朱艷嬌，張水勝

（齊齊哈爾大學(xué) 理學(xué)院，黑龍江 齊齊哈爾 161006）

中國統(tǒng)計年鑒顯示，我國智能手表的產(chǎn)量因為疫情受到了一定的沖擊.可以對市場進(jìn)行全面的調(diào)查研究，經(jīng)過不同的統(tǒng)計分析，得出較為精確的預(yù)測數(shù)據(jù)以及對智能手表產(chǎn)量影響較大的因素，這可以為智能手表產(chǎn)品的更新迭代提供有效的理論支持依據(jù)，促進(jìn)智能手表產(chǎn)業(yè)的蓬勃發(fā)展，也會對我國電子產(chǎn)品市場的發(fā)展起到積極的提振作用.

根據(jù)中國統(tǒng)計年鑒數(shù)據(jù)，可以發(fā)現(xiàn)智能手表的產(chǎn)量近幾年來并不穩(wěn)定.基于此現(xiàn)狀，開展了小范圍內(nèi)對于智能手表的問卷調(diào)查.調(diào)查結(jié)果表明，引起智能手表產(chǎn)量不穩(wěn)定的因素包含多個方面，基本分為4類，即性價比、功能性、受眾特點(diǎn)和可替代性.盡管在市場調(diào)查中顯示出，這些因素是消費(fèi)者是否會選擇購買智能手表的關(guān)鍵因素，但仍未可知小范圍的市場調(diào)查是否能夠準(zhǔn)確反映整體的市場情況.因此還是需要進(jìn)行大面積市場調(diào)查，得到盡可能精確的統(tǒng)計結(jié)果并進(jìn)行數(shù)據(jù)分析.

1 研究方法及數(shù)據(jù)來源

1.1 研究方法

本文采用多元回歸模型與自回歸模型進(jìn)行分析.通過主成分分析降重得出影響智能手表消費(fèi)者滿意度最重要的因素，之后按照因子得分計算綜合得分.多元回歸模型通過最小二乘分析可以計算出每個因素在總因變量影響因素的占比，進(jìn)而通過多元回歸計算智能手表消費(fèi)者滿意度，此模型通過SPSS 軟件獲得[1].

根據(jù)自回歸模型預(yù)測智能手表產(chǎn)量，自回歸模型可以通過時間序列數(shù)據(jù)對數(shù)據(jù)本身做出預(yù)測，預(yù)測模型通過EVIWS 完成[2].

1.2 數(shù)據(jù)來源

為了分析影響智能手表消費(fèi)者滿意度的因素，采用問卷調(diào)查法獲取相關(guān)數(shù)據(jù)信息.智能手表使用者為全年齡段，為避免調(diào)查問卷發(fā)放對象大多集中在中層年齡段而專門設(shè)置了智能手表使用對象選項.根據(jù)文獻(xiàn)[3]，選取心臟檢測功能作為一項購買智能手表的影響因素.文獻(xiàn)[4]指出兒童智能手表存在支付不需要輸入密碼及信息泄露問題，因此將支付軟件、APP 泄露信息等安全問題放入調(diào)查問卷中.文獻(xiàn)[5]指出消費(fèi)者傾向于幾何圖形等創(chuàng)意性指針設(shè)計，因此調(diào)查問卷也涉及有關(guān)外形創(chuàng)新問題.除了單項、不定項選擇以外，調(diào)查問卷也設(shè)計了開放性問題，如對于附加功能的想法以及對于現(xiàn)如今智能手表缺陷問題的反饋[6].

調(diào)查問卷的發(fā)放分為線上以及線下2部分，線上問卷選擇在豆瓣以及微博等社交軟件中豆瓣智能手表小組以及微博中智能手表、智能腕表話題下發(fā)放，針對線上的智能手表消費(fèi)者人群.而線下則選擇在商場智能手表柜臺以及華為、蘋果等線下專賣店發(fā)放.

本次市場調(diào)查回收到769 份問卷，經(jīng)過篩選后，確定720 份有效問卷.數(shù)據(jù)用于智能手表消費(fèi)者滿意度影響因素多元分析，部分調(diào)查問卷回收結(jié)果見圖1.

圖1 問卷回收數(shù)據(jù)

為了預(yù)測智能手表產(chǎn)量，從中國統(tǒng)計年鑒[7]獲取智能手表產(chǎn)量月度數(shù)據(jù).因為智能手表屬于新興工業(yè)分類，數(shù)據(jù)較新，只包括2021-03—2022-07 共17 月的數(shù)據(jù)（見表1）.后續(xù)需要補(bǔ)充數(shù)據(jù)，可從參考文獻(xiàn)以及現(xiàn)狀調(diào)查中獲取影響因素進(jìn)行數(shù)據(jù)補(bǔ)充，以獲得更精準(zhǔn)的預(yù)測結(jié)果.

