基于因子分析法和熵权法的大学生网购行为影响因素研究

张青娟 吴增宝 张丽

摘 要：以洛阳市本科院校的大学生群体为例，用因子分析法从商品质量、商品价格、物流速度等18个指标中选取影响大学生网购行为的3个主因子，并用熵权法对3个主因子赋权，根据权值大小进行综合排序。结果表明：大学生网购行为主要受商品价格、网页设计、个人隐私等因素的影响。

关键词：大学生网购行为；因子分析法；熵权法；网购影响因素

中图分类号：F713.36      文献标识码：A   文章编号：1005-6432（2024）17-0000-04

[DOI]10.13939/j.cnki.zgsc.2024.17.027

1 引言

根据中国互联网络信息中心在京发布的第49次《中国互联网络发展状况统计报告》显示，截至2021年12月，我国网络购物用户规模达8.42亿，较2020年12月增长5968万，占网民整体的81.6%。 在消费群体方面，“95后”消费潜力最大，41.9%的“95后”网购用户网上消费额占日常消费总额3成以上，网购消费占比高于其他年龄网购群体[1]。俨然大学生在一定程度上已经成为网购消费的主力群体。了解大学生网购现状，深入分析大学生的网购行为及影响因素，可以帮助网络经销商和卖家更有针对性的制定营销策略，以谋求网购行业更好的发展。

关于大学生网购行为的研究，国内学者已开展了大量的工作并取得丰硕的研究成果，主要基于问卷调查结果结合因子分析法、锚定效应理论、结构方程、K-means 聚类、决策树模型、相关分析方法等[2-8]进行研究，主要研究内容更多集中于大学生消费中所出现的不理性消费、攀比现象，主要研究结果认为商品质量是影响大学生网购行为的主要因素。但随着直播等互动式网购营销模式的出现，影响大学生网购行为的因素也在发生变化。文章首次将互动式营销与明星代言等情感互动因素引进评价指标体系，运用因子分析法与熵权法简化分析对象的结构，客观的给出各指标的综合权重，针对所得结果对大学生网购行为影响因素进行分析和评价。

2 理论方法与实证调查

2.1 因子分析法

因子分析法是在保证信息量丢失最少的情况下，将现实生活中众多相关、重叠的信息进行合并和综合，将原始的多个变量和指标简化为较少的几个综合变量和综合指标的降维方法[9]。

其计算步骤如下：

步骤1：确定待分析的原有若干变量是否适合于因子分析；步骤2：构造因子变量；步骤3：利用旋转使得因子变量更具有可解性；步骤4：计算因子变量得分。

2.2 熵权法

熵权法是一种客观赋权方法，在使用过程中，根据各指标数据的分散程度，利用信息熵计算出各指标的熵权，再根据各指标对熵权进行一定的修正，从而得到较为客观的指标权重[10]。熵权法的基本思路是根据指标变异性的大小来确定客观权重，其基本步骤如下：

步骤1：确定评价对象，建立评价指标体系，构造原始指标数据矩阵。按照均值化处理法进行标准化处理，随后进行归一化处理，得到矩阵：。

步骤2：计算第项指标下第个样本的指标值的比重，得出：。

步骤3：计算每个指标的信息熵，并计算信息效用值。对于第个指标而言，其信息熵的计算公式为：

信息效用值的计算公式为：

将信息效用值进行归一化处理，得到每个指标的权重系数：

在分析评价中，先利用因子分析法分析出主要影响因子，再利用熵权法对主因子赋权，这样更能准确的看到各主因子的影响大小[11-13]。

2.3 问卷设计与调查

调查问卷包含非量表题和量表题。非量表题涉及大学生群体特征、网购频率和网购结构。对于量表题，借鉴已有的大学网购影响因素的评价指标[2，3，5，7]，结合互动式营销与明星代言等情感互动因素评价指标，运用李克特5级量表从网购平台因素、商品因素、商家因素、物流因素、情感因素5个二级指标和18个三级指标对大学生网购行为影响因素进行调查。影响因素评价指标如表1所示。

