Spss统计案例分析.doc

Spss统计案例分析一、我国城镇居民现状近年来,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。本文通过相关数据分析总结出了我国城镇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。二、我国居民消费结构的横向分析 第一,食品消费支出比重随收入增加呈现出明显的下降趋势,这与恩格尔定律的表述一致。但最低收入户与最高收入恩格尔系数相差太过悬殊,城镇最低收入户刚刚解决了温饱问题,而最高收入户的生活水平按照恩格尔系数的评价标准早已达到了富裕型,甚至接近最富裕型。第二,衣着消费支出比重随收入增加缓慢上升,到高收入户又有所下降,但各收入组支出比重相差不大。衣着支出比重没有更多的递增且最高收入户的支出比重有所下降,这些都符合恩格尔定律关于衣着消费的引申。随着收入的增加,衣着支出比重呈现先上升后下降的走势。事实上,在当前的价格水平和服装业的发展水平下,城镇居民的穿着是有一定限度的,而且居民对衣着的需求也不是无限膨胀的,即使收入水平继续提高,也不需要将更大的比例用于购买服饰用品了。第三,家庭设备用品及服务、交通通讯、娱乐教育文化服务和杂项商品与服务的支出比重呈逐组上升趋势,说明居民的生活水平随收入的增加而不断提高和改善。第四,医疗保健支出比重随收入水平提高呈现一种两端高、中间低的走势。这是因为医疗保健支出作为生活必须支出,不论居民生活水平高低,都要将一定比例的收入用于维持自身健康,而且由于医疗制度改革,加重了个人负担的同时,也减小了旧制度可能造成的不同行业、不同体制下居民医疗保健支出的差别,因而不同收入等级的居民在医疗保健支出比重上差别不大。第五,居住支出比重基本上呈先上升后下降的趋势,这与我国居民消费能级不断提升,住宅商品正在越来越成为城镇居民关注的热点是相吻合的,同时与恩格尔定律的引申也是一致的。可以看出,城镇居民的消费状况虽然受价格水平、消费习惯、消费环境、消费心理预期等诸多因素的影响,但归根结底仍取决于居民的收入水平,要提高城镇居民的消费支出,必须增加居民收入。因此,采取切实有效的措施增加城镇居民的可支配收入,不仅可以提高全国城镇居民的总体消费水平,促进消费结构向着更加健康、合理的方向发展,而且在启动内需,促进我国的经济发展方面有着重大的现实意义。 三、我国居民消费结构的纵向分析 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;衣着类有所下降;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、我国城镇居民消费结构及趋势的统计分析下图是出自中国统计年鉴2010，本文选取其中的第十篇章-人民生活，用以探究我国城镇居民消费结构及其趋势。 表1：城镇居民家庭 恩格尔系数年份城镇居民家庭 恩格尔系数（%）197857.5198056.9198553.3199054.2199153.8199253.0199350.3199450.0199550.1199648.8199746.6199844.7199942.1200039.4200138.2200237.7200337.1200437.7200536.7200635.8200736.3200837.9200936.5 表2 城镇居民家庭基本情况2000200120022003200420052006200720082009调查户数（户）42220.004384045317480285043054496.0056094.005609464675.0065506.00平均每户家庭人口（人）3.133.13.043.012.982.962.952.952.912.89平均每户就业人口（人）1.681.651.581.581.561.511.531.531.481.49平均每户就业面（%）53.6753.2351.9752.4952.3551.0151.8651.8650.8651.56平均每一就业者负担人数 （包括就业者本人）（人）1.861.881.921.911.911.961.931.931.971.94平均每人全部年收入（元）6295.916859.588177.49061.2210128.5111320.7712719.1912719.1917067.7818858.09财产性收入128.38311.45102.12134.98161.15192.91244.01348.53387.02431.84转移性收入1440.781362.392003.162112.22310.732650.702898.663384.63928.234515.45#可支配收入6279.983745.987702.88472.29421.6110493.0311759.4513785.8115780.7617174.65平均每人消费性支出4998.005309.016029.836510.947182.17942.888696.559997.4711242.8512264.55食品1971.322014.022271.842416.922700.62914.393111.923628.034259.814478.54衣着500.46533.66590.88637.72686.79800.51901.7810421165.911284.20家庭设备用品及服务565.29438.92388.68410.34407.37808.66904.19982.281145.411228.91医疗保健374.49343.28430.08475.98528.15446.52498.48601.8691.83786.94交通通讯318.07457.02626.04721.12843.62600.85620.54699.09786.20856.41娱乐教育文化服务426.95690902.28934.381032.8996.721147.121357.411417.121682.57居住669.58547.96624.36699.38733.531097.461203.031329.161368.261472.76杂项商品与服务171.83284.13195.84215.1240.24277.75309.49357.7418.31474.21平均每人消费性支出构成（人均消费支出=100）食品39.1838.237.6837.1237.7336.3935.7836.2937.8936.52衣着10.0110.059.89.799.5610.0810.3710.4210.3710.47家庭设备用品及服务8.797.096.456.35.675.625.739.8310.1910.02医疗保健6.366.477.137.317.357.567.146.026.156.42交通通讯7.99.310.3811.0811.7512.5513.196.996.996.98娱乐教育文化服务12.5613.8814.9614.3514.3813.8213.8313.5812.613.72居住10.0111.510.3510.7410.2110.1810.413.2912.0812.01杂项商品与服务5.173.513.253.33.343.53.563.583.723.87五、SPSS统计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）、Std.Deviation（标准差）和观测值总数N。