农村居民生活水平统计分析及建议

赵丽娟 景海滨 邓全才

（河北建筑工程学院，河北 张家口075000）

0 引 言

众所周知改革开放以来，农村居民收入和生活水平不断提高，综合素质有较大提升，为我国的现代化和城市化打下了坚实基础，作出了巨大贡献.目前，如火如荼的社会主义新农村建设正在进行中，随着这一工作的不断推进，中国农村居民的生活正在发生翻天覆地的变化.为了更好地了解各地区农村居民的生活状况，进一步完善有关新农村建设的各项政策，我们选取影响农村居民生活水平的7指标，获得数据，并对这些数据进行建模分析.

1 指标选择以及原始数据

随着社会的进步，影响农村居民生活的因素越来越多，为了建模的方便以及更好的全面分析我国农村居民的生活状况，我们主要考虑从农村居民的收入、消费、就业等几个方面对农村居民的生活状况进行考察.因此选取以下几个指标：农村产品价格指数、农村住宅投资、农村居民消费水平、农村居民消费支出、农村居民家庭人均纯收入、耕地面积及农村就业人数，来对其生活状况进行分析.现从2010年的调查资料中抽取30个样本，指标数据如下表1所示（Xi表示原始变量，ZXi表示标准化以后了的随机变量）：

表1 原始数据

96.81 236.53 4397 3911.6 5789 2827.1 173.2山 东101.23 566.90 5733 4807.2 6990 7515.3 273.6河 南99.07 729.47 4061 3682.2 5524 7926.4 137.7湖 北96.30 210.06 4758 4090.8 5832 4664.1 66.4湖 南90.61 298.41 4513 4310.4 5622 3789.4 104.5广 东94.95 337.44 5880 5515.6 7890 2830.7 124.4广 西89.25 248.80 3561 3455.3 4543 4217.5 89.0海 南101.91 26.22 3846 3446.2 5275 727.5 5.3重 庆88.99 80.12 3652 3624.6 5277 2235.9 36.7675四 川96.94 456.10 4748 3897.5 5087 5947.4 140.3贵 州96.11 137.22 2926 2852.5 3472 4485.3 25.4云 南96.50 158.97 3603 3398.3 3952 6072.1 41.3陕 西95.83 151.79 3683 3793.8 4105 4050.3 1.7甘 肃100.22 97.33 2975 2942.0 3425 4658.8 22.0青 海94.61 63.63 3684 3863 542.7 10.5 11.4宁 夏99.39 29.51 3894 4675 1107.1 43.6 16.7新 疆江 西92.87 79.35 3590 3457.9 4643 4124.6 18.7

2 聚类分析

我们所研究的样品或变量之间存在程度不同的相似性.于是根据一批样品的多个观测指标，具体找出一些能够度量样品或指标之间相似程度的统计量，以这些统计量为划分类型的依据.把一些相似程度较大的样品（或指标）聚合为一类，把另外一些彼此之间相似程度较大的样品（或指标）又聚合为另一类，直到把所有的样品（或指标）聚合完毕，这就是分类的基本思想.

利用SPSS软件将原始数据做聚类分析，其最终分类结果如下所示：

第一类：北京、上海、浙江；第二类：天津、辽宁、福建、山东、江苏、广东；第三类：河北、内蒙古、吉林、湖南、黑龙江、安徽、河南、湖北、四川、云南；第四类：山西、青海、宁夏、新疆、重庆、甘肃、贵州、陕西、海南、广西、江西.从分类结果以及2010年的调查数据可知第一类地区的农民居民生活水平较高，第二、三类属于中等生活水平，第四类属于较低生活水平.

3 建立因子分析模型

3.1 因子分析建模思想

因子分析法是从研究变量内部相关的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法.它的基本思想是将观测变量进行分类，将相关性较高，即联系比较紧密的分在同一类中，而不同类变量之间的相关性则较低，那么每一类变量实际上就代表了一个基本结构，即公共因子.对于所研究的问题就是试图用最少个数的不可测的所谓公共因子的线性函数与特殊因子之和来描述原来观测的每一分量（本文利用SPSS软件建立因子分析模型）.

3.2 适合建立因子分析模型的原因

由表2可知各因之间具有一定的相关性可以做因子分析

表2 相关系数矩阵

3.3 提取公因子以及公因子得分

从表3中可以看出，第一个因子的特征根为3.557，解释原有五个变量总方差的50.818%，累积方差贡献率为50.818%，第二个因子的特征根为1.625，解释原有变量总方差23.215，累计方差贡献率为74.033%.其他几个因子的特征根都很小，对原有变量总方差的解释很小一部分，所以在做因子分析时可以只选择2个因子即可.结合表3中解释总方差和表4中的成分得分矩阵，我们可以得到2个公因子得分F1和F2，如下所示：

表3 解释的总方差

表4 成份得分矩阵

3.4 加权综合得分

以方差贡献率为权数可以得到2个因子的加权综合得分并给出排名，如下表5所示

Z＝0.50818F1＋0.23215F2

表5 综合排名表

4 农村居民生活水平结果分析

因子分析建模与聚类分析结果基本一致，各地区农村居民生活水平存在差异：

（1）上海、浙江、北京、江苏、山东地区的综合评价值排名比较靠前，是由于这几个城市属于沿海地区，经济比较发达，工农业发展遥遥领先于其他地区.

（2）天津、福建、广东、辽宁等15个地区综合评价值排名处于中间位置.

（3）青海、贵州、新疆、重庆、甘肃、宁夏、陕西等10个地区综合评价值排名最差，原因是这些地区大多位于中国中西部，地理位置不佳，交通不便，经济发展水平不高，进而影响到农村经济的发展.

提高落后地区农民居民生活水平的建议：

（1）政府应该加大落后农村地区的基础设施建设，加强组织领导，制定规划，加大资金投入，加强对农民建房质量监督，保障农民建设安全，强化产业支撑，培育发展二、三产业，建立村庄管理的长效机制，进而提高生活水平.

（2）排名处于中间位置的城市继续保持，并鼓励排名靠前的沿海城市和经济发达的城市带动排名比较落后的中西部地区农村经济的建设和发展.

［1］杜强，贾丽艳.SPSS统计分析从入门到精通［M］.北京：人民邮电出版社，2009

［2］于秀林，任雪松.多元统计分析［M］.北京：中国统计出版社，1999

［3］燕霞，梁满发.我国地区经济发展的多元统计分析［M］.北京：中国学术期刊电子杂志出版社，2010

［4］李如.多元统计分析方法在评估城市竞争力中的应用［D］.南开大学，2008