表1 2021-03—2022-07 智能手表月產(chǎn)量

由表1可以看出，智能手表產(chǎn)量走向并非呈現(xiàn)線性增長，而是具有波動性[8].

2 智能手表消費(fèi)者滿意度影響因素

2.1 描述性分析

調(diào)查問卷中智能手表消費(fèi)者滿意度的影響因素以及附加功能都可以用可視化圖表展現(xiàn)其基礎(chǔ)信息.消費(fèi)者對于智能手表購買影響因素的差距分化不嚴(yán)重，因此用條形圖來表示（見圖2a），而附加功能選擇上差距比較大，因此用扇形圖來表示（見圖2b）.

由圖2a 可以看出，硬件配置是消費(fèi)者最為關(guān)注的影響因素；由圖2b 可以看出，附加功能中像指南針、計時器這種可被取代性高的，不是很必要的占比較小，不是影響智能手表消費(fèi)者滿意度的主要因素.

由于開放性問題是以文字形式出現(xiàn)在調(diào)查問卷中的，所以可以通過詞云圖來展示（見圖2c）.由圖2c可以看出，運(yùn)動健康是消費(fèi)者最關(guān)注的問題，希望能得到提高，運(yùn)動以及支付軟件也是消費(fèi)者認(rèn)為缺乏的功能，不同品牌的手表與手機(jī)不可互認(rèn)給智能手表的使用也帶來不便.同樣，通過改進(jìn)項詞云圖（見2d）可以看出，續(xù)航差是消費(fèi)者反饋缺點(diǎn)最突出的問題.

圖2 影響因素、附加功能可視化及購買因素詞云圖

2.2 多元回歸模型

根據(jù)調(diào)查問卷中的滿意度部分，采用多元回歸分析智能手表消費(fèi)者滿意度的影響因素.通過主成分分析，降維獲得5個主成分，分別為硬件設(shè)施（X1）、通訊（X2）、醫(yī)療（X3）、安全隱私（X4）、附加功能（X5）.其中硬件設(shè)施包括電池續(xù)航、CPU 以及無線電芯片等[9]；通訊包括打電話、發(fā)信息和社交軟件功能；醫(yī)療主要包括智能手表的脈搏檢測、運(yùn)動步數(shù)和心電圖功能；安全隱私包括定位[10]、支付軟件電子銀行、身體健康數(shù)據(jù)和軟件記錄數(shù)據(jù)；附加功能則是軟件自帶的指南針、計時器和夜光功能[11].用5個主成分建立智能手表消費(fèi)者滿意度影響因素模型，得到因子得分以及多元回歸模型[12]，進(jìn)行滿意度分析，結(jié)果見表2.

表2 多元回歸分析結(jié)果

由表2可以看出，F(xiàn) 檢驗顯著性P值非常小，呈現(xiàn)顯著性，拒絕回歸系數(shù)為0 的原假設(shè).因此模型基本滿足要求.

對于變量共線性表現(xiàn)，VIF 全部小于10，因此模型沒有多重共線性問題，模型構(gòu)建良好.得到的多元回歸模型為

式中：Y為智能手表消費(fèi)者滿意度得分.

由多元回歸模型可以看出，硬件設(shè)施對于消費(fèi)者滿意度影響最大，這也驗證了描述分析的觀點(diǎn)，消費(fèi)者更在意智能手表的硬件設(shè)施如電池續(xù)航，CPU 以及無線電芯片功能.

利用模型進(jìn)行預(yù)測，并與原始數(shù)據(jù)進(jìn)行擬合，結(jié)果見圖3.由圖3 可以看出，擬合結(jié)果比較好[13].

圖3 智能手表消費(fèi)者滿意度擬合效果

3 智能手表產(chǎn)量預(yù)測

3.1 平穩(wěn)性檢驗

選取中國統(tǒng)計年鑒2021-03—2022-07 月17 個月份的智能手表產(chǎn)量數(shù)據(jù)，用EVIWS8 進(jìn)行建模預(yù)測.該時間序列單位根檢驗不通過，數(shù)據(jù)不平穩(wěn)，因此需要對原始數(shù)據(jù)進(jìn)行差分處理.經(jīng)過二階差分后，最小二乘法估計結(jié)果見圖4a.

由圖4a 可以看出，此時P值很小，已經(jīng)得出白噪聲序列，可以進(jìn)行自回歸模型分析，并用最小二乘法對模型進(jìn)行估計[14].

