中国城镇居民消费结构聚类分析
我国东、中、西部地区城镇居民消费差异的统计分析
３ ３ ２ ｄ ２ ４ ４ ４ ４ ３ ３ ３ ３
维普资讯
社 科 论 坛 童
高消 费水平 ：ｌ ４ ０５ ９ ００ ７ ｌ ０２ ５ ２ ００ ｘ ＋ ｙ ＝一 ７ ．０ ＋ ． ｘ ＋ ．９ ｘ ＋ ．１ ３ ６ ９ 按照前面提到 的聚类思路 ， 本文采 用欧式距离平 方和离差平 方 ．２ ｘ Ｏ． ０ ７ ．２ ｘ 和方法进行 分层聚 类分析。通过 Ｓ Ｐ Ｐ Ｓ一 系列操作 ， 终可得 出以 ００ ８ ６＋ ０７ ｘ ＋０ １ ３ ８ 最 较高消 费水平 ：２＝一 ５ ．７ ＋ ．５ ｘ ＋ ．１ ｘ ＋ ｙ ２ ４４ ２ ００ ｌ ０２ ３ ２ ４ 下结果 ， 即表 ２ ：
息有很大重叠。 接着计算相 关矩 阵的特征值 和特征 向量。前两个 公共 因子对样 本 方差 的 贡 献和 为 ０８ ３ ６ 说 明 用这 两 个 公 共 因子 代 表 原 来 ８个 ．６ ７ ， 指标评价全国城镇居 民消费结构 已有足够把握。 然 后 对 因 子 载 荷 矩 阵 旋 转 ， 到 旋 转 后 因 子 载 荷 矩 阵 ， 断 变 得 判 化 趋势 相 近 的 消 费项 目。 结 果 显 示 ， 一个 主 因子 （ 原 变量 方差 贡 第 对 献 已达 ７ ．１ ％） ４８ ５ 主要 由食 品、 家庭 设备用品及服 务、 交通和通信 、 教育文化娱乐服 务、 居住 、 杂项 商品和服 务这 六个指标决定 ， 这六个 指标 在主因子 Ｆ 上 的载荷均在 Ｏ７以上 ，１是 全国城 镇居 民消费 １ ． Ｆ 结构研 究中的主要 方面 ， 命名为主要消费因子： 因子二 即 Ｆ （ ２解释 了 原变量 １ ．６ ％信 息） 主要涵盖衣着 与医疗保健 ， １５ １ 则 命名 为次要消 费因子。
维普资讯
农村居民消费结构的因子和聚类分析——以福建省为例
来， 随着社会 经济的快速发展 ， 城市综合水平不断提升 ， 城镇
居民 的生活水平显 著提 高 ， 福建居 民消 费需 求对全省经济发
展的影 响不断增 大。但是 ， 与城 镇居 民相 比， 农 村居 民消费
不足 ， 不仅 严重影 响了农村经 济 的发展 ， 也 制约 了全 省经济 持续 、 健康 、 稳定发 展。因此 ， 深入研究 福建农村居 民消费结
单位 ： 元
ｘ６ ｘ７ ｘ８
表１ ２ ０ １ １ 年福建各地市农 民消费结构 的指标数据
地 区 ｘ４
福 州 厦 门
３ ， ２ ９ ３ ． ８ ６ ３． ９ ４ ７ ． ２ １
５ ２ ７ ． ５ ７ ５ ９ ９ ．１ ， ４ １ ２ ． １ ０
３ ， １ ５ ７ ． ７ ８
３ ３ ４ ． １ １
３ ８ ７ ． ４ １
１ ， １ ３ ２ ． ５ ８
８ ８ ８ ． １ ９
３ ９ ２ ． ６ Ｏ
２ ９ ９ ． １ ２
４ ２ ０ ． ３ ９
３ ０ ９ ． ４ ３
６ ５ ６ ． ８ ５
６ ２ ０ ． ９ ３
［ 关键词］ 因子分析 ；聚类分析；农村居民消费结构
［ 中图分类号］ Ｆ １ ２ ６． １ ［ 文献标 识码 ］ Ａ
［ 基金项 目］ 国家级大学生创新创业训练项 目 “ 金融发展 与城 乡收入差距研 究”（ ２ ０ １ ３ １ ３ ７ ６ ２ ０ １ ０ ） ［ 作者简介 ］ 陈忠 （ １ ９ ６ ７ 一 ） ，男，硕士 ，副教授 ，研 究方 向为 国际贸易 、服 务贸易。
变化 情况 ， 制定 合理的消 费战略 和政 策 ， 对促进福 建经济 的 快速增长 ， 实现全省的全 面小康具有非 常重要 的现实意义 。 从现有 的文献看 ， 以往的学者对福建居 民消 费结 构的研 究 主要 是以整个省或福建城市居 民的消费结 构为研究对象 ，
