基于logistic回归分析在研究天水某地居民购买节能电器中的应用

薛宝恒

摘 要：人的“行为节能”是主动式行为节能的一种方式，以天水某地居民购买节能电器行为为研究对象，使用 SPASS的 logistic回归模型分析评估居民购买节能家电的影响因素，以居民选择购买节能电器作为研究的因变量，以居民性别、年龄、收入、教育水平、职业、家庭数量、房屋面积等作为自变量进行研究，采用拟合优度Cox Snell R方与Nagelkerke R方检验，拟合度良好，结果表明教育水平对居民购买节能家电有显著的正向影响，而性别、年龄、收入、家庭收入、房屋面积的影响较小。通过加强宣传教育，政策制定等引导和鼓励居民转变消费模式如使用节能电器等，实现温室气体排放的减少。

关键词：logistic回归；有效度检验；节能；温室气体

中图分类号：TB     文献标识码：A      doi：10.19311/j.cnki.16723198.2023.21.085

0 引言

温室效应导致气候方面的问题已受到更加的重视，如何实现温室气体排放量的减少已经引起各行业的广泛关注，人类的生产生活都可能造成碳排放，温室气体排放量与能源消费的数量和结构密切相关，居民是工业生产的终端用户，日常生活中的消费、购买和其他服务会间接造成碳排放，随着生活水平的不断提高，居民日常生活中的碳排放比例仍有可能增加，因此，推行节能减排措施刻不容缓，随着人们日常生活中高频出现了“低碳” 概念，冯巍提出人的“行为节能”是主动式行为节能的一种方式，提倡大力宣传这种方式并全面提升居住者的节能意识。芈凌云（2011）通过统计分析和结构方程的实证研究表明，家庭特征因素如收入、人口数量等以及人口统计因素如性别、年龄、职业、婚姻状况、受教育程度等对居民是否低碳化消费行为有关，家用电器对居民家庭能源消耗有重要的影响，使用节能电器可以有效的降低家庭能源消耗，以天水某地居民购买节能电器行为为研究对象，分析评估该地居民购买节能电器的影响因素，总结归纳出节能行为引导的政策建议，助力节能减排活动。

1 研究方法

本文以天水某地10个大中型住宅小区居民为调研对象，采用网络问卷星调研和场地实际调研，获得居民节能家电购买情况的相应数据，调研过程中共获取问卷360份，在数据采集期间，由于疫情封控等原因，剔除异常数据40份，实际获取有效问卷320份，为数据的分析，提供了可靠的依据。在分析居民购买节能电器的影响因素过程中，数据分析采用logistic回归模型进行分析，logistic回归是一种传统型统计学分析方法，属于概率型非线性回归，它研究自变量和因变量之间的依存关系，研究的现象只有两种可能的结果，居民选择购买或者不选择购买，这个因变量为定性变量，应用此模型可以分析不同因素对于居民选择节能电器产品的影响，因变量记为y，其取值为1表示居民选择购买节能电器，取值为0表示居民未选择节能电器，影响因变量y的m个自变量分别记为x1（年龄）、x2（性别）、x3（收入）、x4（职业）、x5（家庭人口）、x6（教育水平）、x7房屋面积）等7个因素，使用logistic回归模型，考察各因素对居民选择节能电器的影响，logistic回归模型建立如下：

P（y=1xi））=Pi（式一）

Pi=11+e－（α+∑mi=1βixi）=eα+∑mi=1βixi1+eα+∑mi=1βixi（式二）

1-Pi=1-eα+∑mi=1βixi1+eα+∑mi=1βixi=11+eα+∑mi=1βixi（式三）

ln（pi1-pi）=α+∑mi=1βixi）（式四）

式中，Pi表示居民购买节能电器的概率（0

居民选择购买节能电器：居民是否选择购买节能电器是本次调研研究的因变量，问题设置为：如果购买电器，我将购买节能电器。要求被调研对象根据实际选择，选择购买，取值为1，未选择购买，取值为0。自变量：居民性别选择的时候男性选择0，女性选择1、年龄分布较大，是一个连续性的数据，统计过程中，年龄最小的有18岁，最大的有86岁、收入通过查询2022年天水年鉴，全年城镇居民人均可支配收入为32251元，平均水平设为1，高于平均水平为2，低于平均水平为0进行统计计算；教育水平主要考虑调研对象的学历，包括小学、初中、高中、大专本科、研究生等；职业：调研对象的职业主要包括了以下类型个体户，工人或服务人员、学生、科研教育领域、工程技术人员、政府部门工作人员、管理人员等；家庭数量、房屋面积等作为自变量进行研究，根据对统计的问卷进行整理，得到了表1样本的特征描述统计表。

2 数据分析

2.1 logistic回歸结果

在已获取的基础数据上，通过使用SPASS的 logistic回归模型分析，以 P<0.05 为差异有统计学意义，通过整理数据得到表2节能家电购买logisti模型回归结果。结果表明节能家电购买的影响，教育水平的P值在0.05上显著，说明教育水平对居民购买节能家电有显著的正向影响，而性别、年龄、收入、家庭收入、房屋面积的影响较小。Exp（B）说明，每增加一个单位，投资概率将增加的倍数，从数据显示，教育水平的Exp（B）值有显著正向影响，教育水平优势比为1.154，表明随着教育水平的增加，购买节能家电的预期概率增大1.154倍。

