居民消费指数分析报告书.docx

居民消费指数分析报告书.docx

《居民消费指数分析报告书.docx》由会员分享，可在线阅读，更多相关《居民消费指数分析报告书.docx（13页珍藏版）》请在冰豆网上搜索。

----------------------------精品word文档值得下载值得拥有----------------------------------------------

----------------------------------------------------------------------------------------------------------------------------------------------

各地居民消费指数聚类分析报告

小组成员：

蒋敏王凝煜张乐

一、 2001年社会经济背景：

GDP（国内生产总值）：

95933亿元

其中第一产业增加值14610亿元，增长2.8%；第二产业增加值49069

亿元，增长8.7%；第三产业增加值32254亿元，增长7.4%

CPI（居民消费价格指数）：

比上年增长0.7%

总人口：

127627万人

城镇人口48064万人，占37.7%；乡村人口79563万人，占62.3%。

全国男性人口为65672万人，女性为61955万人。

0-14岁人口比重为22.5%

，15-64岁人口比重为70.4%，65岁及以上老年人口比重为7.1%，老年人口达到9062万人。

全年全国出生人口1702万人，出生率为13.38‰；死

亡人口818万人，死亡率为6.43‰；全年净增人口884万人，自然增长率为6.95‰

全国从业人员和职工人数

从业人员：

73025万人，比上年末增加940万人。

其中城镇就业人员2

3940万人，增加789万人。

年末国有企业下岗职工为515万人，比上年

末减少142万人。

全年通过多种途径使227万人实现了再就业。

年末城镇登记失业率为3.6%。

城乡居民收入（平均每人）

全年全国城镇居民人均可支配收入6860元，比上年实际增长8.5%。

农村居民人均纯收入2366元，实际增长4.2%。

城乡储蓄存款余额：

73762亿元

外汇储备：

2122亿美元

进出口贸易总额：

5098亿美元

其中出口总额2662亿美元，增长6.8%；进口总额2436亿美元，增长

8.2%

部分工业产品产量

原煤：

11.1亿吨；钢材：

15745万吨；粮食：

45262万吨；油料：

287

2万吨；卷烟：

3402万箱；彩色电视机：

3967万部；家用电冰箱：

1349万台

社会消费品零售总额：

37595亿元

其中批发零售贸易业零售额25511亿元，增长10.7%；餐饮业零售额4

369亿元，增长16.4%；其他行业零售额7716亿元，增长4.9%。

运输

铁路14575亿吨公里，增长6.7%；公路6180亿吨公里，增长0.8%；水运24860亿吨公里，增长4.7%；民航44亿吨公里，增长3.8%。

二、导言

在古老的分类学中，人们主要靠经验和专业知识，很少利用数学方法

。

随着生产技术和科学的发展，分类越来越细，以至有事仅凭经验和专业知识还不能进行明确分类，于是统计这个有用的工具逐渐被引入分类学中

，形成了形成了数值分类学。

近些年来，数理统计的多元统计方法有了迅速的发展，多远分析的技术自然被引入分类学中，于是从数值分类学中逐渐分离出聚类分析这个新的分支。

我们认为，所研究的样品或指标（变量）之间存在着程度不同的相似性（亲流关系）。

于是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

，把一些相似程度较大的样品或指标聚合为一类，把另外一些彼此之间相似程度较大的样品或指标聚合成另一类。

。

。

关系密切的聚合到一个小得分类单位，关系疏远的聚合到一个大的分类单位，直到把所有的样品或指标都聚合完毕，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。

最后再把整个分类系统画成一张分群图（又称谱系图），用它把所有的样品或指标间的亲疏关系表现出来。

在经济，社会，人口研究中，存在着大量的分类研究、构造分类模式的问题。

例如在经济研究中，为了研究不同地区城镇居民生活中得收入及消费状况，往往需要划分为不同的类型去研究；在人口研究中，需要构造人口生育分类模式、人口死亡分类函数，以此来研究人口的生育和死亡规律。

过去人们主要靠经验和专业知识，做定性分类处理，致使许多分类带有主观性和任意性，不能很好的揭示客观事物内在的本质差别和联系，特别是对多因素、多指标的分类问题，定性分类更难以实现准确分类。

