基于多元有序logistic 回歸分析法的汽車定價策略

摘要：為增強汽車A 級細分市場產品的價格競爭力以提高消費者購買意愿，從微觀角度探究消費者對A 級細分市場的汽車特征裝備的感知價值，進而構建基于消費者價值感知理論的汽車定價策略模型。首先，通過200 份調研問卷收集消費者對A 級細分市場的汽車特征裝備的感知價值數據；其次，基于多元有序Logistic 回歸分析法，驗證了特征裝備對汽車感知價值有正向影響，并基于參數估計構建了基于價值感知理論的汽車定價模型；最后，選取某品牌A 級細分市場中的SUV 車型作為本品研究對象，選取價格和軸距尺寸與本品相近的某品牌A級SUV 車型作為競品進行對比分析。結果表明：根據該定價模型推導出的本品在價格競爭力上顯著高于競品，其中基礎版車型的價格競爭力高11.52%，豪華版車型的價格競爭力高13.75%，證明該定價模型在工程實踐中的應用潛力和價值。

關鍵詞：消費者價值感知理論；特征價格；多元有序logistics 回歸分析法；汽車定價

0 前言

隨著消費者對汽車知識的不斷積累和認知水平的顯著提高，消費者愈發要求汽車價格與產品價值相匹配［1］。這要求汽車行業研究能夠匹配產品價值的汽車定價模型。針對汽車定價模型的研究需求，國內外學者正逐漸從傳統的成本導向定價和競爭導向定價轉向消費者需求導向定價［2］。消費者需求導向定價的核心理念是基于消費者的價值感知模型，研究消費者所關注的產品特征屬性及其對應的感知價值。目前，學者們的研究多集中在宏觀層面對感知價值的驅動因素的探索［3］，而對汽車定價結果的模型研究以及不同驅動因素對感知價值的差異性影響的研究相對較少。因此，探討消費者如何根據汽車特征屬性來評估其整體價值，已成為汽車行業亟待解決的問題。本文提出通過研究A 級細分市場的汽車特征裝備對消費者價值感知的正向影響機制，采用多元有序Logistic 回歸分析法構建基于消費者價值感知理論的汽車定價模型的研究方法。

1 定價模型

1. 1 理論模型

基于消費者價值感知理論的汽車定價模型通過探究A 級細分市場的汽車特征裝備對消費者感知價值的影響，計算消費者對汽車價值的估值，作為汽車定價的價格上限［4］。汽車定價模型的表達式為：

1. 2 模型變量

本文旨在從微觀因素角度探究消費者感知價值在產品定價中的應用。為此基于汽車之家和懂車帝網站的A 級汽車細分市場中產品特征裝備參數，整理微觀層面的汽車特征裝備明細，并將特征裝備歸納為動力與傳動系統、外觀、內飾、安全和功能五大類特征，作為對消費者價值感知有正向影響的汽車定價模型的自變量，具體見表1。

基于汽車定價模型和變量選擇，制定基于消費者價值感知的定價模型，其原理如圖1 所示。

2 數據收集

本文采取問卷調查的方法系統收集消費者對于汽車特征裝備的價值感知的相關信息，作為構建定價模型的數據輸入。

2. 1 問卷調研及校驗

本調研問卷的量表按收集數據維度的不同被劃分為兩個主要區塊：第一區塊旨在收集調研對象對于A 級細分市場車型的購車預算，問卷中加入“是否意向購買A 級汽車”的題項，若調研對象選擇“否”則問卷結束；第二區塊則旨在收集調研對象對A 級細分市場的汽車特征裝備的感知價值。量表的調研指標及具體題項見表2，鑒于特征裝備明細較多，表中僅呈現部分示例。

最終共回收221 份調查問卷，其中有效問卷200 份，有效答卷率達到90.50%。

本文使用SPSS 軟件對收集的數據進行信度和效度檢測。其中，信度結果顯示各變量的克朗巴哈系數均集中在0.9～0.999，顯示出極高的信度水平。問卷整體的克朗巴哈系數為0.984%，表明這是一份具有高信度系數的問卷。效度檢測包括巴特利特球形檢驗及KMO 檢驗。本調研獲得的KMO 值為0.794，超過了0.7 的基準線。同時，巴特利特球形度檢驗值（P 值）為0.03，表明問卷收集的特征裝備變量具有較高的效度。這表明本問卷能夠準確測量消費者的感知價值數據，可以進行后續數據處理。

2. 2 問卷數據處理

為進一步提升問卷數據質量，確保多元有序Logistic 回歸分析法的準確性和可靠性，本文采用RobustScaler 算法，對每個汽車特征裝備的消費者價值感知數值進行特征縮放，以對數據進行標準化處理，同時減少異常值對模型參數估計的影響。RobustScaler 算法是機器學習中用于數據預處理的特征縮放方法，特別適用于對異常值敏感的算法。RobustScaler 算法采用中位數和四分位距作為數據縮放的參數，這些統計量對異常值具有更高的魯棒性，可以降低異常數據對定價模型的影響。

中位數對異常值具有不敏感性，因此在評估數據集的中心趨勢時，提供了一種更為穩健的度量方法。本文對感知價值數據進行了標準化處理，以確保數據的一致性和可比性。進一步地，本文采用中位數來量化消費者汽車特征裝備的感知價值。這增強了數據的代表性，能夠更準確地反映消費者的價值感知，進而為汽車產品的定價策略提供有力的數據支持。

3 基于多元有序Logistic 回歸分析法的模型構建

3. 1 多元有序Logistic 回歸分析法

多元有序Logistic 回歸分析法［5］用于研究一個有序分類因變量與多個自變量之間的關系。本文自變量特征裝備根據技術參數的不同進行排序。因此，本文采用多元有序Logistic 回歸分析方法探究A 級細分市場的汽車特征裝備對消費者價值感知的影響，其模型的函數表達式為：

