电子商务市场中的逆向选择与在线披露

张蓉

摘 要：本文对于淘宝网上的数据进行实证分析，检验在线披露的信息变量月销售量、价格、口碑数量、买家信用分数等对消费者的购买行为产生影响，并对消弱电子商务市场中的逆向选择问题提出相应的建议。

关键词：电子商务；逆向选择；在线披露

一、引言

1970年，阿克洛夫在其文章《“柠檬”市场：质量不确定性与市场机制》中提出了逆向选择理论。逆向选择指的是当市场参与者处于信息劣势时所做出的选择。

由于电子商务市场中，买者与卖者之间时间和空间的相分离，卖买双方不能面对面的进行交流，买卖双方存在着严重的信息不对称性。大量研究表明，与传统市场相比，电子商务市场的逆向选择问题更加严重。本文将利用淘宝网上的数据分析卖家披露的信息对消费者行为的影响。

二、基于淘宝网数据的在线披露变量的实证分析

（一）样本的选择与数据的收集

淘宝网的交易商品种类繁多，本文选取淘宝网中某品牌男士衬衫冬季款交易市场为研究对象。针对淘宝网某品牌冬季款男士衬衫进行数据搜集，共搜集了368件商品的相关数据，全部作为本次研究的数据，所收集的数据中不包括天猫商城卖家的数据。

（二）变量的选取

分析所涉及到的变量主要包括月销售量、商品价格、口碑数量、金牌卖家、好评率、卖家信用积分、卖家信用等级等。

1、月销售量（Sales）：在商品的详细页面上，会看到商品的30天成交记录的数量和交易成功的数量。

2、商品价格（Price）：在这里，商品价格指的是商品在网页上的挂牌价格，不包括商品的运费等。

3、口碑数量（Word-of-Mouth，WOM）：系统显示出来的对该商品文字评价的数量。

4、金牌卖家（GoldSeller）：2014年7月1日淘宝金牌卖家正式运营。金牌卖家是淘宝网对一定时期内成交量好、服务好、口碑好的卖家的一种激励手段。设置金牌卖家虚拟变量，卖家如果是金牌卖家记为1，不是金牌卖家记为0。

5、卖方好评率（PositiveRate）：买家对于卖家的评价可分为三类：好评、中评和差评。卖家好评率=所有计分的卖家收到的好评数/所有计分的卖家收到的评价总数。

6、卖家信用分数（CreditScore）和卖家信用等级（CreditRating）：在淘宝网，买家每交易成功一次，就可以对卖家作一次信用评价，评价分为“好评”、“中评”、“差评”三类，每种评价对应一个信用积分。根据对卖家的信用积分，卖家的信用度分为20个级别。

7、消费者保障服务（Service）：卖家签署了淘宝网消费者保障服务协议，承诺为消费者提供交易保障服务。设置消费者保障服务虚拟变量，买家如果加入消费者保障服务为1，未加入消费者保障服务为0。

（三）计量模型的选择

本文针对某品牌冬季款男士衬衫进行数据搜集，共搜集了368件商品的相关数据。在368个男士衬衫月销售量方面的数据中，有261个卖家在三十天内有销售商品，另外107个卖家的月销售量为0。而对于那些月销售量为正的卖家而言，销售量的范围也相当宽，从3576件到1件。由于买家的优化行为常常导致总体中不可忽略的一部分角点解响应。因此卖家的月销售量很适合用托宾模型。

（四）数据的处理

考虑到回归分析中易出现的一些问题，以及有利于考察自变量与因变量关系的经济现象的处理，本文中将对变量月销售量、价格、口碑数量、买家信用分数进行处理。

（1）对卖家的月销售量，商品价格、卖家信誉分数和口碑数量都进行了对数变换。一是因为卖家信誉分数和口碑数量差异很大，使用对数形式通常能够消除回归分析中存在的异方差性。二是有利于考察自变量与因变量关系的经济现象解释。

（2）月销售量（sales）和口碑数量（wom）存在为零的值，取对数时为了避免log（0）情况的出现，对这两个变量采用log（sales+1）和log（wom+1）的形式，这样原来为零的观测值对数变换后还为零，数据存在角点解的现象不会改变。

（五）计量结果和分析

本文利用Eviews6进行回归分析，表1同时给出了利用OLS估计的线性回归模型和托宾模型的回归结果。从表中可以看出，在线披露的信息变量的估计值的符号在两个回归模型中是相同的，而且统计显著性也类似。

结果一：商品价格对商品月销售量的影响。

在表中，无论是OLS估计的模型还是托宾估计模型中都显示商品价格对商品月销售量的负的显著影响。托宾模型一中，在1%的显著水平上，商品价格对月销售量显著的负向影响。这说明在电子商务市场中商品价格是影响商品销售量的一个重要的因素。消费者在购买商品时，价格是消费者主要关注的信息之一。价格作为反映质量信息的重要信号，为什么高价格的商品销售量反而低呢？由于电子商务市场中信息不对称现象更加严重，网络消费者对于商品的质量信息不能面对面的进行识别，购买价格高的商品的风险较大，因此，造成商品的价格越高越难以出售。实证结果表明，在淘宝网上逆向选择问题依然存在。

