---对我国各地区城镇居民家庭平均每人全年消费性支出情况的分析
（一）案例研究背景
近年来，我国国民经济得到了迅速发展，人民生活水平进一步提高，物质文明建设达到了前所未有的水平。但由于我国各地区经济发展水平不均衡，加之各地人口、资源、政策等各方面存在的差异，使各地区居民人均消费水平参差不齐，不同的地区具有不同的特点。在这一背景下，研究我国各地区城镇居民家庭平均每人全年消费性支出情况，明确各类地区城镇居民人均消费性支出的差异与特点，有利于决策部门从宏观上把握我国各地区的消费情况，协调各地区的发展，切实落实“出口、投资和消费共同发展”的经济政策，推动我国经济再上一个新台阶。
其次，消费结构可以反映居民的生活质量和经济发展水平。一般来说，经济越发达的地区，其消费结构就越趋向于追求安逸享受的消费结构。在这样的消费结构中，奢侈品支出如住房、服务性支出所占的比例就会较大。反之，在经济较不发达的地区中，生活必需品消费支出所占的比例就会较大。随着社会主义市场经济体制的逐步完善，我国的社会生产力不断日益加快发展，经济总量和综合实力迅速上升，城镇居民的生活水平显著提高。相对过去而言，居民食品方面的消费支出比重在逐渐下降，而在交通通讯、文化娱乐等方面的消费支出比重越来越大。消费结构的变化，反映居民需求的变化。研究我国城镇居民消费性支出情况及其影响因素，对建立合理的消费结构，扩大内需，搞活社会主义市场经济，制定产业政策，促进国民经济的发展都有着极其重要的意义。 （二）初步准备 1、建立数据指标体系：
表1列出 2010 年全国31个省、市和自治区的城镇居民家庭平均每人全年消费性支出的八个主要变量数据。 其中：
x1——食品； x2——衣着； x3——居住；
x4——家庭设备用品及服务； x5——医疗保健； x6——交通和通信； x7——教育文化娱乐服务； x8——其它商品和服务；
表1 我国各地区城镇居民家庭平均每人全年消费性支出情况
城市 北京 天津 河北 山西 内蒙古 辽宁 吉林 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东 河南 湖北 湖南 广东 广西 海南 重庆 四川 贵州 云南 西藏 陕西 甘肃 青海 宁夏 新疆 x1 6392.90 5940.44 3335.23 3052.57 4211.48 4658.00 3767.85 3784.72 7776.98 5243.14 6118.46 4369.63 5790.72 4195.38 4205.88 3575.75 4429.30 4322.09 6746.62 4372.75 4895.96 5012.56 4779.60 4013.67 4593.49 4847.58 4381.40 3702.18 3784.81 3768.09 3694.81 x2 2087.91 1567.58 1225.94 1205.89 2203.59 1586.81 1570.68 1608.37 1794.06 1465.54 1802.29 1225.56 1281.25 1138.84 1745.20 1444.63 1415.68 1277.47 1230.72 926.42 636.14 1697.55 1259.49 1102.41 1158.82 1158.60 1428.20 1255.69 1185.56 1417.47 1513.42 x3 1577.35 1615.57 1344.47 1245.00 1384.45 1314.79 1344.41 1128.14 2166.22 1234.05 1418.00 1229.64 1606.27 1109.82 1408.64 1080.10 1187.54 1182.33 1925.21 1166.85 1103.76 1275.96 1126.65 890.75 835.45 726.59 1126.92 910.34 923.52 1181.71 898.38 x4 1377.77 1119.93 693.56 612.59 948.87 785.67 710.28 618.76 1800.19 1026.32 916.16 678.75 972.24 854.60 915.00 866.72 867.33 903.81 1208.03 853.59 616.33 1072.38 876.34 673.33 509.41 376.43 723.73 597.72 644.01 716.22 669.87 x5 1327.22 1275.64 923.83 774.89 1126.03 1079.81 1171.25 948.44 1005.54 