SPSS(1)
第三章-SPSS数据预处理(1)
数据选取的方法
按指定条件选取
随机选取 选取某一区域内的样本 通过筛选变量选取
诚信求是，笃学致公
3.3 数据选取
数据选取的基本步骤
选择菜单【数据->选择个案】； 若使用全部个案，选中【全部个案（A）】 否则可按其他方式选择部分个案。
练习：基本知识点统计.sav
（1）选择“金融学院”学生的数据作为待分析对象； （2）随机选择 50%的个案作为待分析对象。
SPSS算术表达式的操作步骤
选择菜单【转换->计算变量】； 在【数字表达式（E）】输入表达式；
在【目标变量（T）】存放计算结果的变量，可以是新变量，也可以覆盖已 有变量。
若希望对符合一定条件个案计算，单击【如果（I）】，选择【如果个案满 足条件则包括（F）选项】，输入条件表达式。
若指定存放计算结果的变量为新变量，SPSS会自动创建；若变量已存在， 则会覆盖原来旧值。
诚信求是，笃学致公
3.2 变量计算
（1）SPSS算术表达式
由常量、变量、算术运算符、圆括号、函数等组成的式子； 运算符主要包括： +、-、*、/、**(乘方）；
操作对象的数据类型是数值型；
在同一算术表达式中的常量及变量的数据类型应该一致，否则无法计算。
诚信求是，笃学致公
3.2 变量计算
依次指定第二、第三等排序变量及相应排序顺序。
诚信求是，笃学致公
3.2 变量计算
变量计算的目的
派生新变量： 根据职工的基本工资、失业保险和奖金派生变量“实际 月收入”； 变换数据的原有分布：对非正态变量的对数变换、对时间序列平稳处 理；
变量计算的相关概念
SPSS算术表达式 SPSS条件表达式 SPSS函数
spss_1多元正态均值推断
一部分：实验预习报告（包括实验目的、意义，实验基本原理与方法，主要仪器设备及耗材，实验方案与技术路线等）一、试验目的熟练使用SPSS对多个正态总体做单因素多元方差分析，通过维尔克斯统计量分析因素对试验指标的显著性。
二、实验原理多元方差分析是一元方差分析的推广。
为此先复习一下一元方差分析，之后为了对多个正态总体均值向量作检验，自然地先给出Wilks分布的定义。
（1）复习一元方差分析（单因素方差分析）设k个正态总体分别为，从k个总体取ni个独立样本如下：……：至少存在使检验统计量：（在H0成立时）其中……组间平方和……组内平方和……总平方和，，给定检验水平, 查F分布表使，可确定出临界值，再用样本值计算出F值，若则否定H0，否则H0相容。
（2）Wilks分布在一元统计中，方差是刻划随机变量分散程度的一个重要特征，而方差概念在多变量情况下变为协差阵。
如何用一个数量指标来反映协差阵所体现的分散程度呢？有的用行列式，有的用迹等方法，目前使用最多的是行列式。
定义1 若，则称协差阵的行列式为X的广义方差。
称为样本广义方差。
其中。
定义2 若，且A1和A2相互独立，则称为Wilks统计量，的分布称为Wilks分布，简记为，其中为自由度。
在实际应用中，经常把统计量化为T2统计量进而化为F统计量，利用F统计量来解决多元统计分析中有关检验问题。
当时，用n代替n1，可得到它们之间的关系式如下：，即由前边定理知所以当n2=2时有如下关系：以上几个关系式说明对一些特殊的统计量可以化为F统计量，而当时，可用统计量或F统计量来近似表示，后面给出。
（3）多个正态总体均值向量检验（多元方差分析）设有k个p元正态总体，从每个总体抽取独立样品个数分别为，每个样品观测p个指标得观测数据如下：第一个总体：此处第二个总体：此处第k个总体：此处全部样品的总均值向量：各总体样品的均值向量：此处类似一元方差分析办法，将诸平方和变成了离差阵有：,其中B表示组间离差阵组内离差阵总离差阵这里W=B+W欲检验假设用似然比原则构成的检验统计量为：给定检验水平，查Wilks分布表，确定临界值，然后作出统计判断。
SPSS1-2章
（5）数据存储
SPSS可以将数据保存为SPSS (*.SAV)、Excel (*.XLS)、 dBASE (*.dbf)、ASCII (*.dat,*txt)等数据文件形式。 保存文件，从菜单选择“File-Save‖(或Save As)命令。在 弹出的保存文件对话框里，指定保存路径，输入文件名，确定 数据类型，最后单击“保存”按钮。
6.数据的裁切、复制和粘贴
三、数据文件的操作
1. 观测值排序（Sort Cases）
