一种电力公司居民用户按时缴费影响因素的分析方法

技术领域

本发明属于电力缴费技术领域，特别是涉及一种电力公司居民用户按时缴费影响因素的分析方法。

背景技术

目前电力公司面临的用户拖欠费的情况较为严峻，“先使用，后收费”仍然是电力公司与用户采取的主要结算方式，进而导致拖欠费现象也屡见不鲜。每年电网公司因为用户的不正当行为所造成的经济损失严重，且年年呈现上升的趋势。其中居民拖欠费相对于非居民用户用户来说，拖欠费次数多，控制手段缺乏，电费的拖欠一定程度上影响了电力公司正常的资金运转与经营，也同时限制了电力公司购进新设备与引入新技术的能力，阻碍了电力市场改革的推进。

发明内容

本发明目的是为了解决现有技术中的问题，提出了一种电力公司居民用户按时缴费影响因素的分析方法。本发明通过分析影响用户按时缴费率的因素，从而能够为电力公司提出针对性的策略方法打下基础，降低拖欠费率，改进电费回收方法，降低电费回收成本。

本发明是通过以下技术方案实现的，本发明提出一种电力公司居民用户按时缴费影响因素的分析方法，所述方法包括以下步骤：

步骤1、建立多元线性回归数据模型；

步骤2、根据缴费能力、缴费意愿和缴费习惯确定调查问卷内容，从而对用户进行问卷调查，所述调查问卷包括家庭经济情况、居民用户满意度、欠费危害认识度、历史缴费行为和用户基本信息；

步骤3、对回收所得调查问卷进行有效问卷的筛选，删除选择不了解有关用电情况的问卷，删除填写时间小于34秒的问卷，删除前后出现明显逻辑矛盾的问卷，删除选项完全一样或大部分一样的问卷；经过筛选后所得的问卷为最终有效问卷；

步骤4、对有效问卷进行数据分析，从而得到影响因素的分析结果。

进一步地，所述步骤1具体为：

多元线性回归的模型的表达式如下：

Y＝β

其中，x

若进行n次观测，采集到的n组数据样本为x

那么，称Y＝Xβ+ε为线性回归的数据模型，X是设计矩阵，ε是误差向量，须满足随机条件；

线性回归的目的则是找出使得关于x

E(Y)＝β

的均方误差Q(β)＝||Y-Xβ||

β的最小二乘估计为

进一步地，所述家庭经济情况包括每月收入和月用电量；所述居民用户满意度分为供电满意、服务满意、电费信任、缴费方便和渠道满意；所述欠费危害认识度分为后果认知和行为认知；所述历史缴费行为分为按时缴费和缴费积极；所述用户基本信息包括性别和渠道类型；所述性别包括男和女；所述渠道类型分为四种，收费人员上门收取，亲自去银行、营业厅或合作社网点柜台缴纳，银行卡直接扣取，网上或支付宝、微信第三方平台缴纳。

进一步地，在步骤4中进行信度检验，具体为：

利用α信度系数法进行信度检验，其公式为：

α＝(k/(k-1))*(1-(∑Si^2)/ST^2)

其中，K为量表中题项的总数，Si^2为第i题得分的题内方差，ST^2为全部题项总得分的方差；量表的信度系数最好在0.8以上，0.7-0.8之间可以接受，利用SPSS检验问卷的信度得到量表的信度系数为0.752，大于0.7，在可以接受的范围内。

进一步地，对调查问卷的结果进行相关分析，具体为：利用SPSS对参与建模的10个自变量，1个因变量进行双因素相关分析，其中pearson相关系数上有**，意味着这两个变量在0.01水平是显著相关，pearson相关系数上有*，代表这两个变量在0.05水平上是显著相关的；按时缴费和月用电量以及电费信任以外八个自变量在0.05水平上显著相关；每月收入只和按时缴费在0.05水平上显著相关；月用电量和所有变量均不在0.05水平上显著相关；缴费积极和按时缴费在0.05水平上显著相关；剩余的供电满意、服务满意、电费信任、缴费便利、渠道满意、行为认知、结果认知这七个变量，每两个变量间都在0.05水平上显著相关。

