基于logistic回歸模型的打車(chē)軟件市場(chǎng)規(guī)模影響因素研究

王子葳　相雨婷　高蕾　呂學(xué)斌

摘 要：打車(chē)軟件的快速發(fā)展，將會(huì)對(duì)傳統(tǒng)出租車(chē)市場(chǎng)的未來(lái)產(chǎn)生重大的影響，甚至?xí)嵏财湓邢M(fèi)模式，因此競(jìng)爭(zhēng)激烈。該文從用戶(hù)角度出發(fā)，設(shè)計(jì)并通過(guò)網(wǎng)絡(luò)發(fā)放調(diào)查問(wèn)卷，對(duì)打車(chē)軟件市場(chǎng)規(guī)模影響因素進(jìn)行了調(diào)查和數(shù)據(jù)分析，并以其結(jié)果為樣本，結(jié)合聚類(lèi)分析方法，通過(guò)建立多項(xiàng)有序logistic回歸模型，對(duì)打車(chē)軟件市場(chǎng)規(guī)模的影響因素進(jìn)行實(shí)證分析。研究表明，各因素中補(bǔ)貼對(duì)打車(chē)軟件使用頻率的影響最大。最后對(duì)結(jié)果進(jìn)行了現(xiàn)實(shí)意義的分析，并就此提出打車(chē)軟件競(jìng)爭(zhēng)策略建議。

關(guān)鍵詞：聚類(lèi)分析 多項(xiàng)有序logistic回歸模型 打車(chē)軟件

中圖分類(lèi)號(hào)：F275 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2016）03（b）-0080-04

Abstract：The rapid development of the taxi-hailing apps is impacting on the future of traditional taxi market， and even will subvert the original consumption pattern， so the competition is intense. From the perspective of users， questionnaires of influence factors on the size of the taxi-hailing apps market are designed and given out through the network， and the investigation data are analyzed. Based on the analysis results， the clustering analysis method is used， and the orderly multinomial logistic regression model is established to analyze the factors impacting the size of the market taking taxi-hailing apps. Research shows that of all the factors subsidies plays the leading role on taxi-hailing apps use frequency. Finally， the practical significance of the results is analyzed， and then the strategies on the taxi-hailing apps competition are suggested.

Key Words：Cluster analysis；Orderly multinomial logistic regression model；Taxi-hailing apps

近年來(lái)，在出租車(chē)市場(chǎng)的供不應(yīng)求及互聯(lián)網(wǎng)技術(shù)的快速發(fā)展的推動(dòng)下，打車(chē)軟件應(yīng)運(yùn)而生。打車(chē)軟件是一種智能手機(jī)應(yīng)用，乘客可以便捷地通過(guò)手機(jī)發(fā)布打車(chē)信息，大大提高了打車(chē)效率。iiMediaResearch數(shù)據(jù)顯示，2014年中國(guó)移動(dòng)出行用車(chē)平臺(tái)的用戶(hù)規(guī)模達(dá)到2.11億，而2015年預(yù)計(jì)將達(dá)到2.69億，同比增長(zhǎng)率為27.5%。

打車(chē)軟件的快速發(fā)展和激烈競(jìng)爭(zhēng)，將會(huì)對(duì)傳統(tǒng)出租車(chē)市場(chǎng)的未來(lái)發(fā)展產(chǎn)生重大的影響，因而引起了許多研究人員的關(guān)注。周光偉（2014年）研究認(rèn)為打車(chē)軟件對(duì)出租車(chē)行業(yè)并沒(méi)有顛覆性的影響，只能在出租車(chē)行業(yè)基本監(jiān)管體系下有序參與市場(chǎng)競(jìng)爭(zhēng)[1]。王一帆（2014年）根據(jù)ISM解釋結(jié)構(gòu)模型分析得出我國(guó)應(yīng)構(gòu)建出租車(chē)行業(yè)預(yù)約服務(wù)與打車(chē)軟件機(jī)構(gòu)合作的利益協(xié)調(diào)機(jī)制[2]。侯云杰（2015年）則提出應(yīng)統(tǒng)籌移動(dòng)軟件與市場(chǎng)發(fā)展的關(guān)系來(lái)應(yīng)對(duì)新媒體環(huán)境下出租車(chē)市場(chǎng)機(jī)遇與挑戰(zhàn)并存的現(xiàn)狀[3]。

