中国各地区城镇居民消费水平差异分析.docVIP

中国各地区城镇居民消费水平差异分析 班级：08级信息班 学号：200824093144 姓名：马萍霞 指导教师：孔丽英 日期：2011年12月 中国各地区城镇居民消费水平差异分析 一．背景 消费是人类社会经济生活中的重要行为和过程，任何社会都离不开消费。在我国，随着社会主义市场经济体制的确立，消费在全民经济生活中的作用更显得重要。消费活动是经济活动的终点，一切经济活动的目的就是为了满足人们不断增长的消费需求，但是消费活动又是经济获得欧冠的起点，是拉动经济增长的动力。国家一系列决策和尚待解决的问题很大程度上市既源于消费，又回归到消费。正因为如此，研究消费水平对正处于转型期的我国经济有极其重要的经济意义。 二．思路以及相关知识 本报告先采用因子分析中的主成分法，提取出两个主成分，估计因子得分，再计算出综合得分，分析主成分和综合得分，了解中国各地区的在消费水平上的高低；接着采用聚类分析方法，把中国各省份聚成3大类，分析同一类的城市在消费水平上的相似因素以及不同类省份之间的区别，以及省份对2个主成分的依赖程度，了解它们的消费结构，这样就可以对改进现状的消费结构做出相应的措施和建议。 1.居民消费水平：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。通过消费的物质产品和劳务的数量和质量反映出来。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 3.spss介绍：SPSS是世界上最早的统计分析软件它集数据整理、分析功能于一SPSS的基本功能包括数据管理、统计分析、图表分析、输出管理等等。SPSS统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类，每类中又分好几个统计过程，比如回归分析中又分线性回归分析、曲线估计、Logistic回归、Probit回归、加权估计、两阶段最小二乘法、非线性回归等多个统计过程，而且每个过程中又允许用户选择不同的方法及参数。SPSS也有专门的绘图系统，可以根据数据绘制各种图形。主成分分析和因子分析是两种把变量维数降低以便于描述、理解和分析的方法实际上主成分分析可以说是因子分析的一个特例。aij 称为因子载荷（实际上是权数）。因子载荷的统计意义：就是第 i 个变量与第 j 个公共因子的相关系数，即表示变量 xi 依赖于 Fj 的份量（比重），心理学家将它称为载荷。因子得分而因子是不能直接观察到的，是潜在的。但是可以通过可观测到的变量获得。　　称上式为因子得分函数，用它可计算每个样品的公因子得分。但是由于公因子的个数小于变量个数，无法从因子分析模型推导得到，所以因子得分是通过估计得到的，估计因子得分的方法很多。各地区城镇居民家庭平均每人全年消费性支出） （2）选择分析方法步骤见图： 设置食品，衣着等7个消费性支出为变量 描述统计选项卡。我们要对比因子提取前后的方差变化，所以选定“分析结果”；现在是基于相关矩阵提取因子，所以，选定相关矩阵的“系数”；比较重 要的还有KMO和球形检验告诉我们数据是不是适合做因子分析。抽取选项卡。提取因子的方法有很多，最常用的就是主成分法。这里选主成分 最大方差旋转是一种正交旋转，它使每个因子上的具有最高载荷的变量数最小，因此可以简化对因子的解释。输入栏中，旋转解显示旋转后的因子矩阵，因子转换矩阵。载荷图，因子载荷散点图，给出以两两因子为坐标轴的各变量的载荷散点图，是经过旋转的保存为变量，将因子得分作为新变量保存在数据文件中，每次分析产生多少个因子，就生成多少个新变量。方法栏中，回归法其因子得分的均值为0，方差等于估计因子得分与实际因子得分之间的多元相关平方。显示因子得分系数矩阵，是标准化的得分系数。原始变量值进行标准化后，可以根据该矩阵给出的系数计算个观测量的因子得分。还显示协方差矩阵 （3）结果分析： 相关矩阵 食品 衣着 家庭设备用品和服务 医疗保健 交通和通信 教育文化娱乐服务 居住 相关 食品 1.000 .252 .742 .297 .883 .828 .690 衣着 .252 1.000 .498 .713 .397 .534 .426 家庭设备用品和服务 .742 .498 1.000 .514 .733 .892 .698 医疗保健 .297 .713 .514 1.000 .433 .569 .606 交通和通信 .883 .397 .733 .433 1.000 .878 .791 教育文化娱乐服务 .828 .534 .892 .569 .878 1.000 .776 居住 .69