中國家庭購車行為影響因素研究

張鑫

摘要：隨著中國汽車工業的高速增長及汽車市場的日益成熟，汽車消費也成為拉動內需的一個重要“引擎”。購車行為是整個消費者行為過程最關鍵的環節。因此，對于中國汽車消費者的購車決策影響因素進行分析具有重要意義。本文主要利用機器學習中的三種分類算法并建立ROC曲線，對中國家庭購車決策影響因素進行分析。

關鍵詞：購車決策；分類算法；ROC曲線

一、引言

當前社會，汽車已經成為人們日常生活中不可或缺的出行工具。本文利用中國家庭金融調查數據，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行對比研究，并采用ROC分析技術，分析出對于中國家庭購車行為的影響因素問題哪種分類方法更優。

二、研究算法簡介

用機器學習的方法來分析數據，挖掘大量數據背后的知識已成為今后的研究趨勢。在解決實際問題時，分類模式和回歸模式是使用最普遍的。分類的目的是學會一個分類函數或者分類模型，該模型能把數據庫中的數據項映射到給定類別中的某個類。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比。評估分類規則的準確率是模型的關鍵，如果準確率可以接受，則分類規則可用于新的數據的分類。ROC曲線是用來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，通用的方法是計算ROC曲線下的面積AUC。AUC是曲線下區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、數據來源、變量說明

3.1數據來源

本文數據采用西南財經大學2011年中國家庭金融調查（CHFS）數據。涉及到25個省（直轄市）、80個縣、320個社區的8438戶家庭，CHFS數據庫中包括家庭購車決策、家庭各項收入、戶主個人特征，如年齡、受教育程度等信息。首先用Statal2.0對數據進行處理，最后選取了8個變量，6203戶家庭信息。

3.2變量說明

VI：carif，家庭的購車決策（若購車，carif=1；不購車，cafif=0）；V2：house，家庭住房擁有量，作為家庭財富的替代變量；v3：In_income，家庭年收入取對數，家庭年收入包括家庭工資性收入（稅后）、福利性補貼收入、財產性收入、生產經營性收入及非家庭成員對其轉移性收入，且為減輕可能存在的異方差影響，對家庭收入變量取對數處理；v4：age，戶主的年齡；v5：size，家庭規模；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、實證結果分析

4.1Logistic回歸

4.1.1擬合

對家庭是否購買汽車的選擇模型，先對家庭的購車決策（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）進行擬合。然后用Step（）函數進行逐步回歸，篩選出影響顯著的變量，結果變量V2，V6，V8被剔除。

Logistic回歸結果輸出見表2。且模型輸出結果中，AIC=2077.3，由表2可知訓練出來的模型為：

4.1.2預測

建立模型的一個重要目的就是預測，下面對6203戶家庭購車決策模型進行預測，用Logistic預測的分類結果中288個錯判。

4.1.3分類性能評價

本文通過ROC曲線來衡量分類算法的分類性能，加載R語言中的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lda0，得到LDA分類算法對家庭購車決策的分類結果。對于LDA分類性能評價，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qda（），得到QDA分類算法對家庭購車決策的分類結果，其中有289戶家庭分類錯判。對于LDA分類性能評價，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，優于前兩種分類方法。

從以上研究發現影響家庭購車行為決策的因素主要有家庭年收入，家庭規模，戶主年齡及受教育程度。且通過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比研究，結合KOC分析技術，發現二次判別函數QDA對于中國家庭購車行為的影響因素問題的研究更優。