城鎮居民消費區域差異的因素分析畢業論文

1、<p>　　本科畢業論本科生畢業論文</p><p>　　中國城鎮居民消費區域差異的因素分析</p><p>　　China's urban residents' consumption factors analysis of regional differences</p><p><b>　　摘 要</b>&

2、lt;/p><p>　　最近幾年，中國城鎮居民的消費水平和消費結構發生了很大的變化，具體表現為：城鎮居民的消費水平有了較大幅度的提高；食品消費仍占有很大比重，但恩格爾系數下降；發展性和享受性消費比重提高；服務性消費的需求不斷上升；城鎮居民家庭的教育投入增長迅速，文化消費增長卻依然緩慢，比重過小等等。物價的瘋漲更是充斥著每一位中國老百姓的心。</p><p>　　由于我國幅員遼闊，各省、市、自治

3、區之間的資源稟賦和經濟發展水平不同，城鎮居民消費水平與結構地區差異較為明顯。為了更好地分析各地區農村居民人均純收入及其影響因素的不同，本文采用，利用因子分析和聚類分析對全國31個省、市、自治區進行分類，進一步分析我國城鎮居民的消費結構差異及其原因。因此，該研究對于把握城鎮居民的消費結構的發展方向，進一步對于于我國政府的宏觀調控，具有重要的現實意義。</p><p>　　關鍵詞：城鎮居民消費結構 地區差異 因子分析

4、 系統聚類法</p><p>　　China's urban residents' consumption factors analysis of regional differences</p><p><b>　　Abstract</b></p><p>　　In recent years, China's urba

5、n residents consumption level and consumption structure, great changes have taken place, embodied in: the consumption level of urban residents has improved significantly; Food consumption is still occupy a large proporti

6、on, but the engel's coefficient decrease; Developing and improving sex consumption ratio; Increasing demand for service consumption; Education investment to the rapid growth of the culture of urban households consump

7、tion growth is still slow, the weig</p><p>　　Because our country is a large country, the provinces, municipalities and autonomous regions resources endowment and economic development level is different, betw

8、een the urban residents consumption level and structure, regional differences are obvious. In order to better analysis of regional per capita net income of rural residents and its influencing factors, in this paper, usin

9、g factor analysis and cluster analysis to classify the national 31 provinces, municipalities and autonomous regions, a</p><p>　　Key words: Urban residents consumption structure Regional differences Factor

10、analysis System clustering method</p><p><b>　　目 錄</b></p><p><b>　　1 引言1</b></p><p>　　1.1 研究的背景及意義1</p><p>　　1.2 本文的研究方法1</p>&l

11、t;p>　　1.3 數據來源2</p><p><b>　　2 因子分析2</b></p><p>　　2.1 因子分析的基本原理2</p><p>　　2.2 因子分析KMO檢驗3</p><p>　　2.3 因子分析共同度3</p><p>　　2.4 因子分析的總

12、方差解釋4</p><p>　　2.5 因子碎石圖4</p><p>　　2.6 因子載荷矩陣5</p><p>　　2.7 因子得分系數6</p><p>　　2.8 因子得分及排名6</p><p>　　3 聚類分析處理8</p><p>　　3.1 用因子得分進行聚

13、類8</p><p>　　3.2 總結聚類圖10</p><p>　　4研究結果及解釋10</p><p>　　5 結論與討論11</p><p><b>　　6 建議11</b></p><p><b>　　致謝13</b></p><

14、p><b>　　參考文獻14</b></p><p><b>　　附錄15</b></p><p><b>　　1 引言</b></p><p>　　1.1 研究的背景及意義</p><p>　　消費作為經濟活動中的一環，是實現經濟健康平穩發展的關鍵，而消費結構作

15、為消費的具體內容，它的合理與否，又是消費的關鍵問題。因而，正確把握城鎮居民消費結構的現狀及地域間差異具有重要的現實意義。</p><p>　　20世紀90年代以來，中國城鎮居民的消費水平和消費結構發生了很大的變化，具體表現為：城鎮居民的消費水平有了較大幅度的提高；食品消費仍占有很大比重，但恩格爾系數下降；發展性和享受性消費比重提高；服務性消費的需求不斷上升；城鎮居民家庭的教育投入增長迅速，文化消費增長卻依然緩慢，

