左晓雨 王丽 刘梦飞
华北理工大学 063210
摘 要
现如今中国处于一个经济高速发展的时期，社会各个方面发生了巨大的变化。本文结合2018年分地区城镇居民人均消费支出的数据，选取影响居民消费结构的八项指标，借助SPSS软件，通过采取因子分析方法对城镇居民消费结构进行分析，最后根据分析结果提出结论及建议。
关键词：因子分析；城镇居民消费结构
Abstract: Nowadays, China is in a period of rapid economic development, and great changes have taken place in all aspects of society. In this paper, combined with the data of per capita consumption expenditure of urban residents in different regions in 2018, eight indicators affecting the consumption structure of residents are selected. With the help of SPSS software, the consumption structure of urban residents is analyzed by factor analysis method. Finally, conclusions and suggestions are put forward according to the analysis results.
Key words: factor analysis; consumption structure of urban residents.
1文献综述
邱月（2018）采用SPSS统计分析软件对数据进行因子分析降维处理，研究得出区域间居民消费水平不平衡,基本生存、高质量发展消费因子仍然是中国现阶段居民消费结构中的主要影响因素的结论,并在最后提出合理改善消费结构,促进经济协调增长的建议[1]。
陆丹妮（2019）基于2002年、2007年和2012年的城镇居民八类消费指数,研究发现,居民消费结构可分为一般生活型因子和气象因子,且各省市在两个公共因子上的得分有明显差异。分析并总结各省市消费结构的特点和原因[2]。
齐蒙（2015）采用因子分析和聚类分析方法对我国31个省(直辖市、自治区)的城镇居民消费结构进行了地区差异性研究，从总体上掌握了我国消费结构类型的地区分布,最后提出建议[3]。
李晓红（2019）通过2014年我国各地区居民消费支出的数据,研究我国各地区居民消费支出情况,了解并分析我国各地区居民消费情况,并对此做出必要的分析,为我国经济发展及国家相应政策的提出具有重大意义[4]。
2数据选取
根据关于城镇居民消费结构的相关理论和文献，提出影响其规模的因素，并选取合适的指标，构建指标体系。所有数据来源于国家统计局《中国统计年鉴2019》
表 1 消费性支出评价指标
X8 其他用品及服务 元
3因子分析
（1）基本思想
因子分析是通过变量(或样品)的相关性结构的研究，找出存在于所有变量(或样品)中具有共性的因素，并综合为少数几个新变量，把原始变量表示成少数几个综合变量的线性组合，以再现原始变量与综合变量之间的相关关系的统计分析方法。
（2）KMO 和 Bartlett 的检验
表2KMO 和 Bartlett 的检验
.png)
利用SPSS统计软件对上述数据作因子分析（表3）：①采用KMO检验与Bartlett球度检验考查变量是否适合作因子分析。KMO检验与Bartlett球度检验的结果是：KMO值为0.783，表示各变量间的相关程度差异较小，可认为适合作因子分析；Brtlett球形检验的值为225.423，自由度为55，达到显著。因此适合进行因子分析。
（3）方差分析表
从方差分析表上看出，有3个因子的特征根大于0.5，同时提取的第一个特征根的方差贡献率为67.441%；第2个特征根的方差贡献率是13.4%；第3个特征根的方差贡献率为8.903%。3项公共因子确定后，模型的解释力达到了89.744%，说明前3个因子可以较全面的反映指标包含的信息。
表3解释的总方差
（4）旋转前后的因子载荷矩阵及因子命名
旋转后公共因子F1在食品X1，居住X3，生活用品及服务X4，交通通信X5，其他用品及服务X8上存在较大载荷，根据各个变量所代表的指标内容，可解释为必要消费。公因子F2教育文化娱乐X6，医疗保健X7上载荷较大，主要代表的是服务型消费。公因子F3在衣着X2上载荷较大，主要代表的是衣着消费。
.png)
用回归法求得表5因子得分系数矩阵，由此我们可以得出公共因子和各变量之间的关系，其表达式为：
F1=0.582X1-0.077X2+0.190X3+0.147X4+0.271X5-0.045X6-0.388X7+0.108X8
F2=-0.380X1-0.260X2+0.176X3-0.007X4-0.108X5+0.497X6+0.606X7+0.115X8
F3=-0.007X1+0.881X2-0.206X3+0.190X4+0.127X5-0.337X6-0.057X7+0.080X8
根据3个公共因子各自贡献的程度大小，计算F1，F2，F3所占的权重大小，得到最终的总体评分模型：
F=（F1*0.67441+F2*0.134+F3*0.08903）/0.89744
因此，按照最终的得分，并对其进行排序，最终排名如表6所示：
表6
.png)
4结论及建议
结论：城镇居民的消费结构与其所在地区的经济状况有紧密联系。经济越发达，居民的消费结构就越合理，因此作为我国最大的经济、金融中心，上海地区的得分最高，且远远领先于同类的广东、北京等地。同时，新疆、内蒙古、等少数民族的聚居地，加上贵州、云南等偏远地区，还有河南、陕西等人口较多的省份，得分均为负值。
建议：（1）中国的居民消费支出虽然在持续不断地增长，但增长过程中也出现了一系列的问题，地区之间的消费支出不平衡尤为明显，总体来说东部地区的消费支出的增长要快于中西部地区，使中西部地区与东部地区的消费支出差异逐渐增大，因此，需要促进中西部地区的城镇居民消费，缩小地区间城镇居民消费支出差异。（2）调整西部地区的经济产业结构，把西部地区的经济产业结构真正地调整好，才是经济快速发展的核心问题。通过带动西部地区的经济，改善这种不平衡的消费支出。
参考文献
[1]邱月.基于因子分析的中国居民消费支出结构分析[J].宁夏师范学院学报,2018,39(04):73-78.
[2]陆丹妮.因子分析在区域消费结构分析中的应用——基于全国各地区城镇居民消费情况[J].商讯,2019(05):9-10.
[3]齐蒙. 基于因子和聚类分析的城镇居民消费结构研究[C]. 中国武汉决策信息研究开发中心、决策与信息杂志社、北京大学经济管理学院.决策论坛——系统科学在工程决策中的应用学术研讨会论文集（下）.中国武汉决策信息研究开发中心、决策与信息杂志社、北京大学经济管理学院:《科技与企业》编辑部,2015:111+113.
[4]李晓红.我国各地区居民消费支出情况及分析[J].现代营销(经营版),2019(09):36-37.