基于特征价格模型的平台交易模式对商品价格影响的实证研究*

钱 炳， 周 勤

(1. 东南大学 经济管理学院， 江苏 南京 210096； 2. 常州工学院 经济与管理学院， 江苏 常州 213022)

一、 引言

在现实生活中我们经常发现， 在一个市场中， 一个或多个平台会吸引用户加入平台完成交易。平台作为一个交易场所， 使依附于它的买卖双方直接交易。我们把通过平台企业完成交易的模式称作平台交易模式。平台交易模式简化了市场交易的过程， 允许买卖双方直接接触， 大幅度地降低了交易双方之间的信息不对称程度。[1]这不仅极大地提高了买卖双方的匹配效率， 而且大大降低了交易成本。平台企业拥有的这些特征为个人、 企业及潜在消费者提供了大量的商业机会。近年来兴起的网络购物就是一种典型的平台交易模式。根据中国互联网信息中心的研究报告： 我国的网民数量从2004年的1.11亿增加到2010年的4.2亿， 互联网商务化程度迅速提高， 全国网络购物用户达到1.4亿， 网上支付、 网络购物和网上银行半年用户增长率均在30%左右， 远远超过其他类网络应用。

平台交易模式对商品的交易价格有怎样的影响， 影响的方式又如何？本文以淘宝网上交易的笔记本电脑为例， 搜集了5种品牌的笔记本电脑1680个样本， 运用特征价格模型， 以淘宝网公布的笔记本电脑价格作为被解释变量， 选取了笔记本电脑6个特征以及和平台交易有关的6个特征作为解释变量， 计量结果显示： 在选取的12个特征中， 商品自身特征(除上市时间外)对电脑价格产生了正向的影响， 平台交易模式对商品价格产生了负向的显著影响； 在商品特征价格的总构成中， 商品特征占了近70%， 平台特征贡献了30%。

二、 文献回顾

特征价格(hedonic price)是用来估计不同商品特征给消费者带来效用和愉悦价值的模型。有学者将其称为享乐模型或享乐价格， 国内学者大都译作特征价格， 因此， 本文也采用特征价格的说法。该理论认为， 商品可以被看做是若干基本特征的组合， 因此， 特征假说就是异质商品特征的集合， 而且隐含的边际价格可以根据特征模型计算得出。[2]Lancaster[3]132-156从商品的异质性出发， 提出对商品的需求并不是基于商品本身， 而是基于商品所内含的特征， 商品拥有一系列的特征， 这些特征结合在一起， 形成影响效用的特征包， 商品作为内在特征的集合来出售， 商品特征对应各自的隐含价格。Rosen[4]34-55提出了商品特征市场的供需均衡模型， 将商品特征的隐含价格分离出来， 分析商品的特征需求， 建立了异质商品市场的短期和长期均衡。

特征价格方法的应用起源于农业经济学。Waugh[5]185-196对1927年5月至7月间波士顿地区芦笋的价格和质量进行了回归， 对质量因素影响蔬菜价格进行了研究并发表了开创性的论文。特征价格分析方法已经运用到多个行业的研究， Chow 进行了信息技术的特征价格研究， 他测算了计算机主机的年度质量调整价格从1960年到1965年下降了21%；[6]1117-1130Berndt和Griliches[7]估计了1982年到1988年计算机经质量调整后的价格变化， 他们发现每年的实际价格平均下降28%。Hyung Seok Lee等估计了因特网的信息价值， 并且测算了消费者对信息服务的边际支付意愿。[8]73-80

平台企业理论是目前产业组织研究的热点， 但目前对于平台企业的研究多集中在理论层面， 鲜有实证分析， 本文运用特征价格模型来估计平台交易提供的各项特征的隐含价格， 研究了平台交易模式对商品价格的影响程度及方式。

