2013年我国城镇居民人均消费的SPSS统计分析汇编

合集下载

spss统计学毕业论文

spss统计学毕业论文

本科生毕业论文(设计)题目关于我国城镇居民消费结构变化的统计分析姓名武步端学号 2009141681院系数学科学学院专业统计学指导教师吕玉华职称教授2013 年4月 28 日曲阜师大学教务处制目录摘要 (1)关键词 (1)Abstract (1)Key words (1)引言 (1)1 我国城镇居民消费结构状况 (2)1.1 我国城镇居民消费金额变化情况 (2)1.2 我国城镇居民消费结构变化情况 (3)1.3我国城镇居民所处消费水平 (5)2 对各项消费所占比重变化趋势进行分析 (6)2.1 对我国城镇居民各项支出所占比例做出回归模型 (6)2.1.1 食品消费所占比例的回归模型 (6)2.1.2 其余各项所占比例回归模型 (10)2.2 根据模型计算出未来5年城镇居民消费结构表 (10)3 结果分析 (10)致 (11)参考文献 (11)附录 (12)关于我国城镇居民消费结构变化的统计分析统计学学生武步端指导教师吕玉华摘要:近年来,我国经济有着突飞猛进的发展,在经济发展的同时,我国城镇居民收入也在大幅增加,人民的购买力大大增强。

跟过去比较起来,人们能够更好地支配自己的收入,按照自己的意愿来购买自己想要购买的东西,而不是像以前,收入很大程度上花费在生活必须品,如食物、衣物等的购买上。

也就是说,我国人民的消费结构正从低等消费阶段向中等消费阶段过渡。

本文采用《中国统计年鉴》提供的数据,并通过SPSS软件对近年来我国城镇居民的消费结构进行统计分析,以得出近年来我国城镇居民消费结构的变化,即我国城镇居民各项消费所占比重的变化。

关键词:城镇居民消费结构;SPSS软件;统计分析Statistical analysis on the change of consumption structure of urban residents in ChinaStudent majoring in statistics Wu BuduanTutor Lv YuhuaAbstract: In recent years, China's economy has make a spurt of progress of development, at the time of economic development, income of urban residents in China have increased greatly, the people's purchasing power is greatly enhanced. Compared with the past, people can better control their own income to buy their own, want to buy things according to their own will, but not like before, income is largely spent on necessities, such as food, clothing and other purchase. That is to say, the consumption structure of our people is in transition from low to moderate consumption stage consumption stage. This paper uses the "China Statistical Yearbook" the data provided by SPSS, and the statistics and the analysis of the consumption structure of urban residents in China in recent years, with the change of consumption structure of urban residents in China in recent years, namely, the consumption of urban residents in China changes in the proportion of.Keywords: analysis of urban residents consumption structure ; SPSS software ; statistics and analysis引言:随着中国经济的快速发展,人们的消费不再像原来那么单一,不再只能购买一些生活必需品,而是能够根据自身需求,选择多种多样的商品,而商品的类型也发生了巨大的变化。

城镇居民消费结构SPSS统计分析

城镇居民消费结构SPSS统计分析

应用多元统计论文题目基于SPSS分析方法的城镇居民消费结构研究院系年级专业姓名基于SPSS分析方法的城镇居民消费结构研究摘要:2012年11月8日将召开中国共产党的十八大,至2013年3月两会召开和政府换届,这段时间将成为市场演化的重要时间窗口;而在这一时期,我国的宏观经济形势也将会产生相应的变化。

近年来,我国经济发展速度加快,居民收入稳定增加,在国家出台的一系列政策后,居民消费支出也开始增长,消费结构显著变化。

本文通过数据的SPSS分析对我国城镇居民消费出现的趋势特点进行了总结。

关键词:城镇居民消费描述分析整体拟合分析方差分析回归分析一、我国城镇居民消费现状近些年来,我国的国民经济状况突飞猛进的发展,人民的物质生活水平也日益的提高,并且得到了很大的改善。

但是,由于我国各地区各地域的资源、技术、科教水平等基础条件的不同,造成各地区各地域的生产力发展水平有很大差异,因此,各地区各地域的经济发展和城镇居民消费性支出的结构、水平是不相同的。

而众所周知,消费是拉动经济增长的主要动力之一,因此消费情况如何对经济发展、人民生活水平有直接的影响。

随着国家政策的不断改革,我国国民经济呈现出高速发展的势头,人民生活水平不断提高。

这不仅体现为目前我国城镇居民的人均收入普遍地有所提高,也在城镇居民的家庭消费性支出结构的变化上有所体现。

二、我国居民消费结构的分析我国居民消费结构有以下几个特点: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;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;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。

