基于多元統(tǒng)計(jì)分析的大學(xué)生消費(fèi)調(diào)查

趙 萌，蘭德新

(武夷學(xué)院數(shù)學(xué)與計(jì)算機(jī)系，福建武夷山 354300)

多元線性回歸分析方法［1-3］是多元統(tǒng)計(jì)分析的一種重要的分析方法，主要思想是尋求研究對(duì)象對(duì)各指標(biāo)的線性依賴程度。該方法被廣泛應(yīng)用于大規(guī)模數(shù)據(jù)與多指標(biāo)數(shù)據(jù)的處理。李子奈［1］在計(jì)量經(jīng)濟(jì)學(xué)模型方法論中對(duì)多元線性回歸模型進(jìn)行了深入分析，并對(duì)多個(gè)解釋變量間可能出現(xiàn)的異方差、序列相關(guān)以及多重共線性進(jìn)行了總結(jié)與探討。彭欣［2］探討大學(xué)生健康相關(guān)行為與學(xué)業(yè)成績(jī)的關(guān)系，采取整群抽樣的方法，抽取某綜合性大學(xué)醫(yī)學(xué)院177名本科生，用自行設(shè)計(jì)的大學(xué)生健康行為調(diào)查表進(jìn)行調(diào)查，并查閱其必修課的學(xué)習(xí)成績(jī)，采用多元統(tǒng)計(jì)分析方法對(duì)數(shù)據(jù)進(jìn)行處理。潘建平［3］利用多元回歸分析方法對(duì)我國(guó)近期通貨膨脹的形成原因及對(duì)策進(jìn)行了研究。主成分分析［4-5］是利用降維的思想將具有較強(qiáng)相關(guān)性的多個(gè)變量利用少數(shù)幾個(gè)綜合變量來代替，抓住問題的本質(zhì)，盡可能減少數(shù)據(jù)的信息損失。該方法被廣泛應(yīng)用于多指標(biāo)的數(shù)據(jù)處理問題。何曉群［4］在多元統(tǒng)計(jì)分析中對(duì)總體主成分分析與樣本主成分分析及其性質(zhì)進(jìn)行了深入研究。為了了解在校大學(xué)生的消費(fèi)心理和消費(fèi)結(jié)構(gòu)，正確引導(dǎo)大學(xué)生合理消費(fèi)，使大學(xué)生樹立正確的消費(fèi)觀念，本研究對(duì)武夷學(xué)院不同院系、不同年級(jí)的大學(xué)生展開調(diào)查，共調(diào)查了186名受訪對(duì)象，設(shè)置了6個(gè)消費(fèi)指標(biāo)，對(duì)調(diào)查數(shù)據(jù)運(yùn)用多元線性回歸分析與主成分分析方法，并借助 SPSS統(tǒng)計(jì)軟件［6-7］建立了數(shù)學(xué)模型。對(duì)2種分析方法所得模型進(jìn)行分析，得出了相同的結(jié)論。最后對(duì)如何正確引導(dǎo)大學(xué)生的消費(fèi)提出了建議。

1 調(diào)查設(shè)計(jì)

1)調(diào)查方案設(shè)計(jì)。以不同院系與不同年級(jí)的200名在校大學(xué)生為調(diào)查對(duì)象。采用“分層隨機(jī)抽樣”［8］得到數(shù)據(jù)，再利用SPSS進(jìn)行分析和數(shù)據(jù)處理，得到調(diào)查結(jié)果［9-13］。

2)調(diào)查問卷設(shè)計(jì)與訪談情況。①問卷設(shè)計(jì):通過提問來了解同學(xué)們的消費(fèi)心理和消費(fèi)狀態(tài);②調(diào)查問卷的發(fā)放、回收:本次調(diào)查以200名在校大學(xué)生為對(duì)象，共發(fā)放200份問卷調(diào)查表，收回186份。

2 數(shù)學(xué)模型

對(duì)186組數(shù)據(jù)進(jìn)行預(yù)處理，發(fā)現(xiàn)數(shù)據(jù)中娛樂消費(fèi)和學(xué)習(xí)用品消費(fèi)有數(shù)據(jù)缺失，但作為大學(xué)生在校學(xué)習(xí)生活，一般不可能沒有娛樂方面的消費(fèi)，也不可能沒有學(xué)習(xí)用品，故對(duì)所采集來的數(shù)據(jù)運(yùn)用SPSS Statistics數(shù)據(jù)編輯器中的轉(zhuǎn)換-替換缺失值功能把數(shù)據(jù)補(bǔ)全。所有數(shù)據(jù)處理都用補(bǔ)全后的完整數(shù)據(jù)。利用SPSS統(tǒng)計(jì)軟件對(duì)所有數(shù)據(jù)進(jìn)行主成分分析［14-19］，結(jié)果見表1 ～3。

表1 KMO和Bartlett的檢驗(yàn)

