多元统计分析我国城镇居民消费性支出
多元统计分析报告大作业—基于某因子分析报告地各省份城镇居民消费结构研究
2014～ 2015学年第二学期期末考试论文题目基于因子分析的各省份城镇居民消费结构研究课程名称多元统计分析任课教师学号姓名学院专业考试时间基于因子分析的各省份城镇居民消费结构研究【摘要】经济发展的差异导致了我国各省份的居民消费结构的不同。
搜集了全国31个省市某年城镇居民月平均消费数据，采用因子分析法对数据进行分析，得出各省市居民消费结构的差异，北京、广东、上海已经处于较高消费水平，各方面消费能力都较高，消费重心已经从购买商品支出转变为享受型的非商品支出;而天津、江苏、浙江等6省（市）处于中等消费水平，生存型得分较低，发展型消费因子得分较高，消费结构有很大优化空间；最后剩余的22个省（市）处于低消费水平，生存型消费因子得分最低，消费结构还没有脱离传统模式，结构较单一，并在此基础上对改善我国城镇居民消费结构提出了几点建议。
【关键词】因子分析消费结构城镇居民随着居民生活水平的不断提高以及经济发展方式的转变，居民的消费结构也在逐步转变。
现如今国内经济将主要以内需为主，最终体现出消费率提升和内需消费市场的活跃。
因此，居民的消费水平是内需的主要来源，消费结构也会影响到各地区经济的持续稳定快速发展以及经济结构的突出转变，只有看清楚各地区居民的消费水平结构，合理进行规划，才能推动经济发展和经济结构向合理方式的转变［1］。
本文在这个大前提下，为了减小各个省份在诸多方面的差异，选取各地区城镇居民家庭全年人均的消费性支出作为研究数据，根据某年31个省、市、自治区城镇居民月平均消费数据的统计数据结果，运用因子分析法对全国居民消费结构进行分析。
1.因子分析简介1.1 因子分析的基本原理因子分析是将多个实测变量转换为少数几个新的不可观测的而且相互无关的综合指标( 因子)的多元统计分析方法。
这些少量的综合指标涵盖了原始指标带有的绝大部分信息，并且根据相关性的大小把原始指标重新分组，使得同组内的指标之间相关性较高，但不同组的指标相关性较低。
我国居民消费现状的统计分析
我国居民消费现状的统计分析随着我国经济的快速发展和人民生活水平的不断提高，居民消费水平也在不断上升。
本文将从食品消费、教育消费、户外旅游消费和网络消费等方面对我国居民消费现状进行统计分析。
首先，我国居民对食品的消费正逐年增加。
近年来，随着我国农村地区的脱贫攻坚和城市化进程的加速，居民收入稳步提升。
这使得居民在食品消费方面有了更多的选择和购买能力。
根据统计数据显示，我国食品消费市场规模每年都在增长，其中，高端食品、有机食品和零食的消费增速更为明显。
此外，消费者对食品安全和健康问题的关注度也在增加，使得高质量食品的消费需求不断增长。
其次，教育消费成为我国家庭主要的支出之一、根据国家统计局的数据，我国教育支出占家庭总支出的比重不断上升。
这主要受到教育体制和家长对子女教育的重视。
被家庭广泛关注的教育消费主要包括学前教育、基础教育和高等教育等方面。
这一趋势表明人们对子女未来发展的重视程度不断加深，而教育消费也成为了推动消费升级的重要动力。
再次，户外旅游消费蓬勃发展。
随着经济快速增长和居民收入的提高，人们对休闲旅游的需求不断增加。
近年来，我国旅游消费市场规模不断扩大，并且呈现出多样化、个性化的消费需求。
人们越来越重视旅游体验和品质，愿意为了品质更好的旅游产品支付更高的费用。
同时，随着铁路、航空等交通方式的改善，旅游目的地的开发和推广也进一步推动了居民旅游消费的增长。
最后，网络消费呈现出快速增长的趋势。
随着互联网的普及和电子商务的快速发展，居民通过网络进行消费的比例越来越高。
根据中国互联网络信息中心的数据，我国互联网用户规模已接近8亿，其中网络购物的用户规模更是高达6亿。
无论是在线购物、网络订餐还是在线娱乐，网络消费在我国居民消费结构中所占比重越来越大。
这也进一步促进了物流、支付和服务等相关行业的发展。
总结起来，我国居民消费现状呈现出多元化、个性化和高品质的趋势。
食品消费、教育消费、户外旅游消费和网络消费等方面的增长正在推动我国消费市场不断升级，并为我国经济的持续发展提供了强劲的支持。
多元统计分析课程论文
HUNAN UNIVERSITY 课程论文论文题目：有关我国居民消费因素的分析指导老师：学生名字：学生学号：专业班级：经济统计学院名称：xxx学院目录12...2.. .3. .. (3).. 310.15.18....19....20....有关我国居民消费因素的分析概述生活离不开消费，随着社会发展，生活水平提高，消费也在逐渐变化，并且随着经济发展，各个地区的发展水平的差异，消费也产生了不同的变化，此篇论文主要目的是利用多元统计的方法，借助spss软件，对我国31 个地区的居民消费情况进行分析。
了解我国31 个地区的居民消费情况与统计指标食品烟酒、衣着、居住等 8 个指标之间的一些联系。
并且通过因子得分，计算并排列出消费因素的综合得分，最后通过聚类分析，对我国31 个地区的居民消费情况做一个大致分类，进而对各个地区分类后的情况做一个分析和总结并结合文献以及资料提出一些意见和看法。
一 .引言消费在宏观经济学中，指某时期一人或一国用于消费品的总支出。
与经济活动有着密不可分的关系，消费作为社会再生产的最终阶段，是生产者生产产品的目的和导向。
如果没有了消费，生产的存在也会变得毫无意义，消费促进了生产，给生产带来了源动力。
消费者的消费需求，也推动了生产的发展。
并且消费促进了货币流通，提供了就业岗位，降低失业率，拉动了经济增长，最终有助于提高人民的生活水平。
消费是国民经济保持增长的动力，只有拉动消费需求的增长，才能促进投资，促进产业结构的调整、宏观经济的增长，满足人民的物质生活的需求，实现生活水平的提高。
故消费和生活水平有着密切的关系，从而，通过对我国居民消费水平的分析，不但可以直观了解到我国总的消费趋向，各地区不同的消费主导因素，还能客观反映我国总的生活水平也就是经济发展的大致情况。
统计年鉴中的八项指标：食品烟酒、衣着、居住、生活用及服务、交通通信、教育文化娱乐、医疗保健、其他用品及服务。
囊括了居民消费的全部项目，居民日常消费可以清楚地从数据中了解到。
我国居民消费性支出分析
描述性统计分析 聚类分析
主成分分析
因子分析
数据说明