聚类分析应用范例
安徽工程大学本科课程设计（论文）专业：题目：基于聚类分析方法的农村消费状况探索作者姓名： ***指导老师：成绩：年月日摘要多元统计分析是运用数理统计方法来研究解决多指标问题的理论和方法。
近30年来，随着计算机应用技术的发展和科研生产的迫切需要，多元统计分析被广泛应用于自然学科和社会科学的各个学科，已经成为人们解决实际问题不可或缺的重要工具。
我国是一个农业大国，农民约占全国总人口的70%以上，是最大的消费群体，进行研究时要处理大量的复杂信息，因此运用统计方法探索农村消费状况有着重要的实际意义。
本文首先从我国农村消费现状入手，采用聚类分析方法对我国各地区农村消费支出结构水平进行分类比较研究，以得出各因素对农村消费状况影响程度，进而得出了相应的结论并提出增加我国农村居民消费的对策：一是增加农村居民收入；二是提高消费者素质；三是改善农村居民的消费环境；四是完善农村社会保障；五是统筹协调发展。
本文所研究的农村消费状况就受多种因素支配，各种因素之间也常存在着一定的内在联系和相互制约。
需要分析哪些是主要的，本质的，哪些是次要的，片面的，他们之间是什么样的关系等问题，多元统计分析正是解决这些问题的有力工具。
因而利用统计方法中的聚类分析有着重要的应用价值。
关键词：农村；消费；聚类分析引言经过改革开放三十年的风雨历程，在投资、消费和出口三驾马车的拉动下，我国经济飞速发展，人民生活水平日益提高，居民收入不断增长,全面建设小康社会取得重大进展，实现了人民生活由温饱不足向总体小康的历史性跨越。
十七届三中全会提出“到2020年，农村改革发展基本目标任务是：农村经济体制更加健全，城乡经济社会发展一体化体制机制基本建立；现代农业建设取得显著进展，农业综合生产能力明显提高，国家粮食安全和主要农产品供给得到有效保障；农民人均纯收入比2008年翻一番，消费水平大幅提升，绝对贫困现象基本消除[1]。
”党中央正式把提升农村居民消费水平作为未来我国经济发展的目标，不仅体现了改革开放给农村居民生活所带来的显著变化，更体现了整个中国居民的整体消费水平的增长，借此稳定中国的经济基础，实现国民经济的可持续发展的长远规划。
聚类分析在现实中的应用
聚类分析在现实中的应用聚类分析是一种常用的机器学习方法，可以将类似的数据点归为一类。
通过找到数据点之间的相似性和相互关系，聚类分析可以帮助我们发现数据中的模式和隐藏的结构。
在现实生活中，聚类分析有着广泛的应用。
1.市场细分：聚类分析可以帮助企业将顾客划分为不同的市场细分。
通过分析顾客的消费行为、偏好和特征，企业可以了解不同市场细分的需求和特点，并根据这些特点制定有针对性的市场营销策略。
2.人群分类：聚类分析可以帮助社会科学家和市场调研人员将人群划分为不同的分类。
比如，在城市规划中，可以将居民按照收入、职业和居住区域等因素进行聚类，以了解不同人群的需求和生活方式，从而为城市规划提供参考。
3.图像分析：聚类分析可以用于图像处理和分析中，帮助识别和分类图像。
通过对图像中的像素进行聚类，可以将图像分割成不同的区域，从而实现目标检测、图像识别和图像分析等应用。
5.医学诊断：聚类分析可以用于医学领域，帮助医生对疾病进行分类和诊断。
通过对患者的病历、症状和生理指标等进行聚类分析，可以帮助医生了解不同疾病之间的关系，从而提供更准确的诊断和治疗建议。
6.推荐系统：聚类分析可以用于推荐系统中，帮助推荐个性化的产品或服务。
通过将用户划分为不同的群体或兴趣类别，可以根据用户的消费行为和偏好进行推荐，提高推荐系统的准确性和用户满意度。
