我国城镇居民消费支出结构与水平的因子分析

刘昱清

(山东财经大学 金融学院, 山东 济南, 250014)

我国城镇居民消费支出结构与水平的因子分析

刘昱清

(山东财经大学 金融学院, 山东 济南, 250014)

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消费性支出却仍然存在着很大的差异。本文利用因子分析方法, 对2012年我国各地区城镇居民人均消费性支出的各项指标进行统计分析,并进行综合排序,最后对各地区消费支出水平进行聚类分析。得出结论：我国城镇居民的消费支出结构分为两大类：基本生活消费因子和衣着保健消费因子，各地区综合得分的排序与聚类所得结果相吻合，表明我国31省城镇居民的消费支出水平发展很不平衡，除了一些经济比较发达的地区外，很多地区的消费水平和消费结构都有待进一步提高。

消费支出; 因子分析; 聚类分析

一 引 言

作为社会总需求最重要的组成部分,居民的消费增长直接影响到整个国民经济增长的速度和质量。而影响居民消费增长的因素主要体现在：(1)居民消费水平的提高, 其衡量指标主要是城乡居民每人每年的平均消费支出水平；(2) 消费结构的优化, 其衡量指标有吃穿住用等各类消费在消费总支出中所占的比重等[1]。国内外对居民消费增长问题的研究由来已久,其中对消费结构的研究已成为近年来学者们研究的热点[2-3]。但目前关于消费结构的研究多集中在其变动趋势方面,对消费性支出的地区性横向比较分析则相对较少。而对我国来说,各地区的经济发展不平衡,居民的消费水平和消费性支出也存在着很大的差异。因此, 对我国各地区居民人均消费性支出的各项指标进行计量分析,明确我国居民的消费性支出差异的数量特质,显得尤为必要。

本文选取我国31个省(自治区、直辖市)2012年相关指标的数据作为样本,首先运用SPSS18．0 统计软件对数据进行了归一化和无量纲化处理， 然后采用因子方法从8个指标中找出2个具有代表性的因子来对各地区消费支出指标进行描述，再采用综合评价的方法得到各个省区消费支出水平的综合得分，最后用对各省区消费支出水平进行聚类分析。

二 样本与指标的确定

按照我国常用的消费支出分类方法, 人均消费性支出分为食品、衣着、居住、家庭设备用品及服务、医疗保健、交通和通讯、教育文化娱乐服务、其它商品和服务等8个部分, 这8个指标分别记为X1,X2,…,X8。它们各自占消费总支出的比重即为消费结构。

根据2013年中国统计年鉴, 得到2012年我国各地区城镇居民人均消费性支出的原始数据[4]。

三 我国各地区城镇居民人均消费性支出的因子分析

（一）因子分析法

因子分析法是应用较为广泛的多元统计方法。它是用较少个数的公共因子的线性函数和特定因子之和来表达原来观测的每个变量，从研究相关矩阵内部的依赖关系出发，把一些具有错综复杂的变量归纳为少数几个综合因子的一种多变量统计分析方法。当这几个公共因子(或综合因子)的累计方差和(即贡献率)达到85%以上时，就说明这几个公共因子集中反应了研究问题的大部分信息，而彼此之间又不相关，信息不重叠。因子分析法的应用主要有两个方面：(1)寻求基本结构，简化观测系统，减少变量维数；(2)对指标或样本进行分类。

（二） 数据处理及因子提取

在计算机上运用 SPSS18.0, 对原始数据进行标准化处理，利用标准化后的数据, 采用方差最大正交旋转作因子分析。程序运行结果得到KMO 抽样适度测度值: kaiser- Meyer-Olkin=0.828, 大于0.5, 一般认为此值越大, 做因子分析的效果越好。根据旋转前的先验共同度估计结果,可以看出, 前2个因子的累计方差贡献比率为84.944%,接近85%, 这说明提取2个公因子是比较合适的,它们可以很好地反映8个指标所能表达的足够的信息。

根据旋转后的分析结果, 第一个因子F1解释的方差为4.504, 计算得到其占全部信息的56.303%(全部信息即指相关阵的特征值总和, 在此为8。因此旋转后第一个因子F1的方差贡献率为:4.504/8=0.56303。F2的方差贡献率计算与此类似)。第二个因子F2解释的方差为2.291, 占全部信息的28.641%。旋转后2个公因子的特征值、贡献、累计贡献率如表1所列。

这2个因子累计解释的方差为6.795,占全部信息的84.944%, 这说明它们就是我们所要寻找的公共因子。

表1 因子分析指标

（三） 因子载荷矩阵及因子命名

根据旋转后的分析结果, 得到包含2个公因子的因子载荷阵如表2所示。

由因子载荷阵可以看出, 公共因子F1在指标X1,X3,X4,X6,X7,X8上载荷值都很大, 分别为食品、居住、家庭设备用品及服务、交通和通信、教育文化娱乐服务、其它商品及服务, 因此可定义为基本生活消费因子；F2在指标X2,X5上载荷值大, 可定义为衣着保健消费因子。综合可以看出, 消费支出的多少主要取决于第一个公因子。

表2 转后的因子载荷阵

3.4 因子得分函数模型及各地区因子得分值根据SPSS程序运行结果, 得到标准因子得分函数模型为:

