1、2022-3-71中國消費者信心指數影響因素分中國消費者信心指數影響因素分析析2022-3-72學習要點學習要點分析方法： -方差分析模型，多元方差分析模型，最優尺度回歸，多水平模型分析過程 統計圖：直方圖圖組、線圖、條圖、散點圖 一般線性模型：單變量、多變量 混合模型：線性 描述統計：序列圖 回歸：最佳尺度（CATREG）2022-3-73案例背景 消費者信心是指消費者根據國家或地區的經濟發展形勢，對就業、收入、物價、利率等問題綜合判斷后得出的一種看法和預期，消費者信心指數則是對消費者整體所表現出來的信心程度及其變動的一種測度。它是20世紀40年代后期提出，60余年的歷史證明了這一指標體系在

2、預測未來宏觀經濟走向方面具有不可替代的價值，目前已成為各市場經濟國家非常重要的經濟風向標之一。 2022-3-74項目問卷S0 受訪者所在城市：100.北京 200.上海 300.廣州S1 請問您貴姓是？_S2 記錄被訪者性別：1.男性 2.女性S3 請問您的實際年齡是？_S4 請問您的學歷是？1.初中/技校或以下 2.高中/中專 3.大專 4.本科 5.碩士或以上2022-3-75項目問卷S5 請問你的職業是？1、企事業管理人員 2、工人/體力工作者(藍領) 3、公司普通職業(白領) 4、國家公務員 5、個體經營者/私營業主 6、教師 7、學生 8、專業人士(醫生、律師等) 9、無/待/失業

3、、家庭主婦 10、退休 11、其他職業S7 請問你的婚姻狀況是？1.已婚 2.未婚 3.離異/分居/喪偶S9 請問您的家庭月收入（包括工資、獎金和各種外快收入）大約在什么范圍？元或以下 2.10001499元 3.15001999元 4.20002999元2022-3-76項目問卷5. 30003999元 6. 40004999元 7. 50005999元 8. 600079999、80009999元 10、100014999元 11、1500019999元 12、2000029999元 13、30000以上 98、無收入 99、拒答C0 請問您的家庭目前有下列還貸支出嗎？C0_1 房貸 1.

4、有 2.無 99.拒答C0_2 車貸 1.有 2.無 99.拒答C0_3 其他一般消費還貸 1.有 2.無 99.拒答O1 請問您有家用轎車嗎？1、有 2、沒有A3 請問與1年前相比，您的家庭現在的經濟狀況怎么樣？1、明顯好轉 2、略有好轉 3、基本不變 4、略有變差 5、明顯變差9、說不清/拒答2022-3-77項目問卷A3a 為什么您這樣說呢？(最多選兩項)0 中性原因 90 不知道/拒答 10 改善：收入相關 110、惡化：收入相關 20 改善：就業情況相關 120 惡化：就業情況相關 30、改善：投資相關 130、惡化：投資相關 40、改善：家庭開支相關 140、惡化：家庭開支相關 5

5、0、改善：政策/宏觀經濟 150、惡化：政策/宏觀經濟相關A4 與現在相比，您覺得1年以后您的家庭經濟狀況將會如何變化？1、明顯好轉 2、略有好轉 3、基本不變4、略有變差 5、明顯變差 9、說不清/拒答A8 與現在相比，您認為1年后本地區的經濟發展狀況將會2022-3-78項目問卷如何變化？1、非常好 2、比較好 3、保持現狀 4、比較差 5、非常差 9、說不清/拒答A9 您認為1年之后本地區的就業狀況將會如何變化？1、明顯改善 2、略有改善 3、保持現狀4、略有變差 5、明顯變差 9、說不清/拒答A10 與現在相比，您認為5年后，本地區的經濟將會出現怎樣的變化？1、明顯繁榮 2、略有改善

