各地区城市居民消费的差异
各地区城市居民消费的差异
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XX省仅为人均4462.08元，最高的XX市达人均10464元，XX是XX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”。
消费力的地区差异：城市与农村市场的对比
消费力的地区差异在城市与农村市场之间是显著的。
以下是城市和农村市场在消费力方面的对比：
1. 收入水平差异：城市居民的收入普遍较高，而农村居民的收入水平相对较低。
这导致了城市消费者在购买力和消费能力方面更强大，他们更有可能购买高端产品和享受高品质的服务。
2. 消费结构差异：由于经济发展水平和生活方式的不同，城市和农村消费者的消费结构也存在差异。
城市消费者更倾向于购买日常消费品、奢侈品、科技产品、旅游度假等，而农村消费者则更注重基本生活用品、农资农具、家庭装修等。
3. 品牌偏好与消费习惯：城市消费者更容易接触到国内外知名品牌和新兴品牌，他们对品牌形象、质量和服务有更高的要求。
相比之下，农村消费者对品牌忠诚度较低，更注重性价比和实用性。
4. 商业渠道和服务覆盖：城市地区拥有更完善的商业渠道和服务设施，如购物中心、超市、餐饮娱乐场所等。
这使得城市消费者能够更方便地满足各种消费需求。
农村地区由于基础设施相对欠缺，商业渠道和服务覆盖较少，消费选择相对有限。
5. 消费观念与认知差异：城市消费者更加开放和多元化，在消费观念上更注重个性化、品质和时尚。
而农村消费者更传统保守，注重实用性和性价比。
需要注意的是，随着农村地区的经济发展和城乡一体化政策的推进，城市与农村市场的差异正在逐渐缩小。
农村消费力的提升和农民收入的增加将促使农村市场的潜力释放，也为企业带来了更广阔的市场机遇。
同时，政府也在努力提升农村地区的基础设施建设和服务水平，以促进农村市场的发展。
案例三：中国各城市居民消费分析
案例三：中国各城市居民消费分析（一）案例目标生产，收入、分配与使用，体现了社会经济运动的循环过程。
收入分配是这个过程的中间环节，承前启后。
收入分配核算构成了国民经济核算的最重要组成部分中之一，涉及多个账户，核算内容包括国民收入的初次分配、再分配、可支配收入和使用核算。
本案例以收入使用中的居民消费结构为目标，分析不同时期我国城镇居民消费构成的差异及其发展变化过程。
（二）案例背景我国从确立市场经济体制以后，社会经济迅速发展，居民的收入水平和消费水平有了显著的提高。
然而消费需求不足仍是我国制约经济进一步发展的重要原因之一。
地区差距及时间的变迁，使得居民在消费行为上存在很大的差异。
因此研究地区差异和时间变化对居民消费行为的影响，对有效制定地区消费政策、促进地区乃至全国经济增长有着经济的意义。
（三）分析方法Panel-Data就是“平行数据”或“面板数据”。
它是指在时间序列上取多个截面，在这些截面上同时选取样本观测值所构成的样本数据。
因此，平行数据模型相较于只利用截面数据或只利用时间序列数据的模型而言，有着不可替代的作用。
它可以从多层面分析经济问题，具有很高的应用价值。
本文需要对收入差距较大的各城市居民消费行为进行分析，同时又要考虑到不同年份收入对消费的不同影响，因此，该模型适合分析的需要。
1．Panel Data模型截面数据是选择同一时间上不同区域的数据作为样本观测值，而时间序列数据是选择同一区域在不同时间上的数据作为样本观测值，二者在实际应用中都有一定的局限性。
相对只利用截面数据或只利用时间序列数据进行经济分析而言，Panel Data模型具有许多优点。
首先，Panel Data模型通过对不同截面单元不同时间观察值的结合，成为“更多信息、更可变、变量之间更少共线性、更多自由度、更有效”的数据。
