近年居民消費(fèi)結(jié)構(gòu)統(tǒng)計(jì)分析的研究綜述_關(guān)于因子分析和聚類分析的應(yīng)用

1、收稿日期 :2006年 03月 24日 文章編號(hào) :1002-1566(2007 05-0776-06近年居民消費(fèi)結(jié)構(gòu)統(tǒng)計(jì)分析的研究綜述 關(guān)于因子分析和聚類分析的應(yīng)用吳 棟 李樂夫 李陽(yáng)子(清華大學(xué)經(jīng)濟(jì)與管理學(xué)院 , 北京 , 100084摘要 :本文對(duì)近年有關(guān)居民消費(fèi)結(jié)構(gòu)的實(shí)證分析進(jìn)行研究 , 、 進(jìn) ; 回顧了模型分析的過程與結(jié)論 ; , 段的應(yīng)用及后續(xù)研究提供相應(yīng)參考 。關(guān)鍵詞 :消費(fèi)結(jié)構(gòu) ; ; . 文獻(xiàn)標(biāo)識(shí)碼 :ARev i ew of Em p i r i ca l Stud i es on Con sum pti on StructureWU Dong, L ILe 2fu, L

2、 I Yang 2zi(School of Econom ics &Manage ment, Tsinghua University, Beijing, 100084Abstract:This article exa m ines the e mp irical studies on consu mp ti on structure published in recent years, revie ws the methods used in data collecti on, the transiti on of e mp irical methods, and the p r oc

3、esses and conclusi ons of the model analysis . The author als o p r ovides s ome comments and suggesti ons which can be taken as references f or the future study on app lying e mp irical methods .Key words:Consu mp ti on Structure; Fact or Analysis; Cluster Analysis近年來隨著我國(guó)經(jīng)濟(jì)的快速平穩(wěn)發(fā)展 , 消費(fèi)需求不足日益突出 , 對(duì)于

4、消費(fèi)問題的關(guān)注成為 轉(zhuǎn)型期經(jīng)濟(jì)研究的重點(diǎn)之一 。 消費(fèi)總量和消費(fèi)結(jié)構(gòu)是研究消費(fèi)問題的兩個(gè)基礎(chǔ) , 而對(duì)于消費(fèi) 結(jié)構(gòu)的研究難度更大 , 因?yàn)槠渥兞枯^多 、 機(jī)理復(fù)雜 、 數(shù)據(jù)量很大 , 所以各種較新的數(shù)理實(shí)證方法 在此領(lǐng)域中應(yīng)用逐漸受到廣大學(xué)者的重視 。 近年來運(yùn)用因子分析 、 聚類分析等實(shí)證手段研究 消費(fèi)結(jié)構(gòu)的方法在學(xué)術(shù)界日漸得到廣泛應(yīng)用 , 有必要梳理分析的過程 、 回顧其分析結(jié)果 , 以期 為今后統(tǒng)計(jì)實(shí)證手段的應(yīng)用提出一定的建議 。1 數(shù)據(jù)選取和實(shí)證方法綜述在近年來對(duì)于農(nóng)村居民消費(fèi)結(jié)構(gòu)的研究中 , 實(shí)證分析手段日趨多樣化 。傳統(tǒng)的實(shí)證分析 一般停留在簡(jiǎn)單地對(duì)各類指標(biāo)進(jìn)行年均增減等比對(duì)分析

