文摘
近年来,随着中央政府的政策的逐步实施扩大内需,城市居民的生活水平已大大提高。城市生活消费水平的提高,居民的生活消费情况吸引了更多的关注和注意。为了进一步提高消费收入的家庭,有必要进行相应的分析家庭在不同的地区。基于SPSS统计仿真软件,本文运用因子分析和聚类方法常用于现代多元经济统计分析建立多元统计模型和计算,建立各种分析模型适用于我的国家的家庭消费支出结构(2020)和分析参数,相应的行动。从政治、经济、地理、等等,本文揭示了能源消费的变化在中国的家庭和社会生活及其可能的隐含相关信息,法律,方向,和社会的整体发展水平。通过实证分析和研究,本文最后得出结论,当前中国家庭消费支出结构的影响因素,如国家政策、经济发展和技术条件,地理环境特点,效果是不同的在不同的城市。
1。介绍
我们的人民斗争的目标是全面建设小康社会。为了实现这一目标,关键是要发展经济,增加收入,提高人民生活水平。在中国各个地区的发展水平很不平衡,这是非常不利的对于全面建设小康社会。我们判断的发展水平通过分析消费生活在这个国家的不同地区,也为国家提供了现实的基础,有效实施宏观调控(1]。
事实上,经济的发展也大大提高了居民的生活消费水平。消费需求的快速增长也大大提高了人民的生活条件,和家庭的平均消费水平也提高整体(2]。通过这种方式,我们可以确定区域之间的差距和互相学习的优势3]。使用开发经验,开发概念和穷人富裕地区推动居民消费概念,实现繁荣之路(4]。通过因子分析和聚类分析的生活消费结构的居民在这个国家的不同地区,希望做进一步分析和研究农村居民的食品消费情况,希望能找到一个合理的解决方案。实现农村稳定、农民必须小康和农业现代化,从而消除存在明显的城乡二元结构,在中国经济5]。根据2020年中国统计年鉴中的数据,本文研究和探讨了中国家庭的生活消费支出在不同地区6]。进行因子分析和聚类分析对各地区居民的生活消费结构,本文希望做进一步分析和研究农村居民的食物消费,希望找到合理的解决方案。为了实现农村地区的稳定,富裕的农民和农业的现代化,从而消除中国经济存在明显的城乡对立。本文研究和探讨了中国家庭的生活消费支出在每个区域根据2020年中国统计年鉴的数据信息。
2。研究背景
消费结构通过咨询相关的现有文献,发现最早的文学在消费结构的概念可以追溯到17世纪,当消费经济学的学科没有形成,和“消费结构”的概念没有被提出(7]。直到19世纪末,爱德华Dicketti Agez第一次明确提出了“消费结构”的概念和家庭消费支出结构的分类方法,这一概念是被相关学者和广为流传8]。尽管凯恩斯本人可能是第一个提出的基本概念结构,事实上直到1950年代早期,许多主要结构凯恩斯提出的理论在现代人类消费的研究及其社会结构开始提出和逐步改善9]。同时,凯恩斯本人也开始提出许多其他研究成果和方法,新结构理论与大规模开发形式。一些更有意义和代表性的结果是恩格尔定律,线性支出系统(10]。模型、扩展的线性支出系统模型、面板和数据模型,等等,这些理论技术和研究方法也打开了另一个历史阶段积极活力的研究领域,当代消费行为的微观结构(11]。同时,上述经济定量研究方法的基本模型,理论体系模型和实证的理论方法提供了一些重要的和实用的理论依据主要外国经济学家继续深入调查和研究现代居民的生活行为和生活消费结构在20世纪早期。在数据和基础知识12),与国外相比,国内的研究圈子相对较晚的系统研究工作,开始对西方经济和消费发展和结构性问题13]。大约在1917年,它也开始注意正式和吸收一些外国专家的经验和结论进行研究在国内经济和消费结构。东府教授,在1963年,一位著名的当代经济学家在我的国家,是世界上第一个系统地提出了“消费构成的新的宏观经济概念。“一方面,这是由他们的结构需求,另一方面,材料组成的消费基金。直到1980年,重新调查城乡居民家庭消费的国家统计部门,对消费结构的理论研究逐渐进入我国的研究领域的经济圈14]。
