大学生移动支付行为及其影响因素研究

吕越 刘自然

摘 要：本文针对移动支付技术快速发展、使用量高速增长的趋势，以在校大学生为研究对象，基于技术接受模型（TAM），设计调查问卷获得一手数据，运用因子分析法和结构方程模型（SEM），分析并验证了影响大学生使用移动支付的主要因素。首先运用探索性因子分析找出主要的外衍变量，进而利用验证性结构方程验证潜在变量间的结构关系。结果显示，大学生在学习和运用移动支付时所做的认知努力程度对大学生对手机支付的信任程度和认可程度有着显著影响；对手机支付的认可程度对移动支付使用意图影响最大。

关键词：技术接受模型 因子分析 结构方程 大学生 移动支付

中图分类号：F832 文献标识码：A 文章编号：2096-0298（2017）03（c）-027-04

2017年1月，中國高校传媒联盟联合蚂蚁金服旗下支付宝，就全国4000多所高校及职业院校、1000多万在校大学生的消费数据做了专门的梳理。数据显示，2016年中国90后移动支付占比近92%。中国大学生在支付宝上的人均支付金额（含转账、网购消费、发红包、理财等数据）约为40839元，较2015年增长97%。可见，智能手机的普及和移动支付的发展正在悄然改变着人们的生活消费方式。

国内对移动支付影响因素的研究没有限定具体的人群范围，但移动支付的使用具有一定的年龄特征，主要是学生族和上班族，他们容易接受新鲜事物。尤其大学生是未来社会拉动消费的中坚力量，所以大学市场成为第三方支付平台竞相争夺的对象。另外，国内研究移动支付的影响因素方法有因子分析和结构方程，前者主要是探索性分析，后者属于验证性分析，也就是先以因子（预测变量）为构建基础，来验证是否能代表一个潜在变量，如果对变量间的关系没有理论和推论基础，则需把两者结合起来建模，先探索后验证，但很少有论文把两者结合起来研究。

针对移动支付方式在大学生活圈内的普及和使用人数的激增，本文基于技术接受模型，设计调查问卷获得一手数据，采用因子分析进行探索性研究，同时也有效契合了技术接受模型，进而建立结构方程，分析影响大学生使用移动支付的因素，从微观层面解读移动支付的发展空间，对“普惠金融”的发展具有一定的借鉴价值。

1 理论基础

技术接受模型（Technology Acceptance Model，TAM）是Davis（1989）运用理性行为理论研究用户对信息系统接受时所提出的一个模型，提出技术接受模型最初的目的是对计算机所广泛接受的决定性因素做一个解释说明。技术接受模型提出两个主要的决定因素：一是感知的有用性，反映一个人认为使用一个具体的系统对他工作业绩提高的程度；二是感知的易用性，反映一个人认为容易使用一个具体系统的程度。大量实证表明，TAM可以对IT领域的许多技术接受行为进行研究（Gefen，2003）。结合本文研究内容，通过“感觉有用”和“感觉容易使用”来研究大学生对移动支付的接受程度。

相比于现金支付，使用移动支付面临着手机丢失带来的经济损失、用户个人信息泄露、病毒入侵账户等风险。人们在享受高科技带来便利性的同时，也将自己暴露在潜在性的伤害中。现有的研究结果表明，对于移动支付平台高水平的信任将提高客户的使用意图。所以，“信任”在大学生使用移动支付的过程中起着重要作用。

2 研究设计、方法与思路

2.1 变量与问卷设计

本文以在校大学生为研究对象，采用问卷调查的方式收集数据。问卷由两部分组成。

一是大学生个人基本信息和使用情况，包括性别、年级、月开销、使用移动支付的时间、使用原因、应用场景等，用于阐述样本基本特征和分析大学生移动支付市场现状。

二是调查使用者对移动支付的认知和接受程度。根据TAM，三个外衍变量（自变量）和一个内衍变量（因变量）对应四组题目，每个分组包含3～5个问题，每一道题都采用了李克特（Likert）五级量表法进行同意度的打分，同意度由非常不同意到非常同意。把相关问题编制为一组，便于被调查者理解，减少误差。这些数据主要用于因子分析和结构方程模型。

2.2 研究方法

2.2.1 探索性因子分析

传统上，在进行因子分析之前，对于变量的因子结构（即使用意图是由哪些因素构成的）没有预设的立场，经SPSS分析后，以因子负荷量来萃取因子，并对因子加以命名。这种因子分析带有“探索”的意味。而本文选取指标的理论基础是“技术接受模型”，在探究技术的接受程度方面有巨大优势，如果用因子分析验证这一模型的契合度，即选取指标的有效性，会使模型更有说服力。

2.2.2 验证性结构方程

通过因子分析，模型初态已形成，而验证这个模型的因果关系，探究各概念间的相互影响关系，需要以结构方程为主要分析工具进行测量。结构方程能同时处理多个因变量，并可比较及评价不同的理论模型。基于传统的探索性因子分析提出特定的因子结构，用结构方程模型检验它是否吻合数据。

2.3 研究思路

首先，基于技术接受模型（TAM），问卷的第二部分基于用户对移动支付所做的认知努力程度、信任程度、认可程度和使用意图设置了若干问题，用户通过五级量表法对同意度进行打分。问卷回收后，得到微观一手数据。

其次，探索性因子分析可以把问卷中的所有问题（观察变量）进行归类，提取出主要因子，主要因子的个数和含义契合问卷设计中问题的种类和属性。

最后，经过因子分析后，所产生的主要因子作为外因潜在变量（自变量），每个问题属于不同的外因潜在变量下的观察变量，建立结构方程模型，验证因子间的结构关系。

3 大学生移动支付现状

3.1 数据采集

数据来源于调查问卷。设计修改好问卷后，发布在专业的问卷调查网站——问卷星，通过微信朋友圈和QQ空间的转发获得一手数据。本次调查共搜集到260份问卷，经核查后重复问卷有0份。最后有效问卷260份，问卷回收率100%。