5、, 從而發(fā)現(xiàn)問題或佐證觀點(diǎn) 。但是隨 著統(tǒng)計(jì)方法日趨完善 , 各類年鑒中統(tǒng)計(jì)指標(biāo)逐漸細(xì)化 , 且有充足統(tǒng)計(jì)數(shù)據(jù)的時(shí)間段逐漸延長(zhǎng) , 對(duì)于同一指標(biāo)的描述也從原來的單變量變?yōu)榱硕嗑S變量 , 數(shù)據(jù)量大大增加 , 而刻畫描述的細(xì)化 程度也越來越有利于我們對(duì)實(shí)際情況進(jìn)行分析 。 可以說 , 單從各類數(shù)據(jù)角度出發(fā) , 對(duì)類似于農(nóng) 民消費(fèi)結(jié)構(gòu)這樣的重大經(jīng)濟(jì)問題 , 我們已經(jīng)有了擺脫簡(jiǎn)單實(shí)證分析的數(shù)據(jù)基礎(chǔ) 。從數(shù)據(jù)選取來看 , 針對(duì)農(nóng)村居民的消費(fèi)結(jié)構(gòu)問題在 中國(guó)統(tǒng)計(jì)年鑒 中 , 其指標(biāo)體系共有 2007年 9月 第 26卷 第 5期 數(shù)理統(tǒng)計(jì)與管理 App licati on of Statistics an

6、d Manage ment Sep 1, 2007Vol 126 No 1 5九項(xiàng) , 在 “ 各地區(qū)農(nóng)村居民家庭平均每人生活消費(fèi)現(xiàn)金支出 ” (或者 “ 消費(fèi)總支出 ” 表中 將消費(fèi) 細(xì)分為 “ 總量 ” 與 “ 食品 ” 、 “ 衣著 ” 、 “ 家庭設(shè)備及服務(wù) ” 、 “ 醫(yī)療保健 ” 、 “ 交通和通訊 ” 、 “ 文教娛 樂用品及服務(wù) ” 、 “ 其他商品及服務(wù) ” 等八項(xiàng)指標(biāo) 。而消費(fèi)結(jié)構(gòu)的實(shí)證分析主要以這些數(shù)據(jù)為 準(zhǔn) , 多數(shù)研究者都是采取了某一年份 31個(gè)省 、 市 、 自治區(qū) (以下簡(jiǎn)稱省份 的截面數(shù)據(jù) , 也有個(gè) 別學(xué)者以 9年時(shí)間序列為準(zhǔn) , 不用分區(qū)數(shù)據(jù) , 僅用全國(guó)的

7、總合分析八項(xiàng)指標(biāo)的在 9年間的變動(dòng) 情況 。從方法上看 , 針對(duì) 31個(gè)省份 , 八項(xiàng)指標(biāo)在 9年來所形成的大量數(shù)據(jù) , 無論是僅做消費(fèi)的單 獨(dú)實(shí)證分析 , 還是要進(jìn)一步回歸分析 , 討論消費(fèi)與收入 、 G DP 等指標(biāo)的關(guān)系 , 都離不開因子分 析和聚類分析的方法 。 這兩種分析方法都可以把多維變量根據(jù)數(shù)據(jù)自身的變動(dòng)規(guī)律 , 通過矩 陣運(yùn)算等方式有效地降維和歸類 。, , 也常常配合別的統(tǒng)計(jì)方法 ,。因 , 針對(duì)此點(diǎn)一般軟件中都會(huì)有專門的統(tǒng)計(jì)量 加以刻畫 , “ 取樣適當(dāng)性數(shù) ” 即 “ K MO ” (Kaiser -Meyer -O lkin 檢驗(yàn) , 而現(xiàn) 有文獻(xiàn)中更為普遍的方法直接列

8、出相關(guān)系數(shù)陣或協(xié)方差陣 , 通過粗略觀測(cè)其數(shù)值大小來分析 該數(shù)據(jù)是否適合進(jìn)行因子分析 。 第二 , 從相關(guān)系數(shù)矩陣中捉取特征向量 , 通過轉(zhuǎn)軸方式確定各 個(gè)變量在各個(gè)因子中的方差貢獻(xiàn)率 , 以確定因子數(shù)目和歸為同一因子的變量 。一般學(xué)者均采 取 “ 最大變異數(shù)法 ” (VER I M AX, 或稱為“ 方差最大旋轉(zhuǎn)方法 ” 進(jìn)行轉(zhuǎn)軸 。多數(shù)學(xué)者在此步驟 會(huì)比較詳細(xì) , 表述清晰向量模型 , 以及各個(gè)因子提取后的方差累計(jì)貢獻(xiàn)率 , 同時(shí)對(duì)于各個(gè)因子 含義進(jìn)行簡(jiǎn)要分析 。 第三 , 給各個(gè)地區(qū)在不同因子上打分 , 然后進(jìn)行排序以及相關(guān)解釋或者后 續(xù)分析 。 多數(shù)學(xué)者不會(huì)列出因子與原始數(shù)據(jù)關(guān)系的模型