从菜单中选择“Data - Sort Cases‖命令，弹出观 测值排序对话框。 Sort by: 选择排序变量，对所选变量的观测值排 序。如果选择了两个以上的变量，其排序结果将 按变量在本栏的选入顺序依次排序。 Sort Order 排 序 方 式
SPSS Viewer 结果输出窗
3.运用SPSS进行统计分析的基本步骤
数据文件夹的建立，编辑，整理 选择统计分析方法 选择分析变量，设置参数 查看解释分析结果
案例分析
某小学60位学生随机分配实验组和控制组，每组30 人。实验组接受自我教导训练，经3个月后，测试 实验组和控制组的成绩如表1-1
⑥ 数据列的显示宽度（Columns）
显示数据的列宽，默认8个字符。
⑦ 对齐方式（Align）
有左中右3种数据显示方式。
⑧ 度量类型（Measure）
按度量精度将变量分为定量变量（Scale）、 等级变量 （Ordinal）和定性变量（Nominal）。该选项仅用于统计绘图 时坐标轴变量的区分以及决策树模块的变量定义。 定量变量，如人口数、死亡率等；等级变量，如调查效果 的好、不好等；定性变量，如民族：汉、满、蒙古族。
Data editor SPSS 术语 窗口 Data file 二维表 一行 行号 一列 列名 case Case number Variable
SPSS 确切概率法(1)
SPSS 确切概率法1.什么时候使用确切概率？当n很小时，因为不服从卡方分布（不能有单元格的期望小于1，不能有20%以上的单元格期望值小于5），所以不能用卡方检验,这时系统会在分析结果的最后给出警告（WARNING: 50% of the cells have expected counts less than 5. Chi-Square may not be a valid test），提示用户采用确切概率法分析。
2.确切概率的思想是什么？fisher精确检验其思想是在固定各边缘和的条件下，根据超几何分布（见概率分布），可以计算观测频数出现任意一种特定排列的条件概率。
把实际出现的观测频数排列，以及比它呈现更多关联迹象的所有可能排列的条件概率都算出来并相加，若所得结果小于给定的显著性水平（比如给定的显著水平为0.05），则判定所考虑的两个属性存在关联，从而拒绝h0。
3.怎么操作？例1.（1）录入数据（1）加权：Data——Weight Cases:Weight case by(选入“频数”）（3）卡方检验：Analyze——DescriptiveStatistics——Crosstabs：Row（选入性别），Column（选入咨询内容）；点击Statistics：选择Chi-square；点击Continue，点击OK。
见图3，4。
4 分析结果：χ2值与P值，依次看“Chi-Square Tests”表的第1行，红色字体部分。
补充：第2行是校正的卡方值与P值，第4行是Fisher确切概率法计算的P值。
通常规定：（1）当两组总样本量n≥40且所有的单元格的理论频数T≥5时，看第1行的结果；当P≈检验水准时，看第4行的结果。
（2）当两组总样本量n≥40但有1≤理论频数T＜5时，看第2行的结果；或者看第4行的结果。
（3）当两组总样本量n＜40，或最小理论频数T＜1时，看第4行的结果。
例2某研究者调查了一匹高血压患者的血压控制情况和肥胖度，数据见文件tables.sav，为列举格式。
SPSS1人口的预测分析
用SPSS软件进行预测该立体城市2023年的人口基数的分析可知,其准确性低,却这能预测未来短时间的人口变化,而不能预测十年后的人口数量,因此我们采用最小二乘法您合并采用MATLAB 软件得出了该立体城市2023年的人口基数为3690万(包括外来人口)GDP达58500亿元;交叉相关性序列对:带有 V1 的北京滞后交叉相关标准误差a-10 -.239 .707-9 -.338 .577-8 -.287 .500-7 .024 .447-6 .161 .408-5 .171 .378-4 .566 .354-3 .968 .333-2 .551 .354-1 .287 .3780 .257 .4081 -.028 .4472 -.233 .5003 -.253 .5774 -.307 .7075 .000 .0006 .000 .0007 .000 .0008 .000 .0009 .000 .00010 .000 .000a. 基于以下假设：序列不具有交叉相关性，并且其中一个序列是白噪音。
