2022年至2023年居民消费指数变化趋势 - 气泡图分析 - 常规

2022年至2023年居民消费指数变化趋势 - 气泡图分析

本图表展示了2022年5月至2023年5月居民消费指数的月度变化趋势，涵盖食品烟酒、衣着、居住、生活用品及服务、交通和通信、教育文化和娱乐、医疗保健、其他用品和服务等八个类别。通过气泡图直观地展现不同类别消费指数之间的关系。

| 指标 | 居民消费 | 食品烟酒类居民消费 | 衣着类居民消费 | 居住类居民消费 | 生活用品及服务类居民消费 | 交通和通信类居民消费 | 教育文化和娱乐类居民 | 医疗保健类居民消费 | 其他用品和服务类居民消费 | |---|---|---|---|---|---|---|---|---|---| | 2023年5月 | 100.8 | 102.2 | 100.8 | 99.8 | 100.7 | 98.6 | 101.7 | 101 | 103 | | 2023年4月 | 101 | 102.4 | 100.7 | 99.8 | 100.9 | 99.2 | 101.7 | 100.9 | 102.9 | | 2023年3月 | 101.3 | 102.9 | 100.7 | 99.8 | 101.2 | 100.1 | 101.7 | 100.9 | 102.7 | | 2023年2月 | 101.5 | 103.4 | 100.6 | 99.9 | 101.5 | 101 | 101.8 | 100.9 | 102.9 | | 2023年1月 | 102.1 | 104.7 | 100.5 | 99.9 | 101.6 | 102 | 102.4 | 100.8 | 103.1 | | 2022年12月 | 102 | 102.4 | 100.5 | 100.7 | 101.2 | 105.2 | 101.8 | 100.6 | 101.6 | | 2022年11月 | 102 | 102.3 | 100.5 | 100.7 | 101.2 | 105.4 | 101.9 | 100.6 | 101.5 | | 2022年10月 | 102 | 102.3 | 100.5 | 100.8 | 101.1 | 105.6 | 101.9 | 100.7 | 101.4 | | 2022年9月 | 102 | 101.9 | 100.6 | 101 | 101.1 | 105.9 | 102 | 100.7 | 101.3 | | 2022年8月 | 101.9 | 101.4 | 100.6 | 101.1 | 101.1 | 106.1 | 102.1 | 100.7 | 101.3 | | 2022年7月 | 101.8 | 101 | 100.6 | 101.1 | 101 | 106.3 | 102.2 | 100.7 | 101.2 | | 2022年6月 | 101.7 | 100.4 | 100.5 | 101.2 | 101 | 106.3 | 102.3 | 100.7 | 101.2 | | 2022年5月 | 101.5 | 100 | 100.5 | 101.3 | 100.9 | 105.9 | 102.3 | 100.6 | 101.1 |

library(ggplot2)

# 数据
data <- data.frame(
  Date = c('2022年5月', '2022年6月', '2022年7月', '2022年8月', '2022年9月', '2022年10月', 
           '2022年11月', '2022年12月', '2023年1月', '2023年2月', '2023年3月', '2023年4月', '2023年5月'),
  X = c(101.5, 101.7, 101.8, 101.9, 102, 102, 102, 102, 102.1, 101.5, 101.3, 101, 100.8),
  Y = c(100, 100.4, 101, 101.4, 101.9, 102.3, 102.3, 102.4, 102.4, 103.4, 102.9, 102.4, 102.2),
  Size = c(101.3, 101.5, 101.7, 101.9, 102, 102, 102.3, 102, 102.1, 101.5, 101.3, 102.4, 100.8)
)

# 绘制气泡图
ggplot(data, aes(x = X, y = Y, size = Size)) + 
  geom_point(alpha = 0.7, color = 'darkblue') + 
  scale_size(range = c(5, 12)) + 
  labs(title = '居民消费气泡图', 
       x = '交通和通信类居民消费', 
       y = '医疗保健类居民消费', 
       size = '其他用品和服务类居民消费',
       caption = '数据来源：XXX') + 
  theme_minimal()

气泡图

气泡图

解释:

图表展示了居民消费指数中交通和通信类居民消费与医疗保健类居民消费之间的关系，气泡大小代表其他用品和服务类居民消费指数。
从图表可以看出，这两个类别消费指数之间存在一定的正相关关系，即交通和通信类消费指数越高，医疗保健类消费指数也倾向于更高。
气泡大小的变化反映了其他用品和服务类居民消费指数的波动，例如在2023年1月和2023年2月，其他用品和服务类消费指数相对较高。

结论:

通过气泡图分析，我们可以直观地了解不同类别居民消费指数之间的关系，以及其他用品和服务类居民消费指数的变化趋势，为进一步分析居民消费行为提供参考。