基于门限分位数回归的网上商品销量影响因素探析

许启发，贾俊颖，蒋翠侠，杨善林

(1.合肥工业大学 管理学院，安徽 合肥 230009；2.合肥工业大学 过程优化与智能决策教育部重点实验室，安徽 合肥 230009；3.哈尔滨工业大学 经济与管理学院，黑龙江 哈尔滨 150000)



基于门限分位数回归的网上商品销量影响因素探析

许启发1,2，贾俊颖3，蒋翠侠1，杨善林1,2

(1.合肥工业大学 管理学院，安徽 合肥 230009；2.合肥工业大学 过程优化与智能决策教育部重点实验室，安徽 合肥 230009；3.哈尔滨工业大学 经济与管理学院，黑龙江 哈尔滨 150000)

摘要:网上商品销售与线下商品销售存在较大不同，为探索其消费模式，需要研究各影响因素对网上商品销量的作用机制。文章基于心理抗拒、贝勃定律、卢因人类行为理论等,对网络消费行为进行系统分析；综合运用分位数回归和门限回归方法，建立了门限分位数回归模型，揭示商品价格、商家信誉评分、商家信誉等级、保障标记数量、商品收藏人气、口碑数量和口碑分数等对销量的非线性异质影响。以受众广泛的iPad air2网上销售为研究对象，实证结果表明：提高商家的信誉等级、增加口碑数量能使高销量商家的销量更高，而保障标记数量的增加对热销有阻碍作用；在非热门商品转向热销品的过程中，增加收藏人气、增加口碑数量和一定价格范围内的提价对低销量商家的销量有促进作用。

关键词:网上商品；销售量；分位数回归；门限效应；行为理论

一、 引言

随着互联网全球连通性的推进和我国国民经济的发展，中国电子商务市场继续快速向前发展，据艾瑞咨询统计数据显示，我国2015年电子商务市场交易额达16.2万亿元，增长率21.2%，其中网络购物增长率37.2%。在“互联网+”的时代背景下，搭借网络电商平台实现商品推广和运营的商铺与日俱增，网上商品销售与线下商品销售在销售价格、销售方式、销售渠道等方面存在较大不同。研究网上商品销量的影响因素，以及运用相关管理学和心理学原理挖掘背后的原因机制，对于预测和解释消费者购买行为和消费模式具有重要的理论意义，对于把握电商销售规律和商家营销战略决策具有重要的现实指导价值。

面对网络销售实战中的不同销量表现，针对网上可能对商品销量产生影响的因素，国内外学者进行了不同角度的研究和探讨。在信誉影响方面，经历了线性关系到非线性关系的探索过程。Bolton等(2004)[1]和Resnick等(2006)[2]经过实验研究表明，商家可以从一个更好的信誉中享有更大的利润。周黎安等(2006)[3]和李维安等(2007)[4]认为，商家好的信誉可以减少交易中逆向选择和道德风险的情况，影响消费者的购买决策，从而提高在线交易成功的概率，对销量有显著的影响。针对之前学者提出的信誉和销量之间的简单线性关系，Zhang等(2011)[5]通过淘宝网的在线交易数据分析得出了不同的结论：卖家信用和销量存在一个复杂的非线性关系，在阈值左右两侧呈现不同的影响关系，在阈值右侧，提高信誉会提升销量；在阈值左侧，提高信誉反而会降低销量。

在价格影响方面，研究人员对价格与销量的关系持有不同的意见。一方面，消费者在互联网上对于价格信息的搜寻成本很低，较容易获得同一产品不同商家的价格信息，消费者比价行为更易发生，因此网络购物的价格需求弹性比传统意义上的购物更大，如Smith(2002)[6]；另一方面，消费者通过网络购物除了方便获得产品的价格信息，也可以获得其他反映产品品质的信息，从而使得价格对消费者的网购决策影响权重降低，消费者对于价格的敏感程度下降。此外E.Crespo-Almendros等(2016)[7]按照在线购买经验对消费者进行了分类，并得出了价格对销售的促进作用在新消费者群体中更为明显的结论，然而以购买意向而不是真实的购买行为作为被解释变量会存在一定偏差。

