区域城市居民消费结构差异比较分析基于SPSS.docx

上传人:b****5 文档编号:29936334 上传时间:2023-08-03 格式:DOCX 页数:11 大小:72.29KB
下载 相关 举报
区域城市居民消费结构差异比较分析基于SPSS.docx_第1页
第1页 / 共11页
区域城市居民消费结构差异比较分析基于SPSS.docx_第2页
第2页 / 共11页
区域城市居民消费结构差异比较分析基于SPSS.docx_第3页
第3页 / 共11页
区域城市居民消费结构差异比较分析基于SPSS.docx_第4页
第4页 / 共11页
区域城市居民消费结构差异比较分析基于SPSS.docx_第5页
第5页 / 共11页
点击查看更多>>
下载资源
资源描述

区域城市居民消费结构差异比较分析基于SPSS.docx

《区域城市居民消费结构差异比较分析基于SPSS.docx》由会员分享,可在线阅读,更多相关《区域城市居民消费结构差异比较分析基于SPSS.docx(11页珍藏版)》请在冰豆网上搜索。

区域城市居民消费结构差异比较分析基于SPSS.docx

区域城市居民消费结构差异比较分析基于SPSS

区域城市居民消费结构差异比较分析(基于SPSS)

区域城市居民消费结构差异比较分析(基于

SPSS)

随着我国经济的快速发展,城镇居民的收入不断增加,我国各地区城镇居民的消费支出强劲增长,消费结构发生了巨大的变化。

但是,由于各地区的经济发展不平衡及原有经济基础的差异,各地区的消费结构仍存在着明显差别。

为了进一步改善消费结构,正确引导消费,提高我国城市居民的消费水平和生活质量,有必要对各地区城镇居民的消费结构之间的异同进行考察与比较,以期发现特点和规律,从宏观上把握各地区城镇居民的消费现状和不同地区消费水平的差异,为提高我国各地区消费水平提供决策依据。

一、对地区消费水平的差异的分析方法

1因子分析模型的建立

因子分析模型是根据变量间的相关性大小,把变量分组毕业

其中:

,,为p个原有变量,是均值为0、标准差为1的标准化变量;,,,,为m个因子变量,m小于p,表示成矩阵形式为

其中:

F因子变量或公共因子,可以将它们理解为在高维空间中互相垂直的m个坐标轴;为特殊因子;F与均为不可观测的随机变量。

A为因子载荷矩阵,称为因子载荷,是第i个原有变量对第j个因子上的载荷系数。

在模型中,特殊因子表示了原有变量不能被因子变量所解释的部分,相当于多元回归分析中的残差,被定义为彼此不相关且与公因子也不相关。

2实证分析

居民消费水平是指居民在物质产品和劳务的消费过程中,对满足人们生存、发展和享受需要方面所达到的程度。

它主要通过消费的物质产品和劳务的数量和质量来反映。

在各种消费指标中,消费结构指标最能够体现出各地区间的消费水平差异,本文引用我国常用的消费资料支出分类方法,将各地区城市居民人均生活费支出分为8个部分,相应的指标分别用X1,X8表示。

其中X1(食品)、X2(衣着)、X3(居住)、X4(家庭设备用品和服务)、X5(医疗保健)、X6(交通和通讯)、X7(娱乐教育文化服务)、X8(其他商品与服务),单位:

2.1因子分析

2.1.1数据来源

本文数据取自各地区域城镇居民家庭平均每人全年消费性支出(2009年),来自2010年中国统计年鉴[[2]]。

具体表格略

由于多个变量使用的量纲可能各不相同或者变量间的数值大小相差很大,因此,首先将初始变量标准化,把原变量数列化为均值为0,方差为1的数列。

标准化后全国31个省市作为样本,将上述X1,X8八项支出指标作为变量,得到原始数据阵。

首先判断数据变量是否适合进行因子分析,算出样本相关系数阵为:

表1:

样本相关系数阵

由上述矩阵发现8个消费要素间的相关系数大部分均大于0.3,适合做因子分析。

再进行KMO统计检验,作为比较变量间简单相关系数和偏相关系数的指标,数学定义为,其中

是变量与其他变量

的简单相关系数,是变量与变量在控制了剩余变量下的偏相关系数。

Kaiser给出了常用的KMO度量标准:

