p消费者网上购物感知风险构面研究文档格式.doc
《p消费者网上购物感知风险构面研究文档格式.doc》由会员分享，可在线阅读，更多相关《p消费者网上购物感知风险构面研究文档格式.doc（9页珍藏版）》请在冰点文库上搜索。
Stone弥补了这个局限，对于每一个构面都利用三个要素来测量，得出上述六构面，它们对总的感知风险的解释能力达88.8％[作者所使用的方法是将六个构面与总感知风险之间进行回归分析。
][13]。
上述感知风险构面的研究主要是与某种具体的产品或者服务相关，但风险的产生不仅与产品有关，也与产品的购买环境有很大的关系[14]。
消费者在商店购买时会感知到风险[15]，对于邮购或电话购物这种居家购买（in-homeshopping）会感知到更大的风险[16]。
有些研究人员认为居家购买之所以被认为是一个高风险的行为，主要原因有以下几个：
（1）缺少提前检查产品的机会；
（2）在返回有问题商品时比较困难；
（3）比较怀疑邮件定购的商业道德[17][18]。
网上购物作为一种新的居家购物方式，同样存在这三个风险，可以看出这三个风险并不属于六构面中的任何一个，这表明居家购买这种方式包含了不同于传统环境的感知风险类型。
笔者在文献检索过程中，尚未发现网上购物感知风险构面的专门研究，已有的研究主要集中在某些感知风险与消费者某种行为之间的关系。
例如，Sandra和BoShi（2002）研究了互联网下消费者感知到的财务风险、产品绩效风险、心理风险和时间风险，以及他们与消费者网上行为的关系[19]；
Anthony等人（2001）认为消费者感知的网络的隐私风险和安全风险是B2C电子商务的主要障碍，他们研究了这两种风险与消费者网上经历及其网上行为的关系[5]；
Anne-SophieCases（2002）对网上感知风险与降低感知风险方法关系进行了研究[6]；
RongChen和FengHe（2003）对网上感知风险，品牌知识与选择网上购物行为三者之间的关系进行了研究[7]。
笔者认为已有网上购物感知风险构面或类型方面的研究主要存在以下三点局限：
（1）没有明确提出消费者网上购物感知风险的构面；
已有的研究都是直接借用传统环境下感知风险构面代替网上购物感知风险构面，笔者理解这也是研究人员出于简化自己研究的考虑，因为构面的形成是一个比较复杂、并且工作量较大的工作。
（2）忽略了构面的准则维度问题；
由于并没有统一的标准，因而各研究在理解感知风险时并不一致。
（3）样本选择过于单一。
很多学者往往用消费者对于某个购物网站的感知代替其对于网上购物的感知风险。
2网上购物感知风险要素探查
通过文献回顾，笔者共收集到10个已研究的感知风险构面。
在这10个构面的基础上，笔者对消费者进行了深度访谈和焦点小组访谈，探查在已有的构面下消费者网上购物感知风险的要素有哪些。
同时，还得到了3种已有构面不能涵盖感知风险要素，笔者将其暂时命名为“服务风险”。
这样，笔者共得到了24个网上购物感知风险要素，如表1。
将上述24个感知风险要素连同与消费者的人口统计变量形成调查问卷，进行了预测试。
对每一个要素都询问消费者感知到的此种风险的“发生可能性”与“后果严重性”，对于“发生可能性”，采用从“可能性很小”到“可能性很大”7级量表进行测量，对于“后果严重性”，采用从“非常不严重”到“非常严重”7级量表进行测量。
预测试采用方便抽样的方法，调查了18位消费者。
在采用问卷调查的同时，还对每一位消费者进行了个人的访谈，记录下消费者对于问题的问法，有无未包含的要素等问题的意见。
通过预测试发现消费者认为L1与L23，L2与L24这两对要素代表了相似问题，所以将要素L23与L24删除，用L1与L2代替即可。
预测试中并未发现消费者提及新的风险，也说明现有要素已基本涵盖了消费者对网上购物感知到的风险。
在预测试基础上，对部分问题的问法做了调整，形成了最终问卷。
表1收集的网上购物感知风险要素
感知风险构面1
包含要素2
感知风险构面
包含要素
财务风险
L1
货款损失
隐私风险
L13
个人信息丢失
L2
信用卡被盗损失
