spss课程论文我国城镇居民消费结构及趋势分析.docx

《spss课程论文我国城镇居民消费结构及趋势分析.docx》由会员分享，可在线阅读，更多相关《spss课程论文我国城镇居民消费结构及趋势分析.docx（19页珍藏版）》请在优知文库上搜索。

1、我国城镇居民消费结构与趋势分析摘要：近年来,我国宏观经济形势发生了重大改变,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、教化、医疗等各项改革措施和实施“剌激消费、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改变,消费结构不合理现象得到了肯定程度的改善。为了进一步改善我国居民的消费结构,iE确引导消费，提高我国居民的消费水平和生活质量,方必要对我国各省市居民的消费结构进行考察和探讨,以期发觉特点和规律。对我国居民的消费结构进行r趋势分析,通过“SPSS数据分析”对我国各地区居民消费结构之间的异同进行考察并作比较探讨,总结出r我国居民消费呈

2、现富有型、消遣教化文化服务类消费攀升的趋势特点。关键词:消费结构;消费趋势;方差分析;残差分析；因子分析一、主要运用方法：1 .方差分析：方差分析就是将总变异剖分为各个变异来源的相应部分，从而发觉各变异缘由在总变异中相对垂耍程度的种统计分析方法。其中，扣除了各种试脸缘由所引起的变异后的剩余变片供应了试验误差的无偏估计，作为假设测验的依据。2 .回来模型一残差分析：何来分析是一种处理变量的统计相关关系的一种数理统计方法。网来分析的基本思想是：虽然自变量和因变量之间没有严格的、确定性的函数关系，但可以设法找出最能代表它们之间关系的数学表达形式。多元Pl来分析是探讨多个变肽之间关系的回来分析方法。3

3、 .因子分析：因子分析是处理多变肽数据的一种统计方法，它可以揭示多变砧之间的关系，其主要目的是从众多的可观测得变量中概括和综合出少数几个因子，较少的因子变量来最大程度地概括和说明原有的观测信息，从In健立起简洁的概念系统，揭示出事物之间本质的联系.二、我国居民消费结构的横向分析：1 .食拈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样。但最低收入户与最高收入恩格尔系数相差太过悬殊,分别为47.43%和28.02%,相差将近20个百分点。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依据恩格尔系数的评价标准早已达到了富疗型,甚至接近最富有型。2 .衣着消费支出比重随

4、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,支出比重最大的中等收入户与最小的最低收入户只差2.91个百分点。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卜一降,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卜.降的走势。事实上,在当前的价格水平和服装业的发展水平卜,城镇居民的穿着是有肯定限度的,而且居民对衣者的需求也不是无限膨张的,即使收入水平接着提高,也不须要将更大的比例用于购买服饰用品了。3 .家庭设备用拈与服务、交通通讯、消遣教化文化服务和杂项商船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

5、善。4 .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,支出比重最低的是最高收入户,为6.72%;最高的是高收入户,为8.24%,两者仅差1.52个百分点。这是因为医疗保健支出作为生活必需支出,不论居民生活水平凹凸,都要将肯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,也减小门日制度可能造成的不同行业、不同体制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。5 .居住支出比重基本上呈逐组下降的趋势,由最低收入户的12.34%下降到中等偏上户的9.79%,但最高收入户的居住比重达到9.91%,这与我国居民消费能级不断提升,住宅

6、商船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样的。可以看出,城镇居民的消费状况虽然受价格水平、消费习惯、消费环境、消费心理预期等诸多因素的影响,但回根结底仍取决于居民的收入水平,要提高城镇居民的消费支出,必需增加居民收入。因此,实行切实有效的措施增加城镇居民的可支配收入,不仅可以提高全国城镇居民的总体消费水平，促进消费结构向着更加健康、合理的方向发展,而且在扇动内需,促进我国的经济发展方面有着重大的现实意义。三、我国居民消费结构的纵向分析：进入21世纪以来,随着经济体制改革的深化,国民经济的快速发展,我国城乡居民的消费水平显著提高,居民的各项支出显著增加。随着消

7、费水平的提高,我国城乡居民消费从注意量的满意到追求质的提高,从以衣食消费为主的生存型到追求生活质量的享受型、发展型,消费质量和消费结构都发生r明显的改变。城镇居民在食品、衣若、家庭设备用品三项支出在消费支出中的比重区现明显的下降趋势,其中食品类支出比重降幅最大,达15个百分点;衣着类下降4个百分点;家庭设备用品类下降幅度不是很大。与此同时,医疗保健、交通通讯、文化消遣教化服务、居住与杂项商品支出在消费支出中的比例均有上升,富有阶段的消费特征起先显现。四、SPSS统计分析结果：1.消费结构分析（方差分析，PI来分析，残差分析）：图给出了基本的描述性统计图，图中显示各个变量的全部观测量的Mean（

