大学生网络购物情况及影响因素分析

1、大学生网络购物情况及影响因素分析一、研究问题本文主要的研究问题是大学生网购状况及其部分影响因素。伴随电子商务的发展,消费者的消费方式发生了巨大变化，网络购物蓬勃发展。大学生网民占网民总体四成 左右，使用网络购物人数占网络购物网民数的半数以上。可以看到大学生构成了网络 购物的主力军，大学生这一市场成为各大电商竞相争夺的对象。大学生群体成为了众 多电子营销商家的目标群体。作为一个巨大的潜在目标群体，他们的行为方式对于电 子商务商家来说是至关重要的。从大学生的角度对影响顾客网上购物行为的影响因素进行实证分析，分析出影响 大学生网络购物行为的因素，以求为企业发展大学生市场给出一些有针对性的建议， 增强

2、企业的竞争力。可见，对影响进行大学生网上购物消费行为的因素进行研究是非 常有必要并且非常有意义的。大学生商品价格的关注度更高，在大多数条件都相同的 情况下，平均价格低于市场价格的网上商品更加吸引大学生们的注意，易满足大学生 对商品物美价廉的需求。为进一步研究大学生购物行为和网购市场的发展提供参考。二、理论基础主要采用了散点图、饼图、相关性分析、线性回归分析（一元）等方法解决问题，而用到的SPSS主要预测模型只有线性回归模型。SPSS主要的预测模型有：指数平滑模 型、ARIMA模型、线性回归模型、非线性回归模型、 Logistic 回归模型、对数线性模 型、广义线性模型、混合线性模型等。回归分析

3、的基本原理 ：一元线性回归需要满足 的条件：；满足条件：（1） E （ ;） =0; （2） D （ r ） =c2; （3） Cov（ ；i / j）=0,i 丰j ;Cov （，）=0。条件（1）表示平均干扰为0;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yN（ a+bx，c 2）。一般情况下，N(0, /)。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

4、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大男有城市15003网络图书免运费价格感兴趣凡客92大女有城市15003电视服装免运费信誉度厌恶当当83大男有城镇9002杂志数码品打折价格有点兴趣当当104大男有城1

5、0003网充免运费信誉度不感兴趣天9四镇络值猫5大女有城9002其服送礼品价不感兴趣当11四镇他装格当6大男有城6004网服打网站知名度感兴趣凡8三市络装折客7大男无县15002电图免运费网站知名度不感兴趣团购网13二乡视书8大女有县6003电服返价有点兴趣天13一乡视装券格猫9大女有县6002其化妆品打其有点兴趣京8二乡他折他东10大女有县7001网化妆品免运费产品种类不感兴趣凡9二乡络客11大男无县9001亲服送礼品信誉度厌团购网12一乡友装恶12大女有城9002杂化妆品其他产品种类厌当9三市志恶当13大女有城1303亲运动品返价有点兴趣天8三市0友券格猫14大女无城1202网娱免运费网站

6、知名度厌凡10三市0络乐恶客15大男有城9004网玩打其不感兴趣京8三市络具折他东16大女有城1002电食免运费价厌当6三市0视品格恶当17大女无城1001网服打产品种类不感兴趣天10二市0络装折猫18大女有城1303网服免运费价厌天8一市0络装格恶猫19大男有城1503同服送礼品其不感兴趣卓6一市0学装他越20大女有城9002同化妆品返信誉度不感兴趣京10三市学券东21大女有城1002网图打网站知名度厌卓8三市0络书折恶越22大男有城1004同充免运费快捷度不感兴趣团购网10三市0学值23大女有县8002广化妆品其他产品种类有点兴趣天7二乡播猫24大女有城市9002杂志食品送礼品价格不感兴趣

7、京东725大男有城6003网图免运费信誉度厌团购网10三市络书恶26大女有城7003网充打快捷度不感兴趣天9三市络值折猫27大女有城5002网化妆品打网站知名度有点兴趣当11三镇络折当28大女无城7002亲图其他产品种类不感兴趣卓12三镇友书越29大女有城5001广充送礼品信誉度有点兴趣天9四镇播值猫30大男无县5001杂图其他价不感兴趣卓9三乡志书格越31大男无县5001网充返快捷度不感兴趣当11二乡络值券当图表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 性别频率百分比有效百分比累积百分比男1238.738.738.7女1961.361.3100.0有效合计31100.01

8、00.0频率百分比有效百分比累积百分比大二722.622.622.6大三1548.448.471.0有效大四39.79.780.6大一619.419.4100.0合计31100.0100.0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：相关性每月网购频率网龄Pe

9、arson相关性1.237每月网购频率显著性（双侧）.199N3131Pearson相关性.2371网龄显著性（双侧）.199N3131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网购内容频率百分比有效百分比累积百分比充值516.116.116.1服装825.825.841.9化妆品619.419.461.3有效食品26.56.567.7数码品13.23.271.0图书619.419.490.3玩具13.23.293.5娱乐13.23.296.8运动品13.23.2100.0合计31100.0100.0由上述两个图表可知在大学生网络

10、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：选择分析一回归一线性，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/移去的变量模型输入的变量移去的变量方法1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。模型汇总模型RR方调整R方标准估计的误差1.237 a.056.024.891a.预测变量：（常量）,网龄aAnova模型平方和df均方FSig.回归1.37111.3711.727.199 b1残差23.01629.794总计24.38730a. 因变量：每月网购频率b. 预测变

11、量：（常量）,网龄系数模型非标准化系数标准系数tSig.B标准误差试用版1（常量）3.387.8503.986.000网龄-.118.090.2371.314.199a.因变量：每月网购频率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。（五）促销等各种因素对网络购物的影响四、喜欢何种促销打折返券频率百分比有效百分比影响网购的因素频率12.9百分比25.8有效百有效免运费其他产品种 送礼品介格快捷度合计一,，1032.3512.9916.132.316.112.929.016.1累积百分比分比16.129.0有效网站知名度516.116.1信誉度6

12、19.419.4合计31100.0100.09.79.731100.09.79.7购物潜力生虽然受3 100.0325.8累积百71.083.9100.0总结分比16.145.254.864.580.6100.0SPSS软件学生网购情况的分们可以看学生网上巨大，大学经济条件的约束，在校期间无法开展更多的网上购物活动，但其参加工作之后将会在很大程度 上成为社会中中高收入的群体。所以，大学生的价值也绝不仅仅局限于他们目前的实 际购买量，而在于其终身价值，一旦有了固定的收入，他们参与电子商务活动的潜力 是巨大的。随着互联网的普及，越来越多的人接触到网上购物这一领域，由于网购其自身明 显的优势诸如：价格低廉、没有时间空间限制，方便快捷、种类繁多等等使其未来很 长一段时间内将会成为主流购物方式。小学期所接触学习的SPSS数据分析软件能够完整的进行数据输入、编辑、统计分析、报表制作等其操作简便，对我们分析处理大量的数据有极大的帮助。利用SPSS进行数据简单处理，制图以及进行各种数据分析，包括相关性分析，回归分析等等，让 我认识到SPSS对解决简单的实际问题有很大的帮助。 虽然我们学习这个软件的时间尚 短学习的也不够深入，很多方面还是不