Eviews软件下，OLS的估计结果如图（2-2）所示。 Dependent Variable: Y Method: Least Squares Date: 12/07/11 Time: 21:00 Sample: 1 20 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob. X 0.755368 0.023274 32.45486 0.0000 C 271.1197 159.3800 1.701090 0.1061 R-squared 0.983198 Mean dependent var 5199.515 Adjusted R-squared 0.982265 S.D. dependent var 1625.275 S.E. of regression 216.4435 Akaike info criterion 13.68718 Sum squared resid 843260.4 Schwarz criterion 13.78675 Log likelihood -134.8718 Hannan-Quinn criter. 13.70661 F-statistic 1053.318 Durbin-Watson stat 1.302512 Prob(F-statistic) 0.000000 图2-2 OLS估计结果为 ^ Y=271.12+0.76X (1.70) (32.45) R2=0.9832 D.W. =1.3025 F=1053.318 3.模型检验
计量经济学实验报告一元线性回归模型实验
2013－2014第1学期 计量经济学实验报告 实验（一）：一元线性回归模型实验 学号姓名：专业：国际经济与贸易 选课班级：实验日期：2013年12月2日实验地点：K306 实验名称：一元线性回归模型实验 【教学目标】 《计量经济学》是实践性很强的学科，各种模型的估计通过借助计算机能很
方便地实现，上机实习操作是《计量经济学》教学过程重要环节。目的是使学生 们能够很好地将书本中的理论应用到实践中，提高学生动手能力，掌握专业计量经济学软件EViews的基本操作与应用。利用Eviews做一元线性回归模型参数的OLS估计、统计检验、点预测和区间预测。 【实验目的】 使学生掌握 1.Eviews基本操作： （1）数据的输入、编辑与序列生成； （2）散点图分析与描述统计分析； （3）数据文件的存贮、调用与转换。 2. 利用Eviews做一元线性回归模型参数的OLS估计、统计检验、点预测和 区间预测 【实验内容】 1.Eviews基本操作： （1）数据的输入、编辑与序列生成； （2）散点图分析与描述统计分析； （3）数据文件的存贮、调用与转换； 2. 利用Eviews做一元线性回归模型参数的OLS估计、统计检验、点预测和区间预测。 实验内容以下面1、2题为例进行操作。 1、为了研究深圳地方预算中财政收入与国内生产总值关系，运用以下数据： (1)建立深圳的预算内财政收入对GDP的回归； (2)估计模型的参数，解释斜率系数的意义； (3)对回归结果进行检验；
(4)若2002年的国内生产总值为3600亿元，试确定2002年财政收入的预测值和预 α=)。 测区间(0.05 2、在《华尔街日报1999年年鉴》（The Wall Street Journal Almanac 1999）上，公布有美国各航空公司业绩的统计数据。航班正点准时到达的正点率和此公司每10万名乘客中投诉1 (1)做出上表数据的散点图 (2)依据散点图，说明二变量之间存在什么关系？ (3)描述投诉率是如何根据航班正点率变化，并求回归方程。 (4)对回归方程的斜率作解释。 (5)假设航班正点率为80%，预测每10万名乘客投诉次数为多少？ 【实验步骤】 1. (1)创建工作文件 在主菜单上依次单击File→New→Workfile，选择数据类型和起止日期。时间序列提供起止日期（年、季度、月度、周、日），非时间序列提供最大观察个数。本题中在Start Data里输入1990，在End data 里输入2001。单击OK后屏幕出现Workfile工作框，如图所示。
计量经济学eviews一元线性回归模型实验指导
第二章 一元线性回归模型 一、 实验目的 掌握EViews 软件的基本功能，理解一元线性回归模型及最小二乘估计的基本原理。 二、 基本知识点： 样本回归方程与总体回归方程的联系与区别；满足古典假设的前提，一元线性回归模型的最小二乘法参数估计，一元线性回归模型的检验以及均值与个值预测。 三、 实验内容及要求： 依据经济学理论，以实际数据为基础，建立经济数学模型，分析经济变量之间的数量关系。以本章所学内容，研究2012年中国各地区农村家庭人均生活消费支出与人均纯收入之间关系，数据来源于《2013年中国统计年鉴》。 要求：在认真理解本章内容的基础上，通过实验掌握一元线性回归模型的实际应用方法，并熟悉EViews 软件的基本使用方法。 四、 实验指导： 由经济学理论知，收入是影响消费的主要因素，二者之间有密切关系。二者之间关系的散点图如图2.4.1所示。图2.4.1说明，各地区农村居民家庭人均生活消费支出与家庭人均纯收入大致呈现出线性相关关系。（CD 表示农村居民家庭人均生活消费支出，RD 农村居民家庭人均纯收入） 图2.4.1 RD —CD 散点图 故假设二者之间关系设定为一元线性回归模型：i i i rd cd μββ++=10，其中cd i 各地区农村居民家庭人均生活消费支出，rd i 为各地区农村居民家庭人均纯收入，μi 为随机误差项，即除人均收入外，影响农村居民家庭人均生活消费支出的其他因素。假设该模型满足古典假设，可运用OLS 方法估计模型的参数。利用计量经济学软件EViews5.0。 建立工作文件 STEP1：进入EViews 目录，然后双击EViews 程序图标，进入EViews 主页见图2.4.2。