7.网络安全：聚类分析可以用于网络安全领域，帮助识别和防止恶意活动。
通过对网络流量和日志数据进行聚类分析，可以发现异常行为和潜在威胁，并及时采取相应的安全措施。
8.交通流分析：聚类分析可以帮助交通规划者和城市管理者分析交通流量和拥堵情况。
通过对交通数据进行聚类分析，可以了解交通流量的分布和变化趋势，从而优化交通网络和改善交通状况。
总之，聚类分析在现实生活中有着广泛的应用。
无论是市场调研、社会科学研究还是医学诊断等领域，聚类分析都可以帮助我们发现数据中的模式和结构，提取有价值的信息，从而辅助决策和解决实际问题。
经济统计数据的聚类分析方法
经济统计数据的聚类分析方法引言：经济统计数据是经济研究和政策制定的重要基础，通过对经济数据的分析和解读，可以帮助我们了解经济的发展趋势、结构特征以及潜在问题。
而聚类分析作为一种常用的数据分析方法，可以将相似的经济指标归为一类，帮助我们更好地理解经济数据的内在联系和规律。
本文将介绍经济统计数据的聚类分析方法，探讨其在经济研究中的应用。
一、聚类分析的基本原理聚类分析是一种无监督学习方法，它通过对数据集进行分组，将相似的样本归为一类。
其基本原理是通过计算样本之间的相似性或距离，将相似性较高的样本划分为同一类别。
聚类分析可以帮助我们发现数据集中的内在结构，并将数据集划分为若干个互不重叠的类别。
二、经济统计数据的聚类分析方法在进行经济统计数据的聚类分析时，首先需要选择适当的指标。
常用的指标包括国内生产总值、消费者物价指数、劳动力参与率等。
接下来，我们可以使用不同的聚类算法对这些指标进行分析。
1. K-means聚类算法K-means是一种常用的聚类算法，它将数据集分为K个互不重叠的类别。
该算法首先随机选择K个初始聚类中心，然后通过计算每个样本与聚类中心的距离，将样本分配给距离最近的聚类中心。
接着，更新聚类中心的位置，并迭代上述过程，直到聚类中心的位置不再发生变化。
K-means算法对初始聚类中心的选择较为敏感，因此需要进行多次试验，选取最优的结果。
2. 层次聚类算法层次聚类算法是一种自底向上的聚类方法，它首先将每个样本视为一个独立的类别，然后通过计算样本之间的相似性，逐步将相似的样本合并为一类。
该算法可以生成一个聚类树状图，帮助我们观察不同层次的聚类结果。
层次聚类算法的优点是不需要预先指定聚类个数，但是计算复杂度较高。
3. 密度聚类算法密度聚类算法是一种基于样本密度的聚类方法，它将样本空间划分为具有高密度的区域和低密度的区域。
该算法通过计算每个样本周围的密度，并将密度较高的样本作为核心对象，进而将其邻近的样本归为一类。
聚类分析
G2={ 2 }
G3={ 6 }
G4={ 8 }
G5={ 11 }
0 1 2 3 4
从上直观来看，分两类较合适。
一.最短距离法 ( nearest neighbor )
D p q m in { d | j G p ,l Gq }
jl
递推公式 Dk r = min { Dp k , Dq k } Gr={ Gp , Gq }
程度的统计量、确定分类数目、建立一种
分类方法，并按亲近程度对观测对象给出
合理的分类。这种问题正是聚类分析所要 解决的问题。
聚类分析及可以对样品进行分类，也 可以对变量进行分类。对样品的分类常称 为Q型聚类分析，对变量的分类常称为R型 聚类分析。
聚类分析同回归分析、判别分析一起
被称为多元分析的三大方法。
分类的问题可以分两种： 一种是对当前所研究的问题已知它的 类别数目，且知道各类的特征(如分布规律 等)，目的是将另一些未知类别的个体正确 归属于其中某一类，这是前面判别分析所 要解决的问题。
