1. 引言
1.1. 课题研究背景
以农村为重要组成部分的中国,农村经济的发展对于全国经济有着举足轻重的地位,农村的消费水平会直接影响着国家经济的整体发展情况,因为消费是经济增长的必备动力,也是经济持续良好发展的重要牵引力。目前农村的发展仍旧处于较为落后的地步,农村居民消费需求的主要制约因素依旧是“三农”的重要短板 [1]。虽然“强农惠农富农”政策的推广,已帮助较多农村居民的可支配收入和消费水平的大幅提升,但仍旧处于弱势,与城市的差距仍旧较大,且当前经济发展的主要矛盾已经从受资源约束的单重压力变成了资源和市场双重压力,市场约束主要是指农村市场的有效供给和需求的不足。其中有效供给的不足主要针对农村地区消费者提出,部分产品所含有的超前技术含量已经超过农村消费者的认知范围从而导致其购买欲望大大降低,且农村消费品的服务未能与发展相匹配,从而导致供给的严重不足,而有效需求的不足主要是指虽然有需求却无能力实现需求的状态 [2] [3]。
因此,要想加快中国现阶段及以后经济的发展、促进城乡的协调发展并改变城乡二元化的现状、推动全面小康社会的建成以及社会主义新农村的建设、发展适应现代发展的新农业,势必需要找到提升农村居民消费水平的办法,所以需要通过对农村居民消费水平、消费结构等进行深入的研究和分析,以找出农村居民的消费特征以及准确把握农村居民的实际消费需求、找准对于农村市场开发的位置和方式,并改善农村居民的消费水平、完善农村居民的消费政策,以提升农村居民生活的幸福感、改善农村居民的生活状况。
1.2. 研究现状
近年来,市场经济的发展已经带动我国农村经济发生重大变化,但是由于我国经济长期存在的不平衡发展状态,造成各地农村居民消费水平具有明显的地域分布特征。尤其是经济快速发展的近些年,农村居民收入在全国经济增长的情况下不断增加,农村居民的消费水平也在逐年提升,农村居民的消费结构也发生了巨大的改变,恩格尔系数(EC)大幅度降低,意味着我国农村居民的消费正在由“生存型”转化成“享受型”,居民的幸福指数也在逐渐提升。
为促进全面小康社会的建成,进一步提升居民的消费水平和生活质量,改变现有消费结构,根据中国农村经济现有发展状况提出科学且可运用于实际的评价方法,需要通过准确分析各地区农村居民实际消费水平。已有大量学者专家对这方面做出研究,如:唐玲在利用对比分析法对城乡居民进行分析研究中发现城乡的消费结构已经升级 [4];孙贺玲 [4] 利用定性和定量的双重分析方法对我国省际农村居民的消费进行研究,得出我国农村居民的消费水平受其工资性收入的影响较大,且新增加收入方面首要考虑的是居住,并对地区农村居民消费水平的差异性成因进行了分析。宋佳莹 [1] 结合典型相关分析、因子分析和聚类分析三种分析方法研究得出在推动农村经济发展的同时需要注意对于农村居民保障型消费的提升,并应在东部地区的带动下大力发展中国西北部农村居民的经济发展水平。
本文根据中国国家统计局官方数据,选取我国农村居民2005年~2019年的消费支出数据以及2019年我国31个省、直辖市、自治区的农村居民消费支出数据进行分析,借助SAS、SPSS等数据统计软件,运用多元统计分析中的典型相关分析、对应分析及因子分析三种重要方法,从农村居民消费的研究出发,以消费水平为主要研究对象,以期得出农村居民消费的发展、现有消费水平及农村居民消费过程中存在的主要问题,并分析产生这些现象的原因以针对性地给出对应的对比建议。
1.3. 数据来源
农村居民消费水平一般反映在居民的日常生活中,总体可以由8个指标来反应:食品消费支出(x1),衣着消费支出(x2),居住消费支出(x3),家庭设备消费支出(x4),医疗保健消费支出(x5),交通和通信消费支出(x6),娱乐服务消费支出(x7),其他消费支出(x8)。本文根据中国国家统计局官方数据,选取我国农村居民2005年~2019年的消费支出数据以及2019年我国31个省、直辖市、自治区的农村居民消费支出数据。
1.4. 研究方法
本文分析了2005年~2019年的消费支出数据以及2019年我国31个省、直辖市、自治区的农村居民消费支出数据。旨在通过分析各地区的消费结构水平的异同性,从而为地区提高消费水平提供理论指导,同时也能帮助人们建立合适的消费模式,改善现有消费方式中的不足。