在口碑影响方面，国内外学者发现口碑评分和数量对销量有显著影响。Wang等(2016)[8]首次以眼动实验的形式探究了产品描述中在线评论的嵌入对销量的显著影响，然而实验参与者的属性比较单一，且样本量较少，增加了研究误差。Brinja等(2016)[9]通过无条件分位数回归的方法得出在线评论数量和在线评论分数对低销量商家的影响要比高销量商家大。王克喜等(2014)[10]、龚诗阳等(2012)[11]和Ye等(2009)[12]分别以品牌茶叶、图书、宾馆客房为研究对象，得出了二者之间存在显著影响的结论。

在保障标记方面，研究人员发现必要的保障标记会对销售起促进作用。如赵占波等(2013)[13]利用泊松模型建模，发现七天退换保障等对销量有显著的正向影响。

然而，现有文献尚缺乏众多不同因素对销量的综合影响机制的探讨，研究方法大多使用均值回归，本文结合Koenker等(1978)[14]的分位数回归模型与Tong(1977)[15]的门限自回归，提出使用门限分位数回归模型揭示其作用机理，主要开展了以下两个方面新的研究工作。第一，考虑到网络商品销售与线下商品销售存在销售方式、渠道、价格等方面的不同，针对网络销量影响因素的异质性影响效应，本文将心理抗拒、贝勃定律、卢因人类行为理论等相关管理学和心理学理论与网络消费行为相结合，克服了以往研究只注重研究方法而忽视探究网络消费现象背后作用机理的局限，发现了与线下商品销量影响因素不同的消费规律。第二，将门限分位数回归模型引入网上商品销量影响因素分析中，通过比较均值回归、分位数回归和门限分位数回归等模型实证结果，发现门限分位数回归模型更具优势：通过探讨自变量价格在响应变量不同分位点上可能存在的门限，以及不同分位点上门限值是否相同、跳跃大小和斜率大小等，可以全面细致地反映价格对销量的影响机制，为研究网上商品销量特征提供了普适性的工具和框架。

二、 理论分析与研究假说

(一) 基于需求定律的价格弹性分析

网上商品市场存在大量销售同种商品的异质性卖家，销售呈现供大于求的现状。因此，网上销售市场是买方市场，消费者对商品数量的需求总能得到卖家的满足，销售量可近似视为消费者需求量的体现。

经济学中需求定律是除吉芬商品、炫耀性商品等，在其他条件不变的情况下，某一商品的价格越低，消费者对该商品的需求量越大；而商品的价格越高，消费者对该商品的需求量则越小。在互联网购物中，由于高销量卖家基于产品品质信息建立了完善的信誉系统，使得价格对消费者的网购决策影响权重降低，消费者对于价格的敏感程度下降。因此，本文提出如下假说：

H1：在其他销量影响因素不变的情况下，随销售数量的增加，价格的弹性减小。

(二) 基于不完全信息的信誉弹性分析

信息经济学对市场经济的有效运行提出一个最重要的前提就是信息充分。消费者需要的信息有：市场上所有产品的价格信息、产品的市场价格信息、消费者对产品的需求信息等。网络购物虽然为交易打破了时空的限制，但信息不对称也是买卖双方之间存在着的问题。商家的信誉能改善这种情况，提高陌生人体系中的合作效率，让买家树立起商家能提供某种品质产品的信任。因此，大部分电子商务交易平台建立起了相应信誉评分系统来辅助消费者购买决策。淘宝网商家信誉评分系统的工作原理如下：一旦交易完成，淘宝买家有资格凭借交易经历反馈商家的服务评价。除了文字评价，评论必须给出“好”、“中”、“差”三个等级。根据买家的评论，商家信誉若为一条“好评”计一分，一条“差评”失一分，一条“中评”不得分。淘宝网在商家信誉分数的基础上归类了商家20个级别的信誉状况。

消费者在购买网上商品时，对于低销量商品的商家群体并不信任，当此时的商家信誉等级很高时反而会增加消费者的不解和怀疑，从而降低销量。对于高销量商品其购买决策更易受商家的信誉等级影响，尤其在无法辨明销量信息真伪的情形下，通过商家的高信誉而增加信任感，进而做出购买决策。因此，本文做出如下假说：

