我國城鎮(zhèn)居民人均消費(fèi)的SPSS統(tǒng)計(jì)分析

-.z.2013年我國城鎮(zhèn)居民人均消費(fèi)的SPSS統(tǒng)計(jì)分析搜集到的2013年我國31個(gè)城市城鎮(zhèn)居民人均消費(fèi)水平的數(shù)據(jù)數(shù)據(jù)來源：國家統(tǒng)計(jì)局./workspace/inde*"m=hgnd對數(shù)據(jù)的根本分析在數(shù)據(jù)文件建立好后，通常還需要對待分析的數(shù)據(jù)進(jìn)展必要的預(yù)加工處理，這是數(shù)據(jù)分析過程中不可缺少的一個(gè)關(guān)鍵環(huán)節(jié).、對數(shù)據(jù)按人均消費(fèi)〔e*pend〕進(jìn)展降序排列操作步驟：〔1〕：選擇"數(shù)據(jù)〞→"排序個(gè)案〞菜單項(xiàng)〔2〕：將"人均消費(fèi)〔e*pend〕〞選入"排序依據(jù)〞列表框，選中"降序〞〔3〕：點(diǎn)擊"確認(rèn)〞按鈕，生成如下降序排列的數(shù)據(jù)集由數(shù)據(jù)的降序排列可以看出，全國只有**、、**等九個(gè)城市的城鎮(zhèn)人均消費(fèi)在全國城鎮(zhèn)人均消費(fèi)水平以上.、作出人均收入和人均消費(fèi)的直方圖操作步驟：〔1〕：選擇"圖形〞，翻開"圖表構(gòu)建程序〞菜單項(xiàng)〔2〕：從"庫〞中選擇"直方圖〞將其拉入"圖表預(yù)覽使用數(shù)據(jù)實(shí)例〞〔3〕：將變量"地區(qū)〞設(shè)置為*軸，將"人均收入〞和"人均消費(fèi)〞設(shè)置為y軸〔4〕：點(diǎn)擊"確認(rèn)〞按鈕，即生成如下直方圖通過一個(gè)復(fù)合條形圖，可以很明確的發(fā)現(xiàn)我國城鎮(zhèn)居民生活水平存在很大的地區(qū)差異，地區(qū)開展很不平衡，從圖中的生活消費(fèi)支出和人均收入來看，，，**這些省市城鎮(zhèn)居民消費(fèi)水平最高，人均收入也是最高的，各省市的城鎮(zhèn)居民消費(fèi)水平差異較大，大多數(shù)省份城鎮(zhèn)居民人均消費(fèi)集中在15000元左右.、對數(shù)據(jù)按照人均消費(fèi)作出直方圖，以統(tǒng)計(jì)我國農(nóng)村人均消費(fèi)的水平首先對數(shù)據(jù)分組，分組數(shù)目確實(shí)定.按照Sturges提出的經(jīng)歷公式來確定組數(shù)K,K=1+，計(jì)算得組數(shù)為6.2、確定組距組距=〔最大值-最小值〕/組數(shù)=〔28155.00-12231.90〕/6=2653.85，可近似取值為3000.00元.操作步驟：〔1〕：選擇"轉(zhuǎn)換〞→"可視離散化〞菜單項(xiàng)，將"人均消費(fèi)〞選入"要離散的變量〞列表框中，單擊"繼續(xù)〞按鈕進(jìn)入主對話框.〔2〕：單擊"生成分割點(diǎn)〞按鈕，設(shè)定分割點(diǎn)數(shù)量為6，寬度為3000.00，可見系統(tǒng)會(huì)自動(dòng)會(huì)填充第一個(gè)分割點(diǎn)的位置為12231.90，單擊"應(yīng)用〞返回到主對話框.〔3〕：此時(shí)可以看到下部數(shù)值標(biāo)簽網(wǎng)格里的"值〞列已被自動(dòng)填充，單擊"生成標(biāo)簽〞按鈕，是標(biāo)簽列也得到自動(dòng)填充.〔4〕：將離散的變量名設(shè)定為e*pendNew.〔5〕：單擊"確定〞按鈕.頻數(shù)分析操作步驟：〔1〕：選擇"分析〞→"描述統(tǒng)計(jì)〞→"頻率〞，翻開頻率對話框.〔2〕：選定"e*pendNew〞，點(diǎn)擊"圖表〞，選擇"條形圖〞點(diǎn)擊繼續(xù).