基于logistic回歸模型的打車軟件市場規(guī)模影響因素研究

王子葳　相雨婷　高蕾　呂學(xué)斌

摘 要：打車軟件的快速發(fā)展，將會對傳統(tǒng)出租車市場的未來產(chǎn)生重大的影響，甚至?xí)嵏财湓邢M模式，因此競爭激烈。該文從用戶角度出發(fā)，設(shè)計并通過網(wǎng)絡(luò)發(fā)放調(diào)查問卷，對打車軟件市場規(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)合聚類分析方法，通過建立多項有序logistic回歸模型，對打車軟件市場規(guī)模的影響因素進(jìn)行實證分析。研究表明，各因素中補貼對打車軟件使用頻率的影響最大。最后對結(jié)果進(jìn)行了現(xiàn)實意義的分析，并就此提出打車軟件競爭策略建議。

關(guān)鍵詞：聚類分析 多項有序logistic回歸模型 打車軟件

中圖分類號：F275 文獻(xiàn)標(biāo)識碼：A 文章編號：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，在出租車市場的供不應(yīng)求及互聯(lián)網(wǎng)技術(shù)的快速發(fā)展的推動下，打車軟件應(yīng)運而生。打車軟件是一種智能手機應(yīng)用，乘客可以便捷地通過手機發(fā)布打車信息，大大提高了打車效率。iiMediaResearch數(shù)據(jù)顯示，2014年中國移動出行用車平臺的用戶規(guī)模達(dá)到2.11億，而2015年預(yù)計將達(dá)到2.69億，同比增長率為27.5%。

打車軟件的快速發(fā)展和激烈競爭，將會對傳統(tǒng)出租車市場的未來發(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)為打車軟件對出租車行業(yè)并沒有顛覆性的影響，只能在出租車行業(yè)基本監(jiān)管體系下有序參與市場競爭[1]。王一帆（2014年）根據(jù)ISM解釋結(jié)構(gòu)模型分析得出我國應(yīng)構(gòu)建出租車行業(yè)預(yù)約服務(wù)與打車軟件機構(gòu)合作的利益協(xié)調(diào)機制[2]。侯云杰（2015年）則提出應(yīng)統(tǒng)籌移動軟件與市場發(fā)展的關(guān)系來應(yīng)對新媒體環(huán)境下出租車市場機遇與挑戰(zhàn)并存的現(xiàn)狀[3]。

目前國內(nèi)利用數(shù)學(xué)建模方法對打車軟件市場規(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為打車軟件而激化的各類矛盾，以及針對這些矛盾而提出的解決措施。文章基于問卷調(diào)查所得數(shù)據(jù)，綜合運用聚類分析法和多項有序logistic回歸法構(gòu)建關(guān)于打車軟件市場規(guī)模影響因素的模型，并對其判別效果進(jìn)行分析。

1 研究設(shè)計

文章的研究對象是打車軟件，研究主要依據(jù)江蘇省13個市的問卷數(shù)據(jù)。調(diào)查人員采用網(wǎng)上發(fā)放問卷的方式進(jìn)行調(diào)查，共收回有效問卷550份。從被調(diào)查者的職業(yè)來看，學(xué)生占66.98%，上班族占22.22%，其他占10.8%，消費主體分布合理，樣本具有代表性。調(diào)查問卷共包括補貼力度、等待時間、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個影響因素，各因素的影響度用1～5表示，見表1。

圖1～5分別具體展現(xiàn)了打車軟件使用頻率、補貼滿意度、使用打車軟件打車等候時間、打車軟件是否帶來便利、打車軟件是否安全的分布。

用戶使用打車軟件頻率分布顯示，被調(diào)查者中超過3/4使用過打車軟件，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。在使用過打車軟件且被補貼的調(diào)查者中，62.65%的人都對補貼表示滿意，只有7.1%的人不滿意。使用打車軟件后等待的時間分布為：約58.33%的用戶認(rèn)為等待時間會減少，只有3.7%的用戶認(rèn)為等待時間反而會增加。打車軟件是否帶來便利的統(tǒng)計結(jié)果為，58.95%的用戶認(rèn)為使用打車軟件會更便利，其中17.59%的被調(diào)查者認(rèn)為使用打車軟件非常便利，41.36%的被調(diào)查者認(rèn)為使用打車軟件較為便利，如在偏僻地方或上下班高峰期時打車更為容易。相反，11.42%的用戶認(rèn)為使用打車軟件并沒有帶來便利。在使用打車軟件的安全性的調(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)為使用打車軟件不安全。

2 計量模型分析

2.1 聚類分析

此文選取以上調(diào)查問卷結(jié)果來分析打車軟件市場規(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。屬于心理類變量有：willing，influence；屬于津貼類有：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。提取每類變量樣本的樣本值，采用K-Means聚類法將樣本分為5類。利用SPSS軟件最終確定5個類中心，并得到每個類中的樣本數(shù)量[4]。

2.2 多項有序logistic回歸模型

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

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

根據(jù)上述模型，代入問卷調(diào)查所統(tǒng)計的數(shù)據(jù)，利用SPSS 16.0擬合出4個二分類logistic回歸方程[7]。

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

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

3 結(jié)語

文章以問卷調(diào)查得到的550份有效問卷為樣本，以聚類分析為工具，利用多項有序logistic回歸模型分別從津貼、心理、有用性、手機網(wǎng)絡(luò)通暢以及年齡5個方面分析了打車軟件使用頻率?；谀Ｐ凸烙嫷慕Y(jié)果，得到結(jié)論：5個變量中津貼對打車軟件使用頻率的影響程度最大，即補貼滿意度和收入的綜合作用對打車軟件使用頻率的影響最大，而這兩個變量中補貼滿意度占主導(dǎo)地位，說明了用戶對補貼的滿意度對軟件使用頻率的影響最大。文章以使用打車軟件頻率作為衡量打車軟件市場規(guī)模的依據(jù)，說明了目前打車軟件行業(yè)主要依靠“雙向補貼”方式來吸引用戶使用自家打車軟件，不斷增強他們對打車軟件的依賴性以此擴大打車軟件市場規(guī)模，最終達(dá)到盈利目的。

但是僅僅依靠補貼方式來吸引消費者，長此以往并不現(xiàn)實，打車軟件公司不可能用無窮無盡的現(xiàn)金流來籠絡(luò)住消費者的心，因而需要思考補貼之外的新出路。

參考文獻(xiàn)

[1] 周光偉.打車軟件的應(yīng)用對出租車行業(yè)的影響及對策分析[D].深圳：深圳大學(xué)經(jīng)濟學(xué)院，2014.

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

[3] 侯云杰.論手機打車軟件對市場的影響[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)計分析與數(shù)據(jù)挖掘[M].北京：電子工業(yè)出版社，2014：231-253.