2013 年全国31个省、市和自治区的城镇居民家庭平均每人全年消费性支 出的八个主要变量数据。 x1——食品 x2——衣着 x3——居住 x5——医疗保健 x6——交通和通信
x4——家庭设备用品及服务 x7——文教娱乐
x8——其它
原始数据（来源：中国统计局2014年）
二 系统聚类分析
系统聚类结果分析
ward聚类法 组间连消费状况把31各地区分为3 类，结果为： 第一类：上海、北京 第二类：福建、浙江、广东、 江苏 第三类：其他地区
如果根据各地区城镇居民人均 全年消费状况把31各地区分为3 类，结果为： 第一类：上海、北京 第二类：天津、福建、广 东、江苏、浙江 第三类：其他地区
综合排名的计算表达式 Z=0.66241X+0.12043Y
各地区的消费综合排名
排名靠前的有上海、北京、浙江、 广东、天津、江苏、福建，说明 这些地区经济比较发达，消费支 出较高。
四 综合分析
• 在8个消费性支出指标中食品、居住、交通通信、教育文 化和娱乐服务支出较高 • 从描述性统计分析、聚类分析、因子分析的结果可以看出， 尽管不同的分析方法所得的结果有所不同，但上海、北京、 天津、广东、浙江、江苏、福建地区人均消费水平处于较 高的水平，而青海、西藏、甘肃的人均消费水平处于低位。 • 经济发达地区，消费结构趋向于安逸享受的消费结构。在 这样的消费结构中，奢侈品支出如住房、服务性支出所占 的比例较大。相反，在经济较不发达的地区中，生活必需 品消费支出所占的比例较大。
数据标准化处
一 描述性统计分析
在数据编辑窗口的主菜单中选择“分析(A)”→“描述统计”→“描述性分析 (D)”，如下：
多元线性回归分析城镇居民消费性支出的情况
多元线性回归分析城镇居民消费性支出的情况信息与计算科学 2005级陈鹏指导教师曹正照副教授摘要：本论文用多元回归的模型，回归方程的显著性检验以及回归系数的显著性检验的方法对城镇居民人均消费性支出与平均每人年可支配收入，食品支出，城镇居民人均住宅面积，就业人员获得集体单位报酬，就业人员获得国有单位报酬之间的关系进行了研究。
结果显示，平均每人年可支配收入，食品支出对城镇居民人均消费性支出有显著性影响，并预测2008年的城镇居民家庭消费性支出。
关键词：多元回归分析，F检验，T检验，城镇居民人均消费性支出Multiple linear regression analysis of consumptionexpenditure of urban residents of the situationChen Peng Information and Computational Science，Grade 2005Directed by Cao Zheng-zhao(Associate Prof)Abstract:In this paper, using multiple regression model, significant regression equation and regression coefficient test of significance test of the method of urban residents and per capita consumption expenditure per capita disposable income of the year, food expenditure, per capita housing area of urban residents for employment collective units was paid staff, employed to obtain the state-owned units for the relationship between the remuneration were studied. The results showed that the average annual disposable income, food expenditure per capita consumption of urban residents are spending significant impact And urban residents in 2008 household consumption expenditure to make a forecast aboutKeywords:Regression analysis，F test，T test，Of urban residents per capita consumption expenditure回归分析（regression analysis)是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。
我国各地区居民消费性支出分析报告
我国各地区人居消费性支出分析目录1 引言 (1)1.1 选题背景 (1)1.2 选题目的 (1)1.3 选题意义 (1)2 数据来源与描述 (1)2.1 数据来源 (1)2.2 数据描述 (2)3 描述性统计分析 (3)3.1 分析步骤 (3)3.2 结果分析 (4)4 系统聚类分析 (5)4.1 分析步骤 (5)4.2 结果分析 (7)5 因子分析 (12)5.1 分析步骤 (12)5.2 结果分析 (14)6 综合分析 (17)7 总结与建议 (18)8 参考资料 (18)９维普数据库的论文查重报告1 引言1.1 选题背景近年来，我国的经济发展迅速，人民生活水平得到了很大的提高，。
但是我国各地区的经济发展水平还不均衡，而且不同地方的人口、资源、政策等各方面还有不同程度的差别化，这样就使的各地区人民的消费水平有高有低。
所以在这种情况下，分析我国各地区人民家庭平均每人全年消费性支出情况，搞清楚不同地区人民人均消费性支出的差异与特点就显得尤为重要，这样有利于决策部门宏观调控，掌握各地区情况，控制好各地区的发展。
1.2 选题目的通过运用不同的方法对各地区人民的消费性支出分析，了解在各消费性支出项目中哪个指标较大，了解总体情况。
通过运用不同的方法对各地区人民的消费性支出分析，知道哪些地区的消费性支出较高，在哪方面支出高。
通过运用不同的方法对各地区人民的消费性支出分析，清楚不同地区的消费结构，不同地区的消费类型。