(2023)一元线性回归分析研究实验报告(一)
(2023)一元线性回归分析研究实验报告(一) 分析2023年一元线性回归实验报告 实验背景 本次实验旨在通过对一定时间范围内的数据进行采集，并运用一元线 性回归方法进行分析，探究不同自变量对因变量的影响，从而预测 2023年的因变量数值。本实验中选取了X自变量及Y因变量作为研究 对象。 数据采集 本次实验数据采集范围为5年，采集时间从2018年至2023年底。数 据来源主要分为两种： 1.对外部行业数据进行采集，如销售额、市场份额等； 2.对内部企业数据进行收集，如研发数量、员工薪资等。 在数据采集的过程中，需要通过多种手段确保数据的准确性与完整性，如数据自动化处理、数据清洗及校验、数据分类与整理等。 数据分析与预测 一元线性回归分析 在数据成功采集完毕后，我们首先运用excel软件对数据进行统计及 可视化处理，制作了散点图及数据趋势线，同时运用一元线性回归方 法对数据进行了分析。结果表明X自变量与Y因变量之间存在一定的 线性关系，回归结果较为良好。 预测模型建立 通过把数据拆分为训练集和测试集进行建模，本次实验共建立了三个 模型，其中模型选用了不同的自变量。经过多轮模型优化和选择，选 定最终的预测模型为xxx。预测结果表明，该模型能够对2023年的Y 因变量进行较为准确的预测。
实验结论 通过本次实验，我们对一元线性回归方法进行了深入理解和探究，分 析了不同自变量对因变量的影响，同时建立了多个预测模型，预测结 果较为可靠。本实验结论可为企业的业务决策和经营策略提供参考价值。同时，需要注意的是，数据质量和采集方式对最终结果的影响， 需要在实验设计及数据采集上进行充分的考虑和调整。 实验意义与不足 实验意义 本次实验不仅是对一元线性回归方法的应用，更是对数据分析及预测 的一个实践。通过对多种数据的采集和处理，我们能够得出更加准确 和全面的数据分析结果，这对于企业的经营决策和风险控制十分重要。同时，本实验所选取的X自变量及Y因变量能够涵盖多个行业及企业 相关的数据指标，具有一定的代表性和客观性。 实验不足 在本次实验中，我们仍存在一些不足之处： 1.数据采集范围和样本数量相对较小，可能不能完全反映实际情况； 2.在缺乏一定行业或领域专业知识的情况下，对数据的解释及结果 分析可能存在一定难度； 3.预测模型在实际应用中还需要进一步的验证和修改，保证其准确 性和可靠性。 总结 通过本次实验的设计和实现，我们得出了一元线性回归在数据分析及 预测中的应用，同时也为数据采集、清洗、分析、建模提供了一定的 参考和实践。虽然本实验仍存在一定的不足和局限性，但仍为数据分 析及业务应用提供了一定的指导和借鉴。
一元线性回归模型案例分析
一元线性回归模型案例分析 一、研究的目的要求 居民消费在社会经济的持续发展中有着重要的作用。居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。改革开放以来随着中国经济的快速发展，人民生活水平不断提高，居民的消费水平也不断增长。但是在看到这个整体趋势的同时，还应看到全国各地区经济发展速度不同，居民消费水平也有明显差异。例如，2002年全国城市居民家庭平均每人每年消费支出为6029.88元, 最低的黑龙江省仅为人均4462.08元，最高的上海市达人均10464元，上海是黑龙江的2.35倍。为了研究全国居民消费水平及其变动的原因，需要作具体的分析。影响各地区居民消费支出有明显差异的因素可能很多，例如，居民的收入水平、就业状况、零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。 二、模型设定 我们研究的对象是各地区居民消费的差异。居民消费可分为城市居民消费和农村居民消费，由于各地区的城市与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。而且，由于各地区人口和经济总量不同，只能用“城市居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。所以模型的被解释变量Y 选定为“城市居民每人每年的平均消费支出”。 因为研究的目的是各地区城市居民消费的差异，并不是城市居民消费在不同时间的变动，所以应选择同一时期各地区城市居民的消费支出来建立模型。因此建立的是2002年截面数据模型。 影响各地区城市居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财产”；还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。因此这些其他因素可以不列入模型，即便它们对居民消费有某些影响也可归入随即扰动项中。为了与“城市居民人均消费支出”相对应，选择在统计年鉴中可以获得的“城市居民每人每年可支配收入”作为解释变量X。 从2002年《中国统计年鉴》中得到表2.5的数据: 表2.52002年中国各地区城市居民人均年消费支出和可支配收入