大学生网络购物情况及影响因素分析Word格式文档下载.doc

大学生网络购物情况及影响因素分析Word格式文档下载.doc

《大学生网络购物情况及影响因素分析Word格式文档下载.doc》由会员分享，可在线阅读，更多相关《大学生网络购物情况及影响因素分析Word格式文档下载.doc（9页珍藏版）》请在冰豆网上搜索。

条件

（2）表示随机干扰项等方差；

条件（3）表示随机干扰项不存在序列相关；

条件（4）表示干扰项与解释变量无关。

在假定条件（4）成立的情况下，随机变量y～N（a+bx，σ2）。

一般情况下，ε～N（0，σ2）。

多元线性回归模型必须满足如下的条件：

第一、有正确的期望函数。

即在线性回归模型中没有遗漏任何重要的解释变量，也没有包含任何多余的解释变量。

第二、被解释变量等于期望函数与随机干扰项之和。

第三、随机干扰项独立于期望函数。

即回归模型中的所有解释变量与随机干扰项 

不相关。

第四、解释变量矩阵X是非随机矩阵，且其秩为列满秩的。

三、解决问题

数据来源：

大学生网购情况调查问卷记录分析（数据来自网络）

序号

年级

性别

有无网购经历

家庭住址

每月可支配收入

每月网购频率

了解网购途径

网购内容

喜欢何种促销

影响网购的因素

对网站推荐的态度

经常光顾网站

网龄

1

大三

男

有

城市

1500

3

网络

图书

免运费

价格

感兴趣

凡客

9

2

大二

女

电视

服装

信誉度

厌恶

当当

8

大一

城镇

900

杂志

数码品

打折

有点兴趣

10

4

大四

1000

充值

不感兴趣

天猫

5

其他

送礼品

11

6

600

网站知名度

7

大二

无

县乡

团购网

13

返券

化妆品

京东

700

产品种类

亲友

12

1300

运动品

14

1200

娱乐

15

玩具

16

食品

17

18

19

同学

卓越

20

21

22

快捷度

23

800

广播

24

25

26

27

500

28

29

30

31

图表1变量视图

图表2数据视图

（一）性别、年级特征对网购频率的影响

频率

百分比

有效百分比

累积百分比

有效

38.7

61.3

100.0

合计

22.6

48.4

71.0

9.7

80.6

19.4

由图表可知大学生中主要参与网络购物的是大二、大三的学生，大一的学生由于刚刚进入大学，可能对于互联网媒体并不是很了解，而大四学生都有自己的研究课题所以在网购这方面没有多少精力。

并且女生占较多数，与女生课余活动较少有一定的关系。

（二）相关性分析：

选择变量每月网购频率次数和网龄，探究网购频率和网龄之间的相关性，相关系数选择Pearson系数，显著性检验选择双侧检验，得出如下结果：

相关性

Pearson相关性

.237

显著性（双侧）

.199

N

从图中可以看出，相关系数为0.237，因此每月网购频率和网龄具有弱相关性。

（三）对大学生网络购物内容分析

16.1

25.8

41.9

6.5

67.7

3.2

90.3

93.5

96.8

由上述两个图表可知在大学生网络购物活动中以购买服装、图书、化妆品等日常学习生活用品为主，并没有过多的购买其他用品。

（四）线性回归分析：

选择分析→回归→线性，在弹出的对话框中，以每月网购频率次数为因变量，网龄（年）作为自变量，结果如下：

输入／移去的变量a

模型

输入的变量

移去的变量

方法

网龄b

.

输入

a.因变量:

每月网购频率

b.已输入所有请求的变量。

模型汇总

R

R方

调整R方

标准估计的误差

.237a

.056

.024

.891

a.预测变量:

（常量）,网龄。

Anovaa

平方和

df

均方

F

Sig.

回归

1.371

1.727

.199b

残差

23.016

.794

总计

24.387

b.预测变量:

系数a

非标准化系数

标准系数

t

B

标准误差

试用版

（常量）

3.387

.850

3.986

.000

-.118

.090

1.314

我们从上述几个图表中，可以看出它们之间的线性关系大概可以表示为y=-0.118x+3.387。

29.0

45.2

54.8

64.5

（五）促销等各种因素对网络购物的影响

12.9

32.3

83.9

四、总结

通过利用SPSS软件对大学生网购数据情况的分析我们可以看出大学生网上购物潜力巨大，大学生虽然受经济