目前國(guó)內(nèi)利用數(shù)學(xué)建模方法對(duì)打車(chē)軟件市場(chǎng)規(guī)模影響因素進(jìn)行分析的研究不多，研究主要集中在分析因?yàn)榇蜍?chē)軟件而激化的各類(lèi)矛盾，以及針對(duì)這些矛盾而提出的解決措施。文章基于問(wèn)卷調(diào)查所得數(shù)據(jù)，綜合運(yùn)用聚類(lèi)分析法和多項(xiàng)有序logistic回歸法構(gòu)建關(guān)于打車(chē)軟件市場(chǎng)規(guī)模影響因素的模型，并對(duì)其判別效果進(jìn)行分析。

1 研究設(shè)計(jì)

文章的研究對(duì)象是打車(chē)軟件，研究主要依據(jù)江蘇省13個(gè)市的問(wèn)卷數(shù)據(jù)。調(diào)查人員采用網(wǎng)上發(fā)放問(wèn)卷的方式進(jìn)行調(diào)查，共收回有效問(wèn)卷550份。從被調(diào)查者的職業(yè)來(lái)看，學(xué)生占66.98%，上班族占22.22%，其他占10.8%，消費(fèi)主體分布合理，樣本具有代表性。調(diào)查問(wèn)卷共包括補(bǔ)貼力度、等待時(shí)間、便利性、安全性、廣告宣傳、接受程度、網(wǎng)絡(luò)通暢、年齡、收入、使用頻率等10個(gè)影響因素，各因素的影響度用1～5表示，見(jiàn)表1。

圖1～5分別具體展現(xiàn)了打車(chē)軟件使用頻率、補(bǔ)貼滿(mǎn)意度、使用打車(chē)軟件打車(chē)等候時(shí)間、打車(chē)軟件是否帶來(lái)便利、打車(chē)軟件是否安全的分布。

用戶(hù)使用打車(chē)軟件頻率分布顯示，被調(diào)查者中超過(guò)3/4使用過(guò)打車(chē)軟件，11.42%的使用者使用頻率較高，7.72%的使用者使用頻率非常高。在使用過(guò)打車(chē)軟件且被補(bǔ)貼的調(diào)查者中，62.65%的人都對(duì)補(bǔ)貼表示滿(mǎn)意，只有7.1%的人不滿(mǎn)意。使用打車(chē)軟件后等待的時(shí)間分布為：約58.33%的用戶(hù)認(rèn)為等待時(shí)間會(huì)減少，只有3.7%的用戶(hù)認(rèn)為等待時(shí)間反而會(huì)增加。打車(chē)軟件是否帶來(lái)便利的統(tǒng)計(jì)結(jié)果為，58.95%的用戶(hù)認(rèn)為使用打車(chē)軟件會(huì)更便利，其中17.59%的被調(diào)查者認(rèn)為使用打車(chē)軟件非常便利，41.36%的被調(diào)查者認(rèn)為使用打車(chē)軟件較為便利，如在偏僻地方或上下班高峰期時(shí)打車(chē)更為容易。相反，11.42%的用戶(hù)認(rèn)為使用打車(chē)軟件并沒(méi)有帶來(lái)便利。在使用打車(chē)軟件的安全性的調(diào)查中，82.86%的被調(diào)查者認(rèn)為安全，其中認(rèn)為比較安全和一般安全的被調(diào)查者的比例大約各占一半，在37%左右。而剩下的被調(diào)查者認(rèn)為使用打車(chē)軟件不安全。

2 計(jì)量模型分析

2.1 聚類(lèi)分析

此文選取以上調(diào)查問(wèn)卷結(jié)果來(lái)分析打車(chē)軟件市場(chǎng)規(guī)模的影響因素。由于變量較多，筆者自行將這些變量分為心理、津貼、有用性、年齡、網(wǎng)絡(luò)通暢5類(lèi)。屬于心理類(lèi)變量有：willing，influence；屬于津貼類(lèi)有：allowance，income；屬于有用性的變量有：time，convenience，safety；屬于網(wǎng)絡(luò)通暢變量有internet；屬于年齡變量是age。提取每類(lèi)變量樣本的樣本值，采用K-Means聚類(lèi)法將樣本分為5類(lèi)。利用SPSS軟件最終確定5個(gè)類(lèi)中心，并得到每個(gè)類(lèi)中的樣本數(shù)量[4]。

2.2 多項(xiàng)有序logistic回歸模型

此文以研究以上5類(lèi)變量對(duì)打車(chē)軟件使用頻率的影響來(lái)分析打車(chē)軟件市場(chǎng)狀況，而影響使用打車(chē)軟件頻率的因素眾多，不能以簡(jiǎn)單的線性關(guān)系描述，因而采用多項(xiàng)有序logistic回歸模型[5]。在經(jīng)典的Logistic回歸里，僅考慮是否使用打車(chē)軟件的概率。引入隨機(jī)變量Y，Y取0表示不使用打車(chē)軟件，Y取1表示使用打車(chē)軟件，Y=1的概率為P（Y=1），影響是否使用打車(chē)軟件的因素設(shè)為X1（心理），X2（津貼），X3（有用性），X4（網(wǎng)絡(luò)通暢），X5（年齡），所對(duì)應(yīng)的Logistic回歸模型為