805.73 1033.70 737.05 617.36 524.22 885.79 941.32 709.58 776.85 929.50 625.45 579.89 1021.48 661.03 546.84 637.89 385.63 935.38 828.57 718.78 890.05 708.16 x6 3420.91 2454.38 1398.35 1340.90 1768.65 1773.26 1363.91 1191.31 4076.46 1935.07 3437.15 1356.57 2196.88 1270.28 2140.42 1374.76 1205.48 1541.40 3419.74 1973.04 1805.11 1384.28 1674.14 1270.49 2039.67 1230.94 1194.77 1076.63 1116.56 1574.57 1255.87 x7 2901.93 1899.50 1001.01 1229.68 1641.17 1495.90 1244.56 1001.48 3363.25 2133.25 2586.09 1479.75 1786.00 1179.89 1401.77 1137.16 1263.16 1418.85 2375.96 1243.71 1004.62 1408.02 1224.73 1254.56 1014.40 477.95 1595.80 1136.70 908.07 1286.20 1012.37 x8 848.49 688.73 395.93 331.14 710.37 585.78 506.09 402.69 1217.70 514.41 546.36 435.62 499.30 345.66 415.55 418.04 372.90 402.52 653.76 328.27 284.90 462.79 503.11 306.24 284.95 481.82 435.67 387.53 332.49 500.12 444.20 单位：元
——资料来源：2011年《中国统计年鉴》
2、为了得到更科学的分析结果，对原数据进行标准化处理。标准化之后的数据如下表：
表2 标准化处理之后的数据
城市 北京 x1 1.634 x2 2.111 x3 1.078 x4 1.929 x5 2.150 x6 2.049 x7 2.285 x8 1.925 天津 河北 山西 内蒙古 辽宁 吉林 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东 河南 湖北 湖南 广东 广西 海南 重庆 四川 贵州 云南 西藏 陕西 甘肃 青海 宁夏 新疆 1.213 -1.212 -1.476 -0.397 0.019 -0.810 -0.794 2.923 0.564 1.379 -0.249 1.074 -0.412 -0.402 -0.988 -0.194 -0.294 1.963 -0.247 0.241 0.349 0.132 -0.581 -0.041 0.196 -0.238 -0.871 -0.794 -0.809 -0.878 0.498 -0.561 -0.623 2.469 0.557 0.507 0.624 1.200 0.181 1.225 -0.563 -0.390 -0.831 1.048 0.117 0.027 -0.402 -0.547 -1.490 -2.390 0.901 -0.457 -0.944 -0.769 -0.770 0.066 -0.469 -0.687 0.032 0.330 1.202 0.317 -0.008 0.448 0.220 0.317 -0.389 3.000 -0.044 0.557 -0.058 1.172 -0.449 0.527 -0.546 -0.195 -0.212 2.213 -0.263 -0.469 0.093 -0.394 -1.165 -1.345 -1.701 -0.393 -1.101 -1.058 -0.214 -1.140 0.995 -0.550 -0.843 0.375 -0.216 -0.489 -0.821 3.459 0.656 0.257 -0.604 0.460 0.034 0.252 0.077 0.080 0.212 1.314 0.030 -0.830 0.823 0.112 -0.623 -1.217 -1.699 -0.441 -0.897 -0.729 -0.468 -0.636 1.921 0.359 -0.302 1.257 1.051 1.457 0.468 