SPSS统计分析案例(我国城镇居民消费结构及趋势的统计分析)

合集下载

spss案例数据分析

spss案例数据分析

Spss期末作业关于我国城镇居民消费结构及趋势的数据分析本次分析采用的数据来源于《中国统计年鉴—2011》,我选用的是其中的第十篇章—人民生活下的城镇居民家庭基本情况的相关数据,用以研究城镇居民消费结构及其趋势。

(附数据部分截图)(A)下面是我对该数据做的相关分析。

表一给出的是基本的描述性统计图,表中显示各个变量的全部观测量的均值、标准差和观测值总数N,表2给出的是相关系数矩阵表,其中显示4个变量两两之间的pearson相关系数,以及关于相关关系等于零的假设的单侧显著性检验概率。

描述性统计量均值标准差N 食品2744.0660 1802.80584 5 衣着775.8200 555.67616 5 居住694.1920 565.48222 5 家庭设备用品及服务488.2500 343.94006 5表1 描述性统计表表2 相关系数矩阵从表2中可以看出家庭设备用品及服务与食品、衣着之间相关系数分别为0.995、0.994,反映家庭设备用品及服务与食品、衣着之间存在显著的相关关系。

说明食品与衣着对家庭设备用品及服务条件的好转有显著的作用,此外食品与衣着之间,食品与居住之间,居住与衣着之间的相关系数分别为0.998、0.991、0.985,这说明他们之间也存在着显著的相关关系。

在这里还要提一下相关系数旁边的两个星号的意思,它表示显著性水平α为0.01时仍拒绝原假设,一个星号则表示显著性水平α为0.05时可拒绝原假设。

因此,两个星号比一个星号拒绝原假设犯错误的可能性更小。

(B)下面是做的回归分析表3给出了进入模型和被剔除的变量的信息。

从表中我们可以看出所有3个自变量都进入模型,说明我们的解释变量都是显著并且是有解释力的。

表4给出了模型整体拟合效果的概述,模型的拟合优度系数为1.000,反映了因变量于自变量之间具有高度显著的线性关系。

表里还显示了R平方以及经调整的R值估计标准误差表5给出了方差分析表我们可以看到模型的设定检验F统计量的值为411.727,显著性水平的P值为0.036。

用spss分析我国各省城镇居民消费水平差异

用spss分析我国各省城镇居民消费水平差异

用spss分析我国各省城镇居民消费水平差异分析文章结构1 研究背景及意义 (1)2 研究方法 (1)3 数据来源与数据处理 (2)4. 实证分析 (3)4.1因子分析 (3)4.2 聚类分析 (8)5 结论 (11)1 研究背景及意义我国地域广阔,各省份的经济发展很不平衡,各省之间的居民消费水平差距较大。

经济快速发展的同时我国居民收入稳步增加,各省居民的消费支出也强劲增长,消费结构发生了巨大变化。

为了正确引导消费,进一步改善消费结构,提高我国城市居民的消费水平和生活的质量,有必要对全国各省居民消费结构之间的异同进行考察并做比较研究,以期发现经济水平和城市居民的消费水平之间的关系.2 研究方法本文运用多元统计分析中的主成分分析方法和聚类分析方法,将描述各省份城镇居民全年现金消费支出的八个指标压缩成两个综合指标( 称为主成分) , 这两个主成分保留了原始八个指标的绝大部分信息,在指标压缩的同时能够最大限度地反映出各省份城镇居民消费水平差异。

在综合因子基础上进行层次聚类分析,根据消费差异将全国31个省分为四类。

因子分析模型是根据变量间的相关性大小,把变量分组,利用同组内的变量之间相关性较高而不同组的变量之间相关性较低,每组变量代表一个基本结构,这个基本结构称为公共因子。

因子分析的出发点是用较少的相互独立的因子变量来代替原来变量的大部分信息,可以通过下面的数学模型来表示:X1=α11F1+α12F2+…+α1m Fm+α1ε1,X2=α21F1+α222+…+α2m Fm+α2ε2,…Xp=αp1F1+αp2F2+…+αpm Fm+αpεp,其中:x1,x2,x3,…,xp 为p 个原有变量,是均值为零、标准差为1 的标准化变量;F1,F2,F3,…,Fm 为m 个因子变量,m 小于p,表示成矩阵形式为X=AF+αε,其中:F=(F1,F2,…,Fm)为因子变量或公共因子;ε=(ε1,ε2,…,εp)为特殊因子;F 与ε均为不可观测的随机变量. A=(αij)p×m 为因子载荷矩阵,αj 称为第j 个因子对第i 个变量的载荷系数. 在模型中,特殊因子起着残差的作用,被定义为彼此不相关且与公因子也不相关。

SPSS统计分析案例我国城镇居民消费结构及趋势的统计分析

SPSS统计分析案例我国城镇居民消费结构及趋势的统计分析

SPSS统计分析案例专业:经济学姓名:000学号:00000000一、我国城镇居民现状近年来,我国宏观形势发生了重大变化,经济速度加快,居民收入稳定增加,在国家连续出台住房、、医疗等各项改革措施和实施“刺激消费、扩大内需、拉动经济增长”经济政策的影响下,全国居民的消费支出也强劲增长,消费结构发生了显着变化,消费结构不合理现象得到了一定程度的改善。

本文通过相关数据分析出了我国城镇居民消费呈现富裕型、娱乐教育文化服务类消费攀升的趋势特点。

二、我国居民消费结构的横向分析?第一,食品消费支出比重随收入增加呈现出明显的下降趋势,这与恩格尔定律的表述一致。

但最低收入户与最高收入恩格尔系数相差太过悬殊,城镇最低收入户刚刚解决了温饱问题,而最高收入户的生活水平按照恩格尔系数的评价标准早已达到了富裕型,甚至接近最富裕型。

第二,衣着消费支出比重随收入增加缓慢上升,到高收入户又有所下降,但各收入组支出比重相差不大。

衣着支出比重没有更多的递增且最高收入户的支出比重有所下降,这些都符合恩格尔定律关于衣着消费的引申。

随着收入的增加,衣着支出比重呈现先上升后下降的走势。

事实上,在当前的价格水平和服装业的发展水平下,城镇居民的穿着是有一定限度的,而且居民对衣着的需求也不是无限膨胀的,即使收入水平继续提高,也不需要将更大的比例用于购买服饰用品了。

第三,家庭设备用品及服务、通讯、娱乐教育文化服务和杂项商品与服务的支出比重呈逐组上升趋势,说明居民的生活水平随收入的增加而不断提高和改善。

第四,医疗保健支出比重随收入水平提高呈现一种两端高、中间低的走势。

这是因为医疗保健支出作为生活必须支出,不论居民生活水平高低,都要将一定比例的收入用于维持自身健康,而且由于医疗制度改革,加重了个人负担的同时,也减小了旧制度可能造成的不同行业、不同体制下居民医疗保健支出的差别,因而不同收入等级的居民在医疗保健支出比重上差别不大。

第五,居住支出比重基本上呈先上升后下降的趋势,这与我国居民消费能级不断提升,住宅商品正在越来越成为城镇居民关注的热点是相吻合的,同时与恩格尔定律的引申也是一致的。