在1980年代末,国内消费结构的研究开始转向实证分析,主要包括研究消费结构的变化趋势和研究消费结构的影响因素,如使用模型实证研究收入差距的影响,制度因素、地区因素、环境因素、人口结构因素,内部和外部的习惯,形成的内部和外部的习惯在我们居民的消费结构。也有初步研究比较分析的总体消费的城乡居民收入结构在中国各省。例如,城乡居民的实际消费支出结构数据在一些大的县或一个大城市在该省直接比较和研究。其次,调查和研究如何优化转型升级的城乡居民的消费群体结构。也有区域抽样调查城市居民多元化的消费结构变化的实体(15]。
一般来说,大多数的实证研究在中国消费结构主要侧重于数量的统计分析居民消费结构的变化从不同的角度,特别是中国居民的消费结构的研究。近年来,研究消费结构已逐渐被广泛开展的学科,包括研究城市居民和农村居民的消费结构;个人和集体的关系居民的消费结构;economic-led消费者结构和保障性住房建设消费者结构的研究;不同的消费结构不同社会群体之间的差异(16]。
3所示。材料和方法
3.1。因子分析方法
3.1.1。介绍因子分析
因子分析方法指的是一个多样化的统计概率的分析研究方法。首次建立的过程中应用心理科学,特别是在现代人们的开发和系统分析。它已逐渐成为当代人类行为之间的关系和心理行为能力的当代人类行为和心理行为数学模型(17]。
因素统计分析技术主要是减少独特的变量集的数量可以被描述为所描述的特征的因素可以被准确地描述一些特定的潜在变量集,可以准确地描述的特征。项数理统计推理方法在许多海底的专辑序列变量上面所提到的,我们通常可以找到属于最常见的特征因素代表特征,属于特定属性的特征。一个因素代表另一个潜艇和至少另一个变量的变量相同结构或相似的结构特征。以这种方式最重要的结果是,它不仅意味着它可以用来减少变量在潜艇变量设置的数量也直接用它来进一步分析测试这些潜在变量的内部连接。一般来说,一组线性方程可以用线性方程组来表示潜在的属性描述,而方程的系数组集中反映了潜在的可能的变量和描述事务之间的关系(18]。
3.1.2。因子分析的基本思想
有许多差异因素分析等统计分析方法,和它有自己的特点19]。首先,当我们做因子分析时,我们必须注意变量之间的内部和之间的相关性。因子分析是一种统计分析方法分析数据。在分析过程中,它可以使用几个主要因素代表许多变量没有表面上的关系。换句话说,因子分析可以将原始变量划分为若干类型。更具体地说,它可以根据程度的分类变量的相关关系,把变量观察更高程度的相关性,并有一定的连接在同一类别20.]。一般来说,如果他们被分成不同的类,它们之间的相关关系相对较小。在因子分析中,每个主要因素表明一个基本的框架,这个框架和每个变量有一定的联系。的基本框架的主要因素是公众的因素。此时,每个组件的原始变量可以表示为公共因子和另一个特殊的因素,也就是说,我们可以使用更少的公共因素不能直接测量+特殊因素,代表了原始变量和症状。
虽然因子分析类似于分析,主成分分析,因子分析是一个深入的分析比主成分分析。也有许多地方和主成分分析。相同的是,他们可以让更少的原始变量相关关系的原始变量。他们都组成多个变量到少数几个变量的相关性。也有许多差异。例如,因子分析不需要假设,和主成分分析需要假设;因子分析的评价结果不如主成分分析;因子分析的计算工作量大于主成分分析;在因素分析中,它是由各种因素,在主成分分析的主要组件是由每个变量。我们还可以使用正交旋转和倾斜旋转,所以因子分析将更清楚比主成分分析,这是方便的分析主要组件。
在因素分析中,我们寻找原始变量之间的关系,将原始变量划分为不同的类别,把彼此之间的连接到一个类别越高。的因子,因子分析的变量,也有因素分析样本。
3.1.3。因子分析的基本原理和数学模型
