李國棟

(上海海事大學經濟管理學院，上海 201306)

節(jié)假日對消費者和廠商行為的影響是微觀經濟學和市場營銷學關注的一個重要問題。由于節(jié)假日期間季節(jié)性商品的需求會明顯增加，節(jié)假日為研究需求高峰沖擊下微觀個體行為的變化提供了一個很好的切入點。［1］一個有趣的現(xiàn)象是，節(jié)假日期間季節(jié)性商品的價格并不一定隨著需求的增加而上升。例如，圣誕節(jié)是西方國家的重大節(jié)假日，在此期間食品的需求雖然有明顯增加，但國外學者Warner＆Barsky及MacDonald利用微觀經濟數(shù)據(jù)分析的結果表明，其價格卻有所下降。［2］［3］對于這一與經濟理論看似相悖的現(xiàn)象，他們通過實證研究得出的解釋是，消費者的價格彈性在節(jié)假日期間顯著變大，從而使降低價格成為商家應對這一變化的均衡策略。自此以后，價格彈性是否發(fā)生變化成為節(jié)假日消費者行為研究的一個主要爭論點:Chevalier等(2003)通過連鎖超市門店加總數(shù)據(jù)的分析發(fā)現(xiàn)需求的價格彈性并沒有變大，相反，部分商品的價格彈性有顯著下降;［4］Nevo和Hatzitaskos(2006)使用相同數(shù)據(jù)得出了相反的結論，即價格彈性在節(jié)假日需求高峰期確實顯著變大。［5］

根據(jù)國外學者的已有研究，節(jié)假日期間消費者對產品價格的評價可能發(fā)生變化并最終影響其產品的選擇，從而出現(xiàn)消費者購買行為的假日效應。但國外相關研究采用的是門店層面的加總掃描數(shù)據(jù)，即研究者能觀察到產品門店加總銷量及平均價格的變化，但觀察不到消費者個體實際的購買記錄，因此他們僅能開展品類(category)或產品(product)分析而不能進行消費者個體行為的分析。［3］［4］［5］本文則基于消費者掃描數(shù)據(jù)的優(yōu)勢，能夠研究消費者個體對產品的離散選擇行為。此外，除了產品價格，掃描數(shù)據(jù)還包含消費者購買某一產品時所獲得的折扣以及積分，而折扣和積分均是廠商常用的節(jié)假日競爭策略。由于數(shù)據(jù)的限制，國外已有相關研究對此并未涉及。

我國也有不少學者對中國的假日經濟現(xiàn)象進行研究，但探討的重點并不相同。國內學者的觀點大致分為兩種:一種觀點認為假日經濟能拉動我國內需從而推動經濟增長;［6］［7］［8］另一種觀點認為假日經濟帶來的是消費時空的轉移而不是消費總量的增加。［9］［10］［11］［12］相對于國外研究，國內學者通常側重從宏觀經濟視角探討假日對消費的促進作用，而基于微觀數(shù)據(jù)的分析非常匱乏。究其原因主要有兩點:一是推行黃金周假日經濟政策的初衷是擴大內需、啟動消費，因此已有文獻偏向采用宏觀經濟數(shù)據(jù)進行實證分析，探討政策效果;二是節(jié)假日消費行為的微觀實證研究必須基于消費者節(jié)假日購買行為的數(shù)據(jù)，但這種微觀數(shù)據(jù)一般難以獲取。然而，隨著現(xiàn)代信息技術的發(fā)展和大數(shù)據(jù)時代的到來，微觀數(shù)據(jù)的瓶頸已得突破。［13］區(qū)別于國內已有文獻，本文基于零售掃描數(shù)據(jù)對消費者購買行為的假日效應進行微觀實證研究。掃描數(shù)據(jù)的信息豐富而準確，包含消費者具體的購買記錄，如購買的時間、所選擇的產品以及產品的價格、折扣、積分等信息。通過掃描數(shù)據(jù)的微觀分析，本文嘗試回答以下問題:節(jié)假日期間消費者對產品價格、折扣以及積分的敏感度是否會發(fā)生變化?會發(fā)生怎樣的變化?這種變化對廠商的市場競爭策略有何啟示?肖俊極等(2012)也采用零售掃描數(shù)據(jù)，使用基于離散選擇的購物籃模型研究消費者的節(jié)假日購買行為。［14］但他們僅分析五一和十一黃金周假期對服飾購買行為的影響，而春節(jié)作為中國最重要的節(jié)假日并未被納入分析。本文的分析涵蓋中國所有重要的節(jié)假日，包括春節(jié)、五一、十一、以及圣誕元旦等，是對其研究的重要拓展。