基于SPSS的全国城镇居民消费水平差异分析

基于SPSS的全国城镇居民消费水平差异分析

基于SPSS的全国城镇居民消费水平差异分析全国城镇居民消费水平差异分析是对全国不同城镇居民的消费水平进行比较和分析的研究。

本文将使用SPSS软件来进行统计分析和数据可视化,以便更好地理解全国城镇居民消费水平的差异。

一、数据收集和整理我们需要收集全国各城镇的消费水平数据。

可以通过调查问卷、官方统计数据或者是公开发布的数据来获得这些数据。

收集到的数据应包括以下几个方面的指标:人均可支配收入、食品消费支出、非食品消费支出、居住消费支出、交通通信消费支出、教育文化娱乐消费支出、医疗保健消费支出等。

然后,我们需要将收集到的数据整理成适合SPSS分析的形式。

可以使用Excel软件来整理数据,将不同城镇的数据分别放在不同的列中,并为每个指标添加适当的标签。

二、数据描述和概括统计在进行数据分析之前,首先需要对数据进行描述和概括统计。

可以使用SPSS软件中的“描述统计”功能来计算每个指标的平均值、标准差、最小值、最大值等。

这些统计指标可以帮助我们更好地了解数据的分布情况。

三、差异分析接下来,我们可以使用SPSS软件中的t检验或者方差分析等方法来比较不同城镇之间的消费水平差异。

在进行差异分析之前,需要对数据进行正态性检验和方差齐性检验。

正态性检验可以通过SPSS软件中的“相关-一样本Kolmogorov-Smirnov检验”来进行。

当样本满足正态分布假设时,我们可以使用t检验来比较两个城镇之间的差异。

如果样本不满足正态分布假设,我们可以使用方差分析来比较多个城镇之间的差异,即在因变量中考虑城镇这个分类变量,并进行多个分类的方差分析。

在SPSS软件中,可以使用“分组统计”功能来进行方差分析。

四、数据可视化数据可视化是对分析结果进行直观展示和解释的重要步骤。

可以使用SPSS软件中的图表功能来生成不同城镇消费水平的柱状图、折线图、箱线图等图形,以便更好地比较和展示数据的差异。

还可以根据需要生成散点图、气泡图等,将不同城镇的消费水平与其他指标(如居住面积、教育水平等)进行关联分析,以探索不同因素对消费水平的影响。

用spss分析我国各省城镇居民消费水平差异

用spss分析我国各省城镇居民消费水平差异

用spss分析我国各省城镇居民消费水平差异分析文章结构1 研究背景及意义 (1)2 研究方法 (1)3 数据来源与数据处理 (2)4. 实证分析 (3)4.1因子分析 (3)4.2 聚类分析 (8)5 结论 (11)1 研究背景及意义我国地域广阔,各省份的经济发展很不平衡,各省之间的居民消费水平差距较大。

经济快速发展的同时我国居民收入稳步增加,各省居民的消费支出也强劲增长,消费结构发生了巨大变化。

为了正确引导消费,进一步改善消费结构,提高我国城市居民的消费水平和生活的质量,有必要对全国各省居民消费结构之间的异同进行考察并做比较研究,以期发现经济水平和城市居民的消费水平之间的关系.2 研究方法本文运用多元统计分析中的主成分分析方法和聚类分析方法,将描述各省份城镇居民全年现金消费支出的八个指标压缩成两个综合指标( 称为主成分) , 这两个主成分保留了原始八个指标的绝大部分信息,在指标压缩的同时能够最大限度地反映出各省份城镇居民消费水平差异。

在综合因子基础上进行层次聚类分析,根据消费差异将全国31个省分为四类。

因子分析模型是根据变量间的相关性大小,把变量分组,利用同组内的变量之间相关性较高而不同组的变量之间相关性较低,每组变量代表一个基本结构,这个基本结构称为公共因子。

因子分析的出发点是用较少的相互独立的因子变量来代替原来变量的大部分信息,可以通过下面的数学模型来表示:X1=α11F1+α12F2+…+α1m Fm+α1ε1,X2=α21F1+α222+…+α2m Fm+α2ε2,…Xp=αp1F1+αp2F2+…+αpm Fm+αpεp,其中:x1,x2,x3,…,xp 为p 个原有变量,是均值为零、标准差为1 的标准化变量;F1,F2,F3,…,Fm 为m 个因子变量,m 小于p,表示成矩阵形式为X=AF+αε,其中:F=(F1,F2,…,Fm)为因子变量或公共因子;ε=(ε1,ε2,…,εp)为特殊因子;F 与ε均为不可观测的随机变量. A=(αij)p×m 为因子载荷矩阵,αj 称为第j 个因子对第i 个变量的载荷系数. 在模型中,特殊因子起着残差的作用,被定义为彼此不相关且与公因子也不相关。

基于SPSS的全国城镇居民消费水平差异分析

基于SPSS的全国城镇居民消费水平差异分析

基于SPSS的全国城镇居民消费水平差异分析全国城镇居民消费水平的差异分析是一个重要的社会经济问题,它关系到国家的经济发展和居民生活水平的提高。

本文将基于SPSS软件对全国城镇居民消费水平的差异进行分析,以了解各地区之间的消费差异,并从政府政策制定的角度,提出相应的对策。

我们需要准备全国城镇居民消费水平数据。

这些数据可以从国家统计局、各地区的统计局等机构获取。

数据包括各省、直辖市和自治区的城镇居民的平均消费水平,可以是每人每月的消费金额或者每人每年的消费金额。

在SPSS中,我们可以使用描述性统计功能对数据进行初步的分析。

我们可以计算各地区的平均消费水平,并绘制柱状图或饼图来显示各地区的消费水平差异。

通过观察图表,我们可以看出各地区之间的消费差异的大致情况。

接下来,我们可以使用方差分析功能对消费水平差异进行更深入的分析。

方差分析可以帮助我们判断各地区的消费差异是否具有统计学上的显著性。

我们可以使用城镇居民消费水平作为因变量,地区作为自变量,并进行方差分析。

如果方差分析的结果表明各地区的消费差异具有统计学上的显著性,那么我们可以进一步使用事后多重比较方法(如Tukey HSD方法)对各地区的消费水平进行比较,找出具体哪些地区之间的差异是显著的。