通过运用不同的方法对各地区人民的消费性支出分析，比较发达地区和欠发达地区消费支出项的不同从而能更好的分配资源。
通过运用不同的方法对各地区人民的消费性支出分析，明白我国居民的消费转移方向。
1.3 选题意义分析我国各地区居民消费性支出情况和影响因素，有利于建立合理的消费结构，有利于我国拉动内需，发展经济，有利于促进国民经济的发展。
2 数据来源与描述2.1 数据来源来源于2014年《中国统计年鉴》,数据为2013 年全国各地区(31个省、市和自治区)的城镇居民家庭平均每人全年消费性支出的数据。
基于多元统计分析的我国各地区城镇居民消费性支出研究
基于多元统计分析的我国各地区城镇居民消费性支出研究作者：王晨晨来源：《时代经贸》2013年第03期【摘要】我国城镇居民的消费性支出在逐步提高的同时，不同地区之间的消费水平和支出结构仍存在较大差异。
本文通过选取相关的消费性支出指标，运用因子分析、聚类分析等多元统计分析方法，对全国31个省市自治区进行比较和分析，找出各地区城镇居民在消费性支出方面存在的差异，并提出相应缩小差异的建议。
【关键词】消费性支出；地区差异；因子分析；聚类分析；综合得分一、引言近年来中国经济加速发展，城镇居民的可支配收入不断增加，在国家实施“刺激消费、扩大内需、拉动经济增长”等经济政策的影响下，我国各地区城镇居民的消费支出也强劲增长。
但由于不同地区发展情况不同，人民收入水平不同，各地区城镇间的消费性支出存在较大差异。
为了缩小消费性支出的地区差异，提高我国城镇居民的消费水平和生活质量，对我国各地区城镇居民消费性支出之间的关系进行考察及系统分析研究，从而发现其规律和特点，为政府正确把握宏观经济形势，制定发展计划和长远规划提供科学的理论依据。
因此客观、准确、有效地分析这些地区差异具有重要的理论和实践指导意义。
为了研究全国各地区城镇居民人均年消费性支出的差异性和相似性，本文选取了全国31个省市自治区的相关数据，基于因子分析、聚类分析等多元统计分析方法，运用SPSS软件进行研究。
二、研究方法及数据来源（一）研究方法的介绍因子分析，是指在尽可能不损失信息或少损失信息的情况下，将众多原始变量浓缩成少数几个因子，并通过一定的方法对因子进行相应的命名解释，这几个因子可以高度概括大量数据中的信息，既减少变量个数，又同样地能再现变量之间的内在联系。
其具体步骤如下：1.分析原始变量是否具有相关关系，是否适合于进行因子分析。
如果存在较强的相关关系，则可以从原始变量的信息重叠部分提取和综合成因子，实现减少变量个数的目的，如果原始变量相互独立，不存在信息重叠，则无需进行因子分析。
浅析我国城镇居民人均消费性支出
浅析我国城镇居民人均消费性支出人们的支出水平是整个社会总需求最核心的一部分，对国家的经济增长的快慢和好坏起着举足轻重的作用。
本文研究讨论了近年来中国各个地方的人们的消费性支出现状，并对此给予一些建议。
标签：消费性支出；经济发展；城镇居民消费一、居民消费的相关理论城镇居民个体的家庭在日常生活消费上的支出和集体用于个体消费的所有支出就是居民消费支出。
用于商品的支出与用于非商品的支出都算在内，其中非商品支出涵盖体验文化服务和生活服务等等。
针对农村人群，还要额外加上在日常生活中的供自己使用的产品支出。
集体对个体供给的产品与劳动的支出为集体用于个体的消费，但排除所有的非消费性支出。
二、我国城镇居民消费支出的现状分析1.各地居民消费性支出结构差异大伴随着我国市场经济的循序渐进的发展，政府取消了毕业后直接安排工作、就业后免费或低价分房等的政策。
取而代之的是医疗保险及养老保险以社会为导向和除义务教育外教育收费市场化等改革新政。
我国各地人民的消费结构逐步优化，只顾吃饱穿暖的消费在城市已销声匿迹，城市居民开启了小康消费模式，并向富裕型消费迈进。
但各地区，在用于吃的物品，居住，家庭日常用品和相关服务等各方面的支出显著不同，因此群众消费支出在城镇间较为不平衡。
2.城乡居民恩格尔系数下降恩格尔系数指的是用于食品方面的支出占总的消费支出的比例。
伴随着城镇居民可支配收入的不同，上述比例也有所变化，这就是大家所熟知的恩格尔定律。
它反映了居民的可支配收入和用于食品方面的支出之间的密切联系，用恩格尔系数来解释经济腾飞、收入提高对日常生活中消费支出的影响大小。
这一系数越高表示生活水平越低，生活越困难，相反，这个系数越低，表示生活水平越高，生活越富裕。
自1978年之后，中国经济开始发展，居民恩格尔系数逐渐地下降，这既体现了居民用于食品方面的支出在总消费支出中所占的比例逐渐减少，也说明了中国各地人们过上了更加富裕的日子。
改革开放以来，恩格尔系数在城镇和农村之间有很大不同，城镇的系数比农村的低很多，说明生活在城镇的人们比生活在农村的人们享受更高的消费水平和生活质量。
我国各地区城镇居民消费性支出的分析研究
摘要:我国各地区的经济发展水平存在着较大的差异。
本文运用主成分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。
关键词:消费性支出;主成分分析;消费水平;消费倾向我国地域辽阔,各地区的经济发展很不平衡,各地区城镇间的消费性支出(由表1中的X1,…,X8这八个指标来描述)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,那末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。
本文运用多元统计分析中的主成分分析方法,将描述各地区城镇居民消费性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地区消费性支出的差异。
本文给出了这两个主成分的符合实际意义的解释,并用它们来描述分析各地区城镇居民消费性支出的主要差异。
二、方法研究与实证分析(一)样本数据选择本文选择的样本数据来自于《中国统计年鉴》(2000)提供的全国31个省、直辖市和自治区(港、澳、台不在其中)的城镇居民家庭平均每人全年消费性支出的9项主要指标(单位:元),指标代码和指标名称列于表1,原始数据列于表2。