H2：在其他销量影响因素不变的情况下，随销售数量的增加，信誉的弹性增大。

在线信誉系统利用互联网的双向通信能力，构建了在线购物的大规模口碑网，一方面，在线评论使潜在购买者有了对产品的全面认知，从而影响其购买行为；另一方面，商家根据消费者的反馈信息在生产、销售、运输等环节做出相应的改进，优化营销策略，以提高销量。互联网赋予口碑传播的这种打破时空障碍和存储障碍的性质，使得消费者在进行购买决策时更注重其他消费者的反馈意见，见Bakos(1997)[16]。相比于低销量卖家，消费者对高销量卖家的价格已经不再敏感，会更注重口碑等信誉系统的建设，网络口碑的评分越高，说明消费者对购物体验越满意，成为再次购买者以及产品传播者的可能性越大，也为潜在消费者带来信心，使得销量上升。网络口碑的数量即某商品拥有的在线评论数目，体现了消费者对商品的关注程度。网络口碑数量越多，消费者对商品的关注程度越高，进而提升销量。因此，本文做出如下假说：

H3：在其他销量影响因素不变的情况下，随销售数量的增加，口碑的弹性增大。

保障标记是为了减少网购信息不对称的问题而设计的一种卖方能够履约承诺的标志，这种制度安排可以让买家通过浏览商家的保障标记，从而及时做出是否相信商家的认知。金毅(2011)[17]的实证研究表明，商家提供的保障标记会给买家更多保障，从而吸引更多买家，保障标记对销量有正的影响。周耿等(2010)[18]通过实证研究发现，保障标记对商品销售有显著的推动作用。低销量卖家由于各种产品品质信息、信誉系统建设不完善，保障标记的数量对其销量的作用会更为重要，通过较多的保障标记数量，消费者会增加初步的信任，进而影响其购买行为。因此，本文做出如下假说：

H4：在其他销量影响因素不变的情况下，随销售数量的增加，保障标记数量的弹性减小。

(三) 基于卢因人类行为理论的收藏人气弹性分析

在组织行为学中，卢因人类行为理论认为人的行为是环境与个体相互作用的结果，人的行为由动机决定，而动机是由需求支配的。

网络购物网站中的人气是综合30天售出量、商家信用、好评率、累计本期售出量、宝贝浏览量、收藏人气等因素来排序的。增加商品收藏人气可以提高商品在网购网站中人气排名的位置，在消费者检索某一商品时，在同类商品中拥有高收藏人气更易被消费者发现和关注，从而增加单品货架的点击流量。

根据卢因的人类行为理论，一方面，提高商品收藏人气可以提高商品的人气排名，在外部环境认可的情况下会增加消费者的购买信心，从而影响其网购决策，提高商品销量。另一方面，消费者收藏商品的行为是一种购买需求的体现，它显著地正面影响其购买行为，进而会提高商品销量。对于高销量卖家来说，消费者更注重除了价格外的其他产品品质信息，收藏人气的增加会产生“热门更热”的效果，而低销量卖家高的收藏人气会使消费者产生怀疑和不信任的心理，对销量的提高没有更大的推动作用。因此，本文做出如下假说：

H5：在其他销量影响因素不变的情况下，随销售数量的增加，收藏人气的弹性增大。

(四) 基于社会心理理论的卖家销量价格异质门限效应分析

贝勃定律是一个社会心理学效应，指当人经历强烈的刺激后，对于再施予的刺激反应减小。对于极低销量卖家而言，其极低的销量是对消费者的第一次刺激，让消费者有了对卖家低销量、低信誉等不信任的初始定位和感知。因此，当这类卖家所售商品价格低于某个阈值且降低价格时，消费者不信任的反应会减小，反而会产生对低价的趋利性，销量增多；当这类卖家所售商品价格高于某个阈值且降低价格时，也会提高销量，而且增幅会更大，因为已经有了价格阈值的基本心理下限。因此，本文做出如下假说：

H6：在其他销量影响因素不变的情况下，低销量卖家在价格某个阈值左侧，销量与价格呈反向变动关系，在某个阈值右侧，销量与价格呈更明显的反向变动关系。

1966年Brehm提出了心理抗拒理论，该理论描述了个体行为自由受到威胁时表现出的逆反情感。个体拥有自由选择何时何地以及如何进行某种特定行为的权利，当个体感知自身的自由选择权受到外界威胁时，他们往往会产生抵触情绪，最终采取规避或对抗的方式来抵抗外来的干扰，保护自己的自由，详见王艳萍等(2013)[19]。

高销量卖家自身拥有了积累的销量和信誉优势，处于消费者群体购买决策的优先选择地位。然而，当其商品价格高于某个阈值且继续增加价时，会超出消费者的心理承受价格，由于受收入预算的约束，高价格上的强迫和收入的操纵矛盾影响了消费者个体对自由的感知，其自由被威胁或削弱的程度越高，个体产生的抗拒反应越大。因此在价格阈值右侧随着价格的提高，销量下降。