6、3、保持現狀4、略有衰退 5、明顯衰退 9、說不清/拒答2022-3-79項目問卷A16 對于大宗耐用消費品的購買，比如家用電器、電腦，以及高檔家具之類，您認為當前是購買的好時機嗎？1、很好的時機 2、較好時機 3、很難說，看具體情況而定4、較差時機 5、很差的時機 9、不知道/拒答2022-3-710信心指數的計算方法p問卷中的大多數主干題目均為五級得分，都需要轉換為相應的題目得分，以反映消費者的樂觀或悲觀態度，具體方式為針對每一道題目，計算每個選項被選中的百分比，隨后使用以下公式計算其相對得分： 題目得分*VU% 這一數值反映的是答案偏向樂觀的人群和偏向悲觀人群的比例之差，當人群中兩者比例

7、基本平衡時，得分接近于100；如果樂觀人群比例偏高，則得分大于100；反之則小于100.總消費者信心指數的計算是基于下面五道問題的回答進行的：A3、A4、A8、A10、A162022-3-711信心指數的計算方法p 首先計算出上述5道題的題目得分，將其直接相加，再除以“基線”調查時的這一數值，即為當期的信心指數值。因此，計算出來的指數代表當期數值相對于“基線”調查數值的變動比例。如果樂觀人群的比例高于基線，則指數大于100；反之則小于100.目前作為基線水平的是2007年4月的數值。2022-3-712研究目的p總目標： 不同人口特征及背景資料的受訪者(家庭)在消費者信心上具有怎樣的差異，或者

8、說不同人群之間是否存在信心指數的差異。p分目標： 1、上述指標對信心指數的作用是否存在地域差異 2、上述指標對信心指數的作用是否細分至5個分項指標，即進一步考察其內部的詳細作用方式p北京、上海、廣州在2007年4月、12月、2008年12月和2009年12月的樣本。2022-3-713分析思路p 首先擬合標準的方差分析模型，進行候選影響因素的篩選。p 利用最優尺度回歸方法，對影響因素的作用做進一步的確認，并考慮各因素的內在作用方式p 嘗試按照多水平模型框架，分析各影響因素是否存在深層次的變異構成p 擬合多因素變量的方差分析模型，進一步探索影響因素對各分項指標的作用方式。2022-3-714數據

9、理解p 考察時間、地域對信心指數的影響 首先看總信心指數分布狀況是否基本遵循正態分布，但是在多次使用了直方圖工具后，希望這次能夠走得更遠點：直接在直方圖中考察城市之間的信心指數水平是否存在差異，具體操作如下：p選擇“圖形”“圖表構建程序”菜單命令。p從圖庫中選擇直方圖組，將右側出現的簡單直方圖圖標拖入畫布p在變量列表中知道index1，將其拖入畫布的橫軸框中。1. 在元素屬性對話框中“顯示正態曲線”復選框，注意隨后一定要單擊下方的“應用”按鈕，否則相應的操作不會生效2022-3-715城市對信心指數的影響p切換至組/點ID選項卡：選中“行嵌板變量”復選框p將S0城市選入畫布上新增的嵌板框中。p

10、單擊“選項”按鈕，在選項對話框中確認未選中下方的“換行嵌板”復選框p確定2022-3-716時間對信心指數的影響p選擇“圖形”“圖表構建程序”菜單命令。p從圖庫中選擇線圖組，將右側出現的多重線圖圖標拖入畫布p將月份time拖入橫軸框中p將總指數index1拖入縱軸框中。p將城市S0拖入分組（設置顏色）框中，然后再雙擊該框，在彈出的“分組區域”子對話框中將分組依據由“顏色”改為“圖案”。p單擊“確定”按鈕繪制出圖形，然后雙擊圖形進入編輯狀態，將均值連續軸刻度范圍修改為85105，小數位數更改為0，拖放調整圖例位置和繪圖區大小至合適比例。2022-3-7172022-3-718考察性別、職業、婚姻

11、狀況等對信心指數的影響p選擇“圖形”“圖表構建程序”菜單命令。p從圖庫中選擇條圖組，將右側出現的簡單條圖圖標拖入畫布p將職業S5拖入橫軸框中p將index1拖入縱軸框中p確定p雙擊圖形進入編輯狀態，選中類別分類軸，在屬性對話框的“類別”選項卡中，“排序依據”改為“統計”，“方向”改為“降序”單擊“應用”按鈕。2022-3-719職業影響2022-3-720性別影響2022-3-721學歷影響2022-3-722婚姻狀況2022-3-723收入的影響2022-3-724年齡的影響p選擇“圖形”“圖表構建程序”菜單命令。p將簡單散點圖圖標拖入畫布p將年齡S3拖入橫軸框中p將index1拖入縱軸框中