因子分析主要是基于降维递减的想法。探索变量之间的系数矩阵,根据变量的相关变量进行分组,以便在同一组变量之间的相关性较高,而不同组的变量相关性较低。新变量代表每组数据的基本结构称为公共因子。换句话说,因子分析是收集许多错综复杂的变量为少数独立的公共因素的情况下尽可能多或少原始数据信息的损失。这些公共因素可以反映了原始变量的主要信息。同时减少变量的数量,这也反映出变量之间的内在联系。例如,测量某一地区的全面发展,我们可以收敛到两个或三个公共因子通过因子分析。
因子分析的好工作,你需要经历以下重要的关键步骤。流程如图1。
原始变量 满足条件方程所示(1)。
在这里,是扭曲函数,然后呢 的尾部分布吗并受相关矩阵和协方差阵的条件是相等的。
常见的因素 满足条件如方程所示(2)。
这意味着该组件的原始变量是相互独立的; 配分函数, 是一个单调不减少的函数。
在哪里误差项,是一个潜变量,即。,如果 ,然后 。获得一个无偏估计量的前提 。这可以表现出下列方程(3)和(4)。
3.2。聚类分析方法
聚类分析是数据对象的分组基于信息中发现数据描述对象和它们之间的关系。目标是使对象在一组相似(相关)和对象在不同群体不同的(不相关的)。相似性越大在组织和团体之间的差距越大,聚类效果越好。聚类的目标是获得一个高的星团内相似性和intercluster相似性较低,因此集群之间的距离尽可能的大,和样品之间的距离在集群和集群中心是尽可能小。一个好的聚类算法的特点,通常被认为是以下:良好的可伸缩性,能够处理多个不同类型的数据,处理噪声数据,样本顺序不敏感,一般要求约束和易于解释。
在当代,当我们研究一个问题,我们做的第一件事,以促进我们的研究是我们想要的东西分类研究在一个合理的方式。举例来说,如果我们想研究收入和消费的农村人口生活在不同地区的生活,最简单和最明显的想法是先成几个不同的类型进行分类。然后,针对不同的研究目的,根据不同的分类类型分别研究;为了研究人口的生育模式,这就要求我们画一个人口生育率所属类别的模型,分别。在过去,大多数人类只有依靠他们的专业知识来分析事情根据其性质分类,导致许多不准确的,盲目的,主观的分类。
最终的结果是,我们不能清楚地了解事物的本质。我们不能准确找到事物之间的联系。在这一点上,如果我们遇到多个因素分类的情况下,很难做出准确的定性分类。
在多元统计分析,聚类分析是一种有效的方法。即使我们没有知识或经验,它可以分类更准确。因此,聚类分析是一种有效的分析方法研究聚类问题。在聚类分析的过程中,这种方法通常可以让事情作为一个类别相似性较高。最终的结果是,不同类别之间的差异相对较大。
在多元统计分析中,q型聚类分析主要分为分层集群polycladium(示例集群),分层集群异形战机集群(变量),和快速聚类。本文主要采用分层集群q型集群。聚类分析的分类如图2。
在实际生活中,如果我们想做一个聚类的样本,这是q型聚类方法层聚类分析。这种方法是一种有效的聚类方法对样本。它允许样本具有相同自然聚集。因此,在未来的研究,我们可以更方便地分析不同样品。在分层聚类分析中,我们会遇到两种情况。测量样本之间的距离是一个方法。测量样本数据和每个小类别之间的距离是另一个方法。
3.2.1之上。变量的样本之间的距离
聚类分析通常度量样本之间的距离。之间的距离的一些常用的样品如下,如图3:
3.2.2。样本之间的距离和小类别,远远近测量
在聚类分析的过程中,小类别指中间类别形成根据样本之间的距离。然后,小样本类别和聚合,一个大型类包含所有样本。
在聚类分析的过程中,中间的类别的样本之间的距离就是我们说的是一个小类别。小分类,样本,和一个大类包含所有样本。
最短的距离是指目前聚集在聚类分析中,样品,每个样品的小类别已经形成。距离的最小值是当前样本之间的距离,这小类别。最短的距离。
最长的距离是指当前样本与样本之间的距离小的类别,这意味着当前样本之间的距离的最大值和小类别。这个距离是我们所说的最长的距离。分类图所示4。
本文仅简要讨论其中几个。事实上,还有许多其他的距离算法,可以根据实际需要选择。
3.3。实现软件
统计软件包对社会科学统计软件包SPSS发起公司开发并由三个来自斯坦福大学的研究生在美国在1960年代。它是一个分析软件。
