基于SPSS研究分析我國居民人均消費結構

包美玲，尹 紅

?

基于SPSS研究分析我國居民人均消費結構

包美玲，尹 紅

（昆明理工大學 機電學院，云南 昆明 650000）

研究消費結構是衡量居民生活水平的一種重要途徑，本文以我國31個省份的消費支出為樣本進行統計分析，采用了三種不同的統計方法進行研究消費結構的變動，為其成因對合理引導消費、促進經濟的發展都有重要的意義。

消費支出；聚類分析；因子分析；相關分析

0 引言

消費結構是客觀的存在，消費結構的分類則是人們主觀的產物。人們可以根據實際需求對消費結構進行不同的分類。從其定義來講，居民消費結構是指在一定社會經濟條件下居民各項消費支出在消費總支出所占的比重，它不但能反映居民消費的具體內容，更能反映居民消費需求地滿足情況。隨著國家經濟實力的提高，人們的生活水平也得到了顯著提高，消費質量和結構的不斷優化，相對于過去而言，居民對衣食住的消費需求已經從過去的追求數量轉變到質量，居民食品消費支出的比重不斷下降，但是在醫療、文化、教育和服務的消費支出比重不斷增長[3]。本文就是在此基礎之上，利用多元統計的相關知識和借助SPSS統計軟件對2015年分地區居民消費支出數據進行研究分析，找出問題的主要影響因素，以及各個因素之間的相關程度。

1 數據來源與相關的統計學方法

本文主要應用多元統計學中的相關理論對數據作探索性和預測性分析。根據指標選取的客觀性、全面性、可比性、簡潔性和可操作性的原則，為了科學、客觀、準確地衡量家庭支出能力，研究我國各地區城鎮居民家庭平均全年消費支出，本文選取《中國統計年鑒2016》中“2015年分地區人均消費支出”的數據資料[2]。數據資料中的指標有食品、衣著、居住、家庭設備用品、醫療保健、交通與通訊、教育文化娛樂服務、其它商品和服務。采用的統計方法主要是聚類分析、因子分析和相關分析。

2 各地區居民人均消費支出的多元統計分析

本文從居民消費支出的相關性角度出發研究問題。對全國31個地區的2015年的原始數據，我們首先進行了加權平均計算其均值，并對得到的數據，做簡單的探索性數據分析。對數據使用了因子分析的方法來降維，并直接從相關系數陣出發做因子分析；各不同地區的居民消費支出特征的歸類用了類平均法，即“K水準逐步形成聚類法”；最后我們還進行了相關性檢驗，進一步了解方法數據與原始數據的相關性程度。設置變量1：食品（元）；2：衣著（元）；3：居?。ㄔ?；4：家庭設備用品（元）；5：醫療保健（元）；6：交通與通訊（元）7：教育文化娛樂服務（元）；8：其它商品和服務（元）。

首先，我們收集得到的數據（如圖1所示）。

圖1 原始數據

2.1 利用“K均值”聚類方法對居民人均消費支出進行聚類分析

我們先對得到的均值數據進行聚類分析，利用SPSS軟件進行“K水準逐步形成聚類法”后聚類的結果如圖2所示。

圖2 聚類分析結果

根據聚類分析結果我們將各地區城鎮居民的消費支出分為三大類：

（1）高消費支出類：北京、上海；

（2）中等消費支出類：天津、江蘇、福建、遼寧、內蒙古、浙江、廣東；

（3）低消費支出類：其它省市。

2.2 因子分析

運用SPSS軟件對原始數據進行標準化處理后，利用標準化后的數據，采用方差最大正交旋轉來做因子分析，設置抽取方差為0.5。

圖3 KMO和Bartlett的檢驗

如上圖3所示，程序運行結果得到KMO抽樣適應性測度值：Kaiser-Meyer-Olkin=0.895，大于0.6，一般認為此值越大[1]，做因子分析的效果越好。

