消费品结构统计学SPSS因子分析论文.doc

《消费品结构统计学SPSS因子分析论文.doc》由会员分享，可在线阅读，更多相关《消费品结构统计学SPSS因子分析论文.doc（15页珍藏版）》请在三一办公上搜索。

1、对农村居民消费品结构的因子分析摘要：农村居民消费结构是农村经济发展的一个重要问题，研究和认识全国农村居民消费结构的变啊动，对于贯彻和落实科学发展观，实现小康社会的目标和率先发展，具有积极的意义。本文利用2010年中国统计年鉴的统计数据资料，在研究居民消费结构的现状及主要问题的基础上，运用因子分析方法分析了影响农村居民消费结构的主要因素，提出农村居民合理消费、促进农村居民消费结构的对策建议。关键词：因子分析 银子旋转 相关系数 因子得分一、引言1、背景知识近年来，农村居民生活消费问题越来越社会的关注。随着城镇居民生活水平的提高，我国农村居民生活消费情况则更受到关注和重视。本文描述反映我国农村居民

2、消费结构的现状以及存在的问题。基于此，用因子分析法对影响我国农村居民消费结构的因素进行分析研究，对于研究的结果与实际结合，指出了收入水平、上层建筑、消费环境、消费信贷等因素是影响消费结构的主要因素，同时提山引导农村居民合理消费、促进农村居民消费、启动农村市场等一些时策建议。家庭耐用消费品的拥有水平是衡量生活质量的重要标志。近年来，随着我国农村居民收入的快速增长，又受益于“家电下乡”、“汽车下乡”等一系列消费刺激政策，家庭的耐用消费品不断更新换代，时尚化、个性化成为消费潮流，农民对耐用消费品的需求由实用型向享受型方向发展，拥有档次日渐上升。影响耐用消费品走进农家的因素 ：农村市场潜力巨大，农村消

3、费市场是扩大内需的关键着力点。在国家实施内需振兴经济的政策下，开拓农村耐用品市场、改善农村耐用品消费环境、发掘农村耐用品消费潜力正当其时。无论从部分耐用品占有比例还是从使用的升级换代上看，目前我国农村居民耐用品购置的潜力和空间依然很大，但是，制约农村耐用品消费市场发展的诸多因素仍不容忽视。 社会保障制度水平相对较低：近几年，我区农村社会保障制度在不断健全和完善牞以农村合作医疗、养老保险及最低生活保障制度为基本框架的农村社会保障体系取得了长足的发展，但总体上仍存在社会保障面窄、保障水平低、服务滞后等问题。综合消费环境差：主要是耐用品的售后服务差。农村商业网点配套服务相对于城市仍有很大距离，在我国

4、乡镇市场，耐用品售后服务不及时，很多甚至处于空白，部分较高档的耐用品虽然买得起，但是坏了维修起来却十分不便，已经越来越不适应农村居民不断提高的生活消费需求，成为制约高档耐用品进入农家的很大障碍，售后服务渠道和质量有待进一步改善。信贷消费在农村尚未得到开发：高、低收入不同的家庭购买力悬殊很大，部分家庭对大件耐用品的消费能力还存在欠缺，单靠自己积累还需要一段时间。农村的信贷消费习惯还没有形成，并且缺少信贷抵押条件。在农村社会保障制度还没有健全的情况下，农民缺乏生活的安全感，对居民的消费心理形成了极大的影响，大大限制了边际消费倾向的提高。 2、因子分析法和基本思想 因子分析是主成分分析的推广和发展，

5、它也是将具有错综复杂关系的变量（或样品）综合为数量较少的几个因子，以再现原始变量与因子之间的相互关系，同时根据不同因子还可以对变量进行分类，它也是属于多元分析中处理降维的一种统计方法。因子分析法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。例如，某公司对100名招

6、聘人员的知识和能进行测试，出了50道题的试卷，其内容包括的面较广，但总的来讲可归纳为六个方面：语言表达能力、逻辑思维能力、判断事物的敏捷和果断程度、思想修养、兴趣爱好、生活常识等，我们将每一个方面称为因子。假设100人测试的分数Xi，i=1，100可以用上述六个因子表示成线性函数： Xi=ai1F1+ai2F2+ai6F6+i i=1,100其中F1，F6表示六个因子，它对所有Xi是共有的因子，通常称为公共因子，它们的系数ai1,ai6称为因子载荷，它表示第i个应试人员在六个因子方面的能力。是第i个应试人的能力和知识不能被前六个因子包括的部分，称为特殊因子,通常假定N(0,i),仔细观察这个模