0.9以上表示非常适合;0.8表示适合;0.7表示一般;0.6表示不太适合;0.5以下表示极不适合。

计算结果如下:

表2

并且通过巴特利特球体检验(P=0.000,0.05),表明说明原有的8个变量具有很强的相关性,它们反映的消费要素有很大重叠毕业

利用主因子分析法提取2个主因子,用最大方差旋转进行简化,得到因子载荷矩阵(见下表),它代表变量和公因子的相关系数:

表3

由表1载荷矩阵可得出以下结论:

(1)第1主成分,为主要消费因子,在食品、居住、交通和通讯、家庭设备用品、服务娱乐教育文化服务和其他商品与服务6个方面有较大的载荷,即该因子综合反映了这6个方面的变动趋势。

因此第1主因子可以视为代表各地区城市居民在这6个方面的消费指标,可命名为生活必需型因素。

(2)第2主成分,为次要消费因子,在衣着、医疗保健有较大的载荷,所以第2主因子可视为各地区城市居民在这2方面的消费指标,可命名为生存型因素。

如受此影响的地区多为北方省市,可分析为气候因素的影响。

从二维的旋转空间的成分图可以明显的看到各个消费要素间的类属关系,可以看到主消费因子和次消费因子非常靠近两个因子的坐标轴,表明用两个因子刻画消费要素效果非常好,信息丢失较少,达到了我们综合消费要素,减少解释变量的目的,使得提前的因子含义清晰,有利于我们对消费要素进行归类进行分析解释:

表4

2个因子能解释的方差分别为5.640(70.494,),1.155(14.440,),因此这2个主因子能说明总情况的84.935,。

8个变量标准化后(不受各变量的不同量纲的影响),最后各变量X1,X8相对应的共性值之和分别为0.916,0.854,0.744,0.783,0.843,0.892,0.926,0.835,除居住外均大于0.75,所以这些变量对各地区城市居民消费结构的分析具有很强的说服力。

根据标准化数据,分别计算各地区城市主要、次要消费因子得分,以各因子方差贡献率作权重进行加权汇总,得出各地区居民消费水平综合评价得分并排名,表中因子得分情况及其正负仅表示该省市与平均水平的相对位置,并不说明该省市的居民消费发展水平为负。

综合评价排名V=0.704*F1+0.144*F2

2.1.2.1我国区域居民消费水平排序及解释(由于篇幅限制,在这里只列取前10位)

表5:

全国各省市居民消费因子得分及排名表

地区

F得分

F1排名

F2得分

F2排名

综合得分

综合排名

上海

3.34231

1

0.44751

7

2.42

1

广东

2.23941

2

-0.75061

9

1.47

2

北京

1.32859

4

2.06475

1

1.23

3

浙江

1.35439

3

0.58846

6

1.04

4

福建

1.13345

5

-0.98121

10

0.66

5

天津

0.69190

6

1.05934

2

0.64

6

江苏

0.59168

7

-0.05948

8

0.41

7

辽宁

-0.02806

8

0.61654

5

0.07

8

山东

-0.17779

9

0.84007

4

0.00

9

重庆

-0.19444

10

0.88520

3

-0.01

10

我国城镇居民的综合消费因子水平从总的排序我们可以总结出以下一些特征:

1)第一主因子包含的主要指标是食品、居住、交通和通讯、家庭设备用品、服务娱乐教育文化服务和其他商品与服务,位于前5位的是上海、广东、北京、浙江、福建,位于后5位的是江西、安徽、甘肃、河南、贵州,居民生活综合得分高的地区多数是沿海经济发达地区,得分低的地区多数是中西部经济欠发达地区毕业论文怎么写,表中的数据基本上和实际的生活水平相一致。

发达地区在生活必需型消费上的支出在全国占主导地位,在食品、居住、交通和通讯、家庭设备用品、服务娱乐教育文化服务和其他商品与服务6个方面消费支出占全国总消费支出的比重在70%以上。

第一主成分反映了我国城镇居民地区生活水平的差距和生活水平提高的重点和方向。

2)第二主因子是衣着消费与医疗保健,这一指标在全国城镇居民的消费中差异不大,衣着消费是居民的基本生活消费,受地区、气候、文化背景、生活方式等因素的影响较大,而受经济发展水平和收入影响相对较小,排在前五位的为北京、内蒙古、

