消费者购房行为特征的实证研究

消费者购房行为特征的实证研究

摘要: 在住宅市场消费者行为研究方面,国外研究成果丰富,而国内尚处于起步阶段。与主成分分析等方法相比,对应分析与最优尺度分析方法具有其独特的优势。本文以广州市海珠区赤岗为例,采用对应分析与最优尺度分析方法对消费者购房行为特征进行了实证研究。综合运用主成分分析、对应分析、最优尺度分析方法,会使消费者行为研究更有深度。

关键词:住宅市场;消费者行为;对应分析;最优尺度分析

Abstract: There are plenty of literatures about the consumers' behavior research in the residential market abroad, while the research is at the beginning stage in China. Compared with factor analysis, correspondence analysis and optimal scaling technique have unique advantages. The characteristics of consumers' behavior of buying houses in Chigang distric,t Guangzhou, have been analyzed with the both

methods./xiaofeixinli/2010/1021/The research of Consumers' behaviorwill be deepened if correspondence analysis, optimal scaling technique and factor analysis are adopted together. Key words: residential market; consumers' behavior; correspondence analysis; optimal scaling technique

一、引言

关于住宅市场中消费者行为的研究,国外学者有诸多研究成果。1972年,Menchik研究了消费者购房的偏好因素,他将购房偏好分为住房与地块特征、住房的可达性、自然环境、人造和非自然环境四个方面,并且重点研究了消费者的环境偏好[1]。1973年, Straszheim采用入户调查的方法,研究了居民对城市住房的需求特征[2]。1974年,Onibokun评价了消费者购房满意度,并且对消费者购房知觉分为居住、环境、管理及公房项目限制4个子系统[3]。1977年, Bible对影响消费者购房偏好的因素进行了新的划分,他将消费者购房偏好分为住房与地块特征、访友购物上班的接近性、公园绿地居住人群的身份与地位、房地产税等4个方面,并采用因素成对比较法(Paired comparisontechnique)确定了上述4个因素的权重[4]。1978

年,Weicher运用统计分析的方法,对美国家庭的支付能力与购房行为进行了相关分析[5]。

Hempel和Jain对不同文化背景下的消费行为进行了经验总结,其中关于消费者购房搜寻过程采用多元回归分析方法建立了预测模型[6]。1982年, Galster研究了美国黑人与白人购房地点方面的自行隔离(Self-segregate)现象,并以多元回归分析的方法建立了房价与居住状

况因子、邻里状况因子的函数模型[7]。1985年, Bajic采用经验分析的方法,研究了住宅市场中市场细分问题及消费者购房特征[8]。1988年,Nelson和Rabianski采用多维尺度分析、聚类分析方法对住房市场中的消费者偏好进行了研究。他们认为,影响消费者购房的因素主要有房地产的自然环境与邻里质量、建筑设计、可居住性和对外联系。同时采用实证分析的方法得出结论,即对于不同细分市场,影响消费者购房的偏好因素是相同的;但消费者在不同细分市场对购房偏好因素所持的权重不同[9]。1997年,An-glin研究了住宅市场中影响消费者购房的决定性因素[10]。2002年,Haurin和Parcel研究了消费者是否拥有私人住宅的状况对其孩子身心成长的影响[11]。2003年,Harding, Knight和Sirmang研究了消费者购房过程中的讨价还价能力与位势、住房空置等影响因素的关系[12]。

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[13]采用主成分分析与多元回归分析。许多作者缺乏对国外同类研究成果的了解,这一点可以从论文参考文献及研究内容上判定。

目前在国内外房地产学界,作者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(Correspondence analysis)与最优尺度分析(Optimal scaling)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[14]。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验(Hypothesis test),而

对应分析与最优尺度分析的结果则无法进行假设检验;二是主成分分析的坐标轴是可以通过分析因子载荷来进行命名的,而对应分析与最优尺度分析的坐标轴却很难进行命名;三是主成分分析可以针对单个样本或者小群体绘制出单个变量或者多个变量的知觉图,而对应分析与最优尺度分析则必须依靠较多样本才能绘制出知觉图。

三、数据来源与处理