2011我国居民消费价格指数分析

2011年4月我国居民消费价格指数组成因素分析

[摘要]本文研究影响居民消费价格指数的因子分析，利用spss软件首先对我

国2011年4月份全国31个省份居民各类消费支出指数数据进行描述性分析，得出与居民消费价格总指数关系最大的是食品价格指数。再进行主成分提取，将影响居民消费价格指数的8个因子浓缩为5个人主成分。然后因子分析得到每个因子与5个公因子之间的关系。最后进行因子得分分类，可知中国东，中，西部地区各价格指数之间的差异。

[关键词]消费价格指数主成分分析因子分析

引言

（一）选题意义

居民消费价格指数(cpi)是用来反映报告期与基期相比较的商品和服务项目价格水平的变动情况和趋势的宏观经济指标。反映一定时期内城乡居民所购买的生活消费品价格和服务项目价格变动趋势和程度的相对数。近几个月来中国物价上涨速度持续过快，出现了一定的通货膨胀，由严重化得趋势，这必将影响人民的生活质量。对我国各省份居民消费价格指数影响因素的分析能很好的使各省抓住影响本省价格指数过高的因数，从而做出正确的判断，实行很好的宏观调控。

（二）文件综述

CPI的持续过高增长那个一直是我国经济学家研究的热点问题，山东工商学院张首芳和李月强教授的《我国居民消费结构的趋势分析》采用“双对数模型”对我国城乡居民的消费结构进行了趋势分析,通过“聚类分析”对我国各省市居民消费结构之间的异同进行考察并作比较研究,总结出了我国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。首都经贸大学的马立平进行的《居民消费定量研究消费》对基本理论与框架进行梳理、总结国内外关于消费函数、消费结构、产品选择等方面的各种主要研究成果及应用状况,以此作为分析城镇居民消费行为的理论基础，再作实证分析。龙志和的《我国城镇居民消费行为研究》，和王信的《我国居民消费行为的结构分析与扩张需求的政策研究》研究了我国城镇居民的消费倾向。刘盈的《我国居民消费计量研究》利用贝叶斯估计方法,从定量和定性两个方面的角度,研究我国城镇、乡村居民已经出现和可能出现的各种动向。以上文献都对我国居民消费进行了各方面的分析，但没有指出哪部分的价格指数过高，该从何处着手解决。

（三）论文结构安排

1.选取数据进行描述统计分析

2.针对问题利用SPSS软件进行实证分析首先对各成分进行主成分提取，再用因子分析法对其分析，选取重要因子。

3.模型总结及建议

一．变量选取与数据预处理

选择全国32个省份2011年4月各类别价格指数进行分析，着重选取影响居民消费价格总指数的食品、研究及用品、衣着、家庭设备用品及服务、医疗保健及个人用品、交通和通信、娱乐教育文化用品及服务、居住这八个因素的价格指数进行分析。

首先对原始数据进行描述统计分析得出表格 1结果，可知所有省份食品价格上涨指数偏高，居住价格因素波动较大，说明各个地区居住价格涨幅相差较大。根据表格 1的结果确定其具体的极小值、极大值、均值、标准差数据。可粗略看出食品和居住的价格指数上涨较快。食品、衣着、居住价格指数的离散程度较高。用于交通和通信与娱乐教育文化用品及服务的支出基本维持不变。由于食品和居住价格指数的过快增长，导致居民消费价格总指数的过高，所以政府投入极大力度控制食品的价格增长，和实行强有力的房控政策来控制房价。 表格 1 描述统计量 N 极小值 极大值 均值 标准差 居民消费价格总指数 32 104.20 108.80 105.5594 .94147 食品 32 109.50 117.40 111.8344 1.79885 烟酒及用品 32 100.40 103.80 102.3250 .89262 衣着 32 96.70 108.90 101.6875 2.61605 家庭设备用品及服务 32 99.70 106.90 102.0313 1.56049 医疗保健及个人用品 32 101.20 106.30 103.2094 1.00012 交通和通信 32 98.90 102.00 100.5625 .75466 娱乐教育文化用品及服务

32 96.90 104.10

100.5781 1.24479 居住 32 102.80 113.40 106.3187 2.14918 有效的 N （列表状态） 32

将居民消费价格总指数与其余8个价格指数进行因子分析得出相关系数矩

阵。从中选取下表格 2的信息，有助于本文研究影响居民消费价格总指数的各因素之间的权重。从表2中我们可知与居民消费价格总指数关系最大的是食品价格指数，相关系数为 0.667占据相当大一部分权重，其次是衣着，居住，娱乐教育文化用品及服务。

二．因子分析

（一）主成分提取

利用主成分分析法处理该数据得到spss 默认选取特征值大于1时提取的原始数据成分，可知居民衣着、居住、消费价格指数与交通和通信提取信息量少说

明其信息损失较大。故对原始数据重新进行主成分分析，选择抽取5个因子得出下列公因子方差和说明的总方差数据表：

表格 3 公因子方差

初始提取

食品 1.000 .909 烟酒及用品 1.000 .951 家庭设备用品及服务 1.000 .762 交通和通信 1.000 .774 娱乐教育文化用品及服务 1.000 .804 衣着 1.000 .913 医疗保健及个人用品 1.000 .849 居住 1.000 .846

取量都超过了0.76>0.6.再由

表格 4 说明的总方差可知此时累积贡献率为85.105%>85%。这样使信息损失不太多，又达到减少变量，简化问题的目的。再根据得分系数矩阵五个主成分用标准化后的原始变量表示的表达式。

（二）因子模型

表格 5 成分矩阵(a)

成分

1 2 3 4 5

食品.118 -.524 .653 .437 -.060 烟酒及用品-.039 .419 .790 -.233 .310 衣着.652 .323 .130 .396 -.458 家庭设备用品及服务.147 .838 -.019 .182 .072 医疗保健及个人用品.753 .044 -.222 .279 .392 交通和通信.595 -.527 .102 -.358 -.064 娱乐教育文化用品及

.831 -.194 -.101 -.005 .255 服务

居住.634 .293 .098 -.532 -.256 成分矩阵图图是因子载荷矩阵，由此表写出特殊因子忽略不计时的因子模型：

食品价格指数≈0.118*fac1-0.0524*fac2+0.653*fac3+0.437*fac4-0.060*fac5 注：（fac1、fac2、fac3、fac4、fac5为第一、第二、第三、第四、第五公因子，见附录表二）