中国消费者信心指数影响因素分析报告.docx

专业资料中国消费者信心指数影响因素分析项目背景消费者信心是指消费者根据国家或地区的经济发展形势， 对就业、收入、物价、利率等问题综合判断后得出的一种看法和预期， 消费者信心指数则是对消费者整体所表现出来的信心程度及其变动的一种测度。 消费者信心指数的概念和方法最早由美国密西根大学调查研究中心的乔治 . 卡通纳在 20 世纪 40 年代后期提出，随后在美联储的委托之下开展了相应调研至今日。 60 余年的历史证明了这一指标体系在预测未来宏观经济走向方面具有不可替代的价值， 目前已成为各市场经济国家非常重要的经济风向标之一。联恒市场研究看到了这一指标体系潜在的市场价值， 2007 年启动了中国消费者信心调研 （CCSS）项目，这一项目由联恒的张文彤博士与美国密歇根大学社会研究所消费者信心调查课题组负责人 Richard Curtin 博士共同设计开发完成，整个方法体系和密歇根大学的消费者信心调查基本相同， 同时根据中国的具体国庆进行了补充和完善，使之更贴近中国的实际情况。1. 项目问卷S0受访者所在城市：100 北京200上海300广州S1请问您贵姓是？_S2记录被访者性别：1男性2女性S3请问您的年龄是？_S4请问您的学历是？1 初中 /技校或以下2高中/ 中专3大专4本科5硕士或以上S5 请问您的职业是？1.企事业管理人员2.工人 / 体力劳动者（蓝领）3.公司普通职员（白领）4.国家公务员5.个体经营者 / 私营业主6.教师7.学生8.专业人士（医生、律师等）9.无 / 待/ 失业、家庭主妇10.退休11.其他职业word 完美格式专业资料S7 请问您的婚姻状况是？1.已婚2.未婚3.离异/分居 /丧偶S9请问您的家庭月收入（包括工资、奖金和各种外块收入）大约在什么范围？1.999元或以下2.10001499元3.1500 1999 元4.2000 2999元5.30003999元6.4000 4999 元7.5000 5999元8.60007999元9.8000 9999 元10.10000 14999 元 11.15000 19999 元 12.2000029999 元13.30000以上98.无收入99.拒答C0请问您的家庭目前有下列还贷支出吗？C0_1房贷 1有2无 99拒答C0_2车贷 1有2无 99拒答C0_3其他一般消费还贷 1有 2无 99拒答O1.请问您有家用轿车吗？1.有2.没有A3请问与一年前相比，您的家庭现在的经济状况怎么样呢？是变好、基本不变还是变差？1 明显好转2略有好转3基本不变4 略有变差5明显变差9说不清 / 拒答A3a为什么您这样说呢？（最多限选两项）_0中性原因90不知道 / 拒答10改善：收入相关110恶化：收入相关20改善：就业状况相关120恶化：就业状况相关30改善：投资相关130恶化：投资相关40改善：家庭开支相关140恶化：家庭开支相关50改善：政策 / 宏观经济150恶化：政策 / 宏观经济相关A4. 与现在相比，您觉得1 年以后您的家庭经济状况将会如何变化？1.明显好转2.略有好转3.基本不变4.略有变差5.明显变差9.说不清 / 拒答A8. 与现在相比，您认为1 年以后本地区的经济发展状况将会如何？1.非常好2.比较好3.保持现状word 完美格式专业资料4.比较差5.非常差9.说不清 / 拒答A9. 您认为 1 年之后本地区的就业状况将会如何变化？1.明显改善2.略有改善3.保持现状4.略有变差5.明显变差9.说不清 / 拒答A10. 与现在相比，您认为5 年之后，本地区的经济将会出现怎样的变化？1.明显繁荣2.略有改善3.保持现状4.略有衰退5.明显衰退9.说不清 / 拒答A16. 对于大宗耐用消费品的购买，比如家用电器、电脑、以及高档家具之类，您认为当前是购买的好时机吗？1.很好的时机2.较好时机3.很难说，看具体情况而定4.较差时机5.很差时机9.不知道 / 拒答2. 信心指数的计算方法CCSS问卷中的大多数主干题目均为五级得分，类似于非常好 （ VF）、比较好（ F）、一般、比较差（ U）、非常差（ VU），以及不知道 / 拒答。此类题目都需要转换为相应的题目得分，以反映消费者的乐观或悲观程度。