我国各地域城镇居民家庭平均每人全年消费性支出数据分析.docx
《我国各地域城镇居民家庭平均每人全年消费性支出数据分析.docx》由会员分享,可在线阅读,更多相关《我国各地域城镇居民家庭平均每人全年消费性支出数据分析.docx(10页珍藏版)》请在冰豆网上搜索。
我国各地域城镇居民家庭平均每人全年消费性支出数据分析
我国各地域城镇居民家庭平均每人全年消费性支出数据分析
摘要:
本文采纳2020年我国31省、市、自治区城镇居民家庭平均每人全年消费性支出数据,依照经济进展、地理环境和消费适应等因素阻碍,我国各地域城镇居民的消费性支出水平很不平稳,消费结构不同也较大。
本文利用因子分析,聚类分析、k均值聚类法等方式,对2020年我国31个省(直辖市、自治区)城镇居民人均消费性支出的各项指标进行计量分析,对城镇居民家庭消费水平进行评判和排序,以期反映消费水平与结构上的不同,为政府制定加倍合理的引导性政策提供有效依据。
关键词:
城镇居民消费水平因子分析聚类分析;
一、背景:
最近几年来,我国国民经济取得了迅速进展,人民生活水平进一步提高,物质文明建设达到了前所未有的水平。
但由于我国各地域经济进展水平不均衡,加上各地人口、资源、政策等各方面存在的不同,使各地域居民人均消费水平良莠不齐,不同的地域具有不同的特点。
在这一背景下,研究我国各地域城镇居民家庭平均每人全年消费性支出情形
第二,消费结构能够反映居民的生活质量和经济进展水平。
一样来讲,经济越发达的地域,其消费结构就越趋向于追求安逸享受的消费结构。
在如此的消费结构中,奢侈品支出如住房、效劳性支出所占的比例就会较大。
反之,在经济较不发达的地域中,生活必需品消费支出所占的比例就会较大。
随着社会主义市场经济体制的慢慢完善,我国的社会生产力不断日趋加速进展,经济总量和综合实力迅速上升,城镇居民的生活水平显著提高。
要紧利用三种统计方式进行分析:
主成份分析法、因子分析法、聚类分析法。
本文选取2020年我国城镇居民人均消费支出数据,利用聚类分析法和因子分析法,将全国31个省、市、自治区进行分类和排序,并与人们实际观看到的情形进行比较。
二、实证分析
指标体系的选择
(1)评判城镇居民消费水平的九个指标,别离为:
人均现金消费支出(元/人);
人均食物支出(元/人);
人均穿着支出(元/人);
人均居住支出(元/人);
人均家庭设备及用品支出(元/人);
人均交通通信支出(元/人);
人均文教娱乐支出(元/人);
人均医疗保健支出(元/人);
人均其他消费支出(元/人)。
三、聚类分析
聚类分析是对多种属性统计样本进行分类的一种多元统计分析方式。
其大体思想是:
一样咱们以为,所研究的样品或指标之间存在着程度不同的相似性。
于是依照一批样品的多个观测指标,具体找出一些能够气宇样品或指标之间相似程度的统计量,以这些统计量为划分类型的依据,把一些相似程度较大的样品聚为一类。
关系紧密的聚为一个小的分类单位,关系疏远的聚为一个大的分类单位,直到把所有样品或指标都聚类完毕,如此就能够够形成一个由小到大的分类系统。
利用SPSS统计软件进行聚类分析,将我国城镇居民人均消费支出分为两类,结果如下表:
聚类表
阶
群集组合
系数
首次出现阶群集
下一阶
群集1
群集2
群集1
群集2
1
6
8
0
0
4
2
12
14
0
0
10
3
3
31
0
0
8
4
5
6
0
1
13
5
4
30
0
0
9
6
24
28
0
0
21
7
22
23
0
0
14
8
3
29
3
0
12
9
4
16
5
0
12
10
12
17
2
0
15
11
21
25
0
0
14
12
3
4
8
9
18
13
5
7
4
0
17
14
21
22
11
7
19
15
12
18
10
0
19
16
13
19
0
0
27
17
5
15
13
0
22
18
3
20
12
0
20
19
12
21
15
14
22
20
3
27
18
0
23
21
24
26
6
0
25
22
5
12
17
19
23
23
3
5
20
22
25
24
2
10
0
0
27
25
3
24
23
21
29
26
1
11
0
0
28
27
2
13
24
16
29
28
1
9
26
0
30
29
2
3
27
25
30
30
1
2
28
29
0
人均消费聚类分析结果说明:
北京、天津、上海、浙江、福建、广东属于第一类地域,这些地域经济发达,城镇居民收入较高,与此同时,人均消费也比较高,聚类结果符合实际情形,其余地域那么属于第二类地域。
但是,这种分类方式第二类地域中,例如贵州、甘肃、青海同江苏、山东地域消费差距明显,与人们观看到的实际情形不符合,因此运用聚类分析法存在必然缺点,
四、因子分析
因子分析是主成份分析的一种推行,它也是利用降维的思想,把一些具有错综复杂关系的变量归结为少数几个不可观测的综合因子的一种多变量统计分析方式。
前面利用聚类分析法,仅仅是把我国各地域城镇居民人均消费分为三类,如此分类,存在必然缺点,咱们希望找出几个真正阻碍居民人均消费的公共因子,在做因子分析之前,应当查验数据是不是适合做因子分析。
依照KMO查验,KMO值越大表示数据越适合做因子分析,KMO值低于时,说明数据不太适合做因子分析,由表一可知,适合进行因子分析
KMO和Bartlett的检验
取样足够度的Kaiser-Meyer-Olkin度量。
.868
Bartlett的球形度检验
近似卡方
df
28
Sig.
