網絡購物行為的影響因素
——城鄉因素中的性別差異

鐵 浩 何 輝 孫淮暢

(中央財經大學 北京 100081)

一、引言

由于新世紀以來互聯網行業的快速發展，移動終端越來越便捷，我國網民數量持續增加。由于網絡普及以及網絡購物提供的選擇更多、更加靈活，消除了巨大的儲藏費用、存貨成本，降低總成本[Lamoureux，1997]，網絡購物已經成為每個人的日?；顒佣皇巧贁等说膼酆?Doherty & Ellis-Chadwick,2010)，因此網絡零售市場快速發展。雖然我國消費市場飛速發展，但仍舊顯示出了城鎮農村差異。商務部數據顯示，2019年5月我國鄉村社會消費品零售總額為4651.8億元，而同期城鎮社會消費品零售總額達28303.9億元。不過，越來越便捷的購物方式和物流系統，而且城市市場接近飽和，使得農村電商發展速度超過了城市，農村成為消費市場的一大支點。

二、文獻綜述

雖然中國線上零售市場飛速發展，但中國網絡購物起步較晚，相關研究明顯少于國外。國外電視電話購物、網絡購物發展早已成熟，因此有較為豐富的理論和實證研究成果。

印度時報(2013)調查發現最主要的網絡購物驅動因素包括網絡支付的安全性、便捷性，快速的物流系統，相比于線下零售更優惠的折扣，名牌商品的易獲得性，但是購買前無法試用、擔心產品缺陷、無法還價等因素會組織消費者網絡購物。因此，信任在有風險和不確定性的網絡購物中非常重要[Deng,Huang,and Xu,2014]。Ravi Kiran(2008)發現網絡成本和速度是影響網購行為的主要因素。ArunKumar SivaKumar和Abirami Gunasekaran把誘導千禧一代消費者網購的因素分為四類，分別是消費者創新、感知到的利益、感知到的風險態度和目的。Khanna研究發現商品外觀和感覺、商品使用性、社交因素正向影響網絡購物決定(2015).Javadi認為經濟風險和不送貨的風險負向影響消費者網購態度。Yuchi Zhang,Michael Trusov,Andrew T.Stephen,& Zainab Jamal通過長達一年追蹤調查獲得的面板數據顯示消費者會通過社交軟件發現其他人分享的產品，因此在長期上，社交軟件使用與網購行為呈正相關關系，但在短期，社交軟件使用時長的增加會減少消費者瀏覽購物網站的時間，使得網絡購物額下降，即存在負相關關系。相比于男性，女性更傾向于參與網絡社交來獲得利益(Brunner and Bennett,1997)。因此，女性和男性在網絡購物上也會展現不同的特點。Sinha發現同齡的男女性在網絡購物上表現出較大的差異(2010)。

三、數據來源以及變量

(一)樣本

本文數據通過中國經濟與管理研究院2018級研究生調查所得。本次問卷共分為4部分，其中包括個人信息，主要包括受訪者的性別、年齡、戶籍、省份；收入信息，主要包括月收入、存款；家庭信息，主要包括家庭人口，家庭年收入；消費信息，主要包括月均消費、網購消費；專題部分，主要包括“雙十一”消費狀況、沖動消費狀況、購物平臺選擇、商品評論。本次調查共計發放問卷106份，回收106份，其中男性47人，女性59人，77人來自城鎮，29人來自農村。平均每周使用購物類app時長為4.06小時，女性平均每周使用5小時，男性平均每周使用2.89小時，女性使用購物app時間明顯多于男性。每天手機使用時間也表現出了同樣的特征。

(二)變量選擇

本文通過受訪者每周花費在購物類軟件的時長來衡量受訪者的網購行為。購物時長越長，就說明消費者越投入與網購，它很好地解決了用每月網購花費衡量產生的測量誤差?，F有的大量文獻表明男女性在網購行為的選擇上存在差異，因此本文加入性別變量。本文主要探究城市農村的地區差距是否會引起網購行為的差異，因此加入戶籍類型。家庭收入越高的人消費水平越高，網購的次數也會更多，但由于價格彈性更低，花在購物軟件的時間反而可能減少，因此加入家庭收入。單身人士的消費場景少于有男女朋友或者配偶的人群，因此加入是否單身的變量。

(三)變量解釋

gender受訪者性別,男性=1,女性=0single受訪者是否單身,單身=0,非單身=1huji受訪者來自城鎮或農村,城鎮=1,農村=0shouji受訪者平均每天手機使用時長/小時gouwuapp受訪者平均每周瀏覽購物類軟件時長/小時Familyincome受訪者家庭年收入age受訪者年齡

四、模型設置和結果

(一)OLS模型

gouwuapp=α0+α1person+α2family+ε

其中，解釋變量中，person代表受訪者的個人特征，包括性別、年齡、單身狀態，family代表受訪者的家庭信息，包括家庭規模和戶籍類型。被解釋變量是受訪者平均每周使用購物類app的時長。

Table1：普通OLS回歸

回歸結果可以看出，性別的系數為-2.173，也就是說女性比男性每周多使用兩個小時的購物類軟件。是否單身不能顯著影響購物軟件使用時長。年齡系數為-0.264，隨著年齡的增加，更少使用購物類軟件。家庭收入并不能顯著地影響居民購物軟件使用時長。城市居民使用購物類軟件時長顯著小于農村居民，每周少使用1.7小時。對此，可能存在以下解釋，城市居民生活壓力更大，閑暇時間更少，因此使用購物類軟件時長更少。為了驗證這個解釋，進行以下回歸：

shouji=α0+α1person+α2family+ε

得到Table3所示的回歸結果

Table2：普通OLS回歸

本次結果顯示城市農村的手機使用時長差異并不顯著，因此購物類軟件的使用時長差異不能被地區差異解釋。家庭年收入越高，居民每天使用手機時間越短。由于家庭年收入不能顯著影響購物軟件使用時長，說明收入越高的居民會減少其他方面的手機使用。

(二)二階差分模型

由于在普通ols模型中很可能存在內生性，并且為了探究戶籍差異對男女性網購行為差異的影響，本文采用“difference-in-difference”方法，這樣就去除了所有家庭特征變量和潛在的遺漏變量，只需考慮個人特征的影響，模型如下：

gouwuapp=α0+α1person+α2family+α3diff+ε

其中“diff”代表交叉項，diff=gender*huji得到table4所示的結果：

Table3：差分方程

性別的系數為-5.029,戶籍類型的系數為-3.553，所表示的方向和含義與上文模型相同。女性、農村居民使用購物類軟件時間更長。交叉項的系數是4.062，且以上結果都是顯著的。系數的數值標明農村女性使用購物類軟件的時長多于城市女性，城市女性使用時長多于城市男性，城市男性使用時長多于農村男性。也就是說，男女性在購物類軟件的使用上出現了地區差異。

五、結論，意義以及不足

本文通過調查問卷所得數據，進行普通的OLS回歸，得到以下結論：是否單身和家庭年收入不會顯著地影響居民購物類軟件的使用；城市農村在購物軟件的使用上也顯示出了差異，來自于農村的居民使用購物軟件時間更長，由于戶籍類型不會影響手機使用時長，一個可信的解釋是農村居民本身的風險容忍度較低，更注重商品信息的獲取，因此需要花費更長的時間來確定是否購買網絡商品。該結論還需要后續實證分析進行驗證，這是本文的不足之處。本文通過二重差分方程，剔除了一些家庭因素和個人因素的影響，研究發現男女性在購物類軟件的使用上出現了城鄉差異。