以下是用MATLAB 做进行运算的程序;function f=fun1(a,t)f=exp(a(1)*x+a(2));t=2004:1:2013;x=[1356 4095 6060 4283 7720 13698 11865.9 13777.94 17801 19500.6]; plot(t,x,'*',t,x);a0=[0.001,1];a=curvefit('fun1',a0,t,x)ti=1790:5:2020;xi=fun1(a,ti);hold onplot(ti,xi);t1=2010;x1=fun1(a,t1)hold off图如下;空气污染指数为0－50，空气质量级别为I 级，空气质量状况属于优。
此时不存在空气污染问题，对公众的健康没有任何危害。
空气污染指数为51－100，空气质量级别为Ⅱ级，空气质量状况属于良。
SPSS统计管理软件1
2.2.3 按观测量序号查找单元格
移动记录指针到指定观测值 1.从主菜单“Data”中选择菜单项“Go to Case”, 展开对话框 2.在“Go To Case”对话框中键入要定位的记 录号,再单击“OK”
2.2.4 定位到单元格
1. 将光标移至变量所在列中的任意单元格 2. 在主菜单“Edit”中,选择菜单项“Find”,展 开 对话框 3. 在Find后面的矩形中输入待查找的变量值, 再但单击命令按钮“Find Next ”
SPSS实用统计分析软件
工商学院企业管理教研室 沈 渊
第1章
SPSS简介
1.1 SPSS For Windows9.X(NT)的特点
1、 SPSS For Windows 是在SPSS/PC的基础上发 展起来的。 2、可通过操作自动框自动完成。 3、具有第四代语言的特点。 4、提供从简单描述统计分析到多因素的统计分 析方法。 5、具有完善的数据转换接口。
2.1.3 定义变量
1、定义变量名 在下的单元格中输入变量名 Order
2.1.3 定义变量
2、定义变量类型及宽度 在Type下选择变量类型，单击该单元格
2.1.3 定义变量
3、定义变量标签 4、定义值标签 Value Label
2.1.3 定义变量
5、定义缺损值 No missing values Discrete missing values 无缺损值 离散缺损值
I n d e p e n d e n t S a m p le T Te s t 独 立 样 本 检 验
1.6 Analyze （统计分析）菜单
子菜单 Gen eral Lin ear M odel U n ivariate Bivariate Correlate Partial D istan ces Regression Lin ear Cu rve Estim ation Classify K-M ean s Clu ster H ierarch ical Clu ster D iscreim in an t D ata Redu ction Factor 用途说明 通用线性因子分析 二元相关过程 偏相关过程 距离分析过程 线性回归分析 曲线估计 K-均 值 聚 类 分 析 层次分析 判断分析 因子分析
SPSS-1 简介与基本操作
序言
常用的统计分析软件
Excel； ； SAS (Statistical Analysis System)； ； SPSS； ； S-Plus； ； Origin； ； R, Minitab, MATLAB, STATISTICA……
SPSS基础 SPSS基础
软件名称
Statistical Package for Social Science Statistical Product and Service Solutions
(PASW Statistics 18)
SPSS基础 SPSS基础
基本窗口
数据编辑窗口（ 数据编辑窗口（Data editor） ）