我们还可以使用回归分析功能来分析城镇居民消费水平的影响因素。

我们可以将城镇居民的消费水平作为因变量,将一些可能影响消费水平的因素作为自变量,如人均可支配收入、就业率、教育水平等。

通过回归分析,我们可以了解这些自变量对于城镇居民消费水平的影响程度,以及各个因素之间的相互关系。

基于分析的结果,政府可以制定相应的政策来提高城镇居民的消费水平。

如果某些地区的消费水平较低,政府可以采取措施来促进当地经济的发展,提高居民的收入水平,以提高消费水平。

政府也可以通过改善当地的消费环境、鼓励消费创新等方式来提高城镇居民的消费水平。

我国城镇居民人均消费的SPSS统计分析报告

我国城镇居民人均消费的SPSS统计分析报告

2013年我国城镇居民人均消费的SPSS统计分析一、搜集到的2013年我国31个城市城镇居民人均消费水平的数据数据来源:国家统计局/workspace/index?m=hgnd 二、对数据的基本分析在数据文件建立好后,通常还需要对待分析的数据进行必要的预加工处理,这是数据分析过程中不可缺少的一个关键环节.(一)、对数据按人均消费(expend)进行降序排列操作步骤:(1):选择“数据”→“排序个案”菜单项(2):将“人均消费(expend)”选入“排序依据”列表框,选中“降序”(3):点击“确认”按钮,生成如下降序排列的数据集由数据的降序排列可以看出,全国只有上海、北京、广东等九个城市的城镇人均消费在全国城镇人均消费水平以上.(二)、作出人均收入和人均消费的直方图操作步骤:(1):选择“图形”,打开“图表构建程序”菜单项(2):从“库”中选择“直方图”将其拉入“图表预览使用数据实例”(3):将变量“地区”设置为x轴,将“人均收入”和“人均消费”设置为y轴(4):点击“确认”按钮,即生成如下直方图通过一个复合条形图,可以很明确的发现我国城镇居民生活水平存在很大的地区差异,地区发展很不平衡,从图中的生活消费支出和人均收入来看,北京,上海,浙江这些省市城镇居民消费水平最高,人均收入也是最高的,各省市的城镇居民消费水平差异较大,大多数省份城镇居民人均消费集中在15000元左右.(三)、对数据按照人均消费作出直方图,以统计我国农村人均消费的水平1、首先对数据分组,分组数目的确定.lg n,计算得组数为6.按照Sturges提出的经验公式来确定组数K,K=1+2lg2、确定组距组距=(最大值-最小值)/组数=(28155.00-12231.90)/6=2653.85,可近似取值为3000.00元.操作步骤:(1):选择“转换”→“可视离散化”菜单项,将“人均消费”选入“要离散的变量”列表框中,单击“继续”按钮进入主对话框.(2):单击“生成分割点”按钮,设定分割点数量为6,宽度为3000.00,可见系统会自动会填充第一个分割点的位置为12231.90,单击“应用”返回到主对话框.(3):此时可以看到下部数值标签网格里的“值”列已被自动填充,单击“生成标签”按钮,是标签列也得到自动填充.(4):将离散的变量名设定为expendNew.(5):单击“确定”按钮.3、频数分析操作步骤:(1):选择“分析”→“描述统计”→“频率”,打开频率对话框.(2):选定“expendNew”,点击“图表”,选择“条形图”点击继续.(3):点击“确认”,生成如下三张表.Statistics人均消费(已离散化)N Valid 32Missing 0Mean 3.13Median 3.00Std. Deviation 1.314Minimum 1Maximum 7Percentiles 25 2.0050 3.0075 3.75人均消费(已离散化)Frequency Percent Valid Percent Cumulative Percent Valid <= 12231.90 1 3.1 3.1 3.110 31.3 31.3 34.412231.91 -15231.9015231.91 -13 40.6 40.6 75.018231.903 9.4 9.4 84.418231.91 -21231.903 9.4 9.4 93.821231.91 -24231.9024231.91 -1 3.1 3.1 96.927231.9027231.91+ 1 3.1 3.1 100.0 Total 32 100.0 100.0由上图的频数分析可以看出,我国2013年城镇居民人均消费支出集中在第二组和第三组,大约占到百分之七十.由于在表格中不存在缺失值,因此频数分布表中的百分比和有效百分比相同.从此次分析中可以看出,我国城镇家庭居民人均消费的总体水平比较集中,大约在12000元--18000元之间,还有少数省市的消费水平处在中等阶段,而有上海、北京、浙江等一些经济较发达的地区的城镇家庭居民人均消费达到了21000元以上.三、对数据的回归分析(一)、作出人均收入与消费支出散点图,以观察他们的线性关系如何操作步骤:(1):选择“图形”,打开“图表构建程序”菜单项(2):从“库”中选择“散点图”将其拖入“图表预览使用数据实例”(3):将“人均收入”选定为x轴,将“人均消费”选定为y轴(4):点击“确认”生成如下散点图由散点图可以看出,人均消费Y和人均收入X大概呈一元线性关系,因此可以建立一元线性模型进行回归分析.(二)假设回归模型为Y=a+b X,其中,Y表示城镇人均消费支出,为被解释变量,X表示人均收入,为解释变量,b为回归系数.操作步骤:(1)选择“分析”→“回归”→“线性”菜单项,打开“线性回归”对话框.(2)将“人均消费”选入“因变量”列表框,将“人均收入”选入“自变量”列表框.(3)单击“确定”按钮.得到如下(1)、(2)、(3)、(4)四张表格,依次分析如下:表(1):移入/移出的变量Variables Entered/Removed bModel VariablesEnteredVariablesRemoved Method1 人均收入a. EnterVariables Entered/Removed bModel VariablesEnteredVariablesRemoved Method1 人均收入a. Entera. All requested variables entered.b. Dependent Variable: 人均消费从上表可以看出,放入模型的变量只有一个即“人均收入”,选择变量的方法为强行进入法,也就是说将所有的自变量都放入模型中,模型的因变量为“人均消费”.表(2):模型汇总Model SummaryModel R R Square Adjusted RSquareStd. Error of theEstimate1 .960a.922 .920 1106.90715a. Predictors: (Constant), 人均收入上表是对模型的简单汇总,其实就是对回归方程拟合情况的描述,通过这张表可以知道相关系数R=0.960,决定系数2R=0.922,调整决定系数2R=0.920,和回归系数的标准误=31106.90715.由于决定系数接近于1,说明模型的拟合程度较好.表(3):方差分析表ANOVA bModel Sum of Squares df Mean Square F Sig.1 Regression 4.353E8 1 4.353E8 355.256 .000aResidual 36757303.474 30 1225243.449Total 4.720E8 31a. Predictors: (Constant), 人均收入b. Dependent Variable: 人均消费F=355.256,P=0.000<0.05,表明回归方程高度显著,即农民人均收入对消费有高度影响.表(4):系数Coefficients aModel Unstandardized CoefficientsStandardizedCoefficientst Sig.B Std. Error Beta1 (Constant) 1897.504 835.983 2.270 .031人均收入.599 .032 .960 18.848 .000 a. Dependent Variable: 人均消费由上表知a=1897.504,b=0.599,由此可以得出以下回归方程:人均消费Y=1897.504+0.599人均收入X上述回归方程给出了如下信息:2013年中国城镇居民人均可支配收入增加1元,人均消费支出增加0.599元.四、单样本的T检验(一):由频数分析可知,分组后,全国31个省市的城镇家庭居民平均每人生活消费支出合计,大约有23个城市都集中在第一组,数额主要12231.91——18231.90元之间,其中在15231.91 - 18231.90之间的占到了百分之四十,因此可推断,全国农村家庭居民平均每人生活消费支出的平均数应该在15000--20000元之间,假设为18000元,由于该问题涉及的是单个总体,且要进行总体均值检验,同时农村家庭居民平均每人消费的总体可近似认为服从正态分布,因此,应采用单样本t检验来分析推断全国农村家庭居民人均消费的平均值是否为18000元.分析结果如下:(二):操作步骤:1、选择“分析”→“比较均值”→“单样本天t检验”菜单项,打开“单样本t检验”对话框如下图所示:2、单击“确定”按钮.生成如下两张图表:表(1):One-Sample StatisticsN Mean Std. Deviation Std. Error Mean人均消费32 17216.6031 3902.16064 689.81106表(2):One-Sample TestTest Value = 18000t df Sig. (2-tailed)MeanDifference95% Confidence Interval of theDifferenceLower Upper人均消费-1.136 31 0.265 -783.39688 -2190.2758 623.4821 由表(1)可知样本均值为17216.6031,低于基准线18000.00,标准差3902.16064,均值标准差689.81106.由表(2)为单样本t检验的分析结果,第一行注明了用于比较的假设总体均数为18000,下面从左到右依次为t值、自由度、p值、两均数的差值、差值.根据上面的检测结果t=-1.136,p=0.256,由于p>0.05,所以不能拒绝原假设,可以认为人均消费水平在18000元.同时,可知全国城镇居民2013年人均消费在95%的置信水平下的置信区间为:(15809.7242,18623.4821).五、非参数检验——多配比样本分参数检验数据中我国城镇家庭居民人均消费包括食品、衣着、居住、家庭设备、交通及通讯、文教娱乐、医疗保健、和其他8个指标,为了比较清楚的了解这8项指标对我国城镇居民人均消费总体的影响,以及其大概的消费动向,可以利用多配比样本的非参数检验Friedman 检验对各个指标进行检验.