表1指标代码和指标名称指标代码指标名称指标代码指标名称X1食品X6娱乐教育文化服务X2衣着X7居住X3家庭设备用品及服务X8杂项商品和服务X4医疗保健8消费性总支出X5交通和通讯S=(∑Xi)i=1表二原始数据表(单位:元)指标X1 X2X3X4 X5X6 X7 X8 S地叭北京2959.19730.79749.41 513.34467.871141.82 478.42457.64 7498.48天津2459.77495.47697.33 302.87284.19 735.97 570.84305.08 5851.53河北1495.63515.90362.37 285.32272.95 540.58 364.91188.63 4026.30山西1406.33477.77290.15 208.57201.50 414.72 281.84212.10 3492.98内蒙古1303.97524.29254.83 192.17249.81 463.09 287.87192.96 3468.99辽宁1730.84553.90246.91 279.81239.18 445.20 330.24163.86 3989.93吉林1561.86492.42200.49 218.36220.69 459.62 360.48147.76 3661.68黑龙江1410.11510.71211.88 277.11224.65 376.82 317.61152.85 3481.74上海3712.31550.74893.37 346.93527.091034.98 720.33462.03 8247.69江苏2207.58449.37572.40 211.92302.09 585.23 429.77252.54 5010.91浙江2629.16557.32689.73 435.69514.66 795.87 575.76323.36 6521.54安徽1844.78430.29271.28 126.33250.56 513.18 314.00151.39 3901.81福建2709.46428.11334.12 160.77405.14 461.67 535.13232.29 5266.69江西1563.78303.65233.81 107.90209.70 393.99 509.39160.12 3482.33山东1675.75613.32550.71 219.79272.59 599.43 371.62211.84 4515.05河南1427.65431.79288.55208.147217.00 337.76 421.31165.32 3497.53湖北1783.43511.88282.84 201.01237.60 617.74 523.52182.52 4340.55湖南1942.23512.27401.39 206.06321.29 697.22 492.60226.45 4799.51广东3055.17353.23564.56 356.27811.88 873.061082.82420.81 7517.81广西2033.87300.82338.65 157.78329.06 621.74 587.02218.27 4587.22海南2057.86186.44202.72 171.79329.65 477.17 312.93279.19 4017.75重庆2303.29589.99516.21 236.55403.92 730.05 438.41225.80 5444.23四川1974.28507.76344.79 203.21240.24 575.10 430.36223.46 4499.19贵州1673.82437.75461.61 153.32254.66 445.59 346.11191.48 3964.35云南2194.25537.01369.07 249.54290.84 561.91 407.70330.95 4941.26西藏2646.61839.70204.44 209.11379.30 371.04 269.59389.33 5309.12陕西1472.95390.89447.95 259.51230.61 490.90 469.10191.34 3953.25甘肃1525.57472.98328.90 219.89206.65 449.69 249.66228.19 3681.50青海1654.69437.77258.78 303.00244.93 479.53 288.56236.51 3903.76宁夏1375.46480.89273.84 317.32251.08 424.75 228.73195.93 3547.99新疆1608.82536.05432.46 235.82250.28 541.30 344.85214.40 4163.98(二)方法研究为了达到对X1,…,X8这八个指标的降维目的,我们可以使用多元统计分析中的主成分分析法。
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。
我国各地区城镇居民消费支出影响因素实证分析
我国各地区城镇居民消费支出影响因素实证分析摘要：本文利用2012年中国内地各地区城镇居民消费支出与城镇居民可支配收入、居民人民币储蓄存款余额、人均地区生产总值的截面数据，建立多元线性回归模型。
通过对模型的检验、预测，可以得出结论：城镇居民可支配收入、居民人民币储蓄存款余额和人均地区生产总值均对城镇居民消费支出具有显著性的影响。
关键词：消费支出、可支配收入、储蓄存款余额、人均地区生产总值随着经济水平的不断发展，居民消费水平也在不断地提高，从社会生产的角度来看，消费就是最终环节。
居民消费水平是指居民在物质产品和劳务的消费过程中，对满足人们生存、发展和享受需要方面所达到的程度。
通过消费的物质产品和劳务的数量和质量反映出来。
居民消费水平是指居民在物质产品和劳务的消费过程中，对满足人们生存、发展和享受需要方面所达到的程度。
它主要通过消费的物质产品和劳务的数量和质量来反映。
我国居民消费水平，直接影响了我国的经济增长速度。
一、相关概念解析1、居民消费支出：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。
2、人均可支配收入：人均可支配收入指个人收入扣除向政府缴纳的个人所得税、遗产税和赠与税、不动产税、人头税、汽车使用税以及交给政府的非商业性费用等以后的余额。