功能：对SPSS的数据进行定义、录入、修改、管理等基本操作 功能： SPSS的数据进行定义、录入、修改、 的数据进行定义 的窗口 包含数据视图工作表 数据视图工作表（ 包含数据视图工作表（data view）和变量视图工作表 ） （variable view）两部分。 ）两部分。 组成：窗口主菜单（ 组成：窗口主菜单（Data、Transform、Analyze、Graphs）、 、 、 、 ） 工具栏、数据编辑区、 工具栏、数据编辑区、状态显示区 SPSS运行过程中自动打开；且只能打开一个窗口；运行过程中 SPSS运行过程中自动打开；且只能打开一个窗口； 运行过程中自动打开 无法关闭 SPSS中各统计分析功能都是针对该窗口中的数据进行的；窗口 SPSS中各统计分析功能都是针对该窗口中的数据进行的； 中各统计分析功能都是针对该窗口中的数据进行的 中的数据以.sav存于磁盘上 中的数据以 存于磁盘上
SPSS中的方差分析法(1)
方差分析（多因素，协方差）一、方法名称单因素二、定义（方法及结果）三、用途四、实现过程1、格式数据整理2、提交显示3、分析变量处理：自变量、因变量ANOVA检验：显示表，是否齐次1 方差分析法方差分析是一种是一种假设检验，它把观测总变异的平方和自由度分解为对应不同变异来源的平方和自由度，将某种控制性因素所导致的系统性误差和其他随机性误差进行对比，从而判断各组样本之间是否存在显著性差异，以分析该因素是否对总体存在显著性影响。
2 样本数据要求方差分析法采用离差平法和对变差进行度量，从总离差平方分解出可追溯到指定来源的部分离差平方和。
方差分析要求样本满足以下条件：2.1 可比性样本数据各组均数本身必须具有可比性，这是方差分析的前提。
2.2 正态性方差分析要求样本来源于正态分布总体，偏态分布资料不适用方差分析。
对偏态分布的资源要考虑先进行对数变换、平方根变换、倒数变换、平方根反正弦变换等变量变换方法变换为正态或接近正态后再进行方差分析。
2.3 方差齐性。
方差分析要求各组间具有相同的方差，满足方差齐性。
3 单因素分析法实验操作单因素分析用于分析单一控制变量影响下的多组样本的均值是否存在显著性差异。
单因素分析法的原理，单因素方差分析也称为一维方差分析,用于分析单个控制因素取不同水平时因变量的均值是否存在显著差异。
单因素方差分析基于各观测量来自于相互独立的正态样本和控制变量不同水平的分组之间的方差相等的假设。
单因素方差分析将所有的方差划分为可以由该因素解释的系统性偏差部分和无法由该因素解释的随机性偏差,如果系统性偏差明显超过随机性偏差,则认为该控制因素取不同水平时因变量的均值存在显著差异。
3.1 实验数据描述某农业大学对使用不同肥料的实验数据对比。
产量（千克/亩产）施肥类型864 普通钾肥875 普通钾肥891 普通钾肥873 普通钾肥883 普通钾肥859 普通钾肥921 控释肥944 控释肥986 控释肥929 控释肥973 控释肥963 控释肥962 复合肥941 复合肥985 复合肥974 复合肥977 复合肥在SPSS的变量视图中建立变量“产量”和“施肥类型”，分别表示实验田产量和实验田的施肥类型。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
用SPSS进行统计分析一、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—2009》这一资料性年刊，它系统收录了全国和各省、自治区、直辖市2008年经济、社会各方面的统计数据，以及近三十年和其他重要历史年份的全国主要统计数据。
此年鉴正文内容分为24个篇章，本文选取其中的第九篇章-人民生活，用以探究我国城镇居民消费结构及其趋势。
表1 《中国统计年鉴—2009》统计表9-5 城镇居民家庭基本情况项目1990 1995 2000 2007 2008调查户数(户) 35660 35520 42220 59305 64675平均每户家庭人口(人) 3.50 3.23 3.13 2.91 2.91平均每户就业人口(人) 1.98 1.87 1.68 1.54 1.48平均每户就业面(%) 56.57 57.89 53.67 52.92 50.86平均每一就业者负担人数(包括就业者本人) (人) 1.77 1.73 1.86 1.89 1.97平均每人全部年收入(元) 1516.21 4279.02 6295.91 14908.61 17067.78 工薪收入1149.70 3390.21 4480.50 10234.76 11298.96 经营净收入22.50 72.62 246.24 940.72 1453.57 财产性收入15.60 90.43 128.38 348.53 