论文部分内容阅读
摘要：随着中国汽车工业的高速增长及汽车市场的日益成熟，汽车消费也成为拉动内需的一个重要“引擎”。购车行为是整个消费者行为过程最关键的环节。因此，对于中国汽车消费者的购车决策影响因素进行分析具有重要意义。本文主要利用机器学习中的三种分类算法并建立ROC曲线，对中国家庭购车决策影响因素进行分析。
关键词：购车决策；分类算法；ROC曲线
一、引言
当前社会，汽车已经成为人们日常生活中不可或缺的出行工具。本文利用中国家庭金融调查数据，分别利用Logistic回归，线性判别LDA分类器和非线性二次判别QDA分类器这三种分类算法进行对比研究，并采用ROC分析技术，分析出对于中国家庭购车行为的影响因素问题哪种分类方法更优。
二、研究算法简介
用机器学习的方法来分析数据，挖掘大量数据背后的知识已成为今后的研究趋势。在解决实际问题时，分类模式和回归模式是使用最普遍的。分类的目的是学会一个分类函数或者分类模型，该模型能把数据库中的数据项映射到给定类别中的某个类。本文主要研究了Logistic回归模型，线性判别LDA分类器和非线性二次判别QDA分类器三种分类算法的对比。评估分类规则的准确率是模型的关键，如果准确率可以接受，则分类规则可用于新的数据的分类。ROC曲线是用来衡量分类算法的一种分析方法，能全面分析分类算法的分类性能。目前，通用的方法是计算ROC曲线下的面积AUC。AUC是曲线下区域与单位面积的比值，它的值在0到1之间。通常AUC值越大，意味着分类性能越好。
三、数据来源、变量说明
3.1数据来源
本文数据采用西南财经大学2011年中国家庭金融调查（CHFS）数据。涉及到25个省（直辖市）、80个县、320个社区的8438户家庭，CHFS数据库中包括家庭购车决策、家庭各项收入、户主个人特征，如年龄、受教育程度等信息。首先用Statal2.0对数据进行处理，最后选取了8个变量，6203户家庭信息。
3.2变量说明
VI：carif，家庭的购车决策（若购车，carif=1；不购车，cafif=0）；V2：house，家庭住房拥有量，作为家庭财富的替代变量；v3：In_income，家庭年收入取对数，家庭年收入包括家庭工资性收入（税后）、福利性补贴收入、财产性收入、生产经营性收入及非家庭成员对其转移性收入，且为减轻可能存在的异方差影响，对家庭收入变量取对数处理；v4：age，户主的年龄；v5：size，家庭规模；V6：sex，户主性别；v7：edu，户主的受教育程度，将受教育水平为大专及大专以上的取值为1，其他为0。V8：mar，户主的婚姻状况。
四、实证结果分析
4.1Logistic回归
4.1.1拟合
对家庭是否购买汽车的选择模型，先对家庭的购车决策（V1），家庭住房拥有量（V2），家庭年收入（V3），户主的年龄（V4），家庭规模（V5），户主性别（V6），户主的受教育程度（V7），户主的婚姻状况（V8）进行拟合。然后用Step（）函数进行逐步回归，筛选出影响显著的变量，结果变量V2，V6，V8被剔除。
Logistic回归结果输出见表2。且模型输出结果中，AIC=2077.3，由表2可知训练出来的模型为：
4.1.2预测
建立模型的一个重要目的就是预测，下面对6203户家庭购车决策模型进行预测，用Logistic预测的分类结果中288个错判。
4.1.3分类性能評价
本文通过ROC曲线来衡量分类算法的分类性能，加载R语言中的pROC程序包。得到Logistic模型的ROC曲线如图1。图1中ROC曲线下方面积（AUC）为0.747，大于0.5。
4.2LDA分类算法
用到的是程序包MASS中的函数lda0，得到LDA分类算法对家庭购车决策的分类结果。对于LDA分类性能评价，得到LDA模型的ROC曲线如图2。图2中ROC曲线下方面积（AUC）为0.746。
4.3QDA分类算法
用到的是程序包MASS中的函数qda（），得到QDA分类算法对家庭购车决策的分类结果，其中有289户家庭分类错判。对于LDA分类性能评价，得到LDA模型的ROC曲线如图3。图3中ROC曲线下方面积（AUC）为0.749，优于前两种分类方法。
