1、1四川省農(nóng)民消費(fèi)結(jié)構(gòu)變動(dòng)的統(tǒng)計(jì)分析四川省農(nóng)民消費(fèi)結(jié)構(gòu)變動(dòng)的統(tǒng)計(jì)分析信息與計(jì)算科學(xué)2008級(jí)蔣旭指導(dǎo)教師丁體明教授摘要：摘要：本文在四川省實(shí)施統(tǒng)籌城鄉(xiāng)改革的背景下基于1998年—20009年12年來(lái)四川省農(nóng)村居民的人均純收入與消費(fèi)支出等相關(guān)數(shù)據(jù)，采用因子分析方法并結(jié)合聚類(lèi)分析方法，實(shí)證研究了該省農(nóng)村居民的消費(fèi)結(jié)構(gòu)變動(dòng)情況。結(jié)論表明四川省農(nóng)村居民的食品支出占總消費(fèi)支出的比重逐年下降而交通和通訊、醫(yī)療保健、文化教育等支出的比重逐年增加以飲食為

2、主的消費(fèi)結(jié)構(gòu)正逐漸轉(zhuǎn)向多元化的消費(fèi)結(jié)構(gòu)和得以不斷優(yōu)化。文中還提出了優(yōu)化成都市農(nóng)村居民消費(fèi)結(jié)構(gòu)的對(duì)策建議。關(guān)鍵詞：關(guān)鍵詞：因子分析，聚類(lèi)分析，農(nóng)村居民，消費(fèi)結(jié)構(gòu)，spssTheConsumptionStructureChangeintheStatisticalAnalysisofFarmersinSichuanPronviceInfmationComputationalScienceJiagnXuGrade2008DirectedbyDi

3、ngTimingAbstract:AccdingtotherevolutionofcitiescountriesinSiChuanprovincebasedonthedataof1998to2009perincomeexpenditurethispapertakestheFactAnalysismethodClustermethodtogethertoprovestudythechangedstructureoftheruralresi

4、dents’consumptioninthisprovince.Theresultshowsthattheruralresidents’foodexpendituredeclinesintotalconsumptionexpenditurehowevertheexpenditureoftransptationcommunicationhealthcareeducationisincreasingyearbyyear.theconsump

5、tionstructurethatisbasedonfoodisimprovedturningtodiversification.Besidesthispaperputsfwardsomesuggestionsabouthowtoimproveruralresidents’consumptioninSichuan.KeyWds:FactAnalysisClustermethodruralresidentconsumptionstruct

6、urespss.1前言前言眾所周知，我國(guó)的農(nóng)村人口眾多，一直以來(lái)農(nóng)村居民的生活狀況都在我國(guó)人3(2.1)111121311123221222322123123123...............kkkkpppppkpkffffxaaaaffffxaaaaffffxaaaa????????????????????????????式（2.1）便是因子分析的數(shù)學(xué)模型，也可以用矩陣的形式表示為：XAF???式中，F(xiàn)稱(chēng)為因子，由于它們均出現(xiàn)在每個(gè)

7、原有變量的線(xiàn)性表達(dá)式中，因此又稱(chēng)為公共因子。因子可理解為高維空間中互相垂直的個(gè)坐標(biāo)軸；稱(chēng)為因子載kA荷矩陣，（）稱(chēng)為因子載荷，是第個(gè)原有變量在aij123...ip?123...jk?i第個(gè)因子上的負(fù)荷。如果把變量看成維因子空間中的一個(gè)向量，則表jxikaij示在坐標(biāo)軸上的投影，相當(dāng)于多元線(xiàn)性回歸模型中的標(biāo)準(zhǔn)化回歸系數(shù)；xifj?稱(chēng)為特殊因子，表示原有變量不能被因子解釋的部分，其均值為0，相當(dāng)于多元線(xiàn)性回歸模型中的殘差。由式（2.1）可

8、知因子是可見(jiàn)的[478]。2.1.3因子分析的基本步驟因子分析的基本步驟[5]1.因子分析的前提條件因子分析的目的是從眾多的原有變量中綜合出少數(shù)具有代表性的因子，這必定有一個(gè)潛在的前提要求，即原有變量之間應(yīng)具有較強(qiáng)的相關(guān)關(guān)系。常用的方法有計(jì)算相關(guān)系數(shù)矩陣，計(jì)算反映像相關(guān)矩陣，巴黎特球度檢驗(yàn)，KMO檢驗(yàn)。本文采用KMO檢驗(yàn)，KMO統(tǒng)計(jì)量適用于比較變量間簡(jiǎn)單相關(guān)系數(shù)和偏相關(guān)系數(shù)的指標(biāo)，數(shù)學(xué)定義為：(2.2)222ijijijijijijrK

9、MOpr???????????式中，是變量和其他變量間的簡(jiǎn)單相關(guān)系數(shù)；是變量和其他rijxixjpijxi變量間控制了剩余變量下的偏相關(guān)系數(shù)。由式（2.2）可知：KMO統(tǒng)計(jì)量的取xi值在0~1之間。當(dāng)所有變量間的簡(jiǎn)單相關(guān)系數(shù)平方和遠(yuǎn)遠(yuǎn)大于偏相關(guān)系數(shù)平方和時(shí)，KMO值接近1。KMO值越接近1，意味著變量間的相關(guān)性越強(qiáng)，原有變量越適合作因子分析；當(dāng)所有變量間的簡(jiǎn)單相關(guān)系數(shù)平方和接近0時(shí)，KMO值接近0。KMO值越接近于0，意味著變量間的相關(guān)