因子分析法下我国城镇居民消费构造实证研究.docx

《因子分析法下我国城镇居民消费构造实证研究.docx》由会员分享，可在线阅读，更多相关《因子分析法下我国城镇居民消费构造实证研究.docx（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、因子分析法下我国城镇居民消费构造实证研究摘要：居民消费需求缺乏是我国经济发展中的一个突出问题。要解决居民消费需求缺乏这一问题，就要对我国居民的消费整体水平有深化的了解。本文利用SPSS软件对2015年31个省份城镇居民个人消费性支出的八项指标进行了分析。为了更好地了解不同省市居民消费水安然平静消费构造的情况，本文利用因子分析法得到了两个影响居民消费构造的主成分，并计算出了因子综合得分进行分析。关键词：城镇居民消费;消费构造;因子分析一、因子分析法因子分析的基本思想是从协方差矩阵或相关矩阵出发，根据相关性大小把原始变量分组，使得同组内的变量之间相关性较高，而不同组的变量间的相关性则较低。每组变量

2、用一个不可观测的假想变量表示，将这个假想变量称为公共因子，这几个公共因子能够反映原始变量的主要信息。二、数据来源本文对我国31个省市2015年城镇居民的各地消费构造进行分析，数据来源于（中国统计年鉴2016年）。根据我国常用的消费支出分类方法，人均消费支出可分为食品烟酒、穿着、寓居、生活用品及服务、交统统信、教育文化及娱乐、医疗保健和其他用品及服务等八大类。依次用代号表示为：X1、X2、X3、X4、X5、X6、X7和X8。三、实证分析1.消费指标的相关性分析。首先将原始数据标准化，以消除变量间在量纲上的不同。把2015年全国31个省市作为样本，把8项指标作为变量，能够得到相关矩阵。从表中能够看

3、出，各项指标都呈正相关关系，且相关系数都比拟大，到达0.5以上的有22个79。这讲明我国城镇居民消费性支出的8项指标之间具有互相影响、互相促进的关系。2.因子分析的适用性检验。对于因子分析来讲，重点是研究怎样以最少的信息丢失，将诸多的原始变量浓缩成少数几个因子变量，因而要求变量之间具有很强的相关性。检验能否合适进行因子分析主要采用KMO和Bartlett的检验。本文数据的KMO测度值为0.846，接近于0.9，显著性水平为0.000，因而本文选取的样本合适作因子分析。3.提取因子。表1为公因子方差表，给出的是初始变量的共同度，其是衡量公共因子相对重要性指标。表1中的“提取行即为变量共同度的取值

4、，共同度取值为。由表1中的结果可知，这8个变量的共同度均大于0.5，且大部分都大于0.8，故表示提取的两个公因子能够很好的反映原始变量的主要信息。4.对旋转前的总的解释方差进行分析。解释的总方差表给出了每个公共因子所解释的方差及累计和。从“初始特征值一栏能够看出，前两个公共因子的特征值均大于1，解释的累计方差达82.739%，而后面的公共因子的特征值较小，对解释原有变量的奉献越来越小，因而提取两个公共因子是适宜的。5.旋转后的成份矩阵分析。未经旋转而得到的结果很容易导致多个主成分在同一个因子上有很大的载荷量，这对于解释变量会有一定的困难，为避免这种情况，需要进行因子旋转来进一步分析因子得分的情

5、况。第一主成分中相对较大的因子载荷量在X1、X3和X5这三个变量的系数分别到达了0.936，0.869和0.855。对于第二主成分来讲，能够看到在X2和X7两个变量上的系数比拟高，到达了0.863和0.834。而对于第二主成分而言，对其得分正面影响较大的是X2和X7，负向影响较大的是X1，这讲明，假如一个地区的穿着和医疗保健的消费水平较高，而对食品的消费较低，那么该地区第二主成分的得分就会比拟高。能够看出，第二主成分主要反映的是城镇居民对保障性需求的消费情况，这表明随着物质生活水平的不断提高，人们愈加注重身体健康和精神消费。总体上来讲，在居民的总消费支出中，食品消费固然仍占据着相当大的一部分，

6、但影响消费支出的主要因素已经不单单是食品支出这一方面。从以上的分析中，不难发现作为消费主力军的70-90年代人的消费观念已经有了很大的转变，消费重点已经过原来的物质产品消费转向对个人健康投资、提升个人素质的消费。7.各个主成分的因子得分和综合得分情况。为了更好地了解每个省市的消费情况并进行比照，综合以上的分析结果，我对各个省份的主成分得分情况及综合得分进行了排序。从中能够看出经济发达地区如北京、上海等地的消费能力明显比欠发达地区的消费水平高；沿海的地区如浙江、广东、福建、天津、海南等地消费水平较之内地的省份消费水平要高一些；北方与南方地区的消费构造差异较大，差异比拟明显的就是辽宁和海南，差距比拟悬殊。整体来看符合我国城镇居民的消费的实际情况。