0.722 -0.165 0.847 -0.470 -1.002 -1.415 0.190 0.437 -0.592 -0.294 0.384 -0.966 -1.168 0.792 -0.808 -1.315 -0.911 -2.031 0.410 -0.064 -0.551 0.209 -0.599 0.816 -0.532 -0.605 -0.059 -0.053 -0.576 -0.796 2.886 0.153 2.070 -0.585 0.487 -0.695 0.415 -0.562 -0.778 -0.349 2.048 0.202 -0.012 -0.550 -0.180 -0.695 0.287 -0.745 -0.791 -0.942 -0.891 -0.307 -0.713 0.666 -0.786 -0.416 0.249 0.014 -0.392 -0.785 3.031 1.043 1.775 -0.012 0.482 -0.497 -0.138 -0.566 -0.362 -0.111 1.436 -0.394 -0.780 -0.128 -0.424 -0.376 -0.764 -1.631 0.175 -0.566 -0.936 -0.325 -0.767 1.078 -0.473 -0.817 1.193 0.533 0.110 -0.438 3.881 0.154 0.324 -0.263 0.074 -0.740 -0.369 -0.356 -0.595 -0.438 0.893 -0.832 -1.062 -0.119 0.095 -0.949 -1.061 -0.018 -0.263 -0.518 -0.809 0.079 -0.218 （三）聚类分析
1、运用SPSS对表2的数据进行Q型聚类，采用Ward聚类法，得出聚类表如下： 表3.1 聚类表 群集组合 阶 1 2 3 4 5 群集1 28 17 16 3 14 群集 2 29 18 30 4 24 系数 .369 .747 1.197 1.688 2.201 首次出现阶群集 群集 1 0 0 0 0 0 群集2 0 0 0 0 0 下一阶 11 6 8 18 15 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 12 12 16 6 8 28 20 15 10 14 6 14 3 2 5 2 3 14 1 3 5 1 3 3 1 17 23 27 7 16 31 21 22 13 25 15 20 8 11 6 19 28 26 2 12 10 9 14 5 3 2.734 3.316 3.904 4.527 5.157 5.800 6.527 7.311 8.210 9.169 10.209 11.327 12.520 13.749 15.178 16.610 18.062 19.682 21.402 23.183 25.472 28.601 32.193 38.011 51.544 0 6 3 0 0 1 0 0 0 5 9 15 4 0 0 19 18 17 0 22 20 24 25 28 27 2 0 0 0 8 0 0 0 0 0 13 12 10 0 16 0 11 0 21 7 14 0 23 26 29 7 25 10 16 18 22 17 16 26 17 20 23 22 21 26 24 25 28 27 28 29 30 29 30 0 由上表可以看出，聚类分析的第一部，28号样本（甘肃）与29号样本（青海）聚成一小类，它们的个体距离是0.369，这个小类将在下面第11步中用到；同理，聚类分析的第11步中，28号样本（甘肃）与31号样本（新疆）聚成一小类，它们的个体距离是5.800，这个小类将在下面第22步中用到„„以此类推，经过30步聚类过程，31个样本最后聚成了一个大类。 2、做出聚类分析的冰柱图、树形图如下：
图3.1 聚类分析冰柱图
图3.2 聚类分析树形图
从上表可以看出：
a) 如果根据各地区城镇居民人均全年消费状况把31各地区分为2类，结果为：
第一类：上海、北京、浙江、广东、天津、 第二类：其他地区
b) 如果根据各地区城镇居民人均全年消费状况把31各地区分为3类，结果为：
第一类：上海
第二类：北京、浙江、广东、天津、
第三类：其他地区
c) 如果根据各地区城镇居民人均全年消费状况把31各地区分为4类，结果为： 第一类：上海
第二类：北京、浙江、广东、天津 第三类：西藏 第四类：其他地区 3、案例分析
如果按分成4类来分析，可对各类的各个指标分别进行描述统计，结果如表3.2所示。
表3.2 聚类分析的各类特征