〔3〕：點(diǎn)擊"確認(rèn)〞，生成如下三*表.Statistics人均消費(fèi)(已離散化)NValid32Missing0Mean3.13Median3.00Std.Deviation1.314Minimum1Ma*imum7Percentiles252.00503.00753.75人均消費(fèi)(已離散化)FrequencyPercentValidPercentCumulativePercentValid<=12231.9012231.91-15231.901031.331.334.415231.91-18231.901340.640.675.018231.91-21231.9039.49.484.421231.91-24231.9039.49.493.824231.91-27231.9027231.91+13.13.1100.0Total32100.0100.0由上圖的頻數(shù)分析可以看出，我國2013年城鎮(zhèn)居民人均消費(fèi)支出集中在第二組和第三組，大約占到百分之七十.由于在表格中不存在缺失值，因此頻數(shù)分布表中的百分比和有效百分比一樣.從此次分析中可以看出，我國城鎮(zhèn)家庭居民人均消費(fèi)的總體水平比擬集中，大約在12000元--18000元之間，還有少數(shù)省市的消費(fèi)水平處在中等階段，而有**、、**等一些經(jīng)濟(jì)較興旺的地區(qū)的城鎮(zhèn)家庭居民人均消費(fèi)到達(dá)了21000元以上.對數(shù)據(jù)的回歸分析、作出人均收入與消費(fèi)支出散點(diǎn)圖，以觀察他們的線性關(guān)系如何操作步驟：〔1〕：選擇"圖形〞，翻開"圖表構(gòu)建程序〞菜單項(xiàng)〔2〕：從"庫〞中選擇"散點(diǎn)圖〞將其拖入"圖表預(yù)覽使用數(shù)據(jù)實(shí)例〞〔3〕：將"人均收入〞選定為*軸，將"人均消費(fèi)〞選定為y軸〔4〕：點(diǎn)擊"確認(rèn)〞生成如下散點(diǎn)圖由散點(diǎn)圖可以看出，人均消費(fèi)Y和人均收入*大概呈一元線性關(guān)系，因此可以建立一元線性模型進(jìn)展回歸分析.假設(shè)回歸模型為Y=a+b*,其中，Y表示城鎮(zhèn)人均消費(fèi)支出，為被解釋變量，*表示人均收入，為解釋變量，b為回歸系數(shù).操作步驟：〔1〕選擇"分析〞→"回歸〞→"線性〞菜單項(xiàng)，翻開"線性回歸〞對話框.〔2〕將"人均消費(fèi)〞選入"因變量〞列表框，將"人均收入〞選入"自變量〞列表框.〔3〕單擊"確定〞按鈕.得到如下〔1〕、〔2〕、〔3〕、〔4〕四*表格，依次分析如下：表〔1〕：移入/移出的變量VariablesEntered/RemovedbModelVariablesEnteredVariablesRemovedMethod1人均收入a.Entera.Allrequestedvariablesentered.b.DependentVariable:人均消費(fèi)從上表可以看出，放入模型的變量只有一個(gè)即"人均收入〞，選擇變量的方法為強(qiáng)行進(jìn)入法，也就是說將所有的自變量都放入模型中，模型的因變量為"人均消費(fèi)〞.表〔2〕：模型匯總ModelSummaryModelRRSquareAdjustedRSquareStd.ErroroftheEstimate1.960a.922.9201106.90715a.Predictors:(Constant),人均收入上表是對模型的簡單匯總，其實(shí)就是對回歸方程擬合情況的描述，通過這*表可以知道相關(guān)系數(shù)R=0.960，決定系數(shù)=0.922，調(diào)整決定系數(shù)=0.920,和回歸系數(shù)的標(biāo)準(zhǔn)誤=31106.90715.由于決定系數(shù)接近于1，說明模型的擬合程度較好.表〔3〕：方差分析表ANOVAbModelSumofSquaresdfMeanSquareFSig.1Regression4.353E814.353E8355.256.000aResidual36757303.474301225243.449Total4.720E831a.Predictors:(Constant),人均收入b.DependentVariable:人均消費(fèi)F=355.256，P=0.000<0.05,說明回歸方程高度顯著，即農(nóng)民人均收入對消費(fèi)有高度影響.表〔4〕：系數(shù)CoefficientsaModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant)1897.504835.9832.270.031人均收入.599.032.96018.848.000a.DependentVariable:人均消費(fèi)由上表知a=1897.504，b=0.599，由此可以得出以下回歸方程：人均消費(fèi)Y=1897.504+0.599人均收入*上述回歸方程給出了如下信息：2013年中國城鎮(zhèn)居民人均可支配收入增加1元，人均消費(fèi)支出增加0.599元.