7、型与回归模型在形式有些相似，实质很不同。这里的F1,F6的值未知的，并且有关参数的统计意义更不一样。因子分析的任务，首先是估计出aij和方差，然后将这些抽象因子Fi赋予有实际背景的解释或说给以命名。利用综合出的少数因子，以再现原始变量和因子之间的相互关系，以达到降维和对原始变量进行分类的目的。 基本思想：因子分析的基本思想是通过变量(或样品)的相关系数矩阵（对样品是相似系数矩阵）内部结构的研究，找出能控制所有变量（或样品）的少数几个随机变量去描述多个变量（或样品）之间的相关（相似）关系，但在这里，这少数几个随机变量是不可观测的，通常称为因子。然后根据相关性（或相似性）的大小把变量（或样品）分组

8、，使得同组内的变量相关性（或相似性）较低。二、因子分析1、R型因子分析的数学模型描述：（1）X = (X1，X2，Xp)是可观测随机向量，均值向量E(X)=0，协方差阵Cov(X)=，且协方差阵与相关矩阵R相等（只要将变量标准化即可实现）。（2）A=(aij)，（3）F=(F1，F2，Fm) （mp）是不可测的向量，其均值向量E(F)=0，协方差矩阵Cov(F) =I，即向量的各分量是相互独立的。（4）= (，)与F相互独立，且E(e)=0， e的协方差阵是对角阵，即各分量e之间是相互独立的，则模型： X1 = a11F1+ a12F2 +a1mFm + X2 = a21F1+a22F2 +a

9、2mFm + Xp = ap1F1+ ap2F2 +apmFm + 称为因子分析模型，由于该模型是针对变量进行的，各因子又是正交的，所以也称为R型正交因子模型。 其矩阵形式为： X =AF + . 其中， （1）m p； （2）Cov(F，)=0，即F和是不相关的； （3）D(F) = Im ，即F1，F2，Fm不相关且方差均为1； D()=，即= (，)不相关，且方差不同。 我们把F称为X的公共因子或潜因子，矩阵A称为因子载荷矩阵， 称为X的特殊因子。 A = (aij)，aij为因子载荷。数学上可以证明，因子载荷aij就是第i变量与第j因子的相关系数，反映了第i变量在第j因子上的重要性。

10、2. 因子模型中公共因子、因子载荷和变量共同度的统计意义 模型中F1，F2，Fm叫做主因子或公共因子，它们是在各个原观测变量的表达式中都共同出现的因子，是相互独立的不可观测的理论变量。公共因子的含义，必须结合具体问题的实际意义而定。，叫做特殊因子，是向量x的分量Xi=1，2，p)所特有的因子，各特殊因子之间以及特殊因子与所有公共因子之间都是相互独立的。模型中载荷矩阵A中的元素(aij)是为因子载荷。因子载荷aij是Xi与Fj的协方差，也是Xi与Fj的相关系数，它表示Xi依赖Fj的程度。可将aij看作第i个变量在第j公共因子上的权，aij的绝对值越大(|aij|1)，表明Xi与Fj的相依程度越大

11、，或称公共因子Fj对于Xi的载荷量越大。为了得到因子分析结果的经济解释，因子载荷矩阵A中有两个统计量十分重要，即变量共同度和公共因子的方差贡献。 因子载荷矩阵A中第i行元素之平方和记为hi2，称为变量Xi的共同度。它是全部公共因子对Xi的方差所做出的贡献，反映了全部公共因子对变量Xi的影响。hi2大表明X的第i个分量Xi对于F的每一分量F1，F2，Fm的共同依赖程度大。 将因子载荷矩阵A的第j列( j =1，2，m)的各元素的平方和记为gj2，称为公共因子Fj对X的方差贡献。gj2就表示第j个公共因子Fj对于X的每一分量Xi(i= 1，2，p)所提供方差的总和，它是衡量公共因子相对重要性的指标

