案例分析_计量经济学 (1)
计量经济学计量经济学教学案例
计量经济学教学案例案例一 简单线性回归模型一、主题与背景用真实数据进行简单线性回归分析，应用Eviews6.0分析软件进行操作，与课本内容相对应，分析模型的截距、斜率以及可决系数，引导学生熟悉Eviews6.0的基本操作，能够解读分析报告，并尝试进行被解释变量的预测，体会变量测度单位的改变和函数形式变化给OLS 估计结果和统计特征的影响。
二、情景描述对于由CEO 构成的总体，令y 代表年薪(salary)，单位为千美元。
令x 表示某个CEO 所在公司在过去三年的平均股本回报率(roe ，股本回报率定义为净收入占普通股价的百分比)。
为研究该公司业绩指标和CEO 薪水之间的关系，可以定义以下模型：Salary=0β+1βroe + u . 斜率参数1β衡量当股本回报率增长一个单位（一个百分点）时CEO 年薪的变化量，由于更高的股本回报率预示更高的CEO 年薪，所以，1β＞0。
三、教学过程设计（一）数据说明数据集CEOSAL1.RAW 包含1990年209位CEO 的相关信息，该数据来自《商业周刊》(5/6/91)，该样本中CEO 年薪的平均值为$1,281,120，最低值和最高值分别为$223,000和$14,822,000，1988、1989和1990年的平均股本回报率是17.18%。
（二）操作建议1：在 eviews6.0命令输入窗口定义变量：data salary roe2、用 edit+/- 编辑数据3、描述统计分析过程：view---descriptive stats---common sample4、画散点图:Scat roe salary5、在eviews6.0命令输入窗口运行简单线性回归 Ls salary c roe6、用resids 观测残差7、产生新序列:S eries lsalary =log(salary)8、改变函数形式：Ls lsalary c lsales9、改变变量测度单位：Ls salary*1000 c roe四、教学研究（一）案例结论1、回归结果估计出的回归线为：salˆary = 963.191 + 18.501 roe(1)截距和斜率保留了3位小数，回归结果显示，如果股本回报率为0，年薪的预测值为截距963.191千美元,可以把年薪的预测变化看做股本回报率变化的函数：∆salˆary = 18.501 (∆roe)，这意味着当股本回报率增加1个百分点，即∆roe =1,则年薪的预测变化就是18.5千美元,在线性方程中，估计的变化与初始年薪无关。
计量经济学模型案例
计量经济学模型案例计量经济学是经济学的一个重要分支，它运用数理统计和经济理论来研究经济现象。
在实际应用中，计量经济学模型可以帮助我们分析经济数据，预测经济变化，评估政策效果等。
下面我们将通过几个实际案例来展示计量经济学模型的应用。
首先，我们来看一个关于劳动力市场的案例。
假设我们想要研究教育水平对个体工资收入的影响。
我们可以建立一个计量经济学模型，以教育水平作为自变量，工资收入作为因变量，控制其他可能影响工资收入的因素，如工作经验、性别、地区等。
通过对大量的劳动力市场数据进行回归分析，我们可以得出教育水平对工资收入的影响程度，进而评估教育政策对经济的影响。
其次，我们来考虑一个关于消费行为的案例。
假设我们想要研究收入水平对消费支出的影响。
我们可以建立一个消费函数模型，以收入水平作为自变量，消费支出作为因变量，控制其他可能影响消费支出的因素，如家庭规模、价格水平、偏好等。
通过对消费者调查数据进行计量经济学分析，我们可以得出收入水平对消费支出的弹性，从而预测未来的消费趋势，指导政府制定经济政策。
最后，我们来看一个关于市场竞争的案例。
假设我们想要研究市场结构对企业利润的影响。
我们可以建立一个产业组织模型，以市场结构（如垄断、寡头、完全竞争）作为自变量，企业利润作为因变量，控制其他可能影响企业利润的因素，如生产成本、市场需求、技术创新等。
通过对不同产业的数据进行计量经济学分析，我们可以得出不同市场结构下的企业利润水平，为政府监管和产业政策提供依据。
通过以上案例的介绍，我们可以看到计量经济学模型在实际经济分析中的重要作用。
它不仅可以帮助我们理解经济现象的规律，还可以指导政策制定和企业决策。
当然，计量经济学模型的建立和分析也需要注意数据的质量、模型的假设条件等问题，只有在严谨的理论基础和丰富的实证分析基础上，我们才能得出可靠的经济结论。
综上所述，计量经济学模型在经济学研究中具有重要的地位和作用，它为我们提供了一种强大的工具来分析经济现象，预测经济变化，评估政策效果。
计量经济学实际案例
二、均值分析1、分性别对身高进行的比较假设男女身高相等，否定假设可认为男生身高明显高于女生。
2、分南北地区进行比较（1）身高假设两者均值相等，检验结果不能否定原假设，因而不能认为南北方身高有显著差异。
（2）体重通过假设两者均值相等，检验结果无法否定原假设，因而认为南北方体重没有明显差异。
