资源描述：
《交,2011中国城镇居民消费结构的统计分析》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、中国城镇居民消费结构的聚类分析内容摘要：改革开放30余年来，我国国民经济发展取得了举世瞩目的成就，人民生活水平不断提高，居民消费结构也发生了巨大的变化，本文利用聚类分析方法对我国31个省(直辖市、自治区)的城镇居民消费结构进行聚类分析,探讨我国各区域之间城镇居民消费结构的差异，从而根据地区间的消费结构差异制定更加合理的用以促进当地经济发展的引导性政策。关键词：城镇居民消费结构经济发展水平聚类分析一．目的意义消费结构是在一定的社会经济条件下，人们(包括各种不同类型的消费者和社会集团)在消费过程中所消费的各种不同类型的消费资料(包括劳务)的比例关系。其主要包括八项方面的支出，食品消费、
2、衣着消费、家庭设备用品及服务消费、医疗保健消费、交通和通信消费、教育文化娱乐服务消费、居住消费、杂项商品和服务消费,以上构成城镇居民消费性支出的八个项目即为所选指标。为了使数据的分析结果更合理，这里的指标均采用各地区城镇居民家庭平均每人全年消费性支出作为分析对象,即采用人均值。本文利用聚类分析法对我国31个省(直辖市、自治区)的城镇居民消费结构进行聚类分析,以期发现我国各区域之间城镇居民消费结构的差异,从而为引导我国区域消费结构向着协调方向发展、为各地政府根据地区间消费结构差异制定更加合理的引导性政策提供更加有效的依据。二、方法及原理聚类分析的基本思想是认为我们所研究的样本或指标(
3、变量)之间存在着不同程度的相似性。根据一批样品的多个观测指标，具体找出一些能够度量样品或指标之间相似程度的统计量，以这些统计量为划分类型的依据，把具有相似程度的样品（或指标）分别聚为一类，直到把所有样本(或指标)都聚合完毕，形成一个由小到大的分类系统，最后再把整个分类系统化成一张谱系图，用它把所有样本或指标间的亲疏程度表示出来。传统的统计聚类分析方法包括系统聚类法、有序样品聚类法、动态聚类法、模糊聚类法、图论聚类法、聚类预报法等。采用k-均值、k-中心点等算法的聚类分析工具已被加入到许多著名的统计分析软件包中，如SPSS、SAS等。5.1-9,,services,andmaketh
4、ecitymoreattractive,strengtheningpublictransportinvestment,establishedasthebackboneoftheurbanrailtransitmulti-level,multi-functionalpublictransportsystem,thusprotectingtheregionalpositionandachieve本文采用系统聚类法，将数据在SPSS中进行预处理，然后得出SPSS分析结果，再根据其分析结果对我国31个省(直辖市、自治区)的城镇居民消费结构进行最后分类。三、数据预处理根据中国统计年鉴,得到2
5、007年的统计数据,见下表：本文运用系统聚类法将数据在SPSS软件中进行运行计算，分析步骤如下：1、启动SPSS，输表一的数据，试对城镇居民消费性支出的八个项目进行聚类分析。2、选择【分析—聚类分析—分层聚类】菜单命令，将食品、衣着、家庭设备用品及服务、医疗保健、交通和通信、教育文化娱乐服务、居住、杂项商品和服务选入变量框，将地区选入标签框，默认为“对观测量聚类”。3、点击【绘图】按钮，选择【系统树图】，设置绘图类型。4、点击【方法】按钮，设置【聚类方法】----【最短距离法】和【间距】---【欧氏距离平方】，然后采用Zscores数据标准化方法对数据进行标准化。5、选择合适的方法
6、选项后，点击【确定】，即可得到聚类分析结果。发现图形不美观，选择【编辑—选项—视图】，将输出文本字体设置为“Courier New”即完成。四、结果分析此次聚类分析的样本总个数为31个,在分析过程中未发现无效样本,故总的有效样本个数为31个,样本有效率100%。CaseProcessingSummaryCasesValidMissingTotalNPercentNPercentNPercent31100.0%0.0%31100.0%通过运用SPSS进行数据处理后得到的凝聚状态表及谱系图如下：agglomerationscheduleStageClusterCombinedCoeff
7、icientsStageClusterFirstAppearsNextStageCluster1Cluster2Cluster1Cluster212829.5020035.1-9,,services,andmakethecitymoreattractive,strengtheningpublictransportinvestment,establishedasthebackboneoftheurbanrailtransitmulti-level,multi-funct