判别 食品 衣着 居住 1 家庭设备用品及服务 医疗保健 交通和通信 教育文化和娱乐服务 其他商品和服务 食品 衣着 居住 2 家庭设备用品及服务 医疗保健 交通和通信 教育文化和娱乐服务 其他商品和服务 3 食品 Mean 2.9226333 1.1997615 3.0004319 3.4593201 .7216378 2.8859377 3.0305198 3.8808326 1.5472801 .8217777 1.2625907 1.1235455 1.3253216 1.7458654 1.5404225 1.0547900 .1955264 N 1 1 1 1 1 1 1 1 4 4 4 4 4 4 4 4 1 衣着 居住 家庭设备用品及服务 医疗保健 交通和通信 教育文化和娱乐服务 其他商品和服务 食品 衣着 居住 4 家庭设备用品及服务 医疗保健 交通和通信 教育文化和娱乐服务 其他商品和服务 -.7700882 -1.7006335 -1.6988808 -2.0305563 -.7451839 -1.6306586 -.0182389 -.3722912 -.1486714 -.2540065 -.2501849 -.1596947 -.3649686 -.3024620 -.3232701 1 1 1 1 1 1 1 25 25 25 25 25 25 25 25 由表3.2可知，第一类有1个省市（上海），除了医疗保健支出低于第二类，其余各项支出均位于四类之首，其中数额最大的是其他商品和服务支出（例如享受性消费支出、住房支出等），显示上海市居民的人均消费水平较高；第二类有4个省市（北京、浙江、广东、天津），各项指标中除了医疗保健支出高于第一类，其他各项均排名第二，其中交通和通信支出最高；而第三类（西藏）中，食品支出最多，医疗保健支出最少，反映出西藏地区人民生活水平低、医疗卫生等基础设施不健全等问题；第四类（其他地区）的各项消费支出则均处于最低端。这与实际情况相符合。
（四）判别分析
1、将以上数据归为4类，把其中的四川省、广东省作为待判样本。利用SPSS对表2的数据进行判别分析，得结果如下表：
表4.1 特征值
Canonical
Function 1 2 3
Eigenvalue
7.123 3.864 1.001 aaa
% of Variance
59.4 32.2 8.3 Cumulative %
59.4 91.7 100.0 Correlation
.936 .891 .707
表4.2 标准化典型判别函数系数 Zscore(食品) Zscore(衣着) Function 1 -.113 -.887 2 -.180 -.152 3 1.090 .516 Zscore(居住)
Zscore(家庭设备用品及服务) Zscore(医疗保健) Zscore(交通和通信)
Zscore(教育文化和娱乐服务) Zscore(其他商品和服务)
-.295 .261 .319 .694 .150 .907 -.068 .338 1.484 .177 .878 -1.743 -.511 -.745 .592 .280 -.408 -.187 由表4.1和4.2可知，需选用2个判别函数（m0=2），分别为：
Y1=-0.113*X1-0.887*X2-0.295*X3+0.261*X4+0.319*X5+0.694*X6+0.15*X7+0.907*X8 Y2=-0.18*X1-0.152*X2-0.068*X3+0.338*X4+1.484*X5+0.117*X6+0.878*X7-1.743 *X8 将四川省、广东省的数据分别代入，得： 四川省：Y1=0.176 Y2= -1.658 广东省：Y1=2.522 Y2=0.660
表4.3 非标准化典型判别下的类中心 Function 判别 1 2 3 4 1 10.367 4.075 -1.507 -.878 2 -4.015 2.717 -7.605 .145 3 -2.210 1.798 2.976 -.257 由表4.3可知，4类的重心分别为： Y1(1)=10.367 Y2(1)= -4.015 Y1(2)=4.075 Y2(2)=2.717 Y1(3)= -1.507 Y2(3)= -7.065 Y1(4)= -0.878 Y2(4)=0.145
由m0=2，采用不加权的Fisher判别法，知： D12=（Y1- Y1(1)）²+（Y2- Y2(1)）² D22=（Y1- Y1(2)）²+（Y2- Y2(2)）² D32=（Y1- Y1(3)）²+（Y2- Y2(3)）² D42=（Y1- Y1(4)）²+（Y2- Y2(4)）²
