交,中国城镇居民消费结构的统计分析.docVIP

交,中国城镇居民消费结构的统计分析 ———————————————————————————————— 作者： ———————————————————————————————— 日期： 中国城镇居民消费构造的聚类分析 内容摘要：改革开放30余年来，我国国民经济开展取得了举世瞩目的成就，人民生活水平不断提高，居民消费构造也发生了巨大的变化，本文利用聚类分析方法对我国31个省(直辖市、自治区)的城镇居民消费构造进展聚类分析,探讨我国各区域之间城镇居民消费构造的差异，从而根据地区间的消费构造差异制定更加合理的用以促进当地经济开展的引导性政策。 关键词 ：城镇居民 消费构造 经济开展水平 聚类分析 一．目的意义 消费构造是在一定的社会经济条件下，人们(包括各种不同类型的消费者和社会集团)在消费过程中所消费的各种不同类型的消费资料(包括劳务)的比例关系。其主要包括八项方面的支出，食品消费、衣着消费、家庭设备用品及效劳消费、医疗保健消费、交通和通信消费、教育文化娱乐效劳消费、居住消费、杂项商品和效劳消费,以上构成城镇居民消费性支出的八个工程即为所选指标。为了使数据的分析结果更合理，这里的指标均采用各地区城镇居民家庭平均每人全年消费性支出作为分析对象,即采用人均值。本文利用聚类分析法对我国31个省(直辖市、自治区)的城镇居民消费构造进展聚类分析,以期发现我国各区域之间城镇居民消费构造的差异,从而为引导我国区域消费构造向着协调方向开展、为各地政府根据地区间消费构造差异制定更加合理的引导性政策提供更加有效的依据。 二、方法及原理 聚类分析的根本思想是认为我们所研究的样本或指标(变量)之间存在着不同程度的相似性。根据一批样品的多个观测指标，具体找出一些能够度量样品或指标之间相似程度的统计量，以这些统计量为划分类型的依据，把具有相似程度的样品〔或指标〕分别聚为一类，直到把所有样本(或指标)都聚合完毕，形成一个由小到大的分类系统，最后再把整个分类系统化成一张谱系图，用它把所有样本或指标间的亲疏程度表示出来。 传统的统计聚类分析方法包括系统聚类法、有序样品聚类法、动态聚类法、模糊聚类法、图论聚类法、聚类预报法等。采用k-均值、k-中心点等算法的聚类分析工具已被参加到许多著名的统计分析软件包中，如SPSS、SAS等。 本文采用系统聚类法，将数据在SPSS中进展预处理，然后得出SPSS分析结果，再根据其分析结果对我国31个省(直辖市、自治区)的城镇居民消费构造进展最后分类。 三、 数据预处理 根据中国统计年鉴,得到2007年的统计数据,见下表： 本文运用系统聚类法将数据在SPSS软件中进展运行计算，分析步骤如下： 1、启动SPSS，输表一的数据，试对城镇居民消费性支出的八个工程进展聚类分析。 2、选择【分析—聚类分析—分层聚类】菜单命令，将食品、衣着、家庭设备用品及效劳、医疗保健、交通和通信、教育文化娱乐效劳、居住、杂项商品和效劳选入变量框，将地区选入标签框，默认为“对观测量聚类〞。 3、点击【绘图】按钮，选择【系统树图】，设置绘图类型。 4、点击【方法】按钮，设置【聚类方法】----【最短距离法】和【间距】---【欧氏距离平方】，然后采用Z scores数据标准化方法对数据进展标准化。 5、选择适宜的方法选项后，点击【确定】，即可得到聚类分析结果。发现图形不美观，选择【编辑—选项—视图】，将输出文本字体设置为“Courier?New〞即完成。 四、结果分析 此次聚类分析的样本总个数为31个,在分析过程中未发现无效样本,故总的有效样本个数为31个,样本有效率100%。 Case Processing Summary Cases Valid Missing Total N Percent N Percent N Percent 31 100.0% 0 .0% 31 100.0% 通过运用SPSS进展数据处理后得到的凝聚状态表及谱系图如下： agglomeration schedule Stage Cluster Combined Coefficients Stage Cluster First Appears Next Stage Cluster 1 Cluster 2 Cluster 1 Cluster 2 1 28 29 .502 0 0 3 2 16 30 .529 0 0 6 3 27 28 .626 0 1 4 4 12 27 .638 0 3 5 5 12 18 .689 4 0 7 6 4 16 .716 0 2 7 7 4 12 .730 6 5 8 8 4 31 .734 7 0 13 9 14 24 .757 0 0 10 1