C2C电子商务卖家及其产品成交量的多层线性影响分析

2012-07-16莫玲娜

财务与金融 2012年1期

甘平莫玲娜

一、引言

网上购物的便利性和低成本等优点，促使网上购物的网民越来越多，网购已成为人们一种新的生活方式。影响产品成交量的因素不仅是多方面的而且是多层次的，如果我们能清晰地了解到哪些因素对产品的成交量是重要的，哪些是次要的，商家就可以采取相应措施，制定相应策略，提高产品的产品成交量。

二、模型选取与假设

1.模型构建

影响成交量的因素有很多，本文认为成交量的重要影响因素有产品水平上的价格，信息描述，默认排名，以及商家水平上的卖家信用度和卖家好评率。据此本文选取了四种多层线性模型对影响成交量的因素进行分析，这四种研究模型是零模型，随机系数模型，截距预测模型和斜率预测模型。

（1）零模型

在多层线性模型的研究分析中，本研究推论产品水平和商家水平的变量会对产品的成交量产生直接效果的影响。为了验证本研究假说，研究将变量的变异成分分为组内变异和组间变异两部分，且组间变异必须不为0。用来确认各产品的成交量是否会因为总体层次的不同而有所差异。

零模型的估计具有以下目的：考验各组之间是否有差异，估计总变异中有多少变异是由组间的变异所造成、以及提供初步信息，以作为进一步分析其他模型时的比较基础。在本模型研究，主要弄清以下问题：

①不同商家在成交量上是否有显著差异？

②成交量的总变异中有多少的百分比是由于商家间的变异所造成的？

（2）随机系数模型

各个商家的因素对成交量的影响力是不同的，故定义随机系数模型，以确定水平1的那些回归系数在水平2上是随机变异的。用产品价格、信息描述和默认排名作为自变量，产品成交量作为因变量建立的不包括第二层预测变量的二层线性随机系数回归模型。主要弄清一下问题：

①54个商家所形成的54条回归方程式的平均截距（各商家平均成交量的平均值）以及平均斜率（价格，信息描述和默认排名对成交量影响的平均值）为多少。

②上述54条回归方程式中，彼此的截距（各商家平均成交量）和斜率（价格，信息描述，默认排名对成交量的影响）是否有差异。

（3）截距预测模型

该模型检测截距项的存在是否可由第二层次上的变量（即卖家信用度和卖家好评率）加以解释，希望弄清下面的问题：

①卖家信用度和卖家好评率是否会影响产品成交量？

②除去卖家信用度和卖家好评率所能解释的变异量之后，成交量是否仍然会有显著的差异?

（4）斜率预测模型

由以上建立的随机系数回归模型，可知道不同商家的斜率是否存在显著差异。本研究进一步分析斜率的变异成分是否可由第二层（商家水平）的变量所解释。希望弄清的问题：

①卖家信用和卖家好评率是否可以解释第一层次斜率的变异成分？

②如果问题（1）成立，则解释量有多少？

3.研究假设

本文提出如下假设：

（1）不同商家之间的成交量具有明显的差异。

（2）价格与成交量成负相关，价格越低，成交量越大。

（3）信息描述与成交量的关系式正相关，信息描述越详细，成交量越大。

（4）默认排名与成交量成正相关的关系，默认排名得分越高，成交量越大。

（5）卖家信用度影响产品成交量。加强信息描述与成交量的正向关系，对价格和成交量的关系也产生影响。

（6）卖家好评率对产品的成交量产生正向影响，加强价格和成交量的负相关系，加强产品信息和成交量的正向关系。

三、数据与数据处理

1.数据收集

（1）样本

本研究的研究对象是淘宝网上加入消费者保障计划的商家与其产品。产品和商家的相关属性有很多，譬如产品价格，产品收藏人气，产品浏览量，产品默认排名，产品信息描述，产品数量，卖家信用度，卖家好评率，买家信用度，买家好评率等。本研究探讨的是成交量的影响因素，收集数据的时候挑选了消费者购物最可能考虑的产品价格，产品信息描述，产品默认排名，卖家信用度和卖家好评率五个因素。收集数据时，商家选取按商家等级进行。淘宝网商家等级分为红心，钻石，皇冠，金冠四种等级，其中每个等级又分为5个小等级，金冠等级比皇冠高，皇冠等级比钻石高，钻石等级比红心高，而同一等级（譬如同为金冠等级），5级又比1级高。等级越高，卖家信用度越高。等级划分参考表1：

表1 淘宝店铺信用等级表

样本1：为了减少分析时的误差，数据收集时，选取的商家剔除了最低级别的“红心”等级和最高级别的“金冠”等级，在“钻石”和“皇冠”等级中选取。其中1钻商家5个，2钻1个，4钻商家9个，1皇冠商家15个，3皇冠商家7个，4皇冠3个，5皇冠商家14个，合计商家54个。