9、 , 而孫艷玲 此步驟前以綜合模型的 方式列出各因子前的系數(shù) , 直觀反映了其貢獻(xiàn)率的權(quán)重 。 在后續(xù)分析中 , 可以是單獨(dú)因子的排 名討論 , 也可以利用因子得分再進(jìn)行聚類或者畫圖分析 。 具體見后文 。聚類分析在消費(fèi)結(jié)構(gòu)研究中很少單獨(dú)出現(xiàn) , 一般都是配合因子分析出現(xiàn)的 , 在聚類方法上 的說明均比較簡(jiǎn)略 , 所采用的具體方法也較為統(tǒng)一 , 一般都采用歐氏距離平方的距離測(cè)試 , 選 擇最小方差聚類方法進(jìn)行分析 , 聚類的對(duì)象可以為八項(xiàng)消費(fèi) , 也可以為 31個(gè)省份 , 具體將在下 文分章列出 。 一般 31個(gè)省份的聚類結(jié)果由于比較復(fù)雜 , 在文章中經(jīng)常省略 , 僅保留聚類過程 說明結(jié)果 。

10、在軟件方面 , 研究者使用 SPSS 軟件的居多 , 尤其對(duì)于需要輸出聚類圖譜的文章基本上都 是應(yīng)用 SPSS, 其在作圖和輸出方面比較易于操作 。也有部分學(xué)者使用 S AS 數(shù)據(jù)分析系統(tǒng) , 二 者在普通分析上差別不大 。2 模型結(jié)論綜述綜合近年來的論文 , 可以發(fā)現(xiàn)因子分析和聚類分析的同時(shí)使用是近年來對(duì)于消費(fèi)結(jié)構(gòu)分 析的發(fā)展趨勢(shì) , 本文選取的幾篇論文基本上都采用了兩種實(shí)證方法 , 或者在這兩種方法的數(shù)據(jù) 基礎(chǔ)上再進(jìn)行回歸分析 , 具有一定的代表性 。具體而言 , 可以先聚類 , 利用聚類的結(jié)果來分區(qū) 域進(jìn)行因子分析 , 最后對(duì)比不同地區(qū)在八項(xiàng)消費(fèi)上所體現(xiàn)的特點(diǎn) , 進(jìn)而分析得出結(jié)論 。

11、柯健 2利用 2002年的城鎮(zhèn)居民消費(fèi)數(shù)據(jù) , 對(duì)于消費(fèi)和地區(qū)互相做了聚類 。其先用 31個(gè) 省份作為八項(xiàng)消費(fèi)的屬性 , 對(duì)于消費(fèi)結(jié)構(gòu)進(jìn)行聚類 , 又將圖標(biāo)進(jìn)行轉(zhuǎn)置 , 即把八項(xiàng)消費(fèi)作為 31個(gè)省份的屬性 , 對(duì) 31個(gè)省份再進(jìn)行聚類 , 將其分為四個(gè)層次 。 具體結(jié)果見后表 。應(yīng)該說 , 我國(guó)幅員遼闊 , 地區(qū)間的自然稟賦 、 文化基礎(chǔ)迥異 , 這樣的分析思路雖然在理論上 符合實(shí)事求是 、 具體問題具體分析的要求 , 但在研究農(nóng)村消費(fèi)結(jié)構(gòu)上的應(yīng)用較少 。 極少有學(xué)者 把農(nóng)村分消費(fèi)進(jìn)行分區(qū)域比對(duì) , 而在研究城市消費(fèi)結(jié)構(gòu)時(shí)則較多使用 , 具體原因是農(nóng)村地區(qū)的 消費(fèi)結(jié)構(gòu)差異沒有在城市間體現(xiàn)得顯著