教育水平对购买节能电器的影响较大，说明可以通过提高居民的认知，加强节能减排、环境保护方面的宣传，让当地更多的居民有节能环保的意识，有选择购买节能电器的可能。

2.2 有效度檢验

为了验证模型的有效性，采用拟合优度Cox Snell R方与Nagelkerke R方检验。线性回归中的R2指标用来表示拟合优度十分恰当，可以将-2LL^S（其中LL^S是只含常数参加模型的最大似然值的对数）类比于线性回归中的总平方和，而-2LL^S类似于误差平方和[5]，构造Cox Snell R方指标：

R2=1-L^0L^S2/n（式五）

但是这样定义R2的最大值小于1，所以进行调整，得到Nagelkerke R方指标：

R2adj=R2R2max1-L^0L^S2/n1－（L^0）2/n（式六）

此时，当R2adj越接近1，模型的拟合优度越好，通过SPASS软件模拟可得到节能家电购买的Cox Snell R方系数为0.627，Nagelkerke R方系数为0.832说明节能家电购买模型预测准确率分别为Cox Snell R方指标为62.7%，Nagelkerke R方指标为83.2%，结果表明拟合优度较好。

3 建议

随着经济的发展，碳排放在居民日常生活中所占的比例越来越高，绿色生活方式变得越来越重要，居民是否愿意使用节能电器，需要居民、企业、政府三个方面一起推动。

从居民自身来看，选择节能电器意味着消费成本的增加以及消费习惯的改变，通过加强多样化的宣传教育，如定期举行的节能环保知识宣传，流动车辆宣传，节能电器的展示等让居民意识到节能环保的重要性，有一定购买节能电器的补贴政策等，让居民愿意积极参与并选择节能电器，保护环境，为未来创造更美好的生活，选择低碳绿色生活，虽然会有不同于原有的生活习惯与购买方式，但是这种付出是值得的。

从企业来看，需要企业对产品进行创新，提效降耗，降低居民的实际购买成本，通过提高家电能效标准实现。对新生产的家电，特别是空调、中央空调的能效水平提升;促进家电以旧换新，淘汰能效水平较差的旧家电。存量家电中，家电机龄越长，平均能效标准越低，单台家电能耗越高，说明旧产品生产年限越长，采用当时较低的能耗标准，单台家电能耗将明显高于新产品，家电的加速更新可以帮助提高现有家电的能效水平，这需要家电企业的积极推动和国家政策的鼓励。旧家电不仅含有有色金属、橡胶，有的还含有铅、汞等有毒有害物质，如果处理不当，会产生大量的环境污染物。家电变频技术可以提升空调、冰箱、洗衣机的能效水平，太阳能热水器可以缓解电网负担，冷凝燃气热水器的效率要高于普通产品，LED（发光二极管）灯替代节能灯、白炽灯，设计更加合理的取暖器替代设计不合理的取暖器。

从政策制定方面来看，家电能效体系与回收，节能产品补贴等政策的完善与实施，不仅能补贴居民的新增成本而且可以鼓励企业积极参与，节能补贴有利于推广高能效家电产品，助力实现碳中和。从历史经验看，节能补贴的推出有助于生产企业和消费者顺利从低能效产品向高能效产品切换。适度的节能补贴，有利于增强高能效产品在消费市场中的竞争力，改善家电产品的能效结构，助力早日实现碳中和的重要目标。

4 结论

通过使用SPASS的 logistic回归模型分析结果表明，采用拟合优度Cox Snell R方与Nagelkerke R方检验，拟合度良好，教育水平对居民购买节能家电有显著的正向影响，而性别、年龄、收入、家庭收入、房屋面积的影响较小。教育水平对购买节能电器的影响较大，可以通过提高居民的认知，加强宣传教育让居民积极参与并选择节能电器。

购买节能型电器对减少碳排放有间接的作用，通过加强宣传教育，鼓励居民转变消费模式，提升环保意识和参与能力，引导居民选择高能效节能产品；通过政策制定与社会治理如电器的能效标准、节能补贴与回收制度等的完善，引导居民的低碳生活，降低能耗，使节能减排的行为意识深入人心，实现温室气体减排，让我们积极实践，贡献力量，一起迈向青山绿水，建设与共享碳中和的美好时代。

参考文献

［1］许婷婷，郑爱华，许晶，等.税收优惠政策对煤层气项目经济效益的影响分析[J].吉林工商学院学报，2009，25（6）：3033.

[2]王富超.公路运输超载关键影响因素的识别与分析.合肥工业大学硕士论文，2017.

[3]芈凌云.城市居民低碳化能源消费行为及政策引导研究[D].中国矿业大学博士论文，2011，252257.

[4]Mattew Santamouris，K Kapsis，D Korres，I. Livada，C. Pavlou，M. N. Assimakopoulos. On the relation between the energy and social characteristics of the residential sector[J]. Energy and Buildings，2007，39（8）：893905.

[5]朱星宇，陈永强.SPSS多元统计分析方法及应用[M].清华大学出版社，2011.

[6]邱萍.建筑部门温室气体减排中的行为引导措施研究——以北京市为例[D].北京建筑大学硕士论文，2021.

[7]杜强，贾艳丽.SAS统计分析标准教程[M].人民邮电出版社，2010.

[8]张磊，黄欣，陈宜瑜，等.住宅用能行为研究综述[J].城市建筑，2019，（02）：160164.

[9]中金公司研究部，中金研究院.碳中和经济学[M].中信出版集团，2021.

[10]双碳行动、绿色先行、低碳生活、从我做起（下）[J].当代矿工，2022，（06）：4655.