12、。gj2越大，表明公共因子Fj对X的贡献越大，或者说对x的影响和作用就越大。如果将因子载荷矩阵A的所有gj2 ( j =1，2，m)都计算出来，使其按照大小排序，就可以依此提炼出最有影响力的公共因子。 3. 因子旋转 建立因子分析模型的目的不仅是找出主因子，更重要的是知道每个主因子的意义，以便对实际问题进行分析。如果求出主因子解后，各个主因子的典型代表变量不很突出，还需要进行因子旋转，通过适当的旋转得到比较满意的主因子。 旋转的方法有很多，正交旋转和斜交旋转是因子旋转的两类方法。进行因子旋转，就是要使因子载荷矩阵中因子载荷的平方值向0和1两个方向分化，使大的载荷更大，小的载荷更小。因子旋转过程

13、中，如果因子对应轴相互正交，则称为正交旋转；如果因子对应轴相互间不是正交的，则称为斜交旋转。4.因子得分 因子分析模型建立后，还有一个重要的作用是应用因子分析模型去评价每个样品在整个模型中的地位，即进行综合评价。例如地区经济发展的因子分析模型建立后，我们希望知道每个地区经济发展的情况，把区域经济划分归类，哪些地区发展较快，哪些中等发达，哪些较慢等。这时需要将公共因子用变量的线性组合来表示，也即由地区经济的各项指标值来估计它的因子得分。 设公共因子F由变量x表示的线性组合为： Fj = Uj1 Xj1+ Uj2 Xj2+UjpXjp j=1，2，m 该式称为因子得分函数，由它来计算每个样品的公共

14、因子得分。若取m=2，则将每个样品的p个变量代入上式即可算出每个样品的因子得分F1和F2，并将其在平面上做因子得分散点图，进而对样品进行分类或对原始数据进行更深入的研究。 三、农村居民家庭平均每百户主要耐用消费品拥有量的因子分析各地区农村居民家庭平均每百户主要耐用消费品拥有量 (2009年底)地 区电冰箱(台)X1空调机(台)X2抽油烟机(台)X3自行车(辆)X4摩托车(辆)X5电话机(部)X6移动电话(部)X7彩色电视机(台)X8照相机(台)X9家用计算机(台)X10 全 国37.1112.239.7596.4556.6462.68115.24108.944.767.46 北 京104.67

15、86.5358.93180.2729.87112.13208.53137.6034.1352.27 天 津85.3355.5027.67184.3351.3388.67129.67123.0011.8312.50 河 北41.458.507.07185.3862.6766.0791.19115.523.866.05 山 西25.523.904.62113.7657.1076.0594.29107.144.626.24 内蒙古36.990.632.7261.0766.2135.15115.5897.482.521.89 辽 宁53.971.019.79103.1257.8392.35107.35

16、110.907.305.93 吉 林40.500.062.6361.7561.0053.13151.81111.062.564.63 黑龙江45.850.587.3773.3050.2760.85127.14107.142.417.86 上 海101.00134.8371.00173.3349.3397.17173.83190.1724.0054.33 江 苏53.3539.5922.06159.5663.4491.88143.74134.7411.248.24 浙 江88.8576.5252.89128.3055.2290.78179.89162.2612.0431.07 安 徽51.421

17、9.265.84104.0653.3569.90110.58106.103.484.32 福 建62.6926.9818.6855.3889.4581.59182.64122.535.7117.86 江 西34.706.202.6583.4758.2953.84127.35103.842.453.35 山 东54.9512.6414.88175.2170.2970.74141.33110.747.7610.83 河 南34.4315.052.29132.3351.9535.52126.24103.762.314.05 湖 北41.3612.457.7068.4759.7655.61134.21

18、105.422.585.15 湖 南32.037.322.1947.3841.8657.76106.2793.541.953.00 广 东41.3330.9822.6299.88101.5682.15184.38116.608.0516.21 广 西21.022.811.3987.3672.5860.78125.1597.882.212.99 海 南11.251.250.5639.3196.8145.14110.9799.031.531.81 重 庆43.6110.111.5011.9722.3356.94107.7895.281.561.83 四 川40.455.182.0040.8536.