16、比重過小等等。剛剛走過的2012年，物價的瘋漲更是充斥著每一位中國老百姓的心，通脹預期影響著人們的消費方式和投資觀念。那么，在這一年，我國各大中城市的消費結構如何？地域間差異又如何得以體現？</p><p>　　本文利用2012年我國31個省直轄市城鎮居民消費品支出統計數據，在這個大背景下進行城鎮居民消費結構分析，利用因子分析及聚類分析方法，將全國各省市進行分類，針對各類地區居民消費結構及差異進行研究，以期發現特

17、點和規律。以往學術界也有對我國城鎮居民的消費結構進行分析，如陳彥玲《我國城鎮居民消費結構區域差異分析》、劉思嘉《我國城鎮居民消費結構的聚類分析及政策建議》、孔蓓蓓《我國城鎮居民消費結構比較研究》等，但以往的研究沒有這個特殊的大背景，或沒有對地區間進行差異研究。因而，本研究在理論以及實踐上均有著重要的意義。</p><p>　　1.2 本文的研究方法</p><p>　　本文根據2012年

18、全國各省城鎮居民消費結構數據，分析城鎮居民消費結構的地域影響因素，運用多元統計分析中的因子分析提取變量中的主要因素，再對因子得分進行聚類分析，將我國各省市城鎮進行分類，并比較各類的差異。</p><p>　　下面介紹一下多元統計分析：</p><p>　　多元統計分析是研究多個隨機變量之間相互依賴關系以及內在統計規律性的一門統計學科。同時，利用多元分析中不同的方法還可以對研究對象進行分析（

19、如指標分類或樣品分類）和簡化（如把相互依賴的變量變成獨立的或降低復雜集合的維數等等）。在當前科技和經濟迅速發展的今天，在國民經濟許多領域中特別對社會經濟現象的分析，只停留在定性分析上往往是不夠的。為提高科學性、可靠性，通常需要定性與定量分析相結合。實踐證明，多元分析是實現做定量分析的有效工具。</p><p>　　多元分析包括的主要內容：多元正態總體的參數估計和假設檢驗以及常用的統計方法。這些方法是多元數據圖表法

20、、聚類分析、判別分析、主成分分析、因子分析、對應分析、多重多元回歸分析、典型相關分析、路徑分析、多維標度法等。</p><p>　　本文運用SPSS軟件來做因子分析和聚類分析，下面介紹一下統計軟件SPSS的一些應用于功能。</p><p>　　SPSS既是Statistical Package for the Social Science（社會科學統計軟件包）的縮寫，也是Statistic

21、al Product and Service Solution (統計產品與服務解決方案)的縮寫，是世界上幾大統計分析軟件（SPSS、SAS、S-plus/R、STATA、GUASS）中使用最廣泛，界面最友好，操作最方便的統計軟件，其強大的功能和易掌握性對于非統計專業特別是經濟和管理專業的學生和工作人員，是一個不可多得的統計分析和數據處理的好工具、好助手。</p><p><b>　　1.3 數據來源

22、</b></p><p>　　本文引用中國統計數據庫中的《2012年中國31個省直轄市城鎮居民消費品支出統計》的八項數據為例進行分析（見附表），包括：食品、衣著、家庭設備用品及服務、醫療保健、交通通訊、文教娛樂及服務、居住、雜項商品及服務。在此，以各地區城鎮居民家庭平均每人全年消費性支出的各構成部分作為指標變量，分別記為X1、X2、X3、X4、X5、X6、X7、X8，采用SPSS13.0 for wi

23、ndows綜合運用因子分析和聚類分析等多元統計方法對數據進行分析。</p><p><b>　　數據見附錄表。</b></p><p><b>　　2 因子分析</b></p><p>　　2.1 因子分析的基本原理</p><p>　　因子分析的就是將具有錯綜復雜關系的變量（或樣品），綜合為數

