长江三角洲地区以上海为龙头、苏浙为两翼，是中国经济、科技、文化最发达的地区之一，也是中国最具活力和竞争力的经济区域之一。近年来，长三角农业农村经济发展一直走在全国前列，农村居民人均纯收入和人均消费水平较高，大部地区已经或正在进入全面小康阶段。农村居民生活消费是反映农民享受改革开放物质成果的重要标志，已成为学界广为关注并积极探讨的重要领域。与收入相比，消费总量及其结构可以直接地表征农民的生活现状[1]。由于长三角地区各城市之间经济发展不平衡、自然条件以及消费观念等因素的影响，农村居民家庭消费支出及其结构存在较大差异，为客观、合理、准确地分析长三角地区农村居民人均纯收入、消费支出及其结构的差异性和相似性，笔者运用因子分析和K-Means 聚类分析等定量分析手段，系统研究长三角地区农民的收入与消费问题。
1 因子分析
因子分析的概念起源于20 世纪Karl Pearson 和Chales Spearman 等人关于智力测验的统计分析。因子分析的基本目的就是用少数几个因子去描述许多指标或因素之间的联系，以较少的几个因子反映原有变量的大部分信息。它是从研究变量内部相关的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。它的基本思想是将观测变量进行分类，将相关性较高，即联系比较紧密的分在同一类中，而不同类变量之间的相关性则较低，那么每一类变量实际上就代表了一个基本结构，即公共因子。对于所研究的问题就是试图用最少个数的不可测的所谓公共因子的线性函数与特殊因子之和来描述原来观测的每一分量。运用这种研究技术，我们可以方便地找出影响农村居民收入、消费及其结构的主要因素是哪些，以及它们的影响力（权重）。
1.1 选取适合因子分析的原有变量 再用这7 个原有变量进行Bartlett 球度检验，得出的观测值为111.408，相应的概率p 接近0，说明相关系数矩阵与单位阵有显著差异，同时KMO 值为0.686，根据Kaiser 给出的KMO 根据上述分析，采用主成分分析法提取因子并选取特征根值大于1 的特征根。分析结果如表3。表3 是因子分析的初始解，显示了7 个变量的共同度数据。第1 列是因子分析初始解下的变量共同度，原有变量的所有方差都可被解释，变量的共同度均为1；第2 列是按指定提取条件提取特征根时的共同度，可以看出，5 个变量的绝大部分信息（>83%）可被因子解释，信息丢失较少，2 个变量的信息丢失也小于30%，因此本次因子提取的总体效果较为理想。 总体上，原有变量的信息丢失较少，分析较果理想。同时可看到，第1 个因子的特征根值很高，对解释原有变量的贡献最大，第3 个以后的因子特征根值都较小，对解释原有变量的贡献很小，因此提取2 个因子是合适的。
表 5 显示了因子载荷矩阵，是因子分析的核心内容。根据表5 可以写出长三角地区农村居民收入与消费支出的因子分析模型。 采用方差最大法对因子载荷矩阵实施正交旋转以使因子具有命名解释性。结果如表6，交通通讯X
5、农村居民人均纯收入Y、农村居民人均生活消费支出X、衣着X
2、食品X1在第1 个因子上有较高载荷，第1 个因子主要解释了这5 个变量，可解释为基本生活消费因子；医疗保健X
4、居住X7 在第2 个因子上有较高的载荷，第2 个因子主要解释了这2 个变量，可解释为提高生活消费因子，与旋转前相比，因子含义较为清晰。再计算2 个因子的协方差矩阵，可以看出，2 个因子没有线性相关性，实现了因子分析的设计目标。
1.3 长三角地区农村居民收入与消费支出综合评价
采用回归法估计因子得分系数，结果如表7。根据表7 可以写出以下2 个因子得分函数： 这里需要指出的是，长三角地区农村居民消费结构中，家庭设备用品及服务、娱乐文教服务和杂项商品与服务三项反映提高生活消费水平的变量与其它变量（特别是与农村居民人均纯收入和农村居民生活消费支出）相关程度较差，未能列入因子分析的原有变量中，说明长三角地区农村消费水平还有待提高，在农民人均纯收入和消费支出水平总体上升的情况下，反映消费结构提升的家庭设备用品及服务和娱乐文教服务消费还未真正启动。
2 K-Means 聚类分析
2.1 K-Means 聚类分析的一般步骤
K-Means 聚类也称快速聚类，它是将数据看成K 维空间上的点，以距离作为测度个体“亲疏程度”的指标，并通过牺牲多个解为代价换得高的执行效率[3]。其一般步骤为：①指定聚类数目K。在K-Means 聚类中，首先要求用户自行给出需要聚成多少类，最终也只能输出关于它的唯一解。②确定K 个初始类中心，要SPSS 中初始类中心点的指定方式有两种：
一是用户指定方式；二是SPSS 系统根据样本数据的具体情况选择K 个有一定代表性的样本作为初始类中心点。③根据距离最近原则进行分类，依次计算每个样本数据点到K 个类中心点的欧氏距离，并按照距K 个类中心点距离最短的原则将所有样本分派，形成K 个分类。