從KMO和Bartlett球形檢驗(yàn)結(jié)果可以看出，顯著性水平遠(yuǎn)遠(yuǎn)小于0.05，說明數(shù)據(jù)適合作主成分分析。

表2 解釋的總方差

從解釋的總方差結(jié)果可以看出，提取4個(gè)主成分的累計(jì)方差貢獻(xiàn)率達(dá)到88.379%，所以，提取4個(gè)主成分對(duì)消費(fèi)結(jié)構(gòu)進(jìn)行分析。

表3 成分矩陣

從成分矩陣可以得到各消費(fèi)變量在每一主成分中所占比重。4個(gè)主成分分別設(shè)為y1、y2、y3、y4。設(shè)飲食消費(fèi)為x1，生活用品消費(fèi)為x2，娛樂消費(fèi)為x3，學(xué)習(xí)用品消費(fèi)為 x4，電話費(fèi)用為 x5，總消費(fèi)為x6。由表3得4個(gè)主成分的線性組合:

主成分的意義由各線性組合中權(quán)數(shù)較大的幾個(gè)指標(biāo)的綜合意義來確定。綜合因子y1中x1、x6的系數(shù)遠(yuǎn)大于其他變量的系數(shù)，所以y1主要是總消費(fèi)與飲食消費(fèi)這2個(gè)指標(biāo)的綜合反映，它代表學(xué)生消費(fèi)的主要方面，刻畫了學(xué)生消費(fèi)的主要方向。y2主要是生活用品，它代表著學(xué)生生活用品的消費(fèi)水平。y3主要是學(xué)習(xí)用品，它代表著學(xué)生在購(gòu)買學(xué)習(xí)用品上的消費(fèi)水平。y4中x3與x5的系數(shù)遠(yuǎn)大于其他變量的系數(shù)，所以y4主要是學(xué)生在社交方面的消費(fèi)水平。這4個(gè)綜合因子從4個(gè)影響學(xué)生消費(fèi)的主要方面刻畫了學(xué)生的消費(fèi)結(jié)構(gòu)和消費(fèi)水平，用它們來分析學(xué)生的消費(fèi)結(jié)構(gòu)與消費(fèi)水平具有88.379%的可靠性。y是4個(gè)主成分影響學(xué)生整體消費(fèi)水平的線性組合，反映了學(xué)生的消費(fèi)結(jié)構(gòu)，y1系數(shù)最大，說明影響學(xué)生的消費(fèi)水平中總消費(fèi)以及用于飲食方面的消費(fèi)占據(jù)主要方面，y2、y3、y4系數(shù)依次較小幅度地遞減，說明學(xué)生購(gòu)買生活用品與學(xué)習(xí)用品在除飲食消費(fèi)外占據(jù)主導(dǎo)地位，也說明了學(xué)生對(duì)日常生活與學(xué)習(xí)的態(tài)度是認(rèn)真的，學(xué)生消費(fèi)中的極少部分用于社會(huì)交往。作為大學(xué)生，社會(huì)交往是必要的，但不是主要的，數(shù)據(jù)分析表明，武夷學(xué)院學(xué)生用于社交方面的消費(fèi)比例是適當(dāng)?shù)摹?/p>

利用SPSS統(tǒng)計(jì)軟件對(duì)所有數(shù)據(jù)進(jìn)行多元線性回歸分析，結(jié)果見表4～6。

表4 Model Summary

表5 Anova

表6 Coefficients

由表4得出擬合優(yōu)度為0.93，說明利用多元回歸模型擬合效果很好。

F檢驗(yàn)顯著通過，說明回歸模型總體線性關(guān)系顯著成立。

表6表明總消費(fèi)與各消費(fèi)水平間的線性關(guān)系顯著成立。

被解釋變量:總消費(fèi)y;解釋變量:飲食消費(fèi)x1，生活用品x2，娛樂消費(fèi) x3，學(xué)習(xí)消費(fèi)x4，電話費(fèi)用x5。從而得出多元線性回歸模型:

從該模型可以看出，學(xué)生的飲食消費(fèi)為最主要因素，其次是生活用品消費(fèi)以及社交消費(fèi)，得出了與主成分分析相同的結(jié)論，進(jìn)一步說明了本文建立的多元線性回歸模型與主成分分析法對(duì)分析在校大學(xué)生的消費(fèi)結(jié)構(gòu)與消費(fèi)水平的有效性。

4 結(jié)論與建議

1)消費(fèi)結(jié)構(gòu)。目前大學(xué)生生活消費(fèi)的主要組成部分是生活費(fèi)用和學(xué)習(xí)消費(fèi)，在生活費(fèi)用中，飲食消費(fèi)又是重中之重。

2)生活資金主要來源。在調(diào)查中發(fā)現(xiàn)90%以上的被調(diào)查者生活費(fèi)是由父母提供，這是當(dāng)代大學(xué)生的一種普遍狀況。