一、數(shù)據(jù)來源與統(tǒng)計說明

(一)數(shù)據(jù)來源

本文數(shù)據(jù)來源于大連市某大型購物中心，該購物中心實行會員積分制，會員消費者使用會員卡購物時，其購買記錄都以掃描數(shù)據(jù)的形式得以保存。數(shù)據(jù)為2005年1月到2006年4月的會員購買記錄，樣本涵蓋了兩個春節(jié)、五一黃金周、十一黃金周等多個重大節(jié)假日。節(jié)假日往往是季節(jié)性商品的需求高峰期，食品是其中的典型代表，根據(jù)數(shù)據(jù)可得性及完備性，本文選擇啤酒作為研究對象。從原始數(shù)據(jù)中提取出啤酒的購買記錄，剔除部分商品信息不完整、發(fā)生退貨等異常記錄后得到研究所需的初始數(shù)據(jù)，共有購買記錄5252條。啤酒分為罐裝和瓶裝兩種包裝形式，罐裝啤酒的容量均為330毫升，瓶裝啤酒的容量則大小不一，從330毫升到630毫升不等。其中，罐裝啤酒數(shù)據(jù)包括了1818名會員消費者的3381條購買記錄，占啤酒購買記錄總數(shù)的64.38%，涵蓋了7個品牌的8種不同產品。由于罐裝啤酒的購買記錄相對較多，并且不同品牌的容積相同，為簡化分析本文只考察罐裝啤酒的消費者購買行為。本文數(shù)據(jù)的采樣時間看似略早，但并不影響其作為經驗證據(jù)的有效性。首先，相比數(shù)據(jù)的時效性，數(shù)據(jù)的準確性是消費者行為實證研究中更為重要的問題。而掃描數(shù)據(jù)相對問卷調查數(shù)據(jù)在準確性方面無疑具有更大的優(yōu)勢，是消費者顯示性偏好的真實呈現(xiàn)。其次，即使從時效性的角度看，本文數(shù)據(jù)也具有良好的代表性。國外相關文獻如Chevalier等、Nevo和Hatzitaskos等所使用的數(shù)據(jù)時間也較早，樣本期為1989至1994年。［4］［5］直到現(xiàn)在仍然有很多學者使用該數(shù)據(jù)開展市場營銷和經濟學的研究，并且成果相繼發(fā)表于市場營銷及經濟學的頂尖期刊上。①芝加哥大學布斯商學院根據(jù)論文發(fā)表的年份對這些研究成果進行排列，目前最新的論文發(fā)表于2014年，見http://research.chicagobooth.edu/kilts/marketing-databases/dominicks/papers。

(二)節(jié)假日需求變化的統(tǒng)計說明

先以“周”為時間單位觀察啤酒銷量的變化。根據(jù)已有文獻對數(shù)據(jù)的處理方法，把“周”定義為星期四到下周的星期三，以避免把周末及其前后的銷售高峰期分成兩部分。［4］［5］數(shù)據(jù)共涵蓋70周，圖1反映了銷量的周期性變化，縱軸是以1千毫升為單位的每周銷量，橫軸代表時間。圖1表明啤酒銷量在兩個春節(jié)明顯大幅上升，其他時期也有高低波動，說明啤酒存在多個需求高峰期。本文共定義五個節(jié)假日虛擬變量，依時間順序先后為第一個春節(jié)、五一黃金周、十一黃金周、圣誕元旦和第二個春節(jié)。①2000年至2007年，五一勞動節(jié)與十一國慶節(jié)法定放假三天，并與前后周末拼接形成為期7天的黃金周假期。但從2008年起，五一法定假期從三天減為一天，意味著五一黃金周被取消;同時，傳統(tǒng)節(jié)日清明、端午、中秋增設為國家法定節(jié)假日，各放假一天。由于本文數(shù)據(jù)樣本期為2005年1月至2006年4月，因此，五一仍是為期7天的黃金周假期，而清明、端午及中秋并非法定假日。五一黃金周雖已被取消，但對結論影響不大。從圖1可以看出，啤酒最大的兩個需求高峰期均出現(xiàn)在春節(jié)，而不是五一或十一，因此本文結論對現(xiàn)今節(jié)假日消費者的購買行為仍具有很強的解釋力。由于“周”的定義是從星期四到下周的星期三，因此這些節(jié)假日均覆蓋兩周的數(shù)據(jù)?？紤]到春節(jié)是中國最重大的節(jié)日，傳統(tǒng)上農歷除夕至正月十五元宵節(jié)均被認為是“過年”的時間，加上消費者往往在春節(jié)前就開始采購年貨，因此兩個春節(jié)虛擬變量的定義在原來兩周的基礎上提前兩周并延后一周共擴大為五周。