24、量較少的幾個因子，以再現原始變量和因子之間的相互關系，通過不同的因子還可以對變量進行分類。因子分析模型的建立和求解過程都是基于隨機向量的斜差矩陣，這是因為因子分析是為了消除相關性，同時在信息損失最小的情況下降維，通常認為隨機變量的信息蘊含在其變化中，而隨機變量變化通常用方差來表示，因此隨機變量本身的信息就在變量的方差中，而變量間的重疊信息在變量協方差中，因此我們要研究變量的協方差矩陣。</p><p>　　因子分

25、析的基本目的就是用少數幾個因子去描述許多指標或因素之間的聯系，即將相關比較密切的幾個變量歸在同一類中，每一類變量就成為一個因子，以較少的幾個因子反映原資料的大部分信息。</p><p>　　因子分析方法由研究原始變量的相關矩陣內部的依賴關系出發，把多個具有錯綜復雜關系的原始變量歸結為少數幾個綜合因子的一種多元統計方法。因子分析的基本思想是根據相關性大小把原始變量分組，使同組內的變量之間的相關性較高，不同組的變量間

26、的相關性則較低。對于所研究的某一具體問題，原始變量可以分解成少數幾個公共因子的線性函數和與公共因子無關的特殊因子之和的形式。</p><p>　　2.2 因子分析KMO檢驗</p><p>　　表1是KMO檢驗及巴特萊特球形檢驗結果。在因子分析中我選擇KMO and Bartlett's test of sphericity 檢驗統計量，得到如下結果：</p>&l

27、t;p>　　表1 KMO檢驗表</p><p>　　表1結果用來判斷數據是否能夠用來做因子分析，我們知道，因子分析中，變量應該有較高的相關度，降維的效果才好，因此表格的第一行為檢驗變量間偏相關程度的KMO統計量，其值至少要在0.6以上數據才適合做因子分析，如果小于0.6，說明變量間相關性不強，因子分析效果不會太好，應該重新選擇變量。下面的三行是球形檢驗的結果，球形檢驗的原假設是變量是不相關的，顯然只有拒絕

28、原假設的情況下數據才適合做因子分析。本例中KMO值為0.880，球形檢驗顯著，兩個條件都滿足，變量間相關程度大，適合做因子分析。</p><p>　　2.3 因子分析共同度</p><p>　　如表2所示是因子分析的共同度，顯示了所有變量的共同度數據。第一列是因子分析初始值下的變量共同度，它表明對原有8個變量如果采用主成分分析法提取所有8個特征根，那么原有變量的方差都可被解釋，變量的共同

29、度均為1；第二列列出了按指定條件提取特征根時的共同度。從表中可以看到，變量的絕大部分信息可被因子解釋，這些變量信息丟失較少。</p><p>　　表2 因子共同度圖表</p><p>　　2.4 因子分析的總方差解釋</p><p>　　如表3所示是因子分析的總方差解釋，是相關系數矩陣的特征值、方差貢獻率及累計方差貢獻率的計算結果。</p><

30、;p>　　表3 因子貢獻率圖表</p><p>　　表3給出了因子分析各階段的特征根及方差貢獻率，共有兩個因子的特征根大于1，應提取相應的兩個公因子。同時可以看出，前兩個因子已經可以解釋原始變量84.123%的方差，已經包含了大部分的信息。</p><p>　　2.5 因子碎石圖</p><p>　　如圖1所示是因子分析的碎石圖。從圖中可以看到，第一、二個

31、特征值明顯大于后面的特征值，說明提取第一、二個因子是合適的。</p><p><b>　　圖1 碎石圖</b></p><p>　　2.6 因子載荷矩陣</p><p>　　表4 因子載荷矩陣</p><p>　　列出了旋轉以后的因子載荷矩陣，該矩陣在因子分析中非常重要，首先，我們根據該表得出因子分析模型，了解因子