L14
购物习惯被追踪
时间风险
L3
信息搜寻时间过长
L15
未经允许的联系
L4
交付时间过长
来源风险
L16
网站真实性风险
L5
取货时间过长
L17
网站信息风险
L6
退货时间过长
服务风险
L18
退换风险
绩效风险
L7
假货风险
L19
维修风险
L8
产品功能风险
L20
无销售人员风险
心理风险
L9
心理压力
交付风险
L21
交付丢失风险
身体风险
L10
身体伤害
L22
交付损坏风险
社会风险
L11
来自同事的评价
支付风险
L23
网上支付失败
L12
来自家庭的评价
L24
黑客盗用信用卡
注：
1.其中服务风险构面为访谈中得到，其余构面是从文献中得到；
2.这些要素是通过探查消费者在这些构面上感知到的风险得来。
3数据收集与样本描述
为了确保正式调查样本的来源更加可靠，笔者与eDataPower调研咨询网合作进行，从eDataPower的会员数据库中随机抽取部分会员，作为本次研究的样本。
eDataPower以电子邮件的形式向其会员发送调查问卷。
这样样本有以下两个优点：
（1）样本具有较强的代表性
表2样本基本信息描述
描述指标
比例
性别
男：
67.2％
婚姻
已婚：
49％
女：
32.8％
未婚：
51％
接触
互联网时间
半年之内：
2.9％
网上购物频率
0次：
33.8％
半年～1年：
7.8％
只有1次：
1年～3年：
24.5％
很少：
3年之上：
64.7％
经常：
2.4％
收入（元）
1000以下：
28.9％
学历
初中以下：
20.4％
1000～1999：
47.5％
高中：
34.8％
2000～2999：
14.7％
大专：
37.7％
3000～5999：
5.4％
本科及以上
15％
10000以上：
1％
eDataPower是新成立的网上调研咨询公司，要成为其会员必定对互联网的使用比较熟悉，这样的群体无论其有无网上购物经历，都一定在互联网的使用过程中接触过网上购物这种购物方式，因而他们对于网上购物的感知风险也更加准确。
（2）采用随机抽样的方法更加科学。
依据概率理论，根据会员编号从eDataPower会员中随机抽取了211名受试者。
选取出来的样本特征如表2所示。
4数据分析
4.1项目分析
项目分析目的在于求出该要素的“决断值”（Criticalratio；
简称CR值），如果该要素的CR值达到显著性水平，则说明该要素具有鉴别能力，保留，否则删除。
同时，CR值越大，说明该要素的鉴别能力越强，当CR值很低时，可以删除。
分析结果显示，所有要素的CR值都达到了显著水平（P<
0.05）。
各要素的CR值如表3所示。
表3各要素的决断值
要素
决断值
备注
-10.554***
-2.578
删除
-11.743***
-14.382***
-8.154***
-12.946***
-11.408***
-12.896***
-8.250***
-13.035***
-12.055***
-14.931***
-10.032***
-10.232***
-13.169***
-11.115***
-11.028***
-13.195***
-7.026***
-16.282***
-3.197
-15.724***
***代表p<
0.001。
从表3可以发现，要素L11和L12的决断值过低，因此考虑删除两个要素。
同时因为所有要素测量的都是消费者网上购物感知风险，所以每一个要素应该与总感知风险呈显著性相关。
在进行相关性分析时发现，要素L12与总感知风险相关性不显著，因此考虑删除要素L12删除，印证项目分析的结果。
经过项目分析和相关性分析后，删除了要素L11和L12，对余下20个要素进行进一步分析。
4.2因子分析
因子分析的目的是通过从20个要素中提取若干因子，这些因子能够在最大程度上说明消费者对于网上购物的感知风险，这些提取的因子也被称为构面。
分析结果显示剩余20个要素的KMO值为0.906，说明适合做因子分析。
