甘肃省居民消费结构变动分析

恩格尔系数60.00P.00@.000.00 .00.00%0.00%年份199193919491959196919791989209020002010202020302040205020602070208020910恩格尔系数

资料来源：《中国统计年鉴数据库（1994-2011）》及《甘肃统计年鉴（1994-2011）》

图4 1993-2010年甘肃省城镇居民恩格尔系数

从1993-2010年甘肃城乡居民恩格尔系数图可以看出，1993-2010农村居民恩格尔系数总是高于城镇居民恩格尔系数，客观反映出农村居民生活消费水平低于城镇居民生活消费水平的客观现实。在2000年以前，农村居民恩格尔系数较城镇居民具有显著的波动性，反映出农村居民生活消费的不稳定性。农村居民恩格尔系数居高不下，2000年以前一直超过50%，直到2000年才低于50%，完成居民生活消费水平由温饱型向小康型的过渡，而城镇居民恩格尔系数从1997年下降至低于50%，完成居民生活消费水平由温饱型向小康型的过渡，2000年下降至低于40%，又从小康型过渡到富裕型。与此同时，在所统计的近二十年间，1995年是农村居民恩格尔系数与城镇居民恩格尔系数差距最大的一年，达19.23%（见图5）。

恩格尔系数80.00p.00`.00P.00@.000.00 .00.00%0.00%年份199193919491959196919791989209020002010202020302040205020602070208020910城镇居民农村居民

资料来源：《中国统计年鉴数据库（1994-2011）》及《甘肃统计年鉴（1994-2011）》

图5 1993-2010年甘肃城乡居民恩格尔系数

第5页，共18页

为了更好对我省城乡居民消费结构进行比较分析，可以利用城乡居民一年内对食品、衣着、居住、家庭设备用品及服务、医疗保健、交通通信、文化教育娱乐用品及服务、其他商品及服务各项消费支出比进行分析，以2010年为例，可以看出城镇居民与农村居民对这八大类的消费比差距很大，最大为7.22，最小也达到1.8。其中差异较大的有其他商品和服务、衣着、教育文化娱乐三项，城乡之比分别为7.22:1,6.82:1,4.78:1；差异较小的为食品，城乡之比为1.8:1；而医疗保健、交通通讯、家庭设备用品、居住等享受发展型消费城乡平均之比为3.79:1。由此可见，城乡各类消费支出差异明显，城镇居民享受发展型消费方面大大高于农村居民，城乡居民消费结构呈显著差异（见图6）。

比值8.007.006.005.004.003.002.001.000.00用品娱乐品着住健讯食衣居保通医疗庭设交通育文城乡居民各项消费支出比其他商家教品和服备化务消费项目

资料来源：《中国统计年鉴数据库（1994-2011）》及《甘肃统计年鉴（1994-2011）》

图6 2010年甘肃城乡居民各项消费支出比

2、基于因子分析的我省居民消费结构变动分析

用因子分析方法对我省居民消费结构进行统计分析时，将1993-2010年我省居民对食品、衣着、居住、家庭设备用品及服务、医疗保健、交通通信、文化教育娱乐用品及服务、其他商品及服务支出占总支出的比重分别记为X1、X2、X3、X4、X5、X6、X7、X8，作为在利用SPSS软件分析时的数据。根据《中国统计年鉴数据库（1994-2011）》及《甘肃统计年鉴（1994-2011）》我省居民生活消费水平的抽样调查数据资料计算得出我省居民人均各项消费支出比重对居民消费结构表动进行因子分析,具体见表1。