描述性统计量均值标准 偏差N家庭设备用品及服务7.56901.9252310食品37.27801.0443710衣着10.0920.3114810居住11.07701.0928110图1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。相关性家庭设备用品及服务食品衣着居住Pearson 相关性家庭设备用品及服务1.000.153.658.755食品.1531.000-.461-.267衣着.658-.4611.000.661居住.755-.267.6611.000Sig. （单侧）家庭设备用品及服务.336.019.006食品.336.090.228衣着.019.090.019居住.006.228.019.N家庭设备用品及服务10101010食品10101010衣着10101010居住10101010 图2从表中看到因变量家庭设备用品及服务与自变量食品、衣着、之间相关关系数依次为0.153、0.658，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0.755，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，食品与衣着之间的相关系数为-0.461，这也说明它们之间不显著的相关关系。输入移去的变量b模型输入的变量移去的变量方法1居住, 食品, 衣着.输入a. 已输入所有请求的变量。b. 因变量: 家庭设备用品及服务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。模型汇总b模型RR 方调整 R 方标准 估计的误差更改统计量Durbin-WatsonR 方更改F 更改df1df2Sig. F 更改1.925a.856.783.89606.85611.84936.0062.116a. 预测变量: (常量), 居住, 食品, 衣着。b. 因变量: 家庭设备用品及服务图4模型概述表图4给出了模型整体拟合效果的概述，模型的拟合优度系数为0.925，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=2.116，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与4之间附近说明模型变量无序列相关。Anovab模型平方和df均方FSig.1回归28.54139.51411.849.006a残差4.8186.803总计33.3599a. 预测变量: (常量), 居住, 食品, 衣着。b. 因变量: 家庭设备用品及服务图5 方差分析表图5给出了方差分析表，我们可以看到模型的设定检验F统计量的值为11.849，显著性水平的P值为0.006。系数a模型非标准化系数标准系数tSig.B 的 95.0% 置信区间B标准 误差试用版下限上限1(常量)-75.96520.360-3.731.010-125.785-26.146食品1.022.323.5543.164.019.2321.812衣着3.4761.391.5622.500.047.0736.879居住.935.365.5312.564.043.0431.828a. 因变量: 家庭设备用品及服务图6 回归系数表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。残差统计量a极小值极大值均值标准 偏差N预测值5.370410.09907.56901.7808010标准 预测值-1.2351.421.0001.00010预测值的标准误差.399.734.555.12210调整的预测值5.108410.05127.51791.7704910残差-1.670791.03869.00000.7316310标准 残差-1.8651.159.000.81610Student 化 残差-2.1321.355.0201.01610已删除的残差-2.183371.70289.051061.1945910Student 化 已删除的残差-3.9491.485-.1581.51010Mahal。 距离.8855.1362.7001.57010Cook 的距离.002.606.168.22910居中杠杆值.098.571.300.17410a. 因变量: 家庭设备用品及服务 图7 残差统计表图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，标准化残差的绝对值最大为1.781，小于3，说明样本数据中没有奇异值。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，可以认为残差的服从正态分布。从上面图4的分析结果看，我们的模型需要剔除食品这个变量，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居住和衣着回归，得到的以下结果，跟上面的分析类似，从中可以看出，剔除食品这个变量后，模型拟合优度为0.784，比原来有所降低；而方差分析的F检验为5.581，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。描述性统计量均值标准 偏差N家庭设备用品及服务7.56901.9252310衣着10.0920.3114810居住11.07701.0928110输入移去的变量b模型输入的变量移去的变量方法1居住, 衣着a.输入a. 已输入所有请求的变量。b. 因变量: 家庭设备用品及服务模型汇总b模型RR 方调整 R 方标准 估计的误差更改统计量Durbin-WatsonR 方更改F 更改df1df2Sig. F 更改1.784a.615.5041.35524.6155.58127.0361.339a. 预测变量: (常量), 居住, 衣着。b. 因变量: 家庭设备用品及服务Anovab模型平方和df均方FSig.1回归20.502210.2515.581.036a残差12.85771.837总计33.3599a. 预测变量: (常量), 居住, 衣着。b. 因变量: 家庭设备用品及服务系数a模型非标准化系数标准系数tSig.B 的 95.0% 置信区间B标准 误差试用版下限上限1(常量)-21.10016.141-1.307.232-59.26817.068衣着1.7411.933.282.901.398-2.8296.311居住1.002.551.5691.819.112-.3012.305a. 因变量: 家庭设备用品及服务系数相关a模型居住衣着1相关性居住1.000-.661衣着-.6611.000协方差