根据学者Kaiser（1974）的观点，如果KMO值小于0.5时，较不适合做因子分析，此处的KMO值达到0.906，表示非常适合进行因子分析。
此外，Bartlett’s球形检验的χ2值为2499.358（自由度为190），达到显著，代表母群体的相关矩阵间有共同因素存在，适合进行因子分析。
旋转后的因子矩阵如表3所示。
因子分析共提取了4个因子，累计解释了方差变动的65.8％。
表3因子分析正交旋转后的结果
题项
因子
原序号
内容
新序号
1
2
3
4
I1
0.814
I2
0.791
I3
0.787
I4
0.674
I5
0.635
I6
0.634
I7
0.629
I8
0.515
I9
0.747
I10
0.713
I11
0.663
I12
0.625
I13
0.569
I14
0.737
I15
0.691
I16
0.679
I17
0.631
I18
0.659
I19
0.616
I20
0.557
网站信息风险、退换风险、维修风险、货物运送风险、网站真实性风险、损坏风险、无销售人员风险和产品功能风险在因子1上的负载较高，笔者将其命名为“网络零售商核心服务风险”构面；
货款损失、信息搜寻时间过长、交付时间过长、信用卡被盗损失和取货时间过长在因子2上的负载较高，笔者将其命名为“网络购物伴随风险”构面；
购物习惯被追踪、未经允许的联系、个人信息丢失和身体伤害在因子3的负载较高，笔者将其命名为“个人隐私风险”构面；
退货时间过长、假货风险和心理压力在因子4上负载较高，笔者将其命名为“假货风险”构面。
因此，通过因子分析后，初步共得到了四个构面。
4.3信度分析
在因子分析之后，为了进一步了解上述要素及提取的各个构面在测量感知风险上的可靠性和有效性，要做信度检验。
表4总量表与各构面的可靠性系数
总量表
网络零售商核心服务风险
网络购物伴随风险
个人隐私风险
Alpha
系数
0.9342
0.9140
0.8122
0.8413
0.7401
信度分析的结果显示，各构面的α系数都在0.7401之上，而且总量表的α系数为0.9289，表明最终形成的感知风险构面，信度颇佳。
但对于构面“个人隐私风险”，发现如果去除要素L10“身体伤害”，这个构面的α系数变为0.8413，将此要素插入其他构面中后信度分析结果显示也不合适，因此将此要素删除，那么“个人隐私风险”构面的α系数为0.8413。
最终的信度分析结果如表4所示。
4.4效度分析
量表效度分析是量表测量了真正要测量的概念的程度，即量表的有效性。
评价有效性的一个主要指标就是架构有效性（ConstructValidity），因为他涉及到对测量工具的理论基础的理解。
这里主要用收敛有效性来测量量表的架构有效性。
收敛有效性反映的是测量同一概念的不同测量工具之间的关联程度。
在此研究中，笔者检验的是样本在各个构面上的得分与其对总感知风险的得分的关联程度。
检验的方法是进行均值分析，我们将消费者的总感知风险的评分设为控制变量，将其得分分为三类：
“低”，得分在1～3；
“一般”，得分为4；
“高”，得分为5～7，而将因子分析后的四个构面设为因变量，各构面的得分在因子分析后的标准化数据。
各构面的得分如表5所示。
可以看出所得量表与“总的感知价值”变量具有较强的一致性。
说明量表具有较好的有效性。
表5量表与总感知风险的一致性
总感知风险
量表各构面的得分
低
-0.7055073
-0.5926404
-0.3312305
-0.4413423
一般
-0.3121317
-0.1151482
-0.2071628
-0.0302670
高
0.3984101
0.2651917
-0.2007721
0.1770987
5结论
通过上述步骤的分析之后，得到了消费者网上购物感知风险的四个构面：
如表6所示。
下面笔者对这四个感知风险构面进行简要的解释。
网络零售商核心服务风险：
从这个风险包含的8个要素看，I1和I5原属于感知风险要素探查结果（见表1）中的来源风险构面，I2、I3和I7是属于服务服务风险构面，I4和I6属于交付服务方面的，I4和I6是属于交付风险构面，I8是属于绩效风险构面。