32、結構；二，是我們進行因子命名的主要依據，我們從表中觀察到，每個因子在有些變量上載荷較大，有些變量上載荷較小，歸納如下：</p><p>　　因子1上載荷較大的變量：食品、家庭設備用品與服務、交通和訊、教育文化娛樂服務、雜項商品和服務、居住。</p><p>　　因子2上載荷較大的變量：衣著、醫療保健。</p><p>　　通過分析可知，公共因子食品、交通及通訊、居住

33、、家庭設備用品及服務、娛樂教育文化、雜項商品及服務上占有較大載荷，說明這幾個指標有較強的相關性，可以歸為一類，命名為“主要消費因子”。而公共因子2則在剩余的兩項即醫療保健和衣著上占有較大比重，這兩項可以歸為一類，命名為“次要消費因子”。</p><p>　　2.7 因子得分系數</p><p>　　因子得分就是觀測量的共性因子的值。給出了因子得分系數矩陣，根據表中的因子得分系數和原始變量

34、的標準化值可以計算每個觀測值的各因子的得分。</p><p>　　表5 因子得分系數表</p><p>　　2.8 因子得分及排名</p><p>　　當因子載荷陣確定以后，便可以計算各因子在每個樣本上的具體數值，稱之為因子得分。由系數矩陣可以將2個公共因子表示為8個指標的線性形式。則旋轉后的因子得分表達式可以寫成：</p><p>　　

35、F1=0.945X1+0.132X2+0.777X3+0.801X4+0.349X5+0.934X6+0.851X7+0.689X8</p><p>　　F2=0.087X1+0.899X2+0.429X3+0.405X4+0.791X5+0.206X6+0.460X7+0.583X8</p><p>　　以特征根貢獻率為權數，綜合因子得分計算公式為：F=54.328F1+29.795F2

36、，各城市的綜合因子得分及排序名次如表6所示。</p><p>　　表6 各城市的綜合因子得分及排名表</p><p>　　綜合表6來看，主要消費因子排名與綜合因子排名基本一致，且與城市發達程度呈正相關關系，其得分最高的四個城市分別為：上海、北京、廣東、浙江。而次要消費因子排名與綜合因子排名并不同步，且有較大差異，得分高的城市經濟發展程度普遍不高，得分排前四位的城市分別為：北京、內蒙古、天

37、津以及吉林。</p><p>　　改革開放30年來，我國國民經濟保持了9.8%的年均增長速度，取得了舉世矚目的成就。伴隨著經濟的高速增長，經濟發展不平衡、不協調的問題也隨之產生，主要表現為區域經濟發展差距擴大，發展不協調的矛盾日漸突出，特別是東部沿海地區與其他地區的經濟發展差距越來越大。城鎮居民的消費水平也與區域的差異有了更加突出的顯現。</p><p>　　從上面的因子的分排名就可以看出

38、區域差異的影響，為了更好地展現，我準備要運用聚類分析來把具體城市做個分類。</p><p><b>　　3 聚類分析處理</b></p><p>　　3.1 用因子得分進行聚類</p><p>　　聚類分析又稱群分析，它是研究（樣品或指標）分類問題的一種多元統計方法。聚類分析內容非常豐富，有系統聚類法、有序樣品聚類法、動態聚類法、模糊聚類法

39、、圖論聚類法、聚類預報法等。</p><p>　　系統聚類法有11種方法可供選擇：類平均法、重心法、最長距離法、密度法、最大似然法、可變法、MCQUITTY’S相似分析、中間距離法、最短距離法、二階密度法、離差平方和法。</p><p>　　聚類分析的目的是把分類對象按照相似性的大小分成若干類，類的數目不必確定，分類完全根據數據自身的特點來完成，在分類結束以后，要求同類的對象相似，而不同類

40、的對象差別大。</p><p>　　我國幅員遼闊，地區間的自然條件、文化傳統以及經濟發展差異巨大，發展不協調的矛盾日漸突出，特別是東部沿海地區與其他地區的經濟發展差距越來越大。區域經濟發展差距長期持續擴大所造成的現實和潛在的負面影響是不容忽視的。面對區域差距日益擴大的現實，國家實施了推進西部大開發、振興東北等老工業基地、促進中部地區崛起等一系列重大的區域經濟政策，以促進區域經濟協調發展。目前，我國新的區域發展格局