(一):操作步骤:(1)选择“分析”→“非参数检验”→“旧对话框”→“k个相关样本”菜单项,打开如下对话框:(2):单击“确定”按钮,得到如下两张表格:表(1):RanksMean Rank食物消费8.00衣物消费 5.09居住消费 4.50家居设备 2.66交通通讯 6.38医疗保健 2.34文教娱乐 5.88其它 1.16表(2):Test Statistics aN 32Chi-Square 198.604df 7Asymp. Sig. .000a. Friedman Test(二)、结果分析检验结果中的p值小于给定水平0.05,故拒绝原假设,认为八个指标对我国城镇居民人均消费的影响是有显著差异的.由表(1)知食物消费对人均消费的影响最大,其次是交通通讯和衣物消费,而影响最小的是其它.六、因子分析在研究我国城镇居民的消费情况时收集了食物、衣物、居住等八个影响居民消费情况的因素,以期对问题能够有比较全面、完整的把握和认识.由于数据过多,在实际建模时,这些变量未必能真正发挥预期的作用,会给统计分析带来许多问题,可以表现在:计算量的问题和变量间的相关性问题.为了解决这些问题,最简单和最直接的解决方案是削减变量个数,但这又必然会导致信息丢失和信息不完整等问题的产生.为此,人们希望探索一种更有效的解决方法,它既能大大减少参与数据建模的变量个数,同时也不会造成信息的大量丢失.因子分析正是解决这种问题的方法.(一)操作步骤(1)、选择菜单“分析”→“降维”→“因子分析”,出现因子分析对话框;(2)、把参与因子分析的样本选到变量对话框中,如下图:(3)单击“确定”按钮,得到如下11张图:图(1)原有变量的相关系数矩阵:Correlation Matrix食物消费衣物消费居住消费家居设备医疗保健交通通讯文教娱乐其它Correlatio n 食物消费1.000 .288 .656 .744 .295 .787 .782 .732衣物消费.288 1.000 .337 .517 .694 .368 .374 .634居住消费.656 .337 1.000 .676 .505 .849 .750 .771家居设备.744 .517 .676 1.000 .441 .830 .853 .767医疗保健.295 .694 .505 .441 1.000 .479 .414 .600交通通讯.787 .368 .849 .830 .479 1.000 .860 .782文教娱乐.782 .374 .750 .853 .414 .860 1.000 .831 其它.732 .634 .771 .767 .600 .782 .831 1.000从上图可以看到,大部分的相关系数都较高,各变量呈较强的线性关系,能够从中提取公共因子,适合进行因子分析.图(2)巴特利特球度检验和KMO检验KMO and Bartlett's TestKaiser-Meyer-Olkin Measure of Sampling Adequacy. .833Bartlett's Test of Sphericity Approx. Chi-Square 233.009df 28Sig. .000由上图知,巴特利特球度检验统计量的观测值为233.009,相应的概率p为0.如果给出的显著性水平为0.05,由于概率p小于显著性水平,应拒绝零假设,认为相关系数矩阵与单位阵有显著地差异.同时,KMO值为0.833,根据Kaiser 给出了KMO度量标准可知原有变量适合进行因子分析.图(3)因子分析的初始解CommunalitiesInitial Extraction食物消费 1.000 .798衣物消费 1.000 .862居住消费 1.000 .750家居设备 1.000 .812医疗保健 1.000 .821交通通讯 1.000 .897文教娱乐 1.000 .885其它 1.000 .872Extraction Method: PrincipalComponent Analysis.由上图第二列可知,所有变量的共同度均较高,各个变量的信息丢失较少.因此,本次因子提取的总体效果较理想.图(4)因子解释原有变量总方差的情况:Total Variance ExplainedComponent Initial Eigenvalues Extraction Sums of SquaredLoadingsRotation Sums of SquaredLoadingsTotal% ofVarianceCumulative % Total% ofVarianceCumulative % Total% ofVarianceCumulative %1 5.504 68.794 68.794 5.504 68.794 68.794 4.524 56.545 56.5452 1.192 14.898 83.692 1.192 14.898 83.692 2.172 27.147 83.6923 .473 5.910 89.6024 .258 3.222 92.8245 .237 2.961 95.7856 .178 2.227 98.0127 .091 1.136 99.1478 .068 .853 100.000Extraction Method: Principal Component Analysis.上图◎第一组数据项描述了初始因子解的情况.可以看到,第一个因子解的特征根值为 5.504,解释原有八个变量总方差的68.794%,累计方差贡献率为68.794%.其余数据含义类似.在初始解中由于提取了八个因子,因此原有变量的总方差均被解释掉.◎第二组数据项描述了因子解的情况.可以看到,由于指定提取两个因子,两个因子共解释了原有变量总方差的83.692%.总体上,原有变量的信息丢失较少,因子分析效果较理想.◎第三组数据项描述了最终因子解的情况.可见,因子旋转后,累计方差比没有改变,也就是没有影响原有变量的共同度,但却重新分配了各个因子解释原有变量的方差,改变了各因子的方差贡献,使得因子更容易解释.图(5)因子的碎石图:上图横坐标为因子数目,纵坐标为特征根.可以看到,第一个因子的特征根值很高,对原有变量的贡献最大;第3个以后的因子特征根都较小,对解释原有变量的贡献很小,已经成为可被忽略的“高山脚下的碎石”,因此提取两个因子是合适的.图(6)因子载荷矩阵:Component Matrix aComponent1 2其它.929 .097交通通讯.921 -.222文教娱乐.909 -.241家居设备.895 -.103居住消费.854 -.143食物消费.822 -.350衣物消费.599 .710医疗保健.635 .646a. 2 components extracted.上图因子载荷矩阵是因子分析的核心内容.根据该表可以写出本案例的因子分析模型:其它=0.9291f +0.0972f 交通通讯=0.9211f -0.2222f 文教娱乐=0.9091f -0.2412f 家居设备=0.8951f -0.1032f 居住消费=0.8541f -0.1432f 食物消费=0.8221f -0.3502f 衣物消费=0.5991f +0.7102f 医疗保健=0.6351f +0.6462f 由上表知,八个变量在第一个因子上的载荷都很高,意味着他们与第一个因子的相关度高,第一个因子很重要. 图(7)旋转后的因子载荷矩阵:Rotated Component Matrix aComponent 1 2交通通讯 .915 .244 文教娱乐 .914 .222 食物消费 .889 .084 家居设备 .836 .336 居住消费 .819 .281 其它 .770 .528 衣物消费 .188 .909 医疗保健 .250.871a. Rotationconvergedin3 iterations.由上图知,交通通讯、文教娱乐、食物消费、家居设备、居住消费、其它在第一个因子上有较高的载荷,第一个因子主要解释了这几个变量;衣物消费、医疗保健在第二个因子上的载荷较高,第二个因子主要解释了这几个变量.图(8)因子旋转中的正交矩阵Component Transformation MatrixComponent 1 21 .879 .4772 -.477 .879图(9)因子协方差矩阵:Component Score Covariance MatrixComponent 1 21 1.000 .0002 .000 1.000从上表可以看出,两因子没有线性相关性,实现了因子分析的设计目标.图(10)旋转后的因子载荷图:由上图可以直观的看出,衣物消费和食物消费比较靠近两个因子坐标轴,表明如果分别用第一个因子刻画食物消费,用第二个因子刻画衣物消费,信息丢失较少,效果较好.图(11)因子得分系数矩阵:Component Score CoefficientMatrixComponent1 2食物消费.271 -.187衣物消费-.188 .576居住消费.194 -.032家居设备.184 .001医疗保健-.157 .532交通通讯.236 -.084文教娱乐.241 -.099其它.110 .152根据上表可以得到以下因子得分函数:F=0.271食物消费-0.188衣物消费+0.194居住消费+0.184家居设备-0.157医1疗设备+0.236交通通讯+0.241文教娱乐+0.110其它F=-0.187食物消费+0.576衣物消费-0.032居住消费+0.001家居设备+0.532 2医疗设备-0.084交通通讯-0.099文教娱乐+0.152其它可见计算两个因子得分变量的变量值时,食物消费和衣物消费的权重较高,但方向恰好相反,这与因子的实际含义是相吻合的.七、实验心得本科的时候有概率统计和数理分析的基础,但是从来没有接触过应用统计分析的东西,SPSS也只是听说过,从来没有学过.一直以为这一块儿会比较难,这学期最初学的时候,因为没有认真看教材,课下也没有认真搜集相关资料,所以学起来有些吃力,总感觉听起来一头雾水.老师说最后的考核是通过提交学习报告,然后我从图书馆里借了些教材查了些资料,发现很多问题都弄清楚了.结合软件和书上的例子,实战一下,发现SPSS的功能相当强大.这门课要学习完了,整个学习的过程是充满曲折和挑战的,我见证了自己从一无所知到困惑迷茫再到略懂再到会用的过程.甚至学完之后有些问题还没有彻底搞清楚,自己接下来还会不断的探索的.SPSS是个很神奇的工具,结合AMOS和EXCEL更是如虎添翼,相信学习了SPSS在以后的论文和数据分析中很有用.这门课给我的感觉是看起来很难,但是实际学起来就好很多,因为当我结合具体实例和软件的时候,很多抽象的问题就豁然开朗了.但是想给老师一个建议,这门课需要很强的统计和概率论的基础,要不然就会很难听懂或者听得半懂.然后这门课的很多方法的相关资料都是用在医疗卫生、自然科学领域的,在管理中的应用的资料不怎么多.老师希望我们上课的时候结合在管理中的应用来学习,但是资料有限,希望老师在这个方面多给学生一些引导.。