12、 。殷玲 3分別就發(fā)達(dá)地區(qū)城市和農(nóng)村的消費(fèi)結(jié)構(gòu)和 不發(fā)達(dá)地區(qū)城市和農(nóng)村的消費(fèi)結(jié)構(gòu)分別做了因子分析 , 并且進(jìn)行了對(duì)比 , 應(yīng)該指出其劃分發(fā)達(dá) 與不發(fā)達(dá)的標(biāo)準(zhǔn)并非是先聚類的結(jié)果 , 而是根據(jù) G DP 進(jìn)行排名 。 因子結(jié)果是城市的發(fā)達(dá)與不 發(fā)達(dá)在消費(fèi)結(jié)構(gòu)上體現(xiàn)明顯 , 發(fā)達(dá)城市的醫(yī)療與教育在因子一中 , 而不發(fā)達(dá)地區(qū)的食品 、 交通 和其他商品消費(fèi)在第一因子中 , 兩地區(qū)毫不重合 , , 而發(fā)達(dá)地 區(qū)的農(nóng)村和不發(fā)達(dá)農(nóng)村在消費(fèi)結(jié)構(gòu)上的差異很小 , , 而在 不發(fā)達(dá)地區(qū)進(jìn)入了因子二 2002年城鎮(zhèn) , , 分別進(jìn)行因子分 析 , , 得到另一個(gè)結(jié)果 。對(duì)比三個(gè)因子分 析結(jié)果 , 。孫艷玲 5的方法

13、則真正綜合了因子分析與聚類分析 , 不同的是其先進(jìn)行了因子分析 , 再 用因子分析的結(jié)果進(jìn)行了聚類分析 。 孫艷玲較多運(yùn)用了 31個(gè)省份的因子得分 , 在 2002年農(nóng) 村居民消費(fèi)結(jié)構(gòu)的數(shù)據(jù)基礎(chǔ)上 , 她不但計(jì)算出單因子情況下 31個(gè)省份的得分 , 而且計(jì)算出了 31個(gè)省份在八項(xiàng)消費(fèi)產(chǎn)生的 3個(gè)因子上的得分 , 再把該得分作為 31個(gè)省份的屬性 , 采用離差 平方和 (ward 方法進(jìn)行聚類 , 最后將城市分為四層 。其次該文利用了單因子得分的地區(qū)排名 和聚類后的四類地區(qū)的排名進(jìn)行對(duì)比 , 發(fā)現(xiàn)北京等發(fā)達(dá)城市不單單在單因子排名中名列前茅 , 而且在占總信息 88%的第一因子中仍然位居前列 ,

14、很有充分地說明了排名前列的城市代表了 數(shù)據(jù)結(jié)果的總趨勢(shì) 。 相對(duì)而言王芳 、 王景東 6單純利用因子分析 2001年對(duì)我國(guó)城鎮(zhèn)居民消 費(fèi)進(jìn)行因子分析就略顯簡(jiǎn)單 , 文章也提取了 3個(gè)因子 , 并且利用了 3個(gè)因子得分對(duì)于 31個(gè)省 份進(jìn)行了 3次排名 。從經(jīng)濟(jì)學(xué)原理出發(fā)消費(fèi)是社會(huì)經(jīng)濟(jì)活動(dòng)中的關(guān)鍵環(huán)節(jié) , 所以和消費(fèi)相關(guān)的經(jīng)濟(jì)活動(dòng)與消 費(fèi)結(jié)構(gòu)本身聯(lián)系變化的內(nèi)在機(jī)理是非常值得探索的 。莊燕君 7就利用聚類分析以及線性回 歸研究了農(nóng)村地區(qū)消費(fèi)結(jié)構(gòu)變動(dòng)與區(qū)域產(chǎn)業(yè)結(jié)構(gòu)的關(guān)系 。文中首先進(jìn)行了聚類分析 , 將全國(guó) 城市分成四個(gè)層次 , 再對(duì)比四個(gè)層次城市的農(nóng)村居民消費(fèi)結(jié)構(gòu) (即八項(xiàng)消費(fèi)的比例 和三次產(chǎn) 業(yè)