样本2：产品的选取按网上商品类型进行。网络商品类型分为搜索型、体验I型（非耐用品，如服饰等）、体验II型（耐用品，如手机等）、信任型4大类。

在样本1所选取的商家中，选取合适的商品。搜索型产品61条数据，体验I型的产品171条数据，体验II型的产品101条数据，信任型的产品138条数据。

手工收集的部分原始数据如下：

表2 搜索型产品部分原始数据

80 10 66642 99.94 2 5.00 80 10 70544 99.94 19 7.20 50 89 19672 100.0 2 8.00 50 66 19455 98.74 150 9.88 50 71 14623 99.84 6 9.90 80 98 325177 99.85 3 14.00 60 62 4698 99.87 2 5

表3 体验I型产品原始数据

表4 体验II型产品原始数据

表5 信任型产品原始数据

（2）变量的初步筛选

参考以往关于影响消费者网上购物因素的结论，初步确定了影响产品成交量的产品水平变量和商家水平变量，如下：

产品水平变量：产品价格，产品信息描述，产品默认排名

商家水平变量：卖家信用，卖家好评率

产品成交量、产品价格、产品浏览量、卖家信用、卖家好评率的数据可以通过软件在淘宝网上直接抓取，但产品信息描述无法直接获取数据，所以本研究设计了产品信息描述的评分标准，具体情况如下：

表6 产品信息描述评分标准

统计完后，将产品的功能说明，使用说明，常见问题处理，照片说明，其他信息的得分相加，就是该产品的信息描述得分。

产品的默认排名是按百分制根据每个产品的默认排名评分。默认排名第一，则该产品默认排名得分为100，默认排名第二，则该产品默认排名得分为99，如此类推，默认排名第100位则得分为0分。

（3）原始数据初步处理

本研究采用采用手工方式进行原始数据的收集，用excel表储存数据，用SPSS对数据进行标准化。在本研究中，成交量，价格，好评率三个因素采用的是网站收集的原始数据，信息描述和默认排名是根据一定的评分指标收集的，卖家信用在进行分析前用SPSS进行了T分数处理。本研究运用SPSS16.0和HLM6软件进行所有的统计分析。

2.数据处理及模型优化分析

（1）样本描述性信息

表7 数据描述性信息

（2）零模型的数据处理

表8 零模型的结果摘要表

（3）随机系数回归模型数据处理

表9 随机系数模型的结果摘要表

默认排名对成交量的影响，γ30 0.240224 0.165739 1.449 0.153随机效果方差分量自由度 x2 P值成交量， μ0j 1182.92881 36 232.27924 0.000价格对成交量的效果， μ1j 0.02345 36 50.36596 0.056信息描述对成交量的效果，μ2j 10.20405 36 230.80740 0.000默认排名对成交量的效果，μ3j 1.17707 36 203.94381 0.000阶层一效果， μij 2823.76038

从表9可以看出，价格的相关系数为β=0.006732，P=0.816＞0.05，默认排名的相关系数为β=0.240224，P=0.153＞0.05。

在该模型中，价格和默认排名对成交量的影响不显著。在此基础上调整随机系数回归模型，对随机系数回归模型进行优化，将默认排名的随机部分固定为常数，优化后的模型如下：

该模型的最大特点是默认排名的随机部分固定为定值，即是说默认排名在不同商家水平上没有明显的差异。

优化后的模型运行结果如表10：

表10 随机系数模型的结果摘要表

（4）截距预测模型数据处理

截距预测模型研究的主要问题是卖家信用度和卖家好评率是否会影响产品成交量，除去卖家信用度和卖家好评率所能解释的变异量之后，成交量是否仍然会有显著的差异。该模型有模式1和模式2两种模型，模式1先考虑卖家信用度是否会影响产品的成交量，模式2在模式1的基础上加进变量卖家好评率，进行进一步的探讨。模式1的处理结果如表11：

表11 截距预测模型模式1运行结果摘要表

表12 截距预测模型模式2运行结果摘要表

（5）斜率预测模型

斜率预测模型模式1的结果运行结果见表13：

表13 截距预测模型模式2运行结果摘要表

从表13可以看出，卖家信用度对价格和成交量的关系影响不显著（β=0.000580，p=0.800），并减弱价格和成交量的负向关联程度。即卖家好评率对价格和成交量的影响也不显著（β=-0.044278，p=0.246）。这样的结果显然是不符合实际的，优化斜率预测模型模式1，得到优化后的模型。

优化后的斜率预测模型模式1：

优化后的斜率预测模型模式1的运行结果如表14：

表14 优化后的斜率预测模型模式1的结果摘要表

从表14可以看出，优化后的模型，卖家好评率对价格和成交量的负向相关关系产生显著的影响（β=-0.038217，p=0.008）。卖家好评率系数的符号与价格系数的符号相同，表示卖家好评率加强价格和成交量的关联程度。