具体方式为针对每一道题目，据算每个选项被选中的百分比（包括不知道 / 拒答），随后使用以下公式计算气相对得分：题目得分 =100%+1.0*VF%+0.5*F%-0.5*U%-1.0*VU%这一数值反映的是答案偏向乐观的人群和偏向悲观人群的比例之差，当人群中两者的比例基本平衡时，得分接近于100%；如果乐观人群比例偏高，则得分大于100%；反之小于100%.总消费者信心指数的计算是基于下面五道问题的回答进行的：A3：请问与一年前相比，您的家庭现在的经济状况怎么样呢？是变好、基本不变还是变差？A4. 与现在相比，您觉得1 年以后您的家庭经济状况将会如何变化？A8. 与现在相比，您认为1 年以后本地区的经济发展状况将会如何？A10. 与现在相比，您认为5 年之后，本地区的经济将会出现怎样的变化？A16. 对于大宗耐用消费品的购买，比如家用电器、电脑、以及高档家具之类，您认为当前是购买的好时机吗？首先计算出上述5 题的题目得分，然后将其直接相加，再除以“基线”调查时的这一word 完美格式专业资料类数值，即为当期的信心指数值。因此，计算出来的指数代表当期数值相对于“基线”调查数值的变动比例。如果乐观人群的比例高于基线，则指数大于100；反之则小于100. 目前作为基线水平的是2007 年 4 月的数值。研究目的： 研究不同的人口特征及背景资料的受访者在消费者信心上具有怎样的差异，或者说不同人群之间是否存在信心指数的差异。分目的 1：上述指标对信心指数的作用是否存在地域差异分目的 2：上述指标对信心指数的作用是否细分维至5 个分项指标。数据见 CCSS_Sample.sav数据分析思路：1. 首先拟合标准的方差分析模型，进行候选影响因素的筛选2. 接着利用最优尺度回归方法， 对影响因素的作用做进一步的确认， 并考虑各因素的内在作用方式3. 尝试按照多水平模型框架，分析各影响因素是否存在深层次的变异构成4. 最后拟合多因变量的方差分析模型，进一步探索影响因素对各分项指标的作用方式。一、数据理解1. 考察时间、地域对信心指数的影响地域对信心指数的影响：（ 1） 选择“图形”“图表构建程序”菜单命令（ 2） 选择直方图，将简单直方图拖入画布（ 3）在变量列表中找到index1 ，将其拖入画布的横轴框中（ 4）在元素属性对话框选中“显示正态曲线”复选框，注意要点击“应用”（ 5） 切换至组 / 点 ID 选项卡：选中“行嵌套变量”复选框（ 6） 单击“选项”按钮，在选项对话框中确认未选中下方的“换行嵌板”复选框（ 7） 确定。word 完美格式专业资料结果：如图可见总指数的分布是正态分布，只是左侧有拖尾，所以有几个极低的极端数值存在，初步观察可以看出三地的信心指数均数差异相对不明显。时间对信心指数的影响：由于月份是有序分类变量，因此利用线图来分析：（ 1）选择“图形”“图表构建程序”菜单命令（ 2）选择线图组，将多重线图图标图拖入画布（ 3） 将月份 time 拖入画布的横轴框中（ 4） 将总指数 index1 拖入纵轴框中（ 5） 将城市 S0 拖入分组（设置颜色）框中，然后在双击该框，在弹出的“分组区域”子对话框中将分组依据由“颜色”改为“图案”.（ 6）确定。双击图形进入编辑状态，将均值连续轴刻度范围修改为85 105，小数位数更改为0.word 完美格式专业资料结果分析：1.2008 年年底之前， 3个城市的信心指数都是持续下跌的，随后在经济刺激计划的作用下开始上升，在 2009年年底达到最高。 3个地区的信心指数变化规律不一，广州变化相对平稳，上海涨跌幅度最大。从平均水平来看北京消费者的信心指数最高，其次广州， 上海消费者信心指数最低。在2008年之前，三个地区的消费者的信心指数存在较大的差异，但是在2009年年末的指数差异则大为缩小，意味着城市和月份这两个变量之间可能会存在交互作用。2. 考察性别、职业、婚姻状况等对信心指数的影响首先以 S5 职业为例来说明：（ 1） 选择“图形”“图表构建程序”菜单命令（ 2） 选择条图组，将简单条图图标图拖入画布（ 3） 将职业 S5 拖入画布的横轴框中（ 4） 将总指数 index1 拖入纵轴框中（ 5） 确定。双击图形进入编辑状态，选中类别分类轴，在属性对话框的“类别”选项卡中，“排序依据”改为“统计” ，“方向”改为“降序” ，单击“应用按钮” 。