蔡睿禹  杨琳  北京石油化工学院

基金项目：本文获得北京市教委社科计划一般资助项目(SM202010017002)和北京市社会科学基金决策咨询项目（20JCC091）的资助。

摘要：随着我国经济发展速度的不断提高，经济发展模式和水平的不断升级，我国人民的生活水平不断得到提高，消费水平也普遍得到了提升。本文的目的是更好的透视我国居民消费水平和消费结构的差异，并为我国居民进一步优化消费结构与促进消费升级提出一定的建议。本文聚焦北京市各地区居民的消费水平的差异，运用SPSS这一工具，采用因子分析与聚类分析等分析方法建立一个基于事前得到的关于北京市各地区居民消费水平调查数据的算法。

关键词:居民消费水平；北京市；SPSS算法

一、绪论

（一）研究背景

改革开放以来，特别是近些年来，我国经济发展的速度和水平都不断提升。除了我国每年的经济发展速度在世界上名列前茅之外，我国的经济发展水平不断升级，经济结构也不断得到优化。与之相对应的是，我国人民的居民收入也得到了持续的增长。这也促进了我国居民消费水平的不断提升以及消费结构的深刻变化。北京市作为我国的首都，也是我国的经济中心之一。可以说，其城市居民的消费水平和消费结构在我国的各类城市和地区当中具有相当的代表性。因此，研究北京市各地区居民的消费水平具有很强的现实意义。

（二）已有工作进展评析

从经济学角度上讲，消费、投资与出口是拉动一个特定国家或地区经济发展的三驾马车。消费在其中起到的重要作用不言而喻。近年来，我国经济发展速度不断提升，经济发展模式不断优化。但是，不可否认的是，各地经济发展水平与消费水平都存在着很大的差异。各地消费水平的差异对当地经济发展必然产生极大的影响，加强对各地消费水平差异的研究对透视我国经济发展水平为我国接下来的发展探索出一条可持续的道路具有重要意义。因此，在相关学术领域，一定时间段内，对各地消费水平差异的研究具有相当的热度。例如，2009年，学者赵凯基于绝对收入假说和持久收入假说对我国城乡居民消费需求和消费结构的特点进行了比较研究。2011年，徐哲陈玉明、孙爱军等对江苏省的城乡居民人均消费和人均GDP之间关系进行了研究。同年，庞莉对陕西省城乡居民消费支出的差异及其原因进行了分析研究。

通过对已有研究成果的分析，我们发现，虽然已经有一段时间了，但是在理论的运用以及分析方法的搭建等方面已经相当成熟了。尽管如此，依然存在着研究距今有一段时间，而且研究范围多集中在我国经济整体发展情况以及具体省内的消费水平上。这证明了本次研究具有一定的现实意义。同时，北京作为我国的首都以及拥有2153.6万常住人口以及794.3万流动人口的超大城市，通过具体算法对其不同地区人口消费水平进行详细的数据化分析，本身就具有极大的代表性意义。

二、算法

（一）定量分析与SPSS

在社会科学的研究方法当中主要包含定性分析与定量分析两种不同类型的分析方法。定性分析就是主要对研究对象的性质进行描述和分析，而定量分析是对定性分析的补充和深化。在社会科学的定量分析中，主要研究的是社会现象中所蕴含的数量特征、数量关系和数量变化。采用定量分析的分析方法，能够对社会现象的客观规律、发展趋势进行深刻的揭示与预测。

SPSS，全称为Statistical Product and Service Solutions，即统计产品与服务解决方案，它也是世界上最早的统计分析软件。SPSS如今被广泛的运用在社会科学以及自然科学的各类数据的处理和分析当中。其功能多样，能够对各类数据进行多种处理，是重要的分析工具。在本文中，笔者主要运用SPSS对在撰写分析报告之前通过调查得到的北京各地区居民消费水平的相关数据进行了因子分析和聚类分析。

（二）因子分析

因子分析是定量分析中的一种重要分析方法，其内在原理就是通过显在变量以及具体指标评测抽象因子。在因子分析的过程中，首先需要考察确定的不同变量之间的相关性，再将相关性作为一个重要指标对各个变量进行分组。那么同组内的变量就具有相关性高的特征，而不同组的变量的相关性就低。从而每组变量就能够代表一个基本结构，在因子分析当中，我们把这个基本结构就叫做公共因子。将数据中较少的相互独立的因此变量代替原来变量的大部分信息就是因子分析基本的思路。因此，因子分析就可以用如下的数学模型进行表示：

我们用流程图的形式来具体表示本次研究的算法步骤：

图1  流程图

三、试验仿真

（一）建立指标

在针对社会现象进行定量分析之前，将社会现象进行具体拆解的过程是重要的。因此在开始对北京市各地区居民的消费水平进行具体研究之前，面对在事前得到的调查数据，笔者选取了九个研究指标来对居民的消费水平进行具体的评价。它们是：

人均消费总支出（元/人）；人均食品烟酒支出（元/人）；人均衣着支出（元/人）；人均居住支出（元/人）；人均生活用品及服务支出（元/人）；人均交通和通信支出（元/人）；人均教育文化娱乐支出（元/人）；人均医疗保健支出（元/人）；人均其他用品及服务支出（元/人）。

相关数据主要来自于《北京市统计年鉴2020》和北京市各区官方发布的2020年统计年鉴以及在撰写报告之前笔者通过调查得到的数据。

（二）原始数据

首先，为让笔者自身以及读者对本文中的研究对象有一个更加具象的认识，在此给出北京市行政区划分布图（如图2）。

图2  北京行政区划分布图

笔者对从北京市2020年统计年鉴和区域内各区统计年鉴以及事前通过调查得到的实际数据进行梳理，再结合在研究之前确定的研究指标，就可以得到一个关于北京市各地区居民消费水平的原始数据表（即表1）。

