9、利用神经网络预测消费者情境选择

利用神经网络预测消费者情境选择

1. 引言

近年来，人工神经网络（ANNs）在商业预测和分类领域的应用日益广泛，涵盖银行破产预测、合资企业成功预测、消费者选择预测、金融产品价格预测以及汇率预测等多个方面。然而，许多市场研究人员仍将神经网络视为黑箱。实际上，要使神经网络在应用中取得成功，必须进行精心建模。本研究聚焦于构建用于预测消费者选择的神经网络模型，通过估计消费者选择的后验概率，构建情境消费者选择模型，以预测消费者会选择何种产品或服务。

我们采用的是多层前馈网络，使用Ahn（1996）开发的算法进行训练。不过，神经网络常受到的一个批评是难以解释变量之间的关系，因为它通常使用非线性函数，传统的统计关系测试在神经网络中往往不适用。在神经网络建模中，有两个关键问题需要关注：
- 模型选择 ：选择合适的模型并非易事，需要平衡模型偏差（准确性）和模型方差（一致性）。更复杂的模型偏差较小但方差较大，而简单模型则相反。
- 特征选择 ：建模者追求简约，目标是用最少的自变量构建具有同等或相近预测能力的模型。对于神经网络，由于参数测试不适用，需要采用更复杂的计算方法来确定应包含在模型中的变量。

2. 后验概率的估计

2.1 定义

分类问题是根据对象的属性将其分配到不同的组中。后验概率P(Zj | x)表示具有属性x的对象属于组j的概率，传统分类理论使用贝叶斯公式计算后验概率。在消费者选择问题中，后验概率对应消费者购买的可能性，营销人员可以根据这些概率更有效地制定营销策略。

通常，后验概率是x的非线性函数，难以直接推导。Hung等人（1