安徽城镇居民消费结构变动的因子分析.docVIP

安徽城镇居民消费结构变动的因子分析 　　【摘要】 运用因子分析的基本思想，结合统计数据，给出安徽省城镇居民消费结构的因子模型，并分析城镇居民消费结构的变动趋势，在此基础上提出优化安徽城镇居民消费结构的建议和对策。 　　【关键词】 城镇居民 消费结构 因子分析 　　居民消费结构，是指在一定社会经济条件下，居民各项消费支出在消费总支出中所占的比重。它不但反映了居民消费的具体内容，更能体现居民的消费水平和消费质量以及反映居民消费需求的满足状况。随着经济和社会的快速发展，城镇居民的生活水平显著提高，特别是城镇居民的消费结构发生了显著的变化。找出城镇居民消费结构变动的特点和规律，对引导居民合理消费，优化消费结构，促进经济运行的良性循环和产业的升级换代，进一步扩大内需都具有积极的意义。 　　 　　一、安徽省城镇居民消费结构的因子分析 　　将安徽省城镇居民人均生活消费支出分为食品、衣着、居住、家庭设备用品及服务、医疗保健、交通通讯、文教娱乐服务、杂项商品及服务八个部分，其在人均现金消费支出中所占的比重分别记为X1、X2、X3、X4、X5、X6、X7、X8。根据安徽省城镇居民家庭生活的统计资料，安徽城镇居民消费结构数据如表1所示。 　　1、因子分析法基本思想 　　本文采用因子分析法给出城镇居民消费结构的因子分析模型，并以安徽省城镇居民近十年的消费支出数据为例，对安徽省的城镇居民消费结构变动进行分析，揭示安徽城镇居民消费结构的变动规律和发展趋势。 　　因子分析法是通过对样本相关矩阵内部关系进行研究，根据相关性的大小对变量分组，同组内的变量之间具有较大的相关性，不同组的变量之间相关性较低。目的是用少数几个综合指标去刻画较多变量之间的关联性，降低变量维数，使分析的问题更简单。 　　2、因子模型 　　运用统计分析软件SPSS，首先对原始数据进行标准化，以消除量纲的影响。然后进行KMO检验和球形Bartlett检验。从表2中可知KMO和Bartlett检验中的Kaiser- 　　Meyer-Olkin Measure of Sampling Adequacy值为0.187，Bartletts Test of Sphericity中Approx.Chi-Square，df，Sig的三个值分别为153.993，28，0.000。虽然KMO值为0.187没有达到0.7，但是卡方统计值的显著性概率是0.000，小于1%，因而说明数据具有相关性，是适合做因子分析法的。 　　 　　因子分析法的正交因子模型如下： 　　 　　可简记为： 　　Xpx1=ApxmFmx1+epx1 　　其中X为可实测的P维随机变量，Xi表示第i个指标或变量。F=（F1，F2，…Fm）T为不可观测的m（m?p）维随机变量，它的各个分量将出现在每个变量之中，它们就是公共因子。矩阵A为因子载荷矩阵，aij为因子载荷，表示第i个变量在第j个公共因子上的载荷，向量e称为特殊因子，在模型中起着残差的作用。 　　3、分析过程 　　根据上述的八个指标，计算得到样本相关系数矩阵的特征值、方差贡献率及累积方差贡献率。 　　 　　 　　 　　按照特征根大于1的原则，从表3中可看出，提取前三个公共因子，其累计方差贡献率为85.266%。所以初步得出三个因子可以概括绝大部分信息，提取三个公共因子比较合适。此时，再对公共因子进行方差最大化正交旋转（见表4和表5）。 　　根据表5可以写出各个原始变量的因子表达式： 　　X1=-0.894×F1-0.074×F2-0.372×F3（1） 　　X2=-0.781×F1-0.239×F2-0.372×F3（2） 　　X3=0.129×F1-0.056×F2+0.946×F3 （3） 　　X4=0.558×F1-0.123×F2+0.695×F3（4） 　　X5=0.080×F1+0.926×F2-0.006×F3（5） 　　X6=0.716×F1-0.609×F2-0.198×F3（6） 　　X7=0.802×F1+0.311×F2+0.141×F3（7） 　　X8=0.422×F1+0.770×F2+0.171×F3 （8） 　　可以看出经过旋转后相关系数已经明显地发生了变化，根据旋转后的因子载荷矩阵将八项指标按照高载荷分成三类。第一公共因子F1高载荷指标中有X1、X7、X2、X6，说明这三个指标有较强的相关性，可以归为第一类;第二公共因子F2在X5和X8方面有较高的载荷，表明该因子综合反映了这三个方面的变动趋势，同样可以归为第二类;第三公共因子F3在X3和X4上有较大的载荷，归属为第三类。 　　 　　 　　旋转后的因子表达式： 　　F1=-0.285X1-0.229X2-0.215X3+