下文將通過回歸分析檢驗以上節(jié)假日是否為啤酒的需求高峰期?；貧w分析中需要控制其他可能引起啤酒銷量變化的幾個因素，包括炎熱天氣、店慶促銷以及積分促銷等。預期炎熱天氣可能會增加啤酒銷量。［4］［5］根據(jù)所在城市的氣候，把“炎熱”變量定義為從6月下旬至9月初共12周的時間。該購物中心曾進行為期一周的店慶促銷活動，定義虛擬變量“店慶”以反映這一促銷活動。此外，會員積分促銷是該購物中心的一項非價格策略。消費者使用會員卡購物時可獲得積分，一般情況下10元可累積1點積分，即積分比例為10%;累積積分后，消費者在下一次購物時可按照每10點積分抵值1元在店內消費。積分比例可不定期進行調整，數(shù)據(jù)顯示啤酒的積分比例最高可達50%，即10元可累積5點積分。本文使用變量“積分”度量消費者購買某種啤酒后可獲得的積分，以反映該購物中心的積分促銷策略。

圖1 啤酒銷量圖

(三)購買記錄的描述性統(tǒng)計

罐裝啤酒數(shù)據(jù)涵蓋的品牌包括青島、燕京、北京、朝日、百威、喜力以及健力士，其中青島啤酒有兩種，本文分別稱之為“青島一”和“青島二”，共計8種啤酒產品。能觀察到的產品特征主要有產品價格、折扣數(shù)量以及積分數(shù)量。表1是產品特征的描述性統(tǒng)計。這里的價格是指每瓶啤酒的單價，而且是折扣之前的原價格，即“通常價格”(regular price)。數(shù)據(jù)統(tǒng)計表明不同啤酒之間的價格相差較大，除朝日啤酒外國外品牌的啤酒價格普遍高于國內品牌的啤酒價格。從平均價格看，健力士啤酒達11.92元每瓶，為國外品牌也是所有品牌中平均價格的最高者，其次是喜力啤酒，平均7.189元每瓶;(兩種)青島啤酒的平均價格在國內品牌中最高，同時也高于國外品牌中平均價格最低的朝日啤酒。所有啤酒的價格在樣本期中均存在波動，幅度依產品不同而不同，其中健力士啤酒的波動幅度高達3.4元，國內品牌中青島一的波動幅度最大達0.6元。

表1中的折扣是指購買一瓶啤酒所獲得的價格優(yōu)惠，等于啤酒單價與折扣比例的乘積。例如，九折促銷所對應的折扣數(shù)量為單價乘以10%。本文數(shù)據(jù)中啤酒的價格折扣一般為九折，最多為八八折。必須說明的是，這里的折扣是指商家在特定的短暫時期內以促銷為目標的價格下調，與通常價格的調整不同。上文的價格分析發(fā)現(xiàn)啤酒價格普遍存在波動，這種波動主要反映的是產品通常價格的調整，數(shù)據(jù)表明這種調整既有價格下調，也有價格上調。而本文把折扣作為影響因素之一納入分析，主要是考察短期的價格促銷活動對消費者購買行為的影響。表1中的積分為購買一瓶啤酒所獲得的積分數(shù)量。由于該購物中心不定期通過提高積分比進行促銷，因此積分作為影響消費者購買行為的另一個變量也被納入本文分析。

表1 全部購買記錄的描述性統(tǒng)計

二、計量模型的設定

(一)需求高峰期的識別

首先從統(tǒng)計意義上確定節(jié)假日是否為啤酒的顯著的需求高峰期。以啤酒銷量為被解釋變量，以節(jié)假日、其他可能影響銷量的因素等作為解釋變量，建立如下計量回歸模型:

其中，dum_hol是節(jié)假日虛擬變量，包括春節(jié)一、五一、十一、圣誕元旦以及春節(jié)二;other是可能影響銷量的其他因素，包括炎熱天氣、店慶活動、積分促銷;week和weeksq是時間的一次項和二次項，以控制銷量的時間趨勢。預期銷量在節(jié)假日顯著增加，根據(jù)回歸結果把顯著的節(jié)假日變量所對應的時期定義為“節(jié)假日”，其他時期則為“非節(jié)假日”。

(二)購買行為的分析

由于掃描數(shù)據(jù)提供了關于消費者產品選擇行為的詳細信息，因此離散選擇模型成為分析這一問題的有力工具。事實上，logit模型及其拓展自20世紀80年代以來一直是數(shù)量市場營銷學中非常重要的分析方法。［15］［16］首先設定一般的多項logit模型，然后參照Train(2009)對不同城市居民交通工具選擇行為的分析，建立適用于比較分析節(jié)假日與非節(jié)假日選擇行為的模型。［17］

1.多項logit模型的設定。假定消費者n面臨J個可選產品，消費者n選擇某產品j的效用為:

其系數(shù)為式(2)中相應系數(shù)與σ的比值，并且當j=1時αj=0。Vnj表示效用函數(shù)的確定性部分，εnj表示效用的隨機誤差項，εnj獨立同分布。此時得出消費者n選擇產品i概率:

根據(jù)兩個服從Ⅰ型極值分布的隨機變量的差服從logistic分布的性質，得出:

最后得到樣本的對數(shù)似然函數(shù)為:

其中，yni為指示函數(shù)，即如果消費者n選擇產品i，則yni=1，否則為0。使用極大似然估計法(MLE)進行估計，預期價格的系數(shù)為負，折扣和積分的系數(shù)為正。

2.支付意愿的計算。得到模型系數(shù)估計值后可以計算消費者對某些變量的“支付意愿”。例如，廠商調整價格和折扣時感興趣的是消費者對于價格和折扣變化的反應。在不影響效用大小和消費者產品選擇的情況下，價格和折扣的調整滿足?U=βp?P+βd?D=0。整理后得:

其經濟學含義是在保持效用不變的前提下，消費者愿意支付m單位的價格以獲得1單位的折扣，m表示消費者對折扣的支付意愿，預期m＞0。m越大，表明在不影響消費者購買決策的前提下，消費者在獲得相同的折扣數(shù)量時可以接受的“通常價格”越高?；蛘哒f，m越大，表明廠商要達到相同的促銷效果時所需的折扣數(shù)量越小。因此，m越大對廠商越有利。

3.假日效應的估計策略。為區(qū)分消費者節(jié)假日與非節(jié)假日購買行為的不同特點，本文參照Train(2009)對居民對交通工具選擇行為的分析，把數(shù)據(jù)區(qū)分為節(jié)假日與非節(jié)假日兩個子樣本進行研究。［17］節(jié)假日期間隨機誤差項的方差可能不同于非節(jié)假日期間。如，受節(jié)假日氣氛的影響以及出于節(jié)假日交往的需要，消費者可能更看重啤酒產品的品質和口碑，而品質和口碑難以度量因此進入隨機誤差項，從而導致隨機誤差項的方差在節(jié)假日與非節(jié)假日之間有所不同。此外，消費者對價格、折扣和積分等變量的評價在節(jié)假日期間可能也不同于非節(jié)假日。因此，我們可以把數(shù)據(jù)分為節(jié)假日與非節(jié)假日兩個部分分別進行回歸。

仍然以第一種產品為基準產品，假定未標準化時非節(jié)假日與節(jié)假日隨機誤差項的方差分別為(σnh)2和(σh)2，則效用函數(shù)分別除以各自標準差得到標準化后的效用函數(shù)。

其中，當j=1時，αj=0，γj=0。對兩組樣本分別作多項logit模型估計，然后有

三、實證結果分析

(一)需求高峰期識別的結果

通過對式(1)作OLS回歸以分析銷量的節(jié)假日變化，估計結果見表2。結果顯示，啤酒的銷量在兩個春節(jié)、五一、十一以及圣誕元旦均出現(xiàn)顯著上升，說明這些節(jié)假日是啤酒的需求高峰期，啤酒是一種典型的季節(jié)性商品。

