曾 光，王選華，王玲玲

（1.遼寧工程技術(shù)大學(xué)工商管理學(xué)院，遼寧 葫蘆島 125105；2.中國(guó)人事科學(xué)研究院，北京 100101；3.安得膜分離技術(shù)工程(北京)有限公司，北京 101312）

0 序言

當(dāng)前，由于美國(guó)金融危機(jī)、歐洲債務(wù)危機(jī)以及日本大地震等諸多因素共同影響，全球經(jīng)濟(jì)的復(fù)蘇趨勢(shì)正面臨大量的不確定性，歐美等發(fā)達(dá)地區(qū)失業(yè)率居高不下，只有新興經(jīng)濟(jì)體和發(fā)展中國(guó)家的經(jīng)濟(jì)仍然維持較高速度的增長(zhǎng)。按照國(guó)際貨幣基金組織（IMF）的預(yù)測(cè)，2012年世界經(jīng)濟(jì)增速將達(dá)到4.5%，但是，由于經(jīng)濟(jì)復(fù)蘇的不確定性增加，對(duì)未來(lái)經(jīng)濟(jì)增長(zhǎng)的前景普遍并不看好。對(duì)于我國(guó)來(lái)講，在全球金融危機(jī)的沖擊、出口大量萎縮的條件下，政府及時(shí)出臺(tái)以刺激內(nèi)需為主的宏觀經(jīng)濟(jì)政策，近年來(lái)宏觀經(jīng)濟(jì)保持了平穩(wěn)較快發(fā)展。據(jù)國(guó)家統(tǒng)計(jì)局最新發(fā)布數(shù)據(jù)，2011年我國(guó)GDP同比增長(zhǎng)9.2%，總量達(dá)到47.1564萬(wàn)億元，其中，最終消費(fèi)對(duì)GDP增長(zhǎng)的貢獻(xiàn)率達(dá)到了51.6%，社會(huì)消費(fèi)品零售總額實(shí)際增長(zhǎng)了11.6%，說(shuō)明我國(guó)近年的刺激內(nèi)需政策發(fā)揮了一定效應(yīng)。如何進(jìn)一步擴(kuò)大內(nèi)需，維持國(guó)內(nèi)消費(fèi)需求尤其是居民消費(fèi)的穩(wěn)定增長(zhǎng)，一直是國(guó)內(nèi)學(xué)者長(zhǎng)期關(guān)注的熱點(diǎn)。本文在對(duì)國(guó)內(nèi)居民消費(fèi)文獻(xiàn)研究的基礎(chǔ)上，使用2010年度城鎮(zhèn)家庭人均消費(fèi)支出數(shù)據(jù)，通過(guò)因子分析方法來(lái)討論城鄉(xiāng)居民消費(fèi)支出的結(jié)構(gòu)與區(qū)域性特征，以期能為未來(lái)時(shí)期政府制定消費(fèi)需求政策提供參考。

1 研究設(shè)計(jì)

1.1 研究方法

本文使用因子分析法來(lái)考察我國(guó)城鎮(zhèn)居民的消費(fèi)結(jié)構(gòu)變化，其基本思想是，將影響城鎮(zhèn)居民消費(fèi)支出的八項(xiàng)指標(biāo)綜合為少數(shù)幾個(gè)公共因子，并利用原始指標(biāo)與公因子之間的關(guān)系來(lái)再現(xiàn)消費(fèi)支出的結(jié)構(gòu)特征。在具體處理上，以相關(guān)矩陣的內(nèi)部關(guān)系研究為基礎(chǔ)，找出影響居民消費(fèi)結(jié)構(gòu)的綜合指標(biāo)，這就是公共因子。公因子與原始指標(biāo)之間的關(guān)系即構(gòu)成如下因子模型：