吉林、天津、黑龙江,均为北方城市。

由数据分析,北方地区对衣着的消费需求水平要高于南方地区。

这与北方气候寒冷,衣着消费更高的实际相符。

对于医疗保健,由于我国城镇居民享有一定的医疗福利待遇,如公费医疗及医疗保险,所以这项支出受收入水平影响较小,另外医疗保健支出除了受地区因素影响外,还受收入水平影响,收入水平高的地区更重视保健的需求,如广东省,医疗保健的支出水平较高主要是保健的比例高。

2(2聚类分析(clusteranalysis)

系统聚类分析的基本思想是认为所研究的样品(或指标)之间存在不同程度的相似性。

把一些相似程度较大的样品(或指标)聚合为一类,把另外一些相似程度较大的样品(或指标)又聚合为另一类,关系密切的聚合到一个小的分类单位,关系疏远的聚合到一个大的分类单位,直到把所有样品都聚合完毕,把不同的类型一一划分出来,形成一个由小到大的分

类系统[[3]]。

聚类分析的原理是,设有n个样品,每个样品均可以得到p个观测指标,用表示第i个样品的第j个观测指标,那么以为元素的矩阵

被称为观测数据矩阵。

以常见的Q型聚类分析为例,由此矩阵计算出相似统计量,并依据相似统计量对n个样品进行分类,目的是找出样品的共性,从而将样品进行分类[[4]]

1.分析结果输出

基于主成分分析的系统聚类((HierarchicalClusteringMethod)结果为:

表6:

聚类谱系图(Hierarachicaldiagram)

层次聚类分析按综合消费水平把全国31个地区分为3类:

第一类包括高消费地区的北京、上海等地;第二类包括中等消费地区的天津、江苏等地;其余的为第三类。

详见下表7:

表7:

2009年我国城镇居民消费结构分类

类别

地区

第一类高消费水平

北京、上海、广东、浙江

第二类中等消费水平

天津、江苏、福建、重庆、辽宁、山东、内蒙古

第三类低消费水平

安徽、江西、湖北、湖南、四川、贵州、陕西、甘肃、青海、河北、山西、吉林、黑龙江、河南、宁夏、新疆、广西、海南、

云南、西藏

2(评价结果与比较分析

根据表7,我国各类地区城镇居民消费结构的相似性效果较好,且不同类型地区的消费结构有着各自的特点,且相互不重叠。

第一类地区在医疗保健、交通和通讯、娱乐教育文化服务及居住等方面的支出都远远高出全国平均水平,综合来看,这类地区开放早,经济较发达,相对收入水平较高,各方面的消费能力都较高。

在此类中,北京与上海的娱乐教育文化服务支出在全国31个省份中居于前列,这与北京与上海的科研机构及高等院校多,娱乐设施先进毕业

第三类地区的食品支出都非常高,尤其是西藏已超过了50%,这一类地区在医疗保健、娱乐教育文化服务、居住方面的支出都远低于全国平均水平。

这些地区的医疗制度和文化事业的发展应该引起国家及地方政府的充分重视,大力提高居民健康水平和生活质量,加强地区精神文明建设。

二、对策与建议

1、在国家经济增长的同时,进一步提高城镇居民的收入水平,采取措施改善经济发展不平衡的现象,稳步提高城市居民消费水平。

2、通过逐步完善包括住房、医疗、失业、养老等在内的社会保障体系,提高消费意愿。

3、采取政策鼓励、教育宣传、舆论导向等措施,逐步引导城镇居民向节约、环保、健康的消费模式转化。

4、从资金、政策上对中西部地区倾斜扶持,为其发展创造一个良好的外部投资环境。

加快中西部发展,缩小地区差异。

参考文献:

[[1]]余建英,何宏旭(数据统计分析与SPSS应用,M,(北京:

人民邮电出版社,2003(

[[2]]中国统计局(中国统计年鉴2010,M,(北京:

中国统计出版社,2010。

[[3]]孟静;曹荣林;基于SPSS的江苏省城市居民消费水平差异分析[J].河南科学,2009,(05)

[[4]]陆志波(SPSS在实验数据分析中的应用,J,(环境技术,2003,3(3):

38,41。

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 外语学习 > 英语学习

copyright@ 2008-2022 冰豆网网站版权所有

经营许可证编号:鄂ICP备2022015515号-1