消费者购买决策影响因素的二元Logit回归分析1案例背景本案例数据来源于320份消费者问卷因变量为是否购买0未购买1购买自变量包括价格感知、品牌信任、感知风险和会员身份。分析过程使用SPSSAU在线数据分析平台完成二元Logit回归分析。二元Logit回归是处理二分类因变量的标准方法通过对数胜算比logit变换将因变量与自变量的非线性关系转化为线性可估形式回归系数经过指数变换后得到胜算比OR值直观反映自变量对事件发生概率的影响方向与强度。2实证分析结果在SPSSAU【进阶方法】模块选择【二元logit】将变量拖拽至右侧对应分析框操作如下图表1基本汇总表1显示未购买183人57.19%购买137人42.81%因变量分布较为均衡不存在严重的类别不平衡问题。表2似然比检验表2显示似然比检验χ²165.550df4p0.001模型整体具有统计学意义。似然比检验通过比较含自变量模型与仅含截距模型的对数似然值之差来判断模型整体的显著性χ²值越大说明自变量对模型的贡献越大。AIC281.429BIC300.271可用于与其他模型进行信息准则比较值越小模型越优。表3回归分析结果汇总表3报告了各自变量的回归系数、标准误、z值、Wald卡方、p值、OR值及95%CI。价格感知的回归系数β-1.885SE0.230z-8.195Wald χ²67.152p0.001OR0.15295%CI: [0.097, 0.238]表明价格感知对购买决策具有显著负向影响价格感知每提升一个单位购买的胜算比降至约15.2%即购买概率大幅降低。价格感知是所有变量中负向效应最强的因素反映了消费者对价格高度敏感的特征。品牌信任的回归系数β-0.632SE0.169z-3.743Wald χ²14.010p0.001OR0.53195%CI: [0.382, 0.740]同样具有显著负向影响。品牌信任的负向效应可能出乎预期需结合具体变量编码方向解读若品牌信任得分越高代表对品牌的质疑程度越强则该结果表明对品牌越不信任的消费者购买概率越低符合理论预期。感知风险的回归系数β0.880SE0.152z5.788Wald χ²33.503p0.001OR2.41195%CI: [1.790, 3.248]具有显著正向影响感知风险每提升一个单位购买胜算比增加约141.1%。会员身份的回归系数β0.853SE0.308z2.771Wald χ²7.678p0.006OR2.34695%CI: [1.283, 4.288]也具有显著正向影响会员购买概率约为非会员的2.35倍。四个自变量均达到统计显著水平Wald卡方值排序为价格感知67.15感知风险33.50品牌信任14.01会员身份7.68反映各自变量对模型的相对贡献。表4预测准确率表4显示模型整体预测准确率为81.56%其中未购买类别84.70%购买类别77.37%模型分类判别能力良好。预测准确率是模型实际应用价值的重要指标81.56%的准确率说明该模型能够较准确地判别消费者的购买行为。两类别的预测准确率较为均衡不存在对多数类别的过度偏倚。表5 HL拟合度检验表5显示HL检验χ²8.743df8p0.3640.05模型拟合优度良好。Hosmer-Lemeshow检验通过将样本按预测概率分为10组比较各组中观测频数与期望频数的差异来判断模型校准度p0.05表示模型预测概率与实际观测结果吻合良好。表6 HL检验过程表6展示了HL检验的分组比较过程各分位数组别的观测值与期望值差异较小进一步印证了模型的良好校准度。表7简化格式结果表7以简化格式汇总了各变量的回归系数与显著性水平便于快速查阅。表8边际效应表8显示价格感知的边际效应dy/dx-0.259p0.001品牌信任为-0.087p0.001感知风险为0.121p0.001会员身份为0.119p0.005。边际效应表示自变量每变化一个单位时因变量取1的概率变化量相较于OR值边际效应更直观地反映了自变量对概率的绝对影响幅度。价格感知的边际效应绝对值最大每提升一个单位购买概率降低25.9个百分点。表9样本缺失情况表9显示有效样本320份无缺失。3可视化结果图1为二元Logit回归路径系数图直观展示了各变量的影响方向与强度价格感知的路径系数绝对值最大。图2为OR值森林图展示了各变量效应值的置信区间价格感知OR0.152的置信区间远离1负向效应最为明确。结论综上借助SPSSAU在线数据分析平台完成二元Logit回归分析感知风险OR2.411与会员身份OR2.346对购买决策具有显著正向影响价格感知OR0.152与品牌信任OR0.531具有显著负向影响。模型通过似然比检验p0.001与HL检验p0.364预测准确率81.56%模型整体有效。