表1  北京市各地区居民消费水平原始数据统计表

（三）因子分析

首先，我们使用SPSS软件将表1中原始数据进行标准化处理，得到表2，对数据进行标准化处理能够让数据更加可靠。

表2  北京市各地区居民消费水平原始数据标准化处理表

在得到标准化处理的数据统计表之后，我们使用SPSS对表2中的数据进行相关系数矩阵分析，整理得到相关的结果即表3。

表3  北京市各地区居民消费水平数据相关系统矩阵

下面，就是对北京市各地区居民消费水平进行因子分析，首先为了探求各因子之间的相关关系，我们运用SPSS对建立的指标的成分的解释的总方差进行处理和计算，这个过程之后，就能得到表4。

表4  解释的总方差

在上述过程之后，我们就能得到关于北京市各地区居民消费水平的相关数据的成分矩阵，见表5。

表5  成分矩阵

最终，我们就可以计算出北京市区域内各个地区的综合得分及排名（见表7）。

表7  因子得分表

从关于北京市各地区居民消费水平的因子得分表中，我们很明显的能够看到，在北京市整个区域内，各地区的消费水平存在一定的差异。其中，西城区、海淀区、东城区、石景山区、朝阳区、丰台区的因子得分为正数并且具体得分依次减少，这说明这些地区相比于其他地区消费水平较高。而门头沟区、昌平区、延庆区、通州区、顺义区、平谷区、密云区的因子得分为负数且依次减小，这说明这些地区相较于北京主城区的其他地区的居民消费水平较低。

（四）聚类分析

在对研究本次研究样本进行了因子分析之后，我们能够对关于北京市各地区居民消费水平的数据进行分割和排序，便得到了聚类结果比较表（表8）。

表8  聚类结果比较表

在聚类结果比较表中，根据北京市各地区居民消费水平的数据表现，将北京市目前的13个区分为了两类。即西城区、东城区、朝阳区、海淀区、丰台区、石景山区为一类，这类中的各地区的居民消费水平较高。剩下的通州区、门头沟区、昌平区、顺义区、平谷区、延庆区、密云区等区域居民消费水平较低。

（五）研究结论

笔者运用SPSS作为本次研究的研究工具，建立了一个基于的北京市各地区居民消费水平的相关实际数据，采用因子分析与聚类分析等分析方法的算法。得到的分析结果与民众对于北京市各地区的认知具有一致性，即主城区的几个区的消费水平较高，而相对于主城区来说，处于北京周边地区的几个区消费水平较低。这说明在北京市的各区域内消费水平存在一定的差异。

四、相关建议

通过本次研究我们发现，即使是在作为我国政治、经济、文化中心的北京，不同地区之间的居民消费水平都存在着不小的差异。那么，在我国的不同区域之间、城市和农村之间，居民消费水平的差异只会更大。为提升人们的整体幸福感，促进我国人民消费水平的优化升级，在此提出以下建议。

（一）继续促进人民收入的增加，提升人们的生活水平

消费的基础和保障就是收入，只有人民的收入整体提高了，消费水平才会真正的实现提高。在这个过程中，要重视人民的就业工作，积极解决我国不同区域之间、城乡之间的经济发展差异。

（二）完善社会保障制度，减小居民生活压力

进一步完善我国的社会保障制度，对于增强我国民众的信心，减小生活压力具有重要意义，并且能够直接的提升居民的消费信心，激发消费市场的活力。

（三）对居民消费进行科学引导，提升消费水平

对一个国家和其人民来说，在全社会当中形成一个良性的、理性科学的消费行为是非常重要的。在我国继续促进经济高速发展以及经济发展方式不断优化升级的过程的同时，也要努力在全民中促进节约、健康、理性的消费的社会氛围的形成。

参考文献：

[1]刘亚铮,张昭.城乡居民消费水平与收入水平比较研究——基于VAR模型和Granger因果检验[J].湖南财政经济学院学报,2014,30(04):111-117.

[2]夏甜.基于SPSS的湖北省城市居民消费水平差异分析[J].现代经济信息,2012(01):270.

[3]郭亚.城镇居民消费水平与结构变迁及其影响因素[D].南京大学,2016.

[4]孟静,曹荣林.基于SPSS的江苏省城市居民消费水平差异分析[J].河南科学,2009,27(05):617-621.

[5]刘亚男.基于SPSS的农村居民消费水平分析及预测[J].中国市场,2015(34):155-156.

[6]包美玲,尹红.基于SPSS研究分析我国居民人均消费结构[J].软件,2018,39(12):136-140.

[7]张晓丽,李政.内蒙古自治区各地区居民消费水平分析[J].赤峰学院学报(自然科学版),2016,32(19):101-104.

[8]李金莲.基于因子分析法构建我国消费升级指标综合评价体系[J].全国流通经济,2020(21):22-24.

[9]胡绍雨.影响消费需求的财政因素分析及政策建议[J].山东商业职业技术学院学报,2020,20(02):1-5+74.

[10]赵旭芳,卢伟.基于因子分析法的广东省常住居民消费结构分析[J].商场现代化,2019(17):10-12.

[11]高红丽,李丹丹.影响居民消费水平的因素分析[J].商讯,2020(05):148-149.

[12]侯淑静.基于因子分析的全国各省消费水平评价[J].中国商论,2019(06):67-68.

[13]许静,谭月嫄,杨超.中国国民消费的影响因子分析[J].中国集体经济,2015(12):19-20.

[14]李超.安徽省地级市信息消费水平分析——基于因子和聚类分析[J].科技广场,2014(11):216-221.

[15]刘昱清.我国城镇居民消费支出结构与水平的因子分析[J].济宁学院学报,2014,35(04):80-83.