计量经济学论文

  • 格式:docx
  • 大小:82.56 KB
  • 文档页数:13

驾校服务对顾客满意度的调查研究指导老师卢君生论文成员姜强2013192121王晶2013192152周凯文2013192174刘琴2013192132昌桑2013192103一.引言在市场竞争中,价格作为供需关系的纽带,有着极其重要的作用。

从全局看,需求理论广为人们所接受,即价格降低,则市场需求量增大,反之,若价格上升,则市场需求量便会减少。

然而作为一个独立的企业角度来看,在一定范围内,价格并不是其获取利润的唯一策略,甚至不是主要策略。

通常企业为获取利润会采取多种策略,而这些策略都是以围绕价格和服务为核心对不同的对象和顾客制定的,本文将以襄阳市襄城区部分驾校市场进行调查与研究。

二.文献综述该论文以实地调研为基础,以襄阳市襄城区部分驾校市场(C类车驾校市场)为例进行研究和分析,其目的在于研究驾校服务对其顾客满意度的影响分析。

随着私家车市场的兴起,伴随着日益增大的还有驾校市场,越来越多的驾校为了盈利,过多的依赖价格策略,以降价为核心的价格策略吸引学员入学,然而降价实际上缩小了驾校的利润空间,而且大多时候顾客对其微小的降价并不敏感,因此本文以计量经济学的研究方式研究驾校服务与顾客满意度之间的关系,反映顾客对服务的敏感性。

本文采用了文献研究法,eviews分析法等方法,针对驾校服务对驾校满意度进行了分析评价,得出了驾校服务对驾校满意度的影响程度。

该体系主要包括驾校服务性,驾校的时效性,便利性,驾校的收费情况。

通过参考本文的研究,各驾校可以看到每种服务对驾校满意度的影响程度,从而结合自身的情况进行改进,使驾校更具有竞争性。

目前有关此方面的研究文献还较少,故本文研究内容具有一定的挑战性和新颖性。

关键词:驾校服务性驾校便利性驾校实效性驾校满意度eviews 分析法三.理论模型与数据为详细调查驾校服务对其顾客满意度(Y)的影响,论文将驾校服务分为了三个方面,分别为服务性(X1),时效性(X2)和便利性(X3),此外还增设了一个独立变量,即价格(X4),其中各变量含义及内容均在论文附件中表明。

因此,初步设立假设模型为:Y=β0+β1X1+β2X2+β3X3+β4X4+μ为估计参数模型,实地随机调研了23组真实数据,数据如下:四.建模过程1.建立多元回归模型Dependent Variable: YMethod: Least SquaresDate: 06/24/15 Time: 15:31Sample: 1 23Variable Coefficient Std. Error t-Statistic Prob.C 56.64282 34.26149 1.653251 0.1156X1 0.038146 0.414836 0.091954 0.9277X2 1.220973 0.502657 2.429040 0.0258X3 1.494355 0.435263 3.433223 0.0030R-squared 0.912411 Mean dependent var 82.13043Adjusted R-squared 0.892946 S.D. dependent var 17.02753S.E. of regression 5.571249 Akaike info criterion 6.462776Sum squared resid 558.6986 Schwarz criterion 6.709622Log likelihood -69.32192 F-statistic 46.87607由软件运行结果得到初步参数模型为:Y=0.038X1+1.22X2+1.494X3-0.0079X4+56.64观测模型可知,t检验值普遍偏小,P-value值较大,拟合优度虽然较高,但模型并不完美,须进一步检验。

