摘 要：对消费结构问题的研究无论是对宏观经济调控，还是对微观企业生产，都有重要的意义。本文运用聚类分析、因子分析等多元统计分析方法，对我国城镇居民的消费结构进行对比与分析，探讨我国区域城镇居民消费结构的特征及影响消费结构的主要因素，并提出相应政策建议，以期为进一步优化消费结构，促进产业结构升级换代提供信息支持。

关键词：城镇居民；消费结构；聚类分析；因子分析

优化居民消费结构、扩大消费需求已成为当今促进经济增长的突出问题，无论是对宏观经济调控，还是对微观企业生产，都有重要的意义。本文在介绍聚类分析、因子分析等多元统计分析方法原理及步骤的基础上，以2016年度我国区域城镇居民人均消费支出数据为基础，探讨我国区域城镇居民消费结构的特征和区域差异，以期为进一步优化消费结构，促进产业结构升级换代提供信息支持。

一、分析方法

系统聚类系：其基本思想是所研究的样品（或指标）之间存在不同程度的相似性，距离相近的样品（或变量）先聚成类，距离相远的后聚成类。最后再把整个分类系统画成一张谱系图，用它把所有样品（或指标）问的亲疏关系表示出来。因子分析：因子分析是一种降维、简化数据的计算的方法。因子分析是根据相关性大小把原始变量进行分组，使得同组内的变量之间相关性较高，而不同组的变量间的相关性则较低。每组变量代表一个基本结构，并用一个不可观测的综合变量表示，这个基本结构就称为公共因子。每组变量代表一个基本结构，并用一个不可观测的综合变量表示，这个基本结构就称为公共因子。

二、数据来源

选2016年我国31个省市的城镇居民人均消费八项支出指标数据，包括：食品烟酒（X1）、衣着（X2）、居住（X3）、生活用品服务（X4）、交通通信（X5）、教育文化娱乐（X6）、医疗保健（X7）、其他用品及服务（X8）。指标均采用各省市城镇居民家庭平均每人全年消费性支出作为分析对象。

三、实证分析

1.因子分析

KMO统计量用于探测变量间的偏相关性，比较的是各变量间的简单相关和偏相关的大小。由表3可知，KMO的值达到0.835，说明很适合做因子分析。

由表3可知，因前两个因子特征值分别为5.398、1.111都大于1，且特征根累积贡献率已达到81.365%，故保留前两个因子即可。

从表4明显看出第一个公共因子F1在变量X1、X3、X5、X6、X8上有较大的载荷，说明这五个变量有较强的相关性，归为一类，因为这些变量满足居民的基本生活需要，故命名为一般生活型因子。第二个公共因子F2在变量X2、X4、X7上有较大的载荷，说明衣着、生活用品及服务、医疗保健这三个变量有较强的相关性，且均与服务有很强的相关关系，可归一类，因为经济总量即人均GDP和人均可支配收入会促进服务业的发展，随着经济水平的提高，人们在满足基本生活需要的同时，更多的会追求品质生活，这会引起X2、X4、X7三个方面不同的支出，故命名为享受型因子。

根据表4和表5，可以建立因子得分函数关系，用于计算全国各地区城镇居民的消费的因子得分和综合得分。为了进行我国各省城镇居民消费结构对比、综合分析，求得因子得分函数如下：

