职业也是一个显着地影响消费者信息搜寻的因素（F=9.914，P<0.001），这对假设Ha4提供了支持。在中国，当消费者需要某些信息的时候，他们首先考虑的是能否方便地和免费地获取这些信息，那些能够免费地使用信息来源的消费者比不可能免费地使用信息来源的消费者更可能广泛地搜寻信息。例如，本调查数据显示，公务员的信息搜寻范围就比农村居民和私营及个体工商企业主的信息搜寻范围更广泛，原因之一就是公务员能够方便地和免费地使用政府部门和国有企业的信息渠道，而农村居民或私营及个体工商企业主则没有使用这些渠道的便利性，而且他们的信息搜寻通常也不会是免费的，这也使得农村居民和私营及个体工商企业主不愿意花更多的钱搜寻或获取更广泛的信息，尽管他们知道，使用更广泛信息的价值。因此，中国消费者的职业影响了他们的信息搜寻行为。
消费者的文化程度也显着地影响了其信息搜寻的范围（F=35.244，P<0.001），这支持了假设Ha5。文化程度的参数估计值为0.133显示出文化程度与信息搜寻范围正相关，即时所一个消费者的文化程度越高，他（或她）的信息搜寻范围越广，这支持了假设Ha51，这可能是因为有较高教育水平的消费者有较低的信息处理成本和较高的参与度。以前的研究结果也表明一个消费者的教育水平越高，他（或她）通过更多信息来源来搜寻信息的可能性越大（Strebel & Swait，2004）。
中国微型汽车消费者的家庭月平均收入也对其信息搜寻的范围有显着影响（F=3.047，P=0.028），这为假设Ha6提供了支持。家庭月平均收入的参数估计值为0.038反映出中国微型汽车消费者的家庭月平均收入与其信息搜寻的范围正相关，即是说一个消费者的家庭月平均收入越高，那他（或她）的信息搜寻范围越广泛，这支持了假设Ha61。在中国，有较高收入的人们通常会订阅一些报纸或期刊，而且他们更可能购买因特网服务，因此当他们需要诸如汽车的购买信息时会有更多的信息渠道可供搜寻信息。
消费者的性别和居住城市对其信息搜寻的范围没有显着影响，假设Ha1和Ha3没有被支持。男性或女性消费者并不是更可能使用更多的信息来源来搜寻或获取汽车购买信息；生活在大城市的消费者并不是比生活在小城市的消费者更可能使用更多的信息来源。
进一步地分析发现，尽管消费者的四个特征变量年龄、职业、文化程度和家庭月平均收入都对消费者的信息搜寻的范围产生显着影响，但是其影响的重要程度是不一样的。
5.7.4消费者特征对因特网使用的影响
为了考察因特网的使用随着消费者特征的变化而变化的情况，用消费者的性别、年龄、居住城市、职业、文化程度和家庭月平均收入作为自变量使用SPSS的Regression模块中Multinomial Logistic过程对因特网的使用与否进行Logistic回归。模型的似然比检验（Likelihood Ratio Tests）情况为：chi-square=326.091，自由度为22，概率值P<0.001，因此模型在0.01的显着性水平下具有统计意义。
年龄（Chi-Square=15.111，P=0.010）、职业（Chi-Square=51.884，P<0.01）和文化程度（Chi-Square=66.173，P<0.01）在0.05的显着性水平下对微型汽车消费者在信息搜寻中对因特网的使用有显着影响，这为假设Hb2、Hb4和Hb5提供了支持；但性别（Chi-Square=0.132，P=0.716）、居住城市（Chi-Square=5.966，P=0.113）和家庭月平均收入（Chi-Square=6.457，P=0.091）在0.05的显着性水平下对微型汽车消费者在信息搜寻中对因特网的使用没有显着影响，这一结论没有支持假设Hb1、Hb3和Hb6。
18～25岁的较年轻的汽车消费者比40～59岁的汽车消费者更可能使用因特网搜寻汽车信息；令人惊奇的是生活在大城市的消费者与生活在乡镇的消费者在使用因特网搜寻汽车信息上并没有显着差别，可能是生活在大城市的消费者有更多的信息渠道获取汽车方面的信息，因此他们与乡镇的消费者比起来并不刻意使用因特网来获取汽车信息，尽管大城市在因特网服务的提供方面更好。
与私营及个体工商企业主相比，公务员、民营企业员工和专业人士更可能通过因特网搜寻信息，而农村居民较少可能通过因特网获取信息。大专及以上的消费者比中专及以下的消费者更可能使用因特网搜寻信息，但是初中及以下的消费者比中专的消费者较少可能从因特网获取信息。
与家庭月平均收入8000元或更高的消费者相比，家庭月平均收入少于5000元的消费者较少可能在因特网上搜寻信息。
5.8消费者特征对购买决策的影响
为了研究人口特征对中国微型汽车消费者购买决策的影响，用性别、居住城市、职业、文化程度、年龄、家庭人口、家庭月平均收入、住房类型和住房面积作为自变量而购买决策作为因变量使用SPSS的Regression模块中的Optimal Scaling过程建立回归模型。在建立回归模型之前需考虑自变量之间的共线性问题，诊断连续型变量间是否存在共线性有很多常用检验方法（Damodar，1995），考虑到本文中变量既有连续型变量也有分类型变量，因此采用一种间接方法。众所周知，从许多变量中提取共同因素的因子分析有一个前提条件就是各变量间必须有相关性，否则各变量间没有共享信息，就不应当有公因子提取，也就谈不上使用因子分析，而对此条件的判断通常使用KMO统计量和Bartlett’s球形检验，笔者就使用这个方法来对自变量之间的共线性程度进行判断，通过计算，上述九个自变量的KMO统计量的值为0.604，Bartlett’s球形检验概率值为0.073，这两个数据说明前述变量在统计上各自独立地提供一些信息，变量间没有显着联系，因此不适合做因子分析，从而这些变量不存在较高程度的共线性。
5.8.1不区分第一次或再次购车消费者的分析
首先对所有消费者建立回归模型，即不区分消费者是面临第一次购车还是面临再次购车，包括：各自变量的参数估计及其标准误差、自由度、F值、概率值和重要性程度。对整个模型的F检验结果为：F（22，2120）=3.422，概率值P<0.01，由此可知模型0.01的显着性水平下有统计意义。
职业（F=21.445，P<0.001）、文化程度（F=5.635，P=0.001）、年龄（F=6.514，P<0.001）、家庭月平均收入（F=23.803，P<0.001）和住房类型（F=6.332，P<0.001）在0.01的显着性水平下有统计意义，这说明它们对中国微型汽车消费者的购买决策有显着影响，这为假设Hc3、Hc4、Hc5、Hc7和Hc8提供了支持。但是性别（F=0.461，P=0.497）、居住城市（F=1.378，P=0.241）、家庭人口（F=0.105，P=0.746）和住房面积（F=0.408，P=0.523）在0.05的显着性水平下无统计意义，它们对中国微型汽车消费者的购买决策没有显着影响，因此，假设Hc1、Hc2、Hc6和Hc9没有被支持。
为了对人口特征对消费者购买决策的影响进行更细致的分析，按重要程度从大到小排序为：家庭月平均收入、职业、年龄、住房类型、文化程度、住房面积、居住城市、性别、家庭人口，但住房面积、居住城市、性别和家庭人口无统计学意义，所以应去除它们，从而顺序为：家庭月平均收入（39.9%）、职业（27.9%）、年龄（12.3%）、文化程度（8.3%）和住房类型（6.2%）。
