用spss分析我国各省城镇居民消费水平差异.docx

用spss分析我国各省城镇居民消费水平差异分析文章结构1 研究背景及意义12 研究方法13 数据来源与数据处理14. 实证分析24.1因子分析24.2 聚类分析75 结论111 研究背景及意义我国地域广阔,各省份的经济发展很不平衡，各省之间的居民消费水平差距较大。经济快速发展的同时我国居民收入稳步增加，各省居民的消费支出也强劲增长，消费结构发生了巨大变化。为了正确引导消费，进一步改善消费结构，提高我国城市居民的消费水平和生活的质量，有必要对全国各省居民消费结构之间的异同进行考察并做比较研究，以期发现经济水平和城市居民的消费水平之间的关系.2研究方法本文运用多元统计分析中的主成分分析方法和聚类分析方法,将描述各省份城镇居民全年现金消费支出的八个指标压缩成两个综合指标( 称为主成分) , 这两个主成分保留了原始八个指标的绝大部分信息,在指标压缩的同时能够最大限度地反映出各省份城镇居民消费水平差异。在综合因子基础上进行层次聚类分析，根据消费差异将全国31个省分为四类。因子分析模型是根据变量间的相关性大小，把变量分组，利用同组内的变量之间相关性较高而不同组的变量之间相关性较低，每组变量代表一个基本结构，这个基本结构称为公共因子。因子分析的出发点是用较少的相互独立的因子变量来代替原来变量的大部分信息，可以通过下面的数学模型来表示：X1＝α11F1＋α12F2＋…＋α1mFm＋α1ε1，X2＝α21F1＋α222＋…＋α2mFm＋α2ε2，…Xp＝αp1F1＋αp2F2＋…＋αpmFm＋αpεp，其中：x1，x2，x3，…，xp 为p 个原有变量，是均值为零、标准差为1 的标准化变量；F1，F2，F3，…，Fm 为m 个因子变量，m 小于p，表示成矩阵形式为X＝AF＋αε，其中：F＝（F1，F2，…，Fm）为因子变量或公共因子；ε＝（ε1，ε2，…，εp）为特殊因子；F 与ε均为不可观测的随机变量. A＝（αij） p×m 为因子载荷矩阵，αj 称为第j 个因子对第i 个变量的载荷系数. 在模型中，特殊因子起着残差的作用，被定义为彼此不相关且与公因子也不相关。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。利用SPSS 中的聚类分析，以层次分析法结果中的因子得分为基础，在聚类分析中采用离差平方和法及欧氏平方距离对综合因子得分进行最优分割，将31个省按城市居民消费水平的高低分成4类。3 数据来源与数据处理2012年我国“分地区城镇居民家庭平均每人全年现金消费支出”，来自于中国统计年鉴全国 31 个省、直辖市和自治区(港、澳、台不在其中)的城镇居民年平均现金消费支出的97项主要指标(单位:元) ,指标代码和指标名称列于表1,原始数据列于表2。表1 指标名称及代码指标代码指标名称指标代码指标名称X1食品X5交通通讯X2衣服X6文教娱乐X3居住X7医疗保险X4家庭设备表2 原始数据地区X1X2X3X4X5X6X7上海9655.62111.171790.481906.494563.83723.741016.65北京7535.292638.91970.941610.73781.513695.981658.37广东8258.441520.592099.751467.24176.662954.131048.28浙江7552.022109.581551.691161.394133.52996.591228.02天津7343.641881.431854.221151.163083.372254.221556.35江苏6658.371915.971437.081288.422689.513077.761058.11内蒙古5463.182730.231583.561242.642572.931971.781354.09福建7317.421634.211753.861254.712961.782104.83773.22辽宁5809.392042.41433.281069.652323.291843.891309.62山东5201.322196.981572.351125.992370.231655.911005.25重庆6870.232228.761177.021196.031903.241470.641101.56吉林4635.272044.81594.14871.461780.671642.71447.5陕西5550.711789.061322.22986.821788.382078.5