上图为“维数2转换的种类类别图”是消费种类在第2个维度上的得分图，由图可知“医疗保健”类的得分最高；
9
如上图所示经过对数据的分析和简化，在图中可以清楚地看出来，各个地区的不同消费支出倾向，正如开始对数据简单观察上得出的结论，北京上海这两个地区的消费支出和居住有着密切关系，而其他地区并不是特别明显。大部分地区的主要消费还是偏向于食品烟酒。西藏的消费支出情况与其他地区明显不是一类。
（二）因子分析
1.2.1相关矩阵
生活用 食品烟酒 相关 食品烟酒 衣着_ 居住 生活用品及服务 交通通信 教育文化娱乐 医疗保健 其他用品及服务 .885 .825 .943 .912 .881 .916 .843 1.000 .676 .836 .797 .782 .791 .867 1.000 .843 .822 .745 .920 .886 .880 1.000 .867 .916 .880 .780 .859 .862 1.000 .880 .791 .881 .655 .889 .855 1.000 .699 .832 .699 1.000 .893 .832 .893 1.000 .780 .859 .862 .745 .920 .886 .836 .797 .782 .825 .943 .912 1.000 衣着 .655 居住 .889 品及服务 .855 交通通信 .880 教育文化娱乐 .822 医疗保健 .676 其他用品及服务 .885
表1.2.1为相关矩阵表，由表可知，8个指标之间存在着高度相关关系，其中居住和其他用品及服务的相关系数最大为0.943，衣着和食品烟酒的相关系数最小为0.655，各指标相关程度都十分高，因此可以进行因子分析。
1.2.2 KMO 和 Bartlett 的检验
KMO 和 Bartlett 的检验
10
取样足够度的 Kaiser-Meyer-Olkin 度量。 Bartlett 的球形度检验 近似卡方 df Sig. .848 363.131 28 .000
由表1.2.2可知，KMO值为0.848>0.6，效度较高，通过了检验，Sig为0.000，因此可以进行因子分析。
1.2.3 公因子方差
初始 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 提取 .936 .926 .938 .901 .884 .906 .902 .949 食品烟酒 衣着 居住 生活用品及服务 交通通信 教育文化娱乐 医疗保健 其他用品及服务
表1.2.3可知，这8个指标对所提取的公因子的依赖程度都大于0.8，可以看出所有指标对提取公因子的依赖程度都很高。
1.2.4解释的总方差
解释的总方差
初始特征值 方差成份 1 2 3 4 5 6 7 8 合计 的 % 累积 % 85.800 91.774 94.903 96.916 98.270 99.104 99.685 合计 提取平方和载入 方差的 % 累积 % 合计 旋转平方和载入 方差的 % 累积 % 6.864 85.800 .478 .250 .161 .108 .067 .047 .025 5.974 3.130 2.013 1.354 .833 .582 6.864 85.800 85.800 .478 5.974 91.774 4.208 52.598 52.598 3.134 39.175 91.774 .315 100.000
11
表1.2.4可知，第一个因子的特征值大于1，若在提取时选用基于特征值法提取，则只能提取到第一个i，故采用固定因子数量，提取到前两个因子，第一个因子贡献度85.8%，，两因子累计贡献度为91.774%，而其他6个因子所占贡献度不足10%，故两因子足够解释。
1.2.5 成份矩阵
成份矩阵a
食品烟酒 衣着 居住 生活用品及服务 交通通信 教育文化娱乐 医疗保健 其他用品及服务 成份 1 .901 .857 .947 .949 .937 .951 .888 .974 2 -.352 .437 -.201 -.021 -.081 -.035 .336 -.036
表1.2.5，8个指标在第一个公因子上的载荷都很高，说明它们与第一个公因子的相关程度很高，第一个因子很重要；而与第二个因子相关性均很小，它对原有指标的解释不显著。因子的意义含糊不清，不利于对因子进行解释，因此进行旋转。
1.2.6 旋转成份矩阵
旋转成份矩阵a
成份 1 .916 .373 .854 .739 .768 .750 .463 .768 2 .312 .887 .457 .596 .542 .587 .829 .600 食品烟酒 衣着 居住 生活用品及服务 交通通信 教育文化娱乐 医疗保健 其他用品及服务
12
表1.2.6，经过旋转以后，因子系数有了比较明显的分化，意义明显，第一个因子主要解释了，食品烟酒，居住，生活用品及服务，交通通信，教育文化娱乐，其他用品及服务，这6个指标在第一个因子上均有较大载荷，并且这6个因子与我们的日常消费密切相关，代表了大部分的主要消费支出，也体现了以食品烟酒消费为主的主要消费形态。第二个因子主要解释了衣着和医疗保健，这两个消费是我们对生活需求较为必要的消费。
1.2.7 成份得分系数矩阵
成份得分系数矩阵
成份 1 .576 -.494 .377 .134 .214 .153 -.354 .158 2 -.479 .780 -.233 .056 -.042 .033 .620 .033 食品烟酒 衣着 居住 生活用品及服务 交通通信 教育文化娱乐 医疗保健 其他用品及服务
表1.2.7，成份得分系数，由此可算出各地区在两因子下的得分。
F1=0.576*X1-0.494*X2+0.377*X3+0.134*X4+0.214*X5+0.153*X6-0.354*X7+0.158*X8； F2=-0.479*X1+0.780*X2-0.233*X3+0.056*X4-0.042*X5+0.033*X6+0.620*X7+0.033*X8。
各地区的因子得分与排名如下表
地区 北京 天津 河北 山西 内蒙古 辽宁 吉林 黑龙江 上海 江苏 浙江 F1 1.88 0.76 -0.59 -1.02 -0.54 -0.46 -1.1 -1.07 3.15 0.69 1.25 排名 2 6 22 29 21 20 31 30 1 8 4 F2 2.35 1.19 0.03 0.41 1.47 1.22 1.16 0.94 0.68 0.5 0.42 F2排名 1 4 18 11 2 3 5 6 8 9 10 13
F 1.91 0.79 -0.55 -0.93 -0.41 -0.35 -0.95 -0.94 2.99 0.68 1.2 F排名 2 6 22 29 20 18 31 30 1 7 4