我国城镇居民人均消费支出的统计分析论文

我国城镇居民人均消费支出的统计分析论文

我国城镇居民人均消费支出的统计分析论文我国城镇居民人均消费支出的统计分析论文本文采用2013年我国31个省、市、自治区的城镇居民人均消费支出数据,先通过聚类分析方法寻找不同地区城镇居民的消费结构的相似点和差异点;再利用主成分分析方法研究各省城镇居民消费结构水平,得出其经济发展状况;最后利用因子分析方法,根据因子得分对各省城镇居民消费支出进行排序和分类。

城镇居民消费支出聚类分析主成分分析因子分析一、引言近年来,随着我国经济的快速发展,居民消费结构也发生了巨大变化,人们开始根据自身的需求选择多种多样的商品,而且人们在实现物质需求满足的同时,还在不断追求精神需求的满足。

同时,社会产品在经济发展的过程中越来越丰富,居民消费的选择空间也越来越大。

在居民全部消费支出的八项指标(食品、衣着、居住、家庭设备、交通通讯、文教娱乐、医疗保健、其他)中,反应基本生存需要的食品、衣着等项所占的比重大幅度下降,而体现发展与享受需求的住房、交通等项支出的比重则迅速上升,说明人民的生活质量进一步提高。

由于我国各地区的经济发展不平衡,加之各地人口、资源、政策等方面也存在差异,导致各地区居民的消费结构存在着明显差异。

合理的消费结构有利于国民经济的快速发展,而滞后的消费结构则会阻碍经济的健康发展。

因此,消费结构的合理化问题在国民经济中处于至关重要的地位。

所以,为了进一步改善消费结构,引导正确的消费观念,提高我国城镇居民的消费水平,有必要对我国各地区城镇居民消费结构之间的差异进行比较,从宏观上把握各地区城镇居民的消费现状和消费水平的差异,为提高我国总体消费水平、改善消费结构提供决策依据。

本文利用SPSS软件通过聚类分析、主成分分析、因子分析三种统计方法对2013年我国各省城镇居民消费结构作分析。

二、聚类分析聚类分析是将样品或变量进行分类的多元统计学分析方法。

其功能是建立一种分类方法,将一批样品或者变量,按照他们在性质上的亲疏、相似程度进行分析。

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.。

居民消费水平研究SPSS

居民消费水平研究SPSS

课程论文我国居民消费水平研究分析班级:09经51学号:姓名:***2012年 11 月摘要:居民消费水平是指一个国家一定时期内人们在消费过程中对物质和文化生活需要的满足程度。

要刺激消费、扩大内需,必须找出影响我国居民消费水平的关键因素,才能对症下药。

本文结合居民消费水平的影响因素和居民消费水平的历史及现状列出了五个相关因素(国内生产总值GDP、城镇和农村居民可支配收入、人口自然增长率以及居民消费价格指数),运用SPSS 17.0软件进行三个方面的分析:描述性分析、因子分析、回归分析。

本案例的研究目地是分析我国居民消费水平的影响因素,为更好的提高居民消费水平提供科学的依据。

关键字:居民消费水平 SPSS分析扩大内需刺激消费引言居民消费水平是按国民收入或国内生产总值的使用总量中用于居民消费的总额除以年平均人口计算的,它反映一个国家或一个地区居民的一般消费水平。

居民消费水平是GDP 中一个重要组成部分,是拉动经济增长的三驾马车之一,一直是经济学家关注的焦点和研究的热门领域。

在改革开放以来,居民消费水平提高的较快,消费结构也有了很大的改善,因此对其进行分析有较强的经济意义。

分析目地、分析思路与数据选取本案例的研究目地是分析我国居民消费水平的影响因素,为更好的提高居民消费水平提供科学的依据。

分析思路主要如下,首先利用描述性分析对居民消费水平、国内生产总值GDP、城镇和农村居民可支配收入、人口自然增长率以及居民消费价格指数进行基础性的描述,以便对我国居民消费水平和其主要影响因素有一个直观的印象,然后利用因子分析提取对我国居民消费水平影响较为显著的因素,分析我国居民消费水平的影响的因素,最后利用回归分析方法确定这些因素对我国居民消费水平的影响方向和强弱。

在现实生活中,影响消费的因素很多,例如收入水平、商品价格水平、利率水平、收入分配状况、消费者偏好、家庭财产状况、消费信贷状况、消费者年龄构成、制度、风俗习惯等等。

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。

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

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。

我国城镇居民人均消费支出的统计分析

我国城镇居民人均消费支出的统计分析

我国城镇居民人均消费支出的统计分析作者:脱颖来源:《商情》2016年第14期本文采用2013年我国31个省、市、自治区的城镇居民人均消费支出数据,先通过聚类分析方法寻找不同地区城镇居民的消费结构的相似点和差异点;再利用主成分分析方法研究各省城镇居民消费结构水平,得出其经济发展状况;最后利用因子分析方法,根据因子得分对各省城镇居民消费支出进行排序和分类。