表2 銷量對節(jié)假日的回歸結果

(二)假日效應的估計

接下來對消費者購買記錄作多項logit模型估計。先使用全部數(shù)據(jù)進行估計，估計時逐步放入價格、折扣和積分等解釋變量，以觀察結果的穩(wěn)健性。所有的估計均以青島一為基準產品，全部數(shù)據(jù)的不同估計結果在表3中依次以(1)、(2)、(3)、(4)表示。表3結果表明:在不同模型設定下價格均顯著為負，與經濟理論相符;折扣顯著為正，符合本文預期;但積分并不顯著。青島二、燕京、北京以及朝日的常數(shù)項均顯著為負，說明在不考慮價格、折扣以及積分時，這些產品的平均效用均顯著低于青島一，平均效用從高到低依次為青島一、朝日、北京、青島二和燕京。而其他品牌包括百威、喜力和健力士的平均效用則與青島一無顯著區(qū)別。常數(shù)項的估計結果說明，除青島一以外國內品牌啤酒的平均效用都低于國外品牌，國外品牌中平均效用最低的是朝日。以上結果在不同的模型設定下非常穩(wěn)健。

比較不同的模型設定可以發(fā)現(xiàn)，相比結果(1)放入折扣變量時對數(shù)似然值有較大提高，放入積分時提高不大，而同時放入折扣和積分時對數(shù)似然值最大，因此本文采用結果(4)的設定。由于積分并不顯著，下面僅計算消費者對折扣的支付意愿。基于結果(4)的估計結果，計算得出支付意愿為－3.361/(－0.423)=7.946，其含義是如果折扣多增加1單位，那么消費者愿意多支付7.946單位的價格。

根據(jù)購買記錄發(fā)生的時間，再把全部數(shù)據(jù)劃分為非節(jié)假日與節(jié)假日兩個子樣本分別估計，得到結果(5)和結果(6)。結果均表明，價格顯著為負，折扣顯著為正，積分并不顯著。常數(shù)項的估計結果表明，產品平均效用的排序與全部數(shù)據(jù)的估計結果無明顯差別，唯一的變化是健力士的平均效用在非節(jié)假日時期顯著高于青島一。價格系數(shù)的絕對值以及折扣系數(shù)在節(jié)假日均變小，但這并不一定意味著消費者對價格及折扣的敏感度下降，而可能是節(jié)假日隨機誤差項方差變大的結果。雖然不能通過直接比較系數(shù)大小來判定消費者對價格及折扣敏感度的變化，但可以通過計算系數(shù)之間的比值來比較消費者支付意愿的變化，這種計算消除了不同時期隨機誤差項方差不同的影響。根據(jù)計算公式，非節(jié)假日的折扣支付意愿為－4.406/(－0.546)=8.070，節(jié)假日的折扣支付意愿為－2.853/(－0.290)=9.838，比非節(jié)假日明顯增大。其含義是如果折扣多增加1單位，那么消費者在節(jié)假日愿意多支付9.838單位的價格，而在非節(jié)假日愿意多支付8.070單位的價格，消費者對節(jié)假日折扣更加敏感，折扣促銷能顯著地影響消費者的購買決策。而積分的估計結果表明，積分促銷在非節(jié)假日與節(jié)假日對消費者購買啤酒的決策均無影響，因此廠商無需考慮在節(jié)假日進行積分促銷。

四、結論與展望

本文基于零售掃描數(shù)據(jù)，選取啤酒作為代表性商品對消費者購買行為的假日效應進行實證研究。(1)對七個不同品牌的啤酒數(shù)據(jù)進行加總并作計量分析，結果表明啤酒的銷量具有明顯的季節(jié)性，春節(jié)期間需求上升幅度最大，五一、十一以及圣誕元旦等節(jié)假日也是顯著的需求高峰期。(2)使用多項logit模型對消費者的產品選擇行為進行分析，結果顯示價格的系數(shù)顯著為負，折扣的系數(shù)顯著為正，這與理論相符，但積分對消費者效用無顯著影響。通過設定不同的多項logit模型并作估計，發(fā)現(xiàn)以上結果非常穩(wěn)健。(3)計算消費者的折扣支付意愿，發(fā)現(xiàn)節(jié)假日期間的折扣支付意愿有明顯上升，相同的折扣數(shù)量在節(jié)假日期間能給消費者帶來更高的效用。

