中国消费者信心指数影响因素分析Word文档格式.docx
《中国消费者信心指数影响因素分析Word文档格式.docx》由会员分享，可在线阅读，更多相关《中国消费者信心指数影响因素分析Word文档格式.docx（14页珍藏版）》请在冰豆网上搜索。
10.10000～14999元11.15000～19999元12.20000～29999元
13.30000以上98.无收入99.拒答
C0请问您的家庭目前有下列还贷支出吗？
C0_1房贷1有2无99拒答
C0_2车贷1有2无99拒答
C0_3其他一般消费还贷1有2无99拒答
O1.请问您有家用轿车吗？
1.有2.没有
A3请问与一年前相比，您的家庭现在的经济状况怎么样呢？
是变好、基本不变还是变差？
1明显好转2略有好转3基本不变
4略有变差5明显变差9说不清/拒答
A3a为什么您这样说呢？
（最多限选两项）___
0中性原因90不知道/拒答
10改善：
收入相关110恶化：
收入相关
20改善：
就业状况相关120恶化：
就业状况相关
30改善：
投资相关130恶化：
投资相关
40改善：
家庭开支相关140恶化：
家庭开支相关
50改善：
政策/宏观经济150恶化：
政策/宏观经济相关
A4.与现在相比，您觉得1年以后您的家庭经济状况将会如何变化？
1.明显好转2.略有好转3.基本不变
4.略有变差5.明显变差9.说不清/拒答
A8.与现在相比，您认为1年以后本地区的经济发展状况将会如何？
1.非常好2.比较好3.保持现状
4.比较差5.非常差9.说不清/拒答
A9.您认为1年之后本地区的就业状况将会如何变化？
1.明显改善2.略有改善3.保持现状
A10.与现在相比，您认为5年之后，本地区的经济将会出现怎样的变化？
1.明显繁荣2.略有改善3.保持现状
4.略有衰退5.明显衰退9.说不清/拒答
A16.对于大宗耐用消费品的购买，比如家用电器、电脑、以及高档家具之类，您认为当前是购买的好时机吗？
1.很好的时机2.较好时机3.很难说，看具体情况而定
4.较差时机5.很差时机9.不知道/拒答
——————————————————————————————————————
2.信心指数的计算方法
CCSS问卷中的大多数主干题目均为五级得分，类似于非常好（VF）、比较好（F）、一般、比较差（U）、非常差（VU），以及不知道/拒答。
此类题目都需要转换为相应的题目得分，以反映消费者的乐观或悲观程度。
具体方式为针对每一道题目，据算每个选项被选中的百分比（包括不知道/拒答），随后使用以下公式计算气相对得分：
题目得分=100%+1.0*VF%+0.5*F%-0.5*U%-1.0*VU%
这一数值反映的是答案偏向乐观的人群和偏向悲观人群的比例之差，当人群中两者的比例基本平衡时，得分接近于100%；
如果乐观人群比例偏高，则得分大于100%；
反之小于100%.
总消费者信心指数的计算是基于下面五道问题的回答进行的：
A3：
请问与一年前相比，您的家庭现在的经济状况怎么样呢？
首先计算出上述5题的题目得分，然后将其直接相加，再除以“基线”调查时的这一类数值，即为当期的信心指数值。
因此，计算出来的指数代表当期数值相对于“基线”调查数值的变动比例。
如果乐观人群的比例高于基线，则指数大于100；
反之则小于100.目前作为基线水平的是2007年4月的数值。
研究目的：
研究不同的人口特征及背景资料的受访者在消费者信心上具有怎样的差异，或者说不同人群之间是否存在信心指数的差异。
分目的1：
上述指标对信心指数的作用是否存在地域差异
分目的2：
上述指标对信心指数的作用是否细分维至5个分项指标。
数据见CCSS_Sample.sav
数据分析思路：
1.首先拟合标准的方差分析模型，进行候选影响因素的筛选
2.接着利用最优尺度回归方法，对影响因素的作用做进一步的确认，并考虑各因素的内在作用方式
3.尝试按照多水平模型框架，分析各影响因素是否存在深层次的变异构成
4.最后拟合多因变量的方差分析模型，进一步探索影响因素对各分项指标的作用方式。
一、数据理解
1.考察时间、地域对信心指数的影响
地域对信心指数的影响：
（1）选择“图形”——“图表构建程序”菜单命令
（2）选择直方图，将简单直方图拖入画布
（3）在变量列表中找到index1，将其拖入画布的横轴框中
（4）在元素属性对话框选中“显示正态曲线”复选框，注意要点击“应用”
（5）切换至组/点ID选项卡：
选中“行嵌套变量”复选框
（6）单击“选项”按钮，在选项对话框中确认未选中下方的“换行嵌板”复选框
（7）确定。
结果：
见下图，可见index1的分布非常接近正态曲线，只是左侧稍有拖尾，也就是几个偏低的极端值存在。
同时初步观察可看出三地的信心指数均数差异相对并不明显
时间对信心指数的影响：
由于月份是有序分类变量，因此利用线图来分析：
（2）选择线图组，将多重线图图标图拖入画布
（3）将月份time拖入画布的横轴框中
（4）将总指数index1拖入纵轴框中
（5）将城市S0拖入分组（设置颜色）框中，然后在双击该框，在弹出的“分组区域”子对话框中将分组依据由“颜色”改为“图案”.