进一步地，对调查结果进行主成分分析以及回归分析，具体为：进行主成分分析之后得到成分矩阵，选取特征根大于一的三个主成分变量；在第一主成分变量中，系数大的变量是供电满意、电费信任、服务满意、渠道满意、缴费便利、结果认知和行为认知；这些变量分别代表了居民对用电过程的态度、对缴费过程的态度、对缴费行为的态度，因此将第一个主成分描述为缴费意愿；在第二个主成分变量中，系数大的变量是每月收入，用户的每月收入代表用户每一个月住所内所有人获得的可支配收入的总和，该变量可以有效的反应用户目前所处的经济状况，在对居民用户的研究中，账户余额对居民的欠费行为有显著的负向影响，这说明居民用户的经济情况反应了用户的缴费能力，因此将第二个主成分变量描述为缴费能力；在第三个主成分变量中，系数最大的是缴费积极，用户缴费的积极性是指用户通常在收到缴费通知单之后到缴费行为完成过程中的时间间隔，是用户缴费时的一种习惯，所以将其描述为缴费习惯；

利用得到的主成分变量进行回归分析，得到三个主成分变量的系数均大于0，且显著性均小于0.01，缴费意愿、缴费能力、缴费习惯均对居民用户电费的按时缴费率存在显著的正向影响；

以性别为因子做方差齐性检验，得到的结果为男性和女性的按时缴费情况之间存在着显著的差异，即性别对居民用户拖欠费行为的影响是显著的；

以缴费渠道为因子做方差齐性检验，得到的结果为不同渠道的按时缴费情况之间不存在显著的差异，即缴费渠道对居民用户拖欠费行为的影响不显著。

本发明的有益效果：

本发明所述方法证明了缴费能力(即经济状况)、缴费意愿与缴费习惯(即缴费积极性)对电力居民用户按时缴费率之间的显著正向影响；并且证明了缴费渠道本身对居民用户的按时缴费率影响是由渠道便利和缴费满意度的改变带来的。根据得到的影响居民用户按时缴费率的影响因素，为电力公司从三个方面提供的意见，采用新的电费回收策略，达到降低电费回收成本，提高电费回收率的目的。

附图说明

图1为本发明所述电力公司居民用户按时缴费影响因素的分析方法流程图；

图2为变量定义及解释示意图。

具体实施方式

下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

结合图1，本发明提出一种电力公司居民用户按时缴费影响因素的分析方法，所述方法包括以下步骤：

步骤1、建立多元线性回归数据模型；

所述步骤1具体为：回归分析(regression analysis)是由高尔顿(Galton)在19世纪末提出，其中最简便的分析方法——线性回归方法是通过最小二乘法对线性回归方程进行求解，从而得到一个或数个自变量同因变量之间简单线性关系进行建模的一种回归分析。单自变量的回归分析也被叫做简单线性回归。然而在具体应用中，某个因变量通常会受到多个因素的影响，简单的单独变量的回归方法不足以达到解决问题的目的，所以引入处理多个变量的多元线性回归的方法，大于一个自变量情况的叫做多元线性回归(multivariate linear regression modeling，MLRM)。

多元线性回归的模型的表达式如下：

Y＝β

其中，x

若进行n次观测，采集到的n组数据样本为x

那么，称Y＝Xβ+ε为线性回归的数据模型，X是设计矩阵，ε是误差向量，须满足随机条件；

线性回归的目的则是找出使得关于x

E(Y)＝β

的均方误差Q(β)＝||Y-Xβ||

β的最小二乘估计为

步骤2、根据缴费能力、缴费意愿和缴费习惯确定调查问卷内容，从而对用户进行问卷调查，所述调查问卷包括家庭经济情况、居民用户满意度、欠费危害认识度、历史缴费行为和用户基本信息；

结合图2，所述家庭经济情况包括每月收入和月用电量；所述居民用户满意度分为供电满意、服务满意、电费信任、缴费方便和渠道满意；所述欠费危害认识度分为后果认知和行为认知；所述历史缴费行为分为按时缴费和缴费积极；所述用户基本信息包括性别和渠道类型；所述性别包括男和女；所述渠道类型分为四种，收费人员上门收取，亲自去银行、营业厅或合作社网点柜台缴纳，银行卡直接扣取，网上或支付宝、微信第三方平台缴纳。

步骤3、对回收所得调查问卷进行有效问卷的筛选，删除选择不了解有关用电情况的问卷，删除填写时间小于34秒的问卷，删除前后出现明显逻辑矛盾的问卷，删除选项完全一样或大部分一样的问卷；经过筛选后所得的问卷为最终有效问卷；为了进一步保证问卷收集的有效性，设置了对有关用电情况的了解程度，对选择不了解有关用电情况的问卷视为无效问卷。本次问卷调查最终获得问卷334份。其中性别比例，女性占54.19％，男性45.81％，基本满足男女一比一的比例。来源地区共涉及28个省或直辖市，认为本次问卷回收的地区偏向较小。对本次回收所得334份问卷进行有效问卷的筛选，删除了选择不了解有关用电情况的问卷；删除了填写时间小于34秒的问卷；删除了前后出现明显逻辑矛盾的问卷，如按时缴费获得高分而缴费积极获得低分；删除了选项完全一样或大部分一样的问卷，最后总计删除45份，保留有效问卷289份，问卷有效率为86.5％。

