基于多元统计分析的城镇居民月消费结构差异

兰 婧

（鲁东大学，烟台 264025）

一、概述

随着人们生活水平的不断提高，消费观念也不断转变，影响人们消费的因素的占比也在不断提高。消费作为社会生产的源动力，是生产者生产产品的目的和导向，产品价格的变动也在一定程度上反映了市场及国家宏观经济的变化。为了客观了解城镇居民消费结构差异，本文运用SPSS软件来分析我国各地居民的消费结构差异，并提出市场价格调控的可行性建议。

二、数据来源说明

变量名称：人均粮食支出、人均衣着支出、人均副食支出、人均日用杂品支出、水电燃料支出、人均其他副食支出、人均其他非商品支出。

对应自变量：x1-x8

31个省、直辖市、自治区城镇居民月平均消费额。

数据来源：国家统计局。

三、分析方法

本文依照数据选取了8个影响因素指标，对我国31个地区的消费价格指数进行分析。由于数据变量具有相关性和相互依赖性，本文采用因子分析将数据进行降维，将数据简化，采用聚类分析的方法分析不同城市的消费价格指数分布，研究我国城镇居民消费相关情况和不同地区之间的消费构成差异性，根据统计规律和变化特点来为市场价格调控提出相关建议。

四、模型分析与建立

（一）聚类分析原理

聚类分析就是将个体或指标变量分类，使分到同一类别的对象之间的相似度更强。按照指标或者相关联系将相似样本分为一类，再将属于同一类的所有样本相互结合，直到把所有样本归类为同一种类型。

（二）因子分析原理

依据相关性将原始变量划分成小组，让同组的变量系数保持较高的状态，但是不同组的变量之间相关性不高，使每一个小组变量代表一个基本结构，且所有变量之间没有相关系数，这个结构称作公共因子。这样做的好处在于能在大量繁琐的数据信息中找到少数的几个公共因子，方便我们对复杂问题进行分析和研究。

（三）因子分析

1.适用性检验

（1）相关矩阵

（2）KMO和巴特利特的检验（表1）

从表1可以看出：KMO=0.644＞0.5，巴特利特球形度检验的伴随概率为0。这说明效度比较高，巴特利特球形度的检验结果为160.986，Sig=0.000，可以进行因子分析。

由表2可以看出，8个指标对所提取的公因子的依赖性都大于0.5，说明这8个指标对所提取的公因子有较高的相关性。

表2 8个指标对所提取的公因子的依赖性

2.提取主成分

（1）主成分解释的总方差（表3）

由表3可知，特征值大于1的主成分有两个，第一个主成分的特征值为4.206，可以解释初始变量52.576 %的信息；第二个主成分的特征值为1.390，可以解释初始变量17.369 %的信息；第三个主成分的特征值为0.916，小于1，但由于前两个因子的贡献度为69.945 %，因此考虑纳入第三个主成分。

表3 主成分解释的总方差

（2）成分矩阵（表4）

由表4可知，8个指标在第一个公因子上的荷载较高，这表明这8个指标与第一个公因子有较强的相关性，与第二个因子和第三个因子有不同程度的相关性，因此进行旋转分析。

表4 成分矩阵

（3）公因子的确定和因子的分析（表5）

由表5的旋转后的荷载阵可知，F1在人均衣着支出、人均其他副食支出、人均其他非商品支出、人均水电燃料支出这4个指标上有较大的荷载，为主要消费因子；F2在人均烟、酒、饮料支出和人均日用杂品支出这两个指标上有较大的荷载；F3在人均粮食支出，人均副食支出这两个指标上有较大的荷载；后两个共同因子为次要的消费因子。

