中国城镇居民消费水平影响因素分析

曾翔 宋贺

（淮阴师范学院，江苏 淮安 223300）

一、引言

消费、投资、出口是拉动经济发展的三驾马车，其中消费作为拉动经济增长的最重要动力之一，是经济持续增长的额最终牵引力。近年来，随着我国市场经济的发展，我国城镇居民消费已发生了巨大转变。由于我国经济发展的不平衡性，各地区城镇居民消费水平也有着很大的差异性。因此，对中国城镇居民消费水平的影响因素进行研究和分析，以寻找一些城镇居民消费的特征，从而确定影响城镇居民消费水平的主要因素。本文针对2019年分地区人均城镇居民人均消费支出开展相关分析。

二、主成分分析在中国城镇居民消费水平案例中的应用

利用《中国统计年鉴-2020》中2019年分地区人均城镇居民人均消费支出的统计指标进行实证分析。

（一）KMO检验与Bartlett球形检验

KMO(Kaiser-Meyer-Olkin)检验用于比较变量间相关系数和偏相关系数。Bartlett球形检验用于检验原始变量相关矩阵中各变量间的相关性，以及相关系数矩阵是否为单位阵，即检验各变量间是否相互独立。

检验结果显示，KMO值为0.771，接近于1，从KMO检验角度出发，我们认为选取的数据适合做主成分分析。

对于Bartlett球形检验，提出假设：

备择假设H1：相关系数矩阵不为单位阵。

Bartlett球形检验的卡方统计量的值为227.937，对应的概率P值为0.000，小于显著性水平0.01。因此拒绝原假设，认为相关系数矩阵不为单位阵，即各变量间显著相关，适合做主成分分析。

（二）主成分提取

求解主成分的过程实际上就是对矩阵结构进行分析的过程，也即求解特征根的过程。在实际应用中，可以从两个角度出发求解主成分，一是从原始数据的协方差矩阵入手，二是从原始数据的相关矩阵出发。

本例运用SPSS软件，提取主成分的方法采取协方差矩阵分析法，默认保留大于1的特征根。

分析结果给出了该分析中所保留的主成分从每个原始变量中提取的信息，包括各原始变量的方差、保留的主成分所提取的方差以及前m个主成分对各原始变量的方差贡献率。同时给出了主成分解释原始变量总方差的情况。分析时保留了大于1的特征根，本例中只有一个，为12541304.462，也为第一主成分的方差。第一主成分的方差贡献率为85.92%，是保留的特征根占所有特征根的和的比值，由此看出第一主成分解释原始变量总差异的效果较好。

由图2.1，根据特征根及其曲线的拐点特征，可以看出前一个主成分的曲线较为陡峭，接下来的折线较为平缓，这就从侧片说明选取前一个主成分效果较好。

图2.1 主成分的碎石图

表2.2 因子载荷阵

这一个主成分能够解释原始变量85.92%的信息，极大地简化了对该问题的分析。由主成分向量系数的大小对比可以看出，该主成分主要解释了食品类消费、居住消费、教育文化娱乐消费对城镇居民消费水平的影响。

（三）结果分析

由主成分得分排名显示，上海、北京、浙江、广东等城市排名靠前，这些省份城镇居民消费水平较高于我国其他省份，经济水平也处于领先地位。这主要得力于几个地区的地理因素较为优越，上海、广东都是沿海城市，港口交错；交通极为便利，铁路干线交汇，航空方面设备更是完善；同时得益于历史因素，改革开放较早，更是有南方城市作为第一批经济特区，具有发达的通讯网络设备、强大的科技教学力量，吸引大批的大人涌入这些城市，使其科技力量领先其他省市。也正是因为这些因素，使得城镇居民在这些省份居住时所需要的消费也更高。根据近五年房价对比，不难看出上海、北京、广东等省市房价远远高于经济较落后的省市，这就使得城镇居民这些居住的住房成本更高。而宁夏、广西、贵州等西南方省市其地理位置处于内陆较深，又缺乏足够的产业支撑，使之相较于其他东部沿海城市经济较为落后，城镇居民消费水平相对于平均水平较低。由此看出，东部省份（ 上海、广东、北京等）的城镇居民消费水平略高于西部城镇居民的消费水平，且经济较之为发达。

三、聚类分析在中国城镇居民消费水平案例中的应用

由SPSS软件对统计指标进行聚类分析，根据每一阶段聚类结果的展示，在第1步将河北和河南聚为一类，此时有30类。第2步将甘肃和青海聚为一类，此时有29类。以此类推，第7步时将陕西聚到第1步中的河北和河南一类中。最终聚成一个大类。