它通常提供给研究者大量的数据点，这样就增加了自由度并减少了解释变量之间的共线性，改进了计量经济估计的有效性；第二，Panel Data是对同一截面单元集进行重复观察，能更好地研究经济行为变化的动态性。
我国CPI地区差异分析及政策建议
我国CPI地区差异分析及政策建议我国CPI（居民消费价格指数）是衡量居民消费价格变动情况的重要指标之一。
随着我国不断发展，各地区之间的经济发展水平和消费能力差异逐渐显现，导致CPI地区差异的加大。
有必要对我国CPI地区差异进行分析，并提出相应政策建议。
我国CPI地区差异主要表现在以下几个方面：一是城乡差异。
由于城乡发展水平和消费水平的不均衡，城市居民和农村居民的消费需求和能力存在差异，从而导致城乡CPI之间的差异。
二是地区差异。
我国地势高低起伏，地理环境和气候条件差异明显，不同地区的物价水平存在差异。
特别是经济发达地区和欠发达地区之间的CPI差异更为明显。
三是行业差异。
不同行业的价格波动不同，部分行业的价格涨幅明显高于全国平均水平，从而引起不同地区CPI的差异。
一是加强统筹协调。
要加强中央与地方之间的沟通协调，统筹解决CPI地区差异问题。
政府应加强宏观调控，根据不同地区的经济发展状况和消费能力，制定差异化的政策措施。
二是优化资源配置。
要加大对欠发达地区的支持力度，提高其发展水平和消费能力。
政府应加大基础设施建设投资，优化资源配置，促进跨地区的经济协调发展，实现消费能力的均衡分布。
三是推进改革创新。
要通过改革创新，推动不同地区的经济发展水平向更高水平迈进。
政府应鼓励各地注重技术创新和产业升级，提高不同行业的竞争力和核心竞争力，进一步缩小CPI地区差异。
四是加强监管和执法。
要加大对价格垄断和不正当竞争行为的监管和执法力度，维护市场价格秩序，保障消费者的合法权益。
政府应建立健全的价格监测和预警机制，及时发现和处理价格波动异常事件。
我国CPI地区差异是一个复杂的问题，需要政府加强统筹协调，优化资源配置，推进改革创新，加强监管和执法，逐步缩小不同地区之间的CPI差异。
这样才能实现我国消费能力的均衡发展，推动经济持续稳定健康发展。
我国城镇居民消费结构区域差异分析
前 ５ 的地 区分 别为： 上海、广东 、 名 浙江 、
北京 、黑龙江 ，这些城市的居民对食品和 服饰 的质量要 求较 高 ，所 以对这方面的支
出较多 。第 二因子得分前 ５名的地区分别
为：天津、西藏 、北京 、贵州、吉林 ，这些
城市在 享受 消费 的支出居全 国领 先地位 ， 对家庭设备和文教娱 乐等 支出较多。第三 因子得分前 ５ 名的地 区分 别为：海南、 内蒙 古 、北京 、广东 、浙江 。这些城市在安居 型消费上的支 出在全 国占领 先地位。综合 得分排名前５ 位是北京 、 广东 、 西藏 、 上海 、
缩 小不同收入阶层之 间收入 差距。大力发 展 第三产业。我 国第三产 业长 期落后 ，制 约了居民消费水平 的提高 。我 们应该 发展 第三产 业 ， 居民消费结构更加合理。 使
确定提取 的因子个数 ｍ；计 算提取 的各 因
子得分 ，并 以提取 因子 的方差贡献率 占所
２地区消费结构的 因子分析 。 ． 食品 、 衣 着和 其他 在全国属第一个 因子 ，在一 类地
下． 对各变量标准化处理 以消除量纲 影响 ，
结 论
引导居民合理消费。鼓励 消费升级 过 程 中的一些合理消费 ，高层次 高质 量的消
记标准 化后的数据矩 阵为 ；求出相关 系 数矩 阵。 记矩 阵 的相 关系数矩阵 为 ；求
相 关系数矩 阵 的特 征值 、相 应的特征 向 量 和贡献率 ，并将 各特征值 按大 小排序 ，
居住 ；这 三个 因子在我 国城镇居 民消费中 所 占地位依次减弱。 由此看 出， 我国现阶段 城镇居民消费主要用来维持生活基本需要 ，
同 时也 开 始 注 重 生 活 的 享 受 和 发展 。
中国各地人均消费支出与消费结构差异的分析