在某个价格阈值之前，如果卖家采取降价的方式，同样会与消费者高价高质的心理定位产生矛盾，极低的价格影响消费者的信任和对产品的心理预期，同样会产生心理抗拒，减少购买行为。因此，本文做出如下假说：

H7：在其他销量影响因素不变的情况下，高销量卖家在价格某个阈值右侧，销量与价格呈反向变动关系，在某个阈值左侧，销量与价格呈正向变动关系。

三、 销量影响因素的计量分析

(一) 线性分位数回归模型

本文确定网上商品销量Y的主要影响因素包括：商品价格、商家信誉评分、信誉等级、商品收藏人气、口碑的分数、口碑的数量和保障标记数量，分别记为：X1,X2,…,X7。为了研究各影响因素对销量在不同的分位点处的异质影响行为，构建了分位数回归模型如下：

QY(τ|X)=β0(τ)+β1(τ)X1+…+β7(τ)X7

(1)

式中，τ为分位点，满足：0≤τ≤1；QY(τ|X)为响应变量Y在给定X=(X1,X2,…,X7)′的第τ条件分位数；β(τ)=[β0(τ),β1(τ),…,β7(τ)]′为待估计的分位数回归系数，依赖于分位点τ的取值，其估计过程可以通过求解如下优化问题得到

(2)

式中，N为样本量；ρτ(u)为非对称损失函数，满足

(3)

分位数回归已经广泛应用于金融定量分析各领域，能够有效揭示金融市场典型特征。李金昌等(2014)[20]指出：分位数回归模型，不仅可以得到比均值回归更为稳健的结果，而且可以全景揭示解释变量对响应变量在不同分位点处的异质影响。因此，本文使用分位数回归模型，可以细致刻画各因素对网上商品销量在各个分位点处的异质影响。这一模型，便于深入理解网上商品消费行为，便于掌握对应的消费模式与变动规律。

(二) 门限分位数回归模型

为了刻画各因素(这里主要指价格因素)对销量影响的门限效应，即在不同的区间内可能存在不同的线性影响模型，结合门限自回归与分位数回归，建立门限分位数回归模型如下：

(4)

(5)

实际中，本文对θ(τ)的估计采用两步法。第一步，通过网格搜索法，让γ(τ)在商品价格X1的最小值与最大值之间均匀地取值1000个，选取能够使得损失函数Loss(θ|X)达到最小的门限值作为最优门限值γ*(τ)。第二步，将γ*(τ)代入式(5)，再次优化损失函数，得到β′(τ)的估计。

四、 实证研究

(一) 数据获取与指标分析

为了比较网上商品与线下商品的消费模式，探析各影响因素对网上商品销量的异质影响机制，需要获取最近30天的商品销量、商品价格、商家信誉评分、商家信誉等级、保障标记数量、商品收藏人气、口碑数量和口碑分数等七个变量的数据，详见表1。

本研究以淘宝电商平台为研究对象，选取淘宝网上iPadair2 16G产品在2015年2月份的交易数据。之所以选择iPadair2，基于两个原因：首先，iPadair2是由苹果公司开发的最新平板电脑电子产品，已成为众多时尚年轻消费者的热门选择，这一消费者群体具有熟悉网上交易规则和物流的特质。其次，iPadair2相比于其他现有的平板电脑而言，具备较大的独特性和区分度。数据采集过程，主要通过网络爬虫软件：八爪鱼采集器实现。

在变量列表1中，对所有变量进行了详细说明，并报告了主要变量的描述统计结果。原始样本量为2183，剔除了2月份中商品销量为0的伪交易信息，最终样本观察量为N=438。由表1的描述统计结果可以看出，不同商家在销量上存在较大差异，最高销量为1864台，最低销量仅有1台。为此，需要通过分位数回归分析手段，研究其消费模式的异质性。

表1　主要变量统计性描述(N=438)

(二) 线性回归分析结果

首先，讨论各影响因素对网上商品销量的线性影响，分别建立线性均值回归与线性分位数回归模型，回归系数估计结果见表2。

由均值回归模型结果，修正R2值为0.7905，表明模型的解释能力较强。进一步，分析回归系数的显著性，可以看出：收藏人气和口碑在0.1%水平上显著，商家信誉等级在10%水平上显著，而价格水平与信用等级对销量却没有显著影响(10%水平下不显著)。