SPSS的发展已经有40多年的历史,成为全球领袖的专业统计软件,和一个广泛使用的统计软件。目前,它已广泛应用于各个领域,全球约有270000用户,分布在不同的行业,如保险、证券、银行、医疗、和通信。大多数的数据分析师的主要原因为其偏好的特点是,它易于学习和易于分析,这也是SPSS软件的最大的竞争优势之一。它有完整的数据定义操作管理,开放数据接口,灵活的统计表格和统计图形,和大量的成熟的统计分析方法。这是其中一个主要原因分析人士的信任。
SPSS非常类似于工作的接口形式的超越。输入数据后,我们可以使用SPSS软件分析两类:定量指标和定性指标。当然,它也可以很方便。最小值,平均值和标准偏差,各种分布和比例数据是一个有效的办公软件。
4所示。结果与讨论
4.1。强调中国家庭消费支出结构的因素
以下4.4.1。分析过程
使用该软件SPSS17分析因子分析的实证研究。首先,为了使分析更直观,一些原始变量可用于分析需要使用的信件,称从2020年中国统计年鉴》。因为有相对多的指标用于居民的消费支出结构,本文无法分析和计算,并决心列表更具代表性指标数据通过回顾文献。本文中使用的指标是由如下。Y1意味着食物、Y2代表衣服、Y3意味着生活、Y4代表家庭设备和服务,日元是交通和通信,日元代表文化,教育和娱乐用品和服务。日元代表其他商品和服务,指示特别因素,意味着公共因子。
使用SPSS软件分析因子分析后导入数据。一些处理后的结果如表所示1。
从表可以看出1八组的索引数据的平均值为0,方差为1,这意味着数据本文完成了一系列基本标准化处理在SPSS分析,这也意味着这组数据可以用于进一步分析。也可以从相关系数矩阵,大多数变量的相关系数很高,显示出强大的线性关系,常见的因素可以提取的研究,所以本文的研究数据适合因素分析。球形Bartlett在这项研究的测试值是342.569,和概率值是0.000。显著性水平的共同价值高于一切价值。这时,零假设被拒绝,还有一个重要的相关系数矩阵和矩阵的区别。Kaiser的KMO KMO较高的测量标准认为数据测试值是更适合的因素分析。KMO值在这个因素分析是0.919,这也表明,因子分析的适用性是相对较高的。的相似性因素分析如下:0.807食品,服装0.773,住房0.919、0.831家庭设备和服务,运输和通讯0.943,0.854文教娱乐用品和服务,医疗保健0.736,0.823和其他商品和服务。
为了更直观的数据,画出相应的可视化图表,常见的折线图如图5。
从表可以看出1,第一列显示了初始解的因子分析提取特征根时,和第二列表明变量之间的共性是在一个较高的水平,这表明,迷失在信息提取每个变量相对较小。总的来说,可以认为这个因素提取的效果是理想的。如表所示2。
从表2,比较每个公因子的方差贡献率的解释力,累计方差贡献率达到83.597%,表明主要因素可以完全解释原始变量。碎石图如图6。
主成分法提取时需要使用的因素。从图可以看出6。水平坐标代表主要成分的数量和水平坐标表示的特征值。变化在上图中第一特征值,因此提取的主要成分。主要组件的数量取决于这个方法是一致的主要组件的数量由积累的贡献决定的,也就是说,中国居民家庭的消费支出是大致符合食品支出。构成因素分析的矩阵排列顺序:日元,日元,日元,日元,日元,Y1, Y2,日元,及其相应的值是0.971,0.959,0.924,0.907,0.879和0.858。
为了更直观的数据,画出相应的可视化图表,构成矩阵结果可视化,如图7:
从前面的讨论,这个结果的主要因素是1,根据结果,主要因素包含食品、服装、住宅,家庭设备和服务,运输和通讯、文化教育及娱乐用品和服务、医疗保健、其他商品,和其他产品和服务,和他们的因子载荷超过0.85,并贡献了超过80%的方差的主要因素对Y1,表明的主要因素有能力代表的许多重要方面中国家庭消费支出结构。
因素分数合并为下面的公式: 。134年, , , , , ,文化、教育和娱乐 , ,和其他的产品和服务。