15、比例 , 最后用線性回歸實(shí)證出各個(gè)產(chǎn)業(yè)與各項(xiàng)消費(fèi)的相關(guān)性 。孫冰 、 王其元 8利用 1997年和 1999年的城鎮(zhèn)居民消費(fèi)結(jié)構(gòu)數(shù)據(jù)分別進(jìn)行了因子分析 , 對(duì) 兩年都提取了三個(gè)因子 , 雖然三個(gè)因子對(duì)于八項(xiàng)消費(fèi)的具體歸類文中沒有詳細(xì)歸納 , 但是對(duì)比 了三因子中各項(xiàng)消費(fèi)的變動(dòng)情況 , 得出了我國(guó)居民生活水平已有很大提高 , 生活質(zhì)量有了明顯 改善 , 消費(fèi)觀念正迅速轉(zhuǎn)變等結(jié)論 。以上列舉的文章都是采取截面數(shù)據(jù) , 很少有用序列數(shù)據(jù)作為八項(xiàng)指標(biāo)的屬性 , 寧自軍 9在分析浙江省城鎮(zhèn)居民人均生活消費(fèi)結(jié)構(gòu)時(shí)就采用了 1992年到 2000年的數(shù)據(jù)對(duì)八項(xiàng)消費(fèi)進(jìn) 行了因子分析 , 但是和一般分析全國(guó)的文

16、章不同 , 該文僅選取了兩個(gè)因子 , 并且以兩個(gè)因子分 為縱軸 , 以年份為橫軸 , 直觀地反映了浙江省消費(fèi)結(jié)構(gòu)的變動(dòng)情況 。蘇 芳 、 胡日東 10也采取 類似的方法步驟對(duì)福建地區(qū)的城鎮(zhèn)居民從 1992年到 2003年的八項(xiàng)消費(fèi)數(shù)據(jù)進(jìn)行分析 。同樣 作為分區(qū)域研究 , 田萍 、 廖靖宇 11對(duì)于河南省城鎮(zhèn)居民 2000年的消費(fèi)結(jié)構(gòu)進(jìn)行了研究 。該文 也是利用轉(zhuǎn)置 , 對(duì)于河南省 17個(gè)地區(qū)和八項(xiàng)消費(fèi)分別進(jìn)行了聚類分析和因子分析 。以上論文的具體輸出結(jié)果見下表 :因子數(shù)目 、 命名 。 聚類結(jié)果將單獨(dú)標(biāo)明 。 論文作者數(shù)據(jù)年份因子 1因子 2因子 3選取數(shù)據(jù) 孫艷玲2002食物 、 交通 、

17、其他 家電 、 教育 、 住宅 醫(yī)藥 、 衣著全國(guó)農(nóng)村 葛虹 逄守艷 2002(結(jié)果以 聚類為準(zhǔn) 分類 食物、 交通、 其他住宅。 命名 :主消費(fèi)因子 家電 、 教育 、 醫(yī)藥 命名 :次消費(fèi)因子 衣著命名 :弱消費(fèi)因子全國(guó)城鎮(zhèn) 食物 、 交通 、 其他 家電 、 教育 、 醫(yī)藥 食物 、 交通 、 教育 、 家電 全國(guó)城鎮(zhèn) 不發(fā)達(dá)地區(qū) 殷玲 2001(結(jié)果以 G DP 為 準(zhǔn)分類 教育 、 交通 、 住宅 、 其他衣著 全國(guó)城鎮(zhèn) 發(fā)達(dá)地區(qū) 食物 、 衣著 、 其他 教育 、 醫(yī)療 、 交通 家電 因子 4:住宅 全國(guó)城鎮(zhèn) 不發(fā)達(dá)地區(qū)食物 、 交通 、 家電 、教育 、 住宅 、 其他衣著 、

