基于SAS分析我国农村居民家庭消费情.docx
- 文档编号:6800641
- 上传时间:2023-01-10
- 格式:DOCX
- 页数:11
- 大小:30.47KB
基于SAS分析我国农村居民家庭消费情.docx
《基于SAS分析我国农村居民家庭消费情.docx》由会员分享,可在线阅读,更多相关《基于SAS分析我国农村居民家庭消费情.docx(11页珍藏版)》请在冰豆网上搜索。
基于SAS分析我国农村居民家庭消费情
基于SAS分析我国农村居民家庭消费情况的研究
一、导言
伴随着我国经济的飞速发展,我国已经成为仅次于美国的世界第二大经济体,GDP已经超过德国日本,位居世界第二,人民生活水平有了翻天覆地的改变,但受到金融危机的影响,近几年来物价持续上涨,通货膨胀严重,CPI屡创历史新高,人民的消费能力是否随着GDP的增加而增加了呢?
再次我仅以中国统计年鉴-2010中的“农村居民家庭平均每人生活消费支出构成”中的“生活消费总支出”中2000—2009年的数据为依据利用统计软件SAS进行了相关分析。
数据如下:
10-25农村居民家庭平均每人生活消费支出构成
单位:
%
指标
2000
2003
2005
2007
2008
2009
生活消费总支出
100.00
100.00
100.00
100.00
100.00
100.00
食品
49.13
48.59
45.48
43.08
43.67
40.97
衣着
5.75
5.72
5.81
6.00
5.79
5.82
居住
15.47
15.58
14.49
17.80
18.54
20.16
家庭设备用品及服务
4.52
4.32
4.36
4.63
4.75
5.13
交通通讯
5.58
5.49
9.59
10.19
9.84
10.09
文教娱乐用品及服务
11.18
11.58
11.56
9.48
8.59
8.53
医疗保健
5.24
4.61
6.58
6.52
6.72
7.20
其他商品及服务
3.14
2.11
2.13
2.13
2.30
2.11
2、分析
1,通过对消费种类进行主成分分析判断农村居民家庭的消费情况。
2,对主成分标准化后在分析各年的消费能力排名。
三、结果猜测
1,农村居民家庭的消费应该主要集中在衣食住行上。
2,农村居民家庭的消费能力并不是随着GDP的增加而增加的。
四、数据处理
利用SAS软件获取并整理数据,进一步分析数据并得到结果。
4.1,导入数据的SAS程序:
datazy;
inputyearx1-x8;
cards;
200049.135.7515.474.525.5811.185.243.14
200348.595.7215.584.325.4911.584.612.11
200545.485.8114.494.369.5911.566.582.13
200743.086.0017.804.6310.199.486.522.13
200843.675.7918.544.759.848.596.722.30
200940.975.8220.165.1310.098.537.202.11
;
run;
proccorrcovnosimpledata=zy;
varx1-x8;
run;
procprincompdata=zyout=aa;
varx1-x8;
run;
datascore1;
setaa;
keepyearprin1;
procsortdata=score1;
bydescendingprin1;
run;
procprintdata=score1;
run;
4.2,程序结果如下:
TheSASSystemTheCORRProcedure
8Variables:
x1x2x3x4x5x6x7x8
CovarianceMatrix,DF=5
x1x2x3x4
x110.34610667-0.19080000-5.78932667-0.77213333
x2-0.190800000.009630000.074440000.00749000
x3-5.789326670.074440004.730866670.61029333
x4-0.772133330.007490000.610293330.08893667
x5-6.748653330.151480002.889473330.38264667
x63.99022667-0.06058000-3.04066667-0.38685333
x7-2.955180000.052550001.398360000.21089000
x80.75584000-0.01362000-0.26518000-0.01624000
CovarianceMatrix,DF=5
x5x6x7x8
x1-6.748653333.99022667-2.955180000.75584000
x20.15148000-0.060580000.05255000-0.01362000
x32.88947333-3.040666671.39836000-0.26518000
x40.38264667-0.386853330.21089000-0.01624000
x55.18926667-2.314553332.16376000-0.53024000
x6-2.314553332.12014667-1.074240000.15502000
x72.16376000-1.074240000.98975000-0.16134000
x8-0.530240000.15502000-0.161340000.16664000
PearsonCorrelationCoefficients,N=6
Prob>|r|underH0:
Rho=0
x1x2x3x4x5x6x7x8
x11.00000-0.60447-0.82750-0.80494-0.921030.85197-0.923490.57564
0.20370.04210.05340.00910.03120.00860.2319
x2-0.604471.000000.348760.255930.67762-0.423970.53827-0.34000