387.02转移性收入328.41 725.76 1440.78 3384.6 3928.23 #可支配收入1510.16 4282.95 6279.98 13785.81 15780.76 平均每人消费性支出(元) 1278.89 3537.57 4998.00 9997.47 11242.85食品693.77 1771.99 1971.32 3628.03 4259.81衣着170.90 479.20 500.46 1042.00 1165.91居住60.86 283.76 565.29 982.28 1145.41 家庭设备用品及服务108.45 263.36 374.49 601.80 691.83 医疗保健25.67 110.11 318.07 699.09 786.20交通通信40.51 183.22 426.95 1357.41 1417.12 教育文化娱乐服务112.26 331.01 669.58 1329.16 1358.26 杂项商品与服务66.57 114.92 171.83 357.70 418.31平均每人消费性支出构成(人均消费性支出=100)食品54.25 50.09 39.44 36.29 37.89衣着13.36 13.55 10.01 10.42 10.37居住 6.98 8.02 11.31 9.83 10.19 家庭设备用品及服务10.14 7.44 7.49 6.02 6.15 医疗保健 2.01 3.11 6.36 6.99 6.99交通通信 1.20 5.18 8.54 13.58 12.60 教育文化娱乐服务11.12 9.36 13.40 13.29 12.08 杂项商品与服务0.94 3.25 3.44 3.58 3.72注：1.本表至9-17表为城镇住户抽样调查资料。
2.从2002年起，城镇住户调查对象由原来的非农业人口改为城市市区和县城关镇住户，本篇章相关资料均按新口径计算，历史数据作了相应调整。
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。
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、衣着之间相关关系数依次为0.869、0.684，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-0.894，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0.950，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，模型的拟合优度系数为0.982，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=2.632，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4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9.229，显著性水平的P值为0.236。
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，标准化残差的绝对值最大为1.618，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，模型拟合优度为0.964，比原来有所降低；而方差分析的F检验为27.071，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。
图9 模型概述图10 方差分析表图11 回归系数表六、我国居民消费变化的趋势特点(1)食品消费质量提高，衣着消费支出比重下降。
食品消费水平由过去简单的吃饱吃好，转变为品种更加丰富，营养更加全面。
一方面由于食品供应的日益充足。
另一方面由于在外饮食的增加，粮食消费比重减小，购买量大幅度下降。
衣着是两项基本生存资料之一，衣着消费向时装化、名牌化、个性化发展的倾向更加明显，成衣化倾向成为主流。
从衣着和食品消费比重的下降可以看出城镇居民满足基本生活的支出并没有随着收入水平的提高而提高，这表明我国城镇居民满足吃、穿为主的生存型消费需求阶段已经结束，逐步向以发展型和享受型消费的阶段过渡。