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。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 : 一元线性回归需要满足的条件：满足条件：（1）E（）=0；（2）D（）=σ2；（3）Cov (,)=0,i≠j ; (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y～N（a+bx，σ2）。一般情况下，ε～N（0，σ2）。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）

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

（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：

（三）对大学生网络购物内容分析

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，以每月网购频率次数为因变量，网龄（年）作为自变量，结果如下：

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，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。