0.20370.49810.62450.13910.40220.27060.5097
x3-0.827500.348761.000000.940870.58317-0.960100.64623-0.29866
0.04210.49810.00510.22440.00240.16560.5653
x4-0.804940.255930.940871.000000.56325-0.890890.71081-0.13340
0.05340.62450.00510.24450.01720.11340.8011
0.49280.16580.65980.44390.01420.44950.2672
x1x2x3x4x5x6x7x8
x5-0.921030.677620.583170.563251.00000-0.697800.95476-0.57020
0.00910.13910.22440.24450.12320.00300.2374
x60.85197-0.42397-0.96010-0.89089-0.697801.00000-0.741580.26080
0.03120.40220.00240.01720.12320.09150.6177
x7-0.923490.538270.646230.710810.95476-0.741581.00000-0.39727
0.00860.27060.16560.11340.00300.09150.4354
x80.57564-0.34000-0.29866-0.13340-0.570200.26080-0.397271.00000
0.23190.50970.56530.80110.23740.61770.4354ThePRINCOMPProcedure
Observations6
Variables8
SimpleStatistics
x1x2x3x4
Mean45.153333335.81500000017.006666674.618333333
StD3.216536440.0981325632.175055550.298222512
SimpleStatistics
x5x6x7x8
Mean8.46333333310.153333336.1450000002.320000000
StD2.2779961951.456072340.9948617990.408215629
CorrelationMatrix
x1x2x3x4x5x6x7x8
x11.0000-.6045-.8275-.8049-.92100.8520-.92350.5756
x2-.60451.00000.34880.25590.6776-.42400.5383-.3400
x3-.82750.34881.00000.94090.5832-.96010.6462-.2987
x4-.80490.25590.94091.00000.5633-.89090.7108-.1334
x5-.92100.67760.58320.56331.0000-.69780.9548-.5702
x60.8520-.4240-.9601-.8909-.69781.0000-.74160.2608
x7-.92350.53830.64620.71080.9548-.74161.0000-.3973
x80.5756-.3400-.2987-.1334-.57020.2608-.39731.0000EigenvaluesoftheCorrelationMatrix
EigenvalueDifferenceProportionCumulative
15.539580384.260930540.69240.6924
21.278649840.607798770.15980.8523
30.670851070.260827310.08390.9361
40.410023760.309128820.05130.9874
50.100894940.100894940.01261.0000
60.000000000.000000000.00001.0000
70.000000000.000000000.00001.0000
80.000000000.00001.0000ThePRINCOMPProcedure
Eigenvectors
Prin1Prin2Prin3Prin4Prin5Prin6Prin7Prin8
x1-.4211950.0736580.071570-.065309-.2254170.8700390.0000000.000000
x20.259714-.4234090.640724-.5384930.1671320.111751-.059057-.094141
x30.3705400.360448-.162017-.367816-.0456710.1227510.7443690.000000
x40.3563120.450621-.0498380.0058690.5921950.292315-.4153920.242427
x50.383433-.3017840.1088900.359780-.2830870.1558780.1136690.709401
x6-.385975-.2964330.0003680.1855560.6915900.0313230.4647130.182988
x70.387261-.0951720.1380020.5932530.0744810.2480110.140164-.619092
x8-.2119370.5425070.7243730.233698-.067017-.2079390.1461210.111162
ObsyearPrin1
120092.93337
220071.62394
320081.42694
42005-0.70866
52000-2.60751
62003-2.66807
4.3各指标随年份的变化如下图:
4.3.1:
食品消费总支出随年份的变化图:
4.3.2衣着消费总支出随年份的变化图:
4.3.3居住消费总支出随年份的变化图:
4.3.4家庭设备用品及服务消费总支出随年份的变化图:
4.3.5交通通讯消费总支出随年份的变化图:
4.3.6文教娱乐用品及服务消费总支出随年份的变化图:
4.3.7医疗保健消费总支出随年份变化图:
4.3.8其他消费总支出随年份的变化图:
4.4,结果分析:
利用SAS得到数据的协方差矩阵为:
S=[
x110.34610667-0.19080000-5.78932667-0.77213333
x2-0.190800000.009630000.074440000.00749000
x3-5.789326670.074440004.730866670.61029333
x4-0.772133330.007490000.610293330.08893667
x5-6.748653330.151480002.889473330.38264667
x63.99022667-0.06058000-3.04066667-0.38685333
x7-2.955180000.052550001.398360000.21089000
x80.75584000-0.01362000-0.26518000-0.01624000
x1-6.748653333.99022667-2.955180000.75584000
x20.15148000-0.060580000.05255000-0.01362000
x32.88947333-3.040666671.39836000-0.26518000
x40.38264667-0.386853330.21089000-0.01624000
x55.18926667-2.314553332.16376000-0.53024000
x6-2.314553332.12014667-1.074240000.15502000
]
由此看出,各个指标的样本方差差异很大,因此从样本相关系数矩阵出发做主成分分析,得到下面的相关系数矩阵
R=[
1.00000-0.60447-0.82750-0.80494-0.921030.85197-0.923490.57564
-0.604471.000000.348760.255930.67762-0.423970.53827-0.34000
-0.827500.348761.000000.940870.58317-0.960100.64623-0.29866
-0.804940.255930.940871.000000.56325-0.890890.71081-0.13340
-0.921030.677620.583170.563251.00000-0.697800.95476-0.57020
0.85197-0.42397-0.96010-0.89089-0.697801.00000-0.741580.26080
-0.923490.538270.646230.710810.95476-0.741581.00000-0.39727
0.57564-0.34000-0.29866-0.13340-0.570200.26080-0.397271.00000
]
同时得到个样本主成分的贡献率,累计贡献率如下表:
EigenvaluesoftheCorrelationMatrix
EigenvalueDifferenceProportionCumulative
15.539580384.260930540.69240.6924
21.278649840.607798770.15980.8523
30.670851070.260827310.08390.9361
40.410023760.309128820.05130.9874
50.100894940.100894940.01261.0000
60.000000000.000000000.00001.0000
70.000000000.000000000.00001.0000
80.000000000.00001.0000
可知第一个前两个主要成分的累积贡献率已经达到了89.08%,或者说农村居民家庭消费支出主要集中在衣食住行上面,下面我们只取这两个样本做进一步分析,利用SAS得到对应于r1和r2的正交单位化特征向量e1和e2,如下:
标准化指标值e1e2
x1-.4211950.073658
x20.259714-.423409
x30.3705400.360448
x40.3563120.450621
x50.383433-.301784
x6-.385975-.296433
x70.387261-.095172
x8-.2119370.542507
得到标准化指标的强两个主成分为:
Y1=x1*(-.421195)+x2*(0.259714)+x3*0.370540+x4*(0.356312)+x5*0.383433+x6*-.385975+x7*0.387261+x8*-.211937
Y2=x1*(0.073658)+x2*-.423409+x3*0.360448+x4*0.450621+x5*-.301784+x6*(-.296433)+x7*-.095172+x8*(0.542507)
Y1和Y2中关于各项消费水平的指标系数有正有负,说明了消费种类的差异性较大。
由于Y1的贡献率较高,因此可按第一主成分的得分对个年份的综合消费能力进行排序。
通过procprincomp过程输出Y1的得分,按照大小排序,结果如下:
ObsyearPrin1
120092.93337
220071.62394
320081.42694
42005-0.70866
52000-2.60751
62003-2.66807
由上表可知09年农村居民家庭消费支出能力最高,农村居民家庭消费能力并不是随着GDP的增长而增长的。
4.5,最终结论:
1,农村居民家庭的消费应该主要集中在衣食住行上。
2,09年以后农村居民家庭的消费能力随着GDP的增加反而下降了。
- 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:
- 基于 SAS 分析 我国 农村居民 家庭 消费