19、5359.23118.18101.182.703.73 贵 州19.290.981.296.2926.7938.0882.5088.130.710.98 云 南12.330.252.9227.2938.8329.54115.2592.332.421.21 西 藏12.296.202.9236.8838.1340.6336.2568.131.880.21 陕 西19.234.412.03112.3247.3457.52140.81104.372.254.59 甘 肃14.390.282.06100.4453.9460.5695.11103.722.442.72 青 海37.000.331.673

20、7.0073.3363.17123.5097.172.331.17 宁 夏27.670.172.33118.6783.6763.83151.83120.332.674.00 新 疆36.260.651.5580.3956.3241.2973.3583.613.941.68数据来源：2010年中国统计年鉴1、描述统计Descriptive Statistics MeanStd. Deviation(a)Analysis N(a)Missing NX142.571624.22307320X218.230630.40739320X311.736617.71186320X493.299151.9861

21、9320X557.313118.55135320X664.085320.15434320X7125.998135.30392320X8109.988822.45937320X95.69376.96322320X109.067513.14554320a For each variable, missing values are replaced with the variable mean.2、因子分析的前提条件Correlation Matrix原有变量的相关系数矩阵 X1X2X3X4X5X6X7X8X9X10CorrelationX11.000.858.883.607-.106.799.66

22、1.804.840.847 X2.8581.000.972.577-.117.706.614.874.875.935 X3.883.9721.000.594-.069.767.673.884.915.967 X4.607.577.5941.000.125.658.416.651.636.556 X5-.106-.117-.069.1251.000.111.306.120-.143-.079 X6.799.706.767.658.1111.000.634.761.777.737 X7.661.614.673.416.306.6341.000.737.629.706 X8.804.874.884.

23、651.120.761.7371.000.739.845 X9.840.875.915.636-.143.777.629.7391.000.933 X10.847.935.967.556-.079.737.706.845.9331.000从相关系数矩阵得知：大部分的相关系数都比较高，各变量呈较强的线性关系，能够从中提取公共因子，适合进行因子分析。KMO and Bartletts TestKaiser-Meyer-Olkin Measure of Sampling Adequacy.849Bartletts Test of SphericityApprox. Chi-Square406.913

24、df45Sig.000由图可知：巴特利特球度检验统计量的观测值为406.913，相应的概率P-值接近0。同时，KOM值为0.849，根据KOM度量标准可知此数据适合做因子分析。3、因子提取和因子载荷矩阵的求解Communalities因子分析的初始解一 InitialExtractionX11.000.860X21.000.912X31.000.953X41.000.522X51.000.937X61.000.753X71.000.722X81.000.861X91.000.892X101.000.923Extraction Method: Principal Component Analys

25、is.是因子分析的初始解，显示了所有数据变量的共同度数据。可以看到：X1、X2、X3、X5、X8、X9、X10等变量的绝大部分信息（大于90%）可被因子解释，这些变量的信息丢失较少。但X4、X6、X7三个变量的信息丢失较为严重（近32%）。因此，本次因子提取的总体效果并不理想。 重新制定提取特征根的标准，指定提取3个因子，分析结果如下：Communalities因子分析的初始解二 InitialExtractionX11.000.860X21.000.919X31.000.962X41.000.944X51.000.938X61.000.786X71.000.854X81.000.862X91

26、.000.893X101.000.947Extraction Method: Principal Component Analysis.是指定提取3个特征根下的因子分析的初始解。由第二列可知：此时所有变量的共同度均较高，各个变量的信息丢失都较少。因此，本次因子提取的总体效果较理想。Total Variance Explained 因子解释原有变量总方差的情况ComponentInitial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared Loadings Total% of VarianceCumul

27、ative %Total% of VarianceCumulative %Total% of VarianceCumulative %17.07970.79270.7927.07970.79270.7925.91859.18559.18521.25512.54683.3381.25512.54683.3381.79517.95177.1363.6326.31889.657.6326.31889.6571.25212.52189.6574.3253.25392.910 5.2562.55895.468 6.2272.27497.742 7.1421.42199.163 8.041.41499.5

28、77 9.027.26899.845 10.015.155100.000 Extraction Method: Principal Component Analysis.由方差解释表可知特征值=7.079，=1.255，=0.632，相应的方差贡献的百分比为：第一公共因子：70.797%，第二公共因子：12.54%，第三公共因子6.318%，取前三个公共因子时的累计贡献率已经达到89.657%，已经达到85%的要求，所以取三个公共因子。由图可知：横坐标为因子分析数目，纵坐标为特征根。第一个因子的特征根值很高，对解释原有变量的贡献最大；第三个以后的因子特征根值都很小，对解释原有变量的贡献很小，已