（6）确定。
双击图形进入编辑状态，将均值连续轴刻度范围修改为85～105，小数位数更改为0.
结果分析：
图中可以看出如下数据特征：
（1）2008年年底之前，3个城市的信心指数都是持续下跌的，随后在经济刺激计划的作用下开始上升，在2009年年底超过初值。
（2）3个地区的信心指数变化规律不一，广州相对而言变化比较平缓，上海则涨跌幅度最大；
（3）从平均水平来看，北京消费者的信心指数最高，其次广州，上海消费者信心指数最低。
（4）在2008年之前，三地区消费者的信心指数存在较大差异，但2009年年末的指数差异则大为缩小，意味着城市和月份这两个变量之间可能会存在交互作用，需要在后续建模分析中加以注意。
2.考察性别、职业、婚姻状况等对信心指数的影响
首先以S5职业为例来说明：
（2）选择条图组，将简单条图图标图拖入画布
（3）将职业S5拖入画布的横轴框中
（5）确定。
双击图形进入编辑状态，选中类别分类轴，在属性对话框的“类别”选项卡中，“排序依据”改为“统计”，“方向”改为“降序”，单击“应用按钮”。
由于对未来充满希望，平均而言，学生的信心值最高，紧随其后的是经济地位相对不错的私营业主，而衣食无忧的公务员信心值排在第三，其排名甚至还高于医生、律师以及企业管理者。
至于蓝领工作者、退休人员以及失业人员的信心值则分列最后三位，显然上述统计结果是非常适合逻辑。
婚姻状况对信心指数的影响：
结果表明：
婚姻状况对信心指数的影响中，未婚的相对而言对未来信心较大，而离异、丧偶、分居则对未来的信心排在最后。
性别对信心指数的影响：
结论：
信心指数在男女之间没有明显差异。
学历对信心指数的影响：
随着学历越高，对未来的信心值越大
家庭收入对信心指数的影响：
家庭月收入在2000元以下，信心指数随着收入的上升而上升，但此后似乎保持稳定，并没有特别明显的上升或下降趋势。
3.考察年龄对信心指数的影响
（2）将简单散点图图标拖入画布
（3）将年龄S3拖入X轴，总指数index1拖入Y轴
（4）确定。
双击图形进入编辑状态，依次单击“元素”——“总计拟合线”
（5）在“拟合线”选项卡中，将拟合方法更改为Loess，单击“应用”按钮
（6）关闭图形并推出。
结果说明：
（1）随着年龄的上升，消费者信心指数的平均水平有缓慢的下降趋势，且两者间关联基本上呈线性趋势，绘制出的Loess样条曲线也透露出同样的信息，从图中可以清楚看到样条曲线和回归直线的趋势非常相似，即年龄和总指数之间的数量关联如果存在，那么应当基本服从线性趋势。
（2）消费者信心指数在不同年龄段上的离散程度相差不明显
（3）消费者信心指数存在若干偏小的数值，其中在30～40岁间的一位消费者其信心指数居然为0，这些较小的数值有可能在建模分析中成为强影响点。
二、标准GLM框架下的建模分析
1.建立总模型（方差分析模型）
（1）单击“分析”——“一般线性模型”——“单变量”
（2）将index1选入“因变量”
（3）将月份time、城市S0、性别S2、学历S4、职业S5、婚姻状况S7及家庭月收入S9选入“固定因子”列表框
（4）将年龄S3选入“协变量”框
（5）进入“模型”子对话框，将各因素的主效应选入“模型”框
（6）进入“保存”子对话框，选择“保存“为标准化预测值”和“标准化残差”
（7）进入“选项”子对话框，选择“缺乏拟合优度检验”
（8）确定。
（9）选择“图形”——“图标构造程序”菜单命令
（10）将简单散点图拖入画布
（11）将为标准化预测值拖入X轴框，标准化残差拖入Y框
（12）确定
（13）双击进入图形编辑状态，在图形中添加Y=0的横线。
主体间效应的检验
因变量:
总指数
源
III型平方和
df
均方
F
Sig.