基于SPSS的全国城镇居民消费水平差异分析

基于SPSS的全国城镇居民消费水平差异分析

基于SPSS的全国城镇居民消费水平差异分析背景:随着经济的快速发展,中国城镇居民的消费水平也在不断提高。

不同地区的消费水平差异较大,特别是经济发展水平和消费观念不同的地区。

了解全国城镇居民消费水平的差异对于制定有效的经济政策和消费策略具有重要意义。

目的:本研究旨在使用SPSS软件对全国城镇居民消费水平的差异进行分析,以便更好地了解和解释这些差异,并为相关决策提供科学依据。

研究方法:1. 数据收集:通过调查问卷收集全国城镇居民的消费水平数据。

问卷内容涵盖了相关消费指标,如个人收入、家庭年收入、教育水平、职业等。

2. 数据预处理:对收集的数据进行清洗和整理,确保数据的准确性和完整性。

进行缺失值和异常值的处理,以避免数据分析时的误差。

3. 描述性统计分析:使用SPSS软件进行描述性统计分析,计算各个变量的平均值、标准差、最大值和最小值等。

通过这些统计指标了解全国城镇居民消费水平的整体分布情况。

4. 单因素方差分析:使用单因素方差分析检验不同地区的城镇居民消费水平是否存在显著差异。

将消费水平作为因变量,地区作为自变量,使用SPSS软件进行方差分析,得出各地区之间是否存在显著性差异。

5. 多因素方差分析:对于可能影响消费水平的多个因素,如个人收入、教育水平和职业等,使用多因素方差分析检验它们对城镇居民消费水平的影响。

通过SPSS软件进行多因素方差分析,统计各个因素的主效应和交互效应。

分析结果:通过上述分析,我们可以得到全国城镇居民消费水平的整体分布情况以及不同地区之间的消费水平差异。

还可以了解不同因素对消费水平的影响程度,从而为相关政策和策略的制定提供科学参考。

结论与启示:全国城镇居民消费水平的差异较大,不同地区的消费水平具有显著性差异。

个人收入、教育水平和职业等因素对消费水平有一定的影响。

根据分析结果,可以制定针对性的经济政策和消费策略,促进城镇居民消费的合理增长,并提高整体消费水平。

PS: 此回答仅供参考,具体的数据收集和分析方法还需要根据实际情况进行调整和优化。

我国城镇居民消费结构的SPSS分析

我国城镇居民消费结构的SPSS分析

我国城镇居民消费结构的SPSS分析11级国贸(1)班张子昂学号:1104111027摘要:近年来,我国城镇居民的整体消费水平逐渐提高,但各地区间的消费结构仍存在较大差别。

本文对我国2009 年城镇居民消费结构进行实证分析,简述数据选取、实证方法的变革与演进等,系统分析消费结构的特点及产生原因,为国家制定消费政策及后续研究提供相应参考性意见。

关键词:消费结构;相关分析;因子分析;政策建议1 前言随着我国经济的快速发展,城镇居民的收入不断增加,在国家连续出台住房、教育、医疗等各项改革措施和实施“刺激消费、扩大内需、拉动经济增长”经济政策的影响下,我国各地区城镇居民的消费支出呈现出强劲增长的势头,消费结构发生了巨大的变化,结构不合理的现象也得到了一定程度的调整。

但是,由于各地区的经济发展不平衡及原有经济基础的差异,各地区的消费结构仍存在着明显差别。

为了进一步改善消费结构,正确引导消费,提高我国城市居民的消费水平和生活质量,有必要考察我国各地区城镇居民的消费结构之间的异同并进行比较研究,以期发现特点和规律,从宏观上把握各地区城镇居民的消费现状和不同地区消费水平的差异,为提高我国各地区消费水平和谐增长提供决策依据。

正确把握城镇居民消费结构,了解消费需求变动的规律,不仅在理论分析中有重要的地位,而且对于提高城镇居民的消费质量和档次有着重要的现实意义。

2 数据分析这些指标基本上可以从中国统计年鉴上取得,且反应了城镇经济发展情况和居民消费水平,其原始数据如表1、表2 。

表1 平均每人消费性支出 (元)从图中可以看出,平均可支配性收入是呈现逐步上升趋势的,从1990年的150.16元上升到2009年的17174.65元。

在平均每人消费支出中,也和可支配性收入呈现正相关的关系,随着可支配性收入的稳步增加,平均每人消费性支出(元),从1990年的1278.89元,1995年3537.57元,2000年4998.00元,2008年11242.8元,2009年12264.55元。

(完整word版)应用统计学 利用spss进行居民消费结构变化的分析

(完整word版)应用统计学 利用spss进行居民消费结构变化的分析

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。

图一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。

图二三因子分析法步骤及结果分析1相关性分析图三先进相关性分析,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。

我国居民人均消费结构研究 基于SPSS软件分析

我国居民人均消费结构研究  基于SPSS软件分析

引言
引言
消费结构是指人们在一定时期内对各类商品和服务的消费支出比例。随着经 济的发展和人民生活水平的提高,我国居民消费结构发生了显著变化。这种变化 对于人们生活质量的提高和经济社会的发展具有重要影响。本次演示通过利用 SPSS软件,对我国居民人均消费结构的演变进行分析,以揭示其内在规律和特点。
文献综述
结论
结论
本次演示基于SPSS软件分析,揭示了2006年至2016年间我国居民人均消费结 构的变化趋势。总体来看,消费结构在不断优化,但同时也存在一些问题,如食 品类支出占比下降、不同地区和收入层次居民消费结构差异等。政策制定者应这 些问题,进一步优化消费结构,促进经济社会可持续发展。
参考内容
摘要
我国居民人均消费结构研究 基于SPSS软件分析
01 摘要
03 文献综述
目录
02 引言 04 研究方法
目录
05 结果与讨论
07 参考内容
06 结论
摘要
摘要
本次演示利用SPSS软件,对2006年至2016年间我国居民人均消费结构的变化 进行了深入研究。研究发现,这一时期内居民消费结构发生了显著变化,呈现出 不同商品和服务消费项目的增长趋势。本次演示旨在揭示消费结构变化对人们生 活的影响,为政策制定者提供有价值的参考依据。
文献综述
已有研究表明,我国居民人均消费结构在不同时期表现出不同的特点。早期 研究主要采用定性描述和简单统计方法,分析了不同收入水平对消费结构的影响。 随着数据的丰富和研究方法的改进,学者们开始运用多元统计分析、模型拟合等 方法,对消费结构问题进行深入研究。然而,大多数研究集中在国家或地区层面, 针对我国居民人均消费结构的变化研究尚不充分。
结果与讨论