个人可支配收入被认为是消费开支的最重要的决定性因素。
因而，常被用来衡量一国生活水平的变化情况。
3、居民人民币储蓄存款：储蓄存款指为居民个人积蓄货币资产和获取利息而设定的一种存款。
储蓄存款基本上可分为活期和定期两种。
活期储蓄存款虽然可以随时支取，但取款凭证-存折不能流通转让，也不能透支。
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。
我国城镇居民消费支出的因子分析 论文
《多元统计分析》课程设计题目我国城镇居民消费支出的因子分析姓名陈雨薇黄丽学号 11001020104 11001020110教师评语：成绩指导教师我国城镇居民消费支出的因子分析摘要：近几年来，我国城镇居民的消费重点正从追求数量转变为讲求良好的质量问题，这也是一个国家消费观念的改变。
有了量得供不应求，才能有心去追求质的高低，可以看出一个国家的经济的突飞猛进。
从基本生活消费品向新型消费领域转变，这种消费结构的改变对社会的经济发展起着至关重要的作用。
本文主要以2004年~2009年这六年的居民消费支出结构类别情况进行分析，并对影响消费支出的因素提出改善的对策。
关键字：城镇居民消费结构因子分析影响因素引言随着新中国的逐渐壮大，我们已经不是需要勒紧裤腰带的时代了，已步入小康社会的我们，正向着发达国家慢慢逼近。
人们的收入水平、消费水平不断提高，消费观念、消费模式和消费环境的不断改善，对物质的追求已更多的变为在精神上的追求，享受质量的发展而不仅仅局限数量的多少。
所以居民消费作为影响社会经济活动的重要因素，体现着国家经济状况的强大程度。
优化消费结构对扩大居民消费需求，拉动我国经济持续稳定增长具有深远的意义。
正文一、居民消费支出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。
不包括各种非消费性的支出。
居民消费支出指常住居民在核算期内对于货物和服务的全部最终消费。
它包括四方面内容：（1）居民用货币直接购买的用于生活消费的各种货物，包括本期不能全部消费完的耐用消费品，如家具、家用电器等，也按购买全价计入本期消费中。
（2）居民用货币直接购买的用于生活消费的各种服务的支出，如房租、交通、洗理、教育、医疗保健、文化、日用品修理，家庭保姆等项支出。
（3）居民以实物工资形式获得的用于生活消费的各种货物和服务，包括免费或以低于市场价格获得的货物和服务。
对我国各地区城镇居民人均消费性支出的多元统计分析
对我国各地区城镇居民人均消费性支出的多元统计分析聚类分析案例---对我国各地区城镇居民家庭平均每人全年消费性支出情况的分析（一）案例研究背景近年来，我国国民经济得到了迅速发展，人民生活水平进一步提高，物质文明建设达到了前所未有的水平。
但由于我国各地区经济发展水平不均衡，加之各地人口、资源、政策等各方面存在的差异，使各地区居民人均消费水平参差不齐，不同的地区具有不同的特点。
在这一背景下，研究我国各地区城镇居民家庭平均每人全年消费性支出情况，明确各类地区城镇居民人均消费性支出的差异与特点，有利于决策部门从宏观上把握我国各地区的消费情况，协调各地区的发展，切实落实“出口、投资和消费共同发展”的经济政策，推动我国经济再上一个新台阶。
其次，消费结构可以反映居民的生活质量和经济发展水平。
一般来说，经济越发达的地区，其消费结构就越趋向于追求安逸享受的消费结构。
在这样的消费结构中，奢侈品支出如住房、服务性支出所占的比例就会较大。
反之，在经济较不发达的地区中，生活必需品消费支出所占的比例就会较大。
随着社会主义市场经济体制的逐步完善，我国的社会生产力不断日益加快发展，经济总量和综合实力迅速上升，城镇居民的生活水平显著提高。
相对过去而言，居民食品方面的消费支出比重在逐渐下降，而在交通通讯、文化娱乐等方面的消费支出比重越来越大。
消费结构的变化，反映居民需求的变化。
研究我国城镇居民消费性支出情况及其影响因素，对建立合理的消费结构，扩大内需，搞活社会主义市场经济，制定产业政策，促进国民经济的发展都有着极其重要的意义。
（二）初步准备1、建立数据指标体系：表1列出2010 年全国31个省、市和自治区的城镇居民家庭平均每人全年消费性支出的八个主要变量数据。
其中：x1——食品；x2——衣着；x3——居住；x4——家庭设备用品及服务；x5——医疗保健；x6——交通和通信；x7——教育文化娱乐服务；x8——其它商品和服务；表1 我国各地区城镇居民家庭平均每人全位：元——资料来源：2011年《中国统计年鉴》2、为了得到更科学的分析结果，对原数据进行标准化处理。
我国城镇居民消费支出结构分析
我国城镇居民消费支出结构分析我国城镇居民消费支出结构分析1：引言在我国城镇化进程加快的背景下，城镇居民的消费支出结构逐渐发生变化。
本文旨在分析我国城镇居民消费支出的结构特点、变化趋势及对经济发展的影响。
2：家庭总体消费支出情况分析2.1 年度总消费支出金额2.2 各消费项目占比情况2.3 主要消费项目的变化趋势3：食品消费支出结构分析3.1 主要食品消费项目3.2 食品消费的地域差异3.3 食品消费的变化趋势及原因分析4：居住消费支出结构分析4.1 住房消费支出占比情况4.2 租赁与购买住房的比较4.3 居住消费支出的影响因素分析5：交通通信消费支出结构分析5.1 交通运输消费支出占比情况5.2 通信设备和服务的消费趋势5.3 新兴消费领域对交通通信消费的影响6：教育文化娱乐消费支出结构分析6.1 教育支出的占比情况6.2 文化娱乐消费项目的变化趋势6.3 教育文化娱乐消费的社会意义和影响7：医疗保健消费支出结构分析7.1 医疗保健支出的占比情况7.2 不同地区医疗保健消费的差异7.3 医疗保健消费的变化趋势及原因分析8：其他消费支出结构分析8.1 衣着消费支出占比情况8.2 耐用消费品的需求变化趋势8.3 其他消费项目的特点及影响因素9：经济增长对消费支出结构的影响9.1 经济增长对消费支出水平的影响9.2 经济结构调整对消费支出结构的影响9.3 城镇化进程对消费支出结构的影响10：结论根据对我国城镇居民消费支出结构的分析，可以得出相关结论，并对未来可能的变化进行预测和建议。
附件：本文档涉及的数据统计表格、图表和相关论文法律名词及注释：- 消费支出：居民用于购买商品和服务的支出。
- 支出结构：各消费项目在总消费支出中所占比例。