可以计算的总得分31个城市根据以下公式:公共因子得分在该国的公共因子得分31个地区(排序的名词在圆括号中):北京2.77945(2),天津0.17272(8),河北- 0.32655(18),山西- 0.38865(20),内蒙古0.01026(11),辽宁0.08464(9),四川- 0.45889(21),湖北- 0.20256(14)、海南- 0.78233(27),重庆- 0.57866(23),吉林- 0.09565(12),贵州- 1.08324(31)、云南- 0.82707(28),黑龙江0.06099(10),上海2.98422(1),江苏1.079833(1)(4),浙江2.36119(3),西藏- 0.95345(29),陕西- 0.31546(17),甘肃- 0.96891(30)、青海- 0.48660(22),宁夏- 0.20565(13),新疆- 0.62823(25),安徽- 0.32783(16)、福建0.43184(5),江西- 0.50986(23),山东0.22558(7),河南- 0.34539(19),湖南- 0.24121(15)、0.39876(6),广东和广西- 0.7452 (26)。
4.1.2。研究结论
从上述因素的分析,我们可以得出三个主要结论:首先,因为省份和城市的地理位置不同,地区消费结构不能完全相同。在正常情况下,总生活在沿海发达地区的家庭消费更多的家庭在偏远的山;其次,家庭食品消费、住房消费和沿海地区的交通和通讯消费处于较好水平。价值很低。最后,居民在不同地区的经济发展不同步,居民的消费水平是不一样的。偏僻的小山区在西方的发展相对缓慢,与居民的生活消费水平相对较低。
4.1.3。政策建议
根据因子分析的结论,本文提出以下建议。政府和社会需要大力促进总体经济发展水平落后的地区,包括其服装消费、家庭设备和服务消费,其他商品和服务消费水平。显然,为了完成上面的建议,我们必须找到方法来提高中国居民的整体收入。更有效的解决方案是,促进落后地区的帮助家庭。只有当财富驱动的方式,然后财富,我们终于可以进入小康社会集体,最后实现共同繁荣的宏伟目标。
4.2。强调中国家庭消费支出结构的聚类分析
相关数据的聚类分析在这篇文章中仍然来自于《中国统计年鉴2020》,它记录了SPSS聚类分析后输出结果。在聚类分析的结果有三个类别。每个地区的具体类别图所示8。显示:
从图可以看出8集群的结果也符合人们的社会经验。消费水平和结构和生产发展水平的地区是密切相关的。
5。结论
5.1。总结
近年来,我国经济持续快速发展,和中国居民的消费水平一直在增加。相应地,政府也采取了各种有效的政策。人民生活条件不断改善,整体消费状况也变得更好。然而,地区经济发展水平不平衡,和他们的收入水平也出现了复杂的分化。总而言之,收入水平可以直接确定消费水平,并最终导致各地区消费水平的不平衡。结果,是非常重要的有效改善落后地区的经济发展水平,因此有必要排名和比较的总体经济发展水平在我国不同地区的居民和分析消费者的变量之间的相关性。只有良好的研究和分析可以提供合理的实际数据依据不同政策在未来。此外,它可以帮助在较发达地区提供高质量的经验一定程度的帮助贫困地区的经济发展。
本研究发现,在中国的家庭消费支出结构,食品消费支出占主导地位,其他支出,如文化、教育和娱乐用品和服务、医疗保健、其他商品和服务,家庭设备,和其他消费支出。本质上,然而,食品消费支出有很强的相关性在本质上和其他方面。因此,增加居民的消费支出在其他方面,总体消费水平必须得到改善。居民的消费水平与收入水平有着直接的联系。人均支出增加,居民的消费支出也相应增加。因此,有必要增加居民的收入,从而刺激居民的消费需求,推动该国的经济增长。
