【文章內(nèi)容簡介】 1 11 11 11 衣著類消費 Pearson 相關性 .331 1 .305 ** .293 顯著性（雙側(cè)） .321 .303 .059 .362 .004 .383 .688 N 11 11 11 11 11 11 11 11 家庭設備類消費 Pearson 相關性 ** 1 * .652* .370 .888** 云南大學滇池學院 7 顯著性（雙側(cè)） .002 .303 .191 .019 .030 .263 .000 N 11 11 11 11 11 11 11 11 醫(yī)療類消費 Pearson 相關性 .336 1 .244 5 顯著性（雙側(cè)） .313 .059 .191 .966 .470 .255 .189 N 11 11 11 11 11 11 11 11 交通和通訊類消費 Pearson 相關性 .474 .305 * 1 * 0 ** 顯著性（雙側(cè)） .141 .362 .019 .966 .032 .154 .008 N 11 11 11 11 11 11 11 11 娛樂教育文化類消費 Pearson 相關性 ** .652* .244 * 1 5 .449 顯著性（雙側(cè)） .062 .004 .030 .470 .032 .546 .166 N 11 11 11 11 11 11 11 11 云南大學滇池學院 8 居住消費 Pearson 相關性 .293 .370 1 .624* 顯著性（雙側(cè)） .714 .383 .263 .255 .154 .546 .040 N 11 11 11 11 11 11 11 11 雜項類消費 Pearson 相關性 ** .888** ** .449 .624* 1 顯著性（雙側(cè)） .009 .688 .000 .189 .008 .166 .040 N 11 11 11 11 11 11 11 11 **. 在 .01 水平（雙側(cè)）上顯著相關。 *. 在 水平（雙側(cè)）上顯著相 關。 四、云南省城鎮(zhèn)居民消費支出的因子分析 從表 3知，大多數(shù)變量之間具有較高的相關性，且該變量之間必存在信息重疊，需要進行改進，需要利用因子分析方 法進行精簡和分類。 （一）因子分析的功能與意義 因子分析方法是用較少數(shù)量的公共因子和特殊因子的線性函數(shù)來表達的原始觀察的每個變量的總和 ， 在 減少分析指標的同時，盡 可能 減少原指標包含信息中 的損失 ； 對收集的 數(shù)據(jù)資料進行綜合 的分析 ， 從研究相關矩陣內(nèi)部的依賴關系出發(fā) ， 把一些具有錯綜復雜的變量減少歸納為少數(shù)幾個綜合因子的一種多元統(tǒng)計分析方法。因此本文利用因子分析法的基 礎理論，并結(jié)合 SPSS軟件進行分析判斷的工具進行分析。 ① ① 楊維忠 ,張?zhí)?.SPSS 統(tǒng)計分析與行業(yè)應用案例詳解（第二版 )[M].北京 :清華大學出版社 ,2022. 云南大學滇池學院 9 （二）相關數(shù)據(jù)分析 通過相關分析可以看出，構(gòu)成消費支出的各個變量之間有一定的相關關系，這在直接對變量進行分析的時候勢必存在信息重疊，所以，有必要通過因子分析來簡化模型，找出變量之間的公因子，以便進一步進行后續(xù)分析。 首先，對 “消費支出”的八個組成部分：“食品”、“衣著”、“ 家庭設備 ”、“醫(yī)療”、“ 交通和通訊 ”、“ 娛樂教育文化 ”、“ 居住 ”、“ 雜項 ”進行因子分析。 另外，因子分析的適宜性檢驗常采用 KMO統(tǒng)計量和 Bartlett’ s 球型檢驗法，利用軟件得 到如下檢驗結(jié)果： 和 Bartlett 的檢驗結(jié)果 表 4 KMO 和 Bartlett 的檢驗 KMO 和 Bartlett 的檢驗 取樣足夠度的 KaiserMeyerOlkin 度量。 .580 Bartlett 的球形度檢驗 近似卡方 df 28 Sig. .000 KMO統(tǒng)計量用于檢測和驗證變量之間的偏相關性 ， 它比較各變量的簡單相關和偏相關的大小 ， 取值范圍在 0～ 1 之間。如果各變量間具有內(nèi)在聯(lián)系 ， 則由于計算偏相關時控制其他因素就會同時控制潛在變量 ， 導致偏相 關系數(shù)遠遠小于簡單相關系數(shù)。 ① 本例中 KOM的取值為 ， 因此認為這些指標比較適宜做因子分析 。 Bartlett’ s 球型檢驗用于檢驗相關矩陣是否為單位陣 ， 即各變量是否相互獨立， Bartlett檢驗是為了看數(shù)據(jù)是否來自于服從多元正態(tài)分布的總體 。檢驗值小于 說明各變量相互獨立 ,本文 Bartlett’ s 球型檢驗值為 ， 說明數(shù)據(jù)來自正態(tài)分布的總體， 證明適合做因子分析。 ① 楊維忠 ,張?zhí)?.SPSS 統(tǒng)計分析與行業(yè)應用案例詳解（第二版 )[M].北京 :清華大學出版社， 2022 云南大學滇池學院 10 表 5 公因子方差 公因子方差 初始 提取 食品類消費 .689 衣著類消費 .883 家庭設備類消費 .927 醫(yī)療類消費 .725 交通和通訊類消費 .678 娛樂教育文化類消費 .930 居住消費 .611 雜項類消費 .945 提取方法：主成份分析。 變量共同度表示在各個變量中所包含原始信息能被提取的公因子所解釋的程度。 當取兩個因子時，每個變量的共同度都非常大。根據(jù)變量共同度的統(tǒng)計意義，它記錄了總方差公共因子變量 x的貢獻。因此， 如上表公因子方差所示，本例中所以變量共同度都在 60%以上，所 以提取的這兩個 公共因子 對各變量的解釋能力還可以。 通過以上的分析，確定了將要提取的公共因子數(shù)為兩個，并得提取因子后解釋的總方差如下表 6所示 . 表 6 解釋的總方差 解釋的總方差 成份 初始特征值 提取平方和載入 旋轉(zhuǎn)平方和載入 云南大學滇池學院 11 合計 方差的 % 累積 % 合計 方差的 % 累積 % 合計 方差的 % 累積 % 1 2 3 .949 4 .330 5 .217 6 .060 .751 7 .035 .438 8 .021 .259 0 提取方法：主成份分析。 由表 6可知，“初始值特征”一欄顯示只有前兩個特征值大于 1，所以 SPSS只選擇了前兩個公 因子；“提取平方和載人”一欄顯示第一個公因子的方差貢獻率是 %，前兩個公因子的方差占所有主成分方差的 %。 由此可見，選前兩個公因子已足夠代替原來的變量，幾乎包涵了原變量的全部信息；“旋轉(zhuǎn)平方和載人”一欄顯示的是旋轉(zhuǎn)以后的因子提取結(jié)果，與未旋轉(zhuǎn)之前差別不大。 表 7 旋轉(zhuǎn)成份矩陣 旋轉(zhuǎn)成份矩陣 a 成份 1 2 食品類消費 云南大學滇池學院 12 衣著類消費 .824 家庭設備類消費 .953 .135 醫(yī)療類消費 交通和通訊類消費 .021 娛樂教育文化類消費 .753 居住消費 .377 .685 雜項類消費 .908 .346 提取方法 :主成分分析法。 旋轉(zhuǎn)法 :具有 Kaiser 標準化的正交旋轉(zhuǎn)法。 a. 旋轉(zhuǎn)在 3 次迭代后收斂。 如表 7所示，第一個因子在家庭設備、娛樂教育文化、雜項上有較大的載荷，所以其反映的是這三個變量的信息，第二個因子在衣著、居住上有較大的載荷，反映的是這兩個變量的信息。 表 8 成份得分系數(shù)矩陣 成份得分系數(shù)矩 陣 成份 1 2 食品類消費 衣著類消費 .358 家庭設備類消費 .234 .051 醫(yī)療類消費 交通和通訊類消費 .015 娛樂教育文化類消費 .190 居住消費 .088 .292 云南大學滇池學院 13 表 8給出了因子得分系數(shù)矩陣，可以直接寫出各公因子的表達式。