- 经济增长：指一个国家或地区的国民生产总值（GDP）在一定时期内的增长。
- 经济结构调整：指调整国民经济各部门之间的比例关系，以适应经济发展的要求。
- 城镇化进程：指农村人口向城市转移的过程。
我国各地区城镇居民家庭平均每人全年消费性支出数据分析(同名13813)
因子分析是主成分分析的一种推广，它也是利用降维的思想，把一些具有错综复杂关系的变量归结为少数几个不可观测的综合因子的一种多变量统计分析方法。前面利用聚类分析法，仅仅是把我国各地区城镇居民人均消费分为三类，这样分类，存在一定缺陷，我们希望找出几个真正影响居民人均消费的公共因子，在做因子分析之前，应当检验数据是否适合做因子分析。根据KMO检验，KMO值越大表示数据越适合做因子分析，KMO值低于0.5时，表明数据不太适合做因子分析，由表一可知，适合进行因子分析
93.346
4
.190
2.375
95.721
5
.131
1.643
97.365
6
.106
1.325
98.690
7
.073
.908
99.598
8
.032
.402
100.000
提取方法：主成份分析。
根据结果可知，初始解只有两个因子的特征值大于1，这两个因子可以解释原有八个指标总方差的83.845%，已经足以解释各地区城镇居民的人均消费共性以及差异性。
27
25
30
30
1
2
6942855.592
28
29
0
人均消费聚类分析结果表明：北京、天津、上海、浙江、福建、广东属于第一类地区，这些地区经济发达，城镇居民收入较高，与此同时，人均消费也比较高，聚类结果符合实际情况，其余地区则属于第二类地区。
然而，这种分类方法第二类地区中，例如贵州、甘肃、青海同江苏、山东地区消费差距明显，与人们观察到的实际情况不符合，因此运用聚类分析法存在一定缺陷，
因子得分系数矩阵
以各因子的方差贡献率占两个因子总方差贡献率的比重作为权重进行加权汇总， 算出各地区的综合得分
河北省城镇居民消费支出结构的统计分析
河北省城镇居民消费支出结构的统计分析随着经济的不断发展和居民生活水平的日益提高，消费支出结构成为反映居民生活质量和经济发展状况的重要指标。
河北省作为我国的经济大省之一，其城镇居民的消费支出结构也在不断变化。
本文将对河北省城镇居民的消费支出结构进行详细的统计分析，旨在揭示其特点、变化趋势以及影响因素，为相关政策的制定和经济发展提供参考依据。
一、河北省城镇居民消费支出的构成河北省城镇居民的消费支出主要包括食品烟酒、衣着、居住、生活用品及服务、交通通信、教育文化娱乐、医疗保健、其他用品及服务等八大类。
食品烟酒支出一直是居民消费的重要组成部分，但近年来其占比呈现出逐渐下降的趋势。
这表明随着居民收入的增加和生活水平的提高，人们在满足基本饮食需求的基础上，开始更加注重饮食的质量和多样性，同时也将更多的消费支出分配到其他领域。
衣着支出相对较为稳定，反映出居民对于个人形象和穿着品质的关注程度保持在一定水平。
居住支出在消费结构中的比重逐渐上升，这与房地产市场的发展以及居民对居住环境要求的提高密切相关。
生活用品及服务支出呈现稳中有升的态势，说明居民对生活品质的追求不断提升，对于各类生活用品和服务的需求日益多样化。
交通通信支出增长迅速，反映了现代交通和通信技术的普及以及居民出行和交流方式的改变。
教育文化娱乐支出的增加体现了居民对知识和精神文化生活的重视，以及对子女教育投资的不断加大。
医疗保健支出也呈现出上升趋势，反映了居民健康意识的增强和对医疗服务需求的增加。
其他用品及服务支出在总消费中的占比较小，但也随着居民消费观念的变化而有所波动。
二、河北省城镇居民消费支出结构的变化趋势过去几年，河北省城镇居民消费支出结构发生了显著的变化。
食品烟酒支出占比持续下降，从过去的主导地位逐渐让位于其他消费领域。
居住支出占比逐年上升，成为居民消费的重要方面。
交通通信和教育文化娱乐支出的增长速度较快，反映了居民在出行、通信和精神文化方面的需求不断提升。
我国城镇居民消费支出结构的分析
我国城镇居民消费支出结构的分析在我国经济持续发展的大背景下，城镇居民的消费支出结构发生了显著的变化。
这一变化不仅反映了居民生活水平的提高，也映射出社会经济结构的调整和转型。
深入分析我国城镇居民消费支出结构，对于理解经济运行态势、制定相关政策以及引导消费市场健康发展具有重要意义。
一、食品支出食品支出一直是城镇居民消费支出的重要组成部分。
然而，随着收入水平的提高和消费观念的转变，食品支出在总消费支出中的占比逐渐下降。
这并不意味着居民对食品的需求减少，而是反映出食品消费的质量和结构在不断优化。
过去，人们更多关注的是解决温饱问题，消费以主食和简单的菜肴为主。
如今，居民更加注重食品的营养、安全和多样性，对新鲜水果、蔬菜、海鲜、肉类等高品质食品的需求增加。
同时，外出就餐的频率也逐渐提高，餐饮服务消费在食品支出中的比重不断上升。
二、衣着支出衣着消费在城镇居民消费支出中的比重相对稳定，但消费模式和理念发生了明显变化。
从过去注重数量和实用性，到如今更加追求品牌、时尚和个性化。
消费者对于服装的品质、款式、面料等方面有了更高的要求。
此外，线上购物的兴起也改变了居民的衣着消费方式。
消费者可以更加便捷地浏览和比较不同品牌和款式的服装，同时享受更多的优惠和折扣。
这使得消费者在衣着消费上有了更多的选择和灵活性。
三、居住支出居住支出在城镇居民消费支出中的比重呈上升趋势。
随着城市化进程的加速，房价的上涨以及对居住环境要求的提高，购房和租房成本不断增加。
同时，居民对于居住品质的追求也体现在装修、家居用品等方面的消费增加。
智能家居产品、环保建材等逐渐受到青睐，人们愿意投入更多资金来打造舒适、便捷的居住空间。
四、交通通信支出交通通信支出是近年来增长较快的消费领域之一。
随着城市交通网络的不断完善和交通工具的多样化，居民在交通方面的支出不断增加，如购买汽车、乘坐公共交通、使用共享单车等。
在通信方面，智能手机的普及以及移动互联网的发展，使得居民在通信服务、流量费用等方面的消费持续上升。
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：常惠华来源：《现代经济信息》 2018年第7期摘要：本文采用了2017 年《中国统计年鉴》上31 个省、市、自治区城镇居民人均消费支出数据，对31 个省市的数据进行分类，结果表明，用系统聚类法能取得较好的分类结果。
