基于統(tǒng)計視角透視大學(xué)生“雙十一剁手”現(xiàn)象

張 瑞，李晶茹

(太原工業(yè)學(xué)院，山西太原 030008)

“雙十一”購物狂歡節(jié)，從2009年開始興起，越來越多的人加入這場“一年只有一次”的購物狂潮。據(jù)天貓公布的數(shù)據(jù)顯示，2020 年“雙十一”訂單創(chuàng)建峰值達(dá)每秒58.3 萬筆，成交額達(dá)4982 億元，再攀新高。在“雙十一”來臨之前，商家就發(fā)起預(yù)熱活動，人們每天都被提醒著“雙十一”的到來。此外，天貓“雙十一”晚會和主播直播帶貨都為這一網(wǎng)造購物節(jié)增添了節(jié)日狂歡的氣氛。研究表明，與日常購物相比，購物狂歡節(jié)添加了折扣、價錢、氛圍等影響因素，從而使得影響消費者決策的因素與日常購買決策有明顯不同[1]。特別是節(jié)日氛圍提高了顧客的預(yù)期，增加了消費者購物的興奮水平，同時也激發(fā)起了消費者沖動購買的意向，這種沖動購買意愿是造成促銷期間銷量大增的主要原因[2]。

在“雙十一”這股大熱潮中，大學(xué)生扮演了重要角色，展現(xiàn)出驚人的購買力。在本次調(diào)查中，有消費的大學(xué)生占96%，消費300 元以上的大學(xué)生占48%，消費700 以上的大學(xué)生占12%。大學(xué)生的經(jīng)濟(jì)來源較為單一，主要來自家庭，這樣的購買力與自己經(jīng)濟(jì)實力并不相符，這可能導(dǎo)致大學(xué)生陷入畸形消費怪圈，具體表現(xiàn)為好勝攀比、情緒化、盲目從眾、追求享樂及高檔消費[3]。部分同學(xué)會進(jìn)行校園網(wǎng)絡(luò)貸款，無論是主流電商平臺提供的貸款或分期付款（螞蟻花唄、借唄、京東白條等）還是非法借貸的“校園貸”，都會因為借貸過于頻繁或者借貸額度過高而給生活帶來負(fù)面影響，甚至休學(xué)、抑郁、自殺[4]。

鑒于如上存在的問題，有必要深入探討大學(xué)生“雙十一剁手”現(xiàn)象，倡導(dǎo)合理消費，避免過度消費，幫助學(xué)生建立精神層面的更高追求。與大學(xué)生“雙十一”消費相關(guān)的文獻(xiàn)較少。習(xí)明明等(2016,2020)以大學(xué)生為研究對象進(jìn)行了“雙十一”消費調(diào)查，分析了大學(xué)生消費者的從眾行為及其特征[5?6]；張梓琪等(2019)論述了消費主義思潮在大學(xué)生群體中的滲透和流行，導(dǎo)致了大學(xué)生在“雙十一”網(wǎng)購狂歡節(jié)中展現(xiàn)出符號消費、攀比消費、過度消費、和超前消費的心理和行為[7]。

擬從大學(xué)生消費群體出發(fā)，定量研究“雙十一”消費的影響因素，以期為高校思想政治工作提供思路。第二部分介紹Logistic 回歸、定序Pro?bit 回歸、隨機森林等模型。第三部分基于調(diào)查數(shù)據(jù)進(jìn)行描述性分析和建模分析。第四部分給出相應(yīng)的討論與結(jié)語。

1 模型說明

1.1 Logistic回歸

大學(xué)生是否在“雙十一”消費從本質(zhì)上為二分類問題，Logistic 回歸模型不需要調(diào)節(jié)超參數(shù)，且最終模型易于解釋，故選擇Logistic 回歸分析該問題。將因變量設(shè)置為二分類變量，其中1表示有消費，0表示沒有消費。模型定義如下：