表2　线性均值回归与线性分位数回归模型估计结果

注:.、*、**、***分别表示在10%、5%、1%和0.1%的统计水平上显著。

在分位数回归模型中，表2只报告了0.1、0.3、0.5、0.7、0.9五个具有代表意义分位点处回归系数估计结果，能够体现各因素对销量在不同分位点处的异质影响。在分位数回归中，在多个分位点处价格对销量存在显著的影响，得到了均值回归中难以发现的结果。因此，探讨价格与销量的关系是后文的主要论述方向。根据表2的结果，可以得到如下结论：

1．商家信誉分数、收藏人气和口碑的评分对销量的影响并不显著。商家信誉分数、收藏人气和口碑的评分三个解释变量在不同分位点上与销量之间的关系均不显著且回归系数很小。由于信誉包括信誉分数和信誉等级，口碑包括口碑的评分和口碑数量，因此并不能对假设H2和H3做出真伪的判断，而可以做出拒绝假设H5的判断。

2．在其他销量影响因素不变的情况下，价格对销量呈负向影响作用，随分位点上升，价格弹性呈现出不同变化趋势。价格的回归系数在所有分位点上均为负值，意味着其对销量呈负向影响作用。此外，价格对销量的影响程度随着分位点变化呈现出不同的变动趋势。在0.7分位点以下，价格对销量的影响程度随着分位点的上升而增大，支持假设H1；而在0.7分位点之上，价格对销量的影响程度随着分位点的上升而减少，该结果不支持假设H1。这也启迪低销量(与低分位点对应)的商家应注重低价格对销量的大幅提升效应，初入市场的产品渗透期应该通过低价吸引顾客，提高市场占有率。高销量(与高分位点对应)的商家应把关注重点从价格上转移，因为此时低价促销对销量的提高作用不再明显，应该通过提高产品质量和提供优质服务等其他途径保证持续的销量增长。

3．在其他销量影响因素不变的情况下，随分位点上升，信誉等级的弹性增加。商家信誉等级的回归系数除了在0.1分位点处为负值外，其他分位点上均为正值，且随着分位点上升(销量水平提高)，商家信誉等级的回归系数呈逐渐递增的趋势，意味着高销量的商品群体受商家信誉等级正向影响效应更为明显，这一结果支持了假设H2。消费者在购买网上商品时，对于低销量的商品群体并不信任，此时商家信誉等级很高时反而会增加消费者的不解和怀疑，从而降低销量。对于高销量商品，其购买决策更易受商家信誉等级影响，尤其在无法辨明销量信息真伪的情形下，通过商家的高信誉而增加信任感，进而做出购买决策。这也启迪拥有低销量商品的商家不要对信誉等级造假，使其明显虚高；而高销量商品的商家更应该考虑对商家信誉等级的提升，从而保持商品的高销量。

4．在其他销量影响因素不变的情况下，口碑的数量对销量呈正向影响作用，随分位点上升，口碑数量的弹性增加。口碑数量的回归系数在所有分位点上全为正值，表明其对销量有正向影响作用。同时，随着分位点上升(销量水平提高)，口碑数量的回归系数呈逐渐递增的趋势，即高销量的商品群体受口碑数量正向影响效应更为明显，支持了假设H3。消费者在网购时，对于高销量的商品除了关注商家信誉等级外，也更为关注口碑数量，通过观察其他买家的关注程度，从众心理会促使其做出相应的购买决策。因此，中等和高销量的商家可以通过降价、评论返现等系列营销手段提高商品的口碑数量，进而提高商品的销量。

5．在其他销量影响因素不变的情况下，随分位点上升，保障标记数量的弹性增加。保障标记数量的回归系数除了在0.1分位点处为正值外，其他分位点处均表现为负值，且保障标记数量对销量的负向影响程度随着分位点上升而增大，拒绝了假设H4。消费者在购买低销量的商品时，出于不信任的心理作用，他们希望通过更多的保障标记来降低购买风险，此时保障标记数量越多，越易促使消费者购买。而在购买高销量的商品时，消费者的注意力很少放在保障标记的数量上，只要求保留七天退货等重要的保障标记。因此，这一实证结果启迪低销量商家应注重提高保障标记数量，以获取消费者更多的信任；而高销量商家只保留关键保障标记即可，重点关注对象应放在其他营销元素上。