29、经成为可被忽略的，因此提取3个因子是合适的。Component Matrix(a) 初始因子载荷矩阵 Component123X3.969-.116 X10.953-.121-.158X2.939-.172 X9.927-.180 X1.921-.114 X8.918.137 X6.856.140.181X7.758.384-.363X4.703.168.650X5 .968 Extraction Method: Principal Component Analysis.a 3 components extracted.可知，10个变量在第一个因子的载荷值都很高。即说明他们与第一个因子的相关程

30、度高，而第二，三个因子与原有变量的相关性均很差，对原有变量的解释不显著。无法进行因子解释。于是采用方差最大法对因子载荷矩阵实施正交旋转。4、使因子更具有命名可解释性Rotated Component Matrix(a) 旋转后的因子载荷矩阵 Component123X10.940.247 X3.929.310 X2.903.299-.116X9.847.395-.142X1.845.376 X8.832.369.181X7.797 .466X6.686.542.149X4.350.901.101X5 .961Extraction Method: Principal Component Anal

31、ysis. Rotation Method: Varimax with Kaiser Normalization.a Rotation converged in 4 iterations.从旋转后的正交因子载荷阵得知：第一公共因子上的高载荷的指标有X10、X3、X2、X9、X1、X7的载荷值分别为0.940，0.929,0.903,0.847,0.845,，0.797；第二公共因子上高载荷的指标有X4、X6、X8的因子载荷值为0.901,0.542,0.369第三公共因子上高载荷的指标有X5，载荷值为0.961。高载荷指标意义1X1：电冰箱X2：空调机X3：抽油烟机X7：移动电话X9：照相机X

32、10：家用计算机奢侈因子2X4：自行车X6：电话机X8：彩色电视机低级因子3X5：摩托车交通因子Component Transformation Matrix因子旋转中的正交矩阵Component1231.905.423.0432-.102.116.9883-.413.899-.148Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.Component Score Covariance Matrix因子协方差矩阵Component12311.00

33、0.000.0002.0001.000.0003.000.0001.000Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component Scores.在图中可以直观的看出:电冰箱X1、空调机X2、抽油烟机X3、移动电话X7、照相机X9、家用计算机X10基本在一起，可以命名为奢侈因子。自行车X4、电话机X6、彩色电视机X8基本在一起命名为低级因子。X3命名为交通因子。5、计算各样本的因子得分Component Score Coeffici

34、ent Matrix因子得分系数矩阵 Component123X1.127.044-.084X2.191-.084-.109X3.196-.090-.063X4-.349.982-.015X5-.057.044.770X6-.020.322.073X7.303-.435.392X8.132.012.122X9.116.076-.142X10.235-.179-.053Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component Scor

35、es.因子得分函数：F1=0.127X1+0.191X2+0.196X3-0.349X4-0.057X5-0.020X6+0.303X7+0.132X8+0.116X9+0.235X10F2=0.044X1-0.084X2-0.090X3+0.982X4+0.044X5+0.322X6-0.435X7+0.012X8+0.076X9-0.179X10F3=-0.084X1-0.109X2-0.063X3-0.015X4+0.770X5+0.073X6+0.392X7+0.122X8-0.142X9-0.053X10四、各省市自治区的综合评价 我国农村地域辽阔，人口分布不均，尤其是经济发展水平差

36、异巨大。农民对家电产品的购买能力、消费观念、消费环境的差别更是错综复杂。1、东南发达地区。这主要是指东南沿海省份农村经济开发较早的地区，是我国农业经济结构的主体，近年来农村人均纯收入每年平均可增长4 以上，消费环境将得到进一步改善，市场远期需求空间很大，是我国家电企业今后重点开拓的主战场。这个家电市场的特点是农村经济发达，人均纯收入高，市场需求明显，消费增长速度将快于一般城镇。据调查影响农民家庭购买家电产品的重要原因除和城市居民购买力相比仍较低外，电力环境是其主要制约因素，电力不足、电压不稳、电价高是阻碍家电普及率提高的拦路虎。中企市场研究中心的专家指出，随著农民人均收入提高和电力基础设施的逐

