張青娟 吳增寶 張麗

摘?要：以洛陽市本科院校的大學(xué)生群體為例，用因子分析法從商品質(zhì)量、商品價(jià)格、物流速度等18個(gè)指標(biāo)中選取影響大學(xué)生網(wǎng)購行為的3個(gè)主因子，并用熵權(quán)法對3個(gè)主因子賦權(quán)，根據(jù)權(quán)值大小進(jìn)行綜合排序。結(jié)果表明：大學(xué)生網(wǎng)購行為主要受商品價(jià)格、網(wǎng)頁設(shè)計(jì)、個(gè)人隱私等因素的影響。

關(guān)鍵詞：大學(xué)生網(wǎng)購行為；因子分析法；熵權(quán)法；網(wǎng)購影響因素

中圖分類號：F713.36??????文獻(xiàn)標(biāo)識碼：A???文章編號：1005-6432（2024）17-0000-04

[DOI]10.13939/j.cnki.zgsc.2024.17.027

1?引言

根據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心在京發(fā)布的第49次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》顯示，截至2021年12月，我國網(wǎng)絡(luò)購物用戶規(guī)模達(dá)8.42億，較2020年12月增長5968萬，占網(wǎng)民整體的81.6%。?在消費(fèi)群體方面，“95后”消費(fèi)潛力最大，41.9%的“95后”網(wǎng)購用戶網(wǎng)上消費(fèi)額占日常消費(fèi)總額3成以上，網(wǎng)購消費(fèi)占比高于其他年齡網(wǎng)購群體[1]。儼然大學(xué)生在一定程度上已經(jīng)成為網(wǎng)購消費(fèi)的主力群體。了解大學(xué)生網(wǎng)購現(xiàn)狀，深入分析大學(xué)生的網(wǎng)購行為及影響因素，可以幫助網(wǎng)絡(luò)經(jīng)銷商和賣家更有針對性的制定營銷策略，以謀求網(wǎng)購行業(yè)更好的發(fā)展。

關(guān)于大學(xué)生網(wǎng)購行為的研究，國內(nèi)學(xué)者已開展了大量的工作并取得豐碩的研究成果，主要基于問卷調(diào)查結(jié)果結(jié)合因子分析法、錨定效應(yīng)理論、結(jié)構(gòu)方程、K-means?聚類、決策樹模型、相關(guān)分析方法等[2-8]進(jìn)行研究，主要研究內(nèi)容更多集中于大學(xué)生消費(fèi)中所出現(xiàn)的不理性消費(fèi)、攀比現(xiàn)象，主要研究結(jié)果認(rèn)為商品質(zhì)量是影響大學(xué)生網(wǎng)購行為的主要因素。但隨著直播等互動式網(wǎng)購營銷模式的出現(xiàn)，影響大學(xué)生網(wǎng)購行為的因素也在發(fā)生變化。文章首次將互動式營銷與明星代言等情感互動因素引進(jìn)評價(jià)指標(biāo)體系，運(yùn)用因子分析法與熵權(quán)法簡化分析對象的結(jié)構(gòu)，客觀的給出各指標(biāo)的綜合權(quán)重，針對所得結(jié)果對大學(xué)生網(wǎng)購行為影響因素進(jìn)行分析和評價(jià)。

2?理論方法與實(shí)證調(diào)查

2.1?因子分析法

因子分析法是在保證信息量丟失最少的情況下，將現(xiàn)實(shí)生活中眾多相關(guān)、重疊的信息進(jìn)行合并和綜合，將原始的多個(gè)變量和指標(biāo)簡化為較少的幾個(gè)綜合變量和綜合指標(biāo)的降維方法[9]。

其計(jì)算步驟如下：

步驟1：確定待分析的原有若干變量是否適合于因子分析；步驟2：構(gòu)造因子變量；步驟3：利用旋轉(zhuǎn)使得因子變量更具有可解性；步驟4：計(jì)算因子變量得分。

2.2?熵權(quán)法

熵權(quán)法是一種客觀賦權(quán)方法，在使用過程中，根據(jù)各指標(biāo)數(shù)據(jù)的分散程度，利用信息熵計(jì)算出各指標(biāo)的熵權(quán)，再根據(jù)各指標(biāo)對熵權(quán)進(jìn)行一定的修正，從而得到較為客觀的指標(biāo)權(quán)重[10]。熵權(quán)法的基本思路是根據(jù)指標(biāo)變異性的大小來確定客觀權(quán)重，其基本步驟如下：