18、 醫(yī)療 全國(guó)農(nóng)村發(fā)達(dá)地區(qū) 食物 、家電 、 教育 、 住宅衣著 、 醫(yī)療 、 交通 、 其他 全國(guó)農(nóng)村 不發(fā)達(dá)地區(qū) 王芳 、 王景東 2001食物 、 交通 、 住宅其他命名 :生活必需因子家電 、 醫(yī)療 、 教育 命名 :享受因子 衣著 命名 :季節(jié)因子 全國(guó)城鎮(zhèn) 柯健 2002聚類一 :食物 、 交通 、 其他聚類二 :家電 、 教育 、 住宅 聚類三 :醫(yī)藥 聚類四 :衣著 全國(guó)城鎮(zhèn) 田萍 2002家電 、 教育 、 其他衣著 、 交通 醫(yī)藥 、 食物 、 住宅 河南城鎮(zhèn) 寧自軍 時(shí)間序列 食品 、 衣 著 、 醫(yī) 療 保健 、 文 化 娛 樂 、 交 通通訊和居住 家庭設(shè)備和雜項(xiàng) 浙江

19、城鎮(zhèn)3 簡(jiǎn)要評(píng)論3. 1 研究地區(qū)應(yīng)側(cè)重農(nóng)村 , 實(shí)證方法應(yīng)側(cè)重綜合 , 研究領(lǐng)域應(yīng)加強(qiáng)聯(lián)系拓展 ;從上表不難看出 , 對(duì)于城鎮(zhèn)消費(fèi)結(jié)構(gòu)研究要多于對(duì)于農(nóng)村消費(fèi)結(jié)構(gòu)研究 , 雖然這和本文選 取的論文樣本有一定關(guān)系 , 但如前文所述 , 城鎮(zhèn)消費(fèi)結(jié)構(gòu)差異體現(xiàn)更為明顯等特點(diǎn)使得對(duì)于城 977吳棟 , 李樂夫等 :近年居民消費(fèi)結(jié)構(gòu)統(tǒng)計(jì)分析的研究綜述鎮(zhèn)消費(fèi)結(jié)構(gòu)研究的論文在數(shù)量上確有一定優(yōu)勢(shì) 。隨著中央第八個(gè)一號(hào)文件提出“ 建設(shè)社會(huì)主 義 ” 的號(hào)召 , 對(duì)于 “ 三農(nóng)問題 ” 的分析研究應(yīng)該得到進(jìn)一步的加強(qiáng) , 尤其是以日趨完善的統(tǒng)計(jì)數(shù) 據(jù)為基礎(chǔ) , 運(yùn)用更加科學(xué)化的實(shí)證手段多層次 、 多角度地開展分析

20、更應(yīng)成為目前研究的方向 , 所以應(yīng)加強(qiáng)對(duì)于因子分析 、 聚類分析等數(shù)理方法在“ 三農(nóng) ” 研究中的應(yīng)用 。通過目前的文獻(xiàn)來 看 , 簡(jiǎn)單運(yùn)用以上分析方法的文章居多 , 尤其是僅用因子分析的論文占了很大部分 , 聚類分析 則一般不會(huì)單獨(dú)使用 。 應(yīng)該說 , 兩種方法的側(cè)重點(diǎn)不同 , 聚類更加注重分類的結(jié)果 , 而因子分 析則可更好地說明幾列變量在變化趨勢(shì)的相近程度 , 從而總結(jié)隱藏在多個(gè)變量后的較少的幾 個(gè)因子 。 所以對(duì)于兩種方法的綜合運(yùn)用可以幫助我們更加清晰地從不同層次 、 不同地區(qū)分辨 多變量的關(guān)系 , 已達(dá)到因地制宜的良好效果 。部討論問題 , 從更加廣闊的視角出發(fā) , 、系 ,結(jié)果 。

