中國(guó)家庭購(gòu)車行為影響因素研究

張?chǎng)?/p>

摘要：隨著中國(guó)汽車工業(yè)的高速增長(zhǎng)及汽車市場(chǎng)的日益成熟，汽車消費(fèi)也成為拉動(dòng)內(nèi)需的一個(gè)重要“引擎”。購(gòu)車行為是整個(gè)消費(fèi)者行為過(guò)程最關(guān)鍵的環(huán)節(jié)。因此，對(duì)于中國(guó)汽車消費(fèi)者的購(gòu)車決策影響因素進(jìn)行分析具有重要意義。本文主要利用機(jī)器學(xué)習(xí)中的三種分類算法并建立ROC曲線，對(duì)中國(guó)家庭購(gòu)車決策影響因素進(jìn)行分析。

關(guān)鍵詞：購(gòu)車決策；分類算法；ROC曲線

一、引言

當(dāng)前社會(huì)，汽車已經(jīng)成為人們?nèi)粘Ｉ钪胁豢苫蛉钡某鲂泄ぞ摺１疚睦弥袊?guó)家庭金融調(diào)查數(shù)據(jù)，分別利用Logistic回歸，線性判別LDA分類器和非線性二次判別QDA分類器這三種分類算法進(jìn)行對(duì)比研究，并采用ROC分析技術(shù)，分析出對(duì)于中國(guó)家庭購(gòu)車行為的影響因素問(wèn)題哪種分類方法更優(yōu)。

二、研究算法簡(jiǎn)介

用機(jī)器學(xué)習(xí)的方法來(lái)分析數(shù)據(jù)，挖掘大量數(shù)據(jù)背后的知識(shí)已成為今后的研究趨勢(shì)。在解決實(shí)際問(wèn)題時(shí)，分類模式和回歸模式是使用最普遍的。分類的目的是學(xué)會(huì)一個(gè)分類函數(shù)或者分類模型，該模型能把數(shù)據(jù)庫(kù)中的數(shù)據(jù)項(xiàng)映射到給定類別中的某個(gè)類。本文主要研究了Logistic回歸模型，線性判別LDA分類器和非線性二次判別QDA分類器三種分類算法的對(duì)比。評(píng)估分類規(guī)則的準(zhǔn)確率是模型的關(guān)鍵，如果準(zhǔn)確率可以接受，則分類規(guī)則可用于新的數(shù)據(jù)的分類。ROC曲線是用來(lái)衡量分類算法的一種分析方法，能全面分析分類算法的分類性能。目前，通用的方法是計(jì)算ROC曲線下的面積AUC。AUC是曲線下區(qū)域與單位面積的比值，它的值在0到1之間。通常AUC值越大，意味著分類性能越好。

三、數(shù)據(jù)來(lái)源、變量說(shuō)明

3.1數(shù)據(jù)來(lái)源

本文數(shù)據(jù)采用西南財(cái)經(jīng)大學(xué)2011年中國(guó)家庭金融調(diào)查（CHFS）數(shù)據(jù)。涉及到25個(gè)?。ㄖ陛犑校?、80個(gè)縣、320個(gè)社區(qū)的8438戶家庭，CHFS數(shù)據(jù)庫(kù)中包括家庭購(gòu)車決策、家庭各項(xiàng)收入、戶主個(gè)人特征，如年齡、受教育程度等信息。首先用Statal2.0對(duì)數(shù)據(jù)進(jìn)行處理，最后選取了8個(gè)變量，6203戶家庭信息。

3.2變量說(shuō)明

VI：carif，家庭的購(gòu)車決策（若購(gòu)車，carif=1；不購(gòu)車，cafif=0）；V2：house，家庭住房擁有量，作為家庭財(cái)富的替代變量；v3：In_income，家庭年收入取對(duì)數(shù)，家庭年收入包括家庭工資性收入（稅后）、福利性補(bǔ)貼收入、財(cái)產(chǎn)性收入、生產(chǎn)經(jīng)營(yíng)性收入及非家庭成員對(duì)其轉(zhuǎn)移性收入，且為減輕可能存在的異方差影響，對(duì)家庭收入變量取對(duì)數(shù)處理；v4：age，戶主的年齡；v5：size，家庭規(guī)模；V6：sex，戶主性別；v7：edu，戶主的受教育程度，將受教育水平為大專及大專以上的取值為1，其他為0。V8：mar，戶主的婚姻狀況。

四、實(shí)證結(jié)果分析

4.1Logistic回歸

4.1.1擬合

對(duì)家庭是否購(gòu)買汽車的選擇模型，先對(duì)家庭的購(gòu)車決策（V1），家庭住房擁有量（V2），家庭年收入（V3），戶主的年齡（V4），家庭規(guī)模（V5），戶主性別（V6），戶主的受教育程度（V7），戶主的婚姻狀況（V8）進(jìn)行擬合。然后用Step（）函數(shù)進(jìn)行逐步回歸，篩選出影響顯著的變量，結(jié)果變量V2，V6，V8被剔除。

Logistic回歸結(jié)果輸出見(jiàn)表2。且模型輸出結(jié)果中，AIC=2077.3，由表2可知訓(xùn)練出來(lái)的模型為：

4.1.2預(yù)測(cè)

建立模型的一個(gè)重要目的就是預(yù)測(cè)，下面對(duì)6203戶家庭購(gòu)車決策模型進(jìn)行預(yù)測(cè)，用Logistic預(yù)測(cè)的分類結(jié)果中288個(gè)錯(cuò)判。

4.1.3分類性能評(píng)價(jià)

本文通過(guò)ROC曲線來(lái)衡量分類算法的分類性能，加載R語(yǔ)言中的pROC程序包。得到Logistic模型的ROC曲線如圖1。圖1中ROC曲線下方面積（AUC）為0.747，大于0.5。

4.2LDA分類算法

用到的是程序包MASS中的函數(shù)lda0，得到LDA分類算法對(duì)家庭購(gòu)車決策的分類結(jié)果。對(duì)于LDA分類性能評(píng)價(jià)，得到LDA模型的ROC曲線如圖2。圖2中ROC曲線下方面積（AUC）為0.746。

4.3QDA分類算法

用到的是程序包MASS中的函數(shù)qda（），得到QDA分類算法對(duì)家庭購(gòu)車決策的分類結(jié)果，其中有289戶家庭分類錯(cuò)判。對(duì)于LDA分類性能評(píng)價(jià)，得到LDA模型的ROC曲線如圖3。圖3中ROC曲線下方面積（AUC）為0.749，優(yōu)于前兩種分類方法。

從以上研究發(fā)現(xiàn)影響家庭購(gòu)車行為決策的因素主要有家庭年收入，家庭規(guī)模，戶主年齡及受教育程度。且通過(guò)Logistic回歸，線性判別LDA分類器和非線性二次判別QDA分類器這三種分類算法的對(duì)比研究，結(jié)合KOC分析技術(shù)，發(fā)現(xiàn)二次判別函數(shù)QDA對(duì)于中國(guó)家庭購(gòu)車行為的影響因素問(wèn)題的研究更優(yōu)。