孫寧寧

[摘 要]聚類分析是服裝網(wǎng)絡調查研究問卷分析的重要組成部分，主要是運用 SPSS 17.0對服裝網(wǎng)民用戶網(wǎng)絡購買心理和支付行為方式量表進行分析，是一種社會統(tǒng)計學軟件。聚類分析的目的在于將有效樣本中具有相對較大相似性及差異性的人群進行歸類，從而為網(wǎng)絡用戶網(wǎng)絡行為模型的建立提供依據(jù)。

[關鍵詞]聚類分析；網(wǎng)民；網(wǎng)絡

[DOI]10.13939/j.cnki.zgsc.2017.24.072

1 服裝網(wǎng)民用戶網(wǎng)絡行為方式的聚類分析

聚類分析是研究事物分類的基本方法，在自然科學等各個領域有廣泛的應用。該方法是根據(jù)事物本身的特性研究個體分類的方法，將數(shù)據(jù)分成幾個相異性最大的群組，而群組內(nèi)的相似程度很高。

聚類分析主要有：分層聚類法（Hierarchical Cluster Analysis）和快速聚類法（K-Means Cluster）兩種方法。分層聚類又稱系統(tǒng)聚類，是按照一定層次進行的能夠得到多個分類解；K-Means Cluster快速聚類是一個能夠高效解決問題的一個聚類方法，但其聚類數(shù)目K是事先指定的，輸出的結果是關于該類別的唯一解。一般根據(jù)實際情況和需求來確定聚類數(shù)目。如果觀察值的個數(shù)較多或者數(shù)據(jù)文件非常龐大（通常觀察值在200個以上），以采用K-Means Cluster快速聚類法較為適宜，因為觀察值數(shù)量太多，冰柱圖與樹狀圖兩種判別圖形，在呈現(xiàn)時會過于分散，不易令人閱讀與解釋[1]。

由于文章只對網(wǎng)民用戶網(wǎng)絡行為方式進行聚類分析，其樣本量共計316個（>200），但其類別范圍較小，聚類數(shù)目相對易于控制，所以采用K-Means Cluster快速聚類法進行聚類。這樣可以簡化分析步驟，能夠更加明確地分析出各類群之間的特征。

2 網(wǎng)絡行為方式聚類分析的判別分析（Discriminant Analysis）

Tatham & Anderson等人認為，聚類的數(shù)目介于三個到六個之間，則研究發(fā)現(xiàn)將易于處理與溝通。[2]因此，本文利用SPSS中的K-Means Cluster快速聚類法分別對樣本進行三到六類的聚類?，F(xiàn)將研究的具體分析過程和結果做如下論述。

首先利用判別分析分別針對三類、四類、五類及六類進行正確區(qū)別率預測。如表1各聚類數(shù)目的整體預測正確率所示。

分成圖表中四大類的整體預測正確率差別較小，100%的表現(xiàn)是分為三類時。據(jù)此，可以先將每個分類的Wilks Lambda值計算出來，根據(jù)其變化幅度的大小來最終確定分類數(shù)目。如表2 Wilks Lambda值所示。

從表中得知，本研究以原來的聚類數(shù)（三類）為準，即根據(jù)整個有效樣本的網(wǎng)絡行為方式變量將網(wǎng)民用戶分為三個類群，其典型判別函數(shù)得分散點圖如下圖所示。

典型判別函數(shù)得分散點圖

3 服裝網(wǎng)民網(wǎng)絡行為方式聚類分析的結果及命名

由判別分析可知，樣本聚類數(shù)為三類最恰當。以K-Means Cluster快速聚類法對樣本進行聚類，指定聚類數(shù)為三。由表3Iteration Historya迭代的偏移情況結果可以看出，經(jīng)過6次迭代后迭代終止，中心的偏移度均﹤0.02，因此可斷定該數(shù)據(jù)已達到了收斂。

表4為變量單因素方差分析表，從中可以看出，六個因子的Sig.值均為0.000，因此各因子變量在聚類中均呈現(xiàn)顯著性差異。

表5最終聚類中心顯示了三類網(wǎng)民人群對于六個因子的得分情況，根據(jù)設計的問卷，在服裝網(wǎng)民用戶網(wǎng)絡行為方式變量部分使用的是李克特量表五級尺度評分，即“很不認同”得最低分一分，“很認同”得最高分五分，中間依此類推，根據(jù)認同程度由低到高，分值也隨之由小到大。因此，表5中，得分越高（正值）表示對該因子的認同程度越高，得分越低（負值）表示對該因子的認同程度越低。為了便于觀察與衡量，將各因子得分最高與得分最低的類群以粗體顯示。據(jù)此，聚類分析結束。