單樣本的T檢驗(yàn)〔一〕：由頻數(shù)分析可知，分組后，全國31個(gè)省市的城鎮(zhèn)家庭居民平均每人生活消費(fèi)支出合計(jì)，大約有23個(gè)城市都集中在第一組，數(shù)額主要12231.91——18231.90元之間，其中在15231.91-18231.90之間的占到了百分之四十，因此可推斷，全國農(nóng)村家庭居民平均每人生活消費(fèi)支出的平均數(shù)應(yīng)該在15000--20000元之間，假設(shè)為18000元，由于該問題涉及的是單個(gè)總體，且要進(jìn)展總體均值檢驗(yàn)，同時(shí)農(nóng)村家庭居民平均每人消費(fèi)的總體可近似認(rèn)為服從正態(tài)分布，因此，應(yīng)采用單樣本t檢驗(yàn)來分析推斷全國農(nóng)村家庭居民人均消費(fèi)的平均值是否為18000元.分析結(jié)果如下：〔二〕：操作步驟：1、選擇"分析〞→"比擬均值〞→"單樣本天t檢驗(yàn)〞菜單項(xiàng)，翻開"單樣本t檢驗(yàn)〞對話框如下列圖所示：2、單擊"確定〞按鈕.生成如下兩*圖表：表〔1〕：One-SampleStatisticsNMeanStd.DeviationStd.ErrorMean人均消費(fèi)3217216.60313902.16064689.81106表〔2〕：One-SampleTestTestValue=18000tdfSig.(2-tailed)MeanDifference95%ConfidenceIntervaloftheDifferenceLowerUpper人均消費(fèi)-1.136310.265-783.39688-2190.2758623.4821由表〔1〕可知樣本均值為17216.6031，低于基準(zhǔn)線18000.00，標(biāo)準(zhǔn)差3902.16064，均值標(biāo)準(zhǔn)差689.81106.由表〔2〕為單樣本t檢驗(yàn)的分析結(jié)果，第一行注明了用于比擬的假設(shè)總體均數(shù)為18000，下面從左到右依次為t值、自由度、p值、兩均數(shù)的差值、差值.根據(jù)上面的檢測結(jié)果t=-1.136，p=0.256，由于p>0.05，所以不能拒絕原假設(shè)，可以認(rèn)為人均消費(fèi)水平在18000元.同時(shí)，可知全國城鎮(zhèn)居民2013年人均消費(fèi)在95％的置信水平下的置信區(qū)間為：〔15809.7242,18623.4821〕.非參數(shù)檢驗(yàn)——多配比樣本分參數(shù)檢驗(yàn)數(shù)據(jù)中我國城鎮(zhèn)家庭居民人均消費(fèi)包括食品、衣著、居住、家庭設(shè)備、交通及通訊、文教娛樂、醫(yī)療保健、和其他8個(gè)指標(biāo)，為了比擬清楚的了解這8項(xiàng)指標(biāo)對我國城鎮(zhèn)居民人均消費(fèi)總體的影響，以及其大概的消費(fèi)動(dòng)向，可以利用多配比樣本的非參數(shù)檢驗(yàn)Friedman檢驗(yàn)對各個(gè)指標(biāo)進(jìn)展檢驗(yàn).：操作步驟：選擇"分析〞→"非參數(shù)檢驗(yàn)〞→"舊對話框〞→"k個(gè)相關(guān)樣本〞菜單項(xiàng)，翻開如下對話框：：單擊"確定〞按鈕，得到如下兩*表格：表〔1〕：RanksMeanRank食物消費(fèi)8.00衣物消費(fèi)5.09居住消費(fèi)4.50家居設(shè)備2.66交通通訊6.38醫(yī)療保健2.34文教娛樂5.88其它1.16表〔2〕：TestStatisticsaN32Chi-Square198.604df7Asymp.Sig..000a.FriedmanTest、結(jié)果分析檢驗(yàn)結(jié)果中的p值小于給定水平0.05，故拒絕原假設(shè)，認(rèn)為八個(gè)指標(biāo)對我國城鎮(zhèn)居民人均消費(fèi)的影響是有顯著差異的.由表〔1〕知食物消費(fèi)對人均消費(fèi)的影響最大，其次是交通通訊和衣物消費(fèi)，而影響最小的是其它.