3、分出生年份月份进行比较年份性别身高体重84 男均值172.00 56.00N 1 1总计均值172.00 56.00N 1 185 男均值180.33 70.67N 3 3女均值161.00 51.00N 2 2总计均值172.60 62.80N 5 586 男均值174.20 65.40N 20 20女均值162.11 52.28N 18 18总计均值168.47 59.1887 男均值178.50 66.58N 6 6女均值164.83 52.83N 18 18总计均值168.25 56.27N 24 2488 男均值170.50 65.00N 2 2女均值167.00 53.50N 2 2总计均值168.75 59.25N 4 489 女均值165.00 50.00N 1 1总计均值165.00 50.00N 1 1总计男均值175.28 65.80N 32 32女均值163.56 52.46N 41 41总计均值168.70 58.31N 73 73ANOVA 表由表可看出，各年份出生的人身高体重无显著性差异。
总计均值171.00 64.00N 6 6 3 男均值174.50 69.50N 4 4 女均值160.25 50.75N 4 4 总计均值167.38 60.13N 8 8 4 男均值181.25 68.50N 4 4 女均值162.25 52.00N 4 4 总计均值171.75 60.25N 8 8 5 男均值169.50 65.25N 2 2 女均值156.00 43.00N 1 1 总计均值165.00 57.83N 3 3 6 男均值175.00 63.00N 1 1 女均值171.50 57.50N 4 4 总计均值172.20 58.60N 5 5 7 男均值171.00 64.33N 3 3 女均值167.00 50.50N 2 2 总计均值169.40 58.80N 5 5 8 男均值179.20 64.90N 5 5 女均值161.50 52.50N 2 2 总计均值174.14 61.36N 7 7 9 男均值171.67 58.00N 3 3 女均值163.33 54.33N 3 3 总计均值167.50 56.1710 男均值174.67 61.83N 3 3总计均值174.67 61.83N 3 311 女均值162.50 51.67N 12 12总计均值162.50 51.67N 12 1212 男均值171.00 66.50N 2 2女均值167.00 57.00N 1 1总计均值169.67 63.33N 3 3总计男均值175.28 65.80N 32 32女均值163.56 52.46N 41 41总计均值168.70 58.31N 73 73ANOVA 表由表同样可得出，各月出生的人身高体重无显著性差异。
计量经济学案例分析(Eviews操作)
美股行情对A股的影响性分析——标普500与沪深300相关性分析摘要：本文主要通过分析标准普尔500指数与沪深300指数的相关性，以标普500指数为解释变量，以沪深300指数为被解释变量，利用Eviews软件，使用其中的最小二乘法对其进行线性回归分析，最终得出方程。
并对其进行显著性检验（F，t）、异方差检验、自相关性检验来验证方程的可靠性。
然后解释方程的经济意义，并利用软件对未来指数变动进行预测。
最后在未来几天比较预测结果与实际两个指数的变化情况，验证实际应用情况。
关键词：标普500、沪深300、Eviews、显著性检验、异方差检验、自相关性检验。
一、研究背景1.全球化大环境在经济全球化不断深入发展的今天，全球资本市场，尤其是中美两个超级大国之间的资本流通，早已彼此嵌入，密不可分。
全世界早有不少学者对中美资本流通做了深入研究。
但美国股市发展早于中国十几年，其内部的资金也远远超过中国股市，美国股市的资本流动势必会对中国股市产生一定影响，这种影响不仅体现在情绪面，更反映在指数变动方向上。
2.对外开放资本市场的QFII政策Qualified Foreign Institutional Investor，作为一种过渡性制度安排，QFII制度是在资本项目尚未完全开放的国家和地区，实现有序、稳妥开放证券市场的特殊通道。
外资对中国股市的影响早已不可忽视，而美国市场的变动也一定程度会影响在中国股市外资的操作行为。
所以研究两个指数的变动是很有意义的。
二、数据1.数据选择沪深两个市场各自均有独立的综合指数和成份指数，这些指数不能用来反映沪深两市的整体情况，而沪深300指数则同时考虑了两市的交易情况，是中国A股市场的“晴雨表”。
标准普尔500指数英文简写为S&P 500 Index，是记录美国500家上市公司的一个股票指数。
与道琼斯指数等其他指数相比，标准普尔500指数包含的公司更多，因此风险更为分散，能够反映更广泛的市场变化。
计量经济学建模案例