另一种是事先不知道研究的问题应分
为几类，更不知道观测到的个体的具体分
类情况，目的正是需要通过对观测数据所
进行的分析处理，选定一种度量个体接近
,
i 1 , 2 , ..., n , j 1 , 2 , ..., p
1 n1
n
xj
1 n
i1
n
x ij
sj
i1
( x ij x j )
2
极差标准化：
* x ij
x ij x j Rj
,
i 1 , 2 , ..., n , j 1 , 2 , ..., p
中国城镇居民消费结构地区性差异研究
通 过 最 后 的 得 分 结 果 可 以看 出全 国各 地 区 的 综 合 消 费 结 构 情 况 ，其 中排 名前 四 的分 别是 上 海 、 北 京 、广 东 、 天津 ，是 全 国 经 济最 发达 的地 区 ；江 苏 、 福 建 、 重 庆 的 消 费水 平次 之 ；而 以新疆 、贵 州 、江 西 、 安徽 、海 南 的 消 费 水 平最 差 。 ３ 空 间 自相 关分 析 、 根据 中国 ３ １个 地 区 １ ９ ９ ５～２ ０ ０ ５年 消 费 结 构 ，逐 步 回 归
我国城镇居 民消费结构综合评价
自改 革开 放 以来 ．我 国城 镇 居 民消 费 水 平 发 展 速 度 出 现 明 显 变 化 。 １ ７ ～２ ０ ９ ８ ０ ５年 ，我 国城 镇 居 民年 消 费 总值 由 １ ７ ９ ８年 的 １ ４元 增 长 至 ２ ０ ８ ０ ５年 的 ５ ３ ４ ９元 。２ ７年 间 城 镇 居 民 消 费 水 平 增 长 ２ 、６倍 ，年 均 增 长 ９４ ９５ ．８个 百 分 点 。 由 此 看 出 中国 城 镇 居 民消 费 水 平 已 得 到 一 定 发展 ．城 镇居 民 的 消费 结 构 也 随 之 发 生 了 巨大 的 变化 。 ２０ ０ ５年 ．国 内城 镇 居 民消 费 支 出的 边 际倾 向基 本 在 Ｏ ７左 ｌ 右 ：２ ０ ０ ３年达 到 最 高 值 ． 为 ０７ ９ ．４ 。但 上 升 幅 度 不 明显 。 这 反 映 了我 国城 镇 居 民较 低 的消 费 倾 向。 而 且 。我 国 居 民 的 个 人 投 资 渠 道 并 不 多 ．可 以认 为 剩 余 收 入 全 部 用 于 储 蓄 ，而 近 ３ ％ ０ 的 边 际 储 蓄倾 向 则从 另一 个 角度 反映 了居 民消 费 这 几 年 增 长 缓 慢 的 原 因 。 居 民 边 际 消 费 倾 向 从 高 到 低 依 次 为 食 品 、交 通 通 讯 、娱 乐 教 育 、居 住 等 。其 中 。食 品 支 出 每 年 均 在 ２ ％左 右 ， ０ 始 终 处 于 所有 消 费 倾 向 的最 高值 。 此 外 ，居 民 基 本 消 费 需 求 支 出 与 贫 困 标 准 也 有 着 密 切 联 系 。所 以 ，结 合 上 面 的 分 析 可 以 推 断 未来 几 年我 国 居 民 人均 消 费水 平 会 进 一 步 提 高 ，但 基 本 消 费 需 求 增 长缓 慢 ；生 活 质量 和 消 费 结构 在现 有基 础 上 会 有 所 改 善 。但 个 别 地 区 仍 然 有 基 本 需 求 得不 到 满 足 的 贫 困人 口存 在 。
因子分析法在城镇居民消费结构分析中的研究
２ ｏ ｕ ｅ ｎ ｎ ｏ ｍａｉｎ Ｅ ｇｎ ｅｉｇ Ｃ ｌ ｇ ， ｈ ｊ ｎ ｎ ｓ ａ ｇ Ｕｎｖ ｒｉｙ ．Ｃ ｍｐ ｔｒａ ｄＩ ｆｒ ｔ ｎ ｉｅ ｒ ｏｌ ｅ Ｚ ｅｉ ｇ Ｇｏ ｇ ｈ ｎ ｉｅｓｔ ，Ｈａ ｇ ｈ ｕ ３ ０ １ ， ｈ ｎ ） ｏ ｎ ｅ ａ ｎ ｚ ｏ １ ０ ８ Ｃ ｉａ