本文首先使用了典型相关分析,将反应农村居民消费水平的八个指标划分为生活保障组和生活提高组两组变量,并研究这两组变量之间的相关关系,以期寻找出相关系数尽可能大的典型性相关变量。然后使用对应分析研究农村居民消费结构问题,将变量和样品转化为相同坐标轴二维平面的点,通过点间距离的远近反映其关系密切性,以对变量与样品之间的关系进行解释,从而得到不同省份与农村居民消费水平之间的关系。最后使用因子分析,采用主成分分析法对主成分进行提取,并采用凯撒正太化最大方差法的旋转方法对我国31个进行消费水平的排名,以期寻找出影响变量的公共及特殊的因子,从而判断哪些地区需要大力发展,哪些地区可以带动其余地区发展。
2. 典型相关分析
典型性相关分析由Hotelling于1937年首次提出,是指通过从两组多元变量中选取综合变量,并用综合变量的相关性来反映这两组变量间的相关性 [1] [5]。
在做典型相关分析时,我们将食品,衣着,居住和家庭设备的消费这四个生活基本消费作为第一组原始变量,称为生活保障组;将交通通信,娱乐服务,医疗保健,其他消费项目作为第二组原始变量,称为生活提高组。
2.1. 变量间的相关性
生活保障组间、生活提高组间、生活保障组和生活提高组间的相关性如表1、表2和表3所示。
![](Images/Table_Tmp.jpg)
Table 1. Correlation between life security groups
表1. 生活保障组间的相关性
![](Images/Table_Tmp.jpg)
Table 2. Correlation between life improvement groups
表2. 生活提高组间的相关性
![](Images/Table_Tmp.jpg)
Table 3. Correlation between life security group and life improvement group
表3. 生活保障组和生活提高组之间的相关性
可以看出,生活保障组和生活提高组的各变量间的相关性都很强,其相关性数值均超过了0.9。
2.2. 典型相关系数,特征根及多变量检验
根据SAS软件分析结果,显示四对典型相关对的相关系数如表4所示。可以看出第一典型相关变量对(in1,out1)之间的相关系数是0.999159,说明由in组原始变量线性表出的典型变量与out组线性表示的典型变量之间有很强的相关性,可判断出第一组典型相关变量能很好地解释原始变量之间的相关程度。而且从典型方程的显著性检验的P值看,在0.001甚至更小的显著性水平上,第一组典型方程显著。因而选择第一典型相关变量对比较合理。
2.3. 典型相关变量对
把食品、衣着、居住、家庭设备的消费组成的典型相关变量记作in1、in2、in3、in4,把医疗保健、交通和通信、娱乐服务、其他消费项目组成的典型相关变量记作out1、out2、out3、out4。利用SAS软件运用典型相关分析结果所得的特征向量如表5、表6所示。
![](Images/Table_Tmp.jpg)
Table 4. Canonical correlation analysis
表4. 典型相关分析
注:Roy最大根的F统计量是上限。
![](Images/Table_Tmp.jpg)
Table 5. The original typical coefficients of the life security group
表5. 生活保障组的原始典型系数
![](Images/Table_Tmp.jpg)
Table 6. Original typical coefficients of life improvement group
表6. 生活提高组的原始典型系数
通过表5和表6中典型变量的系数,可知,第一个典型相关对为:
2.4. 典型相关结构
典型相关结构研究的是原始变量和典型变量之间的相关系数矩阵 [1]。从表7中的相关系数数据可以看出,食品消费,衣着消费,居住消费,家庭设备消费与第一组典型相关变量in1的相关系数均比较大,且相关系数分别是0.9926、0.9981、0.9781、0.9901,说明我国农村居民的食品消费,衣着消费,居住消费,家庭设备消费四个方面的消费在基本必须消费中占据着主要地位,属于基本必须消费的范畴。同时医疗保健消费,交通和通信消费,娱乐服务消费,其他消费与本组变量的相关系数也相对比较大,其相关系数分别是0.9705、0.9580、0.9737、0.9936,说明这些消费项目在out1中有着重要的作用,可以反映出我们只要第一个典型相关变量对就可以解释原始变量的相关性,这个结论再一次说明了我们在提取第一对典型相关变量的合理性。
原始变量与非同组的其他典型相关变量之间的相关系数如表8和表9所示。可以看出,原始变量与非同组的第一对典型相关变量之间的相关系数,即表中的第一列数据都比较大,这些相关系数均在0.9以上。结合表5、表6的数据,仍可证明原始变量与第一典型相关变量对具有强相关性,因而只需使用第一典型相关变量即可解释原始变量的相关性,从而达到降维目的。