41、正在形成，即西部提速、東北攻堅、東部保持、東西互動、拉動中部。統籌區域發展，建立和健全區域經濟協調發展的機制，對于促進我國經濟社會協調發展的意義是不言而喻的。 從發展趨勢看，縮小區域發展差距，推動區域經濟協調發展依然任重道遠。為了進一步分析各地區城鎮居民在八項消費上所體現出的規律，對全國31個省市自治區進行聚類，本文采用系統聚類,分出哪些地區在消費上體現出相近的特征，利用SPSS中聚類分析得到結果如下：</p><p

42、><b>　　圖2 聚類圖</b></p><p>　　3.2 總結聚類圖</p><p>　　根據聚類圖做出具體分類如下：</p><p>　　第一類：天津、浙江、北京、上海、廣東；</p><p>　　第二類：海南、云南、貴州、江西、四川、安徽、西藏、廣西、福建、江蘇；</p><p&g

43、t;　　第三類：陜西、甘肅、湖北 、青海、湖南、內蒙古、吉林；</p><p>　　第四類：山西、河南、寧夏、河北、黑龍江、新疆、遼寧、山東、重慶。</p><p><b>　　研究結果及解釋</b></p><p>　　因子分析中，從表6（各因子得分及排名）可知，各城市總排名與主要消費因子排名密切相關，且主要因子得分隨發達程度遞增，上海、北京

44、、廣東和浙江排在前四位，說明隨著經濟的發展，人們收入的增加，對生活的要求也不斷增加，已經不滿足于吃飽穿暖，而是追求更高的生活水平即更營養的食物、舒適的環境、快捷的交通等。因此，發達地區居民“主要消費因子”也不斷增大。而不發達地區的收入較低，不能滿足過高的要求，否則將入不敷出，因此“主要消費因子”也較低。而在“次要消費因子”中排前四位的分別是北京、天津、內蒙古以及吉林，經濟發展程度有高有低，但均為北方城市，即這類地區在醫療、穿著上花費最多

45、。這一方面是由于這些地區大部分都位于我國的北方和西部地區，四季分明，氣候差異較大，需購置的服裝種類以及數量均比較多。另一方面也是因為大部分為不發達地區，而且其中老國企較多，遺留下的退休職工更多，養老、醫療費用花費巨大。第三方面，不發達地區的年輕人都跑到發達地區打工，從而導致這些地區老齡化趨勢嚴重，護理和照顧老年人使得醫療費用大幅增加。發達地區外來打工人員居多，本地老年人比重相當較小，醫療費用少。因為人員的流動性，發達地區把養老的負擔&l

46、t;/p><p>　　聚類分析中，由表5可得，全國31個大中城市被分為四類。從地理位置、社會經濟發展水平和消費結構等方面看,第一類地區為東部沿海地區，經濟發展水平高，“主要消費因子”得分高，而“次要消費因子”得分較低。如上文所說，這與其氣候、人口年齡結構等相關。第二類地區主要是北方城市，經濟發展水平僅次于第一類，這類地區“主要消費因子”得分也高于全國水平，但“次要消費因子”得分最高，這與其寒冷的氣候、老工業區、國企聚

47、集有密切關系。第三類地區處于我國南部，經濟發展水平算不上發達，綜合評價略低于全國水平?！爸饕M因子”和“次要消費因子”都較低，除福州的“主要消費因子”略高于全國水平外，其他城市的兩種因子均低于全國水平，這主要是由于這類地區經濟發展水平不高，從而消費水平較低。第四類地區主要是我過中西部地區，這類地區經濟發展程度處于較低水平，“主要消費因子”最低，但由于氣候原因，其“次要消費因子”要比第三類地區高。</p><p>

48、;<b>　　5 結論與討論</b></p><p>　　本文運用因子分析和系統聚類分析方法對2012年上半年全國31個省份及直轄市城鎮居民消費結構進行地區差異研究，首先運用因子分析方法將全國城鎮居民八項消費指標進行降維，找出兩個公共因子，并根據這兩個公共因子對31個省份及直轄市進行聚類分析，以進行地域間的差異比較。</p><p>　　根據以上分析可以得到以下結論