此次调查以洛阳市三所本科高校的的大学生为研究对象，实际保障人数约为86000人，即N=86000。采取简单随机抽样方式，假设估计量服从正态分布，计算调查问卷样本容量步骤如下：

步骤1：计算初始样本容量。假设本次调查估计值的置信度为95%，从标准正态分布表中可知相对应的乘数因子Z为1.960，抽样误差范围不超过正负4%，则误差界限。设总体方差为S，由于一般总体方差很难获得，所以用S=R（1-R）来估计，这里R为指标比例。设R=0.5，这样可以求得一个比较保守的样本容量的估计值，即在正式问卷发放之前，我们进行了小范围预调查，共发布预调查问卷223份，回收206份，回收率92.38%。通过SPSS 23.0软件对预调查问卷进行分析，问卷整体的内部一致性Cronbach's Alpha系数高达0.965，表明各测量变量具有较好的内部一致性，说明本问卷信度良好，另一方面，问卷KMO值为0.941，Bartlett球形度检验值小于0.05，表明量表有很好的效度。因此本问卷量表适合进行因子分析。

在正式调查过程中，共发布调查问卷623份，回收调查问卷612份，回收率98.23%。

3 实证分析

3.1 群体特征分析

调查群体中男生占比37.42%，女生占比62.58%。通过对问卷的整理及数据相关信息的汇总，可以看出，目前学生的网购行为呈现三个方面的特点。（1）从网购频率与支出力度分析可知，网购频率很频繁（一个月5次以上）。这表明大学生网购支出力度大，大学生网络购物市场具有巨大发展潜力。（2）从网购商品选择种类分析可知，消费结构呈现多元化。大学生网络购物最爱选购的前三位分别是服装类，护肤化妆类和饮食类。（3）网购选择平台比较集中. 淘宝是大学生网购平台使用频率最高的，为46.2%。

3.2 数据分析

3.2.1 因子分析法确定公共因子指标权重

依据因子分析理论，对大学生网购行为影响因素评价指标进行分类降维。通过提取主因子，正交化因子载荷矩阵探索性分析，计算得到特征值、方差解释率、累计贡献率等数值。计算结果见表2。

由表2中数据可得：特征根值大于1的因子共有三个。因子1的方差解释率为37.236%，因子2的方差解释率为19.496%，因子3的方差解释率为16.525%，前三个因子的累计方差解释率为73.257%。表明这三个公共因子能够对原来的18个变量有比较充分的解释，数据损失较小。将三个公共因子分别记为F1、F2、F3，分析旋转后的因子载荷矩阵，根据各个变量在主因子上的载荷值找到每个公因子可解释的指标. 通常载荷值在0.7以上则表明该公共因子能够很好的解释这些指标。旋转后的载荷矩阵见表3。

由表3可知，对于公共因子F1与线上支付安全性 （C1）、网页设计 （C2）、个人隐私 （C3）、商品质量 （C4） 和商品价格 （C5） 有着较高的载荷，主要反映了网购平台及商品因素对大学生网购行为的影响，将其命名为商品及网购环境因子。同理将F2命名为商家及物流因子，F3仍命名为情感因子。

对各因子旋转后方差解释率进行归一化处理后得到3个公共因子权重，即一级指标下的公共因子指标权重W1分别为：0.507、0.267、0.226。从而大学生网络购物行为影响因素的因子模型为：

3.2.2 熵权法应用与综合评价

首先，对调查问卷数据进行整理，建立原始矩阵。其次，对所选指标进行归一化处理，初步消除量纲带来的差异。对处理后的数据运用熵权法，确定大学生网络购物影响因素评价体系中各三级指标的权重系数W2。最后，运用公共因子指标权重和三级指标权重值构建最终权值W=W1·W2，从而得出大学生网购消费行为影响因素评价指标的最终权值，见表4。