此外，以y轴为聚合系数，以x轴为分类数，用Excel做出聚合系数随分类数变化的曲线，可以在曲线变得平缓时选择合适的分类数。

由图可知，当分类数大于6时，曲线的变化趋势较为平缓，同时此分类数也较为符合分类的目的。

图3.1为系统聚类的冰柱图，是反应样品聚类情况的图形，由于聚类过程像冰柱的形状而得名。冰柱图形象地展示了聚类的动态过程，冰柱图有垂直和水平之分。对于纵向的冰柱图，可以自下而上看出聚类的过程。首先，从最下面看，代表河北和河南的两条冰柱之间冰柱最长，这意味着河北和河南最先被聚为一类，此时有30类。其次是甘肃和青海之间的冰柱长度，这时将甘肃和青海聚类一类，共有29类。以此类推，到第7步时，将陕西聚到第1步中的河北和河南一类中，最终聚成一个大类。也即某阶段的分类数等于总的样品数减去这个阶段的序号数。

图3.1 冰柱图

此外，对于给定的类数，若要从冰柱图中得知每类包含的样本，只需要找到长度小于对应该给定类数的冰柱。然后，以这些冰柱为分割点，从左起至第一个分隔点之间的样品为一类，第一个与第二个分隔点之间的样品为第二类，依此类推，直到最后一个分隔点至最右边为最后一类。

在本例中，对于图3.1，若设定类数为6，则需要找到冰柱长度对应数小于6的冰柱。因此样品被分为6类的结果是：

第一类：北京；

第二类：上海；

第三类：天津、浙江；

第四类：江苏、内蒙古、辽宁、山东、湖北、湖南、广东、重庆、宁夏、新疆；

第五类：河北、山西、吉林、黑龙江、安徽、福建、江西、河南、广西、海南、四川、贵州、云南、陕西、甘肃、青海；

第六类：西藏。

由聚类分析也可得系统聚类的树状聚类图，从图中可以由分类个数得到分类情况。在本例中得到的结果为：北京为第一类；上海为第二类；天津、浙江为第三类；江苏、内蒙古、辽宁、山东、湖北、湖南、广东、重庆、宁夏、新疆为第四类；河北、山西、吉林、黑龙江、安徽、福建、江西、河南、广西、海南、四川、贵州、云南、陕西、甘肃、青海为第五类；西藏为第六类。

与冰柱图所得分类结果一致。

（一）消费结构分析

1.平均水平分析

由统计数据可以得到各类别平均水平与全国均值之差。由分类结果可看出，第四类与第五类包含了全国84%的省份，共26个省市，而这些类别的省市的平均消费水平低于全国消费水平；第一类与第二类的平均消费水平超过全国消费水平的2000~2200，第三类也超过全国消费水平760。这表明，全国大部分省市自治区平均消费水平偏低，且各省市之间的消费水平差别较大，经济发展不均衡。

2.支出结构占比

同样可得到各类别八项指标占总支出的比重。第一二类省市地处东部沿海，地理位置优越，经济发展迅速，科学技术发展水平较高，通讯设备和交通运输业基础较好，从而在居住支出上消费较多，相比之下食品支出、衣着支出、生活用品支出较少。第三四类省市在衣着、生活用品、交通通信方面的支出比例明显高于其他类别省市。总的来说，经济水平越高的省市在居住支出方面越高，在衣着方面支出越少。

（二）结果分析

第一二三类别的省市多是东部沿海省份，这些省市经济水平较高，其城镇居民的消费水平高于其他省市；而位于中西部的省市相较于东部沿海省市经济较为落后，多数省市的城镇居民消费水平低于全国平均水平。说明消费水平受到经济水平及其地理位置因素的影响，而地理位置临近的一些省市其城镇居民消费水平相似，如吉林、黑龙江、河北等。中西部省市由于其历史因素、位置因素，早期没有强大的科技力量支撑其经济发展，经济水平相对较落后。

四、结论

本文主要研究中国城镇居民消费水平结构特征。首先运用主成分分析研究食品类消费、衣着消费、居住消费、生活用品消费、交通通信消费、教育文化娱乐消费、医疗保健消费、其他类消费对各省市消费水平的影响，所得分析结果认为我国城镇居民消费水平主要受到食品类消费、居住消费、教育文化娱乐消费的影响。又由主成分得分排名得到那些经济水平较高的省市居民的消费水平普遍高于那些经济较落后的省市居民消费水平。

再由聚类分析得到所分的六类省市之间消费水平差异较大，且大部分省市自治区平均消费水平低于全国平均消费水平，经济发展不均衡。同时可以看出地域差异也是影响消费水平的因素之一，特别是居于内陆深处的西部省市，其消费水平明显低于全国平均水平。

因此，我国可采取提高居民收入的措施来增加消费支出。收入增多，居民购买力自然也会增加，从而使得几个消费支出得到均衡发展。就业是最大的民生，要提高居民收入，首先要稳就业保民生，把就业摆在首位，实施好就业优先政策，全面强化稳就业举措。同时，国家应采取相应措施帮助中西部省市发展经济，如可以通过科技优化创新环境、加大科技投入、引进科技产业、培育优秀人才等措施，使越来越多与这些地区相适应的科技产品与居民深度融合，引领城市更好发展。