P(Y=1)為因變量取1 的概率，xi為第i 個自變量，βi為對應(yīng)自變量的系數(shù)，i=1,2,…p，其中p為自變量的個數(shù)。從模型可以估計學(xué)生是否消費的可能性大小。

1.2 定序Probit回歸

在“雙十一”進(jìn)行消費的學(xué)生中，消費水平存在明顯差異，劃分為三個水平，其中1代表低消費水平、2 代表中消費水平，3 代表高消費水平。消費水平高低從本質(zhì)上為三分類問題，但存在明顯的順序關(guān)系，因此考慮建立定序Probit 回歸來分析消費水平的影響因素。模型定義如下：引入潛在變量Z=β0+β1x1+…+βpxp+ε，Z為3個自然數(shù)的等級，每個等級對應(yīng)因變量Y的某個狀態(tài)，有

其中，c1,c2為內(nèi)隱的消費水平閾值，假定誤差項服從正態(tài)分布，則因變量Y處于某一狀態(tài)的概率為

其中，Φ(x)為標(biāo)準(zhǔn)正態(tài)分布的分布函數(shù)，k 為消費水平的取值。從模型可以估計學(xué)生“雙十一”各個消費水平的可能性大小。

1.3 隨機森林

相對于回歸模型，機器學(xué)習(xí)的相關(guān)方法雖然在解釋性上稍差，但是靈活度更高，精準(zhǔn)率也更高。采用隨機森林方法對大學(xué)生“雙十一”消費水平進(jìn)行分類。隨機森林可以同時生成多個決策樹模型，并將模型的結(jié)果匯總從而提高分類準(zhǔn)確率。具體算法如下：

設(shè)數(shù)據(jù)集中共有n個樣本，p個變量。(1)從數(shù)據(jù)集中隨機有放回地抽取n1

隨機森林方法有兩大優(yōu)勢。第一，無法獲取驗證集時，可用袋外預(yù)測誤差評價模型的擬合程度。生成樹時沒有用到的樣本點為袋外樣本點，袋外樣本點所對應(yīng)的類別由樹估計得到預(yù)測類別，與真實類別比較可得到袋外預(yù)測誤差。第二，可度量變量重要性。變量相對重要性是指分割該變量時，節(jié)點不純度(異質(zhì)性)的下降總量對所有樹取平均，節(jié)點不純度由Gini系數(shù)定義[8]。

2 實證分析

2.1 數(shù)據(jù)來源與變量說明

為分析大學(xué)生“雙十一”消費特點及影響因素，選取太原工業(yè)學(xué)院本科學(xué)生為調(diào)查對象，采用隨機抽樣的方式，在不同年級、專業(yè)發(fā)放調(diào)查問卷，最終收回834 份有效問卷。由調(diào)查問卷構(gòu)造9 個自變量，全部為定性變量，依次為性別、年級、戶口所在地、父母最高學(xué)歷等。因變量為“雙十一”消費水平。依據(jù)本次調(diào)查，無消費的學(xué)生占比4%；消費300元以下的人最多，占比48%；消費300～ 700 元占比36%；消費700～ 1 100 元占比9%；消費1 100～ 1 500 元占比2%；消費1 500 以上的人占比1%。消費水平是指單個消費者在一定時期內(nèi)消費的商品和服務(wù)所達(dá)到的規(guī)模和水平[9]。為方便模型分析，結(jié)合實際數(shù)據(jù)，將因變量劃分為四個消費水平，即無消費、低消費、中消費和高消費，其中低消費指300 元以下，中消費為300～ 700 元，高消費為700 元以上。具體如表1 所示。

表1 變量及說明

2.2 模型分析

首先,針對大學(xué)生是否在“雙十一”消費建立Lo?gistic 回歸模型。將因變量設(shè)置為0/1二分類變量，其中1 表示有消費，0 表示沒有消費?；貧w結(jié)果如表2所示，由于自變量較多，表中僅列出系數(shù)非零且統(tǒng)計差異顯著(P<0.05)的變量。可以看出，全模型以及通過AIC、BIC進(jìn)行變量選擇的模型結(jié)果類似，均有三個顯著變量，估計系數(shù)接近，正負(fù)號一致。