结果：word 完美格式专业资料分析：学生对未来的信心指最高，紧随其后的是经济地位相对不错的私营业主，排在第三的是国家饭碗的的国家公务员，排第四的是医生等专业人士，接下来是公司其他职员，普通职员，教师，工人，退休和无业人员。婚姻状况对信心指数的影响：分析：未婚对外来的信心指数较高，已婚的对未来的信心指数比未婚的来得低一点，但是丧偶分居等对未来的信心指数较低。word 完美格式专业资料性别对信心指数的影响：分析：性别对未来的信心指数没有影响。学历对信心指数的影响：分析：家庭收入对信心指数的影响：分析：家庭月收入在2000 元以下的，信心指数随着收入的上升而上升，但是上升保持稳定，并没有特别的上升或下降的趋势。3. 考察年龄对信心指数的影响（ 1）选择“图形”“图表构建程序”菜单命令word 完美格式专业资料（ 2）将简单散点图图标拖入画布（ 3） 将年龄 S3 拖入 X 轴，总指数 index1 拖入 Y 轴（ 4） 确定。双击图形进入编辑状态，依次单击“元素”“总计拟合线”（ 5）在“拟合线”选项卡中，将拟合方法更改为Loess ，单击“应用”按钮（ 6）关闭图形并推出。结果：结果说明： 随着年龄的增长，消费者信心指数的平均水平有缓慢的下降，且两者间关联基本上呈线性趋势，绘制出的loess 的曲线也说明相同原因，从此图可以看出曲线和回归直线的趋势非常相似，年龄和总指数之间的数量关联如果存在，那么基本服从线性规划。消费者在信心指数在不同的年龄段上的离散程度相差不明显，消费者信心指数存在若干偏小的数值，在 3040岁间的一位消费者的信心指数是0。二、标准 GLM框架下的建模分析1. 建立总模型（方差分析模型）(1) 单击“分析”“一般线性模型”“单变量”(2) 将 index1 选入“因变量”(3) 将月份 time 、城市 S0、性别 S2、学历 S4、职业 S5、婚姻状况 S7 及家庭月收入 S9选入“固定因子”列表框(4) 将年龄 S3 选入“协变量”框(5) 进入“模型”子对话框，将各因素的主效应选入“模型”框word 完美格式专业资料(6) 进入“保存”子对话框，选择“保存“为标准化预测值”和“标准化残差”(7) 进入“选项”子对话框，选择“缺乏拟合优度检验”(8) 确定。word 完美格式专业资料主体间效应的检验因变量 : 总指数源III 型平方和df均方FSig.校正模型63189.263 a351805.4084.381.000截距318752.0341318752.034773.409.000time12367.48934122.49610.003.000s03038.42121519.2103.686.025s243.880143.880.106.744s42735.8034683.9511.660.157s512218.394101221.8392.965.001s7349.4962174.748.424.655s97971.81012664.3181.612.083s37505.61017505.61018.211.000误差394004.692956412.139总计9652701.329992校正的总计457193.955991a. R 方 = .138（调整 R 方 = .107）Time的P值>0.05 所以没有影响。S0的 P值 >0.05 所以没有影响。S2的 P值 <0.05 所以有影响s4的 P值 <0.05 所以有影响s5的 P值 >0.05 所以没有影响。s7的 P值 <0.05 所以有影响s9的 P值 <0.05 所以有影响s3的 P值 >0.05 所以没有影响。(9)(10) 选择“图形”“图标构造程序”菜单命令(11) 将简单散点图拖入画布(12) 将为标准化预测值拖入 X 轴框，标准化残差拖入 Y 框(13) 确定(14) 双击进入图形编辑状态，在图形中添加Y=0 的横线。word 完美格式专业资料结果：结果分析： 图形可以得出图中的点基本符合齐性残差检验，除了一个点， 从数据中的出是个男生在 200712第 97号数据，得到他的收入在80009999元，但是他的选择都是比较悲观的，说明可能当时他事业或者其他变故，让他变得比较悲观。2. 