其中，z1，z2，…，zp稱(chēng)為原始變量，F(xiàn)1,F2,…,Fm為公因子，e1,e2,…,ep是特殊因子，已經(jīng)包含了隨機(jī)誤差項(xiàng)，ei僅與第i個(gè)變量zi有關(guān)，lij稱(chēng)為第i個(gè)原始變量zi在第j個(gè)因子Fj上的因子載荷，由其構(gòu)成的矩陣L稱(chēng)為因子載荷矩陣。本文使用軟件SPSS19.0從四個(gè)方面開(kāi)展因子分析：（1）構(gòu)建原始指標(biāo)矩陣Z，并將其標(biāo)準(zhǔn)化為矩陣Z′，并計(jì)算出相關(guān)系數(shù)矩陣R；（2）求解相關(guān)系數(shù)矩陣的特征方程 R-λI=0，得到特征值 λi，并按照 λ1＞λ2...＞λn＞0的條件，以方差累計(jì)貢獻(xiàn)率一般在85%以上為原則確定公因子的個(gè)數(shù)；（3）計(jì)算特征向量以及因子載荷，并提取特征值大于1的因子作為進(jìn)一步分析使用的公因子；（4）分別計(jì)算所提取的公因子得分和綜合分?jǐn)?shù)，以此為依據(jù)對(duì)31個(gè)地區(qū)進(jìn)行分類(lèi)比較。

1.2 數(shù)據(jù)來(lái)源及指標(biāo)選取

本文選用的樣本數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒2011》分地區(qū)城鎮(zhèn)居民消費(fèi)支出結(jié)構(gòu)數(shù)據(jù)，共涉及31個(gè)地區(qū)、八項(xiàng)消費(fèi)支出：食品（z1）、衣著（z2）、居?。▃3）、家庭設(shè)備用品及服務(wù)（z4）、醫(yī)療保?。▃5）、交通和通信（z6）、教育文化娛樂(lè)服務(wù)（z7）、其它商品和服務(wù)（z8），由于所有數(shù)據(jù)均是2010年度的截面數(shù)據(jù)，地區(qū)之間具有可比性。

2 研究過(guò)程

2.1 因子提取過(guò)程

為了準(zhǔn)確確定因子載荷，消除原始變量的方差過(guò)大對(duì)其產(chǎn)生影響，我們先對(duì)原始指標(biāo)矩陣Z進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)矩陣Z′（過(guò)程及結(jié)果略），并求出標(biāo)準(zhǔn)化矩陣的相關(guān)系數(shù)矩陣R（過(guò)程及結(jié)果略），并對(duì)其結(jié)果進(jìn)行KMO檢驗(yàn)和Bartlett球形檢驗(yàn)，結(jié)果見(jiàn)表1。

表1 我國(guó)城鎮(zhèn)居民消費(fèi)支出結(jié)構(gòu)數(shù)據(jù)的KMO and Bartlett檢驗(yàn)結(jié)果

按照Kaiser給出的使用KMO取值來(lái)選取原始指標(biāo)作因子分析的判斷標(biāo)準(zhǔn)，當(dāng)KMO＞0.8，Bartlett檢驗(yàn)值中，sig.＜0.05時(shí)，原始指標(biāo)相關(guān)性較強(qiáng)，適合作因子分析。從本文的檢驗(yàn)結(jié)果來(lái)看，2010年度我國(guó)城鎮(zhèn)居民消費(fèi)支持結(jié)構(gòu)數(shù)據(jù)適合用于因子分析。也可以根據(jù)相關(guān)矩陣系數(shù)矩陣中的取值來(lái)判斷，本文相關(guān)系數(shù)矩陣中絕大多數(shù)系數(shù)值都在0.3以上，說(shuō)明原始指標(biāo)之間具有較強(qiáng)的相關(guān)性，適合用作因子分析。此外，還可以根據(jù)逆像顯示的相關(guān)矩陣主對(duì)角線(xiàn)上元素的值來(lái)判斷，本文的逆像顯示的相關(guān)矩陣主對(duì)角線(xiàn)上的數(shù)值分別為 0.859，0.733，0.861，0.880，0.785，0.862，0.903，0.909，這些數(shù)值相對(duì)于非對(duì)角線(xiàn)上的數(shù)值大得多，說(shuō)明八項(xiàng)原始指標(biāo)適合用于因子分析。從得到的公因子共同方差來(lái)看，八個(gè)變量的方差均在0.8以上，說(shuō)明原始變量所丟失的信息較少，幾乎都包含在共同因子中，原始數(shù)據(jù)使用因子分析的效果較好。