中国各地人均消费支出与消费结构差异的分析消费水平是衡量一个地区乃至一个国家经济实力的重要指标之一，由于中国幅员辽阔，各地经济发展水平不同、文化风俗不一，人们对消费的偏好，以及支出也不尽相同。
本文通过聚类的统计方法，利用SPSS软件，对中国31个省市自治区的人均消费支出及消费结构进行分析，阐释其内因，以期能在经济不断发展的今天，找出一定的消费规律性，并由此提出一些建议。
标签：消费支出消费结构聚类分析一、引言中国正在进行着翻天覆地的经济大改革，人们的消费水平也随之不断提升。
然而由于各地的文化风俗不同，经济发展的进程不一致，使得他们的消费支出类型不尽相同。
所以，本文通过对中国各地的人均消费支出的不同以及消费结构的差异来探索现象背后的原因，以期能在经济不断发展的今天，找出一定的消费规律性，并由此提出一些建议。
然而在现实生活中,那种仅凭经验和专业知识做定性分类的方法，已不能满足实际需要,我们必须将定性和定量分析结合起来分类。
因此本文采用聚类分析来对这一现象进行研究。
二、理论介绍聚类分析也称为群分析,它是研究对象的个体特征，对其进行分类的一种多元统计分析方法，现在越来越受到人们的重视,在经济、社会学、医学等领域有着广泛的应用。
其数学上的解释是:例如有p个指标（变量），n个对象，依据这n个对象在p个指标下的数据，对这n个对象进行聚类。
每一个对象是p维空间的一个点，聚类问题就是在p位空间中，对这n个点的聚类。
在SPSS中,有两大类聚类分析法,层次聚类法、动态聚类法等。
其中动态聚类法也称快速聚类法,或K-值聚类法。
其思想是首先选取一批聚类中心,让样品向最近的中心凝聚,形成初始分类,然后按最近距离原则不断修改不合理分类,直至合理为止。
快速聚类使用的是欧氏距离平方,各变量权数相等。
快速聚类法占用内存小,计算量小,处理速度快,特别适合大样本的聚类分析,所以本文采用快速聚类法。
三、分析与结论本文以全国31个省、市、自治区作为考察对象，进行聚类分析，研究全国各地城镇居民人均全年消费性支出状况。
基于SPSS的全国城镇居民消费水平差异分析
基于SPSS的全国城镇居民消费水平差异分析全国城镇居民消费水平的差异分析是一个重要的社会经济问题，它关系到国家的经济发展和居民生活水平的提高。
本文将基于SPSS软件对全国城镇居民消费水平的差异进行分析，以了解各地区之间的消费差异，并从政府政策制定的角度，提出相应的对策。
我们需要准备全国城镇居民消费水平数据。
这些数据可以从国家统计局、各地区的统计局等机构获取。
数据包括各省、直辖市和自治区的城镇居民的平均消费水平，可以是每人每月的消费金额或者每人每年的消费金额。
在SPSS中，我们可以使用描述性统计功能对数据进行初步的分析。
我们可以计算各地区的平均消费水平，并绘制柱状图或饼图来显示各地区的消费水平差异。
通过观察图表，我们可以看出各地区之间的消费差异的大致情况。
接下来，我们可以使用方差分析功能对消费水平差异进行更深入的分析。
方差分析可以帮助我们判断各地区的消费差异是否具有统计学上的显著性。
我们可以使用城镇居民消费水平作为因变量，地区作为自变量，并进行方差分析。
如果方差分析的结果表明各地区的消费差异具有统计学上的显著性，那么我们可以进一步使用事后多重比较方法（如Tukey HSD方法）对各地区的消费水平进行比较，找出具体哪些地区之间的差异是显著的。
我们还可以使用回归分析功能来分析城镇居民消费水平的影响因素。
我们可以将城镇居民的消费水平作为因变量，将一些可能影响消费水平的因素作为自变量，如人均可支配收入、就业率、教育水平等。
通过回归分析，我们可以了解这些自变量对于城镇居民消费水平的影响程度，以及各个因素之间的相互关系。
基于分析的结果，政府可以制定相应的政策来提高城镇居民的消费水平。
如果某些地区的消费水平较低，政府可以采取措施来促进当地经济的发展，提高居民的收入水平，以提高消费水平。
政府也可以通过改善当地的消费环境、鼓励消费创新等方式来提高城镇居民的消费水平。
各个城市的恩格尔系数