计量经济学建模案例计量经济学是经济学的一个重要分支，它运用数理统计、数学经济学和经济计量学的方法，对经济现象进行定量分析和研究。
计量经济学建模是计量经济学的一个重要环节，通过建立合适的模型来对经济现象进行描述、预测和政策分析。
本文将通过一个实际的案例，介绍计量经济学建模的基本步骤和方法。
首先，我们需要确定研究的目的和问题。
在实际研究中，我们通常会针对某一经济现象或政策进行研究，比如通货膨胀对经济增长的影响。
在确定研究问题后，我们需要收集相关的数据，这些数据通常包括宏观经济指标、产业数据、企业调查数据等。
在收集数据时，我们需要注意数据的质量和可靠性，确保数据的准确性和完整性。
接下来，我们需要对收集的数据进行描述性统计分析。
描述性统计分析可以帮助我们了解数据的分布特征、相关性和变化趋势，为后续的建模分析提供基础。
在描述性统计分析的基础上，我们可以利用计量经济学的方法，建立相应的经济模型。
比如，我们可以运用回归分析的方法，来探讨通货膨胀率对经济增长的影响，建立相应的经济增长模型。
建立模型后，我们需要进行模型的估计和检验。
模型的估计可以通过最小二乘法等方法来进行，通过估计得到的参数，我们可以对模型的拟合效果进行评估。
同时，我们还需要对模型的假设进行检验，确保模型的有效性和可靠性。
在估计和检验的基础上，我们可以对模型进行修正和改进，以提高模型的解释能力和预测精度。
最后，我们需要对建立的模型进行政策分析和预测。
通过建立的模型，我们可以对不同政策措施的影响进行评估和预测，为政策制定提供决策支持。
比如，我们可以利用建立的经济增长模型，来评估不同通货膨胀率下的经济增长效果，为货币政策的制定提供参考。
综上所述，计量经济学建模是一个系统的过程，需要从确定研究问题、数据收集、描述性统计分析、模型建立、模型估计和检验、政策分析和预测等多个环节进行。
通过本文的案例介绍，希望读者能够对计量经济学建模有一个清晰的认识，为实际研究和应用提供参考。
计量经济学案例
计量经济学案例计量经济学是经济学的一个重要分支，它运用数理统计和数学工具来分析经济现象，验证经济理论和检验经济政策的有效性。
在实际应用中，计量经济学常常通过案例研究来展示其理论和方法在解决实际问题中的应用。
下面，我们将通过一个实际的案例来说明计量经济学的应用。
某国家的一家汽车制造商希望了解汽车价格与销量之间的关系，以便制定合理的定价策略。
为了研究这一问题，他们收集了过去几年的汽车价格和销量数据，并进行了分析。
首先，他们利用计量经济学中的回归分析方法，建立了汽车价格和销量之间的数学模型。
在这个模型中，销量是因变量，而价格是自变量。
通过回归分析，他们得到了汽车价格对销量的影响程度，以及其他可能影响销量的因素。
接着，他们进行了统计检验，验证了他们建立的数学模型的有效性。
通过检验结果，他们确认了汽车价格对销量的影响，并排除了其他因素对销量的影响。
这为他们制定合理的定价策略提供了重要的依据。
最后，他们利用建立的数学模型，进行了一系列的预测和模拟。
他们可以通过调整汽车价格，来预测不同定价策略对销量的影响，以及对企业利润的影响。
这些预测和模拟结果为企业提供了重要的决策参考。
通过这个案例，我们可以看到计量经济学在实际应用中的重要性和价值。
它不仅可以帮助企业了解市场和消费者行为，还可以为企业决策提供科学的依据。
当然，计量经济学的方法和工具不仅局限于汽车制造业，它在其他行业和领域也有着广泛的应用。
总之，计量经济学案例的研究对于理论的验证和实证分析都具有重要的意义。
通过实际案例的研究，我们可以更好地理解计量经济学的方法和工具，以及它们在解决实际问题中的应用。
希望这个案例能够给大家带来一些启发，也希望大家能够更加重视计量经济学的学习和研究。
计量经济学案例分析汇总
计量经济学案例分析1一、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”。
《计量经济学》典型综合案例导引及分析
《计量经济学》典型综合案例导引及分析1.如果有人准备对公司首席执行官（CEO）的年薪（salary）进行经验研究，请写出这种研究可能的动机是什么？2.其在研究过程中所设立的各种计量模型的共同特点有哪些？3. 如果某人首先设立的模型为：u roe salary +⋅+=10ββ（1）其中，salary 代表CEO 的年薪，以千美元为单位；roe 代表CEO 所在的公司在过去三年里的平均净资产回报率，净资产回报率被定义为公司的纯收入占普通净资产的百分比；参数0β和1β为未知的常数；u 为一随机变量。
请说明模型（1）属于何种回归模型？模型（1）中的参数0β、1β有什么特性？0β、1β的经济含义是什么？4.你对1β的取值范围有什么样的理论预期，为什么？5.如果模型（1）的设定是正确的，该模型必需满足的具有明确经济含义的核心条件是什么？这一核心条件必须用什么样的数学约束条件来保证？6.如果你希望利用OLS对模型（1）做出正确的估计，则该模型（除了第5题的答案外）还必需满足哪些前提条件？7. 利用美国1990年209家公司CEO 的样本信息，采用OLS 估计方法，对模型（1）的估计结果如下：0132.0209501.18191.963ˆ2==⋅+=R n roeary l sa （2）该估计结果使用的是什么类型的样本数据？8. 写出得出回归方程（2）的各个估计值的计算公式（要以样本的变量符号为基础）。