两两比较的结果(1) 进入“选项”子对话框(2) 将 time 、 S0、 S4 邓需要计算边际均数的因子全部选入右侧的“显示均值”列表框(3) 选中下方的“比较主效应”复选框(4) 置信区间调节选中“ Bonferroni ”(5) 继续word 完美格式专业资料成对比较因变量 : 总指数均值差值差分的 95%置信区间 a(I)月份(J) 月份(I-J)标准 误差Sig. a下限上限2007042007125.139 *1.788.025.4119.8672008128.857 *1.899.0003.83713.877200912-.0342.0761.000-5.5225.453200712200704-5.139 *1.788.025-9.867-.4112008123.7181.846.266-1.1648.600200912-5.1742.056.072-10.609.262200812200704-8.857 *1.899.000-13.877-3.837200712-3.7181.846.266-8.6001.164200912-8.892 *2.043.000-14.293-3.490200912200704.0342.0761.000-5.4535.5222007125.1742.056.072-.26210.6092008128.892 *2.043.0003.49014.293基于估算边际均值*.均值差值在 .05级别上较显著。a.对多个比较的调整：Bonferroni 。分析： 200704-200712 的P值 <0.05 说明有差异， 200704总指数 200712 总指数等于 5.139 ，说明 200704总指数比 200712总指数大。200704-200812 的 P值<0.05 说明有差异， 200704总指数减 200812总指数等于 8.857 ，说明 200704总指数比200812总指数大。200704-200912 的 P值>0.05 说明无差异，word 完美格式专业资料成对比较因变量 : 总指数均值差值差分的 95%置信区间 a(I)S0. 城市(J) S0.城市(I-J)标准 误差Sig. a下限上限100北京200上海3.5521.616.085-.3247.428300广州4.024 *1.622.040.1347.914200上海100北京-3.5521.616.085-7.428.324300广州.4721.6171.000-3.4074.350300广州100北京-4.024 *1.622.040-7.914-.134200上海-.4721.6171.000-4.3503.407基于估算边际均值a.对多个比较的调整：Bonferroni。*.均值差值在.05 级别上较显著。分析：北京 - 上海的 P值 >0.05 所以没有差异，北京 - 广州的 P值<0.05 所以有差异，北京- 广州 =4.024 ，说明北京总指数比广州的总指数大。成对比较因变量 : 总指数均值差值差分的 95% 置信区间 a(I) S4. 学历(J) S4. 学历(I-J)标准 误差Sig. a下限上限初中 / 技校或以下高中/ 中专2.2122.2001.000-3.9778.402大专4.4512.410.651-2.33011.232本科6.1642.632.194-1.24213.569硕士或以上6.9643.813.681-3.76517.693高中 /中专初中 / 技校或以下-2.2122.2001.000-8.4023.977大专2.2381.8561.000-2.9837.459本科3.9512.077.575-1.8949.796硕士或以上4.7523.4811.000-5.04214.546大专初中 / 技校或以下-4.4512.410.651-11.2322.330高中/ 中专-2.2381.8561.000-7.4592.983本科1.7131.8541.000-3.5026.928硕士或以上2.5143.3241.000-6.83811.865本科初中 / 技校或以下-6.1642.632.194-13.5691.242高中/ 中专-3.9512.077.575-9.7961.894大专-1.7131.8541.000-6.9283.502硕士或以上.8013.2621.000-8.3769.978word 完美格式专业资料硕士或以上初中 / 技校或以下-6.9643.813.681-17.6933.765高中/ 中专-4.7523.4811.000-14.5465.042大专-2.5143.3241.000-11.8656.838本科-.8013.2621.000-9.9788.376基于估算边际均值a. 