马 银 晓 柳 ， 虹
（ ． 江 工商 大学 网 络 信 息 中心 ， 江 杭 州 ３ ０ １ ；． 江工 商 大 学 计 算 机 信 息 与 工 程 学 院 ， 江 杭 州 ３ ０ １ ） １浙 浙 １０８２浙 浙 １ ０ ８
摘 要 ： 出 了采 用 因子分 析 法和聚 类分析 法对我 国各 省 市 自治 区的 城镇 居 民消 费结 构进 行 了区域 提
ｃ ｍ ｐ ｅ ｎｓｖ ａ ｔ ｒ ｉ ａ ｃ ａ ｅ ｅ ｒ ｓ ｉ ｎ ａ ｇ ｒｔ ｏ ｒ ｈｅ ｉｅ ｆ ｃ ｏ ｓｃ ｌｕｌｔ ｄ ｂｙ ｒ ｇ ｅ ｓｏ ｌ ｏ ｉｈｍ ；Ｆｉ ａ ｌ ｎ ｌｙ，ｔ ａ ｕｅ ｏ ｐ ｅ ｎｓｖ ｈｅ ｖ ｌ ｓ ｏｆｃ ｍ ｒ ｈｅ ｉ ｅ
ｏ ｏｎ ｕ ｐ ｉ ｎ ｓ ｒ ｃ ｕｒ ｕｒ ａ ｅ ｉ ｅ ｓ ｎ ３１ ｆｃ ｓ ｍ ｔｏ ｔ ｕ ｔ ｅ ｏｆ ｂ ｎ ｒ ｓ ｄ ｎｔ ｉ ｐｒ ｖ ｎｃ ｓ ｎｄ ｕｔ ｎ ｏ ｉ ｅ ａ ａ ｏ ｏｍｏ ｒ ｇ ｏ ｉ ｕｓ ｅ ｉ ｎｓ ｎ Ｃｈｉ ｎａ
差异性 实证 分析 和研 究的方 法． 先选择 ２ ０ 首 ０ ３年全 国 ３ １个 省 市 自治 区城 镇居 民消 费结 构 的 ８个 指标作 为 原始数 据 ， ８个 指标 中提 取 因子 ， 从 计算各 因子 的得 分 ； 然后 选择 两个得 分 较 高的 因子 作 为主 因子 ， 并采 用 回归算 法求 出综合 因子的得 分 函数 ； 最后 计 算各地 区的 综合 因子值并 以此进 行聚 类分析 ． 结果表 明 ： 省 市 自治 区可分 为五种 类别 ， 中北京和 上海 最高 ， 次是 少数几 个 东部 沿 海 各 其 其 地区， 然后 是几 个经 济发展 较好 的城 市和地 区 ， 其他 二 个 类别 多数 是 中西部 地 区． 最后将 分 析模 型
统计专业实验-实验06-聚类分析
X XX XX X XX XX XX XX XX X XX XX XX
7
X XX XX X XX XX XX XX XX X XX XX X
8
X XX XX X X XX XX XX XX X XX XX X
9
X XX XX X X XX XX XX XX X XX X X
10
X XX XX X X XX XX XX XX X XX X X
Combined Coefficients First Appears Stage
Cluster Cluster
Cluster Cluster
Stage 1
2
1
2
1
28 29
.211
0
0
6
2
3 16
.444
0
0
5
3
12 17
.510
0
0
7
4
18 27
.543
0
0 10
4
18 27
.543
0
0 10
Rescaled Distance Cluster Combine
CASE
0
5
10
15
20
Label
Num +---------+---------+---------+---------+--
甘肃
28 ─┐
甘肃 青海 江西 贵州 安徽 湖北 四川 广西 新疆 云南 西藏 海南 山东 重庆 江苏 湖南 陕西 河北 河南 宁夏 黑龙江 吉林 山西 辽宁 内蒙古 福建 天津 浙江 广东 北京 上海
28 ─┐
29 ─┤
我国农村居民消费结构的区域特征与类型分析
些耐用消费品存在着采购难 、 使用难 、 维修难的现 象 。农 民不愿 意 花 钱买 负担 ， 因此 在 购买 时 比较 理智 。另外 ， 与城 市相 比较 ， 村社 会保 障制度 还 农