这些要素合并在一起构成这个构面，说明在网络这种非面对面的交易中，消费者认为网络零售商应承担更多的责任。
对企业来讲，如何能消除消费者在这些方面的顾虑，变得非常的重要。
网络购物伴随风险：
这个构面指的是如果网上购物可能会出现的一些随之而来的风险，I9和I12是原属于感知风险探查结果中的财务风险构面，I10、I11和I13是属于时间风险构面。
这意味着消费者想要网上购物的话，必须要承担一定的财务风险和时间风险，这些风险与网络零售商可能并非是直接相关的，例如，财务风险的出现可能是由于网络安全的问题，并不属于网络零售商的核心服务。
个人隐私风险：
这个构面指的是在网上购物时要填写的个人的资料，可能反过来要侵害消费者的隐私，给消费者造成一些不必要的麻烦。
此构面与感知风险探查结果一样。
假货风险：
这三个要素中，I18原属于感知风险探查结果中的时间风险构面，I19属于来源风险构面，I20属于心理风险构面。
在分析过程中发现，I18与I19、I20这两个的风险的相关性非常大，笔者理解这可能是由于消费者认为如果出现了假货，则I19与I20就有很大可能出现，因而将这个构面命名为假货风险。
表6最终的消费者网上购物感知风险构面
构面
可靠性系数
条款数
编号
条款
因子负载
8
货物运送丢失风险
货物运送损坏风险
5
0.8431
4本研究的贡献与局限
4.1贡献
本研究对互联网环境下消费者感知风险的研究贡献主要体现在以下几个方面：
（1）拓展原有的测量网上感知风险在单个产品购买环境下的研究，而研究消费者对于网上购物的感知风险，增强其适用性；
（2）得出了一个互联网环境下消费者感知风险的测量量表；
（3）填补了目前国内对互联网环境下感知风险研究的空白。
4.2局限
（1）本研究样本是从eDataPower会员中随机抽样而来，但其会员可能并不能代表整个网民。
（2）一个概念构面要应该经过多次检验
，本文只进行了一次，其他学者可以用新的样本来检验和拓展本研究的结论。
（3）另外，对于可信性和有效性的检验，有多种统计方法，方法的不同可能会造成结果的差别，本研究只选用了一种方法进行分析，后续研究应该比较多种方法之间的差别。
（4）结论中的第四个构面“假货风险”的命名显得有些牵强，应该继续深入探查该构面及其所包含的要素。
参考文献：
[1]大卫·
范胡斯.电子商务经济学.范胡斯等.北京：
北京机械工业出版社,2000:
1
[2]中国互联网络信息中心.《中国互联网络发展状况统计报告》.2003年7月
[3]edatapower调研咨询公司.《消费者网上购物感知风险调查》.2004年8月.未发布
[4]Burke,R.R.DoyouseewhatIsee?
TheFutureOfVirtualShopping,JournalofTheAcademyofMarketingScience,1997（25）:
352–360.
[5]AnthonyDMiyazaki,AnaFernandez.ConsumerPerceptionsOfPrivacyAndSecurityRisksForOnlineShopping.Thejournalofconsumeraffairs.2001
（1）:
27-44
[6]Anne-SophieCases.PerceivedRiskAndRiskReductionStrategiesInInternetShopping.TheinternationalReviewofRetail,DistributionandConsumerResearch.2002（10）:
375-394
[7]RongCheng,FengHe.ExaminationOfBrandKnowledge,PerceivedRiskAndConsumers’IntentionToAdoptAnNlineRetailer.TotalQualityManagement&
BusinessExcellence.2003（6）:
677-693
[8]Knight,F.
升级会员 