.000
公因子方差
初始
提取
衣着
.796
医疗器械
.927
教育文化娱乐服务
.861
交通和通信
.891
其他
.890
家庭设备用品及服务
.847
居住
.847
食品
.756
提取方法:
主成份分析。
解释的总方差
成份
初始特征值
提取平方和载入
合计
方差的%
累积%
合计
方差的%
累积%
1
2
.402
3
.250
4
.190
5
.131
6
.106
7
.073
.908
8
.032
.402
提取方法:
主成份分析。
依照结果可知,初始解只有两个因子的特点值大于1,这两个因子能够说明原有八个指标总方差的83.845%,已经足以说明各地域城镇居民的人均消费共性和不同性。
旋转后的因子载荷矩阵及旋转空间中的成份图
成份矩阵a
成份
1
衣着
.892
医疗器械
.963
教育文化娱乐服务
.928
交通和通信
.944
其他
.943
家庭设备用品及服务
.921
居住
.921
食品
.869
提取方法:
主成分分析法。
a.已提取了1个成份。
旋转成份矩阵a
a.只抽取了一个成份。
无法旋转此解。
一类,咱们称为次消费因子。
因子得分系数矩阵
以各因子的方差奉献率占两个因子总方差奉献率的比重作为权重进行加权汇总,算出各地域的综合得分
成份得分系数矩阵
成份
1
衣着
.131
医疗器械
.141
教育文化娱乐服务
.136
交通和通信
.138
其他
.138
家庭设备用品及服务
.135
居住
.135
食品
.128
提取方法:
主成分分析法。
旋转法:
具有Kaiser标准化的正交旋转法。
构成得分。
成份得分协方差矩阵
成份
1
1
提取方法:
主成分分析法。
旋转法:
具有Kaiser标准化的正交旋转法。
构成得分。
主消费因子得分前五名地域依次是上海、广东、浙江、北京、福建,其中上海的得分为,广东的得分为,远远高于其他地域,说明上海、广东要紧消费支出远远高于其他地域,与实际情形比较接近。
主消费因子最后五名地域依次是新疆、河南、青海、甘肃、黑龙江,这些地域经济进展相对掉队,人均消费支出低,其要紧消费支出也低,但与实际情形还存在差距,贵州城镇居民消费应比黑龙江消费要低,黑龙江不该划为最低人均消费地域。
次消费因子得分前五名地域依次是北京、内蒙古、吉林、天津、黑龙江;次消费因子最后五名地域依次是福建、贵州、广西、西藏、海南,穿着和医器械人均消费,在实际消费进程中,人们不容易观看到,那个结论还缺乏必然依据;综合得分前五名地域依次是上海、北京、广东、浙江、天津;这五个地域经济都发达人均收入和消费支出都高,将这些地域分为一类比较符合实际。
合得分最后五名地域依次是新疆、云南、甘肃、贵州、青海,这些地域人口稀少,经济发达相当掉队,人民收入和消费水平均处于全国最低水平,与人们观看到的实际情形比较接近,将这些地域分为一类,其他地域那么分为另外一类,如此一来就能够够将31个省、市、自治区就分为三类,第一类为因子综合得分前五名地域,第三类为因子综合得分最后五名地域,其余地域那么划分为第二类。
这种类结果比较符合实际情形。
分类结果如下表:
类别
第一类
上海、北京、广东、浙江、天津
第二类
其余地区
第三类
新疆、云南、甘肃、贵州、青海
五、总结
本文依照2011年我国城镇居民人均消费支出数据,利用聚类分析法和因子分析法,对各地域31个省、市、自治区城镇居民人均消费进行分类,第一利用两种聚类分析法:
K均值法和系统聚类法,分类结果相较较,系统聚类分析法要好于K均值法,但也存在必然缺点,然后利用因子分析法进行因子分析,依照因子综合得分对我国各地域城镇居民人均消费支出进行排序和分类,并进行综合评判,结果说明,分为三类较好地反映实际情形,相关于聚类分析法,它是一种比较好的排序方式,从聚类分析、判别分析、主成份分析、因子分析的结果能够看出,尽管不同的分析方式所得的结果有所不同,但上海、北京、天津、广东的城镇居民人均消费水平处于较高的位置,而青海、西藏、甘肃的人均消费水平处于低位
参考文献:
国家统计局.
多元统计分析(第三版)
数据来源:
本文选取了2020年我国各地域城镇居民家庭平均每人全年现金消费支出的相关指标数据,所有数据取自《中国统计年鉴2021》,