根據(jù)相關(guān)系數(shù)矩陣R計(jì)算出特征值及對(duì)應(yīng)的方差貢獻(xiàn)率，其結(jié)果見(jiàn)表2。

表2 相關(guān)系數(shù)矩陣特征值與方差貢獻(xiàn)率

依據(jù)表2，我們依據(jù)特征根λi≥1，且累積方差貢獻(xiàn)率大于或等于85%的變量作為公因子，故特征根λ1和λ2符合要求，它們所對(duì)應(yīng)的方差貢獻(xiàn)率分別為72.286%和15.045%，二者累積方差貢獻(xiàn)率達(dá)到87.331%，說(shuō)明前兩個(gè)公因子可以解釋原始變量的信息量超過(guò)了87%，從8個(gè)公因子中提取前兩個(gè)公因子是比較科學(xué)的，而公因子的碎石圖如圖1所示。

從圖1來(lái)看，僅有前兩個(gè)公因子的特征值大于1，從第三個(gè)公因子起，其特征值逐漸遞減，選擇前兩個(gè)公因子來(lái)滿(mǎn)足分析的需要。

圖1 我國(guó)31個(gè)地區(qū)城鎮(zhèn)居民消費(fèi)支出公因子特征值碎石圖

2.2 因子載荷分析

在提取公因子后，我們將確定變量在所提取公因子上的載荷。從最初公因子載荷來(lái)看，八個(gè)變量在第一個(gè)公因子（F1）上的載荷都很高，表明這些變量同第一個(gè)公因子高度相關(guān)；變量在第二個(gè)公因子（F2）上的載荷相對(duì)較小，如表3所示。

表3 變量在公因子上的初始載荷（旋轉(zhuǎn)前）

一般情況下，要求所提取的公因子之間的相關(guān)性較低，或者不具有相關(guān)性，從而使公因子之間相互獨(dú)立，這樣才能對(duì)每個(gè)公共因子賦予清晰的含義。因此，我們對(duì)因子負(fù)荷矩陣進(jìn)行最大方差正交旋轉(zhuǎn)，因子負(fù)荷矩陣旋轉(zhuǎn)后，可以使在一個(gè)公因子上的高載荷變量數(shù)量降到最低，從而增強(qiáng)了公因子的解釋性。從表3來(lái)看，這兩個(gè)公因子的實(shí)際含義比較模糊，無(wú)法對(duì)其進(jìn)行清晰的命名，對(duì)公因子進(jìn)行旋轉(zhuǎn)后得到的矩陣如表4所示。

表4 變量在公因子上的初始載荷（旋轉(zhuǎn)后）

從表4來(lái)看，旋轉(zhuǎn)后得到的因子負(fù)荷矩陣，公因子的含義比較明確，據(jù)正交負(fù)荷矩陣中的高載荷分布特征，兩個(gè)公因子的經(jīng)濟(jì)含義可以命名如表5。

表5 公因子名稱(chēng)

從表5來(lái)看，食品、居住、家庭設(shè)備用品及服務(wù)、交通和通信、教育文化娛樂(lè)服務(wù)、其他商品和服務(wù)這六項(xiàng)指標(biāo)在第一個(gè)公因子F1上的載荷很高，說(shuō)明第一個(gè)公因子既反映了我國(guó)各地區(qū)居民一般生活必須品的消費(fèi)支出，如食品、居住、家庭設(shè)備與服務(wù)、交通通信以及教育支出等，同時(shí)也反映了享受型的生活支出，如接受娛樂(lè)服務(wù)；衣著、醫(yī)療保健等指標(biāo)在第二個(gè)公因子上的載荷很高，表明第二個(gè)公因子反映了氣候型因子，因?yàn)楦鞯貐^(qū)的氣候不同，將導(dǎo)致不同的消費(fèi)支出。

2.3 公因子得分計(jì)算

為了討論消費(fèi)支出的結(jié)構(gòu)性特征，我們需要通過(guò)計(jì)算公因子的得分來(lái)對(duì)地區(qū)之間進(jìn)行比較。公因子的得分系數(shù)矩陣如表6所示。

表6 公因子得分系數(shù)矩陣

根據(jù)表6給出的公因子系數(shù)，再結(jié)合原始變量標(biāo)準(zhǔn)化后的矩陣來(lái)計(jì)算兩個(gè)公因子的得分，并根據(jù)公因子的得分結(jié)果來(lái)對(duì)地區(qū)之間進(jìn)行比較分析，以便發(fā)現(xiàn)不同地區(qū)居民消費(fèi)支出的結(jié)構(gòu)性特征。因此，公因子得分函數(shù)為：

