.家庭收入与消费状况的理财分析进入二十一世纪以来，我国经济飞速发展，人民生活水平日益提高，家庭的可支配收入不断增长，家庭理财成为当前的热门话题。如何做好家庭理财，这是一门复杂的学问。本文针对二十个家庭的收入与消费支出情况进行比较，谈谈自己对家庭理财的一些看法。首先运用一元线性回归分析方法分析二十个家庭的收入与消费的关系下面是二十个家庭收入与消费的基本情况（X表示收入、Y表示消费）在运用一元回归分析时，我们设得到的一元回归方程式为Y=+x，下面是我们通过模型分析来分别判定模型是否合适及合适时的、值并求出一元回归方程式。1-1 模型综述表模型汇总b模型RR 方调整 R 方标准 估计的误差1.993a.986.9851.3139a. 预测变量: (常量), X。b. 因变量: Y模型综述表分别给出了判定系数R=0.993和判定系数的平方为0.986和调整后的判定系数0.985。当调整后的判定系数大于等于0.8时，说明回归方程的拟合效果很好。而在此例中调整后的判定系数为0.985远远高于所要求的拟合效果的判定系数，所以此回归方程的模型较好。1-2 方差分析表Anovab模型平方和df均方FSig.1回归2179.71612179.7161262.637.000a残差31.074181.726总计2210.79019a. 预测变量: (常量), X。b. 因变量: Y在方差分析表中分别给出了回归项、残差、平方和、自由度（DF）、均方、F值和对应的尾概率值。在本例中尾概率值Sig.=0.000，可以得出回归方程是非常显著的。1-3 系数分析表系数a模型非标准化系数标准系数tSig.B 的 96.0% 置信区间B标准 误差试用版下限上限1(常量).847.7031.204.244-.7102.404X.899.025.99335.534.000.843.955a. 因变量: Y在系数分析表中，模型栏下面的常量表示的是常数项系数的估计，就是对值的估计。X项表示的就是对回归系数的估计。其中统计量值（t）检验了尾概率值Sig=0.000是通过的。所以求的的回归系数值就是Sig为0.000时所对应的x=0.899。而确定了回归系数值后，就可以找到所对应的值0.847。即所求的的一元回归线性方程为Y=0.847+0.899x。也就是收入与消费的关系是呈Y=0.847+0,899x的一元线性关系。 根据以上的回归分析，我们可以看出，一个家庭的收入和消费是呈一定的相关关系的。一般情况下是是收入越高，消费的支出越大，而在消费支出较大这一部分家庭中可以加强理财观念二、运用聚类分析的方法对二十个家庭的收入和消费水平进行分类下面是二十个家庭的收入和消费的情况（x表示收入，y表示消费）2-1 凝聚状态表聚类表阶群集组合系数首次出现阶群集下一阶群集 1群集 2群集 1群集 211204.840001024145.000001233125.41000848185.840001356117.610001565108.410001172178.840001383139.60530169151912.24000141011613.6201014115715.0056016124915.3402015132839.92074171411547.67010917154652.81212518163587.850811191712181.3141413181814434.1591715191913882.26218160图2-1为凝聚状态表，表的第一列是聚类分析的步骤号，可以看出一共进行了19次聚类。第二列和第三列表示的是哪两个家庭进行了合并。第四列是聚类时两个样品间的距离，可以看出距离最近的样品先聚类。第五列和第六列表示某步聚类时，时样品还是类参与了合并。第七列表示本部的聚类结果在下面聚类的第几步用到。如表格的第一行中所示，表示的是第一个样品和第二十个样品先聚类，样品间的距离为4.84，这个聚类结果到第十步用到。第二行表示第4个样品和第十四个样品聚类，样品间距离为5，这个聚类结果到第十二步会用到。其他行的含义类似。最后经过了19次的聚类，所有样品聚成一个大类。2-2垂直冰柱图垂直冰柱图中的第一列表示类的数目，从图中的比例来可以得出总的类数目为19，就是指样品聚类成19类。通过冰柱图的冰柱长度来看可以明确的看到7、10、5、13、12、3属于一类，其他的样品则属于另一类。冰柱图的优点就在于清楚明了，容易观察到结果。2-3 树状图* * * * * * * * * * * * * * * * * * * H I E R A R C H I C A L C L U S T E R A N A L Y S I S * * * * * * * * * * * * * * * * * * * Dendrogram using Average Linkage (Between Groups) Rescaled Distance Cluster Combine C A S E 0 5 10 15 20 25 Label Num +-+-+-+-+-+ 1 1 -+ 20 20 -+-+ 16 16 -+ +-+ 15 15 -+-+ | 19 19 -+ +-+ 8 8 -+ | 18 18 -+-+ | 2 2 -+ +-+ 17 17 -+ | 6 6 -+-+ | 11 11 -+ +-+ | 4 4 -+ | 14 14 -+-+ | 9 9 -+ | 3 3 -+ | 12 12 -+-+ | 13 13 -+ +-+ 5 5 -+ | 10 10 -+-+ 7 7 -+树状图是将实际比例的距离按比例调整到0-25的范围内，用逐级连线的方式连接距离相近的样品和类，直至成为一大类。从上图中可以看出，20个样品最适合分成两类。从3开始可以将下面的六个样品分成一大类。2-4保存的分析结果上图显示的是指定分成两类后系统聚类分析保存的结果。可以更加清晰的看到将20个家庭的消费和收入情况分成了两类。进而对两类家庭做更深一步的分析。. v