文档介绍：消费者购房行为特征的实证研究 08 商务沈晓莉 08060721 一、引言由于国内住宅市场消费者行为研究开始于 20 世纪 90 年代中期, 有关研究还非常少, 绝大多数论文研究内容是关于房地产市场需求状况及特征的一般分析,研究方法多限于描述总结以及频数分析和交叉列联分析,仅有个别论文采用主成分分析与多元回归分析。目前在国内外房地产学界,尚未发现采用对应分析与最优尺度分析方法开展住宅市场消费者行为研究的学术论文。本文的研究目的有二:一是探索对应分析与最优尺度分析在住宅市场消费者行为研究过程中的运用方式与方法;二是尝试采用以上方法对市场细分后的消费者群体特征进行准确描述与刻画。二、对应分析与最优尺度分析对应分析与最优尺度分析由荷兰 Leiden 大学 DTSS 课题组研制并于 SPSS11. 0之后新增的两个应用程序。它们通过主成分分析来描述两个或多个分类变量各水平间的相关性,用多维图示方法反映变量之间的相互关系。对应分析计算与运行的基本过程与方法是: (1) 选择变量, 根据有关标准进行分类。(2) 输出对应分析表。对应分析表实际是两个变量的行×列表,表中的数字显示两个变量各种类别的大致对应关系。如果行× 列中有关数据普遍存在过多或过少,说明变量分类有可能存在问题, 需要重新进行分类。(3) 测度分类变量的距离。有卡方与欧式距离两种。卡方距离适用于离散型变量, 欧式距离适用于连续型变量。(4) 计算有关统计指标。包括维数、奇异值、惯量、总的卡方检验及 P值, 其中奇异值即惯量的平方根, 相当于相关分析中的相关系数; 惯量用于说明对应分析各个维度的结果能够解释列联表中两变量联系的程度。(5) 输出并分析对应分析图。研究对应分析图主要应注意两点:第一,观察变量分别在第一维(横轴)和第二维(纵轴)方向上的区别情况, 如果同一变量不同类别在某个方向上距离较远,说明这些类别在该维度上区别较大;否则说明这些类别在该维度上区别不大。我们的观察应以区别较大的维度为主;第二,比较不同变量各个取值分类间的位置关系,落在从图形中心(0, 0) 点出发相同方向上大致相同区域内的不同变量的分类点彼此有联系。与对应分析比较, 最优尺度分析的主要区别是可应用于三个及其以上的变量之间的关系分析,其分析过程与对应分析类似。由于最优尺度分析方法不像多元回归方法那样可以自动筛选变量,因此变量较多时可能会掩盖真实联系,同时使得图形一片混乱, 难以看清。所以, 在实际运用中可以将最优尺度分析与对应分析结合使用,从中筛选出有价值的市场信息。和交叉列联分析相比, 对应分析与最优尺度分析继承了主成分分析的数据化简与变量降维的优点;和主成分分析相比,对应分析与最优尺度分析具有以下显著优点:一是由于其采用多维图示显示分析结果,因此克服了主成分分析结果艰涩难懂的弊端;二是主成分分析对分析数据的要求较高,要求输入的必须是量表型(Scale) 的数据。而对应分析与最优尺度分析适用的数据则宽泛得多, 任何两个能够采用频次进行交叉分析的变量,都可以使用对应分析与最优尺度分析的方法;三是主成分分析只能把变量在象限图中表示出来,而对应分析与最优尺度分析则可以把变量及其属性同时在一个坐标系中标定出来。当然,对应分析与最优尺度分析也有其局限性:一是由于主成分分析的输入数据是量表型的数据,因此, 其结果可以用来进行假设检