论文部分内容阅读
摘要 基于二项Logistic回归模型，建立了O2O模式下生鲜农产品影响因素的初始方程。树模型分析发现，年龄和月网购消费额的对数值的交互项具有统计学意义，二者具有协同效应，并得出最终的Logistic回归方程。最后，提出了发展生鲜农产品O2O平台的相关对策。
关键词 购买行为；生鲜农产品；Logistic回归模型；O2O模式
中图分类号 S126 文献标识码 A 文章编号 0517-6611（2017）34-0228-03
Abstract Based on binomial Logistic regression model， the original equation for the influencing factors of fresh agricultural product in O2O mode was established. Through tree model analysis， we found that the interactive items between age and logarithmic value of monthly online shopping consumption was of statistical significance， and the two had a synergistic effect. And the final Logistic regression equation was obtained. Finally， some related countermeasures were given for developing O2O platform of fresh agricultural product.
Key words Purchasing behavior；Fresh agricultural product；Logistic regression model；O2O mode
生鲜农产品是未经过深加工的初级农产品，一般将其称为生鲜三品（果蔬、肉类、水产品），评价生鲜农产品价值的重要指标就是产品的新鲜度。在我国，生鲜农产品在人们日常生活中是必不可少的，但因其具有不易保存、易腐易坏等特性，一直以来生鲜农产品主要通过传统渠道进行线下销售。目前，电子商务正以惊人的速度改变着人们的生活。随着互联网的普及，截至2014年6月我国网民规模达6.32亿，其中手机网民规模5.27亿，互联网普及率达46.9%。移动商务类应用在移动支付的拉动下，正历经跨越式发展，在各项网络应用中地位显得愈发重要[1]。2014年1月，国务院印发了《关于全面深化农村改革加快推进农业现代化的若干意见》[2]，明确指出要“创新农产品流通方式，加强生鲜农产品电子商务平台的建设”。互联网的快速发展，为解决农产品流通中的突出问题，提高农产品流通效率提供了新思路[3]，加快了生鲜农产品网上流通渠道的发展。
生鲜农产品电子商务的重要特点是能迅速对接消费市场，满足消费者对不同地域的特色、优质生鲜农产品的需求[4]。在电子商务模式中，O2O（Online To Offline）模式是最符合生鲜农产品特性的一种电子商务模式。O2O模式这一概念是由Alex Rampel于2010年8月提出的，经过电子商务经济实践性发展的磨炼，定义辨证地扩展为“Online To Offline和Offline To Online”的“辨证统一”。通过O2O模式，消费者可以在线上预定产品，并到实体店铺中购买；同时可以把线下有购买意向的消费者通过网上平台便捷的消费方式吸引到线上，实现線上线下的双重结合。
虽然目前O2O模式是符合生鲜农产品流通的一种电商模式，但消费者购买网上生鲜农产品时，消费者的购买意愿直接关系到O2O交易能否顺利进行，因此在生鲜农产品电子商务的发展过程中消费者的购买意愿起着重要作用。笔者对消费者O2O模式下生鲜农产品的购买意愿进行了分析，以期对生鲜农产品的O2O模式进行优化和调整，从而进一步促进生鲜农产品在O2O模式下的发展。
1 问卷设计
问卷设计时，在是否有网购经验问题上设置了逻辑跳转。当调查对象选择“否”时，则该部分结束；选择“是”时，继续回答网购消费额。影响消费者购买意愿的因素有6个维度，分别为感知收益、感知风险、总体态度、知识、信任度和购买意愿。每个维度设有2～6个问项，共计21个问项。评分尺度采用5级Likert量表，1～5分别表示不同意、不太同意、不确定、比较同意、同意。问卷内容是在参考大量国内外学者研究的基础上完成设计的，随后进行了小规模访谈，以消除问项的不明确和不全面之处。
2 数据收集
采用实地发放和网上填写问卷的方式进行调查。在调查地点的选择上，考虑了商业圈的地理位置和具有不同阶层的消费人群。在调查对象的选择上，采取随机调查方式，但坚持同一家庭成员不重复采访的原则，避免数据的重复性，以保证调查数据的客观性与科学性。此次调查共发放800份调查问卷，回收713份问卷，其中有效问卷631份，有效率为78.88%。
3 基于二项Logistic模型的购买意愿影响因素分析
Logistic回归属于概率型非线性回归，是分析因变量为定性变量的常用统计分析方法。由于Logistic回归方程对数据的正态性、方差齐性以及自变量类型不做要求，并且具有系数的可解释性等优点，使得其在医学、经济学等领域得到了广泛应用[5-8]。