步驟1：確定評價(jià)對象，建立評價(jià)指標(biāo)體系，構(gòu)造原始指標(biāo)數(shù)據(jù)矩陣。按照均值化處理法進(jìn)行標(biāo)準(zhǔn)化處理，隨后進(jìn)行歸一化處理，得到矩陣：。

步驟2：計(jì)算第項(xiàng)指標(biāo)下第個(gè)樣本的指標(biāo)值的比重，得出：。

步驟3：計(jì)算每個(gè)指標(biāo)的信息熵，并計(jì)算信息效用值。對于第個(gè)指標(biāo)而言，其信息熵的計(jì)算公式為：

信息效用值的計(jì)算公式為：

將信息效用值進(jìn)行歸一化處理，得到每個(gè)指標(biāo)的權(quán)重系數(shù)：

在分析評價(jià)中，先利用因子分析法分析出主要影響因子，再利用熵權(quán)法對主因子賦權(quán)，這樣更能準(zhǔn)確的看到各主因子的影響大小[11-13]。

2.3?問卷設(shè)計(jì)與調(diào)查

調(diào)查問卷包含非量表題和量表題。非量表題涉及大學(xué)生群體特征、網(wǎng)購頻率和網(wǎng)購結(jié)構(gòu)。對于量表題，借鑒已有的大學(xué)網(wǎng)購影響因素的評價(jià)指標(biāo)[2，3，5，7]，結(jié)合互動式營銷與明星代言等情感互動因素評價(jià)指標(biāo)，運(yùn)用李克特5級量表從網(wǎng)購平臺因素、商品因素、商家因素、物流因素、情感因素5個(gè)二級指標(biāo)和18個(gè)三級指標(biāo)對大學(xué)生網(wǎng)購行為影響因素進(jìn)行調(diào)查。影響因素評價(jià)指標(biāo)如表1所示。

此次調(diào)查以洛陽市三所本科高校的的大學(xué)生為研究對象，實(shí)際保障人數(shù)約為86000人，即N=86000。采取簡單隨機(jī)抽樣方式，假設(shè)估計(jì)量服從正態(tài)分布，計(jì)算調(diào)查問卷樣本容量步驟如下：

步驟1：計(jì)算初始樣本容量。假設(shè)本次調(diào)查估計(jì)值的置信度為95%，從標(biāo)準(zhǔn)正態(tài)分布表中可知相對應(yīng)的乘數(shù)因子Z為1.960，抽樣誤差范圍不超過正負(fù)4%，則誤差界限。設(shè)總體方差為S，由于一般總體方差很難獲得，所以用S=R（1-R）來估計(jì)，這里R為指標(biāo)比例。設(shè)R=0.5，這樣可以求得一個(gè)比較保守的樣本容量的估計(jì)值，即在正式問卷發(fā)放之前，我們進(jìn)行了小范圍預(yù)調(diào)查，共發(fā)布預(yù)調(diào)查問卷223份，回收206份，回收率92.38%。通過SPSS?23.0軟件對預(yù)調(diào)查問卷進(jìn)行分析，問卷整體的內(nèi)部一致性Cronbach's?Alpha系數(shù)高達(dá)0.965，表明各測量變量具有較好的內(nèi)部一致性，說明本問卷信度良好，另一方面，問卷KMO值為0.941，Bartlett球形度檢驗(yàn)值小于0.05，表明量表有很好的效度。因此本問卷量表適合進(jìn)行因子分析。

在正式調(diào)查過程中，共發(fā)布調(diào)查問卷623份，回收調(diào)查問卷612份，回收率98.23%。

3?實(shí)證分析

3.1?群體特征分析

調(diào)查群體中男生占比37.42%，女生占比62.58%。通過對問卷的整理及數(shù)據(jù)相關(guān)信息的匯總，可以看出，目前學(xué)生的網(wǎng)購行為呈現(xiàn)三個(gè)方面的特點(diǎn)。（1）從網(wǎng)購頻率與支出力度分析可知，網(wǎng)購頻率很頻繁（一個(gè)月5次以上）。這表明大學(xué)生網(wǎng)購支出力度大，大學(xué)生網(wǎng)絡(luò)購物市場具有巨大發(fā)展?jié)摿Α＃?）從網(wǎng)購商品選擇種類分析可知，消費(fèi)結(jié)構(gòu)呈現(xiàn)多元化。大學(xué)生網(wǎng)絡(luò)購物最愛選購的前三位分別是服裝類，護(hù)膚化妝類和飲食類。（3）網(wǎng)購選擇平臺比較集中.?淘寶是大學(xué)生網(wǎng)購平臺使用頻率最高的，為46.2%。

