文档介绍：该【spss课程论文：我国城镇居民消费结构及趋势分析 】是由【HShess】上传分享，文档一共【21】页，该文档可以免费在线阅读，需要了解更多关于【spss课程论文：我国城镇居民消费结构及趋势分析 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。spss课程论文:我国城镇居民消费结构及趋势分析我国城镇居民消费结构及趋势分析摘要:近年来,我国宏观经济形势发生了重大变化,经济发展速度加快,居民收入稳定增加,在国家连续出台住房、教育、医疗等各项改革措施和实施“刺激消费、扩大内需、拉动经济增长”经济政策的影响下,全国居民的消费支出也强劲增长,消费结构发生了显著变化,消费结构不合理现象得到了一定程度的改善。为了进一步改善我国居民的消费结构,正确引导消费,提高我国居民的消费水平和生活质量,有必要对我国各省市居民的消费结构进行考察和研究,以期发现特点和规律。对我国居民的消费结构进行了趋势分析,通过“spss数据分析”对我国各地区居民消费结构之间的异同进行考察并作比较研究,总结出了我国居民消费呈现富裕型、娱乐教育文化服务类消费攀升的趋势特点。关键词:消费结构;消费趋势;方差分析;残差分析;因子分析一、主要运用方法::方差分析就是将总变异剖分为各个变异来源的相应部分,从而发现各变异原因在总变异中相对重要程度的一种统计分析方法。其中,扣除了各种试验原因所引起的变异后的剩余变异提供了试验误差的无偏估计,作为假设测验的依据。——残差分析:回归分析是一种处理变量的统计相关关系的一种数理统计方法。回归分析的基本思想是:?虽然自变量和因变量之间没有严格的、确定性的函数关系,?但可以设法找出最能代表它们之间关系的数学表达形式。多元回归分析是研究多个变量之间关系的回归分析方法。:因子分析是处理多变量数据的一种统计方法,它可以揭示多变量之间的关系,其主要目的是从众多的可观测得变量中概括和综合出少数几个因子,较少的因子变量来最大程度地概括和解释原有的观测信息,从而建立起简洁的概念系统,揭示出事物之间本质的联系。二、我国居民消费结构的横向分析:? ,这与恩格尔定律的 进入21世纪以来,随着经济体制改革的深入,国民经济的迅速发展,我国城乡居民的消费水平显著提高,居民的各项支出显著增加。随着消费水平的提高,我国城乡居民消费从注重量的满足到追求质的提高,从以衣食消费为主的生存型到追求生活质量的享受型、发展型,消费质量和消费结构都发生了明显的变化。城镇居民在食品、衣着、家庭设备用品三项支出在消费支出中的比重呈现明显的下降趋势,其中食品类支出比重降幅最大,达15个百分点;衣着类下降4个百分点;家庭设备用品类下降幅度不是很大。与此同时,医疗保健、交通通讯、文化娱乐教育服务、居住及杂项商品支出在消费支出中的比例均有上升,富裕阶段的消费特征开始显现。四、spss统计分析结果:(方差分析,回归分析,残差分析):图一给出了基本的描述性统计图,图中显示各个变量的全部观测量的Mean(均值)、(标准差)和观测值总数N。图2给出了相关系数矩阵表,其中显示3个自变量两两间的Pearson相关系数,以及关于相关关系等于零的假设的单尾显著性检验概率。 图1描述性统计表 图2相关系数矩阵从表中看到因变量家庭设备用品及服务与自变量食品、、,反映家庭设备用品及服务与食品、衣着之间存在显著的相关关系。说明食品与衣着对于家庭设备用品及服务条件的好转有显著的作用。自变量居住于因变量家庭设备用品及服务之间的相关系数为-,它于其他几个自变量之间的相关系数也都为负,说明它们之间的线性关系不显著。此外,,这也说明它们之间存在较为显著的相关关系。按照常识,它们之间的线性相关关系也是符合事实的。图3给出了进入模型和被剔除的变量的信息,从表中我们可以看出,所有3个自变量都进入模型,说明我们的解释变量都是显著并且是有解释力的。 图3变量进入/剔除信息表图4给出了模型整体拟合效果的概述,,反映了因变量于自变量之间具有高度显著的线性关系。表里还显示了R平方以及经调整的R值估计标准误差,另外表中还给出了杜宾-瓦特森检验值DW=,杜宾-瓦特森检验统计量DW是一个用于检验一阶变量自回归形式的序列相关问题的统计量,DW在数值2到4之间的附近说明模型变量无序列相关。 图4模型概述表图5给出了方差分析表,,。 图5方差分析表图6给出了回归系数表和变量显著性检验的T值,我们发现,变量居住的T值太小,没有达到显著性水平,因此我们要将这个变量剔除,从这里我们也可以看出,模型虽然通过了设定检验,但很有可能不能通过变量的显著性检验。 图6回归系数表图7给出了残差分析表,表中显示了预测值、残差、标准化预测值、标准化残差的最小值、最大值、均值、标准差及样本容量等,根据概率的3西格玛原则,,小于3,说明样本数据中没有奇异值。 图7残差统计表图8给出了模型的直方图,由于我们在模型中始终假设残差服从正态分布,因此我们可以从这张图中直观地看出回归后的实际残差是否符合我们的假设,从回归残差的直方图于附于图上的正态分布曲线相比较,可以认为残差的分布不是明显地服从正态分布。尽管这样也不能盲目的否定残差服从正态分布的假设,因为我们用了进行分析的样本太小,样本容量仅为5。?图8残差分布直方图从上面图4的分析结果看,我们的模型需要剔除居住这个变量,用本次实验中的方法和步骤重新令家庭设备用品及服务对食品和衣着回归,得到的主要结果如图9、图10和图11所示,跟上面的分析类似,从中可以看出,剔除居住这个变量后,,比原来有所降低;,新模型与原来的模型相比,各个系数都通过了显著性T检验,因此更加合理,从而我们可以得出结论:剔除居住这个变量后的模型更加合理,因此在做预测过程中要使用剔除不显著变量后的模型。