其次，我们利用主成分分析法，从八个变量中选出影响人们消费支出的主要因素。
最后，根据分析结果，我们提出相应的发展消费，提振经济的意见。
关键词：城镇居民；消费；系统聚类分析；主成分分析中图分类号：F014.5 文献识别码：A 文章编号：1001-828X(2018)010-0009-01一、系统聚类分析本文用八项指标来描述城镇居民的消费支出[1-2]，其中包括食品烟酒、衣着、居住、生活用品及服务、交通通信、教育文化娱乐、医疗、其他用品及服务。
本文引用2017 年《中国统计年鉴》[3] 中全国居民分地区人均消费支出中的数据来进行系统聚类，最后得出的聚类结果表明：我国各类地区城镇居民消费支出分类效果较好，且不同地区的消费结构有着各自的特点。
综合考虑将我国各地区城镇居民人均消费分为四类，较好地反映了人们观察到的实际情况。
第一类为北京、上海，这两个城市为最高，这两个城市是中国的政治中心、经济金融中心以及文化中心，因此其食品支出、交通和通信支出、教育文化娱乐服务支出远远高出全国平均水平。
二、我国城镇居民人均消费的因子因子分析是主成分分析[5] 的一种推广，它是利用降维的思想，把一些具有错综复杂关系的变量归结为少数几个不可观测的综合指标的一种多变量统计分析方法。
我们在前面利用聚类的方法只能得到31 个省市的消费支出水平的分类，并不能得到反映影响居民消费支出的真正因素。
我国城镇居民人均消费的因子分析[6-7] 结果如下：根据表1 可知，第一二个因子可以解释原有八个指标总方差的91.8%，已经足以解释各地区城镇居民的人均消费共性以及差异性。
由表2 可得，第一因子主要反映食品烟酒、居住、交通通信、教育文化娱乐、生活用品及服务和其他用品和服务，说明这6 个指标有较强相关性，可以归为一类，我们称为主消费因子F1，第二因子主要反映衣着和医疗支出，可以归为一类，我们称为次消费因子F2。
- 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、"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、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)。
理学院《应用多元统计分析》课程论文论文题目：多元统计分析中国城镇居民人均消费水平专业：统计学班级：112班姓名：杨晓丹学号*********** 指导教师：韩明职称教授2013年12月12日摘要本文通过选取2011年我国31个省市自治区城镇居民在食品、衣着、居住、家庭设备用品及服务、医疗保健、交通和通信、教育文化娱乐服务及其他商品和服务等方面的人均消费性支出，运用聚类分析及主成分分析对各地区进行比较和分析。
用聚类分析将各地区进行分类，对分类的地区进行比较，用主成分分析根据所选主要成分将各地区排名。
找出各地区城镇居民在消费性支出方面存在的差异，并提出相应缩小差异的建议。
除了地区间的比较，将结果同前一年比较，明确地区经济发展变化。
关键字：人均消费性支出聚类分析主成分分析目录摘要 (I)1 绪论 (1)1.1选题背景和研究现状 (1)1.2研究目的 (1)2 内容 (2)2.1数据收集 (2)2.2聚类分析 (3)2.3主成分分析 (4)2.4结果对比 (8)3 总结 (10)参考文献 (11)附录 (12)1 绪论1.1 选题背景和研究现状近年来，我国国民经济得到了迅速发展，人民生活水平进一步提高，物质文明建设达到了前所未有的水平。
但由于我国各地区经济发展水平不均衡，加之各地人口、资源、政策等各方面存在的差异，使各地区居民人均消费水平参差不齐，不同的地区具有不同的特点。
在这一背景下，研究我国各地区城镇居民家庭平均每人全年消费性支出情况，比较地区间的差异和差距，通过与前几年结果作对比，进而明确促进和抑制我国城镇居民人均消费性支出发展的影响因素。
1.2研究目的消费结构可以反映居民的生活质量和经济发展水平。
一般来说，经济越发达的地区，其消费结构就越趋向于追求安逸享受的消费结构。
在这样的消费结构中，教育文化娱乐服务支出所占的比例就会较大。
反之，在经济较不发达的地区中，生活必需品消费支出所占的比例就会较大。
随着社会主义市场经济体制的逐步完善，我国的社会生产力不断日益加快发展，经济总量和综合实力迅速上升，城镇居民的生活水平显著提高。
相对过去而言，居民食品方面的消费支出比重在逐渐下降，而在交通通讯、文化娱乐等方面的消费支出比重越来越大。
消费结构的变化，反映居民需求的变化。
研究我国城镇居民消费性支出情况及其影响因素，对建立合理的消费结构，扩大内需，搞活社会主义市场经济，制定产业政策，促进国民经济的发展都有着极其重要的意义。
2 内容2.1数据收集表1 我国各地区城镇居民家庭平均每人全年消费性支出情况【1】单位：元——资料来源：2012年《中国统计年鉴》2.2聚类分析运用R对表1数据进行Q型聚类分析。
得到聚类图如下从上图可以看出a) 如果根据各地区城镇居民人均全年消费状况把31各地区分为2类，结果为：第一类：上海第二类：其他地区这样分类不能突出城市之间的差距，只能说明上海市经济在我国最为发达。
b) 如果根据各地区城镇居民人均全年消费状况把31各地区分为3类，结果为：第一类：上海第二类：北京，天津，浙江，广东，江苏，福建、内蒙古第三类：其他地区这样分类只显示了经济较为发达地区，而没有对其他地区进行细分。
c) 如果根据各地区城镇居民人均全年消费状况把31各地区分为5类，结果为：第一类：上海第二类：西藏第三类：其他地区第四类：内蒙古第五类：北京，天津，浙江，广东，江苏，福建。
上海是国际大都市，经济最为发达。
西藏有其特殊的政治背景和特殊的地理位置。
内蒙古位于我国北部边疆，地理位置较为特殊，故独自归为一类。
北京，天津，浙江，广东，江苏，福建这些城市经济都比较发达，人均消费性支出高。
这样分类较为合理。
2.3主成分分析（1）计算相关矩阵：由所得结果可以看出前两个特征值的累计贡献率已达到87.1%，这说明前两个主成分已基本包含了全部指标具有的信息。
因此，我们提取2个特征值。
碎石图碎石图表现出从第三个主成分开始折线变得平坦，这与提取两个主成分相符。
