《表2 不同潜在类别数假设下的模型输出指标》

  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

《基于潜在类别模型的网约车用户市场细分》

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

基于获取的观察数据，利用Nlogit软件编程开展模型分析。为确定细分市场合适数量，从1开始逐步增加潜在类别Q的数目，在通勤和非通勤场景下分别测试了5个潜在类别模型，各模型输出指标如表2所示。表中未列出的类别数目，其方差-协方差矩阵奇异，即不可标定。由表2可见，在通勤和非通勤场景下，当潜在类别Q设定为4时，模型的AIC等指标均优于假设其他类别数的结果。此时，两模型优度比均大于0.2，表明拟合性较好。因此，选择Q=4作为通勤和非通勤场景下的用户潜在类别数。