(三) 门限分位数回归分析

图1　网上商品价格和销量的散点关系图

淘宝网交易平台展现出一个有趣的现象：当商家出售发布的项目时，有时卖家明确表明：是为了追求更高的销量目的而进行特殊定价。当较好的销量利益预期涉及定价决策时，卖家可能采取相应有利的定价策略。价格对销量影响的门限效应，可以理解为：在价格水平某一门限值上，卖家可以决定降低或提高当前价格，以换取未来销售数量从而获益。这样的定价模式意味着在定价规则中的“跳跃”或“结构性变化”，可以命名“为信誉定价”的模式。

图1中显示的价格与销量之间的散点关系，证实了“为信誉定价”模式的存在。通过散点图可以发现，价格主要集中分布在2000元至6000元之间，销量主要集中主要分布在0至500件之间。进一步观察散点的分布特征，可以发现在价格水平低于3000之前，随着商品价格的上升，商品销量呈上升趋势；而在价格水平高于3000之后，随着商品价格的上升，商品销量呈下降趋势。据此，可以推断在价格水平为3000左右，可能存在门限效应，定价规则发生了结构性变化，可以使用门限分位数回归模型来刻画。

图2　网上商品的价格门限与损失函数对应图

根据前文陈述的门限分位数回归模型两步估计法，首先通过网格搜索，得到门限值与损失函数之间对应关系如图2所示(限于篇幅，这里只报告了0.5分位点处的结果)。由图2，最小损失值对应最优门限值为3059.5960。其次，根据最优门限值估计实现再估计，得到门限分位数回归模型估计结果见表3。为比较，将门限均值回归模型的估计结果也列于表3中。

由表3中门限均值回归结果可以看出，门限值左侧回归系数为-0.0173，门限值右侧的的回归系数为-0.0173+0.0116=-0.0057。因此，在门限值左右两侧价格的回归系数均为负值，说明价格对销量存在反向影响，只是在门限值3086.061左侧的影响程度更大。门限分位数回归结果与之类似，这里不再赘述。这一门限效应表明，商家在为线上商品定价过程中，在一定价格之内实施降价策略会对销量有较为显著的提高作用，超过一定价格水平之后再采取降价策略对销量提高作用不再显著。因此，掌握合理的定价区间，对提高销量具有重要的实践意义。

为了进一步分析价格对销量的边际影响，找出在不同分位点处价格的门限、跳跃行为、斜率等的变化，以更加准确有效地分析价格对销量的影响机制，将其他解释变量取值固定为0，得到边际贡献效果如图3所示。

表3　门限均值回归与门限分位数回归模型估计结果

注:.、*、**、***分别表示在10%、5%、1%和0.1%的统计水平上显著。

图3　基于门限分位数回归的价格对销量的边际贡献测度

综合表3和图3的结果，可以进一步分析如下：

1．低销量商家价格对销量的异质影响和门限效应。在0.1分位点处，在门限(门限值为2460)左侧，价格与销量呈正相关关系；而在门限右侧，价格与销量呈负相关关系。这一结果表明，对于低销量低价格的商品，消费者是充满不信任的，此时在较低的价格之内降价反而会减少销量。这类极低销量卖家由于其数据的极端性可以不考虑纳入研究范围之内。

在0.3分位点处，在门限(门限值为3009.63)左侧,价格与销量呈负相关关系；而在门限右侧，价格与销量的负相关关系更明显。对于较低销量的商品由于没有高销量商品的竞争优势，所以要通过降价来吸引消费者的注意和购买，尤其是超过一定价格之后，价格的降低对于提高销量的效应更明显。该结果验证了假设H6的正确性。

2．高销量商家的价格对销量的异质影响和门限效应。在0.5与0.7分位点处，在门限(具有相同门限值3059.596)左侧，价格与销量呈正相关关系；而在门限右侧，价格与销量呈负相关关系。对于中高销量的商品，由于商家有了一定的销量资本，可以在一定价格内提价，进一步反馈给消费者高价高质的信息，从而提高商品销量。然而也要掌握提价的范围，在超出消费者的认可价格之外，提价会对销量造成负面效应。

在0.9分位点处，在门限(门限值为3109.5620)左侧，价格与销量呈正相关关系；而在门限右侧，价格与销量呈不明显的正相关关系。对于高销量的商品，由于商家高销量已经给消费者带来了信任和购买意图，商家可以通过提价的方式给予消费者高价高质的信息，使他们更加确定地做出购买决策，但是超出一定承受价格之后，这种提价对销量的促进作用则不再明显。

