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，增强企业的竞争力
2、。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。回归分析的基本原理 : 一元线性回
3、归需要满足的条件：满足条件：（1）E（）=0；（2）D（）=2；（3）Cov (,)=0,ij ; (4) 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，2）。一般情况下，N（0，2）。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
4、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15003网络图书免运费价格感兴趣凡客92 大二女有城市15003电视服装免运费信誉度厌恶当当83大一男有城镇9002杂志数码品打折价格有点兴趣当当104大四男有城镇10003网络充值免运费信誉度不感兴趣天猫95大四女有城镇9002其他服装送礼品价格不感兴趣当当116大三男有城市6004网络服装打折网站知名度感兴趣凡
5、客87大二男无县乡15002电视图书免运费网站知名度不感兴趣团购网138大一女有县乡6003电视服装返券价格有点兴趣天猫139大二女有县乡6002其他化妆品打折其他有点兴趣京东810大二女有县乡7001网络化妆品免运费产品种类不感兴趣凡客911大一男无县乡9001亲友服装送礼品信誉度厌恶团购网1212大三女有城市9002杂志化妆品其他产品种类厌恶当当913大三女有城市13003亲友运动品返券价格有点兴趣天猫814大三女无城市12002网络娱乐免运费网站知名度厌恶凡客1015大三男有城市9004网络玩具打折其他不感兴趣京东816大三女有城市10002电视食品免运费价格厌恶当当617大二女无城市1
6、0001网络服装打折产品种类不感兴趣天猫1018大一女有城市13003网络服装免运费价格厌恶天猫819大一男有城市15003同学服装送礼品其他不感兴趣卓越620大三女有城市9002同学化妆品返券信誉度不感兴趣京东1021大三女有城市10002网络图书打折网站知名度厌恶卓越822大三男有城市10004同学充值免运费快捷度不感兴趣团购网1023大二女有县乡8002广播化妆品其他产品种类有点兴趣天猫724大一女有城市9002杂志食品送礼品价格不感兴趣京东725大三男有城市6003网络图书免运费信誉度厌恶团购网1026大三女有城市7003网络充值打折快捷度不感兴趣天猫927大三女有城镇5002网络化妆
7、品打折网站知名度有点兴趣当当1128大三女无城镇7002亲友图书其他产品种类不感兴趣卓越1229大四女有城镇5001广播充值送礼品信誉度有点兴趣天猫930大三男无县乡5001杂志图书其他价格不感兴趣卓越931大二男无县乡5001网络充值返券快捷度不感兴趣当当11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有效男1238.738.738.7女1961.361.3100.0合计31100.0100.0年级频率百分比有效百分比累积百分比有效大二722.622.622.6大三1548.448.471.0大四39.79.780.6大一619.41
8、9.4100.0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每月网购频率Pearson 相关性1.237显著性（双侧）.199N3131网龄Pearson 相关性.2371显著性（双侧）.199N3131从图中可以看出
9、，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有效充值516.116.116.1服装825.825.841.9化妆品619.419.461.3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
10、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1.237a.056.024.891a. 预测变量: (常量), 网龄。Anovaa模型平方和df均方FSig.1回归1.37111.3711.727.199b残差23.01629.794总计24.38730a. 因变量: 每月网购频率b. 预测变量: (常量), 网龄。系数a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
11、.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。影响网购的因素频率百分比有效百分比累积百分比有效产品种类516.116.116.1价格929.029.045.2快捷度39.79.754.8其他39.79.764.5网站知名度516.116.180.6信誉度619.419.4100.0合计31100.0100.0（五）促销等各种因素对网络购物的影响喜欢何种促销频率百分比有效百分比累积百分比有效打折825.825.825.8返券412.912.938.7免运费1032.332.371.0其他
12、412.912.983.9送礼品516.116.1100.0合计31100.0100.0四、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
13、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，很多方面还是不能理解仅仅能过按照笔记操作一部分步骤，但是我相信这为期五天的学习仅仅是我们学习这款软件的一个开始，通过这次学习的了解为以后学习利用这款软件进行数据分析将对我们有极大的帮助。感觉这款软件对我们档案学专业有巨大的作用，可以利用其对档案信息资源利用者利用档案的各种因素进行数据分析，这将对档案工作有很大的帮助给档案工作者提供极大的便利，希望以后有更多的机会学习并且利用这款软件进行数据分析等工作。
