重庆地区大学生网上购物行为影响因素实证研究
刘贵容 孙玺
摘 要：重庆是西南地区的经济枢纽和科技文化中心，这里的生产、消费行为具有一定的代表性，而重庆地区大学生的网购行为对于西南地区开展电子商务和开展高校教育都有一定的借鉴意义。本文通过因子分析表明，重庆地区大学生网购过程中包含社会风险、源风险、财务风险、功能风险、时间风险和身体风险等6种感知风险。进一步回归分析发现，这6种风险中只有社会风险和源风险对他们的购物行为有显著影响。同时，父母每个月提供的生活费用，每周浏览购物网站的频率，过去的网购满意水平，籍贯等因素也对他们的网购行为有显著影响。
关键词：大学生；网购；因子分析；回归分析；重庆
一、引言
关于大学生的网购行为，国内有不少学者给予了关注。其中具有代表性的有王菲菲等（2011）通过实证研究表明，大学生网上购物行为与感知有用、感知易用、努力期望、行为控制认知、映像和兼容性、促成条件、工作适配性、购物乐趣等因素显著正相关。周月书、黄健（2010）通过对南京市大学生实证研究表明，每天上网时间越长的大学生更容易选择网上购物；商品质量风险、商品交付风险以及售后服务风险对大学生网上购物具有负面影响；女生和郊区的大学生更多地选择网上购物[。更重要的是，赵海平（2010）对西部地区大学生的网购消费心理和行为作了研究，对了解我国西部地区大学生网络消费行为有很好的借鉴意义。
重庆是西南地区的经济枢纽和科技文化中心，这里的生产、消费行为具有一定的代表性。大学生的成长和教育又是重庆地区乃至整个西部地区经济发展的重要影响群体，他们的网购行为对于西南地区开展电子商务和开展高校教育都有一定的借鉴意义。本文以在校大学生为研究对象，采用自编大学生网上购物行为调查问卷对重庆400名大学生进行了调查。问卷一共由四部分构成，第一部分为问卷的调查目的及填写说明；第二部分为被访者基本人口统计学信息；第三部分为大学生网购基本情况调查，主要包括网购频率、网购商品种类、网购满意度等题项；第四部分为大学生网购风险感知量表。2013年5月至6月间，笔者抽取重庆大学、重庆工商大学、重庆邮电大学移通学院、重庆邮电大学、重庆交通大学、重庆师范大学等共10所高校发放问卷400份，收回有效问卷319份，有效回收率80%。
本文拟使用社会科学统计软件spss19.0首先对量表数据进行因子分析，以提取出大学生网上购物风险感知公因子，然后将提取出的公因子、大学生浏览网上购物网站的频次、曾经的网上购物满意水平以及性别、籍贯、专业等人口统计学变量作为解释变量，而以大学生每学期的网上购物次数作为回归变量进行线性回归分析，以期找出影响大学生网上购物行为的显著性变量。
二、因子分析
1.量表变量选择
变量体系的设计须遵循系统性原则、层次性原则、可辨性原则、可测性原则和定量原则。本文借鉴Hassan等（2006）消费者网上购物感知风险量表，考虑到文化差异，本文对量表初测后进行了修订，经过增删后最终确定了6个维度和16个题项。6个维度分别是社会风险（X1网购会让朋友觉得我很潮、X2网购会让朋友觉得我在炫耀、X3网购会使我赢得朋友的尊重）、源风险（X4网购时很难确定网店声誉、X5我很担心网店是否值得信任、X6网购时很难确认网店的可靠性和专业性）、财务风险（X7网购可能会泄露私人财产信息、X8网购可能泄露银行账号信息、X9网购可能会产生额外费用）、功能风险（X10网购时我不能感觉、体验和试用产品、X11我担心收到的商品与网上呈现的有差别、X12网购很难确定商品的具体特征）、时间风险（X13我担心物流太慢、X14我担心商品不能按时送达）和身体风险（X15网购时长会得颈椎病、X16网购时长会使我眼睛疲劳）。
2.信度分析
在社会科学领域，信度常用的检验方法是克隆巴赫（Cron-bach）系数。系数越大，表示被检测的各个题项间的相关性越大，信度越高（即内部一致性程度越高）。本文采用spss 19.0对量表数据进行信度分析，得到系数为0.865，表明该量表数据具有较高信度。
3.因子分析检验
由spss19.0对原有变量进行KMO值和BARLETT检验，分析结果表明，KMO值为0.842>0.7，BARLETT球型检验表明其观测值取值概率为0.000<0.05，说明相关系数矩阵与单位矩阵有显著差异，变量间相关性较强，适合做因子分析。
4.因子提取、命名及得分
为保留较多原始信息，本文拟提取 6 个公共因子，提取法为主成分分析法，因子旋转法为最大方差法，保存因子得分，经过6 次迭代得到如下结果：
方差贡献率为79.26%，能够解释变量的大部分信息。
由旋转后的因子及共同度分析结果可知，F1在变量X1、X2、X3的载荷都在0.879以上，这三个变量与网上购物时的社会感知风险相关，故将F1命名为社会风险因子；F2 在X4 、X5 、X6这三个变量上载荷大于0.755，故将这三个与商家诚信相关的公因子F2命名为源风险公因子；F3 在X7、X8、X9这三个变量上载荷大于0.759，F3反映了消费者网上购物时对金钱损失的潜在担忧，故将F3命名为财务风险公因子；F4在X10、X11、X12三个变量上载荷大于0.753， F4主要关系到商品的功能风险，故将此因子命名为功能风险公因子；F5在变量X13、X14上载荷大于0.796，该因子体现了消费者网上购物时对商品交付时间的担忧，故将此命名为时间风险公因子；F6在变量X15、 X16上载荷均不小于0.778，这两个变量集中体现了消费者网上购物过程中，因为长时间上网而可能遭致的身体风险，故将此因子命名为身体风险公因子。从表1中还可以看到各原始变量的共同度都大于0.684，表明原始变量对各公共因子的依赖程度较大，本研究的因子分析具有较好的效果。
回归结果表明（表3），性别、年级、学科专业、财务风险、功能风险、时间风险、以及身体风险等变量的概率取值均大于0.05的显著水平，因此这些变量在0.05的显著水平上均不具有统计学意义。而籍贯、每月父母提供的生活费用、过去的网购满意水平、每星期浏览购物网站的频次、社会风险以及源风险等变量在0.05置信水平上结果显著，具有统计学意义，表明大学生的网上购物行为会受到这些因素的影响。