9. 根据回归方程（2）的估计结果，如果有人说这意味着501.181=β，请 说明这一结论的对错及理由。
10.在回归方程（2）的估计结果中，你对2R值的经济解释是什么？根据方程（2）中的2R的数值大小，你能做出哪些合理的推断？11. 利用相同的样本信息（下同），利用OLS 还得到了如下的估计结果： 020.0,029.0,209)08.11()0089.0()9.223(63.190163.063.830ˆ22===⋅+⋅+=R R n roe sales ary l sa （3）其中，sales 为公司的年销售额，单位千美元，括号中的数字为标准误。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
案例分析1一、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。
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2012年《中国统计年鉴》中得到数据:表2.52012年中国各地区城市居民人均年消费支出和可支配收入地区城市居民家庭平均每人每年消费支出(元)Y 城市居民人均年可支配收入(元)X北京天津24,045.920,024.236,468.829,626.4河北山西内蒙古辽宁吉林黑龙江上海江苏浙江安徽福建江西山东河南湖北湖南广东广西海南重庆四川贵州云南西藏陕西甘肃青海宁夏新疆12,531.112,211.517,717.116,593.614,613.512,983.626,253.518,825.321,545.215,011.718,593.212,775.715,778.213,733.014,496.014,609.022,396.414,244.014,456.616,573.115,049.512,585.713,883.911,184.315,332.812,847.112,346.314,067.213,891.720,543.420,411.723,150.323,222.720,208.017,759.840,188.329,677.034,550.321,024.228,055.219,860.425,755.220,442.620,839.621,318.830,226.721,242.820,917.722,968.120,307.018,700.521,074.518,028.320,733.917,156.917,566.319,831.417,920.7作城市居民家庭平均每人每年消费支出(Y)和城市居民人均年可支配收入(X)的散点图，如图2.12：图2.12从散点图可以看出居民家庭平均每人每年消费支出(Y)和城市居民人均年可支配收入(X)大体呈现为线性关系，所以建立的计量经济模型为如下线性模型：12i i i Y X u ββ=++三、估计参数假定所建模型及随机扰动项i u 满足古典假定，可以用OLS 法估计其参数。
运用计算机软件EViews 作计量经济分析十分方便。
利用EViews 作简单线性回归分析的步骤如下： 1、建立工作文件首先，双击EViews 图标，进入EViews 主页。
在菜单一次点击File\New\Workfile ，出现对话框“Workfile Range ”。
在“Workfile frequency ”中选择数据频率：Annual (年度) Weekly ( 周数据 )Quartrly (季度) Daily (5 day week ) ( 每周5天日数据 ) Semi Annual (半年) Daily (7 day week ) ( 每周7天日数据 ) Monthly (月度) Undated or irreqular (未注明日期或不规则的) 在本例中是截面数据，选择“Undated or irreqular ”。
并在“Start date ”中输入开始时间或顺序号，如“1”在“end date ”中输入最后时间或顺序号，如“31”点击“ok ”出现“Workfile UNTITLED ”工作框。
其中已有变量：“c ”—截距项 “resid ”—剩余项。
在“Objects ”菜单中点击“New Objects”，在“New Objects”对话框中选“Group”，并在“Name for Objects”上定义文件名，点击“OK ”出现数据编辑窗口。
若要将工作文件存盘，点击窗口上方“Save ”，在“SaveAs ”对话框中给定路径和文件名，再点击“ok ”，文件即被保存。