在优化后斜率预测模型模式的基础上，优化斜率预测模型模式2，得到以下模型。

优化后的斜率预测模型模式2：

优化后的斜率预测模型模式2的运行结果如表15。

表15 优化后的斜率预测模型模式2的结果摘要表

从表15，可以看出卖家信用度对信息描述和成交量的关系产生显著影响（β=0.120227，p=0.023），加强信息描述和成交量的正向关联程度。卖家好评率对信息描述和成交量的关系也产生显著的影响（β=0.693421，p=0.015）。卖家好评率系数符号为正，与信息描述的系数符号相同，加强信息描述和成交量的正向关联程度。

在优化后的斜率预测模型模式2的基础上，优化斜率预测模型模式3。在第一层加入默认排名变量时，要注意优化后的随机系数回归模型中，验证了默认排名在不同商家之间没有显著的差异。所以在优化后的斜率预测模型模式3将默认排名的系数设定为固定值。

优化后的斜率预测模型模式3：

优化后的斜率预测模型模式3的运行结果见表16。

表16 优化后的斜率预测模型模式3的结果摘要表

卖家好评率影响， γ11 -0.053333 0.017041 -3.130 0.003信息描述对成交量截距， γ20 1.234759 0.365825 3.375 0.002卖家信用度影响， γ21 0.109876 0.048911 2.246 0.029卖家好评率影响， γ22 0.599006 0.256154 2.338 0.023默认排名对成交量截距， γ30 0.289885 0.188359 1.539 0.124随机效果方差成分自由度 x2 p值商家效果， μ0j 914.41831 41 124.20061 0.000价格对成交量的效果， μ1j 0.00147 42 15.02084 ＞.500信息描述对成交量的效果，μ2j 6.03405 41 86.06587 0.000层次一的效果， μij 4092.41114

四、结论

1.零模型结论分析

从表8中可看出最大概似估计的结果中，各商家成交量平均数估计值是20.144199，估计标准误是5.801820。商家间的方差分量达0.01的显著水平，代表各商家在成交量上有显著的差异。由商家间变异（τ00）与产品水平上的变异（σ2）可以算出内在组别相关系数

代表成交量的总变异中，有14.9203%是由商家所造成的。另外，各个商家的样本平均数的信度计算公式为：

整体信度指标，为各个商家样本平均数的信度估计值的平均数：

本研究共有411个样本，根据公式（5.2）和（5.3），计算出λ＾=0.332264，表示以各个商家的样本平均数估计值作为真实商家平均数的指标时，可信度不高。

2.随机系数模型结论分析

从表10可以看出成交量的总平均值为19.595359，标准误为5.522514，与表 4.11中的20.144199相当接近。产品价格是一个显著的负向因子，对成交量有显著的负向影响（β=-0.044756，P=0.003）。在保持其他变量恒定的情况下，价格每增加一个单位，成交量就平均减少0.044756个单位。这意味着价格是有效预测成交量的变量。信息描述是一个显著的正向预期因子，对成交量有正向影响（β=1.349501,P=0.04）,在其他变量恒定的情况下，信息描述每增加一个单位，成交量就平均增加1.349501个单位。从表中可以看出，默认排名对成交量的影响不显著（β=0.301158，P=0.112＞0.05）。价格和信息描述能解释成交量变异的百分比=（5588.36 120-4051.28044）/5588.36120=27.51%。

3.截距预测模型结论分析

从表11可以看出，卖家信用度对成交量有显著的影响（T=2.239,P=0.029），卖家信用度所能解释的成交量变异的百分比=

然而，当去掉卖家信用度所能解释的变异量29.81%之后，各商家的成交量仍有显著差异（τ00=687.86646，df=52,X2=95.74230,P＜0.01）。此表示成交量上的差异，尚待其他变量来解释。此时=0.1096。即卖家信用度对成交量总体变异的解释量为10.96%。

从表12可以看出，卖家好评率对成交量有显著的影响（T=2.230,P=0.030），卖家好评率和卖家信用度所能解释的成交量变异的百分比=

然而，当去掉卖家信用度和好评率所能解释的变异量之后，各商家的成交量仍有显著差异（τ00=690.94054，df=52，X2=93.57749,P＜0.01）。此表示成交量上的差异，尚待其他变量来解释。此时1098。即卖家信用度和卖家好评率对成交量总体变异的解释量为10.98%。

在这模型中，考虑了卖家好评率对成交量的影响，解释量由原来的10.96%变成现在的10.98%，说明卖家好评率确实对成交量产生影响。

4.斜率预测模型

从表16可以看出卖家信用度会对信息描述与成交量的正向关系产生显著的影响（β=0.109876，p=0.029）。在其他变量恒定的情况下，卖家信用度每增加一个单位，信息描述对成交量的影响（斜率）就增加0.109876个单位。卖家好评率加强价格和成交量的关联强度，在其他变量恒定的情况下，卖家信用度每减少一个单位，价格对成交量的影响（斜率）就减少0.053333个单位。卖家好评率加强信息描述与成交量的正向关联，在其他变量恒定的情况下，卖家信用度每增加一个单位，信息描述对成交量的影响（斜率）就增加0.599006个单位。

从表10和表16中提取数据，可以计算出商家变量所解释的方差成分和比例，详细见表17。