3.2?數(shù)據(jù)分析

3.2.1?因子分析法確定公共因子指標(biāo)權(quán)重

依據(jù)因子分析理論，對大學(xué)生網(wǎng)購行為影響因素評價(jià)指標(biāo)進(jìn)行分類降維。通過提取主因子，正交化因子載荷矩陣探索性分析，計(jì)算得到特征值、方差解釋率、累計(jì)貢獻(xiàn)率等數(shù)值。計(jì)算結(jié)果見表2。

由表2中數(shù)據(jù)可得：特征根值大于1的因子共有三個(gè)。因子1的方差解釋率為37.236%，因子2的方差解釋率為19.496%，因子3的方差解釋率為16.525%，前三個(gè)因子的累計(jì)方差解釋率為73.257%。表明這三個(gè)公共因子能夠?qū)υ瓉淼?8個(gè)變量有比較充分的解釋，數(shù)據(jù)損失較小。將三個(gè)公共因子分別記為F1、F2、F3，分析旋轉(zhuǎn)后的因子載荷矩陣，根據(jù)各個(gè)變量在主因子上的載荷值找到每個(gè)公因子可解釋的指標(biāo).?通常載荷值在0.7以上則表明該公共因子能夠很好的解釋這些指標(biāo)。旋轉(zhuǎn)后的載荷矩陣見表3。

由表3可知，對于公共因子F1與線上支付安全性?（C1）、網(wǎng)頁設(shè)計(jì)?（C2）、個(gè)人隱私?（C3）、商品質(zhì)量?（C4）?和商品價(jià)格?（C5）?有著較高的載荷，主要反映了網(wǎng)購平臺及商品因素對大學(xué)生網(wǎng)購行為的影響，將其命名為商品及網(wǎng)購環(huán)境因子。同理將F2命名為商家及物流因子，F(xiàn)3仍命名為情感因子。

對各因子旋轉(zhuǎn)后方差解釋率進(jìn)行歸一化處理后得到3個(gè)公共因子權(quán)重，即一級指標(biāo)下的公共因子指標(biāo)權(quán)重W1分別為：0.507、0.267、0.226。從而大學(xué)生網(wǎng)絡(luò)購物行為影響因素的因子模型為：

3.2.2?熵權(quán)法應(yīng)用與綜合評價(jià)

首先，對調(diào)查問卷數(shù)據(jù)進(jìn)行整理，建立原始矩陣。其次，對所選指標(biāo)進(jìn)行歸一化處理，初步消除量綱帶來的差異。對處理后的數(shù)據(jù)運(yùn)用熵權(quán)法，確定大學(xué)生網(wǎng)絡(luò)購物影響因素評價(jià)體系中各三級指標(biāo)的權(quán)重系數(shù)W2。最后，運(yùn)用公共因子指標(biāo)權(quán)重和三級指標(biāo)權(quán)重值構(gòu)建最終權(quán)值W=W1·W2，從而得出大學(xué)生網(wǎng)購消費(fèi)行為影響因素評價(jià)指標(biāo)的最終權(quán)值，見表4。

由綜合排序可知：三級指標(biāo)的最終權(quán)值從大到小前5項(xiàng)為：商品價(jià)格（C5）、網(wǎng)頁設(shè)計(jì)（C2）、個(gè)人隱私（C3）、商品質(zhì)量（C4）、線上支付安全性（C1）；后5項(xiàng)為：明星代言（C16）、快遞服務(wù)態(tài)度（C12）、外界贊美（C15）、?情感互動（C18）、物流售后服務(wù)（C14）。

4?結(jié)論與建議

4.1?研究結(jié)論

根據(jù)實(shí)證研究的綜合排序可知，大學(xué)生網(wǎng)絡(luò)購物行為主要受商品價(jià)格、網(wǎng)頁設(shè)計(jì)、個(gè)人隱私、商品質(zhì)量的影響。大學(xué)生在網(wǎng)絡(luò)購物時(shí)更注重商品的價(jià)格與質(zhì)量以及購物網(wǎng)站使用體驗(yàn)和網(wǎng)絡(luò)購物的安全性。我們注意到，雖然互動式營銷逐步成為商家的一種新型銷售模式，但其對大學(xué)生網(wǎng)購行為的影響并非占主導(dǎo)因素。