表2 Logistic回歸結(jié)果

為探討模型的擬合程度，繪制ROC 曲線，如圖1所示。ROC 曲線的橫坐標(biāo)為特異度，縱坐標(biāo)為靈敏度。從圖中可以看出，三種模型對應(yīng)的ROC 曲線凸起明顯。進(jìn)一步計算AUC 值，全模型、AIC 模型、BIC模型分別對應(yīng)0.93、0.92、0.83，擬合程度較好。

圖1 ROC曲線

依據(jù)ROC 曲線和AUC 值對比可知，全模型和AIC 模型的擬合程度優(yōu)于BIC 模型。選取AIC 回歸結(jié)果進(jìn)行解讀。固定其他條件不變，相對于男生，女生在“雙十一”進(jìn)行消費的幾率更高；相對于月消費為1 000～ 1 500 元的同學(xué)，月消費500 元以下的同學(xué)在“雙十一”進(jìn)行消費的幾率明顯低；相對于生活費部分來自家庭的同學(xué)，全部來自家庭的同學(xué)在“雙十一”進(jìn)行消費的幾率比部分來自家庭的同學(xué)更高。

在“雙十一”進(jìn)行消費的同學(xué)中，消費水平存在明顯差異。為進(jìn)一步考察消費水平高低的影響因素，建立定序Probit 回歸。將因變量設(shè)置為消費水平，共三個水平，即低消費(300 元以下)、中消費(300～ 700 元)和高消費(700 元以上)?；貧w結(jié)果如表3 所示，模型篩選出9 個自變量，其系數(shù)非零且差異顯著(P<0.05)?？梢钥闯?，全模型、AIC 模型、BIC 模型結(jié)果類似，僅有省會、月消費500～ 1 000 元這兩個變量有所差別，其他系數(shù)取值相近，正負(fù)號一致。

表3 定序Probit回歸結(jié)果

計算混淆矩陣討論三個模型的擬合程度，結(jié)果如表4 所示，揭示了預(yù)測結(jié)果與實際結(jié)果的符合程度。三種模型準(zhǔn)確率相差在1%以內(nèi)，故擬合能力相近，選取AIC模型對結(jié)果進(jìn)行解讀。固定其他條件不變，相對于戶口所在地為地級市的同學(xué)，戶口所在地為省會的同學(xué)“雙十一”消費水平更高；相對于父母中最高學(xué)歷為初中的同學(xué)，父母最高學(xué)歷為中專、高中、大學(xué)及以上的同學(xué)“雙十一”消費水平更高；相對于月消費為1 000～ 1 500 元的同學(xué)，月消費1 500 元以上的同學(xué)在“雙十一”水平更高；相對于生活費部分來自家庭的同學(xué)，全部來自家庭的同學(xué)“雙十一”消費水平更低；相對于不使用花唄等的同學(xué)，使用花唄等的同學(xué)消費水平更高；相對沒有計劃的同學(xué)，有計劃的同學(xué)消費水平更高。

從表4 可以看出，綜合準(zhǔn)確率在73%左右，有待提高?；谶@種考慮，嘗試用機器學(xué)習(xí)中的方法——隨機森林進(jìn)行分析?；煜仃嚱Y(jié)果如表5 所示，模型的綜合準(zhǔn)確率為80%，中消費和高消費的準(zhǔn)確率明顯有所提升，分別從70%、62%提升至76%、89%。計算袋外預(yù)測誤差為16.79%。由此可見相對于定序Probit回歸，隨機森林方法的分類效果更佳。

表4 三種模型的混淆矩陣

表5 隨機森林的混淆矩陣

隨機森林方法可度量變量重要性，結(jié)果顯示，父母中最高學(xué)歷是最重要的變量，且明顯高于其他變量，其次是月消費、是否使用過花唄、戶口所在地、生活費來源。大學(xué)生在家庭中完成了其個體社會化過程的開端，家庭深深影響著消費心理和行為。實證分析也驗證了這一點，定序回歸和隨機森林方法都顯示，社會化因素變量(父母中最高學(xué)歷、口所在地)在統(tǒng)計意義下具有顯著作用。

