城镇居民消费支出影响因素分析

摘要：本文基于1997-2017年国家数据对城镇居民消费支出影响因素进行探究性分析。主要通过利用SPSS软件对数据进行相关性分析、线性回归拟合、主成分等分析方法，进一步探究影响消费能力的主要因素，并进行总结分析。 关键词：消费支出 主成分分析 线性回归 一、引言

消费是推动经济增长的持久动力，消费支出水平的提高，消费结构的逐步升级，侧面再一次反映了国家经济水平的迅速提升。消费能力大小越来越作为衡量居民生活水平高低的标准，甚至成为人民幸福感来源的重要影响因素。因此，对于城镇居民人均消费支出水平的探究性分析更具有十分重要意义。 二、 模型建立 （一）自变量初步筛选

居民的消费支出能力很大程度上取决于城镇居民的可支配收入水平，以及国家的整体经济状况，因此我们初步选取城镇居民可支配收入、人均GDP、城镇居民消费价格指数、商品零售价格指数作为自变量，城镇居民消费支出作为因变量建立回归模型。 （二）模型拟合

分别对自变量关于因变量作散点图分析：

解释变量X1、X3、X4的t检验值对应的概率p值分别为0.000、0.064、0.078小于0.1，在0.1的显著性水平下，拒绝原假设，说明X1、X3、X4对y有显著性的影响。X2的t检验值对应的概率p值为0.476，没有通过t检验，检验结果显示解释变量人均GDP对城镇居民消费支出没有显著性的影响，并且回归系数的符号为负，显然与实际经济意义不符。

F检验统计量值为11231.689，其对应的概率p值0.0000，在0.1的显著性水平下，拒绝原假设，说明该回归方程通过显著性检验，即回归方程显著，X1城镇居民可支配收入、X2人均GDP、X3城鎮居民消费价格指数、X4商品零售价格指数等变量联合起来对城镇居民人均消费支出Yi有显著影响。 （三）模型修正

方程通过显著性检验，但仍存在解释变量未通过t检验，因此模型可能存在多重共线性问题，利用spss进行相关性分析，得到解释变量的相关性矩阵：

显然，各个解释变量之间的相关性均达到0.99，说明选择的解释变量之间存在严重的多重共线性问题。针对存在多重共线性问题的模型修正方法主要包括删除变量、逐步回归、主成分分析法，这里采用主成分分析来修正。 1.主成分分析。 （1）数据处理。

主成分分析一般基于标准化后的各变量，因此，将各解释变量标准化，并另存为新变量。这里使用 SPSS22.0 软件，将原始数据进行标准化（Z-Core 法）处理，得到标准化后的数据，记为Z1、Z2、Z3、Z4。 （2）因子分析的适用性检验。

这里利用 KOM 检验法和 Bartlett 球体检验法进行主成分分析的适用性检验。KOM 值为 0.745，说明选取的解释变量之间存在相关性。Bartlett 球形度检验值为 278.253，其对应的概率p值为 0.000，拒绝原假设，同样说明解释变量之间具有相关性。两种检验结果都表明该数据适用于主成分分析。 （3）从相关矩阵出发求解主成分。 提取方法：主成份分析。

由表可知，第一个主成分可以解释全部方差的98.415%，仅提取第一个主成分就可以代表原解释变量98.415%的信息，这里指提取第一个主成分。 （4）计算主成分系数。

由成分矩阵的各列分别除以对应特征值的平方根，得到对应主成分的系数，对应的第一主成分线性方程为：

F1=0.5005*Z1+0.5024*+Z2+0.5034*Z3+0.4930*Z4

2.主成分回归建模。将各解释变量的值代入上述方程的到新变量F1，对标准化后的被解释变量Y（Zscore）和新变量F1利用SPSS进行线性拟合：

修正后的模型可决系数为0.9845，说明标准化后的被解释变量城镇居民人均消费支出Y（Zscore）有98.45%可以被公共因子F1解释，并且拟合优度较高。且公共因子F1的t检验值为35.705，对应的概率p值为0.000远小于0.1，即在0.1的显著性水平下，拒绝原假设，说明提取的公共因子F1对标准化后的被解释变量Y（Zscore）有显著性的影响。类似的，在一元线性回归中，t检验与F检验的结果一致，即拟合的线性方程通过了显著性检验。

三、 结论与分析

利用上述分析结果可知，城镇居民人均消费支出确与最初选取的变量之间存在较强的相关性，并随自变量的增加而增加。显然的，城镇居民可支配收入与人均GDP的提高，均可使消费水平提升。商品零售价格指数与居民消费价格指数分别是从卖方角度和买方角度出发所观察到的价格变动，商品零售价格指数提高，人均消费支出也自然提高，居民消费价格指数提高，即居民生活消费品零售价格和服务费用增高，亦会使城镇居民人均消费支出提高，分析结果与经济意义相符。 参考文献：

[1]李子耐，潘文卿.《计量经济学》（第三版）[M].北京：高等教育出版社，2009. [2]何晓群.《多元统计分析》[M].北京：中国人民出版社，2015.

[3]李洋，刘美爽.《我国城镇居民消费水平的计量经济模型分析》[J].商贸流通，2014，34.

[4]庞浩.《计量经济学》[M].科学出版社，2007.

[5]孙若怡.《安徽省城镇居民消费结构变动的因子分析》[J].经济论坛，2018，04. （作者单位：安徽大学）

感谢您的阅读，祝您生活愉快。