三、 变量确认和计量模型构建

(一)特征变量的选择

通过平台完成交易的商品不仅具有商品自身的特征， 而且平台交易会赋予商品一些新的特征。因此我们将笔记本电脑交易的特征分为笔记本电脑自身的特征和平台交易特征两大类共12个特征。其中和笔记本电脑有关的特征有品牌、 内存大小、 硬盘容量、 显卡类型、 CPU频率、 上市时间6个； 平台交易提供了一种全新的治理模式， 卖家的信息在网络上公开透明， 卖家的信用水平、 历史销量、 其它买家对他的评价等信息都能及时得到， 这也是有别于传统交易模式的特征。因此， 我们选取了售后服务、 消费者保护服务、 卖家信誉、 买家对卖家服务的评价、 卖家历史销量、 卖家所在城市6个特征变量。对于电脑品牌， 我们根据全球笔记本品牌价值排行榜， 选取了华硕、 联想、 戴尔、 惠普、 THINKPAD五个品牌， 并依据品牌价值由低到高分别赋值1-5； 内存、 硬盘容量、 CPU分别依据性能运算速度由低到高赋值； 显卡选取了虚拟变量， 集成显卡赋值0， 独立显卡赋值1； 电脑的上市时间选取了2007年、 2008年、 2009年三个年份， 并从低到高赋值。对于平台交易的特征， 首先是售后服务， 淘宝上卖家的售后服务分为其他、 店铺三包和全国联保三类， 分别赋值1、 2、 3； 其次是消费者保护服务， 消费者保护服务一共有4项内容， 分别是正品保障、 7天退换、 30天维修、 如实描述， 我们根据卖家拥有消保服务的数量予以赋值， 比如卖家没有任何消保服务， 我们赋值1， 有其中一项赋值2， 拥有3项4项分别赋值3和4； 第三是买方对卖方的评价， 参考淘宝的评价标准， 从非常不满到非常满意分为5级， 并从低到高赋值1-5； 第四是卖家信誉， 根据卖家信用等级的高低赋值， 卖家的信誉等级是心赋值1， 钻石是2， 蓝皇冠是3， 金皇冠是4； 对于卖家近30天销售量， 我们采用实际销量数据进入回归模型； 最后是卖家所在城市， 我们根据特大城市分类标准赋值， 直辖市为4， 省会城市(除直辖市)是3， 特大城市(除直辖市、 省会)为2， 其余为3； 我们以江苏南京为买家所在地， 记录了从卖家所在地到南京的物流费用， 并将其加总到最后的成交价格中。具体量化标准见表1。

表1 笔记本电脑特征的量化

(二)研究假设

对于特征变量的符号变化， 依据常识， 笔记本电脑的价格会和它自身的特征正相关， 即笔记本电脑的品牌越好、 性能越高则价格也越高； 因为电子商品的贬值速度很快， 因此， 上市时间越近， 商品价格会降低。我们主要关注平台特征对价格的影响。平台交易模式实际上是提供了一种信息中介， 解决了买卖双方因时空分离和身份匿名产生的信息不对称问题， 建立了交易双方的信任。声誉机制作为一种非正式合约发挥作用。我们预计， 卖家的售后服务越好、 消保服务越完备、 卖家信誉和买家评价越高， 累积的声誉会带来更大的销量， 而成交量越大， 价格会有下降的趋势； 至于卖家所在的城市， 一般而言， 人们总是对大城市拥有特殊的信任， 城市中基础设施越完善， 物流费用就越低， 信息传递更快速。因此， 卖家所在的大城市有降低交易价格的倾向。基于上述分析， 我们建立如下假设：

H1： 卖家的售后服务与商品价格负相关；

H2： 卖家的提供的消保服务与商品价格负相关；

H3： 卖家的信誉与商品价格负相关；

H4： 买家的评价与商品价格负相关；

H5： 卖家所在的城市与商品价格负相关；

H6： 卖家的历史销量与商品价格负相关。

(三)计量模型构建

依据特征价格理论， 我们建立如下回归模型：

PRI=f(BRA, RAM, HD, VCA, CPU, TIM, AE, CPR, REP, EVA, SVO, CIT)

其中， PRI代表笔记本价格； BRA代表品牌； RAM代表内存； HD代表硬盘容量； VCA代表显卡类型； CPU代表CPU频率； TIM表示商品上市时间； ASE表示售后服务； CPR表示消费者保护的数量； REP表示声誉； EVA表示买家评价； SVO表示历史销量； CIT表示卖家所在城市。模型的估计方法采用普通最小二乘法。

