因子分析在我国城镇居民消费结构中应用,此文是一篇消费结构论文范文,为你的毕业论文写作提供有价值的参考。
消费结构论文参考文献：
摘 要：消费结构是影响国民经济的重要方面,但目前我国各地区居民消费水平不平衡.选取八项人均消费支出指标考察城镇居民消费结构,首先运用因子分析法提取两个公共因子,其次对全国31个省份进行了综合得分排序,并对相关原因进行了分析.
关键词：消费结构；因子分析；共因子；排序
中图分类号：O212.4 文献标识码：A 文章编号：2095-7394（2016）04-0012-04
1 研究背景
2008年以来,国内外经济形势复杂多变、极不寻常,国际金融危机也对中国各地区造成了较大影响,面对严峻形势,我国政府积极采取了一系列有力举措,包括调整宏观调控的重点、力度,使我国国民经济保持了价格基本回稳、民生逐渐改善、经济结构优化的总体趋势,但仍然面临需求不足等阻碍经济发展的重要问题.[1-2]在各项需求中,消费需求是总需求的一个重要组成部分.由于我国幅员辽阔,各地区的经济发展存在不平衡现象,各地区居民的消费水平也不平衡,有些地区消费差异显著.此时,和人民生活密切相关的诸多消费问题逐渐显现出来.[3-4]于是探讨全国不同地区消费结构的差异有着重要的实证意义.
因此对全国31个省、直辖市、自治区城镇居民消费支出的特点进行研究,为此选择人均食品支出[（X1）]、人均衣着支出[（X2）]、人均居住支出[（X3）]、人均家庭设备用品及服务支出[（X4）]、人均医疗保健支出[（X5）]、人均交通和通信支出[（X6）]、人均教育文化娱乐服务支出[（X7）]、人均其他支出[（X8）]共计八项指标进行建模分析.本文中我国各地区城镇居民人居消费性支出原始数据均来自《2015年中国统计年鉴》.[5]
2 因子分析
因子分析（factor analysis）[6-8]是一种重要的多元统计方法之一,在社会学、心理学、金融经济等领域有着广泛应用.其一般通过挖掘各变量之间的内部相关关系,探求相关数据中的潜在结构,并用少数几个公共因子来表示有关数据结构,达到降维的目的.这些公共因子可以反映原始观测变量所代表的主要数据信息,并解释其中的相关关系[8].通过因子分析挖掘出少数几个公共因子,同时信息的损失尽可能的少.
因子分析模型在形式上和多元线性回归有相同之处,各个观测变量首先由因子的一个线性组合表示.假设共有k个观测变量,分别记作[X1,X2,等,Xk,]其中[Xj]表示方差为1、均值为零的标准化变量,于是因子分析模型的一般形式为 [Xj等于aj1F1+aj2F2+等+ajmFm+ui,i等于1,2,等,k].其中[F1,F2,等,Fm],称为公共因子（Common factors）,它们解释了变量之间的相关性,是各个观测变量所共有的因子.[ui]称为特殊因子（Unique factor）,表示每个观测变量所特有的因子,作用类似于回归分析中的残差项,即不能被公因子所解释的部分.[aij]可称为因子载荷（Factor loadings）,它表示第i个变量在第j个公因子上的载荷,其值越大,表示载荷的程度越大.本文中,[F1,F2,等,Fm]可理解为评价城镇居民消费的公共因子,对于公共因子,我们一般还要求它们之间彼此独立.
因子分析在实证分析中,常需要如下四个主要步骤.
第一步：计算原始观测变量间的相关矩阵,即前述八个指标间的相关系数.
第二步：提取公共因子.在实证分析中,一般要求所提取的因子数应使因子累积贡献率达到80%,本文将提取两个公共因子,其累积贡献率已超过80%.
第三步：因子旋转.本文中通过因子旋转使得公共因子更具有实际意义,常用正交旋转.
第四步：计算因子得分值,可对得分值进行排序比较,结合实际情况,分析相应结果.
3 实证分析
3.1 计算相关矩阵
本文中我国各地区城镇居民人居消费性支出原始数据均来自《2015年中国统计年鉴》,所有计算结果均由统计软件SPSS生成.[9-10]从表1可见,大部分两两之间的相关系数大于0.5,存在共线性,适合用因子分析对其进行降维.
3.2 提取因子
由表2可以看出,当提取两个公共因子时,其累计方差贡献率达83.339%,已超过80%.说明采用两个公共因子可以较好地解释原始八个指标所包含的信息,于是我们采用两个公共因子来描述全国31个地区城镇居民消费的基本数据结构.
3.3 因子旋转
为了進一步结合实际情况,得到具有实际意义的公共因子,对因子进行旋转,具体方法采用方差最大化来进行.通过调整坐标轴的相对位置,我们重新计算了各个因子所解释的方差比例,使因子结构更能和实际情况相结合.因子旋转的好处是不改变因子模型对原始数据的拟合程度,本文针对全国31个地区城镇居民的各项消费支出数据,得到旋转成分矩阵如表3.
由旋转后成分矩阵可以看出,公因子[F1]（成分第一列）在指标食品、居住、家庭设备及用品、交通和通信、文教娱乐、以及其它方面载荷值都很大,分别为0.935, 0.733, 0.858, 0.934, 0.879和0.848,于是理解为生存性消费因子,基本囊括了城镇居民的住、食、行,体现了城镇居民消费的基本情况,因此公因子[F1]的得分越高,反映城镇居民的基本消费水平越高；另一方面,由表3可见,公因子[F2]（成分第二列）在衣着消费支出、医疗保健消费支出两个指标的载荷值较大,分别为0.861和0.893,可理解为医疗保健消费和衣着因子.由因子旋转得到城镇居民消费结构的因子模型为：
[X1等于0.935F1-0.007F2,等,X8等于0.848F1+0.371F2.]
3.4 计算因子值
为了考察各地区城镇居民消费支出状况的综合得分情况,并为后续各地区消费差异进行分析比较,以两个公共因子的贡献率作为权值,进而计算综合因子得分值.于是有：
结论：关于本文可作为消费结构方面的大学硕士与本科毕业论文消费结构有哪些论文开题报告范文和职称论文论文写作参考文献下载。
我国人口老龄化对城镇居民消费结构影响
摘 要：中国人口老龄化是一个规模大且发展迅速的过程，而且对经济的影响也是重大的。在了解国内外对于人口老龄化和消费结构关系的相关研究后，基于我国人。
我国城乡居民消费结构、产业结构和经济增长关系
摘要：消费结构的优化与产业结构的优化升级之间存在相互促进关系吗？本文构建了产业结构与消费结构的计量模型，对我国1978-2014年的消费结构与产。
我国现阶段居民消费结构优化升级
摘要：我国现阶段居民的消费机构并没有达到最优状态。根据消费结构的含义和分类，同时考虑恩格尔定律与马斯洛需求理论中所提出的消费结构的变化规律以及特。
我国城镇居民消费问题
摘要：在我国经济改革的进程中，消费作为宏观经济变量，决定着产品的需求，从而影响到生产就业以至整个经济生活。居民消费在国民收入总量中占有相当大的比。