上述研究和分析方法有自己的优点和缺点,和他们都有某些明显的局限性。人们需要注意,当他们真正需要使用它们,它们必须结合他们的特点才能做一些全面的统计分析或相关应用研究,试图发现缺点,尽量避免,或利用他们的优势。因子分析是一种统计分析方法研究中常用的应用程序。因子分析方法可以有效地提取原始变量的大部分信息和重组的基础上提取信息。最终,它们之间有代表性的变量,称这些变量是公共因子。这些公共因素可以相对有效集的集合的一些原始变量和不减少这些原始变量的数量特征。如果公共因子的程度的解释我们想要提取弱,这个时候我们可以完全考虑如何使用旋转,从而有效改善的解释变量。然后,根据这个,可以计算每个因子得分和总分计算每个样本的基于方差之间的贡献率和因素。最终排序的因素,但影响因子分析在某些情况下是不好的。与聚类分析相比,它相对清晰和直观。 Poetry analysis is mainly applicable to a small amount of samples. When the sample volume is too large, if you want to use clustering analysis, the conclusion may have a certain difficulty, or the result deviations occur. Under normal circumstances, there is a certain connection between things based on similar coefficients. This connection is the correlation between them. Therefore, if the goal is to rank samples, you can give priority to the method of analysis of factor analysis. If the sample is classified, the clustering analysis is considered. This is also some conclusions obtained from the research method.
5.2。建议
基于本文的结果和咨询相关文献,本文以下三个合理的建议,为后续的研究提供一定的参考:
第一,努力提高中国居民的总收入。家庭收入水平会有最直接和直观的对家庭消费的影响。从宏观的角度来看,增加了整体的收入水平可以有效地促进家庭在所有地区和全国各地的消费水平。最直接的两个方面正在扩大生产和政策支持。扩大生产可以帮助提高整体生产各级的家庭收入,并给予政策支持,要求政府推出各种受雇于民生政策,扩大就业渠道,积极鼓励创业,增加的收入来源从年轻人的整体生活。水平并不遥远。
二是加强信贷支持。根据当地经济发展水平和具体情况,应该建立一个合适的金融和经济体系有计划地金融环境,以确保良好的氛围和一些限制信贷、保险和资产管理应该适当放松刺激消费社会。当群众有一定的经济基础和自信,他们的消费将更积极的和大胆的,所涉及的数量和类型的消费自然会更富有。
三是建立一个社会保障体系。目前,我国仍处于社会保障体系滞后的困境。许多中国家庭成员总是不确定观望的对未来经济形势的看法。太多的不确定性导致居民预防性储蓄的一般倾向于消费的概念,而相应的抑制现代国家的整体消费社会。一个不健全的社会保障体系将最有可能有负面影响在随后的扩大内需和消费,和这种影响将持续很长时间。中国可以考虑社会保障体系建设的相关经验在一些西方发达国家为基础,还需要充分考虑我国的生产和发展现状,完善有效的社会保障制度适合国情,消除许多家庭的恐慌和焦虑,让消费者信任和支持,促进消费社会的持续、高质量的发展。
数据可用性
使用的实验数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项研究支持河南理工大学2022年教育改革项目”研究微观经济学教学模式基于黄金课程”的目标。