表5 旋转成分矩阵

（4）成分矩阵系数矩阵（表6）

算出各个地区在三个因子下的得分：

F1=（-0.69）×X1+0.364×X2-0.156×X3+0.095×X4+0.21 5×X5+0.222×X6+0.388×X7+0.263×X8

F2=（-0.207）×X1-0.343×X2+0.165×X3+0.290×X4+0.5 73×X5+0.171×X6-0.172×X7+0.200×X8

F3=0.718×X1+0.274×X2+0.428×X3-0.042×X4-0.100×X5-0.166×X6-0.084×X7-0.213×X8

因子的综合得分函数：

F=0.4239×F1+0.3328×F2+0.2433×F3

（5）因子综合得分排名

由表6可知，第一因子上得分最高的5个地区依次为：广东、上海、福建、北京、天津；第二因子上得分最高的5个地区依次为：北京、浙江、上海、西藏、内蒙古；第三因子上得分最高的5个地区依次为：西藏、福建、云南、辽宁、安徽。从整体分析，城镇居民月平均消费最高的是北京、上海、浙江，城镇居民消费最低的是青海、河南、海南，综合得分为正的只有上海，低消费的省市比较多。

表6 成分矩阵系数矩阵

（四）聚类分析

（1）案例处理汇总（表7）

由表7可知，数据样本容量为31，没有无效样本。

表7 案例处理汇总

（2）聚类分析树状图

利用SPSS软件使用系统分析法的原理得到图1。

分析树状图，可把数据分成4个大类：第一类是西藏（25），第二类是北京（1）、上海（9）、浙江（11），第三类是天津（2）、辽宁（6）、福建（13）、广东（19），剩下的归为其他类。也可把数据分成3个大类：第一类是西藏（25），第二类是北京（1）、上海（9）、浙江（11），剩下的为其他类。其中，北京、上海、浙江都是国际化大都市，也是经济高速发展的“三角地区”，虽然它们的消费支出高于其他地区，但其商业经济带来的利润也促进了消费。天津、辽宁、福建虽然属于第三大类，但它们地处沿海，物资丰富，具有充分的发展机会，具有自己的优势。最后一类的陕西、宁夏、青海、甘肃、新疆等省市生产力水平偏低，居民消费支出目前主要是人均粮食支出，均与其他副食支出呈负相关。

五、结果分析

（一）西藏地区的城镇居民消费支出增长率较高

调查发现，西藏城镇居民消费支出以每年10 %的惊人速度增长，其中，青藏铁路的运行无疑给西藏地区带来了巨大的经济效益，促进了西藏人民的消费，城镇居民的消费支出也反映了一部分居民的收入情况。

（二）统计的样本不完全代表总体

由于此次研究的是城镇居民月平均的消费支出，所抽样统计的样本基于中国消费群体的中端，并不能完全代表总体。热门前三的地区北京、上海、浙江在第一因子、第二因子及综合得分的排名中都属于前列，由树状图可以明显地看出我国的消费水平还处于低迷状态，其消费结构和经济发展跟不上社会发展，这也说明我国各地区的消费差距还较大，贫富差距的攻坚战仍然要进行。

图1 聚类分析树状图

六、建议

（一）经济发展程度及快慢是决定居民消费水平的最根本原因

政府作为市场的调控者，应该制定扶持政策，缩小地区的经济差距，使地区发展的不平衡现象得到基本改善，加大计划经济及东西部支援力度，利用“以东带西”及“以强扶弱”战略，实现经济增长。

（二）加大居民医疗保障制度，提高工资收入，政策落实到住房、就业、教育、文化等方面

同时，要保障居民的合法权利，维护消费者的合法权利，依法严惩破坏消费环境的不法分子，打造一个安全、干净、透明、公平的消费环境。

（三）加强市场引导，改变人们的消费观念，尽可能引导人们理智消费

政府可以颁布有利于刺激消费的政策，纠正因为追赶潮流时尚或者盲目虚荣攀比而带来的畸形消费观念，预防消费市场的巨大价格变动。

（四）提高教育水平

教育水平的高低直接决定经济发展水平的快慢。人们受教育程度的高低也决定了我国是否能从能源社会过渡转变为可持续发展的社会，从而实现资源的循环，进而促进消费。政府目前可以提高教育扶持力度，减轻人们的教育支出压力，提高人们的消费欲望。