所以对于四川省：D12= 109.412 D22= 34.338 D32= 38.205 D42= 4.360
D42=min Di2
对于广东省：D12= 83.403 D22= 6.644 D32= 84.540 D42= 11.823 D22=min Di2
所以可以判定四川省属于第4类，广东省属于第2类，与聚类分析的结果相一致。 聚类分析与判别分析都只是对样本进行的分类，都不能看出各地区具体的消费支出水平，因此需要进行主成分分析和因子分析，通过构建综合指标函数计算出各个地区的综合得分并进行排名,进一步比较各地区的消费支出情况。
（五）主成分分析
1、运用SPSS对8种因子进行主成分分析，得下表：
表5.1 解释的总方差 初始特征值 Component 1 2 3 4 5 6 7 8 合计 5.783 1.204 .332 .250 .164 .116 .088 .063 方差的 % 72.286 15.045 4.151 3.122 2.049 1.455 1.097 .794 累积 % 72.286 87.331 91.483 94.605 96.654 98.109 99.206 100.000 合计 5.783 1.204 提取平方和载入 方差的 % 72.286 15.045 累积 % 72.286 87.331 表5.2显示各主成分解释原始变量总方差的情况。由上表可以看出，前两个特征值的累计贡献率已达到87.331%，这说明前两个主成分已基本包含了全部指标具有的信息。因此，我们提取2个特征值。
图5.1 碎石图
碎石图表现出从第三个主成分开始折线变得平坦，这与提取两个主成分相符。
表5.2 成份矩阵（因子载荷矩阵）
Zscore(食品) Zscore(衣着) Zscore(居住)
Zscore(家庭设备用品及服务) Zscore(医疗保健) Zscore(交通和通信) Zscore(教育文化和娱乐服务) Zscore(其他商品和服务)
Component 1 .843 .651 .901 .926 .666 .891 .950 .916 2 -.439 .675 -.093 -.104 .654 -.305 -.112 .058 由表5.1和5.2可以求出两个主成分的特征向量如下表所示：
表5.3 主成分特征向量 Zscore(食品) Zscore(衣着) Zscore(居住) Zscore(家庭设备用品及服务) Zscore(医疗保健) Zscore(交通和通信) Zscore(教育文化和娱乐服务) Zscore(其他商品和服务) 1 2 0.351 -0.183 0.593 0.615 1.564 -0.161 1.852 -0.208 1.645 1.615 2.616 -0.896 3.202 -0.378 3.649 0.231 第一个主成分：
F1=0.351*X1+0.593*X2+1.564*X3+1.852*X4+1.645*X5+2.616*X6+3.202*X7+3.649*X8 第二个主成分：
F2=-0.183*X1+0.615*X2-0.161*X3-0.208*X4+1.615*X5-0.896*X6-0.378*X7+0.231*X8
从表5.3和上式可以看出，在第一主成分的线性组合中，第三、四、五、六、七、八项指标的系数较大，这六个指标起主要作用，所以我们可以解释第一主成分为反映城镇居民人均消费性支出中除了衣、食支出之外的其他支出的综合指标，占总信息量的72.286%。
对于第二主成分，我们可将它解释成反映食品及衣着支出情况的基础性支出的综合指标。
由表5.1可得
Z=0.72286F1+0.15045F2
将31组数据代入，可得各省市的综合排名如下表：
表5.4 各省市综合排名表 省市 上海 北京 广东 天津 浙江 内蒙古 江苏 辽宁 福建 重庆 山东 Z 32.445 22.165 14.099 11.732 11.623 7.628 3.832 3.122 2.647 1.289 1.07 排名 1 2 3 4 5 6 7 8 9 10 11 省市 吉林 宁夏 陕西 四川 湖南 河南 安徽 河北 湖北 黑龙江 广西 Z 0.277 -1.778 -2.14 -2.675 -2.689 -3.256 -3.634 -4.394 -4.765 -5.027 -5.225 排名 12 13 14 15 16 17 18 19 20 21 22 省市 山西 新疆 甘肃 江西 云南 海南 贵州 青海 西藏 Z -6.387 -6.542 -7.241 -7.325 -8.852 -9.088 -9.214 -9.292 -12.407 排名 23 24 25 26 27 28 29 30 31 由上表可以看出，排名前4位的依次是上海市、北京市、广东省、天津市，排名靠后的有贵州、青海、西藏，这与我国的基本经济情况完全符合。