圖4 解釋的總方差

根據圖4的解釋的總方差結果，可以看出，前2個因子的累計方差貢獻比率為91.912%，高于85%，這說明提取2個公因子是比較合適的，它們可以很好地反映8個指標所能表達的足夠的信息。根據上表結果，第一個因子解釋的方差為6.788，計算得到其占全部信息的84.849%（全部信息即指相關陣的特征值總和，在此為8。因此旋轉后第一個因子的方差貢獻率為：6.788/8=0.84849。2的方差貢獻率計算與此類似）。第二個因子解釋的方差為0.565，占全部信息的7.064%。這2個因子累計解釋的方差為6.795，占全部信息的84.944%，這說明它們就是我們所要尋找的兩個因子[4]。

對因子進行旋轉，旋轉的目的是通過改變坐標軸的位置，重新分配各個因子所解釋的方差比例，使其載荷系數更接近于1或0，能夠更好的解釋和命名變量。旋轉后的因子不改變模型對數據的擬合程度，也不改變各個變量的公因子方差，使因子結構變得更加簡單。

圖5 旋轉后成分矩陣

由圖5的旋轉后的因子載荷矩陣可以看出，公共因子1在指標1，3，4，5，6，8上載荷值都很大，分別為食品、居住、生活用品及服務、交通和通信、教育文化娛樂服務、其它商品及服務，因此可定義為基本生活消費因子；2在指標2、7上載荷值大，代表了衣著和醫療保健，可定義為衣著保健消費因子。綜合可以看出，消費支出的多少主要取決于第一個公因子[5]。

圖6 成分得分系數矩陣

因子得分函數模型及各地區因子的分值根據SPSS程序運行結果（如圖6），得到標準因子得分函數模型為[6]：

1= 0.6031–0.3882+0.3413+0.0894+ 0.2435+0.1076–0.3797+0.1418

2 =–0.4791+0.6212–0.1723+0.1094– 0.0585+0.096+0.6117+0.0598

將各個地區具體的經過標準化后的原始指標值代入得分函數模型[7]，可以計算得到各地區的因子得分值。因子得分值的大小顯示了各地區城鎮居民在該因子所代表的各項指標上的消費水平高低，小于0表明其處于平均水平之下[8]。

然后再以各公因子的方差貢獻率作為權數計算各地區的綜合測評得分，計算得到綜合測評得分表達式如下：Z=(84.8491+7.0642)/91.913 (= 1,2,…, 31)。其中，為各個地區的各公因子得分值[9]。然后通過比較各地區綜合得分的高低，可排序出2015年我國31個地區居民消費性支出水平的高低。具體結果如圖7所示。

總體上來說，基本消費因子1主要反映的是各地區的綜合性消費支出水平，其中各地區的排名和綜合主成分的結果基本相似，高消費支出省市主要有上海、北京、廣東、浙江和福建，這五個省市的消費支出水平明顯高于全國其它地區，并且這五個省市之間的差距也是比較大的；衣著保健因子2反映了各地區以衣著消費支出的差異，其中位居前列的省份是黑龍江、吉林、內蒙古，總體看北方省市居多，而居于后幾名的省份如廣西、廣東、海南等地，大多數分布于南方，分析其南北差異的原因很有可能是因為氣候所致，而受收入、地區發展等經濟因素的影響并不是很明顯。由于衣著消費在總消費支出中所占的比重較小，所以衣著保健因子反映的情況對整體綜合性消費支出的影響并不大[10]。

圖7 各地區因子得分和綜合測評得分

3 居民消費的相關分析

相關分析是對變量相關性的分析，這里所說的相關性即是表示兩個因素之間的相互關系的大小，如果兩個因素之間的相關性很小或沒有相關性，則相關系數小或為0。如果兩個因素之間的相關性大則相關系數大。相關系數在1與–1之間，小于0的為負相關，等于0的沒有相關性，大于0的為正相關[11]。

下面利用皮爾遜相關系數驗證概率P值來判斷兩變量之間的相關程度。相關系數Pearson Corre-lation越大表示相關程度越高。Sig就是P值越接近0就表示擬合的越好，就是相關程度越高。后面是皮爾遜相關的簡單分類標準為我們分析的依據：0.8-1.0極強相關0.6-0.8強相關0.4-0.6中等程度相關0.2-0.4弱相關0.0-0.2極弱相關或無相關。