8、均值）、Std.Deviation（标准差）和观测值总数N。图2给出了相关系数矩阵表，其中显示3个自变境两两间的PearSon相关系数，以与关于相关关系等于零的假设的单尾显著性检验概率。DescriptiveStatisticsMeanStdDeviationN冢庭谀留用的及服经745011.655685食品43.59238.045125衣卷11.54241.752465居住607.5200456.949615ffll描述性貌计表Correlations家庭设备用品及服务食品衣卷居住PearsonCorrelation茯层设备用品及服务1.000869684-.894食品.8691000950

9、-.922衣法.6849501.000-.820居住-.894-.922-.8201.000Sig(1-ta.led)家度设备用品及服务028.102.021食品.028.007.013衣看.102.007.044居住.021.013.044N冢庭设备用品及服务5565食品5555衣看5555居住5555图2相关系数矩阵从表中看到因变量家庭设备用拈与服务与自变玷食品、衣着之间相关关系数依次为0.869、0.684,反映家庭设备用品与服务与食品、衣着之间存在显著的相关关系。说明食品与衣着对于家庭设备用品与服务条件的好转有显著的作用。自变埴居住于因变量家庭设备用品与服务之间的相关系数为-0894,

10、它于其他几个自变量之间的相关系数也都为负，说明它们之间的线性关系不显著C此外，食品与衣着之间的相关系数为0950,这也说明它们之间存在较为显著的相关关系。依据常识，它们之间的线性相关关系也是符合事实的。图3给出了进入模型和被剔除的变量的信息，从表中我们可以看出，全部3个自变啾都进入模型，说明我们的说明变量都是显著并且是有说明力的VariablesEnteredRemoved0ModelVariablesEnteredVanablesRemovedMethod1居住，杰a,1品EnteraAJirequestedvariablesenteredtDePenefentVariatele.家庭设备用

11、品及服务图3变进入/副除信息表图4给出了模型整体拟合效果的概述，模型的拟合优度系数为0982,反映了因变量干自变量之间具有高度显著的线性关系。表里还显示了R平方以与经调整的R值估计标准误型，另外表中还给出r杜宾-瓦特森检验值DW=2632,杜宾-瓦特森检箴统计量DW是个用于检验一阶变量白回来形式的序列相关问题的统计最，DW在数值2到4之间的旁边说明模型变量无序列相关。ModelSiirninmybModelRRSquareAdjustedRSquareStd.ErroroftheEstimateOurbm-Watson1.982.965861618252.632MPrediCtorSCoRSt

12、anO,居住衣者,食3bDependentVaiiable:家庭设备用品及服务图4模型播述表图5给出了方差分析表，我们可以看到模型的设定检验F统计依的值为9.229,显著性水平的P值为0.236。ANOVAbModelSumofSquaresdfMeanSquareFSig.RegressionResidualTotal10,583.38210.9653143.528.329229236,a.Predictors(Constant).住,衣菽食ob.DePendentVari初。家庭设备用品及服务图5方差分析表图6给出了回来系数表和变l显著性检验的T值，我们发觉，变量居住的T值太小，没有达到显

13、著性水平，因此我们要将这个变破剔除，从这里我们也可以看出，模型虽然通过了设定检验，但很有可能不能通过变量的显著性检验。CoefTiclefrts3ModelUnstandardizedCoefficientsStandardizedCoefficientstSigBStd.ErrorBeta(Constant)3.9215.432722.602食品441,2062.1432138.279衣着-1.344.641-1423-2096.283居住.000.002-.084155.902aDependentVariable家庭设备用品及服务图6回来系数表图7给出了残差分析表，表中显示了预料值、残差、

14、标准化预料值、标准化残差的最小值、最大值、均值、标准差与样本容肽等，依据概率的3西格玛原则，标准化残差的肯定值最大为1.618,小于3,说明样本数据中没有奇异值。ResidualsStatistics9MinimumMaximumMeanStdDeviationNPredictedVaiue561959.8752745011.626575StdPredictedVaIue-112514910001.0005StandardErrorofPredictedVaIue471588551,0475AdjustedPredictedValue5.06419.45388.03561725235Residual.27779.40006OOOOO.309125StdResidual449.647.000.5005Stud.Residual-1.0001.000-.2001.0955DeletedResidual1989381.44357.585471.656765Stud.DeletedResidual0Mahal.Distance1.52528142.400.5255Cook,sDistance.3472.3391.