| 标题 | 基于服装网民用户网络行为方式的聚类分析 |
| 范文 | 孙宁宁 [摘 要]聚类分析是服装网络调查研究问卷分析的重要组成部分，主要是运用 SPSS 17.0对服装网民用户网络购买心理和支付行为方式量表进行分析，是一种社会统计学软件。聚类分析的目的在于将有效样本中具有相对较大相似性及差异性的人群进行归类，从而为网络用户网络行为模型的建立提供依据。 [关键词]聚类分析；网民；网络 [DOI]10.13939/j.cnki.zgsc.2017.24.072 1 服裝网民用户网络行为方式的聚类分析 聚类分析是研究事物分类的基本方法，在自然科学等各个领域有广泛的应用。该方法是根据事物本身的特性研究个体分类的方法，将数据分成几个相异性最大的群组，而群组内的相似程度很高。 聚类分析主要有：分层聚类法（Hierarchical Cluster Analysis）和快速聚类法（K-Means Cluster）两种方法。分层聚类又称系统聚类，是按照一定层次进行的能够得到多个分类解；K-Means Cluster快速聚类是一个能够高效解决问题的一个聚类方法，但其聚类数目K是事先指定的，输出的结果是关于该类别的唯一解。一般根据实际情况和需求来确定聚类数目。如果观察值的个数较多或者数据文件非常庞大（通常观察值在200个以上），以采用K-Means Cluster快速聚类法较为适宜，因为观察值数量太多，冰柱图与树状图两种判别图形，在呈现时会过于分散，不易令人阅读与解释[1]。 由于文章只对网民用户网络行为方式进行聚类分析，其样本量共计316个（>200），但其类别范围较小，聚类数目相对易于控制，所以采用K-Means Cluster快速聚类法进行聚类。这样可以简化分析步骤，能够更加明确地分析出各类群之间的特征。 2 网络行为方式聚类分析的判别分析（Discriminant Analysis） Tatham & Anderson等人认为，聚类的数目介于三个到六个之间，则研究发现将易于处理与沟通。[2]因此，本文利用SPSS中的K-Means Cluster快速聚类法分别对样本进行三到六类的聚类。现将研究的具体分析过程和结果做如下论述。 首先利用判别分析分别针对三类、四类、五类及六类进行正确区别率预测。如表1各聚类数目的整体预测正确率所示。 分成图表中四大类的整体预测正确率差别较小，100%的表现是分为三类时。据此，可以先将每个分类的Wilks Lambda值计算出来，根据其变化幅度的大小来最终确定分类数目。如表2 Wilks Lambda值所示。 从表中得知，本研究以原来的聚类数（三类）为准，即根据整个有效样本的网络行为方式变量将网民用户分为三个类群，其典型判别函数得分散点图如下图所示。 典型判别函数得分散点图 3 服装网民网络行为方式聚类分析的结果及命名 由判别分析可知，样本聚类数为三类最恰当。以K-Means Cluster快速聚类法对样本进行聚类，指定聚类数为三。由表3Iteration Historya迭代的偏移情况结果可以看出，经过6次迭代后迭代终止，中心的偏移度均﹤0.02，因此可断定该数据已达到了收敛。 表4为变量单因素方差分析表，从中可以看出，六个因子的Sig.值均为0.000，因此各因子变量在聚类中均呈现显著性差异。 表5最终聚类中心显示了三类网民人群对于六个因子的得分情况，根据设计的问卷，在服装网民用户网络行为方式变量部分使用的是李克特量表五级尺度评分，即“很不认同”得最低分一分，“很认同”得最高分五分，中间依此类推，根据认同程度由低到高，分值也随之由小到大。因此，表5中，得分越高（正值）表示对该因子的认同程度越高，得分越低（负值）表示对该因子的认同程度越低。为了便于观察与衡量，将各因子得分最高与得分最低的类群以粗体显示。据此，聚类分析结束。 4 各类网民用户网络行为方式特征内容及命名 4.1 第一类服装网民用户 该类服装网民人群非常认可个性逆反因子、学习交流因子以及善良孤僻因子，对于网络交易因子也表现出了认同，但程度没有第三类网民人群高，同时他们对于自我认可因子和休闲娱乐因子表示了较高程度的不认同。这类网民人群喜欢自由地发表言论，对于自己的情感毫无隐瞒，但他们习惯用一个虚拟的自我来代替真实的自我，在他们的内心有股道德侠义的精神，且希望自己的一切行为被他人关注；同时，这类人群热爱学习，他们对于网络的利用通常是为了查阅资料、获取知识，喜欢在网上进行听课学习，闲暇时会上网关注时事与新闻。在与家人或朋友的感情方面，这类人群会通过网络与其保持沟通与交流；再者，这类人群富有爱心且注重自身实际能力的提升，喜欢享受网上陌生环境带来的宁静与轻松。这类人群对于自我认可因子与休闲娱乐因子持很不认同观点，说明他们在网上很随意，不在意自身价值的体现；并且他们很少利用网络进行一些娱乐活动，如听歌、看视频、小说以及玩游戏等，不喜欢体验网上的刺激，也不愿在网上接受各种挑战。综上所述，将此类网民人群命名为“个性进取族”。 4.2 第二类服装网民用户 该类服装网民人群比较认同自我认可因子，但程度远没有第三类人群高，对于个性逆反因子与休闲娱乐因子持勉强认同的态度，这类网民人群比较注重自身价值的实现以及自身在社会中的影响力，偶尔会利用网络娱乐一下自己，作为短暂的消遣；同时，他们对于网络持十分谨慎的态度，其对网络的安全性与信息的真实性等方面非常不信任，绝不会通过网络进行一些金融交易活动，也不会选择在网上查阅资料、学习或与人交流等，担心个人财产或隐私被窃取。综上所述，将此类网民人群命名为“随意网游族”。 4.3 第三类服装网民用户 该类服装网民人群非常认同网络交易因子，这点跟第二类网民人群完全相反，也很认同自我认可因子与休闲娱乐因子，但是对于个性逆反因子，此类人群表现出了强烈的排斥，非常不认同该因子。这类服装网民人群对于网络信息的真实性与网络的安全性表示非常信任，热衷于服装网络购物以及各种金融交易，他们很注重自身的价值得到认可，希望通过网络能完善并提高自己；但是，该类网民人群不喜欢在网上宣泄个人情感，也不会在网上对他人的行为进行评论甚至是批判，绝不会在网上进行一些涉及个人情感的活动，就算是在网络这个虚拟的世界，他们也会做真实的自我。综上所述，将此类网民人群命名为“交易娱乐族”。 5 结 论 表6是聚类分析的最终服装样本群体分布表，从表中可知在三类服装网民人群中，随意网游族所占比例最大，共有127人，占总样本数的40.19%；其次是个性进取族，共有125人，占总样本数的39.56%；交易娱乐族所占比例最小，共有64人，占20.25%。其详细分布情况如表6所示。 至此，根据服装网民用户网络行为方式将网民用户分为三（≥2）个类群，即产生了三类服装网民用户模型，从而验证了研究假设1，即：根据服装网民的网络行为方式，可将网民划分为N（N≥2）个类别，因此该假设成立。 参考文献： [1]吴明隆.SPSS统计应用实务[M].北京：中国铁道出版社，2001. [2]陈智勇.行动电话消费者之区隔以及对电信公司之认知与偏好[D].台北：台湾大学，1999. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。