3. 2 定價模型數據校驗

在構建多元有序Logistic 回歸模型之前，必須對模型進行擬合優度檢驗和平行性檢驗。擬合優度檢驗的目的是評估模型對實際觀測數據的適配性，確保模型能夠捕捉數據的關鍵特征。平行性檢驗則旨在驗證模型中不同類別的閾值是否保持一致性，這是模型有效性的一個重要前提。只有在這兩項檢驗均通過的情況下，才可以開展進一步的回歸分析。

本文采用SPSS 軟件進行模型的數據校驗，模型的擬合優度結果顯示皮爾遜顯著性系數為0.998，接近完美的P 值，表明本文定價模型具有優秀的擬合效果。平行性檢驗的顯著性為0.995，高于0.05 的統計顯著性閾值，而且非常接近1，表明本文定價模型通過了平行性檢驗。

綜上，本定價模型通過了擬合優度檢驗和平行性檢驗，可以進一步采用回歸分析方法確定模型中的參數估計值并建立相應的函數表達式。

3. 3 模型參數估計及函數表達

通過SPSS 軟件進行多元有序Logistic 回歸分析，其參數估計結果見表3。

由表3 可以看出：汽車A 級細分市場的顯著性為0.001，展現出最強的統計學顯著性。另外，外觀、動力、安全和功能的顯著性也達到統計學顯著水平，說明細分市場、外觀、動力、安全和功能對消費者價值感知有顯著的正向影響。然而，內飾的顯著性超出了0.05 的閾值，達到0.064，這意味著內飾對于本定價模型缺乏統計學上的顯著解釋力，應予以排除。這意味著在當前市場環境下，消費者在評估汽車價值時，可能更傾向于考慮性能、安全、功能和外觀設計等其他因素。基于參數估計結果，得出A 級細分市場的汽車產品感知價值表達式為：

4 實例驗證

4. 1 定價結果評價指標

引入價格競爭力指數作為定價結果評價指標，以量化評估本定價模型推導的本品研究對象的價格相對競品的價格優勢［6］。計算該指數的步驟包括：首先，對競品的裝備配置進行處理，確保其與本品研究對象具有一致的裝備水平。這涉及剔除競品獨有的裝備并減去對應的感知價值，同時增加本品獨有的裝備并加上對應感知價值。調整后得到處理后的競品價格，隨后將本品的感知價值與競品處理后的價格進行比對，從而得出價格競爭力指數，其表達式為：

4. 2 評價指標的計算及其結果分析

為實例驗證本定價模型，選取某品牌A 級細分市場中的SUV 產品作為本品研究對象。該SUV產品包含基礎版與豪華版兩款車型。選取軸距尺寸與本品相近的某品牌SUV 產品作為競品進行對比分析，并在競品中選擇價格與本品相近的基礎版和豪華版兩款車型。將相關參數代入式（4），可得到本品的價格競爭力指數，即感知價值除以競品車型按照本品裝備水平處理后的價格。相比競品，本品基礎版車型價格競爭力指數為11.52%，本品豪華版車型價格競爭力指數為13.75%，說明消費者會認為本品車型的性價比更高，進而對本品產生更為強烈的購買意愿。

綜上所述，本文構建的基于價值感知理論的汽車定價模型具有顯著的實際應用價值。該模型能夠指導汽車廠商根據消費者的價值感知來制定合理的汽車產品價格策略，進而在激烈的汽車市場中獲得相對于競品的價格競爭優勢。

5 結語

為構建汽車定價模型，深入分析了消費者價值感知模型的概念和應用，以更好地理解消費者對汽車價格的認知及其影響因素。從微觀經濟學的角度出發，詳細定義了一系列影響A 級細分市場汽車產品價格的特征裝備指標。為了獲取消費者對A 級細分市場汽車產品特征裝備的價值感知數據，設計并實施了問卷調研。收集到的數據利用SPSS軟件進行了信度及效度檢驗，確保數據的可靠性和有效性。通過多元有序Logistic 回歸分析，構建了基于消費者價值感知的汽車定價數學模型。最后，為了驗證所構建模型的有效性和準確性，進行了產品價格對比的實例驗證。結果表明：采用本定價模型制定價格策略的某品牌SUV 在價格競爭力上顯著高于競品，其中基礎版車型的價格競爭力高11.52%，豪華版車型的價格競爭力高13.75%。結果驗證了本文定價模型在實際應用中的優越性，有助于使汽車價格更貼近消費者的實際感知，并為汽車廠商提供更為合理的定價策略。

參考文獻

［ 1 ］ 陸清華. 消費者認知方式、品牌態度與營銷效果[J]. 商業經濟研究，2020（15）：69-72.

［ 2 ］ 汪建坤. 五種價格理論及其比較分析[J]. 數量經濟技術經濟研究，2001（1）：91-93.

［ 3 ］ 汪小梅，田英莉，趙靜. 基于顧客感知價值的信息產品定價方法研究[J]. 情報雜志，2010，29（2）：164-167，95.

［ 4 ］ 史思伊. 考慮消費者感知質量的農產品品牌認同與定價策略研究[D]. 成都：西南交通大學，2022.

［ 5 ］ MCLAUGHLIN K. A quantitative study oflearner choice in cybersecurity training： do theyeven want gamification？[D]. Colorado Springs：Colorado Technical University，2023.

［ 6 ］ 王翕. 基于顧客感知價值的寬帶定價策略研究[D]. 北京：北京郵電大學，2012.