应用统计学 利用spss进行居民消费结构变化的分析.doc

关于某市近20年居民消费结构变动的分析 本文的目的是分析居民随着年份的增加，消费结构发生的变化，通过收集的数据。利用spss软件进行因子分析，得出结论，为产业政策的制订和宏观经济的调控提供参考。 引言： 消费结构是指在一定的社会经济条件下,人们在消费过程中各种不同内容、不同形式的消费在消费总量中所占的比重以及它们之间的关系。按1993年国家统计局对生活消费品类别的划分方法，把居民生活消费品分为八个大类，即食品、衣着、居住、家庭设备用品及服务、医疗保健、交通通信、文化教育娱乐用品及服务、其他商品及服务。?消费结构的变动不仅是经济领域内的重要问题，而且也关系到整个国民经济的发展，合理的消费结构及消费结构的升级和优化不仅反映了消费层次和质量的提高，也为建立合理的产业结构和产品结构提供了重要依据。 一 数据的理解及处理 本文采用的数据来自于网络（见附录），其中主要包含食品、衣着、居住、家庭设备用品及服务、医疗保健、交通通信、文化教育娱乐用品及服务、其他商品及服务8个指标，这些指标之间存在着不同程度而相关性如果单独分析这些指标，无法分析居民消费结构的特点，因此采用因子分析法，将这八个指标综合为几个少数因子，通过这些公共因子来反映居民消费结构的变化情况。且各数具比较完整，无异常数据因此直接处理。 我们先通过图形来观察各项消费的平均值支出所占居民消费的比重，由图像可以看出食品所占消费比重最大，文化教育娱乐用品及服务及居住次之，其它相差不大而其他商品及服务最小。 通过图形二我们可以看到各消费随着年份的增加的变化，可以得出以下结论 （1）虽然在2002年左右食品消费所占比例发生一定程度的震荡但保持一直下降的趋势。 （2）文教娱乐及服务消费随着年份增加而不断上升。 （3）居住消费支出保持较大幅度的震荡变化上升下降总体趋势不是太明显。 （4）其它消费支出变化趋势较相近，且震荡幅度不大。 三 因子分析法步骤及结果分析 1相关性分析 先进相关性分析，其步骤是，选择‘分析’菜单中‘相关’的‘双变量’，并将影响因素选入变量列表。通过观察图三我们可以看到很多变量之间都存在或强或弱的相关关系，所以可以对变量进行因子分析。 2 KMO及Bartlett 的检验 选择‘分析’中‘降维’的‘因子分析’，并在‘描述’子对话框中选KMO和Bartlett球形度检验 图四中我们可以看到，KMO小于0.7，但是因为数据来源有限，本论文只是表现统计方法的使用，所以仍然继续进行分析。 3描述性统计表 从图五我们可以看到各费支出的描述统计量，比如均值标准差，这为后续的因子分析提供一个直观的分析结果，从图中可以看到，食品支出消费比重最大，其均值为39.68%其次是文教娱乐及服务和居住支出消费。 4 因子共同度 图六是因子分析的共同度。显示了所有变量的共同数据。第二列是因子分析初始解下的变量共同度。它表明对原有8个变量如果采用主成分析法提取所有的8个特征值，那么原有的所有变量的方差都可以被解释，变量的共同性均为1。 事实上因子个数小于元变量的个数才是因子分析的目的，所以不可能提取所有特征根于是第三列给出了提取条件提取特征根时的共同度，可以看到所有变量的绝大部分信息可被因子解释，这些变量信息丢失较少，因此本次因子提取的总体效果较为理想。 5 因子分析的总方差解释 图七所示是因子分析的总方差解释，是相关系数矩阵的特征值，方差贡献率及累计方差贡献率的统计结果，第一组数据项（从第二道第四列）描述了初始因子解的情况，可以看出第一个因子的特征根值为4.341，解释了原有8个变量总方差的54.264%前三个因子的累计贡献率为88.059%并且只有他们的取值大于1，说明前三个公因子基本包含了全部变量的主要信息，因此选前3个因子为主因子即可。同时提取平方和载入和旋转平方和载入数据组列出了因子提取后和旋转后的因子方差解释情况，从中可以看出他们都支持3个公共因子。 6 因子碎石图 图八所示为因子分析的碎石图，横坐标为因子数目，纵坐标为特征根，可以看到第一个因子的特征值为很高，对解释原有变量的贡献最大，第三个因子以后的特征根都很小，对解释原有的变量都很小，因此就提取前三个因子。 7旋转前因子载荷矩阵 图九旋转前因子载荷矩阵，它是因子分析的核心内容，通过载荷系数大小可以分析不同公共因子所反映的主要指标的区别，从结果可以看到大部分因子解释性较好，但是仍有少部分因子因子解释性能力较差，比如食品指标，在三个因子的载荷系数区别不大，因此接着因子旋转法使得因子载荷系数向0和1两极分化，使大的载荷更大，小的载荷更小，这样结果更具解释性。 8旋转后的因子载荷矩阵 图十现实实施旋转后的因子载荷矩阵，可以看到，第一主因子在交通通讯，文教娱乐及服务医疗保健，