结果二：口碑数量对商品月销售量的影响。

从托宾模型一可以看出，在1%的显著水平上，在线披露的口碑数量对商品的月销售量有显著的正向影响。说明由于网络的虚拟性，消费者的购买行为有从众的倾向。消费者在收到商品后，还愿意花费时间成本对于商品作出评价。评价数量比较多的话，会在一定程度上像消费者传递该商品值得购买的信号。

结果三：金牌卖家对商品月销售量的影响。

金牌卖家方面，托宾模型一回归结果表明，在10%的显著水平上，淘宝金牌卖家对于月销售量有显著的正向影响。说明金牌卖家标记作为淘宝网的一个新的举措，已经显示其对消费者购买行为的影响。因为金牌卖家标记在搜索页面和商品详细页面等多个场景都有显示，且是根据综合评估来决定的，因此会引起消费者的极大关注。在淘宝网金牌卖家对于减少买卖双方的信息不对称，减少逆向选择具有重要的意义。

结果四：卖家好评率对月销售量的影响。

表1中，在线性模型二、三和托宾模型三中均显示出卖家好评率与商品月销售量的显著的负相关关系。原因可能如下，一方面是卖家的好评率作为卖家历史信誉指标，它是在卖家信誉页面上呈现的。由于位置比较隐蔽，很难引起消费者的注意。另一方面，在男士衬衫的样本中，卖家好评率的最小值是93.1%，最大值是1，而且卖家好评率集中在99%左右。为了保持较高的好评率，很多卖家会采取一些激励措施，比如好评送购物劵等。因此，卖家的好评率普遍较高，差异很小，不能造成消费者对购买行为的影响。另外，实证结果中卖家好评率对回归系数为负，这可能是由于好评率的计算方法造成，若卖家的销售量过少，可能造成卖家没有评价的现象，但此时卖家的好评率却默认为100%。

结果五：卖家信用积分和卖家信用等级对商品月销售量的影响。

对于卖家信用积分对于商品月销售量的影响，OLS估计模型二显示没有显著的影响；托宾估计模型结果显示在10%的显著水平上，卖家信用积分对商品的月销售量有显著的影响。因此对于卖家信用积分对于商品月销售量的影响并不十分显著。信用分数是根据评价的来计算的，信用积分的多少反映了卖家的信誉，买家往往喜欢购买信用积分比较高的卖家的商品，但是随着信用积分重要性得到重视，一些不良卖家开始利用信用积分评价机制的漏洞，利用各种不正当的手段来提高信用积分，因此长期以来，造成买家对于卖家信用积分的不信任。此外，信用积分并不直接的显示在商品的页面，而是显示在商品的信用界面上，由于其隐蔽性，不易引起消费者的注意。

表1中，OLS估计的模型和托宾估计模型都显示卖家信用等级对商品月销售量的显著影响。卖家信用等级是根据卖家信用分数来划分的，卖家信用等级由于其显示在商品的页面，更能够引起消费者的注意。

结果六：是否加入消费者保障服务对商品月销售量的影响。

在表1中，无论是OLS估计的模型还是托宾估计模型中结果都表明，卖家加入消费者保障服务对商品的销售量有正向影响，但是并不显著。从获取的数据样本可以看出，在368位卖家中有357位卖家都选择了加入消费者保障服务。因此，在淘宝网中是选择加入消费者保障服务不会有明显的优势。造成这种现象的原因可能是：淘宝卖家加入消费者保障服务的成本低，只需交纳1000元左右的保证金；消费者虽然认识到加入消费者保障服务是好卖家的信号，但是当卖家触犯消费者保障计划条款，买家不懂得利用此条款维护自身利益，进而造成卖家违规行为的成本较低；当卖家出现违约行为时，消费者维权困难。

三、政策建议

淘宝网上已经建立了强制性披露卖家信誉的机制，卖家信誉机制披露的卖家信誉积分和卖家好评率信息并没有对消费者的购买行为产生有效的影响。说明淘宝网的信用评价系统并没有发挥有效的作用，消费者对于该信誉机制不够信任。针对淘宝网的信用评价存在的问题，提出以下建议：一方面，构建一个真正地能够把虚假交易和真实交易区分开的信用评价系统。近年来，部分卖家利用信用评价系统的漏洞，采用信用互刷平台等伪造虚假信用，使消费者逐渐对于信用评价可靠性产生怀疑，因此，必须完善信用评价系统，不给炒作伪造信用行为留下空隙。另一方面，增加评分累计值参考因素。目前淘宝网上的信用评分仅是根据好评、中评、差评的相应分值累计所所得到的，没有把卖家受到的消费者投诉情况以及遭受的行政处罚等情况涵盖在内。其他购物网站信用评价系统也存在类似的问题，应该完善信用评价系统，建立消费者对于信用评价系统的信任，使信誉机制发挥有效的作用。

参考文献：

[1] 潘勇.逆向选择视角下电子商务市场与传统市场间关系研究.商业经济与管理[J]，2011（1）：5-10.

[2] 潘勇，廖阳.中国电子商务市场“柠檬”问题与抵消机制—基于淘宝网的数据[J].商业经济与管理，2009，208（2）：11-15.