为了进一步进行综合分析，还需要将这两个公因子以各自的方差贡献率占累计贡献率的比重作为权重来加权计算综合得分，综合得分函数如下：

F=0.44138/0.81365F1+0.37227/0.81365F2即F=0.5425F1+0.4575F2

根据两个公因子以各自的方差贡献率占累计贡献率的比重作为权重来加权计算综合得分，见表6。

可以看出，综合得分最高的四个省市依次是北京、上海、天津、浙江，北京和上海在第一第二公因子上得分较高，天津在第一第二公因子得分排中上等水平，浙江在第一公因子上得分靠前。在第一个公因子上，得分最高的四个省市依次是：上海、广东、北京、浙江，这四个省市属于东部沿海地区，他们的综合经济竞争力指数排名在前十，他们的经济实力相对于其他几个省市较强。在第二个公因子上，得分最高的四个省市依次是：北京、辽宁、内蒙古、上海，因这些地区经济水平较高，人们在满足基本生活需要之后，更多追求品质生活。上海虽然经济实力强，但是外来人口较多，这些外来人大多数是为了满足基本生活需要，只有部分人追求品质生活，所以上海在第二公因子上得分排名第四；因一个地区的经济实力，可以通过其消费结构的好坏来判断，故从整体上说各城镇居民各方面消费偏高的是上海，各城镇居民各方面消费偏低的是广西。

2.系统聚类

在SPSS中利用系统聚类法进行聚类分析，分析结果如图1。

根据聚类谱系图并结合我国实际情况分为3类比较合适。因北京、上海经济实力强，属于高消费地区，西藏地理位置偏远，经济基础薄弱，属于低消费地区，其他省市经济实力差不多，消费结构也大致相似。具体分类——第一类：北京、上海；第二类： 除北京、上海、西藏其他28个省市；第三类：西藏。

四、分析结论及其建议

1.结论：从表6各地区因子得分可以看出，综合得分排名靠前的地区主要集中在东部沿海地区和综合实力强、经济条件较好的地区。综合得分排名前四的地区分别是北京、上海、天津、浙江。其中，北京和上海在综合得分、一般生活型因子、享受型因子都稳定在前四名，这说明在经济实力特别强的地区消费结构在各个地区比较中达到最好的状态。例如安徽、黑龙江、山西等省份在综合得分排名比较靠后，说明这些地区的消费仍处于全国最低的水平，总的来看，得分小于零的省市占大多数，如青海、宁夏等省，处于全国平均消费水平一下。

结合上图和表6，全国三十一个省从消费水平高低划分为三类地区，第一類消费水平最高，第二类消费水平处于中等水平，第三类处于低等水平。大部分省处于第二类消费水平，说明我国消费水平基本上处于中等水平。总之，第一类消费水平普遍高于第二类、第三类的消费水平，第二类消费水平整体上高于第三类消费水平。另外，八个指标上的具体消费每个地区也是有明显差异，这与各地区的经济的状况、人们的生活水平等有关。

2.建议：（1）提高居民消费水平。居民之间收入差距的大小影响社会总体消费水平，社会收入差距过大，总体消费水平会降低。提高居民收入水平，缩小城乡居民收入差距，稳步扩大消费需求，才能有利于促进经济又好又快地发展。消费对生产有反作用。分配结构是否合理，会影响广大群众生活水平的高低和生产积极性的发挥。提高劳动者报酬在GDP中的比重，从而提高居民收入水平，有利于促进生产的发展和生活水平的提高。（2）加大精准扶贫力度。对消费水平较低的地区，加大精准扶贫的力度，贫困地区的居民消费水平，进而提高他们的生活质量。（3）注重消费结构升级。经济学认为经济结构决定着产品总供给结构，总需求结构决定着消费结构；同时产品总供给结构和消费结构的变化也一定程度上影响着经济结构和总需求结构。通过消费结构升级扩大内需，进而拉动经济增长，集中体现着消费需求对生产的决定作用。服务消费的增速和在居民消费中的占比不断提高，成为消费结构升级的重要方向。伴随着体验式消费需求日益强烈，与互联网有关的各种创新式体验消费将成为全年消费增长的重要引擎。人工智能、互联网、云计算以及大数据技术日趋成熟，已应用到传统家具、家电和汽车类等耐用消费品领域，创新型耐用消费品增长空间巨大。

参考文献：

[1]国家统计局.中国统计年鉴2017[M].北京，中国统计出版社，2017.

[2]何晓群.现代统计分析方法与应用[M].北京：中国人民大学出版社，1998.

[3]郑圆.我国各地区城镇居民消费结构差异研究[J].物流工程与管理， 2017，39（7）：164-167.

作者简介：武翠萍（1995- ），女，汉族，安徽阜阳人，安徽财经大学商学院在读本科生，研究方向：经济统计学