4 各類網(wǎng)民用戶網(wǎng)絡行為方式特征內(nèi)容及命名

4.1 第一類服裝網(wǎng)民用戶

該類服裝網(wǎng)民人群非常認可個性逆反因子、學習交流因子以及善良孤僻因子，對于網(wǎng)絡交易因子也表現(xiàn)出了認同，但程度沒有第三類網(wǎng)民人群高，同時他們對于自我認可因子和休閑娛樂因子表示了較高程度的不認同。這類網(wǎng)民人群喜歡自由地發(fā)表言論，對于自己的情感毫無隱瞞，但他們習慣用一個虛擬的自我來代替真實的自我，在他們的內(nèi)心有股道德俠義的精神，且希望自己的一切行為被他人關注；同時，這類人群熱愛學習，他們對于網(wǎng)絡的利用通常是為了查閱資料、獲取知識，喜歡在網(wǎng)上進行聽課學習，閑暇時會上網(wǎng)關注時事與新聞。在與家人或朋友的感情方面，這類人群會通過網(wǎng)絡與其保持溝通與交流；再者，這類人群富有愛心且注重自身實際能力的提升，喜歡享受網(wǎng)上陌生環(huán)境帶來的寧靜與輕松。這類人群對于自我認可因子與休閑娛樂因子持很不認同觀點，說明他們在網(wǎng)上很隨意，不在意自身價值的體現(xiàn)；并且他們很少利用網(wǎng)絡進行一些娛樂活動，如聽歌、看視頻、小說以及玩游戲等，不喜歡體驗網(wǎng)上的刺激，也不愿在網(wǎng)上接受各種挑戰(zhàn)。綜上所述，將此類網(wǎng)民人群命名為“個性進取族”。

4.2 第二類服裝網(wǎng)民用戶

該類服裝網(wǎng)民人群比較認同自我認可因子，但程度遠沒有第三類人群高，對于個性逆反因子與休閑娛樂因子持勉強認同的態(tài)度，這類網(wǎng)民人群比較注重自身價值的實現(xiàn)以及自身在社會中的影響力，偶爾會利用網(wǎng)絡娛樂一下自己，作為短暫的消遣；同時，他們對于網(wǎng)絡持十分謹慎的態(tài)度，其對網(wǎng)絡的安全性與信息的真實性等方面非常不信任，絕不會通過網(wǎng)絡進行一些金融交易活動，也不會選擇在網(wǎng)上查閱資料、學習或與人交流等，擔心個人財產(chǎn)或隱私被竊取。綜上所述，將此類網(wǎng)民人群命名為“隨意網(wǎng)游族”。

4.3 第三類服裝網(wǎng)民用戶

該類服裝網(wǎng)民人群非常認同網(wǎng)絡交易因子，這點跟第二類網(wǎng)民人群完全相反，也很認同自我認可因子與休閑娛樂因子，但是對于個性逆反因子，此類人群表現(xiàn)出了強烈的排斥，非常不認同該因子。這類服裝網(wǎng)民人群對于網(wǎng)絡信息的真實性與網(wǎng)絡的安全性表示非常信任，熱衷于服裝網(wǎng)絡購物以及各種金融交易，他們很注重自身的價值得到認可，希望通過網(wǎng)絡能完善并提高自己；但是，該類網(wǎng)民人群不喜歡在網(wǎng)上宣泄個人情感，也不會在網(wǎng)上對他人的行為進行評論甚至是批判，絕不會在網(wǎng)上進行一些涉及個人情感的活動，就算是在網(wǎng)絡這個虛擬的世界，他們也會做真實的自我。綜上所述，將此類網(wǎng)民人群命名為“交易娛樂族”。

5 結 論

表6是聚類分析的最終服裝樣本群體分布表，從表中可知在三類服裝網(wǎng)民人群中，隨意網(wǎng)游族所占比例最大，共有127人，占總樣本數(shù)的40.19%；其次是個性進取族，共有125人，占總樣本數(shù)的39.56%；交易娛樂族所占比例最小，共有64人，占20.25%。其詳細分布情況如表6所示。

至此，根據(jù)服裝網(wǎng)民用戶網(wǎng)絡行為方式將網(wǎng)民用戶分為三（≥2）個類群，即產(chǎn)生了三類服裝網(wǎng)民用戶模型，從而驗證了研究假設1，即：根據(jù)服裝網(wǎng)民的網(wǎng)絡行為方式，可將網(wǎng)民劃分為N（N≥2）個類別，因此該假設成立。

參考文獻：

[1]吳明隆.SPSS統(tǒng)計應用實務[M].北京：中國鐵道出版社，2001.

[2]陳智勇.行動電話消費者之區(qū)隔以及對電信公司之認知與偏好[D].臺北：臺灣大學，1999.endprint