摘要：随着社会的进步和发展，居民生活水平的高低已成为反映区域经济发展和居民享受改革成果的综合体现。由于生活水平是居民对自身发展、物质和文化需求的满足程度，不同年龄、性别、职业、文化程度、所处不同环境的人群会有不同的感受与认知。因此，为了研究与评价居民生活水平，本文首先会结合现阶段经济发展背景，建立评价居民生活水平的指标体系，然后根据客观、真实的数据资料，选择科学的方法在统一尺度下进行科学评价。
　　关键词：生活水平；因子分析；综合评价 
　　一、居民生活水平指标体系的构建
　　本文基于国家统计年鉴2015年各省的统计数据，研究与评价居民生活水平。选择居民收入类、消费类、居住条件、工作机会类等密切反映居民生活、工作、生存的指标构建居民生活水平指标体系。分别是人均GDP、个人PDI、消费支出、居民消费价格指数、住宅面积、失业率。
　　二、评价方法与数据处理
　　因子分析的基本思想是根据变量相关性大小把变量分组，使同组内变量之间的相关性较高，不同组间变量的相关性较低。从一些错综复杂关系系统中找出少数几个主要因子，每一个主要因子代表反映变量间相互依赖的作用，抓住这些主要因子就可以较容易地对复杂的问题进行分析和解释。本文采用因子分析的方法依据所建立的指标体系和我国31个省市的相应截面数据对居民生活水平进行统计研究和评价。
　　三、SPSS统计软件因子分析结果
　　1.变量的相关性检验。经spss软件处理，多个变量之间的相关系数大于0.3，且其对应的Sig值普遍较小，说明这些变量之间存在着较为显著的相关性，进而也说明了有进行因子分析的必要性。
　　2.KMO检验和Bartlett球形检验。KMO检验用于研究变量之间的偏相关性，计算偏相关时由于控制了其他因素的影响，所以会比简单相关系数小。一般KMO统计量大于0.9时效果最佳，0.7以上可以接受，0.5以下不宜做因子分析。本文KMO取值0.627，尚可接受。Bartlett球形检验统计量的Sig值小于0.0001，由此否定相关矩阵为单位阵的假设，即认为各变量之间存在着显著的相关性。
　　3.方差解释表。前3个公因子解释的累积方差达到84%，故而提取这3个公因子就能够比较好地解释原有变量所包含的信息。
　　4.旋转前后的因子载荷矩阵。“成分矩阵”是初始的未经旋转的因子载荷矩阵，“旋转成分矩阵”是经过旋转后的因子载荷矩阵。旋转后每个公因子上的载荷分配更清晰，因而比未旋转时更容易解释各因子的意义。已知因子载荷是变量与公共因子的相关系数；对一个变量来说，载荷绝对值较大的因子与它的关系更为密切，也更能代表这个变量。按照这一观点，第1个公因子更能代表人均GDP（0.875），个人PDI（0.981）和城镇居民消费支出（0.935）；第2个公因子则更适合代表居民消费指数（0.825）和失业率（0.754）；第3个公因子则较好地代表了城镇人均住宅面积（0.913）这个因子。
　　根据各个变量的特点，把第一个公因子解释为收入因素，因为它反映了多个代表收入的变量；类似地，把第2个公因子解释为生存条件因素，把第3个公因子解释为居住条件因素。这样就可以利用新提取出的3个潜在因素，对31个省的生活水平情况加以描述了。

---

期刊库（http://www.zgqkk.com），是一个专门从事期刊推广、投稿辅导的网站。
　　本站提供如何投稿辅导，寻求投稿辅导合作，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。

---

　　【免责声明】本文仅代表作者本人观点，与投稿辅导_期刊发表_中国期刊库专业期刊网站无关。投稿辅导_期刊发表_中国期刊库专业期刊网站站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。