由综合排序可知：三级指标的最终权值从大到小前5项为：商品价格（C5）、网页设计（C2）、个人隐私（C3）、商品质量（C4）、线上支付安全性（C1）；后5项为：明星代言（C16）、快递服务态度（C12）、外界赞美（C15）、 情感互动（C18）、物流售后服务（C14）。

4 结论与建议

4.1 研究结论

根据实证研究的综合排序可知，大学生网络购物行为主要受商品价格、网页设计、个人隐私、商品质量的影响。大学生在网络购物时更注重商品的价格与质量以及购物网站使用体验和网络购物的安全性。我们注意到，虽然互动式营销逐步成为商家的一种新型销售模式，但其对大学生网购行为的影响并非占主导因素。

4.2 发展建议

依据大学生网购行为的主要影响因素，网络经销商和卖家一定要秉承诚信为本、质量第一、薄利多销的销售理念，将商品的详细信息、用户真实评价及交易记录等情况详实地发布在网上，同时注重提升网站的服务质量和购物体验，明确商品分类，方便用户根据需求进行筛选，提升其操作便捷度，另外网购所涉及的相关平台也应加大对消费者信息安全和个人隐私的保护力度。

参考文献

[1]中国互联网络信息中心. 第49次中国互联网络发展状况统计报告[R/OL].（2022-02-25） [2022-04-12]. http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/202202/P020220721404263787858.pdf.

[2]田凤权， 黄娜. 大学生网购行为影响因素研究[J].中国商论， 2015 （11）： 89-91.

[3]潘雨相， 刘倩. 西安大学生网购消费行为调查分析[J].现代商业， 2017 （32）： 159-160.

[4]冯珍， 郑乐乐. 大学生网购非理性决策中的性别差异研究——基于锚定效应理论[J].数学的实践与认识， 2019， 49（19）： 145-152.

[5]郭鑫， 徐君. “互联网+”背景下顾客网购行为影响因素研究——以在校大学生为例[J]. 物流科技， 2020， 43（10）： 42-46.

[6]张彦桐， 王蕾， 陈奕彤，等.大学生“双十一”网购行为与预测分析[J].中国传媒大学学报（自然科学版），2020，27（4）： 57-61.

[7]陈键， 李海鹏， 梅曦洋. 我国当代大学生网购行为的影响因素分析[C].中国环境科学学会2021年科学技术年会论文集（三），2021：883-891.

[8]王力甲，王丁甲.鲁东地区大学生网络购物行为调查——以烟台地区部分大学为例[J].中国市场，2021（29）：108-110.

[9]张丽，王艺恒.基于因子分析的城市智慧旅游评价标准研究[J].西昌学院学报（自然科学版），2019， 33（3）：27-31.

[10]李治军，王涛.改进层次分析法-熵权法在周口市地下水资源承载力评价上的应用[J].黑龙江大学自然科学学报，2023，40（1）：84-91.

[11]徐宝见，刘媛媛，王歆玫.基于因子分析法和熵权法的大学生主观幸福感的模糊综合评价——以杭州市下沙高教园区7所本科院校为例[J].中国管理信息化，2016，19（20）：221-223.

[12]龚丽芳，吴泽俊，陈欢.基于因子分析和熵权法的赣州市水资源承载力研究[J].水利规划与设计，2021（2）：46-50，73.

[13]王雪，冉群超.大学生影视旅游动机与行为影响因素分析——基于因子分析法和熵权法[J].旅游纵览， 2021（23）：25-30.

[基金项目]洛阳师范学院校级高等教育教学改革研究与实践项目（项目编号：2021xjgj013，2020xjks011）；河南省2023年度教师教育课程改革研究项目（项目编号：2023-JSJYYB-048）。

[作者简介]张青娟，女，河南滑县人，研究方向：应用统计；通讯作者：吴增宝，男，河南延津人，博士，副教授，研究方向：优化理论及应用；张丽，女，山西长治人，硕士，副教授，研究方向：应用统计。