我国各地区城镇居民家庭平均每人全年消费性支出数据分析优选Word下载.docx
- 文档编号:20594947
- 上传时间:2023-01-24
- 格式:DOCX
- 页数:9
- 大小:32.79KB
我国各地区城镇居民家庭平均每人全年消费性支出数据分析优选Word下载.docx
《我国各地区城镇居民家庭平均每人全年消费性支出数据分析优选Word下载.docx》由会员分享,可在线阅读,更多相关《我国各地区城镇居民家庭平均每人全年消费性支出数据分析优选Word下载.docx(9页珍藏版)》请在冰豆网上搜索。
指标体系的选择
(1)评价城镇居民消费水平的九个指标,分别为:
人均现金消费支出(元/人);
人均食品支出(元/人);
人均衣着支出(元/人);
人均居住支出(元/人);
人均家庭设备及用品支出(元/人);
人均交通通信支出(元/人);
人均文教娱乐支出(元/人);
人均医疗保健支出(元/人);
人均其他消费支出(元/人)。
三、聚类分析
聚类分析是对多种属性统计样本进行分类的一种多元统计分析方法。
其基本思想是:
一般我们认为,所研究的样品或指标之间存在着程度不同的相似性。
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聚为一类。
关系密切的聚为一个小的分类单位,关系疏远的聚为一个大的分类单位,直到把所有样品或指标都聚类完毕,这样就可以形成一个由小到大的分类系统。
利用SPSS统计软件进行聚类分析,将我国城镇居民人均消费支出分为两类,结果如下表:
聚类表
阶
群集组合
系数
首次出现阶群集
下一阶
群集1
群集2
1
6
8
19765.343
4
2
12
14
27025.002
10
3
31
32557.391
5
35485.076
13
30
39223.623
9
24
28
39977.765
21
7
22
23
41165.885
29
42100.555
16
65930.078
17
71063.573
15
11
25
76848.952
86185.582
18
94662.656
96244.956
19
112493.500
127845.732
27
149741.039
20
152636.536
162530.119
216332.575
26
243353.344
261060.185
360164.461
523725.488
593941.397
668049.885
809528.864
972091.564
1825359.491
6942855.592
人均消费聚类分析结果表明:
北京、天津、上海、浙江、福建、广东属于第一类地区,这些地区经济发达,城镇居民收入较高,与此同时,人均消费也比较高,聚类结果符合实际情况,其余地区则属于第二类地区。
然而,这种分类方法第二类地区中,例如贵州、甘肃、青海同江苏、山东地区消费差距明显,与人们观察到的实际情况不符合,因此运用聚类分析法存在一定缺陷,
四、因子分析
因子分析是主成分分析的一种推广,它也是利用降维的思想,把一些具有错综复杂关系的变量归结为少数几个不可观测的综合因子的一种多变量统计分析方法。
前面利用聚类分析法,仅仅是把我国各地区城镇居民人均消费分为三类,这样分类,存在一定缺陷,我们希望找出几个真正影响居民人均消费的公共因子,在做因子分析之前,应当检验数据是否适合做因子分析。
根据KMO检验,KMO值越大表示数据越适合做因子分析,KMO值低于0.5时,表明数据不太适合做因子分析,由表一可知,适合进行因子分析
KMO和Bartlett的检验
取样足够度的Kaiser-Meyer-Olkin度量。
.868
Bartlett的球形度检验
近似卡方
327.810
df
Sig.
.000
公因子方差
初始
提取
衣着
1.000
.796
医疗器械
.927
教育文化娱乐服务
.861
交通和通信
.891
其他
.890
家庭设备用品及服务
.847
居住
食品
.756
提取方法:
主成份分析。
解释的总方差
成份
初始特征值
提取平方和载入
合计
方差的%
累积%
6.816
85.196
.402
5.020
90.216
.250
3.130
93.346
.190
2.375
95.721
.131
1.643
97.365
.106
1.325
98.690
.073
.908
99.598
.032
100.000
根据结果可知,初始解只有两个因子的特征值大于1,这两个因子可以解释原有八个指标总方差的83.845%,已经足以解释各地区城镇居民的人均消费共性以及差异性。
旋转后的因子载荷矩阵及旋转空间中的成分图
成份矩阵a
.892
.963
.928
.944
.943
.921
.869
提取方法:
主成分分析法。
a.已提取了1个成份。
旋转成份矩阵a
a.只抽取了一个成份。
无法旋转此解。
一类,我们称为次消费因子。
因子得分系数矩阵
以各因子的方差贡献率占两个因子总方差贡献率的比重作为权重进行加权汇总,算出各地区的综合得分
成份得分系数矩阵
.141
.136
.138
.135
.128
旋转法:
具有Kaiser标准化的正交旋转法。
构成得分。
成份得分协方差矩阵
主消费因子得分前五名地区依次是上海、广东、浙江、北京、福建,其中上海的得分为3.44500,广东的得分为2.3833,远远高于其他地区,说明上海、广东主要消费支出远远高于其他地区,与实际情况比较接近。
主消费因子最后五名地区依次是新疆、河南、青海、甘肃、黑龙江,这些地区经济发展相对落后,人均消费支出低,其主要消费支出也低,但与实际情况还存在差距,贵州城镇居民消费应比黑龙江消费要低,黑龙江不应划为最低人均消费地区。
次消费因子得分前五名地区依次是北京、内蒙古、吉林、天津、黑龙江;
次消费因子最后五名地区依次是福建、贵州、广西、西藏、海南,衣着和医器械人均消费,在实际消费过程中,人们不容易观察到,这个结论还缺乏一定依据;
综合得分前五名地区依次是上海、北京、广东、浙江、天津;
这五个地区经济都发达人均收入和消费支出都高,将这些地区分为一类比较切合实际。
合得分最后五名地区依次是新疆、云南、甘肃、贵州、青海,这些地区人口稀少,经济发达相当落后,人民收入和消费水平均处于全国最低水平,与人们观察到的实际情况比较接近,将这些地区分为一类,其他地区则分为另外一类,这样一来就可以将31个省、市、自治区就分为三类,第一类为因子综合得分前五名地区,第三类为因子综合得分最后五名地区,其余地区则划分为第二类。
这种类结果比较切合实际情况。
分类结果如下表:
类别
第一类
上海、北京、广东、浙江、天津
第二类
其余地区
第三类
新疆、云南、甘肃、贵州、青海
五、总结
本文根据2011年我国城镇居民人均消费支出数据,利用聚类分析法和因子分析法,对各地区31个省、市、自治区城镇居民人均消费进行分类,首先利用两种聚类分析法:
K均值法和系统聚类法,分类结果相比较,系统聚类分析法要好于K均值法,但也存在一定缺陷,然后利用因子分析法进行因子分析,根据因子综合得分对我国各地区城镇居民人均消费支出进行排序和分类,并进行综合评价,结果表明,分为三类较好地反映实际情况,相对于聚类分析法,它是一种比较好的排序方法,从聚类分析、判别分析、主成分分析、因子分析的结果可以看出,尽管不同的分析方法所得的结果有所不同,但上海、北京、天津、广东的城镇居民人均消费水平处于较高的位置,而青海、西藏、甘肃的人均消费水平处于低位
参考文献:
国家统计局.
多元统计分析(第三版)
数据来源:
本文选取了2011年我国各地区城镇居民家庭平均每人全年现金消费支出的相关指标数据,所有数据取自《中国统计年鉴2012》,
最新文件----------------仅供参考--------------------已改成-----------word文本---------------------方便更改
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 我国 各地区 城镇居民 家庭 平均 每人 全年 消费 支出 数据 分析 优选