以上结果验证了假设H7的正确性。

五、 结论与展望

(一) 研究结论

本文主要使用门限分位数回归方法研究网上商品销售规律，采用八爪鱼采集器爬取了淘宝网iPadair2 16G所有货架的销售数据进行实证研究，发现各因素对网上商品销量存在异质影响。不仅如此，商品价格对销量还存在非线性的门限效应。本文所得的主要结论如下：

第一，商家信誉等级、口碑数量以及一定价格范围内的提价对网上商品热销具有促进作用。通过分位数回归分析结果发现，商家信誉等级的回归系数随着分位点(与商品销量)上升呈逐渐递增的趋势，说明高销量的商品受商家信誉等级正向影响更为明显。口碑数量的回归系数随着分位点(与商品销量)上升呈逐渐递增的趋势，意味着高销量商品受口碑数量正向影响效应更为明显。因此，对于有热门商品的商家应该注重自身信誉系统建设以及消费者的评论数量，这些可以保持商家的高销量。此外，高销量商家有了销量资本，在适当的价格范围内可以采取提价策略，通过提价会反馈给消费者高价高质的信息，对于网上商品热销具有促进作用。

第二，保障标记数量的增加对网上商品热销具有阻碍作用。对于非热门商品，消费者希望通过更多的保障标记数量来降低购买风险；而对于热门商品，消费者的注意力很少放在保障标记的数量上，只要求保留七天退货等重要的保障标记。因此，对于实施热门战略的商家应该只保留关键保障标记，重点关注对象应放在其他营销元素上。

第三，在非热门商品向热销商品转变的过程中，商品品质信息完善的差异化策略比低价策略更为有效，一定价格范围内的提价对冷门商品转向热门有一定促进作用。价格与销量的回归系数较低，因此价格战并不是有效的竞争战略。对于非热门商品，低销量低价格会使消费者产生不信任的购买心理，从而阻碍销量的提升。因此，商家可以在一定价格范围内适当提价，努力完善商家的商品品质信息，提高保障标记的数量，积极推动消费者的评论和收藏行为等营销战略，而尽量避免采取价格战。

(二) 研究展望

由于本研究指定商品中销量为零的货架较多，使获得的销量非零样本偏少，且销量普遍较低，这些可能导致研究结果存在一定偏差。此外，不足的时间序列数据导致实证研究缺少持续地跟进和检验。未来的研究，可以沿本文的研究思路进行扩展：

第一，确定各影响因素对销量的影响机制后，可根据时间序列数据进一步探讨销量的预测问题，这对互联网商品销售管理具有重要实践意义。

第二，仅讨论了价格对销量不同分位点处的异质影响，然而是什么原因导致了不同商家之间的这些差异仍需进一步探讨。由于本文对当前商家端数据收集有限，限制了对该问题的回答。

第三，对于网上商品销量影响因素的相关理论研究值得深入探讨，后续可通过实验研究方法进行，将更多心理学原理融入管理研究分析中是管理学突破性发展的契机。

参考文献:

[1]BOLTONGE,KATOKE,OCKENFELSA.HowEffectiveareOnlineReputationMechanisms?AnExperimentalStudy[J].ManagementScience,2004,50(11):1587-1602.

[2]RESNICKP,ZECKHAUSERR,SWANSONJ,etal.TheValueofReputationoneBay:AControlledExperiment[J].ExperimentalEconomics,2006,9(2):79-101.

[3]周黎安,张维迎,顾全林,等.信誉的价值:以网上拍卖交易为例[J].经济研究,2006,52(12):81-91.

[4]李维安,吴德胜,徐皓.网上交易中的声誉机制——来自淘宝网的证据[J].南开管理评论,2007,10(5):36-46.

[5]ZHANGLF,ZHANGFJ.DoesE-commerceReputationMechanismMatter?[J].ProcediaEngineering,2011(15):4885-4889.

[6]SMITHM.TheImpactofShopbotsonElectronicMarkets[J].JournaloftheAcademyofMarketingScience,2002,30(4):446-454.

[7]CRESPO-ALMENDROSE,BARRIO-GARCIASD.DelBarrio-García.OnlineAirlineTicketPurchasing:InfluenceofOnlinesalesPromotionTypeandInternetExperience[J].JournalofAirTransportManagement,2016,53(3):23-34.