值得一提的是，在每個 變量的表達式不是原始變量，而是變量標準化，即： F1=*食品 *衣著 +*家庭設備 *醫(yī)療 *交通和通訊 +*娛樂教育文化 +*居住 +*雜項 F2=*食品 +*衣著 +*家庭設備 *醫(yī)療 +*交通和通訊 *娛樂教育文化 +*居住 +*雜項 五、云南省城鎮(zhèn)居民消費支出的相關描述性分析 SPSS的描述分析過程，其本質(zhì)就是計算并輸出各類相關的描述性統(tǒng)計指標。其特性 是通過描述性統(tǒng)計分析，得到由原始數(shù)據(jù)轉(zhuǎn)換成的標準化的取值，并且可以將標準化值以變量的形式存入數(shù)據(jù)庫，以便進一步分析。相關描述性統(tǒng)計量主要包括平均值、最大值、最小值、方差、標準差、極差、平均數(shù)標準誤、偏度系數(shù)和峰度系數(shù)等。 ① 對表 1中《 20222022年云南省城鎮(zhèn)居民人均各類消費占總消費的比例》進行描述性分析： 如表 9 所示，樣本個數(shù)為 11 個，其中食品的極差為 ，最小值是 ，最大值是 ，均值為 ，均值的標準誤是 ，標準差是 ，方差是 ，偏度系數(shù)是 ，峰度系數(shù)是 ?？梢娫颇鲜〕擎?zhèn)居民消費支出中食品類消費在樣本期間波動幅度較大，消費支出也較高；衣著的極差為 ，最小值是 ，最大值是 ，均值為 ，均值的標準誤是 ，標準差是 ，方差是 ，偏度系數(shù)是 ，峰度系數(shù)是 ，可見在樣本期間衣著類消費較??；雜項的極差為 ，最小值是 ，最大值是 ，均值為 ，均值的標準誤是 ，標準差是 ① 楊維忠 ,張?zhí)?.SPSS 統(tǒng)計分析與行業(yè)應用案例詳解（第二版 )[M].北京 .清華大學出版社 ,2022. 雜項類消費 .221 .143 提取方法 :主成分分析法。 旋轉(zhuǎn)法 :具有 Kaiser 標準化的正交旋轉(zhuǎn)法。 構(gòu)成得分。 云南大學滇池學院 14 ，方差是 ，偏度系數(shù)是 ，峰度系數(shù)是 。 表 9 描述統(tǒng)計量 描述統(tǒng)計量 N 全距 極小值 極大值 均值 標準差 方差 偏度 峰度 統(tǒng)計量 統(tǒng)計量 統(tǒng)計量 統(tǒng)計量 統(tǒng)計量 標準誤 統(tǒng)計量 統(tǒng)計量 統(tǒng)計量 標準誤 統(tǒng)計量 標準誤 食品類消費 11 9 7 3 .4223 0 2 .545 .661 .569 9 衣著類消費 11 1 4 .2027 .6724 .452 .160 .661 8 9 家庭設備類消費 11 2 .3391 4 6 7 .661 7 9 醫(yī)療類消費 11 0 .3974 8 8 1 .661 2 9 交通和通訊類消費 11 1 2 9 .8675 7 9 .115 .661 .409 9 云南大學滇池學院 15 描述性統(tǒng)計分析有一個特點，即它可以將原始數(shù)據(jù)轉(zhuǎn)換成標 準化的取值并以變量的形式存入當前的數(shù)據(jù)庫，如下表 10所示： 表 10 原始數(shù)據(jù)轉(zhuǎn)換成標準化的取值 娛樂教育文化類消費 11 7 0 .6235 8 7 .461 .661 7 9 居住消費 11 2 .2410 .7992 .639 .480 .661 0 9 雜項類消費 11 9 .5502 5 0 2 .661 6 9 有效的 N （列表狀態(tài)） 11 Z 食品類消費 Z 衣著類消費 Z 家庭設備類消費 Z 醫(yī)療類消費 Z 交通和通訊類消費 Z 娛樂教育文化類消費 Z 居住消費 Z 雜項類消費 云南大學滇池學院 16 通過描述性分析，不難看出