校正模型
63189.263a
35
1805.408
4.381
.000
截距
318752.034
1
773.409
time
12367.489
3
4122.496
10.003
s0
3038.421
2
1519.210
3.686
.025
s2
43.880
.106
.744
s4
2735.803
4
683.951
1.660
.157
s5
12218.394
10
1221.839
2.965
.001
s7
349.496
174.748
.424
.655
s9
7971.810
12
664.318
1.612
.083
s3
7505.610
18.211
误差
394004.692
956
412.139
总计
9652701.329
992
校正的总计
457193.955
991
a.R方=.138（调整R方=.107）
失拟检验
平方和
失拟
386622.899
948
407.830
.442
.979
纯误差
7381.793
8
922.724
（H0：
当前模型和全模型相比，当前模型对样本信息的解释程度是否充分，两者间的差异为0），由于P值为0.979，远高于0.05，表明这个只包含主效应的模型已经和全效应模型对样本数据的解释程度相同，模型中没有交互项需要考虑纳入。
结果说明（如果拟合效果很好，标准化残差应当随着预测值的上升随机地在0上下分布，且不应当出现绝对值较大的残差）：
图中没有出现随着预测值变化的趋势，但在负方向上发现绝对值较大的一个值超过了-4，这个值可直接追溯到原数据，发现是2007年12月ID为97的受访者记录，从问卷回答上，受访者36岁，收入较高，但收入、开支邓状况均明显恶化。
2.两两比较的结果
（1）进入“选项”子对话框
（2）将time、S0、S4邓需要计算边际均数的因子全部选入右侧的“显示均值”列表框
（3）选中下方的“比较主效应”复选框
（4）置信区间调节选中“Bonferroni”
（5）继续
分别对所有变量的两两比较结果进行说明
三、多元方差分析模型的结果
方差分析情况：
（1）单击“分析”——“一般线性模型”——“多变量”
（2）将QA3、QA4、QA8、QA10、QA16选入“因变量”框
（3）将月份time、城市S0、职业S5、家庭月收入S9选入“固定因子”列表框
（5）进入“模型”子对话框，将各因素的主效应选入“模型”列表框
（6）进入“选项”子对话框，选择“缺乏拟合优度检验”
SPSS对引入模型的效应项输出多元方差分析的结果，每个假设都分别用4种方法进行了检验，一般分析前3种检验方法的结果即可。
（1）两两比较：
（2）进入“选项”子对话框
（3）将time、S0、S5及S9选入“显示均值”框
（4）选中“比较主效应”复选框，下方的置信区间调节选中“Bonferroni”
四、项目总结与讨论
通过对数据的深入分析，发现在纳入研究范围的人口背景资料变量中，对信心指数指标体系的影响方式如下：
1.城市、年龄、职业以及家庭收入对总消费者信心指数的水平有影响，性别、学历、婚姻状况等则可能因为作用被其余因素替代，因此未能检验处统计学意义，比如婚姻状况虽然在单变量分析中有统计学意义，但很可能反映的确实年龄的影响，在最终的模型中则由于将年龄纳入模型而变得没有统计学意义了
2.随着年龄的增大，消费者的信心指数呈下降趋势，且该趋势在5个分项指标中均存在
3.我们发现北京消费者的信心明显高于上海和广州，分项比较发现主要是其未来1年家庭经济信心值更高
4.在各职业中蓝领、无业人员的信心最低，而私营业主、专业人士、公务员、学生等信心较高，该差异在涉及家庭经济的指标中高于涉及宏观经济的指标
5.低收入家庭的受访者其信心指数明显低于中等收入和高收入家庭，该差异主要涉及对家庭经济状况的感受和预期指标
6.时间变量对消费者的信心指数有很大影响，在整个观察期间，指数随时间走出了U型曲线
升级会员 