2.多重共线性检验1).相关系数检验由表可知,因变量之间线性相关程度较高,可认为该模型具有多重共线性。

2).辅助回归方程检验Dependent Variable: X1Method: Least SquaresDate: 06/17/15 Time: 11:09Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 17.91073 18.49664 0.968323 0.3450X2 0.623170 0.238402 2.613947 0.0171X3 0.308571 0.230068 1.341219 0.1957X4 -0.006259 0.004766 -1.313249 0.2047R-squared 0.849379 Mean dependent var 17.60870Adjusted R-squared 0.825597 S.D. dependent var 7.377725S.E. of regression 3.081055 Akaike info criterion 5.245192Sum squared resid 180.3651 Schwarz criterion 5.442669Log likelihood -56.31971 F-statistic 35.71487Durbin-Watson stat 1.581363 Prob(F-statistic) 0.000000Dependent Variable: X2Method: Least SquaresDate: 06/17/15 Time: 11:10Sample: 1 23Variable Coefficient Std. Error t-Statistic Prob.C 34.86234 13.43701 2.594500 0.0178X1 0.424440 0.162375 2.613947 0.0171X3 0.199880 0.193292 1.034081 0.3141R-squared 0.861605 Mean dependent var 22.43478 Adjusted R-squared 0.839754 S.D. dependent var 6.351994 S.E. of regression 2.542754 Akaike info criterion 4.861143 Sum squared resid 122.8464 Schwarz criterion 5.058621 Log likelihood -51.90315 F-statistic 39.42950 Durbin-Watson stat 1.612515 Prob(F-statistic) 0.000000Dependent Variable: X3Method: Least SquaresDate: 06/17/15 Time: 11:10Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 5.499411 18.01421 0.305282 0.7635X1 0.280288 0.208980 1.341219 0.1957X2 0.266568 0.257782 1.034081 0.3141X4 -0.000828 0.004740 -0.174647 0.8632 R-squared 0.668995 Mean dependent var 13.95652 Adjusted R-squared 0.616731 S.D. dependent var 4.743208 S.E. of regression 2.936460 Akaike info criterion 5.149057 Sum squared resid 163.8331 Schwarz criterion 5.346535 Log likelihood -55.21416 F-statistic 12.80031 Durbin-Watson stat 1.468753 Prob(F-statistic) 0.000083Dependent Variable: X4Method: Least SquaresDate: 06/17/15 Time: 11:11Sample: 1 23Variable Coefficient Std. Error t-Statistic Prob.C 3765.703 127.5247 29.52920 0.0000X1 -13.29537 10.12403 -1.313249 0.2047X2 -23.82767 11.58724 -2.056372 0.0537X3 -1.936015 11.08529 -0.174647 0.8632R-squared 0.783713 Mean dependent var 2970.000Adjusted R-squared 0.749563 S.D. dependent var 283.7573S.E. of regression 142.0026 Akaike info criterion 12.90634Sum squared resid 383130.1 Schwarz criterion 13.10382Log likelihood -144.4229 F-statistic 22.948803).建立基本的一元回归方程根据相关系数分析,顾客满意度与时效性因素关联程度最大,因此,建立一元回归模型为: Y=α+βX2+ε4).逐步引入其它变量当已经引入X2和X3后,模型已经比较完美,当继续引入X3或X4时,虽然拟合优度在增大,但却破坏了t检验值,因此X3、X4予以剔除。

Dependent Variable: YMethod: Least SquaresDate: 06/24/15 Time: 16:07Sample: 1 23C 26.04970 4.239487 6.144541 0.0000X2 1.529466 0.299146 5.112775 0.0001X3 1.559665 0.400609 3.893233 0.0009R-squared 0.908041 Mean dependent var 82.13043Adjusted R-squared 0.898845 S.D. dependent var 17.02753S.E. of regression 5.415592 Akaike info criterion 6.337549Sum squared resid 586.5728 Schwarz criterion 6.485657Log likelihood -69.88182 F-statistic 98.74369Durbin-Watson stat 1.373572 Prob(F-statistic) 0.000000即改善模型为:Y=1.5295X1+1.5597X2+26.0497t=(5.1128) (3.8932) (6.1445)R-squared=0.908Adjusted R-squared=0.8988 F=98.74363.异方差性检验1).图形分析根据上面二图,可观察出随着便利性和时效性的提高,其离散程度有些许扩大,但不易观察出是否有离散性。