应用SPSS分析居民消费

应用SPSS分析居民消费

我国各地区城镇居民消费支出结构的因子分析一.实验数据描述X1-食品 X2-衣鞋 X3- 家庭设备 X4-医疗保健 X5-交通与通讯 X6-文教娱乐 X7-居住 X8-杂项商品与服务2012年我国各省市城镇居民家庭平均每人全年消费性支出数据地区 1x2x3x4x5x6x7x8x北京 2959.19 730.79 749.41 513.34 467.87 1141.82 478.42 457.64 天津 2459.77 495.47 697.33 302.87 284.19 735.97 570.84 305.08 河北 1495.63 515.90 362.37 285.32 272.95 540.58 364.91 188.63 山西 1406.33 477.77 290.15 208.57 201.50 414.72 281.84 212.10 内蒙古 1303.97 524.29 254.83 192.17 249.81 463.09 287.87 192.96 辽宁 1730.84 553.90 246.91 279.81 239.18 445.20 330.24 163.86 吉林 1561.86 492.42 200.49 218.36 220.69 459.62 360.48 147.76 黑龙江 1410.11 510.71 211.88 277.11 224.65 376.82 317.61 152.85 上海 3712.31 550.74 893.37 346.93 527.00 1034.98 720.33 462.03 江苏 2207.58 449.37 572.40 211.92 302.09 585.23 429.77 252.54 浙江 2629.16 557.32 689.73 435.69 514.66 795.87 575.76 323.36 安徽 1844.78 430.29 271.28 126.33 250.56 513.18 314.00 151.39 福建 2709.46 428.11 334.12 160.77 405.14 461.67 535.13 232.29 江西 1563.78 303.65 233.81 107.90 209.70 393.99 509.39 160.12 山东 1675.75 613.32 550.71 219.79 272.59 599.43 371.62 211.84 河南 1427.65 431.79 288.55 208.14 217.00 337.76 421.31 165.32 湖北 1783.43 511.88 282.84 201.01 237.60 617.74 523.52 182.52 湖南 1942.23 512.27 401.39 206.06 321.29 697.22 492.60 226.45 广东 3055.17 353.23 564.56 356.27 811.88 873.06 1082.82 420.81 广西 2033.87 300.82 338.65 157.78 329.06 621.74 587.02 218.27 海南 2057.86 186.44 202.72 171.79 329.65 477.17 312.93 279.19 重庆 2303.29 589.99 516.21 236.55 403.92 730.05 438.41 225.80 四川 1974.28 507.76 344.79 203.21 240.24 575.10 430.36 223.46 贵州 1673.82 437.75 461.61 153.32 254.66 445.59 346.11 191.48 云南 2194.25 537.01 369.07 249.54 290.84 561.91 407.70 330.95 西藏 2646.61 839.70 204.44 209.11 379.30 371.04 269.59 389.33 陕西 1472.95 390.89 447.95 259.51 230.61 490.90 469.10 191.34 甘肃1525.57472.98328.90219.86206.65449.69249.66228.19青海1654.69 437.77 258.78 303.00 244.93 479.53 288.56 236.51宁夏1375.46 480.89 273.84 317.32 251.08 424.75 228.73 195.93新疆1608.82 536.05 432.46 235.82 250.28 541.30 344.85 214.40二、实验操作步骤Step01:打开数据文件,进入SPSS Statistics数据编辑器窗口,在菜单栏中依次单击“分析”│“降维”│“因子分析”选项卡,将“X1”、“X2”……“X8”变量选入“变量”列表。

SPSS统计分析案例(我国城镇居民

SPSS统计分析案例(我国城镇居民

SPSS统计分析案例一、我国城镇居民现状近年来,我国宏观经济形势发生了重大变化,经济发展速度加快,居民收入稳定增加,在国家连续出台住房、教育、医疗等各项改革措施和实施“刺激消费、扩大内需、拉动经济增长”经济政策的影响下,全国居民的消费支出也强劲增长,消费结构发生了显著变化,消费结构不合理现象得到了一定程度的改善。

本文通过相关数据分析总结出了我国城镇居民消费呈现富裕型、娱乐教育文化服务类消费攀升的趋势特点。

二、我国居民消费结构的横向分析第一,食品消费支出比重随收入增加呈现出明显的下降趋势,这与恩格尔定律的表述一致。

但最低收入户与最高收入恩格尔系数相差太过悬殊,城镇最低收入户刚刚解决了温饱问题,而最高收入户的生活水平按照恩格尔系数的评价标准早已达到了富裕型,甚至接近最富裕型。

第二,衣着消费支出比重随收入增加缓慢上升,到高收入户又有所下降,但各收入组支出比重相差不大。

衣着支出比重没有更多的递增且最高收入户的支出比重有所下降,这些都符合恩格尔定律关于衣着消费的引申。

随着收入的增加,衣着支出比重呈现先上升后下降的走势。

事实上,在当前的价格水平和服装业的发展水平下,城镇居民的穿着是有一定限度的,而且居民对衣着的需求也不是无限膨胀的,即使收入水平继续提高,也不需要将更大的比例用于购买服饰用品了。

第三,家庭设备用品及服务、交通通讯、娱乐教育文化服务和杂项商品与服务的支出比重呈逐组上升趋势,说明居民的生活水平随收入的增加而不断提高和改善。

第四,医疗保健支出比重随收入水平提高呈现一种两端高、中间低的走势。

这是因为医疗保健支出作为生活必须支出,不论居民生活水平高低,都要将一定比例的收入用于维持自身健康,而且由于医疗制度改革,加重了个人负担的同时,也减小了旧制度可能造成的不同行业、不同体制下居民医疗保健支出的差别,因而不同收入等级的居民在医疗保健支出比重上差别不大。

第五,居住支出比重基本上呈先上升后下降的趋势,这与我国居民消费能级不断提升,住宅商品正在越来越成为城镇居民关注的热点是相吻合的,同时与恩格尔定律的引申也是一致的。

