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...
