《表3 分类模型适配性检验结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种面向用户特征的配电网投资决策分析方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

利用上节调查问卷第二部分和第三部分得到的调查问卷数据来进行用户分类.首先对客户的类别进行判断和划分，利用模型将客户分成一到7个种类的分类方案.通过对比不同的分类方案，来选择一个最优的分类结果，如表2所示.显然不同用户在问卷对中电力产品的属性之间存在不同的偏好.如表3所示，其中相关的参数为:最小Aaiaike信息准则[11]（the minimum akaike information criterion，AIC），最小贝叶斯信息准则（the minimum bayesian information criterion，BIC），修改后的Akaike信息准则（the modified akaike information criterion，AIC3）以及Akaike的均方差ρ2.有关这些参数的定义，请参阅文献[12].对于用户如何分类的分析，参考了Yong等的结论，具有最低AIC、BIC和AIC3值情况下的用户分类情况应该是最为合理的[6].但从表3的结果中可以发现，依据BIC参数最小时对应的调查用户可以分为5组，而AIC和AIC3则是把调查用户分为7类时最小.进一步分析表3中的数据发现这两种分类方案中AIC、BIC和AIC3的差别很小.而在分成3及更多的组类之后，AIC、BIC和BIC3的变化幅度不断降低.考虑到这些因素，本文消费者细分方案定位分为3组，这对揭示每一类消费者的选择行为模式显得更为有说服力，而根据主要指标AIC、BIC、AIC3和ρ2的值，分成4组及更多的组并未在模型性能方面获得太大改善.