从以上研究发现影响家庭购车行为决策的因素主要有家庭年收入，家庭规模，户主年龄及受教育程度。且通过Logistic回归，线性判别LDA分类器和非线性二次判别QDA分类器这三种分类算法的对比研究，结合KOC分析技术，发现二次判别函数QDA对于中国家庭购车行为的影响因素问题的研究更優。
关键词：购车决策；分类算法；ROC曲线
一、引言
当前社会，汽车已经成为人们日常生活中不可或缺的出行工具。本文利用中国家庭金融调查数据，分别利用Logistic回归，线性判别LDA分类器和非线性二次判别QDA分类器这三种分类算法进行对比研究，并采用ROC分析技术，分析出对于中国家庭购车行为的影响因素问题哪种分类方法更优。
二、研究算法简介
用机器学习的方法来分析数据，挖掘大量数据背后的知识已成为今后的研究趋势。在解决实际问题时，分类模式和回归模式是使用最普遍的。分类的目的是学会一个分类函数或者分类模型，该模型能把数据库中的数据项映射到给定类别中的某个类。本文主要研究了Logistic回归模型，线性判别LDA分类器和非线性二次判别QDA分类器三种分类算法的对比。评估分类规则的准确率是模型的关键，如果准确率可以接受，则分类规则可用于新的数据的分类。ROC曲线是用来衡量分类算法的一种分析方法，能全面分析分类算法的分类性能。目前，通用的方法是计算ROC曲线下的面积AUC。AUC是曲线下区域与单位面积的比值，它的值在0到1之间。通常AUC值越大，意味着分类性能越好。
三、数据来源、变量说明
3.1数据来源
本文数据采用西南财经大学2011年中国家庭金融调查（CHFS）数据。涉及到25个省（直辖市）、80个县、320个社区的8438户家庭，CHFS数据库中包括家庭购车决策、家庭各项收入、户主个人特征，如年龄、受教育程度等信息。首先用Statal2.0对数据进行处理，最后选取了8个变量，6203户家庭信息。
3.2变量说明
VI：carif，家庭的购车决策（若购车，carif=1；不购车，cafif=0）；V2：house，家庭住房拥有量，作为家庭财富的替代变量；v3：In_income，家庭年收入取对数，家庭年收入包括家庭工资性收入（税后）、福利性补贴收入、财产性收入、生产经营性收入及非家庭成员对其转移性收入，且为减轻可能存在的异方差影响，对家庭收入变量取对数处理；v4：age，户主的年龄；v5：size，家庭规模；V6：sex，户主性别；v7：edu，户主的受教育程度，将受教育水平为大专及大专以上的取值为1，其他为0。V8：mar，户主的婚姻状况。
四、实证结果分析
4.1Logistic回归
4.1.1拟合
对家庭是否购买汽车的选择模型，先对家庭的购车决策（V1），家庭住房拥有量（V2），家庭年收入（V3），户主的年龄（V4），家庭规模（V5），户主性别（V6），户主的受教育程度（V7），户主的婚姻状况（V8）进行拟合。然后用Step（）函数进行逐步回归，筛选出影响显著的变量，结果变量V2，V6，V8被剔除。
Logistic回归结果输出见表2。且模型输出结果中，AIC=2077.3，由表2可知训练出来的模型为：
4.1.2预测
建立模型的一个重要目的就是预测，下面对6203户家庭购车决策模型进行预测，用Logistic预测的分类结果中288个错判。
4.1.3分类性能評价
本文通过ROC曲线来衡量分类算法的分类性能，加载R语言中的pROC程序包。得到Logistic模型的ROC曲线如图1。图1中ROC曲线下方面积（AUC）为0.747，大于0.5。
4.2LDA分类算法
用到的是程序包MASS中的函数lda0，得到LDA分类算法对家庭购车决策的分类结果。对于LDA分类性能评价，得到LDA模型的ROC曲线如图2。图2中ROC曲线下方面积（AUC）为0.746。
4.3QDA分类算法
用到的是程序包MASS中的函数qda（），得到QDA分类算法对家庭购车决策的分类结果，其中有289户家庭分类错判。对于LDA分类性能评价，得到LDA模型的ROC曲线如图3。图3中ROC曲线下方面积（AUC）为0.749，优于前两种分类方法。
从以上研究发现影响家庭购车行为决策的因素主要有家庭年收入，家庭规模，户主年龄及受教育程度。且通过Logistic回归，线性判别LDA分类器和非线性二次判别QDA分类器这三种分类算法的对比研究，结合KOC分析技术，发现二次判别函数QDA对于中国家庭购车行为的影响因素问题的研究更優。