基于SPSS的全国城镇居民消费水平差异分析

基于SPSS的全国城镇居民消费水平差异分析

基于SPSS的全国城镇居民消费水平差异分析全国城镇居民消费水平差异分析是一项关于全国各个城镇居民消费水平差异的研究。

消费水平反映了城镇居民的实际消费能力和生活水平,对其进行分析可以有助于了解全国城镇居民的经济状况和消费习惯,为相关决策提供依据。

消费水平是一个复杂的概念,可以从多个方面进行分析,包括收入水平、支出结构、消费行为等。

在进行消费水平差异分析时,可以选取一些代表性的指标作为分析的对象,例如人均可支配收入、人均消费支出、消费结构占比等。

为了进行全国城镇居民消费水平差异分析,可以利用SPSS软件进行数据处理和统计分析。

下面是一些可能的分析步骤和方法:1. 数据收集:收集全国各城镇居民的相关数据,包括收入、支出、消费结构等指标。

可以通过抽样调查或者收集已有的统计数据进行。

2. 数据预处理:对数据进行清洗和整理,包括缺失数据的处理、异常值的处理等。

确保数据的准确性和完整性。

3. 描述性统计分析:对数据进行描述性统计,了解全国城镇居民的消费水平整体情况和分布特征。

可以计算平均值、标准差、最大值、最小值等统计指标,并进行图表展示。

4. 差异性分析:根据具体的研究目的,分析城镇居民消费水平的差异。

可以利用t检验、方差分析等统计方法,比较不同城镇之间、不同人群之间的消费水平差异。

也可以利用相关分析、回归分析等方法,探讨影响消费水平的因素。

5. 可视化展示:利用SPSS软件的图表功能,将分析结果进行可视化展示。

可以生成柱状图、折线图、饼图等图表,直观地展示不同城镇和人群的消费水平差异。

最后,根据分析结果,可以结合实际情况进行分析和解释,找出影响城镇居民消费水平差异的原因,并提出相应的政策建议。

全国城镇居民消费水平差异分析对于制定宏观经济政策、调整收入分配、改善生活质量等方面具有重要的参考价值。

基于SPSS的全国城镇居民消费水平差异分析

基于SPSS的全国城镇居民消费水平差异分析

基于SPSS的全国城镇居民消费水平差异分析摘要
近年来,随着中国经济的稳步发展,城镇居民的收入水平和消费水平也大大改善。


用统计分析的方法,以2017年的数据为依据,本研究旨在分析城镇居民消费水平的差异,并使用SPSS软件以及对比组分析、卡方值分析等统计学方法,从实际应用的角度,对差
异进行了实证分析。

结果发现,城镇居民消费水平存在明显的差异,包括性别、年龄段、
家庭结构、子女数量、居住地等六个因素。

据此,政府应进一步拓展消费市场,制定具有
针对性的消费政策,通过丰富消费品种和方式,促进居民消费水平的平衡,以更好地服务
大众。

1、引言
近年来,中国经济出现了稳定的增长,城镇居民的收入水平明显提高,居民的消费也
随之增加和改善。

但是,在这一趋势中,城镇居民消费水平的不均衡越来越受到政府和学
者的关注,政府也在制定有针对性的政策。

本文以2017年的全球数据为基础,试图根据
统计分析的方法来研究全国城镇居民消费水平的差异,通过SPSS的应用探究其背后的影
响因素。

2、分析模型
2.1数据准备
本研究采用2017年的城镇居民消费水平数据,数据源来自国家数据统计局(NDS)发
布的全国城镇居民可支配收入家庭调查报告,样本量为8500个调。

SPSS论文-各地区城镇居民家庭人均消费性支出分析

SPSS论文-各地区城镇居民家庭人均消费性支出分析

SPSS论文题目:各地区城镇居民家庭人均消费性支出分析摘要:我国各地区的经济发展水平存在着较大的差异。

本文运用SPSS软件分析方法对我国各地区城镇居民消费性支出进行分析研究,研究表明:各地区城镇居民消费性支出的差异主要是由两方面引起的,首先是地区的经济发展水平,我国东部、中部和西部地区的消费水平存着较大差异;其次是由地区气候因素引起的消费倾向,我国南北地区明显有别。

关键字:SPSS,消费支出,分析数据:我国地域辽阔,各地区的经济发展很不平衡,各地区城镇间的消费性支出存在着较大的差异,而且由于多种因素的影响,这种差异呈现加速扩大的态势。

如何客观、准确、有效地分析这些差异,具有重要的理论和实践意义。

消费性支出的指标有许多,如果直接从诸多指标来分析各地区的差异,那未分析的结果很可能将是繁杂和不得要领的,很难给出直观有效的结论。

如果仅用消费性总支出这个指标,则显得太粗糙,丢失的有用信息太多,不能较充分地反映各地区的消费差异。

那么,如何能使得所作的分析研究即不繁杂又不损失太多的信息呢?这正是本文所要解决的问题。

居民消费支出:是指城乡居民个人和家庭用于生活消费以及集体用于个人消费的全部支出。

包括购买商品支出以及享受文化服务和生活服务等非商品支出。

对于农村居民来说,还包括用于生活消费的自给性产品支出。

集体用于个人的消费指集体向个人提供的物品和劳务的支出;不包括各种非消费性的支出。

其形式是通过居民平均每人全年消费支出指标来综合反映城乡居民生活消费水平。

消费支出特点明显:食品价格上涨使恩格尔系数有所回升;居住支出快速增长;家庭设备消费较快增长;汽车消费热点突出;义务教育负担减轻;衣着和医疗保健支出低速增长。

Descriptive Statistics此表描述了所统计的数据。

Statistics上述数据为用SPSS软件所作出的均值、方差、标准、峰度、偏度差等等数据,还有运用SPSS软件的回归分析、单一样本T检验所得到的数据和曲线图。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

SPSS统计分析案例专业:经济学姓名:000 学号:00000000一、我国城镇居民现状近年来,我国宏观经济形势发生了重大变化,经济发展速度加快,居民收入稳定增加,在国家连续出台住房、教育、医疗等各项改革措施和实施“刺激消费、扩大内需、拉动经济增长”经济政策的影响下,全国居民的消费支出也强劲增长,消费结构发生了显著变化,消费结构不合理现象得到了一定程度的改善。

本文通过相关数据分析总结出了我国城镇居民消费呈现富裕型、娱乐教育文化服务类消费攀升的趋势特点。

二、我国居民消费结构的横向分析第一,食品消费支出比重随收入增加呈现出明显的下降趋势,这与恩格尔定律的表述一致。

但最低收入户与最高收入恩格尔系数相差太过悬殊,城镇最低收入户刚刚解决了温饱问题,而最高收入户的生活水平按照恩格尔系数的评价标准早已达到了富裕型,甚至接近最富裕型。

第二,衣着消费支出比重随收入增加缓慢上升,到高收入户又有所下降,但各收入组支出比重相差不大。

衣着支出比重没有更多的递增且最高收入户的支出比重有所下降,这些都符合恩格尔定律关于衣着消费的引申。

随着收入的增加,衣着支出比重呈现先上升后下降的走势。

事实上,在当前的价格水平和服装业的发展水平下,城镇居民的穿着是有一定限度的,而且居民对衣着的需求也不是无限膨胀的,即使收入水平继续提高,也不需要将更大的比例用于购买服饰用品了。

第三,家庭设备用品及服务、交通通讯、娱乐教育文化服务和杂项商品与服务的支出比重呈逐组上升趋势,说明居民的生活水平随收入的增加而不断提高和改善。

第四,医疗保健支出比重随收入水平提高呈现一种两端高、中间低的走势。

这是因为医疗保健支出作为生活必须支出,不论居民生活水平高低,都要将一定比例的收入用于维持自身健康,而且由于医疗制度改革,加重了个人负担的同时,也减小了旧制度可能造成的不同行业、不同体制下居民医疗保健支出的差别,因而不同收入等级的居民在医疗保健支出比重上差别不大。

第五,居住支出比重基本上呈先上升后下降的趋势,这与我国居民消费能级不断提升,住宅商品正在越来越成为城镇居民关注的热点是相吻合的,同时与恩格尔定律的引申也是一致的。

可以看出,城镇居民的消费状况虽然受价格水平、消费习惯、消费环境、消费心理预期等诸多因素的影响,但归根结底仍取决于居民的收入水平,要提高城镇居民的消费支出,必须增加居民收入。

因此,采取切实有效的措施增加城镇居民的可支配收入,不仅可以提高全国城镇居民的总体消费水平,促进消费结构向着更加健康、合理的方向发展,而且在启动内需,促进我国的经济发展方面有着重大的现实意义。