（六）因子分析
1、计算各因子之间的相关系数矩阵如下： 表6.1 相关系数矩阵 家庭设备用教育文化和医疗保健 交通和通信 娱乐服务 *其他商品和服务 食品 衣着 居住 家庭设备用品及服务 医疗保健 交通和通信 教育文化和娱乐服务 其他商品和服务 食品 1 0.291 0.729 衣着 1 0.449 居住 1 品及服务 0.784 0.279 0.885 0.525 0.77 0.388 0.86 0.579 0.798 1 0.519 0.787 1 0.422 1 0.833 0.548 0.833 0.885 0.558 0.888 1 0.755 0.651 0.784 0.834 0.59 0.755 0.82 1 由表6.1可以看出，除了食品支出与衣着支出、医疗保健支出之间的相关系数小于0.3之外，其余各相关系数均较高，即各变量之间的相关性较强。适合进行因子分析。
2、提取公共因子：
表6.2 特征根与累积贡献率 Extraction Sums of Squared Rotation Sums of Squared Component 1 2 3 4 5 6 7 8 Initial Eigenvalues % of Total Variance 5.783 1.204 .332 .250 .164 .116 .088 .063 72.286 15.045 4.151 3.122 2.049 1.455 1.097 Cumulative% 72.286 87.331 91.483 94.605 96.654 98.109 99.206 Loadings % of Total Variance 5.783 1.204 72.286 15.045 CumulatLoadings % of Cumulative % 57.580 87.331 ive% Total Variance 72.286 4.606 87.331 2.380 57.580 29.752 .794 100.000 表6.2表明，前两个因子共解释了原有变量总方差的87.331%。原有变量信息丢失较少，因子分析效果理想，因此提取两个公共因子。 3、建立因子载荷矩阵并对其进行方差最大的旋转。
表6.3 因子载荷矩阵
Zscore(食品) Zscore(衣着) Zscore(居住)
Zscore(家庭设备用品及服务) Zscore(医疗保健) Zscore(交通和通信) Zscore(教育文化和娱乐服务) Zscore(其他商品和服务)
Component 1 .843 .651 .901 .926 .666 .891 .950 .916
2 -.439 .675 -.093 -.104 .654 -.305 -.112 .058
表6.4 旋转后的因子载荷矩阵
Zscore(食品) Zscore(衣着) Zscore(居住)
Zscore(家庭设备用品及服务) Zscore(医疗保健) Zscore(交通和通信) Zscore(教育文化和娱乐服务) Zscore(其他商品和服务)
Component 1 .949 .219 .824 .851 .243 .923 .876 .760 2 .049 .912 .377 .380 .901 .189 .385 .514 从上表可以看出，每个因子都有几个载荷值较大的指标，因此可根据上表进行分类：
1 2
表6.4 变量共同度
高载荷指标 X1：食品；X3：居住；X4：家庭设备； X6：交通通信；X7：教育；X8：其他 X2：衣着；X5：医疗保健 意义 综合因子 反映衣着及医疗 支出的公共因子
Zscore(食品) Zscore(衣着) Zscore(居住)
Zscore(家庭设备用品及服务) Zscore(医疗保健) Zscore(交通和通信) Zscore(教育文化和娱乐服务) Zscore(其他商品和服务)
Initial Extraction 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .903 .879 .821 .868 .871 .887 .915 .843 由表6.4可以看出，各变量的共同度均较高，最高达到0.915，各个变量的信息丢失都较少。因子提取的总体效果很理想。
图6.1 旋转后的因子载荷图
图6.1可以看出，衣着支出与医疗保健支出距离近，其余各变量距离较近，因此，可以用第一个因子刻画除了衣着与医疗保健之外的其余各项支出的综合变量，用第二个因子刻画
