基于多元统计研究我国各地区城镇居民消费性支出探究.docVIP

基于多元统计研究我国各地区城镇居民消费性支出探究【摘 要】我国城镇居民的消费性支出在逐步提高的同时，不同地区之间的消费水平和支出结构仍存在较大差异。本文通过选取相关的消费性支出指标，运用因子分析、聚类分析等多元统计分析方法，对全国31个省市自治区进行比较和分析，找出各地区城镇居民在消费性支出方面存在的差异，并提出相应缩小差异的建议。 【关键词】消费性支出；地区差异；因子分析；聚类分析；综合得分 一、引言 近年来中国经济加速发展，城镇居民的可支配收入不断增加，在国家实施“刺激消费、扩大内需、拉动经济增长”等经济政策的影响下，我国各地区城镇居民的消费支出也强劲增长。但由于不同地区发展情况不同，人民收入水平不同，各地区城镇间的消费性支出存在较大差异。为了缩小消费性支出的地区差异，提高我国城镇居民的消费水平和生活质量，对我国各地区城镇居民消费性支出之间的关系进行考察及系统分析研究，从而发现其规律和特点，为政府正确把握宏观经济形势，制定发展计划和长远规划提供科学的理论依据。因此客观、准确、有效地分析这些地区差异具有重要的理论和实践指导意义。 为了研究全国各地区城镇居民人均年消费性支出的差异性和相似性，本文选取了全国31个省市自治区的相关数据，基于因子分析、聚类分析等多元统计分析方法，运用SPSS软件进行研究。 二、研究方法及数据来源 （一）研究方法的介绍 因子分析，是指在尽可能不损失信息或少损失信息的情况下，将众多原始变量浓缩成少数几个因子，并通过一定的方法对因子进行相应的命名解释，这几个因子可以高度概括大量数据中的信息，既减少变量个数，又同样地能再现变量之间的内在联系。其具体步骤如下： 1.分析原始变量是否具有相关关系，是否适合于进行因子分析。如果存在较强的相关关系，则可以从原始变量的信息重叠部分提取和综合成因子，实现减少变量个数的目的，如果原始变量相互独立，不存在信息重叠，则无需进行因子分析。 2.确定因子个数。前k个因子的累计方差贡献为： 其中为特征根，p为变量个数。通常选取累计方差贡献率大于0.8时的特征根个数为因子个数k。 3.利用主成分分析法提取相应个数的因子。 4.进行因子旋转，根据旋转后的因子在各个变量的载荷量对因子进行因子命名解释。 5.计算各因子的得分及综合得分。 聚类分析是将一批样本（或变量）数据根据其诸多特征，按照在性质上的亲疏程度在没有先验知识的情况下进行自动分类，产生多个分类结果。本文在聚类方法上采用层次聚类法（Hierarchical Cluster），计算距离时采用离差平方和（Wards method）法。离差平方和法聚类的基本步骤是，首先每个个体自成一类，然后逐渐凝聚成小类。随着小类的不断凝聚，类内的离差平方和必然不断增大。应选择使类内离差平方和增加最小的两类凝聚，直到所有个体合并成一类为止。 （二）数据指标的选取 按照中华人民共和国统计局统计口径，构成城镇居民消费性支出的项目有：食品、衣着、家庭设备用品及服务、医疗保健、交通和通信、教育文化娱乐服务、居住、杂项商品和服务，以上八个构成城镇居民消费性支出的项目即为所选指标。本文选取了2012年出版的《中国统计年鉴》（2011年数据）中全国31个省、直辖市和自治区（港、澳、台不在其中）城镇居民家庭平均每人全年消费性支出的八项主要指标数据。 三、建立模型 （一）计算相关系数 计算八项指标变量彼此之间的相关系数，可以看出大部分相关系数都较大，满足分析要求，数据适合做因子分析。 （二）因子分析 1.选择合适的因子个数 八个公因子中，前两个公因子的累积贡献率达到84.123%（大于80%），所以选择两个公因子是合适的，它们充分提取了原始数据的信息量。 2.根据旋转后因子载荷矩阵得出模型形式 第一个因子在食品、交通和通讯、教育文化娱乐服务、杂项商品和服务、家庭设备用品及服务、居住六个指标变量上有较大载荷量，该因子主要反映的是综合消费性支出水平，其方差贡献率最大，为71.265%，可以归纳为综合消费性支出因子。第二个因子在衣着、医疗保健两个指标变量上有较大载荷量，其方差贡献率为12.858%，而在其余指标变量上的载荷量较小，可以认为这个因子度量了受地区气候影响的消费性支出（主要是衣着，其次是医疗保健）在所有消费性支出中所占的比重，也可以理解为一种消费倾向，第二个因子可以归纳为消费倾向因子。 3.计算各因子的综合得分，得出综合实力排名 所以： 第一个公因子为综合消费性支出因子，在这个方面，上海、广东、北京、浙江、福建等经济发达地区的情况比较好，这些地区的综合消费性水平高于其他地区，其中上海和广东的得分远高于其他