12、p確定p雙擊進入圖形編輯狀態，依次單擊“元素”“總計擬合線”p在“擬合線”選項卡中，將擬合方法更改為loess，單擊“應用”按鈕p關閉圖形并退出。2022-3-7252022-3-726標準GLM框架下的建模分析p 建立總模型p依次單擊“分析”“一般線性模型”“單變量”p將總指數Index1選入“因變量”框p將月份time、城市S0、性別S2、學歷S4、職業S5、婚姻狀況S7及家庭收入S9選入“固定因子”列表框p將年齡S3選入“協變量”框p進入“模型”子對話框，將各因素的主效應選入“模型”框p進入“保存”子對話框，選擇保存“未標準化預測值”和“標準化殘差”。p進入“選項”子對話框，選擇“缺乏擬

13、合優度檢驗” 2022-3-727p確定p選擇“圖形”“圖表構建程序”菜單命令p將簡單散點圖圖標拖入畫布p將未標準化預測值拖入X軸框，標準化殘差拖入Y軸框p確定p雙擊進入圖形編輯狀態，在圖形中添加Y=0的橫線。2022-3-7282022-3-7292022-3-730兩兩比較p 下面進一步考慮同一因子各水平之間兩兩比較的問題，由于模型中引入了協變量年齡，因此不能直接用兩兩比較子對話框中的相應方法，需要采用選項中估計邊際均數的功能來完成，操作如下：p進入“選項”子對話框p將time、s0、S4等需要計算邊際均數的因子全部選入右側的“顯示均值”列表框中p選中下方的“比較主效應”復選框p置信區間調

14、節選擇“bonferroni”1. 繼續。2022-3-731多元方差分析模型的結果p 擬合多元方差分析模型p依次單擊“分析”“一般線性模型”“多變量”p將QA3、QA4、QA8、QA10和QA16選入“因變量”框p將月份time、城市S0、職業S5、婚姻狀況S7及家庭收入S9選入“固定因子”列表框p將年齡S3選入“協變量”框p進入“模型”子對話框，將各因素的主效應選入“模型”框p進入“選項”子對話框，選擇“缺乏擬合優度檢驗”p確定 2022-3-732最優尺度回歸p 問題p家庭收入等變量目前按照無序分類被引入模型，如果考慮有序的特征，又該如何對模型進行改善？p同樣是家庭收入這個變量，數據中約

15、有10%為缺失值，這些案例在方差分析模型中被直接刪除了，如果將其加入模型，會有怎樣的結果？1. 年齡S3目前是以協變量的方式納入模型，意味著它和因 變量之間的作用方式只能是線性的，雖然在散點圖中這一趨勢得到了確認，但又沒有更加靈活的方式，可以判斷是否無存在其他關聯趨勢的可能。2022-3-733最優尺度回歸的本質p 首先對原始變量進行變換，將各變量轉換為適當的量化評分，然后使用量化評分代替原變量進行回歸分析。2022-3-734利用最優尺度回歸進行分析p 依次單擊“回歸”“最佳尺度(CATREG)”p “因變量”框：選入index1,在“定義度量”框中將測量尺度修改為“數字”p 將月份time、城市S0、性別S2、年齡S3、學歷S4、職業S5、婚姻狀況S7以及家庭月收入S9選入“自變量”列表框，在“定義度量”框中將測量尺度全部修改為“名義”p “離散化”按鈕：選擇所有變量，將其離散化方法改為“秩”p “缺失”按鈕：選擇所有變量，將其缺失值方案改為“為缺失值規因（附加類別）”p “繪制”按鈕：選擇繪制所有變量的轉換圖。確定2022-3-7352022-3-7362022-3-737多水平模型框架下的建模分析p 多水平模型適用于將數據從集中趨勢（均數）拓展到離散趨勢（標準差）進行研究，針對資料的非獨立性問題的一種模型。202