曾翔 宋賀
(淮陰師范學(xué)院,江蘇 淮安 223300)
消費(fèi)、投資、出口是拉動(dòng)經(jīng)濟(jì)發(fā)展的三駕馬車,其中消費(fèi)作為拉動(dòng)經(jīng)濟(jì)增長(zhǎng)的最重要?jiǎng)恿χ?,是?jīng)濟(jì)持續(xù)增長(zhǎng)的額最終牽引力。近年來(lái),隨著我國(guó)市場(chǎng)經(jīng)濟(jì)的發(fā)展,我國(guó)城鎮(zhèn)居民消費(fèi)已發(fā)生了巨大轉(zhuǎn)變。由于我國(guó)經(jīng)濟(jì)發(fā)展的不平衡性,各地區(qū)城鎮(zhèn)居民消費(fèi)水平也有著很大的差異性。因此,對(duì)中國(guó)城鎮(zhèn)居民消費(fèi)水平的影響因素進(jìn)行研究和分析,以尋找一些城鎮(zhèn)居民消費(fèi)的特征,從而確定影響城鎮(zhèn)居民消費(fèi)水平的主要因素。本文針對(duì)2019年分地區(qū)人均城鎮(zhèn)居民人均消費(fèi)支出開展相關(guān)分析。
利用《中國(guó)統(tǒng)計(jì)年鑒-2020》中2019年分地區(qū)人均城鎮(zhèn)居民人均消費(fèi)支出的統(tǒng)計(jì)指標(biāo)進(jìn)行實(shí)證分析。
KMO(Kaiser-Meyer-Olkin)檢驗(yàn)用于比較變量間相關(guān)系數(shù)和偏相關(guān)系數(shù)。Bartlett球形檢驗(yàn)用于檢驗(yàn)原始變量相關(guān)矩陣中各變量間的相關(guān)性,以及相關(guān)系數(shù)矩陣是否為單位陣,即檢驗(yàn)各變量間是否相互獨(dú)立。
檢驗(yàn)結(jié)果顯示,KMO值為0.771,接近于1,從KMO檢驗(yàn)角度出發(fā),我們認(rèn)為選取的數(shù)據(jù)適合做主成分分析。
對(duì)于Bartlett球形檢驗(yàn),提出假設(shè):
備擇假設(shè)H1:相關(guān)系數(shù)矩陣不為單位陣。
Bartlett球形檢驗(yàn)的卡方統(tǒng)計(jì)量的值為227.937,對(duì)應(yīng)的概率P值為0.000,小于顯著性水平0.01。因此拒絕原假設(shè),認(rèn)為相關(guān)系數(shù)矩陣不為單位陣,即各變量間顯著相關(guān),適合做主成分分析。
求解主成分的過程實(shí)際上就是對(duì)矩陣結(jié)構(gòu)進(jìn)行分析的過程,也即求解特征根的過程。在實(shí)際應(yīng)用中,可以從兩個(gè)角度出發(fā)求解主成分,一是從原始數(shù)據(jù)的協(xié)方差矩陣入手,二是從原始數(shù)據(jù)的相關(guān)矩陣出發(fā)。
本例運(yùn)用SPSS軟件,提取主成分的方法采取協(xié)方差矩陣分析法,默認(rèn)保留大于1的特征根。
分析結(jié)果給出了該分析中所保留的主成分從每個(gè)原始變量中提取的信息,包括各原始變量的方差、保留的主成分所提取的方差以及前m個(gè)主成分對(duì)各原始變量的方差貢獻(xiàn)率。同時(shí)給出了主成分解釋原始變量總方差的情況。分析時(shí)保留了大于1的特征根,本例中只有一個(gè),為12541304.462,也為第一主成分的方差。第一主成分的方差貢獻(xiàn)率為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釋原始變量總差異的效果較好。
由圖2.1,根據(jù)特征根及其曲線的拐點(diǎn)特征,可以看出前一個(gè)主成分的曲線較為陡峭,接下來(lái)的折線較為平緩,這就從側(cè)片說明選取前一個(gè)主成分效果較好。
圖2.1 主成分的碎石圖
表2.2 因子載荷陣
這一個(gè)主成分能夠解釋原始變量85.92%的信息,極大地簡(jiǎn)化了對(duì)該問題的分析。由主成分向量系數(shù)的大小對(duì)比可以看出,該主成分主要解釋了食品類消費(fèi)、居住消費(fèi)、教育文化娛樂消費(fèi)對(duì)城鎮(zhèn)居民消費(fèi)水平的影響。