范曉光提出的社會經(jīng)濟(jì)地位量表中，綜合選用了父親職業(yè)、父母最高學(xué)歷和家庭收入來衡量家庭社會地位[13]，父母中最高學(xué)歷在一定程度上反映了家庭所處社會階層。不同家庭社會階層的消費行為有明顯差異，比如在家庭教育消費、體育消費等方面[14?15]。我國是一個典型的“二元”社會，城鄉(xiāng)發(fā)展水平差距懸殊，消費行為存在較大差異，這種差異性具體表現(xiàn)在相鄰期間消費關(guān)聯(lián)性，自發(fā)消費，邊際消費傾向和消費行為穩(wěn)定性這四個方面[16]。不同社會結(jié)構(gòu)中人們的差異也會以社會化方式傳遞給年輕一代，故大學(xué)生在“雙十一”消費方面也烙印著自己家鄉(xiāng)的痕跡。

3 結(jié)語

基于調(diào)查數(shù)據(jù)定量研究了大學(xué)生“雙十一”消費的影響因素。針對大學(xué)生是否在“雙十一”消費建立Logistic 回歸模型，結(jié)果表明：性別、月消費和生活費來源在統(tǒng)計意義下具有顯著性，相比較而言，男生、月消費500元以下同學(xué)、生活費部分來自家庭的同學(xué)在“雙十一”消費的意愿偏低。為分析“雙十一”消費水平高低的影響因素，采用定序Probit 回歸進(jìn)行建模。結(jié)果表明，相比較而言，戶口所在地為省會、父母最高學(xué)歷為中專及以上、生活費部分來自家庭、月消費1 500 元以上、使用花唄等、有消費計劃的同學(xué)消費水平更高。定序Probit 回歸進(jìn)行分類的綜合準(zhǔn)確率僅為73%左右，進(jìn)一步采用隨機森林方法分類，計算得袋外預(yù)測誤差為16.79%，分類效果有明顯提升。隨機森林方法可度量變量重要性，結(jié)果顯示父母中最高學(xué)歷是最重要的變量。

結(jié)合定序Probit 回歸和隨機森林方法的結(jié)果，發(fā)現(xiàn)社會化因素變量(父母中最高學(xué)歷、戶口所在地)對大學(xué)生“雙十一”消費有重要影響作用。大學(xué)生在家庭中完成了其個體社會化過程的開端，家庭也深深地影響著消費心理和行為。高?？梢詫Σ煌彝ケ尘暗拇髮W(xué)生提出有針對性地引導(dǎo)方案。比如，針對父母學(xué)歷較高或者戶籍所在地為省會的學(xué)生，高?？梢蕴岣邔W(xué)生理財能力，避免過度消費，倡導(dǎo)學(xué)生不僅追求物質(zhì)上的富足，更要追求精神上的富有；針對父母學(xué)歷較低或者來自農(nóng)村的學(xué)生，高?？梢詡魇诨窘鹑谥R和法律知識，倡導(dǎo)學(xué)生不攀比，不進(jìn)行校園貸，培養(yǎng)學(xué)生正確的世界觀、價值觀和人生觀。

不足之處在于僅對一所大學(xué)的“雙十一”消費狀況進(jìn)行了分析。太原工業(yè)學(xué)院是以工程應(yīng)用為特色，涵蓋八大學(xué)科門類，多學(xué)科相互支撐、協(xié)調(diào)發(fā)展的全日制普通本科高校。因此結(jié)論可能未必適用于師范類、醫(yī)學(xué)類等高校。此外，文中缺少大學(xué)生的同伴朋友信息，未將從眾效應(yīng)引入模型中考慮。未來可以從調(diào)查對象和調(diào)查因素方面進(jìn)行改進(jìn)，進(jìn)而得到更加具有普適性的結(jié)論。