因子分析论文1.docVIP

全国各地区农村居民消费性支出的因子分析 【摘要】本文采用因子分析方法对全国各省、市农村居民人均消费性支出的省际差异及结构差异进行了探讨,研究表明随着全国各省、市人民生活水平的提高，农村居民的消费水平不断上升，消费结构不断优化升级，其中用于发展享受性的支出比重不断攀升，更加注重于生活质量的提升，而用于基本生活部分的支出比重则不断下降。同时，全国各省、市之间在消费支出水平及消费结构方面存在较大的差异。 【关键字】农村居民；消费性支出；因子分析 自2007年4月美国爆发金融危机以来，由于国外消费市场萎靡不振、国内面临人民币升值压力等多重因素的影响，我国进出口贸易总额大幅下调，国内经济结构面临着新一轮的结构性调整。2009年一季度我国三个月出口分别下降17.5%、25.7%、17.1%，对经济增长的负拉动效应为0.2个百分点，首季综合对外贸易下降24.9%。长期以来，我国依靠出口、投资两驾马车的拉动实现了国民经济的持续、健康、快速发展。然而，在进出口贸易额下调、政府的大规模财政刺激计划难以长期为继的背景下，启动内需、开拓广阔的国内消费市场、把内需作为推动经济发展的常态则是实现国民经济平稳较快增长的必然选择。本文针对我国省、市农村居民人均消费性支出进行了定量分析，有利于国家从宏观政策层面进行引导，释放出广大农村腹地消费市场的潜力。 一、评价指标选取及数据来源 因子分析是一种降维、简化数据的技术，它通过研究众多变量之间的内部依赖关系，探求观测数据中的基本结构，并用少数几个抽象的变量来表示基本的数据结构。 本文共选取了全国三十一个省、市以及七个指标变量，依次为X1（农村人均消费食品支出）、X2（农村人均衣着支出）、X3（农村人均居住支出）、X4（农村人均家庭设备及服务支出）、X5（农村人均交通及通信支出）、X6(农村人均其他商品及服务服务支出)、X7（农村人均医疗保健支出)（单位：元）。以上数据均来源于《中国统计年鉴2011》，以下运用SPSS16.0进行因子分析。 这些指标基本上可以从中国统计年鉴2011上取得，且反映了各地区农村居民家庭平均每人生活消费支出，其原始数据如表1 。 表—1 各地区农村居民家庭平均每人生活消费支出原始数据 二、考察原有变量是否适合进行因子分析 首先考察收集到的原有变量直接按是否存在一定的线性关系，是否适合采用因子分析提取因子，这里，借助变量的相关系数矩阵、反映像相关矩阵、巴特利特球度检验和KMO检验方法进行分析，同时，数据存在缺失值，采用均值替代法处理缺失值。 表—2 原有变量的相关系数矩阵 根据表原有变量的相关系数矩阵，可以看到：大部分的相关系数都较高，各变量呈较强的线性关系，能够从中提取公共因子，适合进行因子分析。 表—3巴特利特球度检验和KMO检验 由表中数据可得，巴特利特球度检验统计量的关测值为264.590，相关的概率值接近于0，如果显著性水平ɑ为0.05，由于概率P值小于显著性水平ɑ，应拒绝原假设，认为相关系数矩阵与单位阵有显著关系。同时，KMO值为0.900，根据Kaiwer给出的KMO度量标准可知原有变量适合进行因子分析。 三、提取因子 表—4 因子分析的变量共同度 根据表中是制定提取两个特征值下的变量共同度数据。由表中数据可知：此时所有变量的共同度均较高，各个变量的信息丢失都比较少。因此，本次因子提取的总体效果较理想。 表—5因子解释原有变量总方差的情况 由上表可知，第一个公因子的方差贡献率为84,403%，前两个公共因子的累计方差贡献率已达到90.425%＞85%，即前两个公共因子已代表了原始数据的绝大部分信息。 表—5因子的碎石 图表中，横坐标为因子数目，纵坐标为特征值。可以看到：第一个因子的特征值较高，对解释变量的贡献最大；第三个以后的因子特征值都较小，对解释原有变量的贡献很小，已经成为可被忽略的“高山脚下的碎石”，因此提取两个因子适合的。 表—6 因子载荷矩阵 根据上表可以写出本例的因子分子模型： 根据该表可以写出本应