④重新确定K 个类中心，中心点的确定原则是，依次计算各类中K 个变量的均值，并以均值点作为K 个类的中心点。⑤判断是否已满足终止聚类分析的条件。可见，K-Means 快速聚类是一个反复迭代的分类过程，在聚类过程中，样本所属的类会不断调整，直到最终达到稳定为止。
2.2 长三角地区农村居民收入与消费支出的K-Means 聚类分析 经过第 1 次迭代后3 个类的中心点分别偏移了969.057，431.418，570.522，第1 类中心点偏移最大。第2 次迭代后，3 个类的中心点分别偏移了135.893,0.000,308.284,第3 类中心点偏移最大。第3 次迭代后，3 个类的中心点偏移均为0.000,小于指定的判断标准（0.02），聚类分析结束。 长三角各地区农村居民收入与消费支出的K-Means 聚类分析结果见表9。表9 显示了3个类的类成员情况。第1 类（上游水平）有9 个城市：上海、苏州、无锡、常州、杭州、宁波、嘉兴、绍兴和舟山；第2 类（下游水平）有3 个城市：南通、扬州和泰州；第3 类（中游水平）有4 个城市：南京、镇江、湖州和台州。这个结果与上述因子分析中，各城市的2个因子得分排名基本吻合，特别是苏中的南通、扬州、泰州三市的F
1、F2 得分排名和K-Means聚类分析层次基本一致，均处于长三角落后的位置。
通过对各指数在不同类的均值进行显著性测定，结果见表13。家庭设备用品及服务X
3、医疗保健X
4、娱乐文教服务X6 和杂项商品与服务X8 等4 个指数的均值在3 类中的差异不显著。其余指数的均值在3 类中的差异达到显著水平。与前面因子分析结果类似，反映消费水平提高的一些消费类型如家庭设备用品消费、娱乐文教消费等与持续增长的收入和总体消费水平提高不相适应，消费结构不尽合理。
3 对策建议
3.1 千方百计增加农民收入，增强农民现实购买力。
一是继续加大农业投入，增强农业发展基础，保证农业生产不滑坡。开工建设一批高标准的农田水利基础工程，装备一批节水、节地的现代农业设施，推广一批新的高产品种。二是加大粮食收购价格提升幅度，增加农民种粮收入。三是继续大幅度提高农业生产补贴标准，增加农民转移性收入。四是在推进新农村建设中刺激本地农民工用工量，确保农民在本地务工的收入稳定增长。五是对农民从事家庭二三产业实行税收优惠或减免政策，确保农民家庭二三产业收入稳定增长。
3.2 开拓农村消费市场，把握好的消费趋势和热点
农村市场巨大，对企业来说具有相当的诱惑力。企业应准确把握农民消费支出变动的趋势和农村市场消费的热点，来开拓农村市场。对长三角农村居民收入与消费支出的差异性分析表明，长三角农村居民在交通和通讯、居住、医疗保健、文教用品及娱乐服务业等方面的支出增长是比较快的而且有较大的增长空间。企业应注重对以下消费热点和趋势的把握：一是农用机械、运输车等现代农机具、摩托车以及部分富裕农民的汽车消费；二是通信及电子产品的消费；三是新建房屋及其带动的住房装饰、装修、家具、家电等；四是医疗保健、保险、文体用品、娱乐、旅游等方面的消费。
3.3 完善健全农村社会保障制度，打消农民消费的后顾之忧
目前，长三角地区农村社会保障制度还不够健全，标准有待提高，农民在养老、医疗等方面具有较强的不确定心理。因此，政府应健全社会保障制度，包括农村养老保险制度、农村新型合作医疗制度、失地农民的社会保障制度以及政府对低收入农民的救济等，同时应扩大社会保障的覆盖面，惠及更多的农村居民，打消农民消费的后顾之忧。
3.4 大力发展农村教育事业，文体娱乐业，繁荣农村文化市场
从 2012 年长三角地区农村居民的消费支出构成看，娱乐文教服务消费有了大幅度增长，但与持续增长的农民人均纯收入和人均消费水平相比，这方面的消费需求还将在今后持续升温。因此，地方政府应大力发展农村教育事业，引导和支持企业投资农村文体娱乐业，满足农民的精神需求。
3.5 进一步完善“家电下乡”等政策
为进一步扩大“家电下乡”政策效果，一是要增加“家电下乡”的种类品种，增加种类和型号，扩大可供选择的余地。二是要简化家电补贴手续。建议家电补贴由定点销售网点直接为农民办理，不需到财政所申报备案，实行“一站式”服务。三是要将退税补贴范围扩大到城镇低保家庭。
3.6 鼓励和扶持农民改善住房条件，促进农村消费升级。
配合新农村建设和小城镇发展，应为有迁居小城镇新建和翻新住房意愿的农村居民提供必要的物质和资金支持，为农民提供低息或无息贷款，必要时可给困难农户按需建住房面积或需要翻新的住房面积给予直接补贴，积极抓住农村住房条件改善后派生的家电消费升级的机遇。积极研究鼓励和允许进城农民和一部分有条件的农民在城里长期置业的政策，通过农村转移劳动力的生活方式城市化带动相关消费的增长。
3.7 制定合理的农村居民消费教育政策
中国硕士论文网提供大量免费工商管理硕士论文,如有业务需求请咨询网站客服人员！