37、步改善。这一地区将首先表现出莲勃活力，所以尽快营构销售渠道和服务网。树立品牌形象是各家电厂商进行综合竞争的决胜手段。2、中西部欠发达地区。这一地区是我国农村人口最多、地区最广的地区，然而由于经济开发较晚，特别是受地理自然环境的局限，经济发展明显滞后于沿海地区，农民收入水平偏低，而且用于生活消费的基础设施在数量、布局、规模、档次、质量、科技含量等方面与发达地区相比差距较大，甚至一些山区的用水、用电、道路、电信等基本问题仍未解决。至于较低收入的地区耐用家电产品普及率就更低了。3、中西部贫困地区。这是中西部一些自然环境极度恶劣地区，高山、高寒、荒漠等人烟稀少地区，以及一些经济尚未开发的边远地区。这一

38、地区的主要特征是经济极不发达，农民购买力极低，生活尚不能达到温饱水平；一些地区尚未通电、通水、通路。在这些目前还不具备使用大件耐用消费品的地区，这样恶劣的消费环境里，农民对家电的消费还处于即使买得起，也用不起，或是用不好，甚至用不上的艰难处境。这已不是企业和居民自身能力能加以克服的困难。企业只能暂时放弃。如果一味要求开发经营，势必投资过大收效甚微；而产品过于追求适应化，往往导致产品技术含量过低和成本过高，反不利于企业的发展。当前农村市场对家电产品的关注是价廉、耐用、适用、省电、易维修、对电压要求不苛刻等。比如对彩电的要求除价格低外，还应自带天线、接收信号灵敏度高、工作电压范围广、结构可靠、功能

39、实用。据调查当前农村彩电闲置率较高，主要原因就是电视信号弱接收效果差。在这种使用环境中农民兄弟对诸如高画质、高音质一类新款功能则不感兴趣，认为“好东西得不到好用”。大部分农村家庭对冰箱的要求是冷冻室要大，而冷藏室利用率较低。其次是要求省电、坚固耐用。冰箱的保温性要好，因经常断电，以免所藏物品化冻。农民对洗衣机的要求首先是省电，这是由于农村电价普遍比城市高的缘故。其次是要求大容量、多功能、易操作、结构越简单耐用越好，要求低电压启动性能要好（160V），排水口径大，不易阻塞。对受到城市居民喜爱的微电子控制的全自动型洗衣机不感兴趣，认为技术太先进，没有必要，易出故障，不易维修。五、优化农村居民消费结

40、构的对策建议 1、增加农村居民收入，促进消费结构升级收入是消费的决定性因素，提高消费水平、改善消费结构的关键在于增加农村居民收入。通过人口城市化转移农村剩余劳动力，提高农民人均农业资源拥有量，扩大户均耕地经营面积。加大科技兴农力度，努力开辟农民增收的新领域、新渠道，培植新的增长点。要加快推进农业产业化，围绕增收调整农业产业结构，提高农业综合效益。在保障必要的粮食生产能力的前提下，突出抓江苏农村特色产业的发展。加强农村商品流通体系建设，保证物畅其流，增产增收。要深化农产品流通体制改革，解决农产品“卖难”矛盾，保证农产品价值顺利实现。要理顺工农产品比价关系，建立动态平衡的工农产品比价，确保农民从出

41、售农产品中得到实际好处。适当提高财政对农业支持的比重，并建立农业和农村投融资新体制。农村基础设施建设、农业可持续发展都需要大量投资，如果依赖一家一户分散经营的农村居民投资显然是不够的。利用各种渠道加大对农业投资力度，应建立起国家、集体、和农民相结合的农业投资体系，要扩大以工代贩的比例，直接增加农村居民收入。2、完善农村社会保障体系，改变消费预期长期以来，政府对农村社会保障给予的财力支持不足，农村五保户供养、社会救济、合作医疗等社会保障基本上由农民互助互济，改革开放前人民公社这一基层组织作为执行载体。联产承包责任制实行以后，集体化、公社化时期的保障体系瓦解了，适应形势发展需要新的农村社会保障体系并未建立。他们对消费持十分谨慎的态度，消费支出不会大幅增加。因此，农村居民合理化的消费结构要求完善农村社会保障制度，尤其要逐步健全农村医疗、养老、子女教育的社会保障制度和贫困家庭最低生活保障制度，改善农村居民的消费预期，增强其经济安全感和消费信心，解除农村居民后顾之忧，从而促进其消费水平的提高和消费结构的改善。3、加强农村基础设施建设，改善消费环境由于多年来，政府对农村基础设施建设投入不足，农村电、水、路、通讯等基础设施己不能适应当今农村经济市场发展的需要。因此，促进农村消费需求的增长，当务之急是要完善同消费配套的基础设施。这需要政