หรือแนวโน้มได้เพียงครั้งเดียว สถิติการทดสอบชี้ให้เห็นว่าการแปลงล็อกตามธรรมชาติและความแตกต่างแรกของตัวแปรทำให้ชุดข้อมูลมีความคงที่สำหรับทั้งจีนและอินเดีย อย่างไรก็ตาม การทดสอบ Zivot-Andrews Unit Root ชี้ให้เห็นว่ามีการแบ่งโครงสร้างส่วนแบ่งประชากรในเมืองและ GDP ต่อหัว เพื่อจัดการกับปัญหานี้ เราได้รวมหุ่นจำลองปีและหุ่นจำลองสองตัวในโมเดลของเรา ผลผลิต  นอกจากนี้ การทดสอบการรวมเหรียญของ Johansen แสดงให้เห็นว่าตัวแปรอย่างน้อยหนึ่งตัวในชุดข้อมูลทั้งสองถูกรวมเข้าด้วยกัน การทดสอบเหล่านี้ทำให้เราสามารถใช้ขั้นตอนการประมาณค่าแบบจำลอง Vector Error Correction (VEC) ได้ ในการประมาณค่าโมเดล จำนวนความล่าช้าของตัวแปรที่เหมาะสมจะได้รับการยืนยันโดยการใช้คำสั่ง varsoc ในอินเทอร์เฟซซอฟต์แวร์ Stata 17 การบริโภคข้าวสาลีต่อหัวต่อปีโดยประมาณในปี 2030 และ 2050 จากแบบจำลอง VEC