![](Images/Table_Tmp.jpg)
Table 7. Correlation between life security group and its typical variables
表7. 生活保障组及其典型变量之间的相关性
![](Images/Table_Tmp.jpg)
Table 8. Correlation between typical variables in the life security group and life improvement group
表8. 生活保障组和生活提高组的典型变量之间的相关性
![](Images/Table_Tmp.jpg)
Table 9. Correlation between typical variables of life improvement group and life security group
表9. 生活提高组和生活保障组的典型变量之间的相关性
根据典型相关分析的结果,得出生活保障组与生活提高组之间呈现正相关关系,即对农村居民而言,在满足了最基本的生活保障消费的基础上,相关部门要提前做好准备,积极提供满足农村居民享受型消费的需求,做到未雨绸缪,不断提升农村居民的生活质量。
3. 对应分析
对应分析又称相应分析或R-Q型因子分析,这是一种在R型和Q型因子分析基础上发展起来的多元统计方法。对应分析能够把变量和样品一起放在具有相同坐标轴的二维平面上,它们分别作为平面上的一个点,点的距离反映其关系是否密切:若点的距离近则说明它们的关系密切;反之。据此就能很好的对变量与样品之间的关系进行解释。因此我们可以使用对应分析来研究我国31个地区与农村居民消费支出之间的关系。
农村居民消费水平的对应分析
从表10可以看出,第一维和第二维的惯量比例占总惯量的59.2%,说明前两个维度解释原始变量的信息虽然不是那么好,但我们仍可选取两维来对数据进行分析。
a. 210自由度。
表11表示各省市转化成行点的总览,表12表示消费结构转化成的列点总览,由以上两种坐标可以得出如图1所示的叠加散点图。可以看出,北京,浙江,江苏等较发达省份的居住消费支出的比重是比较高的;内蒙古,黑龙江,吉林,辽宁等北部省份的教育文化娱乐服务支出的比重是比较高的;上海,海南,重庆,四川等南部省份的食品消费支出是比较高的。
a. 对称正态化。
a. 对称正态化。
从我国目前的经济发展状况来看,该结果是较为合理的。在一线城市里,由于过高的房价,农村居民往往会支出大量的费用在购房与租房需求上。而在经济偏不发达的城市里,农村居民大都希望子女可以获得更好的教育资源,可以去大城市发展,所以在教育文化娱乐服务的支出往往比较多。在重庆,四川等南方城市,这里的农村居民追求的更多是一种物质上的享受,加之旅游业的高速发展,餐饮行业随之飞速发展,物价相对其他不发达城市也偏高,所以在饮食消费上支出的更多。
4. 因子分析
因子分析通过潜在的、不可观测到的随机变量来描述原始变量之间存在的协方差关系 [1]。本章旨在用因子分析的方法来对我国农村居民的消费水平进行分析,以了解农村居民消费水平的现状,为提出合理性建议提供数据支撑和理论依据。
4.1. 因子分析的检验
本研究用巴特利特球形来对检验数据是否适合做因子分析,SPSS软件计算出的巴特利特球形检验的统计量的值为206.536,其相关数据如表13所示。
表13给出的是KMO统计量和巴特利特球形检验结果,从表13得知巴特利特球形检验所对应的p值小于0.05的显著性水平,也就是说相关系数矩阵不是单位矩阵,两者之间存在着显著性差异,因此认为该组数据能够进行因子分析,且KMO统计量给出的结果为0.742,比较接近1,再次说明我们选取的数据比较适合进行因子分析。
提取方法:主成分分析法。
表14给出的是各因素间的共同度结果,可以看出表中大多数的共同度均处于0.7以上,说明该组数据能够提取的公因子对每个原始变量的解释能力较高,其提取的主因子也比较可信。
4.2. 主因子的选取
运用SPSS对数据进行处理及分析,采用主成分分析法来提取主因子,表15给出的是特征根与贡献率结果,从表中可以看出本研究中前2个主因子的特征根大于1,因此提取的主因子数为2,而且提取的这两个主因子的累计方差贡献率达到78.14%,因此认为提取这2个主因子较为合理,并且这两个因子反映出了原始变量所具有的较大部分的信息,说明这两个主要因子可以用于反映我国农村居民的消费水平。
