基于多元回歸模型的新疆電商好評率分析

喻楚玲

(新疆大學經濟與管理學院 新疆 烏魯木齊 830000)

基于多元回歸模型的新疆電商好評率分析

喻楚玲

(新疆大學經濟與管理學院 新疆 烏魯木齊 830000)

隨著互聯網技術的飛速發展，近年來電子商務在我國也得到了飛速的發展。但是它在給我們帶來便利的同時，弊端也日益凸顯。尤其是互聯網的虛擬性導致消費者難以準確把握商品的真實質量，為了解決這一問題知名平臺建立了一套誠信系統。對于商家而言也就是好評率這一核心指標，那么這一指標的可信度又有多高，引人深思。本文主要采用多元回歸的方法對2016年新疆皇冠級以上電子商務企業的好評率進行研究和分析。結合120家企業對其寶貝數量，主營業務占比，寶貝與描述相符的程度，賣家的服務態度水平以及賣家的發貨速度進行研究，最后得出寶貝與描述相符的程度以及賣家的服務態度水平對好評率有著顯著性影響。

電子商務；好評率；顯著性水平

一、引言

隨著互聯網技術的飛速發展，近年來電子商務在我國也得到了飛速的發展。但是它在給我們帶來便利的同時，弊端也日益凸顯。尤其是互聯網的虛擬性導致消費者難以準確把握商品的真實質量，為了解決這一問題阿里巴巴建立了一套誠信系統。對于商家而言設定了好評率這一核心指標，那么這一指標的可信度又有多高，引人深思。而多元線性回歸模型是由一組獨立解釋變量值預測一個或多個被解釋變量的一種統計工具。它也用于評估解釋變量對被解釋變量的影響，對于好評率的被解釋變量的研究有著重要的現實意義。

二、多元線性回歸模型

假設討論的多元線性回歸模型為n元,即解釋變量為n個,多元線性回歸模型的矩陣表達式為:Y=Xβ+ε其中：

Y=(y1,y2,y3…yn)T

β=(β0,β1,β2…βn)T

ε=(ε1,ε2,ε3……εn)T,n=1,2,3…

假設；(1)理論模型中的解釋變量X1，X2……X非隨機或非固定，且相互之間互不相關(無多重共線性)；

(2)除我們在理論模型中設定的解釋變量外的隨機干擾項具有零均值，同方差及不序列相關性；

(3)解釋變量與隨機干擾項不相關且隨機干擾項滿足正態分布；值得關注的是，變量之間的函數關系和相關關系在一定條件下是可以相互轉化的；

E(μi)=0,i=1,2,3…n

Var(μi)=E(μi2)=σ2,i=1,2,3…n

Cov(μi,μj)=E(μi,μj)=0,i≠j,i=1,2,3…n,j=1,2,3…n

Cov(xji,μi)=0,j=1,2,3…n,i=1,2,3…n

μi～N(0,σ2)

三、于2016年新疆皇冠級以上好評率被解釋變量的分析

好評率對于賣家而言是其持續經營的一項指標，同時也是消費者直觀衡量商家的一個因素，對于第三方而言也是一項簡便快捷定量分析商家誠信度的一個參考值。好評率的科學性研究需要基于觀測企業客觀定量指標的準確性和科學性。為了達到這一目標，現隨機選取淘寶店鋪中新疆120家皇冠級以上電商組成一個樣本。現設定解釋變量好評率為y，被解釋變量寶貝數量為x1，主營業務占比為x2，寶貝與描述相符程度為x3，賣家的態度水平為x4，賣家的發貨速度為x5。

四、數據的選取

淘寶店鋪120家新疆皇冠級網商2016年的好評率，寶貝數量，主營業務占比，寶貝與描述相符程度，賣家的服務態度水平，賣家的發貨速度。數據提取于淘寶網各個網商的店鋪主頁。

五、多元線性回歸模型

根據以上假定具體回歸方程設為以下形式:

y=β0+β1x1+β2x2+β3x3+β4x4+β5x5+ε,其中βi為解釋變量每變化一個單位對被解釋變量的影響程度。

六、橫截面數據分析——多元回歸分析

(一)變量間相關性分析

計量經濟學軟件很多，在這里我們運用Eviews軟件對好評率進行分析，在做分析之前先對搜集來的數據進行處理，剔除上述設定的解釋變量和被解釋變量不完整的企業剩余100家企業。然后對變量進行相關性分析，確定最終的解釋變量，過程如下；

表1 解釋變量之間相關性

表2 面板數據描述統計表

表3 回歸分析的統計量、回歸系數和t檢驗等數據結果

表4 調整之后的回歸分析的統計量、R2和回歸系數及其t檢驗、F檢驗等數據結果

表5 調整之后的回歸分析的統計量、R2和回歸系數及其t檢驗、F檢驗等數據結果

(二)模型檢驗

1.R2檢驗分析

表3的得出R2=0.18，調整后的R2=0.16，可以得出對于電子商務企業的好評率而言R2的值比較可觀，說明淘寶網電商的好評率與寶貝與描述相符程度x3，賣家的服務態度水平x4有著一定的相關程度。

2.多元線性回歸方程線性檢驗(F檢驗)

表4中給出的F檢驗值為36.57489遠遠大于F0.05=3.23，說明寶貝與描述相符程度x3,賣家的服務態度水平x4與電商的好評率之間y之間有著顯著的回歸效果。

3.參數顯著性檢驗(t檢驗)

表4給出了修正后的回歸系數β0，β3，β4的估計值及其標準誤差、t檢驗值等。由于各回歸系數的t檢驗值分別為t3=2.752432,t4=2.431965都大于t0.10/2=1.684(此處常數項的t值可以不計)，故拒絕原假設β0=0,β3=0,β4=0。可以說明寶貝與描述相符程度與賣家服務態度水平對電子商務企業的好評率有著顯著性影響。

綜合上面所做的EViews回歸分析以及所得出的結果，可以得到如下的回歸模型：

R2=0.18，R2=0.16，n=100，F=36.57489

七、結論及對策

基于上述研究結果說明了消費者更加注重購物時的用戶體驗。對于賣家而言應該不斷的提高自身的服務水平以及客觀的對自家的商品進行描述，做好這兩個方面才能更好的提高店鋪的好評率，這樣才能更好的提高市場份額。互聯網時代的飛速發展以及移動互聯給人們帶來的便利，意味著電子商務行業有著很大的嶄露頭腳的機會，從好評率與賣家發貨速度的相關關系，作為消費者的我們也不應該過度的依賴于好評率對店鋪做出武斷的判斷。綜上所述，賣家應該提高自身的服務水準并且客觀的描述商品，給消費者帶來更好的用戶體驗是其成敗的關鍵。

[1]宋亦平，顧中立.對中國C2C電子商務信用評價機制的實證分析[D]

[2]鄭秀升，金立娟.C2C店址商鋪的空間分布及影響因素研究——以‘淘寶網’為例[D]

[3]周庭銳,張紅宇.網絡口碑對消費者在線行為的影響——基于‘大眾占評’的實例分析[D]

[4]張維迎,楊居正.信譽,信息與管制——基于網上交易數據的實證研究[D]

[5]廖成林,李雨潔.C2C模式下在線商品評價偏差的成因與影響機理研究[D]

[6]李維安,吳德勝,徐皓.網上交易中的聲譽機制——來自淘寶網的證據.南開管理評論.2007,(5)36-46[J]