基于Logistic回归模型我国网络购物发展研究.docVIP

基于Logistic回归模型我国网络购物发展研究 　　摘 要：2008年以来，随着我国居民收入的增加以及互联网购物平台的完善，国内互联网购物出现井喷式增长，线上交易在整个社会消费品零售份额中所占的比例不断提高，网购购物对我国经济发展做出了重要贡献。依据中国互联网络信息中心发布的中国网民人数和网络零售交易规模数据，利用生物学上的Logistic增长曲线建立回归模型，研究我国网络购物的发展阶段，分析发展规模，并预测网购市场的增速以及到达拐点的时间。 　　关键词：网络购物；Logistic曲线；交易规模 　　中图分类号：F713.36 文献标识码：B 文章编号：1008-4428（2017）09-80 -02 　　互联网购物（以下简称网购）是指通过互联网段缔结的商品和服务交易活动，主要是指在企业与个人（B2C）和个人与个人（C2C）之间的交易活动。由于线上交易具有交易价格低廉、商品种类丰富、不受时间和地域限制等优势，，所以受到消费者的普遍欢迎。 　　刚刚过去的“双十一购物狂欢节”再次刷新了中国网络购物的历史，根据阿里巴巴公布的实时数据，截至11日24时，2016天猫双11全球狂欢节总交易额超1207亿，较去年同期增长294.83亿，增长率达到32.32%。由此可以看出，我国网购交易的增长速度非常惊人，交易量也迅速增加，网购交易占整个社会消费品零售总额的比例不断提高。 　　一直以来网购的重要性以及网购模式的创新是国内外研究的主流，对网购未来增速以及发展阶段研究还比较缺乏。作为消费的重要组成部分，中国网购市场有什么样的发展规律？网购能否完全取代实体店交易？网购未来又会有怎样的发展趋势？这些是在研究中所要重点关注的问题。 　　一、模型 　　将logistic曲线应用于互联网方面的研究最早可以追溯到20世纪90年代，Vijal Gurbaxanl（1990）运用创新扩散理论研究了计算机网络的成长过程，得出了logistic模型能更加充分地描述网络的成长。刘向晖（2003）建立了互联网用户的logistic模型，认为logistic模型适用于研究中国互联网的发展。刘华楠（2015）运用logistic回归模型研究网购水产品的意向，但是总体的预测率较低，模型的拟合优度较差。周秀荣（2016）通过利用快递包裹的数量来建立logistic模型，研究中国网民人数与线上交易的关系。 　　Logistic曲线又被称为“S曲线”，最早是由生物学家P.F.Verhulst于1845年提出，主要用于研究人口增长，但一直不受学界重视，直到20世纪20年代才被重新发现和应用。由于Logistic曲线呈S形，能很好地描述增长现象，因此在医学、化学和经济学领域都有着广泛的应用。 　　（一）Logistic曲线的方程 　　（二）Logistic曲线的图形及时点 　　对方程（1）求一阶导数并令其等于0，可以得到： 　　二、数据测算与求解 　　利用中国互联网络信息中心每年所发布的《中国网络购物市场研究报告》和《中国互联网络发展状况统计报告》，收集了自2007年至2015年中国网民人数和网络零售交易规模的历史数据。 　　Logistic模型的建立以具有传染效应的种群为基础，种群中已经使用新技术的会影响未使用者。已经使用互联网平台进行购物的人带动新购物者使用网络平台成为这个群体的重要特征。因此可以假设中国网购交易规模遵循logistic模型。运用SPSS 22进行相关分析，得到二者的Pearson 相关性为0.874，在置信度（双测）为 0.01 时，相关性是显著的，说明中国网民人数对中国网络零售交易规模有着非常重要的影响。 　　利用网络零售交易规模数据，采用Logistic方程中的“拐点法”确定K的值，经计算得到K值为58174亿元。运用SPSS中的曲线回归计算得到b0=0.003，b1=0.524，求解可得r=lnb1=-0.646263595，B=K*b0=174.522所以logistic方程?椋? 　　一般使用判定系数来考察模型的拟合优劣，求得模型的判定系数R2=0.996，调整的判定系数R2=0.995，由图1可见，回归方程能够较好地拟合实际观测值。 　　利用（3）式和（4）式可得t1=6.228187444≈6，t=7.987531478≈8，t2=9.746875512≈10。根据计算结果，可以认为从2012年开始，我国网络购物的发展较为迅速，进入快速发展时期，在其后的4年时间里依旧呈现高速增长，到2014年底增长速度已经达到了最高峰，大约到2016年年底，我国网络购物增长速度将趋缓，进入缓增期。当t取10时，相当于2016年的网络零售交易规模，带入模型中，求得我国的数值为45720.89223亿元。 　　三、结论