城镇居民消费支出聚类分析主成分分析因子分析一、引言近年来,随着我国经济的快速发展,居民消费结构也发生了巨大变化,人们开始根据自身的需求选择多种多样的商品,而且人们在实现物质需求满足的同时,还在不断追求精神需求的满足。

同时,社会产品在经济发展的过程中越来越丰富,居民消费的选择空间也越来越大。

在居民全部消费支出的八项指标(食品、衣着、居住、家庭设备、交通通讯、文教娱乐、医疗保健、其他)中,反应基本生存需要的食品、衣着等项所占的比重大幅度下降,而体现发展与享受需求的住房、交通等项支出的比重则迅速上升,说明人民的生活质量进一步提高。

由于我国各地区的经济发展不平衡,加之各地人口、资源、政策等方面也存在差异,导致各地区居民的消费结构存在着明显差异。

合理的消费结构有利于国民经济的快速发展,而滞后的消费结构则会阻碍经济的健康发展。

因此,消费结构的合理化问题在国民经济中处于至关重要的地位。

所以,为了进一步改善消费结构,引导正确的消费观念,提高我国城镇居民的消费水平,有必要对我国各地区城镇居民消费结构之间的差异进行比较,从宏观上把握各地区城镇居民的消费现状和消费水平的差异,为提高我国总体消费水平、改善消费结构提供决策依据。

本文利用SPSS软件通过聚类分析、主成分分析、因子分析三种统计方法对2013年我国各省城镇居民消费结构作分析。

二、聚类分析聚类分析是将样品或变量进行分类的多元统计分析方法。

其功能是建立一种分类方法,将一批样品或者变量,按照他们在性质上的亲疏、相似程度进行分析。

关于2013年到2016年城镇居民人均收支数据的分析——基于国家统计局《2017年中国统计年鉴》

关于2013年到2016年城镇居民人均收支数据的分析——基于国家统计局《2017年中国统计年鉴》

关于2013年到2016年城镇居民人均收支数据的分析——基于国家统计局《2017年中国统计年鉴》作者:宋竟菱来源:《中国新通信》 2018年第9期【摘要】根据国家统计局《2017 年统计年鉴》中的2013 年到2016 年国民总收入、国内生产总值、城镇化、城镇居民人均收入和消费的权威数据,运用各种分析手段,挖掘数据之间的关联性,论证国家经济的稳定发展,有效促进了国民生活水平的提高。

【关键字】数据分析国家统计局统计年鉴一、数据来源和研究意义1.1 数据表格1.2 数据来源说明本文选取用来研究和分析的数据来源于国家统计局官方网站中的《2017 年统计年鉴》。

国家统计局是我国最为权威的官方数据统计管理机构,其每年发布的《统计年鉴》代表着我国国计民生统计数据的最高权威。

由于2018 年统计年鉴还没有发布,本文不涉及2017 年的相关数据。

1.3 本文研究意义本文摘录了《2017 年统计年鉴》中2013 年到2016 年的国民总收入、国内生产总值、城镇人口数量及比例、城镇居民收入和消费五个重要数据。

本文的研究意义,在于分析我国城镇居民收入和消费水平的增长趋势和与国家宏观经济发展的对应关系,通过数据分析论证我国国家的经济整体发展水平,决定了居民收入和消费增长的趋势,证明国家经济发展是国民生活水平提高的根本保障。

二、国家宏观经济数据分析2.1 国民总收入和国内生产总值数据分析2013 年全国国民总收入为59.04 万亿元,2014 年、2015年、2016 年三年的国民总收入增长幅度分别为9.21%、6.46%、7.97%。

到2016 年,国民总收入为74.14 万亿元,比2013 年增加15.07 万亿元,增长幅度为25.53%,三年平均直线增长幅度为8.51%。

2013 年全国国内生产总值为59.52 万亿元,2014 年、2015 年、2016 年三年的国内生产总值增长幅度分别为8.19%、7.00%、7.99%。

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。

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)。

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。

按照Sturges 提出的经验公式来确定组数K,K=1+2lg lg n,计算得组数为6. 2、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 0 Mean 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 3.1 12231.91 - 15231.90 10 31.3 31.3 34.4 15231.91 - 18231.90 13 40.6 40.6 75.0 18231.91 - 21231.90 3 9.4 9.4 84.4 21231.91 - 24231.90 3 9.4 9.4 93.8 24231.91 - 27231.90 1 3.1 3.1 96.9 27231.91+ 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 Variables Entered VariablesRemoved 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ANOV A 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 .000a. 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) Mean Difference 95% 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。

相关文档
最新文档