[8]WANGZ,LIH,YEQ,etal.SaliencyEffectsofOnlineReviewsEmbeddedintheDescriptiononSales:ModeratingRoleofReputation[J].DecisionSupportSystems,2016(8):1-9.

[9]MEISEBERGB.TheEffectivenessofE-tailers’CommunicationPracticesinStimulatingSalesofNicheversusPopularProducts[J].JournalofRetailing,2016(2):1-14.

[10]王克喜,崔准.网络口碑对网络销售农产品的作用机理——基于“天猫”某品牌茶叶销售的实证研究[J].农林经济管理学报,2014,13(2):186-191.

[11]龚诗阳,刘霞,刘洋等.网络口碑决定产品命运吗——对线上图书评论的实证分析[J].南开管理评论,2012(4):118-128.

[12]赵占波,孙鲁平,苏萌.C2C中产品浏览量和销量影响因素的对比研究[J].管理科学,2013,26(1):58-67.

[13]YEQ,LAWR,GUB.Theimpactofonlineuserreviewsonhotelroomsales[J].InternationalJournalofHospitalityManagement,2009,28(11):180-182.

[14]KOENKERR.RegressionQuantile[J].Econometrica,1978,46(1):33-50.

[15]TONGH,LIMK.ThreshodAutoregression,LimitCyclesandCyclicalData[J].JournaloftheRoyalStatisticalSociety,1980,42(3):245-292.

[16]BAKOSJ.ReducingBuyerSearchCosts:ImplicationsforElectronicMarketplaces[J].ManagementScience,1997,43(12):1676-1692.

[17]金毅.电子商务中信誉和保障的价值——基于淘宝网的研究[J].中国经贸导刊,2011(9):79-80.

[18]周耿,王全胜.网上交易的信誉与保障标记机制[J].当代财经,2010,23(4):71-78.

[19]王艳萍,程岩.在线用户对弹出式广告的心理抗拒分析[J].工业工程与管理,2013,18(1):71-77.

[20]李金昌,杨松,赵楠.中国能源强度影响因素分析——基于分位数回归法[J].商业经济与管理,2014(12):73-80.

(责任编辑郑英龙)

收稿日期:2016-03-12

基金项目:国家社会科学基金资助项目(15BJY008)；教育部人文社会科学研究规划基金项目(14YJA790015)；安徽省哲学社会科学规划基金项目(AHSKY2014D103)；合肥工业大学产业转移与创新发展研究中心招标项目(SK2014A073)

作者简介:许启发，男，教授，博士生导师，主要从事数量经济理论与方法研究；贾俊颖，女，硕士研究生，主要从事互联网金融研究；蒋翠侠，女，副教授，主要从事金融计量研究；杨善林，男，中国工程院院士，教授，博士生导师，主要从事决策科学与技术研究。

中图分类号:F224

文献标识码:A

文章编号:1000-2154(2016)07-0005-10

Analysis of Factors Affecting Online Goods Sales Through Threshold Quantile Regression Approach

XU Qi-fa1,2, JIA Jun-ying3, JIANG Cui-xia1, YANG Shan-lin1,2

(1.SchoolofManagement,HefeiUniversityofTechnology,Hefei230009,China; 2.KeyLaboratoryofProcessOptimizationandIntelligentDecisionMakingofMinistryofEducation,HefeiUniversityofTechnology,Hefei230009,China;3.SchoolofManagement,HarbinInstituteofTechnology,Harbin150000,China)

Abstract:There is big difference between selling goods online and offline. In order to explore the consumption patterns, we should study the mechanism of various factors affecting online goods sales. In this paper, we make a systematic study of the behaviors of consumption online through the theory of psychological resistance, Beb’s law, and Lewin metal of behavior. We construct a threshold quantile regression model to investigate the effects of price, credit, collection popularity, reputation and guarantee marks, on the sales. We select iPad Air 2 as our research object for its broad customers. The empirical results show that improving the sellers’ credit rating and increasing the amount of reputation will lead to the increase of the sales for high-volume sellers. However, increasing the number of guarantee marks is negative to sales promotion. During the process of non-popular goods changing into the popular goods, increasing the amount of collection popularity, reputation and price within a certain range will promote the quantity of sales.

Key words:online goods; sales; quantile regression; threshold effects; behavior theory