衣着与医疗保健支出。 4、因子得分分析：
表6.6 因子得分系数矩阵
Zscore(食品) Zscore(衣着) Zscore(居住)
Zscore(家庭设备用品及服务) Zscore(医疗保健) Zscore(交通和通信) Zscore(教育文化和娱乐服务) Zscore(其他商品和服务)
Component 1 .311 -.187 .173 .182 -.176 .261 .189 .112 2 -.241 .540 .013 .007 .526 -.140 .003 .122 由表6.6可知，因子得分函数为：
F1=0.311*X1-0.187*X2+0.173*X3+0.182*X4-0.176*X5+0.261*X6+0.189*X7+0.112*X8 F2=--0.241*X1+0.54*X2+0.13*X3+0.007*X4+0.526*X5-0.14*X6+0.003*X7+0.122*X8 W=0.72286F1+0.15045F2
把各个省市的各变量带入，可得各个地区消费情况的综合排名如下：
表6.7各地区消费情况综合排名
省市 上海 广东 北京 浙江 天津 福建 江苏 内蒙古 重庆 四川 山东 W 排名 2.576 1 1.465 2 1.331 3 0.880 4 0.729 5 0.637 6 0.370 7 -0.019 8 -0.021 9 -0.026 10 -0.027 11 省市 辽宁 广西 湖南 海南 安徽 湖北 江西 陕西 宁夏 吉林 云南 W 排名 -0.032 12 -0.052 13 -0.136 14 -0.154 15 -0.207 16 -0.263 17 -0.275 18 -0.311 19 -0.342 20 -0.414 21 -0.417 22 省市 河南 贵州 河北 山西 西藏 新疆 黑龙江 青海 甘肃 W -0.480 -0.488 -0.492 -0.582 -0.615 -0.630 -0.649 -0.675 -0.682 排名 23 24 25 26 27 28 29 30 31 因子分析结果与主成分分析结果有很大的不同，可能的原因有：
1）提取的公因子所包含的变量与主成分所含变量的不同，主成分分析将衣着与食品归为一类，而因子分析将衣着与医疗保健归为一类；
2）主成分分析和因子分析本来就在原理、假设以及方法上有很大的差别，这也会造成
排序结果的不同。例如主成分分析是把主成分表示成各变量的线性组合，而因子分析则是把变量表示成各因子的线性组合。二者在原理上的差别是造成分析结果差异的根本原因。
（七）综合分析
从聚类分析、判别分析、主成分分析、因子分析的结果可以看出，尽管不同的分析方法所得的结果有所不同，但上海、北京、天津、广东的城镇居民人均消费水平处于较高的位置，而青海、西藏、甘肃的人均消费水平处于低位。针对这种情况，为了引导消费、发展经济，特提出以下几点建议。
1.大力发展经济，增加城镇居民收入
收入是消费的决定性因素，提高城镇居民消费水平、改善消费结构的关键在于增加城镇居民的收入。
2.拓宽消费领域，提高服务消费支出的比重。
教育文化娱乐消费将会是未来一段时间提高我国城镇居民服务消费支出比例的重点所在。现代社会已经进入知识经济时代，科技知识已成为推动经济和社会发展的重要因素，要大力发展教育事业，激发居民学习的自觉性和积极性，促进学习型社会的形成。
3.正确引导城镇居民消费
随着收入和总消费支出的增加，城镇居民在满足了基本物质生活需求的同时．会追求更高层次物质消费（如改善居住条件）、精神消费（娱乐、教育）和注重生活质量（医疗和保健）。因此， 政府应该积极引导居民对房地产、耐用消费品、教育产业和医疗卫生行业的消费。
4.加快改革和完善居民社会保障制度
我国目前的社会保障制度还不完善，居民有钱不敢消费的情况很普片。对此，首先应逐步扩大包括住房、医疗、养老、失业、教育等在内的杜会保障覆盖面，增加改革的透明度，减少居民对未来预期的不确定性。其次，要将新的社会保障制度的内容和优越性进行广泛的宣传教育，消除消费者的不安定感，进而形成理性预期，树立消费信心。逐步完善国家的社会保障体系，加大对卫生、医疗、教育等公益部门的财政投入力度。对价格虚高、给居民基本生活成本带来巨大压力的消费也应进行控制，不断解放消费需求。
经济的持续发展，终究要依赖于消费。随着经济的高速增长和收入水平的合理提升，促进城镇居民的消费水平不断提高、消费结构调整与升级的步伐不断加快，最终通过强大的内部消费拉动来保持经济的持续健康增长。
参考文献：2011年《中国统计年鉴》
许国琼：《基于聚类方法的我国各省市城镇居民消费结构分析》
因篇幅问题不能全部显示，请点此查看更多更全内容