其中，SF1、SF2分別為全國(guó)31個(gè)地區(qū)在公因子F1、F2上的得分；z1*～z8*是原始矩陣Z標(biāo)準(zhǔn)化后的數(shù)值。

為了進(jìn)行綜合比較，還需要將這兩個(gè)公因子以各自的方差貢獻(xiàn)率占累積方差貢獻(xiàn)率的比重為權(quán)重來(lái)加權(quán)計(jì)算綜合得分，綜合得分函數(shù)為：SF=（72.286 SF1+15.045 SF2）/87.331。計(jì)算結(jié)果如表7所示。

表7 全國(guó)31個(gè)地區(qū)消費(fèi)支出因子得分及排序

2.4 因子結(jié)果分析

表7分別按照兩個(gè)公因子及綜合得分進(jìn)行排名，從結(jié)果來(lái)看，對(duì)于第一個(gè)公因子來(lái)講，東部地區(qū)的得分普遍較高，東北和中部地區(qū)得分一般，而西部地區(qū)較低；第二個(gè)公因子得分，北方地區(qū)普遍偏高，南方地區(qū)相對(duì)較低，這主要是受天氣的影響，氣候較為嚴(yán)寒的地區(qū)用于衣著、醫(yī)療保健方面的支出占消費(fèi)支出總額的比重較高，而氣候較為溫和的南方地區(qū)則相反。我們將31個(gè)地區(qū)按照F1和F2的得分為標(biāo)準(zhǔn)作散點(diǎn)圖，如圖2、3所示。圖2反映了一般生活支出占總支出的比重，圖3反映了受氣候影響的消費(fèi)支出比重。

圖2表明，上海、廣東和北京用于一般生活性支出占總支出比重較高，而這個(gè)公因子包含了6項(xiàng)指標(biāo)，占總消費(fèi)支出的比重較大，所以可以反映各地區(qū)的綜合性消費(fèi)支出。因此，綜合性消費(fèi)支出占比較高的還有浙江、福建、天津和安徽。黑龍江在最下邊，說(shuō)明該地區(qū)的城鎮(zhèn)居民綜合性消費(fèi)支出較低。如果按照F1得分的標(biāo)準(zhǔn)進(jìn)行分類(lèi)，可以將用日常生活和享

圖2 全國(guó)31個(gè)地區(qū)一般消費(fèi)支出散點(diǎn)圖（按照F1得分）

受娛樂(lè)的消費(fèi)支出的地區(qū)分為三個(gè)集團(tuán)。將F1得分在0以上的地區(qū)視為第一集團(tuán)，共有10個(gè)地區(qū)，分別是上海、廣東、北京、浙江、福建、天津、江蘇、海南、廣西和四川，在得分較高的地區(qū)中，除了廣西和四川屬于西部地區(qū)經(jīng)濟(jì)水平較低的地區(qū)以外，其他8個(gè)地區(qū)都是經(jīng)濟(jì)比較發(fā)達(dá)的東部沿海地區(qū)；將F1得分在-0.05～0之間的地區(qū)以上的地區(qū)視為第二集團(tuán)，也有10個(gè)地區(qū)，分別是湖南、江西、山東、安徽、重慶、遼寧、湖北、云南、貴州和內(nèi)蒙古，位于這一集團(tuán)的大部分地區(qū)都是中部地區(qū)，也有部分西部地區(qū)和少量的東部地區(qū)；將F1得分低于-0.05的地區(qū)視為第三集團(tuán)，共有11個(gè)地區(qū)，分別是陜西、西藏、寧夏、河北、山西、河南、青海、吉林、新疆、甘肅和黑龍江，第三集團(tuán)的特征是，大部分地區(qū)都屬于經(jīng)濟(jì)發(fā)展相對(duì)落后的地區(qū)，其中西部和東北地區(qū)占主要部分，也有少部分中部地區(qū)。