由主成分得分排名顯示,上海、北京、浙江、廣東等城市排名靠前,這些省份城鎮(zhèn)居民消費(fèi)水平較高于我國(guó)其他省份,經(jīng)濟(jì)水平也處于領(lǐng)先地位。這主要得力于幾個(gè)地區(qū)的地理因素較為優(yōu)越,上海、廣東都是沿海城市,港口交錯(cuò);交通極為便利,鐵路干線交匯,航空方面設(shè)備更是完善;同時(shí)得益于歷史因素,改革開放較早,更是有南方城市作為第一批經(jīng)濟(jì)特區(qū),具有發(fā)達(dá)的通訊網(wǎng)絡(luò)設(shè)備、強(qiáng)大的科技教學(xué)力量,吸引大批的大人涌入這些城市,使其科技力量領(lǐng)先其他省市。也正是因?yàn)檫@些因素,使得城鎮(zhèn)居民在這些省份居住時(shí)所需要的消費(fèi)也更高。根據(jù)近五年房?jī)r(jià)對(duì)比,不難看出上海、北京、廣東等省市房?jī)r(jià)遠(yuǎn)遠(yuǎn)高于經(jīng)濟(jì)較落后的省市,這就使得城鎮(zhèn)居民這些居住的住房成本更高。而寧夏、廣西、貴州等西南方省市其地理位置處于內(nèi)陸較深,又缺乏足夠的產(chǎn)業(yè)支撐,使之相較于其他東部沿海城市經(jīng)濟(jì)較為落后,城鎮(zhèn)居民消費(fèi)水平相對(duì)于平均水平較低。由此看出,東部省份( 上海、廣東、北京等)的城鎮(zhèn)居民消費(fèi)水平略高于西部城鎮(zhèn)居民的消費(fèi)水平,且經(jīng)濟(jì)較之為發(fā)達(dá)。
由SPSS軟件對(duì)統(tǒng)計(jì)指標(biāo)進(jìn)行聚類分析,根據(jù)每一階段聚類結(jié)果的展示,在第1步將河北和河南聚為一類,此時(shí)有30類。第2步將甘肅和青海聚為一類,此時(shí)有29類。以此類推,第7步時(shí)將陜西聚到第1步中的河北和河南一類中。最終聚成一個(gè)大類。
此外,以y軸為聚合系數(shù),以x軸為分類數(shù),用Excel做出聚合系數(shù)隨分類數(shù)變化的曲線,可以在曲線變得平緩時(shí)選擇合適的分類數(shù)。
由圖可知,當(dāng)分類數(shù)大于6時(shí),曲線的變化趨勢(shì)較為平緩,同時(shí)此分類數(shù)也較為符合分類的目的。
圖3.1為系統(tǒng)聚類的冰柱圖,是反應(yīng)樣品聚類情況的圖形,由于聚類過程像冰柱的形狀而得名。冰柱圖形象地展示了聚類的動(dòng)態(tài)過程,冰柱圖有垂直和水平之分。對(duì)于縱向的冰柱圖,可以自下而上看出聚類的過程。首先,從最下面看,代表河北和河南的兩條冰柱之間冰柱最長(zhǎng),這意味著河北和河南最先被聚為一類,此時(shí)有30類。其次是甘肅和青海之間的冰柱長(zhǎng)度,這時(shí)將甘肅和青海聚類一類,共有29類。以此類推,到第7步時(shí),將陜西聚到第1步中的河北和河南一類中,最終聚成一個(gè)大類。也即某階段的分類數(shù)等于總的樣品數(shù)減去這個(gè)階段的序號(hào)數(shù)。
圖3.1 冰柱圖
此外,對(duì)于給定的類數(shù),若要從冰柱圖中得知每類包含的樣本,只需要找到長(zhǎng)度小于對(duì)應(yīng)該給定類數(shù)的冰柱。然后,以這些冰柱為分割點(diǎn),從左起至第一個(gè)分隔點(diǎn)之間的樣品為一類,第一個(gè)與第二個(gè)分隔點(diǎn)之間的樣品為第二類,依此類推,直到最后一個(gè)分隔點(diǎn)至最右邊為最后一類。
在本例中,對(duì)于圖3.1,若設(shè)定類數(shù)為6,則需要找到冰柱長(zhǎng)度對(duì)應(yīng)數(shù)小于6的冰柱。因此樣品被分為6類的結(jié)果是:
第一類:北京;
第二類:上海;
第三類:天津、浙江;
第四類:江蘇、內(nèi)蒙古、遼寧、山東、湖北、湖南、廣東、重慶、寧夏、新疆;
第五類:河北、山西、吉林、黑龍江、安徽、福建、江西、河南、廣西、海南、四川、貴州、云南、陜西、甘肅、青海;
第六類:西藏。
由聚類分析也可得系統(tǒng)聚類的樹狀聚類圖,從圖中可以由分類個(gè)數(shù)得到分類情況。在本例中得到的結(jié)果為:北京為第一類;上海為第二類;天津、浙江為第三類;江蘇、內(nèi)蒙古、遼寧、山東、湖北、湖南、廣東、重慶、寧夏、新疆為第四類;河北、山西、吉林、黑龍江、安徽、福建、江西、河南、廣西、海南、四川、貴州、云南、陜西、甘肅、青海為第五類;西藏為第六類。