3.2 问卷信度分析

信度分析是检验结果的一贯性、一致性、再现性和稳定性的常用方法。只有可信度在相关研究可以接受的范围之内，问卷统计结果才是有价值的，才有进一步分析的必要。本文借助SPSS进行信度分析，得到的Cronbachs Alpha值为0.898，基于标准化的Cronbach‘s Alpha值为0.902，两个系数都在90%附近，可见该量表具有很高的内在一致性，所以可靠性较强。

3.3 样本统计分析

3.3.1 调查对象的人口特征

本次研究对象为大学生，性别、地区、学校类型不同，其对待移动支付的态度也不同。在调查的260名大学生中，男生约占35%，女生约占65%；大一大二学生的比例和大三大四几乎相同，研究生占比接近于0。從学校类型来看，综合、理工、财经、医科这四大类各自占比差异较小，因此本次问卷调查数据可用且有效。

3.3.2 大学生移动支付现状分析

（1）接触移动支付的渠道

问卷调查结果显示，通过收发红包接触到手机支付的大学生占到了61.15%，除此之外， 88.85%的大学生是通过资金转账开始使用手机支付，28.46%是朋友推荐，还有一些则是被一些广告宣传和优惠活动所吸引。

（2）选择使用移动支付的原因

根据投放的问卷调查结果统计， 81.15%的大学生使用移动支付是基于其支付步骤简单，方便快捷、节省时间的优点，77.31%的大学生是因为其可使用的线下场景多，67.69%的大学生认为使用手机支付出门无需带钱包，57.69%的大学生是出于和周围人交流的需要，还有少部分大学生认为移动支付会带来许多优惠。

3.3.3 用户支付行为

（1）日常支付中使用移动支付占比

调查显示，有87.69%的大学生在日常支付行为中使用手机支付所占的比例大于50%，这说明了移动支付在生活中的普遍性以及本文研究的实际意义。

（2）不同的第三方支付平台各自占比

使用支付宝和微信的大学生占比93.85%和76.92%。和二维码支付相比，Apple pay选择的近场通信由于依赖硬件而阻碍了其增长，同时Apple pay仅能由使用iPhone 6及更新版本苹果系列手机的人使用，这也限制了用户数量，使其无法在中国市场快速发展。从调查问卷显示，使用Apple pay的人仅占3.46%。

（3） 第三方服务

针对大学生群体，其主要使用移动支付的第三方服务即为网络购物、外卖餐饮和订购机票火车票，分别为91.15%、88.08%和81.54%。

3.3.4 用户消费行为

（1）2016淘宝年账单金额

通过对大学生淘宝年账单金额的调查和分析，我们能够看到移动互联网已慢慢成为我国人民生活方式的一部分。移动支付笔数较去年的大幅攀升在很大程度上是因为线下手机支付习惯的养成。

（2）支付方式对月开销的影响

调查结果显示，51.68%的大学生认为自己使用移动支付后月开支增加，46.92%的大学生认为自己的月开销并未变化，而使用移动支付后开销减少的情况并没有出现。由此可以得出，移动支付在一定程度上确实促进了消费行为。

（3）商家优惠对消费行为的影响

消费者倾向于以最高的性价比消费，折扣、促销券等降价信息往往能调动其购买欲望。调查结果显示，有84.62%的大学生会因为商家优惠冲动消费，其中经常发生的占到了9.62%。

4 基于因子分析的观测变量重叠性与归属性分析

4.1 因子分析的作用

因子分析的核心是“降维”，也就是将大量可能存在相关关系的变量转换成较少的彼此不相关的综合指标的多元统计方法，可以降低分析的复杂度。本文采用因子分析，一是具有探索性，探索16个观测变量的重叠性与归属性；二是具有验证性，验证基于“技术接受模型”选出的潜在变量，是否真正代表了全部信息。

4.2 因子提取

根据因子概率贡献率的结果，前三个因子的特征值大于1，并且前两个因子的特征值之和占总特征值之和的73.388%，因此，提取前三个因子作为主因子。表1给出了旋转成份矩阵，每个因子只有少数几个指标因子的载荷较大，因子1与1.A、1.B、1.C的关系较强，对第一个因子的解释还是遵循“技术接受模型”中的感知易用性，因子2与3.A、3.B、3.C、3.D、3.E的关系较强，所以因子2即风险性考虑，因子3与2.A、2.B、2.C、2.D、2.E的相关性最强，即感知有用性，有效契合技术接受模型。

5 基于结构方程的潜变量关系分析

5.1 结构方程模型

结构方程模型（SEM）利用联立方程组求解，但它没有严格的假定限制条件。同时允许自变量和因变量存在测量误差。结构方程模型既能处理测量误差，又可以分析潜在变量之间的结构关系。本文以“技术接受模型”（TAM）为基础，将“信任”纳入模型中，通过因子分析探索和验证了潜在变量的有效性，构建大学生使用移动支付的影响因素理论模型。

5.2 研究假设

（1）技术接受模型是研究技术接受方面最具代表性的理论模型，在本文对移动支付的研究中同样适用，因为移动支付本身就是一种技术。对于一种创新的技术，潜在使用者是否使用该技术受两种认识的影响，一是感觉这种技术是否有用（perceived usefulness，PU），另一种是感觉这种技术是否容易使用（perceived ease-of-use，PEOU）。