其中Xi表示影響用戶(hù)使用打車(chē)軟件頻率的因素。在采用極大似然估計(jì)法得到aj和bji的估計(jì)值后，就可以計(jì)算出具有某一社會(huì)經(jīng)濟(jì)特征的用戶(hù)使用打車(chē)軟件頻率的概率，進(jìn)而分析其影響因素。

根據(jù)上述模型，代入問(wèn)卷調(diào)查所統(tǒng)計(jì)的數(shù)據(jù)，利用SPSS 16.0擬合出4個(gè)二分類(lèi)logistic回歸方程[7]。

方程在0.1水平下，大部分的系數(shù)均顯著，說(shuō)明在0.1的水平下模型擬合較好。其中Money變量最為顯著，說(shuō)明該變量是5個(gè)因素中對(duì)于模型的影響最大的因素，即打車(chē)軟件提供的補(bǔ)貼力度和用戶(hù)收入所構(gòu)成的新變量Money，對(duì)于使用打車(chē)軟件頻率影響最大。

根據(jù)表2得到模型似然比檢驗(yàn)在0.01水平下顯著，說(shuō)明模型整體性較好，模型擬合結(jié)果很好。

3 結(jié)語(yǔ)

文章以問(wèn)卷調(diào)查得到的550份有效問(wèn)卷為樣本，以聚類(lèi)分析為工具，利用多項(xiàng)有序logistic回歸模型分別從津貼、心理、有用性、手機(jī)網(wǎng)絡(luò)通暢以及年齡5個(gè)方面分析了打車(chē)軟件使用頻率?；谀Ｐ凸烙?jì)的結(jié)果，得到結(jié)論：5個(gè)變量中津貼對(duì)打車(chē)軟件使用頻率的影響程度最大，即補(bǔ)貼滿(mǎn)意度和收入的綜合作用對(duì)打車(chē)軟件使用頻率的影響最大，而這兩個(gè)變量中補(bǔ)貼滿(mǎn)意度占主導(dǎo)地位，說(shuō)明了用戶(hù)對(duì)補(bǔ)貼的滿(mǎn)意度對(duì)軟件使用頻率的影響最大。文章以使用打車(chē)軟件頻率作為衡量打車(chē)軟件市場(chǎng)規(guī)模的依據(jù)，說(shuō)明了目前打車(chē)軟件行業(yè)主要依靠“雙向補(bǔ)貼”方式來(lái)吸引用戶(hù)使用自家打車(chē)軟件，不斷增強(qiáng)他們對(duì)打車(chē)軟件的依賴(lài)性以此擴(kuò)大打車(chē)軟件市場(chǎng)規(guī)模，最終達(dá)到盈利目的。

但是僅僅依靠補(bǔ)貼方式來(lái)吸引消費(fèi)者，長(zhǎng)此以往并不現(xiàn)實(shí)，打車(chē)軟件公司不可能用無(wú)窮無(wú)盡的現(xiàn)金流來(lái)籠絡(luò)住消費(fèi)者的心，因而需要思考補(bǔ)貼之外的新出路。

參考文獻(xiàn)

[1] 周光偉.打車(chē)軟件的應(yīng)用對(duì)出租車(chē)行業(yè)的影響及對(duì)策分析[D].深圳：深圳大學(xué)經(jīng)濟(jì)學(xué)院，2014.

[2] 王一帆.基于打車(chē)軟件的出租車(chē)服務(wù)模式優(yōu)化研究[D].上海：上海交通大學(xué)，2014.

[3] 侯云杰.論手機(jī)打車(chē)軟件對(duì)市場(chǎng)的影響[J].新聞研究導(dǎo)刊2015（6）：1.

[4] 蘇理云，陳彩霞，高紅霞.SPSS19統(tǒng)計(jì)分析基礎(chǔ)與案例應(yīng)用教程[M].北京：北京希望電子出版社，2012：173-240.

[5] 高惠璇.應(yīng)用多元統(tǒng)計(jì)分析[M].北京：北京大學(xué)出版社，2013：216-245.

[6] Jason S. Bergtold.The probabilistic reduction approach to specifying multinomial logistic regression models in health outcomes research [M].Journal of Applied Statistics，2014.

[7] 謝龍漢，尚濤，蔡明京.SPSS統(tǒng)計(jì)分析與數(shù)據(jù)挖掘[M].北京：電子工業(yè)出版社，2014：231-253.