從圖3來(lái)看，內(nèi)蒙古和北京最靠上邊，說(shuō)明這兩個(gè)地區(qū)用于御寒的消費(fèi)支出占總支出比重較高；海南省在最下邊，受氣候影響的消費(fèi)支出占比較低。我們以公因子F2得分區(qū)間為標(biāo)

圖3 全國(guó)31個(gè)地區(qū)受氣候影響的消費(fèi)支出散點(diǎn)圖（按照F2得分）

準(zhǔn)來(lái)對(duì)消費(fèi)地區(qū)進(jìn)行分類(lèi)，將F2得分大于0的地區(qū)列為第一集團(tuán)，這些地區(qū)分別是內(nèi)蒙古、北京、吉林、天津、遼寧、重慶、黑龍江、山東、河南、浙江、上海、陜西、寧夏、河北和新疆等15個(gè)地區(qū)。從這些地區(qū)來(lái)看，由于受氣候影響消費(fèi)支出比重較高的地區(qū)絕大部分都是北方地區(qū)和西部氣候寒冷地區(qū)，如用于購(gòu)買(mǎi)衣服和醫(yī)療保健方面的支出占比較大。此外，這一集團(tuán)中也有部分南方地區(qū)，如上海、浙江、重慶等，如果僅僅使用氣候條件來(lái)解釋這三個(gè)地區(qū)的消費(fèi)支出，我們認(rèn)為未必客觀，因?yàn)槿齻€(gè)地區(qū)的一年中的氣候相對(duì)來(lái)講比較溫和，但是在受氣候影響的消費(fèi)支出中，醫(yī)療保健是也變量之一；此外，部分衣著支出增加不一定是因?yàn)闅夂蛟颍堑貐^(qū)時(shí)尚或者其他原因引起。因此我們認(rèn)為部分南方地區(qū)主要因?yàn)闀r(shí)尚因素或醫(yī)療保健支出較多，從而導(dǎo)致該部分支出比重較大，而并不是為了御寒購(gòu)買(mǎi)衣服的支出增加。

我們以表7中綜合因子得分為標(biāo)準(zhǔn)來(lái)將全國(guó)31個(gè)地區(qū)的消費(fèi)支出進(jìn)行分類(lèi)。將綜合因子F得分大于0的地區(qū)列為第一集團(tuán)，分別是上海、廣東、北京、浙江、天津、福建和江蘇等7個(gè)沿海經(jīng)濟(jì)發(fā)達(dá)地區(qū)；綜合因子得分大于-0.05小于0的地區(qū)是第二集團(tuán)，主要有15個(gè)地區(qū)，分別是內(nèi)蒙古、重慶、四川、山東、遼寧、廣西、湖南、海南、安徽、湖北、江西、陜西、寧夏、吉林和云南。在這綜合消費(fèi)支出的第二集團(tuán)中，大部分地區(qū)都位于中部地區(qū)和西部地區(qū)，只有山東省來(lái)自東部地區(qū)；綜合得分小于-0.05的地區(qū)有9個(gè)，這些地區(qū)是河南、貴州、河北、山西、西藏、新疆、黑龍江、青海和甘肅，消費(fèi)綜合支出落后的地區(qū)幾乎都是經(jīng)濟(jì)水平不發(fā)達(dá)地區(qū)，這一集團(tuán)的部分地區(qū)雖然由于受氣候影響而增加消費(fèi)支出的比重較大，但是用于一般生活消費(fèi)、娛樂(lè)支出較少，從而導(dǎo)致綜合消費(fèi)支出費(fèi)用較低。