十分薄弱 ， 民面 临 着 过 高 的 医疗 费用 和子 女 教 农
想变量来表示其基本的数据结构。这几个假想变 量能 够反 映原来 众多 变量 的主要 信息 。本 文用 因 子分析的结果将 ７ 个变量进行指标简化 ， 以便 于
对居 民消 费结 构作定 性 的分析 。
利用统 计 软件 Ｓ Ｓ Ｐ Ｓ对原 始数 据 进行 因子分
析， 到 Ｋ 得 ＭＯ检验 及球 形 检 验 的结 果 如 表 １ 数 ， 据 非 常适合 做 因子分 析 。
构 的 ７项指 标 （ 品 、 着 、 食 衣 居住 、 通 通 讯 、 教 交 文 娱乐 、 医疗 保健 、 他 商 品及 服 务 ） 究 分 析 我 国 其 研 农 村居 民消费结 构 的区 域 特征 和类 型 ， 始数 据 原
来源于《 中国统计年鉴 ２ ０） ０８。 ）
反映的是生活奢侈 品的消费 ， 而第 二主成分反 映 的是 生活必 需 品的消 费 。由表 ３看到 ２个 因子 的
我 国 农 村 居 民 消 费 结 构 的 区域 特 征 与类 型分 析
赵 瑜
（ 内蒙 古 大 学 经 济 管 理 学 院 ， 内蒙 古 呼和 浩特 ００２） １０ １
摘
要 ：以《 中国统 计年鉴 ２ ０ ） ０ ８ 提供的 ２ ０ ０ ７年各地农村居民家庭消费支 出的数 据为背景材 料 ， 我国 对
表 ３ 因 子 、 征 值 及 方
宁新 广重 四海 山安 河河龙 江湖 湖 蒙吉 贵甘 陕青 云西 天江 辽山 福广 北浙 上 夏疆 西庆 川南 西徽南 北 江西 北南 古林 州肃 西海 南藏 津苏 宁东建 东 京江 海
- 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)。
中国城镇居民消费结构聚类分析 - 1 - 中国城镇居民消费结构聚类分析
摘 要：
近年来，中国居民收入不断提高,生活质量不断提升,消费需求更加活跃,居民消费不断升级换代,但消费结构存在一定的地域性差异。本文利用聚类分析方法对我国31个省(直辖市、自治区)的城镇居民消费结构进行研究与分析，探讨我国各区域之间城镇居民消费结构的差异，从而为各地政府根据地区间的消费结构差异制定更加合理的用以促进当地经济发展的引导性政策提供更加有效的决策依据。
关键词：城镇居民，消费结构，消费需求，聚类分析
一、消费结构指标的确定 我国经济区划的分类尽管每种都包含不同类型的省份，但基本是按照地理位置进行分类的。对中国经济问题进行研究大都是以当时的经济区划为依据展开的，分析中国的消费问题也不例外。由于不同类型的省份影响其消费结构的因素不尽相同,因此,单纯地按照地理位置进行分类,以此划分为基础的进一步分析难免会产生一定的片面性。本文分类的目的是为了将消费结构相近的地区合归为一类,避免单纯按地理位置划分的不合理性,使地区分类更具代表性;也为研究中国城镇居民消费结构提供一种不同的角度。因此,本文选取构成居民消费支出的主要项目作为指标。按照中华人民共和国统计局统计口径,构成城镇居民消费性支出的项目有:食品、衣着、家庭设备用品及服务、医疗保健、交通和通信、教育文化娱乐服务、居住、杂项商品和服务,以上构成城镇居民消费性支出的八个项目即为所选指标。
二、数据来源
为了消除各地区在区域面积、人口等方面的先天差异，使数据的分析结果更合理，这里的指标均采用各地区城镇居民家庭平均每人全年消费性支出作为分析对象，即采用人均值。根据中国统计年鉴得到2012年的统计数据,见表1。
表1 2012年各地区城镇居民家庭平均每人全年消费性支出 （单位：元）