F1=0.327X1-0.198X2+0.152X3+0.169X4-0.170X5+0.263X6+0.191X7+0.140X8

F2=-0.265X1+0.562X2+0.043X3+0.020X4+0.528X5-0.134X6+0.009X7+0.081X8

将各个地区具体的经过标准化后的原始指标值代入得分函数模型, 可以计算得到各地区的因子得分值。因子得分值的大小显示了各地区城镇居民在该因子所代表的各项指标上的消费水平高低,小于零表明其处于平均水平之下。

然后再以各公因子的信息贡献率作为权数计算各地区的综合测评得分, 计算得到综合测评得分表达式如下：Zi=0.6628F1i+0.3372F2i(i=1,2,…,31) 。其中F1i,F2i为各个地区的各公因子得分值。然后通过比较各地区综合得分的高低, 可排序出2009年我国31个地区城镇居民消费性支出水平的高低。具体结果如表3所示。

表3 各地区因子得分和综合测评得分及排序

（五） 聚类分析

利用SPSS软件, 用Ward 法以欧氏距离平方法作为度量区间标准，对我国31个地区城镇居民人均消费性支出的原始数据进行了聚类分析,最终结果如下：

第一类: 北京、上海、广东、浙江；

第二类: 江苏、重庆、福建、天津、内蒙古、山东、辽宁；

第三类：江西、贵州、湖北、湖南、安徽、陕西、广西、四川、海南、云南、西藏；

第四类：河北、河南、黑龙江、山西、吉林、宁夏、甘肃、青海、新疆。

四 结果与结论

由于（二）节及（三）节已经给出了2个公因子的解释, 现在根据表3的得分及排序结果来进行分析。

首先, 从反映食品、居住、家庭设备用品及服务、交通和通信、教育文化娱乐服务、其它商品及服务等方面的基本生活消费因子1F来说, 我国31个地区综合消费水平发展极不平衡。得分最高的上海与得分最低的黑龙江相差4.55734分。这与我国各地区整体经济发展水平不同步的实际情况相符合。且除了上海、北京、广东、天津、浙江、福建、江苏、广西、海南九个地区的得分大于零, 其余的地区得分都小于零, 这说明我国大部分地区城镇居民的基本生活消费水平仍处于全国平均水平之下,有待进一步提高。

其次, 从衣着保健消费因子F2的得分来看,各地区的排序变化相对F1比较大。如内蒙古、吉林其基本生活水平消费因子得分比较低, 但它的衣着保健因子得分却相对较高。这与各地区城镇居民的消费观念、所处地理位置和条件以及民族习惯等因素有很大关系。

再次, 从表3以及聚类分析的结果可以看出,各地区综合得分的排序与聚类所得结果基本上没有差异。这从一定程度上说明所作的分析是正确的和经得起检验的, 这与各地区的实际经济情况也是相符合的。排名前四位的上海、北京、广东、浙江其经济实力在全国遥遥领先, 其消费性支出的综合测评得分因此远远高出其他地区。这与这些地区的均衡的消费结构构成也有很大关系。

我国各地区城镇居民的消费结构差异很大，消

费性支出水平发展很不平衡。虽然我国城镇居民的人均实际消费性支出的数量在增加，从一定程度上说明我国城镇居民生活水平的提高，但各地区之间消费水平的差异很大，除了北京、上海、浙江等经济比较发达的地区的各因子得分排名均比较稳定，因而消费结构相对比较平衡外，很多地区的消费水平和消费结构都有待进一步提高。

[1] 查敦宏,陈光金.安徽省农村居民消费性支出的因子分析[J].安徽农学通报,2006,(12).

[2] 孙彩虹.我国城镇居民消费结构变动的因子分析[J].重庆工商大学学报(西部论坛),2007,(1).

[3] 余明江,季丽,胡云霞. 我国城镇居民消费结构的因子分析[J].安徽工业大学学报,2008,(25).

[4] 国家统计局.中国统计年鉴(2010)[M].北京: 中国统计出版社, 2013.

(责任编辑 崔金路)

Factor Analysis on the Structure and level of Consumption Expenditure ofUrban Residents in China

Liu Yuqing
College of Finance, Shandong University of Finance and Economics, Jinan, 250014 China)

With the gradual improvement in the consumption expenditure of urban residents in China, there are stillbig differences in the consumption level from one region to another. By using the method of factor analysis, we carrystatistical analysis and comprehensive sorting on each index of the consumption expenditure of urban residents in China2012. Finally, we cluster analysis on the consumption expenditure level of urban residents. We conclude that our countrytown residents’ consumption expenditure structure is divided into two categories: basic life consumption factors andclothing health care spending factor, the sort of the composite scores of the regions coincide with clustering results,which shows that the country’s 31 provinces town residents’ consumption spending levels development is not balanced,besides some developed areas outside, many regions of consumption level and consumption structure are expected to befurther improved.

Consumption expenditure；factor analysis；clustering analysis

F014.5

A

1004—1877（2014）04—080—04

2014-05-15

刘昱清(1991-) ，女，青岛市人，山东财经大学金融学院，主要研究方向：金融经济、应用数学。