2、输入数据在数据编辑窗口中，首先按上行键“↑”，这时对应的“obs”字样的空格会自动上跳，在对应列的第二个“obs”有边框的空格键入变量名，如“Y ”，再按下行键“↓”，对因变量名下的列出现“NA ”字样，即可依顺序输入响应的数据。
其他变量的数据也可用类似方法输4000600080001000012000400060008000100001200014000XY入。
也可以在EViews 命令框直接键入“data X Y ”(一元时) 或 “data Y 1X 2X … ”(多元时)，回车出现“Group ”窗口数据编辑框，在对应的Y 、X 下输入数据。
若要对数据存盘，点击 “fire/Save As”，出现“Save As ”对话框，在“Drives ”点所要存的盘，在“Directories ”点存入的路径（文件名），在“Fire Name ”对所存文件命名，或点已存的文件名，再点“ok ”。
若要读取已存盘数据，点击“fire/Open”，在对话框的“Drives”点所存的磁盘名，在“Directories”点文件路径，在“Fire Name”点文件名，点击“ok”即可。
3、估计参数方法一：在EViews 主页界面点击“Quick ”菜单，点击“Estimate Equation ”，出现“Equation specification ”对话框，选OLS 估计，即选击“Least Squares”，键入“Y C X ”，点“ok ”或按回车，即出现如表2.6那样的回归结果。
表2.6在本例中，参数估计的结果为：^282.24340.758511i i Y X =+ （287.2649） (0.036928) t=(0.982520) (20.54026)20.935685r = F=421.9023 df=29方法二：在EViews 命令框中直接键入“LS Y C X ”，按回车，即出现回归结果。
若要显示回归结果的图形，在“Equation ”框中，点击“Resids ”，即出现剩余项（Residual ）、实际值（Actual ）、拟合值（Fitted ）的图形，如图2.13所示。
图2.13四、模型检验1、经济意义检验所估计的参数^20.758511β=，说明城市居民人均年可支配收入每相差1元，可导致居民消费支出相差0.758511元。
这与经济学中边际消费倾向的意义相符。
2、拟合优度和统计检验用EViews 得出回归模型参数估计结果的同时，已经给出了用于模型检验的相关数据。
拟合优度的度量：由表2.6中可以看出，本例中可决系数为0.935685，说明所建模型整体上对样本数据拟合较好，即解释变量“城市居民人均年可支配收入”对被解释变量“城市居民人均年消费支出”的绝大部分差异作出了解释。
对回归系数的t 检验：针对01:0H β=和02:0H β=，由表2.6中还可以看出，估计的回归系数^1β的标准误差和t 值分别为：^1()287.2649SE β=，^1()0.982520t β=；^2β的标准误差和t 值分别为：^2()0.036928SE β=，^2()20.54026t β=。
取0.05α=，查t 分布表得自由度为2312n -=-=的临界值0.025(29)2.045t =。
因为^10.025()0.982520(29)2.045t t β=<=，所以不能拒绝01:0H β=；因为^20.025()20.54026(29) 2.045t t β=>=，所以应拒绝02:0H β=。
这表明，城市人均年可支配收入对人均年消费支出有显著影响。
五、回归预测由表2.5中可看出，2002年中国西部地区城市居民人均年可支配收入除了西藏外均在8000以下，人均消费支出也都在7000元以下。
在西部大开发的推动下，如果西部地区的城市居民人均年可支配收入第一步争取达到1000美元(按现有汇率即人民币8270元)，第二步再争取达到1500美元(即人民币12405元)，利用所估计的模型可预测这时城市居民可能达到的人均年消费支出水平。
可以注意到，这里的预测是利用截面数据模型对被解释变量在不同空间状况的空间预测。
用EViews 作回归预测，首先在“Workfile ”窗口点击“Range ”，出现“Change Workfile Range ”窗口，将“End data”由“31”改为“33”，点“OK ”，将“Workfile ”中的“Range ”扩展为1—33。
在“Workfile ”窗口点击“sampl”，将“sampl”窗口中的“1 31”改为“1 33”，点“OK ”，将样本区也改为1—33。
为了输入18270f X =，212405f X =在EViews 命令框键入data x /回车, 在X 数据表中的“32”位置输入“8270”，在“33”的位置输入“12405”，将数据表最小化。
然后在“E quation ”框中，点击“Forecast ”，得对话框。