随着我国非现金支付工具的发展,其改变我国居民的消费方式与消费习惯的同时,也受到我国居民消费的转型升级的巨大影响。支付工具种类的增多,支付市场的不断细分,支付工具间、支付参与主体间的竞合关系日益复杂。这给我国传统银行业金融机构的业务带来巨大冲击的同时,政府在如何制定长久且有效的市场机制时也面临着很大的挑战。而支付市场的竞争实质上就是对终端用户的竞争,因此需要从微观层面了解影响用户支付选择行为的因素。这不仅有助于支付服务机构了解用户市场,更有助于在当前支付工具市场快速演化发展过程中分析支付工具间的替代规律,为各支付机构市场竞争策略和政府引导政策提供依据。本文从支付消费场景、支付金额与人口特征三大重要因素探究其对用户支付工具使用选择的影响,主要内容包括以下几个方面。第一,本文在探究居民总消费与消费结构对于支付工具选择的影响时,通过聚类方法把消费者划分成偏小额消费为主用户、偏大额消费为主用户以及小中大额消费用户三大类,并采用逻辑回归、随机梯度树、XGBoost等五种机器学习模型进行支付工具使用选择预测。结果显示XGBoost算法的预测表现最优,本文进一步基于该模型构建SHAP解释模型,得到结论总消费、用户消费结构、用户异质性对现金与非现金支付工具选择均有显著的影响。其中总消费与现金支付工具使用呈负向影响,与非现金支付工具使用则呈正向影响。偏小额结构用户偏好使用现金,偏大额结构用户偏好使用信用卡。用户异质性方面,年龄、文化程度、家庭年收入、性别是最主要的影响因素。第二,本文在探究居民消费类型对于支付工具选择的影响时,采用RF、GBDT、Cat Boost三种基于集成树的特征筛选算法和上一部分相同的五种机器学习模型相结合的方法,进行支付工具选择预测。结果显示RF-XGBoost组合模型预测性能最优,通过SHAP解释模型得到结论,消费细分场景与支付金额大小对于用户非现金支付工具使用具有显著影响,特别是伙食费、日常用品、美容支出、交通费、教育培训、旅游支出、医疗支出、网购等几大类。其中现金支付工具对于伙食费、日常用品等小额支付场景有明显的偏好,而非现金支付工具则对教育、旅游、医疗等大额支付场景更为偏好。总体而言,本文基于前期研究较为全面考虑了影响用户支付工具选择的影响因素,并通过机器学习模型进一步证实我国支付工具在不同消费场景和不同消费金额下的差异。该研究是对中国支付市场分析不足的补充,对于我国快速演化发展的支付市场具有一定的理论和实践价值。