提取方法:主成分分析法。
因子的载荷矩阵反映着各因子在相应变量上的影响程度,在本次因子分析中使用的因子旋转方法是最大方差旋转法,表给出的是旋转后的因子载荷表。从表16中我们能够得知,第一个主因子与食品消费支出,衣着消费支出,居住消费支出,家庭设备消费支出,医疗保健消费支出,娱乐服务消费支出,其他消费支出的相关程度高,因此可以将该主因子称为必需型消费;第二个主因子与交通通信消费支出和娱乐服务的相关程度高,因此该因子可以称为附加型消费。
提取方法:主成分分析法。旋转方法:凯撒正态化最大方差法。a. 旋转在 3 次迭代后已收敛。
4.3. 因子得分计算
以下是对因子的得分进行的估计,将主因子表示成指标变量的线性组合,以求得各个主因子的得分,再通过各个主因子的分值与其相应的方差贡献率来对各因子的得分进行加权求和,从而得到综合因子的最后得分。
![](Images/Table_Tmp.jpg)
Table 17. Component score coefficient matrix
表17. 成分得分系数矩阵
提取方法:主成分分析法。旋转方法:凯撒正态化最大方差法。组件得分。
表17给出的是因子系数矩阵,通过该表我们能得到两个公因子的具体数值。结合前两个公因子的贡献率,我们能够得出因子得分的表达式如下:
根据上述综合因子得分的计算公式,分别计算出各省市的因子得分以及其综合因子的得分,并对其进行排序。
4.4. 排名及结果分析
![](Images/Table_Tmp.jpg)
Table 18. Consumption ranking of rural residents by provinces and cities
表18. 各省市农村居民消费排名
从表18中的排名情况来看,上海、北京、浙江、天津、江苏等省市的农村居民生活消费水平相对我国其他省市自治区要高,这几个省市农村居民的发展状况较其他地区相对较好,经济水平处于我国较高地位,因其便利的交通及发达的通讯等;东北三省的消费水平比新疆和西藏等西北地区高,因东北部作为传统的老工业基地,还是有一定的经济发展基础,但与各直辖市及东部地区相比,还存在较大差距;贵州、云南等消费水平较低则主要是因为其地理位置及发展程度的影响。
从排名表中,可以明显看出整个西部地区的经济发展水平均处于落后水平,要想提升全国农村居民的消费水平,首要的是提升西部地区的消费水平,积极参照东部地区的发展经验,响应“要致富先修路”,让先进技术进得去,农产品出得来,积极推进东部对西部地区的帮扶,以实现全面建成小康社会,提升全国农村居民的消费水平。
5. 结论
本文主要立足于对我国农村居民消费现状的分析和讨论。随着经济市场的大力发展,我国农村经济已然发生翻天覆地的变化,但由于各种历史遗留原因及发展不平衡状态,各地区农村居民的消费水平也是千差万别。因此,想要改变这个现状就必须要认清现状,并找出原因以改善现状。
本文将反映农村居民消费水平的食品、衣着、居住、家庭设备、医疗保健、交通通信、娱乐服务、其他项目八个指标分成两组,前四个指标划为生活保障组,后四个指标划为生活提高组。利用典型相关分析组间相关关系,结论说明我国农村居民的食品、衣着、居住、家庭设备四个方面的消费在基本必须消费中占据着主要地位;医疗保健、交通通信、娱乐服务、其他项目也在生活中有着重要的作用。因此,对农村居民而言,在满足了最基本的生活保障消费的基础上,相关部门要提前做好准备,积极提供满足农村居民享受型消费的需求,做到未雨绸缪,不断提升农村居民的生活质量。
其次,通过对应分析来研究我国31个地区与农村居民消费支出之间的关系。结论说明北京、浙江、江苏等较发达省份的居住消费支出的比重是比较高的;内蒙古、黑龙江、吉林、辽宁等北部省份的教育文化娱乐服务支出的比重是比较高的;上海、海南、重庆、四川等南部省份的食品消费支出是比较高的。
最后,通过因子分析我国31个地区农村居民消费水平的排名。结论说明西北部地区农村居民的消费水平远远不及东部地区,处于全国较低水平,要想提升全国农村居民的消费水平,首要的是提升西部地区的消费水平,积极参照东部地区的发展经验,响应“要致富先修路”,让先进技术进得去,农产品出得来,积极推进东部对西部地区的帮扶,以实现全面建成小康社会,提升全国农村居民的消费水平。
因此,对于农村消费水平的提升绝不是一件轻易的事,但东部地区的发展又告诉我们这又是一件可以完成的事,只要采取积极措施,借鉴东部的发展经验,发扬引进来和走出去,改善农村发育不完善的市场机制、尽量畅通流通渠道等,农村居民经济发展水平的提高指日可待。