四、 实证分析

(一)数据来源

我们监测了从2010年5月1日到5月31日31天内淘宝网上笔记本电脑的公布价格， 搜集了5种品牌的笔记本电脑1680个价格样本， 经过数据分析， 选取有效样本1670个。运用特征价格模型， 以网上公布的笔记本电脑价格加上物流费用作为被解释变量， 如果卖家采取区间报价， 则取平均值。选取的12个特征作为解释变量进入模型回归。

(二)描述性统计

表2是对样本数据的描述性统计。从表中我们可以看出， 网上交易的笔记本电脑价格最低是880元， 最高是32580元， 均值为4934元， 这从另一个侧面说明目前网络交易主要还是以低价值商品为主； 电脑品牌以戴尔居多， 这可能与戴尔电脑的网络销售策略有关； 目前电脑的硬盘配置在160G以上； 超过60%的消费者选择的是独立显卡， 而对CPU频率没有更多的偏好， 成交的电脑绝大多数是09年上市的。

表2 变量的描述性统计

在售后服务方面， 商品具有店铺三包或全国联保是一般要求； 买家要求卖家至少要具备一项消费者保护条款； 大多数卖家处于钻石和蓝皇冠之间； 买家对卖家的评价集中在满意层面； 从历史销量来看， 最少的没有销售记录， 最多的一个月卖了876台， 平均7台的销量说明也许网络还不是电脑销售的主要渠道； 就卖家所在城市而言， 买家更偏好直辖市和省会这样一些大城市。

(三)相关系数检验

为了验证提出的6个假设， 我们利用SPSS16.0软件， 对变量进行线性回归分析。从表3显示的变量之间的相关系数， 我们发现内存和硬盘、 显卡和CPU之间、 消费者保护和声誉之间存在着较高的相关性， 为了降低回归中的多重共线性， 我们将变量分别代入模型进行回归， 然后根据回归结果是否理想对变量进行组合， 从而得到更有意义的结果。

表3 变量之间的相关系数

(四)回归分析

从表4中可以看出， 模型1到模型4经调整的判定系数R2在0.372到0.394之间变动， 表明笔记本电脑价格变化的近40%可由解释变量来解释， 模型具有一定的解释能力。D-W值为1.732到1.78之间， 接近2， 可以判断模型不存在异方差的问题。所有变量的方差膨胀因子(VIF)远小于10， 从而可以拒绝自变量之间共线性的原假设， 自变量之间的共线性不严重。回归方程方差分析的检验值显著小于0.001， 说明方程是高度显著的， 拒绝全部系数为零的原假设， 表明进入方程的特征变量与成交价格间的线性关系能够成立。

表4 特征价格的影响因素分析

注： 括号内的数值为t值， ***、 **、 *分别表示在1%、 5%、 10%的水平上显著。

(五)模型结果和讨论

1. 笔记本电脑特征价格的符号分析

(1)与笔记本电脑自身特征相关的价格符号分析

在模型1中， 品牌和显卡两个变量没有进入方程回归， 内存、 硬盘两个变量在1%的显著性水平、 CPU频率在5%的显著性水平上与价格显著正相关。上市时间在10%的水平上与价格负相关。模型2到4显示， 在和商品自身的特征中， 除了显卡这一变量， 其余变量的系数都显著。结果显示， 电脑的品牌价值、 硬盘容量、 CPU频率和内存这些变量， 和电脑的价格的变动正相关； 另一方面， 电脑上市时间和价格负相关， 这说明电子商品的价格贬值速度很快。这与我们事先预计的符号变化是相符的。

(2)与平台特征相关的价格符号分析

在模型1中， 品牌、 显卡、 消费者保护和历史销量4个变量没有进入方程回归， 结果显示， 卖家所在城市、 声誉和买家评价三个变量在1%的显著性水平上和价格负相关， 售后服务虽然也和价格负相关， 但没有通过显著性检验。假设H3、 H4、 H5通过验证； 假设H1、 H2、 H6没有通过验证。

