SPSS在城镇居民人均支出分析中的应用

崔红芳

[摘 要]SPSS作为一个专业的统计分析软件，适用于经济、管理等方面的研究。文章运用SPSS软件，通过采用2018年我国31省、市、自治区城镇居民人均支出数据，利用回归分析方法，对我国城镇居民人均支出进行分析，得出我国城镇居民的人均支出情况，以期反映消费水平与结构上的差异，为政府制定更加合理的引导性政策提供有效依据。

[关键词]SPSS软件;回归分析;人均支出

[中图分类号]F323.89 [文献标识码]A

通过经济的快速发展，我国城镇居民人均支出的结构也发生了很大的转变，人均消费支出的增加能实现经济又好又快的发展。城鎮居民消费支出主要包括食品烟酒、衣着、居住、生活用品及服务、交通通信其他用品及服务等方面，文章使用SPSS统计软件通过对31个省份的城镇居民消费相关的原始数据（数据来源于《2018中国统计年鉴》），选取了四种典型的消费支出作为代表来分析城镇居民的消费结构。

1 回归分析

当涉及一个自变量时，称为一元回归，例如，在分析家庭收入对消费支出的影响时，我们要预测一定水平家庭收入条件下的消费支出是多少，这时消费支出应该作为因变量，而用来预测消费支出的变量只选用家庭收入一项，这时建立的回归模型是一元回归模型。同时，若因变量Y与自变量X之间为线性关系，则称为一元线性回归。相对于具有线性关系的两个变量来说，可用一个线性方程来表示它们之间的关系。像这样表示因变量Y如何依赖于自变量X和误差项的方程称为回归模型，而对只表达一个自变量的简单线性回归模型，可简写为：Y = β0 + β1X + ε。

通过对城镇居民人均消费支出Y与居民人均收入X进行一元线性回归分析。被解释变量即因变量：城镇居民人均生活消费支出是Y;解释变量即自变量：城镇居民人均收入是X，城镇居民食品消费支出是X1，衣着消费支出是X2，家庭设备及用品消费支出是X3，医疗保健消费支出是X4。利用函数关系可得：Y = F（X， X1， X2， X3， X4），从而利用SPSS软件得到线性回归分析的结果，在分析结果中可得到复相关系数为0.999，决定相关系数为0.999，这说明方程的拟合度比较好，同时也表明回归方程显著性较高。

2 方差分析表

方差分析表给出了Sum of Squares、df、Mean Square、F和Sig.的结果，通过选择“Analyze”菜单下的“Regression”子菜单下的“Linear”进行操作，最后单击“OK”按钮，得到表2。

由表2中可以得出，F=4.773E7，P<0.05，这表示回归方程高度显著，也就是说城镇居民人均收入对消费有高度显著的线性影响。

3 回归方程系数表

在数据编辑窗口中输入数据，选择“Analyze”菜单下的“Nonparametric Tests”中的“2 Related Samples”进行操作，单击“OK”按钮，得到下表3。

由表3中可以得出，常数项的P=0.356>0.05，这表明与0有显著性差异，故应出现在回归方程中，可得线性回归方程为：Y=0.638X+576.344。

由城镇居民人均收支情况数据分析，选择菜单中“Analyze”下的“Regression”子菜单中的“Linear”，进行操作，选入自变量和因变量，得出表4。

由表4可以看出，我国城镇居民的消费结构，消费较多的基本上还是在家庭设备及用品等生活必需品上，而在其他方面上的消费较少，但比起过去城镇居民在家庭设备上的支出有了明显提高，然而制约城镇居民消费的关键还是城镇居民收入的不足。从而国家应该制定相对的城镇政策，来增加城镇居民收入。此外还应引导城镇居民正确的消费观念，在生产发展的基础上努力提高生活质量，使生活更加富有意义。

[参考文献]

[1] 马立平，回归分析[M].机械工业出版社，2014（03）.

[2] 黄润龙，管于华.数据统计分析——SPSS原理及应用[M].高等教育出版社，2010（07）.

[3] 权立波.城镇居民可支配收入与消费性支出的关系[J].全国商情·理论研究，2010（06）.