消费者购买决策影响因素的二元Logit回归分析摘要基于320份消费者样本数据运用二元Logit回归模型考察价格感知、品牌信任、感知风险与会员身份对购买决策的影响。结果表明价格感知β2.040OR7.691与品牌信任β1.043OR2.837对购买决策具有显著正向影响感知风险β-0.895OR0.409具有显著负向影响会员身份影响不显著p0.332。模型似然比检验χ²180.435p0.001Hosmer-Lemeshow检验p0.524Nagelkerke R²0.575预测准确率80.94%模型整体有效且拟合优度良好。1引言消费者购买决策是市场营销领域的重要研究议题。在影响购买行为的诸多因素中价格感知、品牌信任与感知风险被认为是核心驱动变量。二元Logit回归模型因适用于因变量为二分类场景而广泛应用于消费者行为研究。本文基于SPSSAU平台输出的二元Logit回归分析结果系统检验上述变量对消费者是否购买决策的影响方向、影响程度及统计显著性并通过似然比检验、Hosmer-Lemeshow拟合优度检验、边际效应分析及多重共线性诊断等多维指标对模型进行综合评价。2数据来源与模型构建本研究共收集320份有效消费者问卷数据无缺失值。因变量为二分类变量是否购买0未购买1购买自变量包括三个连续变量价格感知、品牌信任、感知风险与一个二分类变量会员身份以0为参照组。采用二元Logit回归模型进行参数估计模型基本形式为ln[p/(1-p)] β₀ β₁X₁ β₂X₂ β₃X₃ β₄X₄其中p为购买概率βᵢ为各自变量的回归系数。回归系数通过最大似然估计法MLE求得并采用Wald统计量检验各系数的显著性。表1二元Logit回归分析基本汇总表1报告了因变量的频数分布与样本汇总情况。在320个有效观测值中选择购买的样本为164个51.25%选择未购买的样本为156个48.75%两组比例接近1:1分布较为均衡。样本缺失值为0数据完整性良好。因变量两类别的均衡分布有利于Logit回归模型的参数估计与分类预测避免了因类别严重失衡可能导致的模型偏倚问题。3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设置定类变量SPSSAU自动进行哑变量处理操作如下图3.1模型整体有效性检验表2二元Logit回归模型似然比检验结果表2展示了似然比检验Likelihood Ratio Test的结果。仅截距模型Null Model的-2倍对数似然值-2LL为443.414引入四个自变量后的最终模型Full Model-2LL降至262.979二者之差即为似然比卡方统计量χ²180.435。在自由度df4的条件下对应的p值0.001远小于0.05的显著性水平表明加入自变量后模型对因变量的解释力显著提升模型整体具有统计学意义。此外最终模型的AIC值为272.979BIC值为291.820信息准则值均处于合理范围表明模型在拟合优度与简洁性之间取得了较好的平衡。综上所构建的二元Logit回归模型整体有效可用于后续的系数估计与解释。3.2回归系数估计与显著性检验表3二元Logit回归分析结果汇总表3报告了各自变量的回归系数β、标准误SE、z值、Wald卡方统计量、p值、优势比OR及其95%置信区间等关键估计结果。Wald统计量用于检验单个回归系数是否显著不同于零其值越大表明该自变量对因变量的影响越显著。OR值Odds Ratio则反映自变量每变化一个单位时因变量取购买的相对优势比的变化倍数OR1表示正向影响OR1表示负向影响OR1表示无影响。具体而言价格感知的回归系数β2.040SE0.243z8.395Wald χ²70.477p0.001OR7.69195%置信区间为[4.777, 12.383]表明价格感知对购买决策具有显著正向影响。在控制其他变量不变的条件下价格感知每提升一个单位消费者选择购买的胜算odds扩大约7.69倍说明消费者对价格合理性的感知越积极其购买意愿越强烈。品牌信任的回归系数β1.043SE0.190z5.478Wald χ²30.014p0.001OR2.83795%置信区间为[1.954, 4.120]同样具有显著正向影响即品牌信任每提升一个单位购买的胜算约增至原来的2.84倍。感知风险的回归系数β-0.895SE0.175z-5.101Wald χ²26.015p0.001OR0.40995%置信区间为[0.290, 0.576]呈显著负向影响。OR1表明感知风险每增加一个单位购买的胜算降至原来的约40.9%即消费者感知到的风险越高购买概率越低。会员身份以0为参照组的回归系数β0.302SE0.311z0.970Wald χ²0.941p0.332OR1.35395%置信区间为[0.735, 2.491]由于置信区间包含1且p值远大于0.05说明会员身份对购买决策的影响不具有统计显著性。截距项β0.009p0.965不显著表明在所有自变量取零值时购买与不购买的胜算比接近1。此外模型拟合优度方面McFadden R²0.407Cox Snell R²0.431Nagelkerke R²0.575。其中McFadden R²值在0.2~0.4之间通常被认为具有较好的拟合效果[1]本研究McFadden R²0.407已超过该阈值上限Nagelkerke R²0.575表明模型解释了因变量方差的57.5%拟合优度处于较高水平。3.3边际效应分析表4边际效应结果表4报告了各自变量对购买概率的边际效应Marginal Effect, dy/dx。边际效应衡量的是在其他条件不变的情况下自变量每变化一个单位时因变量取购买的概率变化量其优势在于可以直接以概率形式解释影响程度较OR值更为直观。价格感知的边际效应dy/dx0.271SE0.015z18.171p0.00195%CI: [0.241, 0.300]表明在其他变量保持不变时价格感知每提升一个单位消费者购买概率平均增加27.1个百分点是所有变量中边际影响最大的因素。