21、3. 2;, 在其看似簡(jiǎn)單的結(jié)果背后有著大量的運(yùn)算過程 。 從已有的眾多文獻(xiàn)來看 , 對(duì)于這些預(yù)算過程的處理方式大致有三種 , 一是完整列出 , 有的論文 甚至有三分之一以上的篇幅是羅列出因子分析的運(yùn)算機(jī)理 ; 第二是完全忽略 , 絲毫不提數(shù)理過 程 ; 第三是通過索引形式 , 為要參看數(shù)理過程的研究者指明可參考的書目 , 再簡(jiǎn)要概括自己的 運(yùn)算步驟 。 應(yīng)該說完全列出是可取的 , 一般研究者不會(huì)特別關(guān)注運(yùn)算過程 , 且該過程對(duì)于不同 文章并無太大差異 , 沒有必要每篇均列出 。 采取第三種方式即方便了多數(shù)讀者閱讀 , 也方便想 要詳細(xì)借鑒方法的學(xué)者查閱 , 應(yīng)當(dāng)提倡這種適當(dāng)?shù)氖÷?。對(duì)于運(yùn)算

22、過程中的各種檢驗(yàn)指數(shù)也 存在這樣的問題 , 有文章花費(fèi)大量篇幅列出矩陣的相關(guān)系數(shù)陣和協(xié)方差陣 , 用以說明各數(shù)列間 存在較強(qiáng)的相關(guān)性 , 可以進(jìn)行因子和聚類分析 。 但是這樣做稍顯繁瑣 。 在一般統(tǒng)計(jì)軟件內(nèi) , 除 了前文提到的 “ K MO ” 外 , 還有 “ Bartlett 球形檢驗(yàn) ” (Bartlett s test of s phericity 的卡方統(tǒng)計(jì)量也 可以更加簡(jiǎn)明的說明數(shù)據(jù)是否適合做因子分析 。如能在一般的統(tǒng)計(jì)分析中統(tǒng)一規(guī)范 , 列出幾 個(gè)重要檢驗(yàn)指標(biāo)則 , 則會(huì)大大精簡(jiǎn)篇幅 , 同時(shí)加大說服力 。3. 3 結(jié)果表述缺乏直觀圖示 , 大量列表不易說明觀點(diǎn) ;在現(xiàn)有軟件技術(shù)水平基礎(chǔ)上 , 因子分析和聚類分析的結(jié)果不單可以用表格和數(shù)列的形式 表明 , 也可以用較為直觀的圖示來輸出 , 但一般而言圖示比表格要更加清晰 。 尤其是對(duì)于因子 分析 , 其因子打分的作用不單單體現(xiàn)在單個(gè)因子的排名上 , 更可以將因子作為緯度 , 把變量的 因子得分作為在三個(gè)緯度上的取值 , 直接輸出平面圖形甚至三維圖形 , 這樣就可以直觀地表達(dá) 出各個(gè)點(diǎn)的位置 , 作為消費(fèi)結(jié)構(gòu)的研究 , 則可以把各個(gè)地區(qū)的位置在平面圖上標(biāo)明 , 更加清晰 直觀 。 而在以各個(gè)年份數(shù)據(jù)作為八項(xiàng)消費(fèi)的屬性做因子分析時(shí) , 以年份為橫軸 、 因子得分為縱 軸的畫圖方式值得提倡 。 對(duì)于特別復(fù)雜的輸出結(jié)