三、我国居民消费结构的纵向分析进入21世纪以来,随着经济体制改革的深入,国民经济的迅速发展,我国城乡居民的消费水平显著提高,居民的各项支出显著增加。

随着消费水平的提高,我国城乡居民消费从注重量的满足到追求质的提高,从以衣食消费为主的生存型到追求生活质量的享受型、发展型,消费质量和消费结构都发生了明显的变化。

城镇居民在食品、衣着、家庭设备用品三项支出在消费支出中的比重呈现明显的下降趋势,其中食品类支出比重降幅最大;衣着类有所下降;家庭设备用品类下降幅度不是很大。

与此同时,医疗保健、交通通讯、文化娱乐教育服务、居住及杂项商品支出在消费支出中的比例均有上升,富裕阶段的消费特征开始显现。

四、我国城镇居民消费结构及趋势的统计分析下图是出自《中国统计年鉴—2009》这一资料性年刊,它系统收录了全国和各省、自治区、直辖市2008年经济、社会各方面的统计数据,以及近三十年和其他重要历史年份的全国主要统计数据。

此年鉴正文内容分为24个篇章,本文选取其中的第九篇章-人民生活,用以探究我国城镇居民消费结构及其趋势。

表1 《中国统计年鉴—2009》统计表9-5 城镇居民家庭基本情况#可支配收入平均每人消费性支出(元)食品衣着居住家庭设备用品及服务医疗保健交通通信教育文化娱乐服务杂项商品与服务平均每人消费性支出构成(人均消费性支出=100)食品衣着居住家庭设备用品及服务医疗保健交通通信教育文化娱乐服务杂项商品与服务注:1.本表至9-17表为城镇住户抽样调查资料。

2.从2002年起,城镇住户调查对象由原来的非农业人口改为城市市区和县城关镇住户,本篇章相关资料均按新口径计算,历史数据作了相应调整。

五、SPSS统计分析图一给出了基本的描述性统计图,图中显示各个变量的全部观测量的Mean(均值)、(标准差)和观测值总数N。

图2给出了相关系数矩阵表,其中显示3个自变量两两间的Pears on相关系数,以及关于相关关系等于零的假设的单尾显著性检验概率。

图1 描述性统计表图2 相关系数矩阵从表中看到因变量家庭设备用品及服务与自变量食品、衣着之间相关关系数依次为、,反映家庭设备用品及服务与食品、衣着之间存在显著的相关关系。

说明食品与衣着对于家庭设备用品及服务条件的好转有显著的作用。

自变量居住于因变量家庭设备用品及服务之间的相关系数为,它于其他几个自变量之间的相关系数也都为负,说明它们之间的线性关系不显著。

此外,食品与衣着之间的相关系数为,这也说明它们之间存在较为显著的相关关系。

按照常识,它们之间的线性相关关系也是符合事实的。

图3给出了进入模型和被剔除的变量的信息,从表中我们可以看出,所有3个自变量都进入模型,说明我们的解释变量都是显著并且是有解释力的。

图3 变量进入/剔除信息表图4给出了模型整体拟合效果的概述,模型的拟合优度系数为,反映了因变量于自变量之间具有高度显著的线性关系。

表里还显示了R平方以及经调整的R值估计标准误差,另外表中还给出了杜宾-瓦特森检验值DW=,杜宾-瓦特森检验统计量DW是一个用于检验一阶变量自回归形式的序列相关问题的统计量,DW在数值2到4之间的附近说明模型变量无序列相关。

图4 模型概述表图4给出了方差分析表,我们可以看到模型的设定检验F统计量的值为,显著性水平的P值为。

图5 方差分析表图6给出了回归系数表和变量显著性检验的T值,我们发现,变量居住的T值太小,没有达到显著性水平,因此我们要将这个变量剔除,从这里我们也可以看出,模型虽然通过了设定检验,但很有可能不能通过变量的显著性检验。

图6 回归系数表图7给出了残差分析表,表中显示了预测值、残差、标准化预测值、标准化残差的最小值、最大值、均值、标准差及样本容量等,根据概率的3西格玛原则,标准化残差的绝对值最大为,小于3,说明样本数据中没有奇异值。

图7 残差统计表图8给出了模型的直方图,由于我们在模型中始终假设残差服从正态分布,因此我们可以从这张图中直观地看出回归后的实际残差是否符合我们的假设,从回归残差的直方图于附于图上的正态分布曲线相比较,可以认为残差的分布不是明显地服从正态分布。

尽管这样也不能盲目的否定残差服从正态分布的假设,因为我们用了进行分析的样本太小,样本容量仅为5。

图8 残差分布直方图从上面图4的分析结果看,我们的模型需要剔除居住这个变量,用本次实验中的方法和步骤重新令家庭设备用品及服务对食品和衣着回归,得到的主要结果如图9、图10和图11所示,跟上面的分析类似,从中可以看出,剔除居住这个变量后,模型拟合优度为,比原来有所降低;而方差分析的F检验为,新模型与原来的模型相比,各个系数都通过了显著性T 检验,因此更加合理,从而我们可以得出结论:剔除居住这个变量后的模型更加合理,因此在做预测过程中要使用剔除不显著变量后的模型。

图9 模型概述图10 方差分析表图11 回归系数表六、我国居民消费变化的趋势特点(1)食品消费质量提高,衣着消费支出比重下降。

食品消费水平由过去简单的吃饱吃好,转变为品种更加丰富,营养更加全面。

一方面由于食品供应的日益充足。

另一方面由于在外饮食的增加,粮食消费比重减小,购买量大幅度下降。

衣着是两项基本生存资料之一,衣着消费向时装化、名牌化、个性化发展的倾向更加明显,成衣化倾向成为主流。

从衣着和食品消费比重的下降可以看出城镇居民满足基本生活的支出并没有随着收入水平的提高而提高,这表明我国城镇居民满足吃、穿为主的生存型消费需求阶段已经结束,逐步向以发展型和享受型消费的阶段过渡。

(2) 居民收入迅速增长,消费水平大幅度提高,消费结构呈现明显的富裕型特征消费是收入的函数,收入的增加是消费水平提高和消费结构变化的前提。

随着我国经济的发展,我国居民的收入水平不断提高,特别是21世纪以来,我国居民的收入水平迅速提高。

伴随着收入水平的提高,城乡居民各项支出全面增加,消费性支出大幅度增长。

今后5—10年以至更长时间,我国经济保持一个较高的增长速度是完全可能的,城乡居民的消费水平将大幅度提高。

(3)消费能级不断提高,消费内容日益丰富,住房与轿车消费同时升温,可望提前成为消费热点在消费水平提高和消费结构改善的同时,城乡居民的消费能级不断提高。

(4)以教育为龙头的娱乐教育文化服务类消费继续攀升随着人们对知识认知程度的提高和自我完善意识的增强,对教育的投入仍会保持增长。

目前从子女教育在人们储蓄目的位居前列的情况看,对教育及教育产品的投入仍是今后一个时期的消费热点。

大力发展教育事业,特别是高等教育、成人教育、职业教育应是政府长期坚持和倡导的提高城镇居民收入水平,缩小收入差距,应做到:1.进一步强化收入分配的宏观调控力度采取切实措施努力提高低收入群体的收入水平。

2.加快西部大开发步伐,做好扶贫开发工作。

3.进一步完善社会保障制度,改善居民整体尤其是社会弱势群体的生存环境。

4.通过完善税收制度来缩小部分不合理的高低收入阶层差距。

5.对不动产、金融资产收益以及财产的继承与赠与,要通过合理设置税种税率,征收房产税、利息税以及遗产与赠与税等税种来进行调节。

参考文献[1] 吕振通张凌云《spss统计分析与应用》机械工程出版社,2009年[2] Nancy Karen Ceorge 《SPSS for Intermediate Statistics Use and Interpretation(Third Edition)》PUBLISHING HOUSE OF ELECTRONICS INDUSTRY,2009年。

相关文档
最新文档