與冰柱圖所得分類結(jié)果一致。
1.平均水平分析
由統(tǒng)計(jì)數(shù)據(jù)可以得到各類別平均水平與全國(guó)均值之差。由分類結(jié)果可看出,第四類與第五類包含了全國(guó)84%的省份,共26個(gè)省市,而這些類別的省市的平均消費(fèi)水平低于全國(guó)消費(fèi)水平;第一類與第二類的平均消費(fèi)水平超過全國(guó)消費(fèi)水平的2000~2200,第三類也超過全國(guó)消費(fèi)水平760。這表明,全國(guó)大部分省市自治區(qū)平均消費(fèi)水平偏低,且各省市之間的消費(fèi)水平差別較大,經(jīng)濟(jì)發(fā)展不均衡。
2.支出結(jié)構(gòu)占比
同樣可得到各類別八項(xiàng)指標(biāo)占總支出的比重。第一二類省市地處東部沿海,地理位置優(yōu)越,經(jīng)濟(jì)發(fā)展迅速,科學(xué)技術(shù)發(fā)展水平較高,通訊設(shè)備和交通運(yùn)輸業(yè)基礎(chǔ)較好,從而在居住支出上消費(fèi)較多,相比之下食品支出、衣著支出、生活用品支出較少。第三四類省市在衣著、生活用品、交通通信方面的支出比例明顯高于其他類別省市??偟膩?lái)說,經(jīng)濟(jì)水平越高的省市在居住支出方面越高,在衣著方面支出越少。
第一二三類別的省市多是東部沿海省份,這些省市經(jīng)濟(jì)水平較高,其城鎮(zhèn)居民的消費(fèi)水平高于其他省市;而位于中西部的省市相較于東部沿海省市經(jīng)濟(jì)較為落后,多數(shù)省市的城鎮(zhèn)居民消費(fèi)水平低于全國(guó)平均水平。說明消費(fèi)水平受到經(jīng)濟(jì)水平及其地理位置因素的影響,而地理位置臨近的一些省市其城鎮(zhèn)居民消費(fèi)水平相似,如吉林、黑龍江、河北等。中西部省市由于其歷史因素、位置因素,早期沒有強(qiáng)大的科技力量支撐其經(jīng)濟(jì)發(fā)展,經(jīng)濟(jì)水平相對(duì)較落后。
本文主要研究中國(guó)城鎮(zhèn)居民消費(fèi)水平結(jié)構(gòu)特征。首先運(yùn)用主成分分析研究食品類消費(fèi)、衣著消費(fèi)、居住消費(fèi)、生活用品消費(fèi)、交通通信消費(fèi)、教育文化娛樂消費(fèi)、醫(yī)療保健消費(fèi)、其他類消費(fèi)對(duì)各省市消費(fèi)水平的影響,所得分析結(jié)果認(rèn)為我國(guó)城鎮(zhèn)居民消費(fèi)水平主要受到食品類消費(fèi)、居住消費(fèi)、教育文化娛樂消費(fèi)的影響。又由主成分得分排名得到那些經(jīng)濟(jì)水平較高的省市居民的消費(fèi)水平普遍高于那些經(jīng)濟(jì)較落后的省市居民消費(fèi)水平。
再由聚類分析得到所分的六類省市之間消費(fèi)水平差異較大,且大部分省市自治區(qū)平均消費(fèi)水平低于全國(guó)平均消費(fèi)水平,經(jīng)濟(jì)發(fā)展不均衡。同時(shí)可以看出地域差異也是影響消費(fèi)水平的因素之一,特別是居于內(nèi)陸深處的西部省市,其消費(fèi)水平明顯低于全國(guó)平均水平。
因此,我國(guó)可采取提高居民收入的措施來(lái)增加消費(fèi)支出。收入增多,居民購(gòu)買力自然也會(huì)增加,從而使得幾個(gè)消費(fèi)支出得到均衡發(fā)展。就業(yè)是最大的民生,要提高居民收入,首先要穩(wěn)就業(yè)保民生,把就業(yè)擺在首位,實(shí)施好就業(yè)優(yōu)先政策,全面強(qiáng)化穩(wěn)就業(yè)舉措。同時(shí),國(guó)家應(yīng)采取相應(yīng)措施幫助中西部省市發(fā)展經(jīng)濟(jì),如可以通過科技優(yōu)化創(chuàng)新環(huán)境、加大科技投入、引進(jìn)科技產(chǎn)業(yè)、培育優(yōu)秀人才等措施,使越來(lái)越多與這些地區(qū)相適應(yīng)的科技產(chǎn)品與居民深度融合,引領(lǐng)城市更好發(fā)展。