在模型2中， 显卡、 声誉和以往销量3个变量没有进入方程回归， 结果显示， 消费者保护在5%的显著性水平上和价格负相关； 买家评价、 卖家所在城市在1%的显著性水平上和价格负相关； 售后服务和价格负相关但系数不显著， 因此假设H2、 H4、 H5通过验证， H1、 H3、 H6未通过验证。

在模型3中， 显卡和声誉2个变量没有进入方程回归， 结果显示， 消费者保护在1%的显著性水平上和价格负相关； 历史销量在5%的显著性水平上和价格负相关； 卖家所在城市、 买家评价在1%的显著性水平上和价格变化负相关； 售后服务和价格变化正相关， 但系数不显著。因此， 假设H2、 H4、 H5、 H6通过验证， H1、 H3没有通过验证。

模型4中， 所有变量进入方程回归， 结果显示， 与平台有关的6个特征和价格变化负相关， 其中， 声誉、 买家评价、 卖家所在城市都在1%的水平上显著； 但是售后服务、 消费者保护和历史销量的系数没有通过显著性检验。因此假设H3、 H4、 H5通过验证， H1、 H2、 H6没有通过验证。

一般认为， 更好的售后服务与更完备的消费者保护措施会导致卖家收取更高的费用， 但随着卖家销量的增加， 卖家可以采取薄利多销的策略， 因此价格会下降。同样的道理， 买家的评价是形成卖家信誉的基础和根本， 而卖家良好的信誉给他带来更大的销售量， 销量的增加将会使单位固定成本大幅降低， 降低的幅度达到一定程度会产生规模效应， 从而使价格下降。这和日常生活的经验是一致的。对于卖家所在的城市， 学者研究了一个地区的交通设施对信任度有显著影响， 特别是在人口密度大的地区和城市。[9]59-70

2. 笔记本电脑特征价格的影响构成分析

在模型1中， 在其他因素不变的情况下， 内存大小、 硬盘容量、 CPU频率每提高一个等级， 在价格上的平均差异分别是910.016元、 241.293元、 588.964元； 上市时间每晚一年， 价格上的平均差异是-258.964元； 城市规模、 售后服务、 声誉、 买家评价每增加一个等级， 给价格上带来 的的平均差异分别是-156.283元、 -94.873元、 -308.398元和-209.787元。

在模型2中， 在其他因素不变的情况下， 品牌、 内存大小、 硬盘容量、 CPU频率每提高一个等级， 在价格上的平均差异分别是291.54元、 875.376元、 317.187元、 449.709元； 上市时间每晚一年， 价格上的平均差异是-263.518元； 城市规模、 买家评价、 消费者保护每增加一个等级， 给价格上带来的的平均差异分别是-133.292元、 -432.985元、 -90.229元。

模型3中， 在其他因素不变的情况下， 品牌、 内存大小、 硬盘容量、 CPU频率每提高一个等级， 在价格上的平均差异分别是296.061元、 881.337元、 311.726元、 445.119元； 上市时间每晚一年， 价格上的平均差异是-255.812元； 城市规模、 买家评价、 消费者保护每增加一个等级， 给价格上带来的的平均差异分别是-132.264元、 -433.371元、 -83.699元； 以往销售量每增加一台， 价格平均下降-3.295元。

在模型4中， 在其他因素不变的情况下， 品牌、 内存大小、 硬盘容量、 CPU频率每提高一个等级， 在价格上的平均差异分别是285.116元、 874.908元、 315.349元、 447.980元； 上市时间每晚一年， 价格上的平均差异是-271.863元； 城市规模、 买家评价、 卖家声誉每增加一个等级， 给价格上带来的的平均差异分别是-127.112元、 -398.126元、 -260.408元。

以模型4的数据为例可以把笔记本电脑不同特征对总价格的贡献分离了出来， 具体做法是算出各个特征的平均值， 将相应的特征价格取绝对值后和特征的平均值相乘， 得到特征总价， 将每个特征总价除以特征总价之和， 就得到每个特征对总价格的贡献。对笔记本电脑价格影响最大的是内存， 此后依次是买家评价、 CPU频率、 硬盘容量、 品牌价值、 上市时间、 买家信誉、 卖家所在城市、 历史销量、 显卡类型、 售后服务和消保服务。根据模型的测算， 与电脑有关的特征占总价格的70%左右， 由平台交易模式带来的特征占总价格的30%左右。