地区 食品 衣着 家庭设备用品及服务 医疗保健 交通和通信 教育文化娱乐服务 居住 杂项商品和服务 北京 4560.52 1442.42 977.47 1322.36 2173.26 2514.76 1212.89 621.74 天津 3680.22 864.89 634.39 1049.33 1092.87 1452.17 1368.20 405.99 河北 2492.26 849.58 460.27 737.43 875.43 827.72 864.92 235.88 山西 2252.50 1016.69 441.82 589.97 825.18 1007.92 830.38 206.48 内蒙古 2323.55 1168.93 464.55 555.00 928.48 1052.65 802.26 371.19 辽宁 3102.13 846.91 362.10 767.13 797.64 853.92 909.42 348.23 吉林 2457.21 907.61 318.65 671.44 815.02 890.22 984.95 307.56 黑龙江 2215.68 971.44 319.37 634.30 665.01 843.94 755.32 250.37 李 臣 11118110 - 2 - 地区 食品 衣着 家庭设备用品及服务 医疗保健 交通和通信 教育文化娱乐服务 居住 杂项商
品和服务 上海 5248.95 1026.87 877.59 762.92 2332.83 2431.74 1435.72 645.13 江苏 3462.66 886.82 647.52 600.69 1203.45 1467.36 997.53 362.56 浙江 4393.40 1383.63 615.45 852.27 2492.01 1946.15 1229.25 436.37 安徽 3091.28 869.55 336.99 441.42 788.25 869.23 694.17 203.83 福建 3854.26 784.71 525.65 513.61 1232.70 1321.33 1233.49 341.96 江西 2636.93 725.72 451.32 357.03 600.16 894.58 742.93 236.87 山东 2711.65 1091.22 526.29 624.06 1175.57 1201.97 838.17 299.48 河南 2215.32 919.31 431.02 520.57 762.08 847.12 737.00 252.76 湖北 2868.39 877.01 401.22 517.19 763.14 997.74 752.56 220.08 湖南 2850.94 868.23 513.63 632.52 965.09 1182.18 871.70 285.00 广东 4503.86 719.26 633.03 707.86 2394.66 1813.86 1254.69 405.00 广西 2857.40 477.67 360.62 401.06 785.01 850.90 826.86 232.43 海南 3097.71 375.42 405.81 369.33 1154.87 791.24 743.60 188.80 重庆 3415.92 1038.98 615.74 705.72 976.02 1449.49 954.56 242.26 四川 2838.22 754.93 505.83 449.87 1009.35 976.33 728.43 261.85 贵州 