Comp. 1 Comp.2Comp.3Comp.4Comp.5Comp.6Comp.7Comp.8北京-5.579 -0.765 -0.549 -0.1299-0.46560.24 -0.172-0.1896天津-2.971 -0.323 -1.033 -0.72410.517630.2143 0.2199-0.3201河北 1.5422 -0.243 -0.983 0.32017-0.0597-0.195 -0.149-0.0974山西 1.577 -0.292 -0.564 0.72531-0.2152-0.219 -0.512 0.0942内蒙古-1.792 -2.344 0.5618 0.532540.3647 -0.311 0.0813-0.0086辽宁-0.516 -0.909 -0.461 -0.37770.357790.1466 0.0191-0.1164吉林0.3748 -1.036 -0.794 0.234160.37148-0.122 -0.238 0.1923黑龙江 1.3295 -1.031 -0.461 -0.289 0.277070.0952 -0.053-0.0066上海-7.463 1.3955 0.635 0.5405 0.779120.4265 -0.3650.12029江苏-1.44 0.0623 0.9172 0.0183-0.8050.7406 -0.182 0.1946（5）计算综合得分和各地区排名根据加权法计算出的综合得分，其计算公式如下：()()2121145190.0854810.0126475.0744625.0/126475.0744625.0C C C C C +=++=由所得排名可以看出排名第一的是上海，第二是北京，第三是浙江。
排名后三位的是青海，贵州，西藏上海、北京、浙江等地区城镇居民消费性支出较高，这应该与这些地区的经济水平较为发达相关。
青海、贵州、西藏等地区城镇居民消费性支出偏低，这应该与这些地区经济水平较为落后相关，而经济水平落后则与当地的地理位置，人口密集度等相关。
其他消费性支出较为靠前的地区集中于我国东南部沿海地区，而我国中西部地区消费性支出中游偏下。
2.4结果对比【2】同样以衣着和食品为两个主要成分排名，比较2010年与2011年的结果，2011年浙江省名次跃居第三，内蒙古，江苏，福建的排名也有所上升，而排名靠后的地区大致没有变化。
说明经济发达的地区，经济速度飞快，在不断发展，且地区之间的竞争激烈。
而经济相对较落后的地区发展速度缓慢。
我国应该注重这些相对较落后地区，通过相应政策刺激这些地区的消费，进而拉动经济。
3 总结从聚类分析，主成分分析的分析结果看，尽管不同的分析方法所得的结果不同，但是上海、北京、天津、浙江、广东的城镇居民人均消费性支出都处于较高位置，而青海、甘肃、西藏的人均消费性支出处于低位。
对比前一年的排名结果可知，我国各地区的人均消费性支出排名总体没有太大差异，北京、上海、浙江、广东依旧名列前茅，而青海、西藏、贵州等地依旧落后于其他地区。
城镇居民的人均消费性支出直接反应地区的经济发展水平。
消费拉动经济，促进消费，改善消费结构的关键在于提高居民的收入。
其中教育文化消费在消费中占据很大的比例，要鼓励居民学习，引导居民正确的消费观，构建学习型社会，创造财富，拉动消费。
我国应该采取相应政策，刺激消费，缩小地区间差距。
参考文献[1]2012年中国统计年鉴[2]附录聚类分析> one<-read.csv("E://11.csv")> x1<-one[,2]> x1[1] 6905.51 6663.31 3927.26 3558.04 4962.40 5254.96 4252.85 [8] 4348.45 8905.95 6060.91 7066.22 5246.76 6534.94 4675.16 [15] 4827.61 4212.76 5363.68 4943.89 7471.88 5074.49 5673.65 [22] 5847.90 5571.69 4565.85 4802.26 5184.18 5040.47 4182.47 [29] 4260.27 4483.44 4537.46> x2<-one[,3]> x3<-one[,4]> x4<-one[,5]> x5<-one[,6]> x6<-one[,7]> x7<-one[,8]> x8<-one[,9]> X<-data.frame(x1,x2,x3,x4,x5,x6,x7,x8)> d<-dist(scale(X))> hc1<-hclust(d,'average')> opar<-par(mfrow=c(2,1),mar=c(5.2,4,0,0))>plclust(hc1,hang=-1);re1<-rect.hclust(hc1,k=5,border='red' )> par(opar)主成分分析> one<-read.csv("E://11.csv")> x1<-one[,2]> x1[1] 6905.51 6663.31 3927.26 3558.04 4962.40 5254.96 4252.85 4348.45 8905.95 6060.91 7066.22 5246.76[13] 6534.94 4675.16 4827.61 4212.76 5363.68 4943.89 7471.88 5074.49 5673.65 5847.90 5571.69 4565.85[25] 4802.26 5184.18 5040.47 4182.47 4260.27 4483.44 4537.46 > x2<-one[,3]> x3<-one[,4]> x4<-one[,5]> x5<-one[,6]> x6<-one[,7]> x7<-one[,8]> x8<-one[,9]> X<-data.frame(x1,x2,x3,x4,x5,x6,x7,x8)计算相关矩阵：> cor(X)）求相关矩阵的特征值和主成分负荷> PCA=princomp(X,cor=T)> PCA> PCA$loadings确定主成分> X.pr<-princomp(X,cor=T)> summary(X.pr,loadings=T)画碎石图> screeplot(PCA,type='lines') 主成分得分> PCA$scores。