3.2 模型構(gòu)建

建模時要確定最佳預(yù)測模型，為此確定4個預(yù)測模型，分別是AR(R)模型、MA(1)模型、AR(1)MA(1)模型和MA(1)AR(1)模型.預(yù)測模型可以從2方面檢驗，一是模型檢驗，二是預(yù)測結(jié)果檢驗.模型檢驗通過AIC 檢驗完成，預(yù)測結(jié)果檢驗通過最小方差無偏估計檢驗完成[15].

3.2.1 AIC 檢驗 AIC 檢驗即赤池信息量準(zhǔn)則，是衡量統(tǒng)計模型擬合優(yōu)良性的標(biāo)準(zhǔn)，熵值越小即AIC 值越小，那么模型的預(yù)測效果最好.將4個模型進(jìn)行AIC 檢驗，結(jié)果見圖4b.

圖4 最小二乘法估計及AIC 檢驗

由圖4b 可以看出，當(dāng)模型是AR（1）MA（1）時，檢驗值最小，應(yīng)用此模型則預(yù)測效果最好.最終得到模型為ARIMA（1，2，0）（即AR（1）MA（1）類模型），該模型可表示為d（d（xt））=-0 .417 466 × d（d（xt-1））+ξt，

式中：xt為智能手表產(chǎn)量；ξt為殘差.

3.2.2 方差檢驗 使用Eviws 軟件，利用4個模型預(yù)測2021-05—2022-07 月份智能手表產(chǎn)量（原始數(shù)據(jù)通過Eviws 軟件調(diào)整樣本后，由2021-03—2022-07 更改為用2021-05—2022-07 月份15 組數(shù)據(jù)進(jìn)行預(yù)測），ARIMA（1，2，0）模型的預(yù)測結(jié)果見圖5.將4個模型2022-08—2022-10 月份智能手表產(chǎn)量預(yù)測結(jié)果匯總輸入Excel 中，分別進(jìn)行方差運(yùn)算.AR（1）模型、MA（1）模型、ARIMA（1，2，0）模型和MA（1）AR（1）模型預(yù)測數(shù)據(jù)的方差分別為15 895.12，1 065.21，45.99，4 087.89，ARIMA（1，2，0）的最終預(yù)測結(jié)果方差最小，符合統(tǒng)計中的有效性，預(yù)測效果最好.因此2022-08—2022-10 月智能手表產(chǎn)量最終預(yù)測數(shù)據(jù)分別為83.77，80.48，96.23 萬個.

圖5 ARIMA（1，2，0）模型預(yù)測結(jié)果

4 結(jié)語

根據(jù)文獻(xiàn)[16]，智能手表出貨量有了大幅度提升，但沒有像手機(jī)一樣受到消費(fèi)者的熱捧，最大原因就是其續(xù)航能力還有很大亟待提升的空間，尤其當(dāng)智能手表功能更加多樣化時，如心電監(jiān)測功能更加需要電池能耗.這也與本文多元回歸模型所給結(jié)果一致，即消費(fèi)者對于硬件配套設(shè)施的要求更高.市面上常見的智能手表電池大致分為2類，一類為傳統(tǒng)紐扣電池，成本低，但需要定時更換，智能手環(huán)多配備此類電池；另一類為鋰電池，可進(jìn)行充電，多次使用，但成本高而且待機(jī)時間并不長，需要及時充電.結(jié)合市場調(diào)查問卷分析結(jié)果，廠商可以選擇拋棄傳統(tǒng)且不必要的附加功能，如指南針、計時器等，有效解決電池能耗快的問題.

由自回歸模型預(yù)測結(jié)果可以看出，在沒有政策以及新技術(shù)突破情況下，預(yù)測月份2022-08—2022-10月的智能手表產(chǎn)量雖然仍然是增加趨勢，但浮動比較小，無法像智能手機(jī)一樣，幾乎達(dá)到人手一部.除能耗快這一缺點(diǎn)以外，安全問題也在消費(fèi)者考慮之中，像電腦以及手機(jī)都有相關(guān)隱私設(shè)置選項，智能手表對于安全隱私定位方面也需精準(zhǔn)提高防護(hù)水平，不能一鍵開關(guān)定位模糊解決隱私問題.

企業(yè)可以加大芯片功能的研發(fā)，目前有健康功能和人機(jī)交互功能的芯片存在，但能耗高，造價高，可將低能耗芯片研發(fā)作為今后的主要研發(fā)方向，只有把智能手表定位為不可替代、獨(dú)立性強(qiáng)且待機(jī)時間長，展現(xiàn)出智能手機(jī)難以達(dá)到的優(yōu)勢，才能真正地激發(fā)消費(fèi)者的購買熱情.