因子分析在研究我國城鎮(zhèn)居民的消費(fèi)情況時(shí)收集了食物、衣物、居住等八個(gè)影響居民消費(fèi)情況的因素，以期對問題能夠有比擬全面、完整的把握和認(rèn)識.由于數(shù)據(jù)過多，在實(shí)際建模時(shí)，這些變量未必能真正發(fā)揮預(yù)期的作用，會(huì)給統(tǒng)計(jì)分析帶來許多問題，可以表現(xiàn)在：計(jì)算量的問題和變量間的相關(guān)性問題.為了解決這些問題，最簡單和最直接的解決方案是削減變量個(gè)數(shù)，但這又必然會(huì)導(dǎo)致信息喪失和信息不完整等問題的產(chǎn)生.為此，人們希望探索一種更有效的解決方法，它既能大大減少參與數(shù)據(jù)建模的變量個(gè)數(shù)，同時(shí)也不會(huì)造成信息的大量喪失.因子分析正是解決這種問題的方法.操作步驟、選擇菜單"分析〞→"降維〞→"因子分析〞，出現(xiàn)因子分析對話框；、把參與因子分析的樣本選到變量對話框中，如下列圖：單擊"確定〞按鈕，得到如下11*圖：圖〔1〕原有變量的相關(guān)系數(shù)矩陣：CorrelationMatri*食物消費(fèi)衣物消費(fèi)居住消費(fèi)家居設(shè)備醫(yī)療保健交通通訊文教娛樂其它Correlation食物消費(fèi)1.000.288.656.744.295.787.782.732衣物消費(fèi).2881.000.337.517.694.368.374.634居住消費(fèi).656.3371.000.676.505.849.750.771家居設(shè)備.744.517.6761.000.441.830.853.767醫(yī)療保健.295.694.505.4411.000.479.414.600交通通訊.787.368.849.830.4791.000.860.782文教娛樂.782.374.750.853.414.8601.000.831其它.732.634.771.767.600.782.8311.000從上圖可以看到，大局部的相關(guān)系數(shù)都較高，各變量呈較強(qiáng)的線性關(guān)系，能夠從中提取公共因子，適合進(jìn)展因子分析.圖〔2〕巴特利特球度檢驗(yàn)和KMO檢驗(yàn)KMOandBartlett'sTestKaiser-Meyer-OlkinMeasureofSamplingAdequacy..833Bartlett'sTestofSphericityAppro*.Chi-Square233.009df28Sig..000由上圖知，巴特利特球度檢驗(yàn)統(tǒng)計(jì)量的觀測值為233.009，相應(yīng)的概率p為0.如果給出的顯著性水平為0.05，由于概率p小于顯著性水平，應(yīng)拒絕零假設(shè)，認(rèn)為相關(guān)系數(shù)矩陣與單位陣有顯著地差異.同時(shí)，KMO值為0.833，根據(jù)Kaiser給出了KMO度量標(biāo)準(zhǔn)可知原有變量適合進(jìn)展因子分析.圖〔3〕因子分析的初始解munalitiesInitialE*traction食物消費(fèi)1.000.798衣物消費(fèi)1.000.862居住消費(fèi)1.000.750家居設(shè)備1.000.812醫(yī)療保健1.000.821交通通訊1.000.897文教娛樂1.000.885其它1.000.872E*tractionMethod:PrincipalponentAnalysis.由上圖第二列可知，所有變量的共同度均較高，各個(gè)變量的信息喪失較少.因此，本次因子提取的總體效果較理想.圖〔4〕因子解釋原有變量總方差的情況：TotalVarianceE*plainedponentInitialEigenvaluesE*tractionSumsofSquaredLoadingsRotationSumsofSquaredLoadingsTotal%ofVarianceCumulative%Total%ofVarianceCumulative%Total%ofVarianceCumulative%15.50468.79468.7945.50468.79468.7944.52456.54556.54521.19214.89883.6921.19214.89883.6922.17227.14783.6923.4735.91089.6024.2583.22292.8245.2372.96195.7856.1782.22798.0127.0911.13699.1478.068.853100.000E*tractionMethod:PrincipalponentAnalysis.