以上結論為我國消費者購買行為假日效應的研究提供了新的微觀證據(jù)，也為廠商競爭策略的制定提供了參考。相比非節(jié)假日，節(jié)假日期間消費者對折扣的支付意愿明顯上升，廠商可以通過相對較小的折扣水平達到非節(jié)假日期間相同的促銷效果;或者說，以同樣的折扣促銷可以獲得比非節(jié)假日期間更大的銷量，從而獲取更大的銷售收入或利潤。另外，會員積分作為一種非價格策略雖然被廣泛使用，但本文結果顯示積分策略對消費者啤酒購買的行為無顯著影響。雖然有越來越多的經驗證據(jù)驗證了積分促銷的有效性，但這一營銷策略的效果可能因商品種類的不同而有所區(qū)別。

由于受數(shù)據(jù)完備性的限制，本文僅選取啤酒作為季節(jié)性商品的代表進行分析，結論存在一定局限性。將來的研究需要獲取更為豐富的數(shù)據(jù)，納入更多種類的季節(jié)性商品，以進一步驗證本文結果的適用性。尤其是在大數(shù)據(jù)背景下，淘寶、京東等電子商務網站均積累了海量的消費者購買記錄，將來這些數(shù)據(jù)若能用于研究，則消費者購買行為假日效應研究的廣度和深度均可有很大的拓展。

［1］Levy D.，Muller G.，Dutta S.，Bergen M.Holiday price rigidity and cost of price adjustment［J］.Economica，2010，77(305)，pp.172－198.

［2］Warner E.，Barsky R.The timing and magnitude and retail store markdowns:Evidence from weekends and holidays［J］.Quarterly Journal of Economics，1995，110(2)，pp.321 －352.

［3］MacDonald J.Demand，information，and competition:Why do food prices fall at seasonal demand peaks?［J］.Journal of Industrial E-conomics，2000，48(1)，pp.27 －45.

［4］Chevalier J.A.，Kashyap A.K.，Rossi P.E.Why don't prices rise during periods of peak demand?Evidence from scanner data［J］.American Economic Review，2003，93(1)，pp.15－37.

［5］Nevo A.，Hatziyaskos K.Why Does the Average Price Paid Fall During High Demand Periods?［R］.Northwestern University working paper，2006.

［6］張旭昆，徐俊.消費的閑暇時間約束模型與假日經濟現(xiàn)象［J］.經濟評論，2001，(5):45－48.

［7］陳海達，汪斌，鐘晶晶.時間、收入與消費選擇——兼論假日經濟效應［J］.數(shù)量經濟技術經濟研究，2006，(2):108－116.

［8］孫文凱，陳濟冬.長假制度一定能促進消費嗎——論假日消費的“陷阱”［J］.經濟理論與經濟管理，2009，(8):24－30.

［9］傅曉霞，吳利學.“長假”拉動消費的作用到底有多大——對假日經濟的冷思考［J］.天津商學院學報，2003，(1):12－15.

［10］欒惠德.“假日經濟”與居民消費——來自季節(jié)調整的證據(jù) ［J］.當代經濟科學，2007，(3):89－94.

［11］徐維軍，胡茂林.對假日經濟的負面性思考 ［J］.商業(yè)研究，2008，(9):18－20.

［12］趙素潔.淺談假日經濟對中國經濟的長期拉動效應 ［J］.特區(qū)經濟，2008，(5):257－259.

［13］馮芷艷，郭迅華，曾大軍，陳煜波，陳國青.大數(shù)據(jù)背景下商務管理研究若干前沿課題 ［J］.管理科學學報，2013，(1):1－9.

［14］肖俊極，李宏宇，李國棟.需求高峰時期消費者購買行為變化的實證研究——來自女性時尚消費者的證據(jù)［J］.營銷科學學報，2012，8(1):45－61.

［15］Guadagni P.M.，Little J.D.A logit model of brand choice calibrated on scanner data ［J］.Marketing Science，1983，(2)，pp.203－238.

［16］Chintagunta P.，Erdem T.，Rossi P.，Wedel M.，Structural modeling in marketing:Review and assessment［J］.Marketing Science，2006，25(6)，pp.604 －616.

［17］Train K.Discrete Choice Methods with Simulation［M］.New York:Cambridge University Press，2009，pp.11－42.