聚类分析不仅可以用来对进行分类，也可以用来对变量进行分类。

对样品的分类常称为Q型聚类分析，对变量的分类常称为R型聚类分析。

与多元分类的其他方法相比，聚类分析的方法较粗糙，理论上还不完善，但由于他能解决许多实际问题，所以很受人们的重视，同回归分析、判别分析称为多元分析的三大方法。

三、在以上的背景下，通过《中国统计网》得到以下数据

居民消费价

指标

格指数

食品

粮食

肉禽及其制品

蛋

水产品

鲜菜

全国

105.4

111.7

115

117.3

113.5

110.2

104.3

北京市

105.5

109.4

112.7

113

109.7

106.1

99.8

天津市

103.7

110

112.2

113.8

115.4

118

89.4

河北省

105.3

112.2

112.8

118.4

111.4

112.7

103

山西省

105.1

111.5

109.5

121.5

110.9

110.9

99.1

内蒙古自治区

104.8

113.1

112.2

118.3

117.5

105.9

106.4

辽宁省

104.8

111.3

115.6

119

111.6

109.7

99.9

吉林省

104.8

110.7

114.7

116.6

114.1

111.2

101.3

黑龙江省

105.4

111.4

113.2

117.4

112.6

108.7

102.7

上海市

104.7

109.7

114.4

114.9

114.6

114.9

89.4

江苏省

105.6

110.6

116

115.4

116.3

106.3

95.3

浙江省

105.3

111

116.3

116.4

117.5

112.6

94.1

安徽省

105.8

112.2

120.7

120.6

109.3

103.6

101.5

福建省

105.2

110.9

121.4

115.5

115.4

110

87.1

江西省

104.8

110.9

115.6

117

118.6

100.3

108.2

山东省

104.4

110.2

111.1

115.1

111.9

109.8

102.4

河南省

105.9

111.9

112.1

122.7

111.1

107.6

103.1

湖北省

105.7

111.2

118

117.2

113.7

104.5

106.4

湖南省

106

112.2

119.2

114.8

115.1

105.8

125

广东省

广西壮族自治

105.3

111.1

114.6

114.3

112.5

112.2

101.3

区

106.8

116.1

119.5

120.7

114.8

120.7

114.2

海南省

106.8

114.8

117.5

116

115.4

113.3

113.4

重庆市

105.5

114.6

115

126

116.1

103.2

120.2

四川省

106.6

114.6

116.2

119.8

115.3

105.8

128.6

贵州省

104.5

113.3

121.1

117.5

118.3

111.2

114.4

云南省

103.8

110.5

112

116.1

109.2

108

106

西藏自治区

105.3

109.8

113.5

107.2

109.6

106.2

119.4

陕西省

105.8

112.7

112.6

123.5

116.6

106.5

110.7

甘肃省

106.8

113.2

115.3

116.1

120.8

106.1

111.7

青海省

宁夏回族自治

109.2

116.7

115.1

122.3

117.6

110.4

123.1

区

新疆维吾尔自

107.6

116.6

119.1

121.6

118.9

109.2

110.7

治区

105.9

114.2

108.7

117.2

113.2

108.9

118.3

1.现对以上数据通过SPSS软件用系统聚类法进行聚类分析：

CaseProcessingSummarya

Cases

Valid

Missing

Total

N

Percent

N

Percent

N

Percent

31

96.9%

1

3.1%

32

100.0%

a. SquaredEuclideanDistanceused

AgglomerationSchedule

Stage

ClusterCombined

Coefficients

StageClusterFirstAppears

NextStage

Cluster1

Cluster2

Cluster1

Cluster2

1

4

19

1.548

0

0

6

2

6

7

1.588

0

0

3

3

6

11

2.321

2

0

6

4

10

17

2.435

0

0

7

5

18

26

2.847

0

0

16

6

4

6

3.182

1

3

9

7

10

16

3.480

4

0

11

8

3

13

3.893

0

0

10

9

4

27

4.061

6

0

14

10

3

15

4.119

8

0

13

11

10

12

4.619

7

0

15

12

5

24

5.245

0

0

18

13

3

8

5.955

10

0

17

14

4

31

6.526

9

0

15

15

4

10

6.835

14

11

17

16

18

23

7.647

5

0

19

17

3

4

7.847

13

15

19

18

5

22

8.400

12

0

21

19

3

18

9.254

17

16

21

20

14

25

10.370

0

0

25

21

3

5

12.596

19

18

23

22

20

30

12.705

0

0

26

23

1

3

17.008

0

21

24

24

1

21

17.481

23

0

25