品牌信任的边际效应dy/dx0.138SE0.021z6.716p0.00195%CI: [0.098, 0.179]即品牌信任每提升一个单位购买概率平均增加13.8个百分点。感知风险的边际效应dy/dx-0.119SE0.020z-6.035p0.00195%CI: [-0.157, -0.080]表明感知风险每增加一个单位购买概率平均下降11.9个百分点。会员身份的边际效应dy/dx0.040SE0.042z0.967p0.33495%CI: [-0.042, 0.122]置信区间包含0进一步验证了会员身份对购买决策影响不显著的结论。综合来看价格感知对购买概率的边际贡献最为突出品牌信任次之感知风险具有中等程度的负向抑制作用。3.4模型预测准确率表5二元Logit回归预测准确率汇总表5以混淆矩阵Confusion Matrix的形式呈现了模型的分类预测表现。在真实值为未购买0的156个样本中模型正确预测了122个预测准确率为78.205%即特异度Specificity误判34个为购买假阳性率21.795%。在真实值为购买1的164个样本中模型正确预测了137个预测准确率为83.537%即敏感度/召回率Sensitivity误判27个为未购买假阴性率16.463%。模型整体预测准确率为80.938%即320个样本中约259个被正确分类。整体来看模型对购买类别的识别能力83.54%略优于对未购买类别的识别能力78.21%两类别的预测准确率均超过75%表明模型具有较好的分类判别能力。结合前述似然比检验与拟合优度指标模型在统计显著性与实际预测效能两个维度均表现良好。3.5 Hosmer-Lemeshow拟合优度检验表6 Hosmer-Lemeshow拟合度检验表7 Hosmer-Lemeshow检验过程表6与表7报告了Hosmer-LemeshowHL拟合优度检验结果。HL检验通过将样本按预测概率从低到高分为10个等距分位数组别比较各组内观测频数Observation与期望频数Expectation的差异构造卡方统计量来评估模型预测概率与实际结果的一致性。其原假设为模型拟合良好当p值大于0.05时不拒绝原假设即认为模型不存在拟合不足。由表6可知HL检验统计量χ²7.118自由度df8p0.524远大于0.05的显著性水平表明模型预测概率与实际观测值之间无显著偏差模型拟合优度良好。表7进一步展示了10个分位数组别的详细比较结果。以第1组[0,10]为例预测概率最低的32个样本中实际未购买32个、购买0个期望值分别为31.420和0.580观测值与期望值高度吻合。在第10组(90,100]中预测概率最高的32个样本实际购买31个、未购买1个期望值分别为31.440和0.560同样吻合良好。各组的观测值与期望值差异均较小从分组层面进一步验证了模型的校准能力Calibration说明模型预测的概率值能够较为准确地反映实际事件发生的可能性。3.6多重共线性诊断表8共线性诊断表8报告了各自变量的方差膨胀因子VIF与容忍度Tolerance指标用于诊断自变量之间是否存在严重的多重共线性问题。容忍度等于1减去该自变量对其余自变量进行回归所得的决定系数Tolerance 1 - R²取值范围0~1值越接近1表明该变量与其他自变量的共线性越弱。VIF为容忍度的倒数VIF 1/Tolerance通常认为VIF10严格标准VIF5且容忍度0.1时不存在严重的多重共线性问题。由表8可知价格感知的VIF1.012容忍度0.988品牌信任的VIF1.013容忍度0.987感知风险的VIF1.001容忍度0.999会员身份的VIF1.022容忍度0.978。所有变量的VIF值均接近1远低于临界阈值10容忍度均接近1表明自变量之间几乎不存在线性相关关系多重共线性问题可以忽略。这一结果确保了回归系数估计的稳定性各变量的效应可以被独立、准确地识别与解释。4可视化结果图1二元Logit回归路径系数图图2 OR值95%置信区间森林图图1以路径系数图的形式直观展示了各自变量对购买决策的影响方向与强度。正向系数以箭头指向因变量表示促进作用负向系数表示抑制作用路径上标注的数值即为回归系数β。图2以森林图Forest Plot形式呈现了各变量OR值及其95%置信区间。图中垂直参考线位于OR1处代表无效应。价格感知OR7.691CI: [4.777, 12.383]与品牌信任OR2.837CI: [1.954, 4.120]的置信区间完全位于1的右侧表明其对购买决策具有显著正向影响感知风险OR0.409CI: [0.290, 0.576]的置信区间完全位于1的左侧表明其具有显著负向影响会员身份OR1.353CI: [0.735, 2.491]的置信区间跨越1与回归分析中p0.3320.05的结论一致证实其影响不具有统计显著性。5结论与建议本研究基于320份消费者样本数据运用二元Logit回归模型系统检验了价格感知、品牌信任、感知风险与会员身份对购买决策的影响。研究结果表明1价格感知对购买决策具有最强的正向影响β2.040OR7.691边际效应0.271是驱动消费者购买行为的核心因素2品牌信任亦具有显著正向影响β1.043OR2.837边际效应0.138但影响程度弱于价格感知3感知风险对购买决策具有显著负向影响β-0.895OR0.409边际效应-0.119是抑制购买行为的重要障碍因素4会员身份对购买决策的影响不具有统计显著性p0.332。模型整体通过似然比检验χ²180.435p0.001与HL拟合优度检验χ²7.118p0.524Nagelkerke R²0.575预测准确率80.94%且不存在多重共线性问题模型具有良好的统计有效性与实际解释力。上述发现为企业制定差异化营销策略提供了实证依据。