49、：第一，城鎮居民消費結構最“主要的消費因子”包括食品、交通及通訊、居住、家庭設備用品及服務、娛樂教育文化、雜項商品及服務，而“次要消費因子”包括衣著和醫療保健。第二，根據居民消費結構的不同，全國可分為四類地區，在同一類地區上，居民的消費結構比較相似。第三，由地區居民消費結構與其社會經濟發展水平的高度一致性可以推知,居民消費結構與社會經濟發展水平相關，同時也與氣候條件、人口年齡結構等有一定關系。</p><p>　

50、　需要說明的是,本文只是一項初步的探索性研究,其中還存在有待進一步發展和完善的不足之處，如受資料所限，本文僅是某個時點上的橫向研究,只觀察到了2012年我國城鎮居民消費結構的地區差異,而沒有進行一般時期的動態研究來考察我國居民消費結構的變遷。</p><p><b>　　6 建議</b></p><p>　　根據以上研究結論，為了使居民消費結構更加合理，本文建議：&

51、lt;/p><p>　　首先，要保持經濟的快速增長，提高居民收入水平，有效拉動地區消費，培育優良的消費環境，規范消費市場，使居民逐漸樹立消費信心。</p><p>　　其次，從各地區在主因子得分上來看，我國東部與中、西部地區消費差異明顯，因而加快中、西部地區的經濟增長，改善其經濟結構，縮小其與東部地區在收入上的差距，不僅有助于本地區消費質量的提高，而且有助于使我國城鎮居民的消費質量上一個新的臺

52、階。</p><p>　　再次，要進一步完善包括住房、醫療、失業、養老等在內的社會保障體系，消除居民消費顧慮，同時適當保護低收入者，確保城市最低生活保障水平線；鼓勵居民多層次拓寬投資渠道，實現財產的不斷升值；加大對個體和私營經濟的扶持力度，切實提高經營者收益。</p><p>　　最后，還要清理那些抑制消費的不合理規定，打擊制造銷售假冒偽劣商品的行為，整頓市場秩序，改善售后服務，營造消費的

53、良好氛圍。</p><p><b>　　致 謝</b></p><p>　　本論文是在我們的老師xx的親切關懷和悉心指導下完成的。他嚴肅的態度，嚴謹的治學精神，精益求精的工作作風，深深地感染和激勵著我。從課題的選擇到項目的最終完成，xx都始終給予我們細心的指導和不懈的支持。</p><p>　　在論文即將完成之際，我的心情無法平靜，從開始

54、進入課題到論文的順利完成，有多少可敬的師長、同學、朋友給了我無言的幫助，在這里請接受我誠摯的謝意!</p><p>　　書到用時方恨少，在這篇論文的撰寫過程中，我們深感自己的水平還非常的欠缺。生命不息，學習不止，人生就是一個不斷學習和完整的過程。</p><p>　　參 考 文 獻</p><p>　　[1] 夏怡凡 《SPSS統計分析精要與實例詳解》.北京電

55、子工業出版社，2010.3</p><p>　　[2] 郭志剛 《社會統計分析方法——SPSS軟件應用》（第二版） 中國人民大學出版社</p><p>　　[3] 孫彩虹 我國城鎮居民消費結構變動的因子分析[J]. 重慶工商大學學報，2007（2）</p><p>　　[4] 陳彥玲 我國城鎮居民消費結構區域差異分析. 全國貿易經濟類核心期刊</p>

56、<p>　　[5] 劉思嘉 我國城鎮居民消費結構的聚類分析及政策建議.現代管理科學，2010（1）</p><p>　　[6] 孔蓓蓓 我國城鎮居民消費結構比較研究. 北方經濟，2010（11）</p><p>　　[7] 肖 萍，韓錦春 全國各地區農民家庭收支的聚類與判別分析[J].科技信息，2007（14）</p><p><b>