得到如下输出结果：
相应的表达式是：
??129.63?0.76IP CPitit2 (2.0) (79.7) R?0.98,SSEr?4824588
上式表示15个省级地区的城镇人均指出平均占收入的76%。
B.个体固定效应回归模型的估计方法
将截距项选择区选Fixed effects（固定效应）
得到如下输出结果：
相应的表达式为：
??515.6?0.70IP?36.3D?537.6D?...?198.6D CPitit12152 (6.3) (55) R?0.99,SSEr?2270386
其中虚拟变量D1,D2,...,D15的定义是：
?1,如果属于第i个个体,i?1,2,...,15Di??
0,其他 ?15个省级地区的城镇人均指出平均占收入70%。从上面的结果可以看出北京市
居民的自发性消费明显高于其他地区。
接下来用F统计量检验是应该建立混合回归模型，还是个体固定效应回归模型。
H0：?i??。模型中不同个体的截距相同（真实模型为混合回归模型）。
。 H1：模型中不同个体的截距项?i不同（真实模型为个体固定效应回归模型）
F统计量定义为：
F?(SSEr?SSEu)/[(NT?k?1)?(NT?N?k)]SSEu/(NT?N?k)?(SSEr?SSEu)/(N?1)SSEu/(NT?N?k)
其中SSEr表示约束模型，即混合估计模型的残差平方和，SSEu表示非约束模型，即个体固定效应回归模型的残差平方和。非约束模型比约束模型多了N?1个被估参数。
所以本例中：
F?(4824588?227386)/(15?1)2270386/(105?15?1)?8.1?F0.05(14,89)?1.8
所以推翻原假设，建立个体固定效应回归模型更合理。
C.时点固定效应回归模型的估计方法 将时间选择为固定效应。
得到如下输出结果：
相应的表达式为：
??2.6?0.78IP?105.9D?134.1D?...?93.9D CPitit127 (76.6) R?0.987,SSE?4028843
2其中虚拟变量D1,D2,...,D7的定义是：
?1,如果属于第t个截面，t=1996,...,2002Dt??
0,其他 ?
D.个体随机效应回归模型估计
截距项选择Random effects（个体随机效应）
得到如下部分输出结果：