基于多元線性回歸模型的產品在線評價數據研究

邵柏巖 彭皓崧 湯海龍

摘要：客戶反饋，如產品評級和評審是產品質量的最直接指標.對產品和反饋進行詳細的分析，對未來的市場發展以及相應的銷售運作模式具有重要的指導意義：深入分析這些數據，探索某些變量之間的內在聯系：本論文在消除冗余信息后，多元線性回歸，對每個數據集中的數據進行預處理?；诋a品正面和負面評論的情感水平，每一個都給出一個百分制評分。情感越積極，分數越高允許文本評論量化。

關鍵詞：多元線性回歸;灰色預測;網上購物

1.引言

近年來，網上購物越來越流行，它具有節省時間、方便和廉價等優點。亞馬遜等在線商店使用產品評級系統作為影響顧客決策的重要因素，幫助顧客從更大數量的產品中選擇想要的東西。購買商品的用戶提交的這些評級和評論對客戶和公司都有很高的參考價值。商品評估為誠信交易提供參考。它可以保護購買者的利益，并促使賣家最大程度地進行誠信交易。

2.統計分析

為了找出給定的數據，如星級和評價的產品之間的相關性，我們使用軟件SPSS和STATA進行數據分析。

2.1描述性統計

應用SPSS軟件對三個產品數據集進行描述性統計。

2.2數據預處理

（1）刪除不相關的因素，如“市場”、“客戶ID”、“評論ID”、“總選票”和“生產廠家”，它們被認為是冗余數據。

（2）我們根據評審的情感強度來評價產品的滿意度，并給每篇評論打分，從0（失望）到100（很好）。

（3）將定性數據“Vine”和“確認購買”轉換為定量數據，并建立虛擬定量數據“Vine（1）”、“Vine（2）”、“確認購買（1）”，“確認購買（2）”。

2.3建立多元回歸模型

為廠探索變量之間的關系，我們使用“星級”作為因變量和其他變量作為自變量，建立多元回歸分析模型。

星級i=α·等級i+β·有用性i+∑r_nvine_n+∑λ_k·確認購買_k+C

其中n=1，2;k=1，2;i=1，2，3。

編寫STATA程序求解該模型。

星級₁=0.04930·等級₁+0.00001·有用性₁-0.00702·vine₁-0.00876·確認購買₁+0.56156

星級₂=0.04946·等級₂+0.00020·有用性₂-0.00922·vine₂+0.02596確認購買₂+0.51173星級₃=0.04923·等級₃+000180·有用性₃-0.01036·vine₃-0.00523·確認購買₃+0.57133

注：Vine_i因共線性而省略。因為共線，省略了確認購買_i。

2.4結論

通過這些結果，我們可以得到三個數據集的F分布的p值，它們是0<0.05，這樣我們就可以拒絕原來的聯合顯著性假設。

H₀：α=β=γ_n=λ_k=0

低于95%置信水平的顯著性檢驗。我們可以安全地得出結論，星級評價和其他變量之間有很強的相關性。

類似地，我們進一步分析結果，發現吹風機和微波數據集中的評級和確認購買變量的P值和P<0.05，因此這兩個變量都強烈地影響星級。

2.5模型評價

（2）如圖1所示，我們以吹風機數據集為例繪制了其星級核密度估計（左）和每個數據集的殘差和擬合值的散點圖（右）。然后利用BP檢驗進行分析，發現模型通過異方差檢驗，沒有理由拒絕BP假設的原始假設。

（3）考慮到所有的變量避免了本土化的影響，模型結果是一致的。符合事實，合理性和適用性好。預測具有良好的可預測性和通用性。這種多元回歸模型可以推廣到其他領域。

3結論與建議

通過本文的研究可以得出：星級和評論與產品質量有很大關系，應該對這一點加以注意。星級和客戶評論是產品質量最重要的指標。通過多元回歸分析，我們可以發現產品星級評分與評論顯著相關，并且具有很強的一致性。此外，確認購買也顯著影響星級，其他變量影響相對較小?？梢钥闯?，星級是一個綜合評價標準和反映產品質量。

我們給出下面的建議：可以為產品做些事情來提高聲譽和積極的評價;可以采取一些措施來促進口碑營銷，以提高產品意識，從而提高產品曝光率和吸引更多顧客。在制定銷售策略時有許多因素需要考慮，在做決定前要三思。