分析两个模型的影响因素表现比较

多项式拟合（本文采用单因素的最小二乘法模型）与BP神经网络两模型的影响因素分析性能如表9-5所示。

表9-5　两模型影响因素分析对照表

(www.xing528.com)

由于多项式拟合（本文采用单因素的最小二乘法模型）与BP神经网络两模型是影响因素分析的最常用方法，它们在模型运算效率、模型求解精度、模型计算原理、模型软件操作、模型适应性等方面的性能比较已经在无数研究和应用中得到证明和解释，本文这里不再赘述。这里仅对两模型的分析角度和分析性能差异予以分析如下。

本文在应用最小二乘法模型做影响因素分析时是按照价格竞争对绩效各个因素进行映射运算，因此该方法分析影响因素时就是做某个因素与价格竞争网络营销绩效之间的曲线拟合关系（第一阶段传导机制），研究方法的本质是变量与变量间的两两运算，因此计算结果只能反映价格竞争对与单个影响因素之间的作用关系。

本文在应用BP神经网络模型做影响因素分析时，是多个影响因素在价格竞争环境下的采集数据，是按照多个影响因素同时作为输入变量，研究其对价格竞争网络营销综合绩效的作用和影响，因此该方法分析影响因素时就是做多个影响因素对价格竞争网络营销绩效综合影响，各个影响因素在神经网络隐含层中的内部循环运算中，各个因素之间相互影响，相互发生关联和作用，导致各个因素与综合绩效之间的连接权重值动态变化，研究方法的本质是多变量之间的系统分析，因此计算结果不仅能反映单个因素与综合绩效之间的作用关系，还能在一定程度上反映各个因素之间的相互影响关系。