3)經(jīng)濟(jì)獨(dú)立意識(shí)較差。在調(diào)查中，很少人愿意自己兼職賺錢。顯然，大家的經(jīng)濟(jì)獨(dú)立意識(shí)較差。有部分學(xué)生還要借錢過日子，即使有剩余的錢也想著如何把剩余的錢花完。

根據(jù)分析情況對(duì)大學(xué)生消費(fèi)提出建議:

1)增強(qiáng)獨(dú)立意識(shí)，培養(yǎng)理財(cái)觀念。理財(cái)不是一個(gè)簡(jiǎn)單的問題，需要長(zhǎng)期培養(yǎng)正確運(yùn)用金錢及金錢規(guī)律的能力。

2)形成良好的消費(fèi)風(fēng)氣。形成大學(xué)生良好消費(fèi)風(fēng)氣。學(xué)生的消費(fèi)心理和行為是體現(xiàn)學(xué)生生活作風(fēng)的重要部分，一旦良好的消費(fèi)習(xí)慣得到培養(yǎng)和加強(qiáng)，就會(huì)對(duì)校風(fēng)的塑造起促進(jìn)作用。

［1］李子奈.計(jì)量經(jīng)濟(jì)學(xué)模型方法論［M］.北京:清華大學(xué)出版社，2011.

［2］彭欣.大學(xué)生健康相關(guān)行為與學(xué)業(yè)成績(jī)的關(guān)系研究［J］.中國(guó)健康心理學(xué)雜志，2012(4):7-9.

［3］潘建平.我國(guó)近期通貨膨脹的形成原因及對(duì)策［J］.經(jīng)濟(jì)研究導(dǎo)刊，2012(8):3-6.

［4］何曉群.多元統(tǒng)計(jì)分析［M］.北京:中國(guó)人民大學(xué)出版社，2008.

［5］Jolliffe I T.Principal Component Analysis［M］.New York:Springer-Verlag Inc.，1986.

［6］朱星宇，陳勇強(qiáng).SPSS多元統(tǒng)計(jì)分析方法及應(yīng)用［M］.北京:清華大學(xué)出版社，2011.

［7］吳明隆.問卷統(tǒng)計(jì)分析實(shí)務(wù)—SPSS操作與應(yīng)用［M］.重慶:重慶大學(xué)出版社，2010.

［8］陳嗣成.新編統(tǒng)計(jì)學(xué)原理［M］.北京:首都經(jīng)濟(jì)貿(mào)易大學(xué)出版社，2008.

［9］郭瓊.基于SPSS軟件的主成分分析法探析——榆次區(qū)土地生態(tài)系統(tǒng)健康評(píng)價(jià)［J］.山西農(nóng)業(yè)大學(xué)學(xué)報(bào):自然科學(xué)版，2012，32(1):58-62.

［10］張玉.SPSS軟件和主成分分析法在牧草營(yíng)養(yǎng)價(jià)值評(píng)價(jià)中的應(yīng)用［J］.安徽農(nóng)業(yè)科學(xué)，40(12):7186-7188.

［11］王春枝.SPSS軟件中主成分分析的計(jì)算技術(shù)解析［J］.現(xiàn)代計(jì)算機(jī):專業(yè)版，2011(16):6.

［12］常盛，朱亞玲.基于spss的多元線性回歸算法建模的實(shí)例研究［J］.數(shù)字技術(shù)與應(yīng)用，2011(10):120.

［13］何琳.SPSS軟件在廣西教育科學(xué)研究領(lǐng)域的應(yīng)用分析［J］.廣西教育，2011(27):99-101.

［14］彭書鳳，田盈.基于改進(jìn)主成分分析法的全國(guó)城市化水平研究［J］.重慶師范大學(xué)學(xué)報(bào):自然科學(xué)版，2007(3):69-73.

［15］張水清，黃紹敏，郭斗斗，等.基于主成分分析法的土壤肥力評(píng)價(jià)［J］.安徽農(nóng)業(yè)科學(xué)，2011，39(2):1096-1097，1165.

［16］呂佳.基于主成分分析的短期負(fù)荷預(yù)測(cè)模型［J］.重慶師范大學(xué)學(xué)報(bào):自然科學(xué)版，2007(3):33-36.

［17］李勇，李俊民.基于主成分分析法的周口市各縣投資環(huán)境綜合評(píng)價(jià)［J］.安徽農(nóng)業(yè)科學(xué)，2011，39(3):1612-1614.

［18］敖星，呂俊峰，趙孟娜.基于主成分分析和多元支持向量的旋轉(zhuǎn)機(jī)械故障診斷方法［J］.四川兵工學(xué)報(bào)，2010(9):83-86.

［19］柏家平，丁偉，李玲琴，等.基于主成分分析的曲靖市生態(tài)安全評(píng)價(jià)研究［J］.安徽農(nóng)業(yè)科學(xué)，2011，39(7):4158-4161.