4.2?發(fā)展建議

依據(jù)大學(xué)生網(wǎng)購行為的主要影響因素，網(wǎng)絡(luò)經(jīng)銷商和賣家一定要秉承誠信為本、質(zhì)量第一、薄利多銷的銷售理念，將商品的詳細(xì)信息、用戶真實(shí)評價(jià)及交易記錄等情況詳實(shí)地發(fā)布在網(wǎng)上，同時(shí)注重提升網(wǎng)站的服務(wù)質(zhì)量和購物體驗(yàn)，明確商品分類，方便用戶根據(jù)需求進(jìn)行篩選，提升其操作便捷度，另外網(wǎng)購所涉及的相關(guān)平臺也應(yīng)加大對消費(fèi)者信息安全和個(gè)人隱私的保護(hù)力度。

參考文獻(xiàn)

[1]中國互聯(lián)網(wǎng)絡(luò)信息中心.?第49次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告[R/OL].（2022-02-25）?[2022-04-12].?http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/202202/P020220721404263787858.pdf.

[2]田鳳權(quán)，?黃娜.?大學(xué)生網(wǎng)購行為影響因素研究[J].中國商論，?2015?（11）：?89-91.

[3]潘雨相，?劉倩.?西安大學(xué)生網(wǎng)購消費(fèi)行為調(diào)查分析[J].現(xiàn)代商業(yè)，?2017?（32）：?159-160.

[4]馮珍，?鄭樂樂.?大學(xué)生網(wǎng)購非理性決策中的性別差異研究——基于錨定效應(yīng)理論[J].數(shù)學(xué)的實(shí)踐與認(rèn)識，?2019，?49（19）：?145-152.

[5]郭鑫，?徐君.?“互聯(lián)網(wǎng)+”背景下顧客網(wǎng)購行為影響因素研究——以在校大學(xué)生為例[J].?物流科技，?2020，?43（10）：?42-46.

[6]張彥桐，?王蕾，?陳奕彤，等.大學(xué)生“雙十一”網(wǎng)購行為與預(yù)測分析[J].中國傳媒大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，27（4）：?57-61.

[7]陳鍵，?李海鵬，?梅曦洋.?我國當(dāng)代大學(xué)生網(wǎng)購行為的影響因素分析[C].中國環(huán)境科學(xué)學(xué)會2021年科學(xué)技術(shù)年會論文集（三），2021：883-891.

[8]王力甲，王丁甲.魯東地區(qū)大學(xué)生網(wǎng)絡(luò)購物行為調(diào)查——以煙臺地區(qū)部分大學(xué)為例[J].中國市場，2021（29）：108-110.

[9]張麗，王藝恒.基于因子分析的城市智慧旅游評價(jià)標(biāo)準(zhǔn)研究[J].西昌學(xué)院學(xué)報(bào)（自然科學(xué)版），2019，?33（3）：27-31.

[10]李治軍，王濤.改進(jìn)層次分析法-熵權(quán)法在周口市地下水資源承載力評價(jià)上的應(yīng)用[J].黑龍江大學(xué)自然科學(xué)學(xué)報(bào)，2023，40（1）：84-91.

[11]徐寶見，劉媛媛，王歆玫.基于因子分析法和熵權(quán)法的大學(xué)生主觀幸福感的模糊綜合評價(jià)——以杭州市下沙高教園區(qū)7所本科院校為例[J].中國管理信息化，2016，19（20）：221-223.

[12]龔麗芳，吳澤俊，陳歡.基于因子分析和熵權(quán)法的贛州市水資源承載力研究[J].水利規(guī)劃與設(shè)計(jì)，2021（2）：46-50，73.

[13]王雪，冉群超.大學(xué)生影視旅游動機(jī)與行為影響因素分析——基于因子分析法和熵權(quán)法[J].旅游縱覽，?2021（23）：25-30.

[基金項(xiàng)目]洛陽師范學(xué)院校級高等教育教學(xué)改革研究與實(shí)踐項(xiàng)目（項(xiàng)目編號：2021xjgj013，2020xjks011）；河南省2023年度教師教育課程改革研究項(xiàng)目（項(xiàng)目編號：2023-JSJYYB-048）。

[作者簡介]張青娟，女，河南滑縣人，研究方向：應(yīng)用統(tǒng)計(jì)；通訊作者：吳增寶，男，河南延津人，博士，副教授，研究方向：優(yōu)化理論及應(yīng)用；張麗，女，山西長治人，碩士，副教授，研究方向：應(yīng)用統(tǒng)計(jì)。