3 結(jié)論與政策建議

本文使用因子分析技術(shù)研究了我國(guó)31個(gè)地區(qū)城鎮(zhèn)居民消費(fèi)支出的結(jié)構(gòu)特征，得出以下結(jié)論：一是我國(guó)城鎮(zhèn)居民消費(fèi)支出的規(guī)模主要受地區(qū)經(jīng)濟(jì)發(fā)展水平和氣候等兩個(gè)因素影響。對(duì)于經(jīng)濟(jì)發(fā)展水平較高的沿海地區(qū)，用于一般生活支出、娛樂(lè)支出的比重較高；氣候寒冷的北方地區(qū)，城鎮(zhèn)居民用于衣著、醫(yī)療保健支出的比重較高。二是部分西部地區(qū)近年消費(fèi)支出水平位居前列，如廣西和四川兩個(gè)地區(qū)的一般消費(fèi)支出和娛樂(lè)支出占總消費(fèi)支出的比重位于全國(guó)第一集團(tuán)，而在綜合消費(fèi)支出中，除了四川和廣西以外，還有內(nèi)蒙古、重慶、陜西、寧夏和云南等地區(qū)近年的消費(fèi)支出較高，高于大部分中部地區(qū)。三是個(gè)別地區(qū)消費(fèi)支出的特殊性。比如，在討論受氣候影響的地區(qū)中，衣著和醫(yī)療支出受到影響最大的15個(gè)地區(qū)中，有12個(gè)地區(qū)都屬于北方，而還有上海、浙江和重慶三個(gè)南方地區(qū)。因此，衣著支出增加在個(gè)別地區(qū)也并不一定就是氣候原因，還可能是時(shí)尚等元素導(dǎo)致。

因此，我國(guó)政府在制定刺激內(nèi)需的消費(fèi)政策時(shí)，要針對(duì)不同地區(qū)的特征有的放矢出臺(tái)相關(guān)政策。對(duì)于經(jīng)濟(jì)發(fā)達(dá)地區(qū)，在刺激一般性消費(fèi)支出時(shí)，還要為當(dāng)?shù)鼐用裉峁┹^多的文化、休閑、娛樂(lè)等特殊性消費(fèi)品，進(jìn)一步擴(kuò)大發(fā)達(dá)地區(qū)的消費(fèi)規(guī)模；對(duì)于西部地區(qū)而言，可以通過(guò)減少消費(fèi)稅收的形式刺激一般消費(fèi)需求，以此進(jìn)一步提高經(jīng)濟(jì)落后地區(qū)城鎮(zhèn)居民的消費(fèi)水平；對(duì)于上海、北京、重慶以及經(jīng)濟(jì)發(fā)達(dá)的其他地區(qū)具有較強(qiáng)的時(shí)尚消費(fèi)需求意愿，政府可以有重點(diǎn)地引導(dǎo)具有地方特色的時(shí)尚產(chǎn)業(yè)發(fā)展來(lái)刺激消費(fèi)需求。

[1]吳棟,李樂(lè)夫,李陽(yáng)子.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(lèi)分析的應(yīng)用[J].數(shù)理統(tǒng)計(jì)與管理,2007,(9).

[2]王學(xué)民.我國(guó)各地區(qū)城鎮(zhèn)居民消費(fèi)性支出的分析研究[J].財(cái)經(jīng)研究,2002,(1).

[3]孫冰,王其元.我國(guó)居民家庭消費(fèi)支出結(jié)構(gòu)的對(duì)比分析[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào),2002,(8).

[4]寧自軍.因子分析在居民消費(fèi)結(jié)構(gòu)的變動(dòng)分析中的應(yīng)用[J].數(shù)理統(tǒng)計(jì)與管理,2004,(11).

[5]孫艷玲.我國(guó)農(nóng)村居民生活消費(fèi)實(shí)證研究[J].農(nóng)村經(jīng)濟(jì),2003,（12）.

[6]王芳,王景東.我國(guó)城鎮(zhèn)消費(fèi)結(jié)構(gòu)的因子分析[J],商業(yè)研究,2004,(21).

[7]紀(jì)榮芳.城市居民消費(fèi)結(jié)構(gòu)的因子分析模型及應(yīng)用[J].山東農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版),2007,(2).

[8]莊燕君.區(qū)域產(chǎn)業(yè)結(jié)構(gòu)與消費(fèi)結(jié)構(gòu)關(guān)聯(lián)分析[J].統(tǒng)計(jì)與決策,2005,(1).

[9]申秋紅.基于層次分析法的農(nóng)村居民消費(fèi)結(jié)構(gòu)研究[J].財(cái)貿(mào)研究,2007,(5).

[10]殷玲.我國(guó)居民消費(fèi)行為的實(shí)證分析[J].商業(yè)研究,2004,（20）.

[11]孔祥利,馬麗霞.基于面板數(shù)據(jù)的陜西省農(nóng)村居民消費(fèi)結(jié)構(gòu)分析[J].統(tǒng)計(jì)與信息論壇,2011,(10).