五、 结论和政策建议

表5 笔记本电脑特征价格影响构成

本文运用特征价格模型， 对影响笔记本电脑价格的特征进行了研究。研究发现： 和平台交易模式的相关特征都对价格产生了负向的影响。在选取的6个与商品相关的特征变量中， 除了显卡类型这一变量以外， 其他5个特征变量都对笔记本价格产生了显著的影响， 其中， 内存对价格的影响最大， 然后依次是CPU频率、 硬盘容量、 品牌价值、 上市时间。在平台交易的特征中， 买家评价对特征价格的影响最大， 此后依次是卖家信誉、 卖家所在城市、 历史销量、 售后服务和消保服务。在总价格的构成中， 笔记本电脑自身的特征贡献了近70%， 平台特征贡献了30%， 与商品自身特征相比， 平台交易模式已经对价格产生了显著的影响。

第一， 平台企业作为交易中介， 极大地降低了交易成本。首先， 平台企业为交易双方提供了及时透明的信息， 降低了搜寻成本； 其次， 它提供的标准化合同降低了交易双方的谈判成本； 此外， 第三方信用评价系统和高效的信息传播机制以及抵押制度(如支付宝)又大大地降低了事后的监督成本。相对于传统的交易模式来讲， 交易成本的大幅下降使得平台对商品的价格产生了负向的影响。

第二， 在平台模式的特征中， 买家的评价和卖家信誉对价格的影响显著。买家的评价机制是形成声誉的主要方式。尽管这种影响是负向的， 但是获得高评价和高信誉的卖家会得到买家重复购买的激励。因此做一个有信用的卖家是有回报的。

第三， 对于买家而言， 通过平台交易时选择高信用等级和好评的卖家将会获得更大的价格优惠而不必为此额外付费。整个社会的福利水平将会提高。基于上述结论， 我们可以预测平台交易模式未来的重要性将日益突出， 平台的价值也会更大。

本文首次从实证的角度分析了平台交易模式对商品交易价格产生的影响， 并分析了影响的方式和程度。本研究也存在一些缺陷， 比如： 在研究对象的选择上， 因为笔记本电脑有其特殊性， 可能并不能完全代表在平台上交易的商品， 今后应在更广的范围进行研究； 在与平台有关的特征选择上， 也可能会遗漏其它的特征， 因而对模型结果产生影响； 在函数形式的选择上， 特征价格除了线性模型， 还有半对数、 全对数形式， 对于模型的形式和量化方法进行改进， 会使结论更具说服力。

参考文献：

[1] 刘培刚、 郑亚琴. 网络经济学 [M]. 上海： 华东理工大学出版社， 2007.

[2] Berndt E R. The Practice of Econometrics，Classic and Contemporary [M]. Reading， MA: Addison-Wesley， 1991.

[3] Lancaster，Kelvin J. A New Approach to Consumer Theory [J]. Political Economy, 1966(4)： 132-156.

[4] Rosen S. Hedonic prices and implicit markets： product differentiation in perfect competition [J]. Political Econ， 1974(01)： 34-55.

[5] Waugh F V. Quality factors influencing vegetables prices [J]. Farm Economy， 1928(10)： 185-196.

[6] Chow G C. Technological change and the demand for computers [J]. American Economy Review， 1967(7)： 1117-1130.

[7] Berndt E R，Griliches Z. Price indexes for microcomputers： an exploratory study on Research in Income and Wealth Workshop on Price Measurements and Their Uses [C]. Washington，DC， 1990.

[8] Hyung Seok Lee，Kwangtee Park ， Sang Yong Kim. Estimation of information value on the Internet： application of hedonic price model [J]. Electronic Commerce Research and Applications， 2003(2)： 73-80.

[9] 张维迎， 柯荣住. 信任及其解释： 来自中国的跨省调查分析 [J]. 经济研究， 2002(10)： 59-70.