分析繼續使用上文的原始數據，簡單的數據預處理后，經SPSS軟件運行后輸出結果如下：

由此表可以看出檢驗概率P值接近于0，小于顯著性水平a=0.05，則認為兩成績顯著相關，食品與衣著的相關系數Pearson Correlation是0.604，有上述的皮爾遜判別標準可知這兩個變量之間強相關。同上表所述可知食品與其他商品及服務的相關系數為0.868，有上述的皮爾遜判別標準可知這兩個變量之間極強相關。

圖8 食品與衣著相關系數

圖9 食品與其他用品及服務相關系數

圖10 食品與教育文化娛樂相關系數

圖11 食品與居住相關系數

圖12 食品與生活用品及服務相關系數

圖13 食品與醫療保健相關系數

圖14 食品與交通通信相關系數

同理，食品與教育文化娛樂的相關系數是0.776，食品與居住的相關系數是0.864，食品與生活用品及其服務的相關系數為0.816，食品與交通和通訊檢驗概率P值也接近于0，都小于顯著性水平a=0.05，食品與醫療保健的相關系數是0.582，食品與交通和通訊的相關系數是0.879，故由上述的皮爾遜判別標準可知食品與醫療保健強相關，以上的兩個變量之間極強相關，這兩個變量較容易一起變動。

3 結論

各地區綜合得分的排序與聚類所得結果基本上沒有差異。這從一定程度上說明所作的分析是正確的和經得起檢驗的，這與各地區的實際經濟情況也是相符合的。我國各地區城鎮居民的消費結構差異很大，消費性支出水平發展很不平衡雖然我國居民的人均實際消費性支出的數量在增加，從一定程度上說明我國居民生活水平的提高，但各地區之間消費水平的差異很大，除了北京、上海、浙江等經濟比較發達的地區的各因子得分排名均比較穩定，因而消費結構相對比較平衡外，很多地區的消費水平和消費結構都有待進一步提高。通過相關性分析可知，在我國居民消費支出中，如果食品消費支出過多，衣著、交通和通訊、醫療保健、家庭設備及服務、居住、其他商品及服務、文教娛樂用品及服務的支出就相對發生變化，食品支出與其他方面的支出存在顯著地相關關系，其居住支出和消費支出隨食品消費的變化而變化的趨勢更為顯著。

[1] 何曉群. 多元統計分析:第三版[M]. 中國人民出版社 2009.

[2] 國家統計局. 中國統計年鑒[M]. 中國統計出版社2016.

[3] 劉璇. 2016年我國各省居民生活質量分析研究[A]. 榆林學院學報2017.

[4] 劉昱清. 我國城鎮居民消費支出結構和水平的因子分析[A]. 濟寧學院學報 2014.

[5] 張立軍, 任英華. 多元統計分析實驗[M]. 中國人民出版社 2012.

[6] 林升梁. 中國消費者人性量表(CCHS)驗證性因子分析—以福建大學生為例[J]. 福建師范大學學報, 2016.

[7] 蔡月祥. 中國農村居民家庭消費性支出的應用研究—基于因子分析[J]. 華東經濟管理, 2014.

[8] 司圣音, 張應應. 穩健性因子分析在城鎮居民家庭現金消費支出中的應用[J]. 數學的實踐與認識, 2014.

[9] 陳海艇. 消費結構明顯優化生活品質不斷提升——“十二五”時期溫州城鄉居民生活消費支出分析[J]. 統計科學與實踐, 2016.

[10] 王星. 非參數統計[M]. 中國人民大學出版社, 2005.

Analysis of Per Capita Consumption Structure of Chinese Residents Based on SPSS

BAO Mei-ling, YIN Hong

(Kunming University of Science and Technology Mechanic and Electronic, Yun Nan Kun Ming 650500)

Studying the consumption structure is an important way to measure the living standard of residents. This paper takes the consumption expenditure of 31 provinces in China as a sample for statistical analysis, and uses three different statistical methods to study the changes of consumption structure, and reasonably guide it. Consumption and the promotion of economic development have important implications.

Consumer spending; Cluster analysis; Factor analysis; Correlation analysis

TP391.41

A

10.3969/j.issn.1003-6970.2018.12.031

包美玲(1993-)，女，昆明理工大學機電學院在讀研究生，主要研究方向：生產及制造系統工程。

包美玲，尹紅. 基于SPSS研究分析我國居民人均消費結構[J]. 軟件，2018，39（12）：136-140