各个城市的恩格尔系数恩格尔系数是衡量家庭消费支出与总支出之间关系的一种指标，因此它可以用来表示一个地区经济发展水平和居民生活质量的高低。
城市的恩格尔系数可以反映该城市居民的消费结构和消费水平，进而帮助我们了解不同城市的经济发展情况和人民生活水平。
首先，让我们来看一些中国不同城市的恩格尔系数。
根据最新的数据，北京的恩格尔系数为37%，上海为40%，广州为41%，成都为42%，济南为43%。
这些数据显示，这些城市的居民消费主要集中在食品和日常用品上，占家庭总支出的比例相对较高。
相比之下，一些发达国家的恩格尔系数往往较低，如美国的恩格尔系数约为12%至18%。
恩格尔系数代表了居民的生活水平和经济发展水平，但也受到一些因素的影响。
首先，城市的恩格尔系数与城市人口规模有关。
大城市由于提供了更多的就业机会和消费选择，有更高的恩格尔系数。
其次，城市的恩格尔系数还受到居民收入水平和社会福利政策的影响。
收入水平较高的家庭能够负担更高品质的生活，恩格尔系数较低；而收入水平较低的家庭，则更多花费在基本生活必需品上，恩格尔系数较高。
了解不同城市的恩格尔系数，我们可以得出一些指导意义。
首先，恩格尔系数高的城市，应该更加关注低收入家庭的生活品质和负担能力，建立更加公平和健全的社会保障体系。
其次，城市之间的恩格尔系数差异也需要引起重视。
一些恩格尔系数较低的城市可以向那些恩格尔系数较高的城市学习，加强消费结构的优化和经济结构的调整，提高人民生活水平。
此外，城市的恩格尔系数还给企业提供了市场分析的重要参考。
了解城市居民的消费结构和消费水平，企业可以更加精准地制定营销策略和产品定位，满足居民不断增长的消费需求。
在消费升级的趋势下，消费者对于高品质和创新的产品越来越关注，这给企业提供了更大的发展空间。
综上所述，恩格尔系数是衡量城市经济发展水平和人民生活水平的重要指标。
通过了解各个城市的恩格尔系数，我们能够更全面地了解不同城市的经济发展情况和人民的生活水平。
- 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)。
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4000600080001000012000400060008000100001200014000XY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。
在对话框中的“Forecast name ”(预测值序列名)键入“fY ”， 回车即得到模型估计值及标准误差的图形。
双击“Workfile ”窗口中出现的“Yf ”，在“Yf ”数据表中的“32”位置出现预测值16555.132f Y =，在“33”位置出现29691.577f Y =。
这是当18270f X =和212405f X =时人均消费支出的点预测值。
为了作区间预测，在X 和Y 的数据表中，点击“View”选“Descriptive Stats\Cmmon Sample”，则得到X 和Y 的描述统计结果，见表2.7: 表2.7根据表2.7的数据可计算:222(1)2042.682(311)125176492.59ix xn σ=-=⨯-=∑221()(82707515.026)569985.74f X X -=-=222()(124057515.026)23911845.72f X X -=-= 取0.05α=,f Y 平均值置信度95%的预测区间为：^^21f Y t n ασ18270f X =时6555.13 2.045413.1593⨯ 6555.13162.10=212405f X =时9691.58 2.045413.1593⨯ 9691.58499.25= 即是说，当18270f X =元时，1f Y 平均值置信度95%的预测区间为（6393.03，6717.23）元。