表1 1993-2010年我省居民人均各项消费支出比重（%）

年份 1993 X1 X2 X3 X4 X5 X6 X7 X8 0.5181 0.1453 0.0767 0.0731 0.0370 0.0235 0.0794 0.0433 第6页，共18页 续表: 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 0.5411 0.1287 0.0510 0.0663 0.0382 0.0333 0.0770 0.0458 0.5668 0.1175 0.0532 0.0583 0.0371 0.0343 0.0728 0.0413 0.5523 0.1213 0.0507 0.0588 0.0442 0.0358 0.0826 0.0379 0.5096 0.1177 0.0504 0.0594 0.0492 0.0382 0.0968 0.0420 0.4923 0.1134 0.0612 0.0579 0.0599 0.0451 0.1092 0.0406 0.4445 0.1133 0.0646 0.0802 0.0577 0.0504 0.1196 0.0532 0.3987 0.1108 0.0908 0.0852 0.0657 0.0591 0.1355 0.0543 0.3890 0.1089 0.0876 0.0750 0.0786 0.0692 0.1350 0.0550 0.3737 0.1046 0.1078 0.0606 0.0799 0.0844 0.1541 0.0320 0.3759 0.1084 0.1064 0.0541 0.0799 0.0965 0.1483 0.0298 0.3928 0.1105 0.1015 0.0532 0.0670 0.0988 0.1425 0.0327 0.4064 0.1076 0.1102 0.0527 0.0725 0.0950 0.1436 0.0329 0.3707 0.1077 0.1095 0.0545 0.0780 0.0991 0.1429 0.0365 0.3809 0.1062 0.0974 0.0603 0.0721 0.1058 0.1280 0.0386 0.4053 0.1086 0.1158 0.0602 0.0754 0.0958 0.1086 0.0312 0.3886 0.1145 0.1252 0.0605 0.0799 0.0851 0.1072 0.0304 0.3900 0.1119 0.1199 0.0579 0.0802 0.1037 0.1069 0.0294 资料来源：《中国统计年鉴数据库（1994-2011）》及《甘肃统计年鉴（1994-2011）》相关数据整理。

（1）KMO 和Bartlett's球形检验

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity Approx. Chi-Square df Sig. 表2 KMO and Bartlett's Test

抽样充足度的KMO检验，用于检验变量之间的偏相关大小，如果KMO越接近1，则表示越适合做因子分析。Bartlett's球形检验检验相关矩阵是否为单位矩阵，表明因子模型是否适合，其原假设为

第7页，共18页

.610 189.399 28 .000 被检测数据不适合作因子分析。对数据检验结果见表2所示，Bartlett's球形检验结果Sig=0.000拒绝原假设，表明检测数据适合作因子分析。 (2)建立因子模型进行分析

因子分析结果表明：前两个公因子的方差累计贡献率达到87.663%（见表3），大于85%，因此提取两个公因子即可。利用因子分析方法计算得出旋转后的因子载荷矩阵（见表4），并得出因子模型如下：

X1 = -0.936F1 - 0.305F2 X2 = -0.806F1 - 0.127F2 X3 = 0.898F1 - 0.026F2 X4 = -0.398F1 + 0.8625F2 X5 = 0.957F1 + 0.171F2 X6 = 0.967F1 + 0.362F2 X7 = 0.833F1 - 0.08F2 X8 = -0.564F1 + 0.793F2 并得出因子得分系数矩阵（见表5），写出如下方程式：

F1= -0.216X1 - 0.172X2 + 0.158X3 + 0.062X4 + 0.199X5 + 0.162X6 + 0.206X7 + 0.02X8 F2= -0.132X1 - 0.061X2 - 0.058X3 + 0.52X4 + 0.054X5 - 0.093X6 + 0.17X7 + 0.488X8 并根据方程式计算得出1993年至2010年的因子得分，进而绘制因子得分趋势图（见图8）。

表3 各公因子贡献率

公因子 第一公因子F1 第二公因子F2 5.350 1.663 方差贡献率（%） 66.879 20.784 方差累计贡献率 （%） 66.879 87.663 表4 旋转后的因子载荷矩阵

消费项目 食品X1 衣着X2 居住X3 家庭设备用品及服务X4 医疗保健X5 第一公因子F1 -0.983 -0.823 0.861 -0.160 0.969 第8页，共18页

第二公因子F2 -0.055 -0.040 -0.255 0.934 -0.080