上圖◎第一組數(shù)據(jù)項(xiàng)描述了初始因子解的情況.可以看到，第一個(gè)因子解的特征根值為5.504，解釋原有八個(gè)變量總方差的68.794％，累計(jì)方差奉獻(xiàn)率為68.794％.其余數(shù)據(jù)含義類似.在初始解中由于提取了八個(gè)因子，因此原有變量的總方差均被解釋掉.◎第二組數(shù)據(jù)項(xiàng)描述了因子解的情況.可以看到，由于指定提取兩個(gè)因子，兩個(gè)因子共解釋了原有變量總方差的83.692％.總體上，原有變量的信息喪失較少，因子分析效果較理想.◎第三組數(shù)據(jù)項(xiàng)描述了最終因子解的情況.可見，因子旋轉(zhuǎn)后，累計(jì)方差比沒有改變，也就是沒有影響原有變量的共同度，但卻重新分配了各個(gè)因子解釋原有變量的方差，改變了各因子的方差奉獻(xiàn)，使得因子更容易解釋.圖〔5〕因子的碎石圖：上圖橫坐標(biāo)為因子數(shù)目，縱坐標(biāo)為特征根.可以看到，第一個(gè)因子的特征根值很高，對原有變量的奉獻(xiàn)最大；第3個(gè)以后的因子特征根都較小，對解釋原有變量的奉獻(xiàn)很小，已經(jīng)成為可被忽略的"高山腳下的碎石〞，因此提取兩個(gè)因子是適宜的.圖〔6〕因子載荷矩陣：ponentMatri*aponent12其它.929.097交通通訊.921-.222文教娛樂.909-.241家居設(shè)備.895-.103居住消費(fèi).854-.143食物消費(fèi).822-.350衣物消費(fèi).599.710醫(yī)療保健.635.646a.2ponentse*tracted.上圖因子載荷矩陣是因子分析的核心內(nèi)容.根據(jù)該表可以寫出本案例的因子分析模型：其它=0.929+0.097交通通訊=0.921-0.222文教娛樂=0.909-0.241家居設(shè)備=0.895-0.103居住消費(fèi)=0.854-0.143食物消費(fèi)=0.822-0.350衣物消費(fèi)=0.599+0.710醫(yī)療保健=0.635+0.646由上表知，八個(gè)變量在第一個(gè)因子上的載荷都很高，意味著他們與第一個(gè)因子的相關(guān)度高，第一個(gè)因子很重要.圖〔7〕旋轉(zhuǎn)后的因子載荷矩陣：RotatedponentMatri*aponent12交通通訊.915.244文教娛樂.914.222食物消費(fèi).889.084家居設(shè)備.836.336居住消費(fèi).819.281其它.770.528衣物消費(fèi).188.909醫(yī)療保健.250.871a.Rotationconvergedin3iterations.由上圖知，交通通訊、文教娛樂、食物消費(fèi)、家居設(shè)備、居住消費(fèi)、其它在第一個(gè)因子上有較高的載荷，第一個(gè)因子主要解釋了這幾個(gè)變量；衣物消費(fèi)、醫(yī)療保健在第二個(gè)因子上的載荷較高，第二個(gè)因子主要解釋了這幾個(gè)變量.圖〔8〕因子旋轉(zhuǎn)中的正交矩陣ponentTransformationMatri*ponent121.879.4772-.477.879圖〔9〕因子協(xié)方差矩陣：ponentScoreCovarianceMatri*ponent1211.000.0002.0001.000從上表可以看出，兩因子沒有線性相關(guān)性，實(shí)現(xiàn)了因子分析的設(shè)計(jì)目標(biāo).圖〔10〕旋轉(zhuǎn)后的因子載荷圖：由上圖可以直觀的看出，衣物消費(fèi)和食物消費(fèi)比擬靠近兩個(gè)因子坐標(biāo)軸，說明如果分別用第一個(gè)因子刻畫食物消費(fèi)，用第二個(gè)因子刻畫衣物消費(fèi)，信息喪失較少，效果較好.圖〔11〕因子得分系數(shù)矩陣：ponentScoreCoefficientMatri*ponent12食物消費(fèi).271-.187