步骤4、对有效问卷进行数据分析，从而得到影响因素的分析结果。

在步骤4中进行信度检验，具体为：

利用α信度系数法进行信度检验，其公式为：

α＝(k/(k-1))*(1-(∑Si^2)/ST^2)

其中，K为量表中题项的总数，Si^2为第i题得分的题内方差，ST^2为全部题项总得分的方差；量表的信度系数最好在0.8以上，0.7-0.8之间可以接受，利用SPSS检验问卷的信度得到量表的信度系数为0.752，大于0.7，在可以接受的范围内。

对调查问卷的结果进行相关分析，具体为：利用SPSS对参与建模的10个自变量，1个因变量进行双因素相关分析，其中pearson相关系数上有**，意味着这两个变量在0.01水平是显著相关，pearson相关系数上有*，代表这两个变量在0.05水平上是显著相关的；按时缴费和月用电量以及电费信任以外八个自变量在0.05水平上显著相关；每月收入只和按时缴费在0.05水平上显著相关；月用电量和所有变量均不在0.05水平上显著相关；缴费积极和按时缴费在0.05水平上显著相关；剩余的供电满意、服务满意、电费信任、缴费便利、渠道满意、行为认知、结果认知这七个变量，每两个变量间都在0.05水平上显著相关。

Pearson相关系数可以用来衡量变量之间的线性关系。由于月用电量和其他所有变量之间都不存在显著相关的关系，可以认为月用电量对于因变量按时缴费没有显著的影响，所以在接下来的过程中，删去月用电量这一变量。又因为供电满意、服务满意、电费信任、缴费便利、渠道满意、行为认知、结果认知七个变量间存在显著的线性相关的关系，也就是说这七个变量之间存在着多重共线性，不满足回归分析的假设前提。

对调查结果进行主成分分析以及回归分析，具体为：进行主成分分析之后得到成分矩阵，如表1所示，选取特征根大于一的三个主成分变量；在第一主成分变量中，系数大的变量是供电满意(0.815)、电费信任(0.800)、服务满意(0.799)、渠道满意(0.752)、缴费便利(0.711)、结果认知(0.621)和行为认知(0.618)；这些变量分别代表了居民对用电过程的态度、对缴费过程的态度、对缴费行为的态度，因此将第一个主成分描述为缴费意愿；在第二个主成分变量中，系数大的变量是每月收入(0.876)，用户的每月收入代表用户每一个月住所内所有人获得的可支配收入的总和，该变量可以有效的反应用户目前所处的经济状况，在对居民用户的研究中，账户余额对居民的欠费行为有显著的负向影响，这说明居民用户的经济情况反应了用户的缴费能力，因此将第二个主成分变量描述为缴费能力；在第三个主成分变量中，系数最大的是缴费积极(0.954)，用户缴费的积极性是指用户通常在收到缴费通知单之后到缴费行为完成过程中的时间间隔，是用户缴费时的一种习惯，所以将其描述为缴费习惯；

表1成分矩阵

利用得到的主成分变量进行回归分析，得到表2，可以看出三个主成分变量的系数均大于0，且显著性均小于0.01，缴费意愿、缴费能力、缴费习惯均对居民用户电费的按时缴费率存在显著的正向影响；

表2回归模型系数表

为了检验性别以及缴费渠道对居民用户拖欠费行为是否存在显著的影响，本发明分别对性别-按时缴费、缴费渠道-按时缴费做了单因素方差分析。

以性别为因子做方差齐性检验，得到的结果F统计量为5.934，显著性0.015＜0.050，这表明男性和女性的按时缴费情况之间存在着显著的差异，即性别对居民用户拖欠费行为的影响是显著的。

以缴费渠道为因子做方差齐性检验，得到的结果F统计量为1.514，显著性0.211＞0.050，这表现不同渠道的按时缴费情况之间不存在显著的差异，即缴费渠道对居民用户拖欠费行为的影响不显著。

本发明所述方法通过文献整理以及预调研确定了与电力公司居民用户按时缴费率的影响因素，利用主成分分析与回归分析的方法，验证了用户特征与用户按时缴费率之间的关系，证实了缴费能力、缴费意愿和缴费习惯对居民电力用户按时缴费率的正向影响，确认了性别对用户按时缴费率的影响，且缴费渠道对用户按时缴费率的的影响是不显著的。

以上对本发明所提出的一种电力公司居民用户按时缴费影响因素的分析方法，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。