对多个比较的调整： Bonferroni。分析：硕士 - 初中的 P值 >0.05 所以没有差异，硕士 - 高中的 P值>0.05 所以没有差异，硕士 - 大专的的 P值 >0.05 所以没有差异，硕士 - 本科的的 P值 >0.05 所以没有差异，结果分析：分别对所有变量的两两比较结果进行说明三、多元方差分析模型的结果方差分析情况：(1) 单击“分析”“一般线性模型”“多变量”(2) 将 QA3、 QA4、 QA8、QA10、 QA16选入“因变量”框(3) 将月份 time 、城市 S0、职业 S5、家庭月收入 S9 选入“固定因子”列表框(4) 将年龄 S3 选入“协变量”框(5) 进入“模型”子对话框，将各因素的主效应选入“模型”列表框(6) 进入“选项”子对话框，选择“缺乏拟合优度检验”(7) 确定。多变量检验 b效应值F假设 df误差 dfSig.截距Pillai的跟踪.765741.646 a5.0001141.000.000Wilks的 Lambda.235741.646 a5.0001141.000.000Hotelling的跟踪3.250741.646 a5.0001141.000.000Roy 的最大根3.250741.646 a5.0001141.000.000s3Pillai的跟踪.07418.159 a5.0001141.000.000Wilks的 Lambda.92618.159 a5.0001141.000.000Hotelling的跟踪.08018.159 a5.0001141.000.000Roy 的最大根.08018.159 a5.0001141.000.000a. 精确统计量b. 设计 : 截距 + s3word 完美格式专业资料(8)结果分析： SPSS对引入模型的效应项输出多元方差分析的结果，每个假设都分别用4 种方法进行了检验，一般分析前3 种检验方法的结果即可。(1) 两两比较：(2) 进入“选项”子对话框(3) 将 time 、 S0、 S5 及 S9 选入“显示均值”框(4)选中“比较主效应”复选框，下方的置信区间调节选中“Bonferroni ”结果分析：估计95% 置信区间因变量月份均值标准 误差下限上限Qa3200704117.137 a1.569114.059120.216200712117.137 a1.569114.059120.216200812117.137 a1.569114.059120.216200912117.137 a1.569114.059120.216Qa4200704125.000 a1.416122.221127.779200712125.000 a1.416122.221127.779200812125.000 a1.416122.221127.779200912125.000 a1.416122.221127.779Qa8200704122.883 a1.240120.449125.317200712122.883 a1.240120.449125.317200812a1.240120.449125.317122.883200912122.883 a1.240120.449125.317Qa10200704141.734 a1.501138.788144.680200712141.734 a1.501138.788144.680200812141.734 a1.501138.788144.680200912141.734 a1.501138.788144.680Qa16200704109.577 a1.102107.414111.739200712a1.102107.414111.739109.577200812a1.102107.414111.739109.577200912a1.102107.414111.739109.577a. 模型中出现的协变量在下列值处进行评估: S3.年龄 = 36.72.word 完美格式专业资料四、项目总结与讨论五、word 完美格式