1. بخش اول که شامل خلاصه‌ای از مدل مورد استفاده می‌باشد.

1. بخش دوم که شامل نتایج تخمین حداقل معاش از طریق سیستم مخارج خطی و برآورد شاخص‌های فقر می‌باشد.

در حالت کلی مدل رگرسیونی داده‌های ترکیبی عبارت است از :
Ykit = βkit + Σ βkit Xkit + ukit (۱-۴)
ui = μi + vit i = 1,…, n t = 1,…,t
که در آن، i نشان دهنده واحدهای مقطعی ( خانوارها ) و t بر زمان اشاره دارد. Ykit متغیر وابسته برای i امین واحد مقطعی در سال t و xkit نیز k امین متغیر مستقل غیر تصادفی برای i امین واحد مقطعی در زمان t است.
فرض می‌شود جمله‌ی اخلال ui دارای میانگین صفر و واریانس ثابت است. βkit پارامتر مجهول است که واکنش متغیر وابسته نسبت به تغییرات k امین متغیر مستقل در i امین مقطع و t امین زمان را اندازه گیری می‌کند.
همانطور که پیش تر نیز از نظر گذشت، μi نشان دهنده‌ی تفاوت‌های موجود در عرض از مبدا در بین واحدهای مقطعی مختلف است. حال اگر تفاوت‌های موجود در عرض از مبدا‌ها ثابت باشد، مدل داده‌های ترکیبی با اثرات ثابت نامیده می‌شود و اگر μi تصادفی باشد، آنگاه مدل داده‌های ترکیبی با اثرات تصادفی خوانده می‌شود.
اما ابتدا باید دید که اصل ناهمگنی یا تفاوت‌های فردی وجود دارد دارد یا خیر؟ بدین منظور به آزمون معنی دار بودن اثرات فردی می‌پردازیم.
برای پاسخ به این پرسش از آماره و فرضیه‌های زیر استفاده می‌کنیم:
H0 : μ۱۱ = μ۱۲ = … = μ۱n = ۰
H ۱ : μ۱۱ ≠ μ۱۲ ≠…≠ μ۱n
که در رابطه فوق ضزیب تعیین الگوی غیر مقید و ضریب تعیین الگوی غیر مقید و همچنین بیان گر تعداد مقاطع و تعداد سالهای دوره زمانی و تعداد پارامترها میباشند.
در صورتی که مقادیر محاسبه شده F کمتر از مقدار جدول باشد، فرضیه صفر پذیرفته می شود و فقط باید از یک عرض از مبدأ استفاده نمود. ولی در صورتی که F محاسبه شده بیشتر از F جدول باشد، فرضیه صفر رد، و اثرات گروه پدیرفته می شود و باید عرض از مبدأهای مختلفی را در برآورد لحاظ نمود.
۴-۲ برآورد پارامترهای سیستم مخارج خطی با استفاده از روش داده‌های ترکیبی
در این بخش ابتدا بررسی می‌شود آیا شواهدی مبنی بر این مطلب که عرض از مبدا بین مقاطع مختلف متفاوت است، وجود دارد یا خیر؟ آنگاه در صورت اثبات با استفاده از مدل داده‌های ترکیبی با اثرا