2649.02 832.74 446.53 329.77 775.07 938.37 627.23 249.66 云南 3102.46 745.08 335.14 600.08 1076.93 754.69 585.35 180.07 西藏 3107.90 734.83 211.10 221.70 694.21 359.34 612.67 250.82 陕西 2588.91 768.47 478.58 612.30 824.46 1280.14 746.59 253.84 甘肃 2408.37 854.00 403.80 562.74 703.07 1034.42 716.35 291.46 青海 2366.42 724.96 420.31 542.93 753.07 793.72 653.04 275.66 宁夏 2444.98 874.39 480.70 578.75 774.57 846.72 890.97 314.49 新疆 2386.97 953.03 364.11 472.35 765.72 819.72 698.66 269.45 三、城镇居民消费结构的实证分析
(一) 各地区城镇居民消费结构的聚类分析 借助统计软件SPSS中的分类中层次聚类功能，对2012年的截面数据进行分析，得到如下结果： 1. 样本有效性 中国城镇居民消费结构聚类分析 - 3 - 表2显示此次聚类分析的样本总个数为31个，在分析过程中未发现无效样本，故总的有效样本个数为31个，样本有效率100%。 表2 样本有效性检验 样本 有效值 缺失值 总计 个数 百分比 个数 百分比 个数 百分比 31 100.0 0 .0 31 100.0 2. 聚类结果 为使聚类结果更具合理性，采用层次聚类( Hierarchical)功能中三种不同求新类相似性的方法：最长距离法、最短距离法和组间连接法分别进行聚类，得到不同的谱系聚类图,根据谱系聚类图整理如下。 表3 三种求新类相似性的方法得到的聚类结果 类属 最长距离法 最短距离法 组间连接法 第一类 北京 北京 北京 第二类 天津 江苏 福建 重庆 天津 天津
第三类 河北 山西 内蒙古 辽宁 吉林 黑龙江 山东 河南 湖南 陕西 甘肃 宁夏 新疆 河北 山西 内蒙古 辽宁 吉林 黑龙江 江苏 安徽 福建 江西 山东 河南 湖北 湖南 广西 海南 重庆 四川 贵州 云南 陕西 甘肃 青海 宁夏 新疆 河北 山西 内蒙古 辽宁 吉林 黑龙江 安徽 江西 山东 河南 湖北 湖南 广西 海南 四川 贵州 云南 西藏 陕西 甘肃 青海 宁夏 新疆
第四类 安徽 江西 湖北 广西 海南 四川 贵州 云南 西藏 青海 上海 上海
第五类 浙江 浙江 江苏 福建 重庆 第六类 上海 广东 浙江 第七类 广东 西藏 广东 通过表3不难看出：运用三种不同的求新类相似性的方法聚类得到的结果中最短距离法、组间连接法的结果大致相同，最长距离法得到的聚类结果中的第三、第四两类与另外两种方法得到的聚类结果差异较大。考虑到聚类分析的目的是要尽量找出样本之间的共性并将他们聚为一类，因此这里主要针对采用最长距离法聚类得到的结果，由此可以得出2012年截面数据的最终分类结果，如下： 表4 最终分类结果 类属 第一类 第二类 第三类 第四类 第五类 第六类 第七类 最长距离法 北京 天津 江苏 福建 重庆 河北 山西 内蒙古 辽宁 吉林 黑龙江 山东 河南 湖南 陕西 甘肃 宁夏 新疆 安徽 江西 湖北 广西 海南 四川 贵州 云南 西藏 青海 浙江 上海 广东
(二) 结果分析 1．居民消费结构受地域所处的经济区域影响较大，但也有例外