高速铁路客运市场细分论文 1 旅客需求影响因素 旅客需求主要受旅客自身属性、旅客出行特性和铁路产品属性的影响:旅客自身特性:包括旅客的性别、年龄、职业、收入等。旅客出行特性:包括旅客出行目的、费用来源、停留时间、同行人数、购票渠道等。铁路产品特性:包括安全、准时、方便、快速、经济、舒适等铁路产品属性,旅客在选择铁路客运产品时,会综合考虑各种运输产品的属性。旅客出行当然都希望能以最快、最好、最舒适的方式出行,但同时又受到收入等预算的影响,因此,旅客只能在各种限制条件下,综合所有因素选择与自己出行意愿最接近的方案出行。也就是说,旅客的需求是基于以上各影响因素的综合分析。为获得旅客需求,本文针对高速铁路客运市场进行了调查,现以京沪高铁为例,进行市场细分分析。 2 基于聚类分析的高速铁路客运市场 细分在对高铁客运市场进行细分时,旅客属性和出行方式等调研数据常常是高维多属性的,如本次针对京沪高速铁路客运市场调查猎取的数据中包含性别、年龄、职业、席别、出行目的、停留天数、同行人数、费用来源、购票渠道、购票提前天数、乘坐高铁的频率等 15 项,包含了大量的信息。变量太多使得统计分析变得复杂,且细分结果也不易清楚,通常可以采纳多元统计分析中的因子分析对数据进行简化降维。本文先对旅客需求的影响因素作因子分析,将原始变量减少为几个不相关的公共因子,然后根据公共因子对样本进行聚类。 2.1 原始变量的因子分析 2.1.1 提取公共因子 一般实行主成分分析法从原始指标中提取公共因子,并根据特征值大于 1 来确定因子的数目。原始变量的 15 个变量通过因子分析后可以得出:利用特征值大于 1 的 7 个公共因子可以解释原来的61.49%的信息。 2.1.2 旋转成份矩阵 因为在旋转前每个公因子对应于各个原始变量的载荷差异不大,很难经过观察用原始变量来解释各个公因子的含义,旋转后使得每个变量仅在一个公共因子上有较大的载荷,而在其他的公共因子上的载荷比较小,也就是说,每个变量仅与一个公共因子有较大的相关系数,而与其他的公共因子的相关系数较小。最常用的是最大方差法旋转,此方法是使因子载荷矩阵中,各因子载荷值的总方差达到最大为准则。 2.2 样本聚类 在因子分析的基础上,得到 7 个独立的公因子,可进一步对铁路客运市场进行聚类分析,得出不同的细分子市场。聚类分析按样本之间的距离合并为相似特征的样本,一般有层次聚类法和快速聚类法。本...