3.1 Logistic初始建模
该研究借助二项Logistic模型，考察性别、年龄、家庭人数、受教育程度、月收入水平、每天上网时间、网购经验和月网购消费额等因素对O2O模式下消费者购买生鲜农产品意愿的影响。假设消费者愿意购买，则设因变量y=1；假设消费者不愿意购买，则设因变量y=0。 首先，使用描述统计考察几个变量的分布情况，如表1所示。
年齡的分布可能不属于正态分布，因此通过绘制年龄的堆积直方图和正态P-P图来考察其分布状态。月网购消费额的分布可能呈正偏态分布，通过绘制月网购消费额的箱图和正态P-P图来考察其分布状态。
图1a显示，按照购买愿意将每个年龄段细分为2段；在不愿意购买组年龄的相对比例较小，在愿意购买组年龄从低到高分布比较均匀。图1b显示年龄的总体分布较接近正态分布，虽然仍然存在一些差异，但可以考虑进行模型分析。
从图2可以看出，不愿意购买组的月网购消费额低于愿意购买组，且月网购消费额不服从正态分布，也存在离群值和极端值。为此，考虑对月网购消费额的数据进行自然对数变换，以减弱离群值的影响。
由于“每天上网时间”“月收入水平”和“受教育程度”是分类变量，因此对其进行哑变量定义。在对上述哑变量的系数进行估计时，可得出每个哑变量和参照水平之间的差异。
模型显示了似然比值（82.427）和2个伪决定系数Cox & Snell R2（0.552）、Nagelkerke R2（0.683）。其中，伪决定系数大于0.5，表示模型中自变量解释的因变量的变异占因变量总变异的比例较高。引入自变量后，对回归模型的预测结果分类，当P>0.5时，判断结果为阳性。其中，不愿意购买和愿意购买的百分比分别为74.8%和82.1%，说明消费者选择O2O模式购买生鲜农产品的意愿大多数被正确预测，且总正确率为78.5%，预测结果较为理想。
研究发现，性别、家庭人数、学历和月收入水平这4个变量的回归结果不显著，说明消费者对生鲜农产品的购买意愿对上述几个变量反应不敏感。因此，在剔除上述几个变量后，又进行了回归分析，其结果如表2所示。
由此可构建O2O模式下的生鲜农产品购买意愿二项Logistic回归方程：购买意愿=-2.271-0.321×年龄+0.138×每天上网时间+1.272×网购经验+0.243×ln（月网购消费额）。
3.2 树模型分析
通过Logistic回归分析，得到了基本分析结果。考虑到各自变量之间存在交互作用以及各自变量和因变量之间可能存在的联系，利用树模型进行分析，以发现交互项。该研究采用CHAID方法，分析结果如图3所示。
树模型分析结果表明，年龄、月网购消费额的对数值和家庭人数作为节点被拆分，表明了三者之间存在交互作用。
此次调查结果表明，影响消费者选择O2O模式购买生鲜农产品的各因素影响程度不一（图4）。年龄、月网购消费额的对数值、受教育程度、家庭人数依次排在影响消费者选择O2O模式购买生鲜农产品因素重要性的前4位。其中，年龄这一自变量标准化的重要性达到100%，月网购消费额的对数值、受教育程度和家庭人数自变量标准化的重要性在50%以上，与Logistic回归分析结果基本一致。由于家庭人数这一变量在Logistic回归分析中没有进入模型，因此只对年龄和月网购消费额的对数值进行交互作用分析。效应检验及具体参数估计如表3所示。
根据上述结果可知，年龄和月网购消费额对数值的交互项具有统计学意义。对其系数取正可知，二者具有协同效应。此外，树模型和Logistic回归模型的分析结果存在相互印证和对应的关系，得出最终的Logistic回归方程：
购买意愿=-2.664-0.321×年龄+0.138×每天上网时间+1.272×网购经验+0.243×lnx+0.368×年龄×lnx（x为月网购消费额）。
4 对策
通过以上结果分析可知，年龄、月网购消费额、受教育程度和家庭人数依次排在影响消费者选择O2O模式购买生鲜农产品因素重要性的前4位。性别、学历和月收入水平这3个变量对消费者选择O2O模式购买生鲜农产品的购买意愿影响不大。为了更好地发展这种模式，提出以下对策：
①商家在宣传O2O模式下购买生鲜农产品时，应当用通俗易懂的语言，建立起消费者对媒介网站的正确态度并着重选择年龄段在20～30、月网购消费额较高、能熟练掌握网购程序和家庭人数超过2人的人群，他们对O2O模式下购买生鲜农产品易于接受。②我国农业将会迎来规模化经营主体发展的成熟时期，应整合供应商资源，与优良的生产基地建立合作关系，缩短供应链，运用现代化技术使生产者和消费者实现信息共享。③开放生产基地，O2O模式不仅销售产品，更是一种线下体验。消费者可通过参观生产基地，了解生鲜农产品的生长环境、体验生鲜农产品的采摘过程和试吃，增强消费者对产品质量的信任，提高透明度，又在此过程中为消费者提供了良好的购物体验。④企业或商家在推广O2O模式网购生鲜农产品时应该建立物流监督体制，确保生鲜农产品能在短时间内到达消费者手中，进而保证生鲜农产品的新鲜度，提高消费者的满意程度，以此利用病毒式营销来推广O2O模式网购生鲜农产品的营销方案。
参考文献
[1] 中国互联网络信息中心.第34次中国互联网络发展状况统计报告[J].互联网天地，2014（7）：71-89..
[2] 中共中央 国务院 关于全面深化农村改革加快推进农业现代化的若干意见[J].农村工作通讯，2014（3）：9-14.
[3] 樊西峰.鲜活农产品流通电子商务模式构想[J].中国流通经济，2013，27（4）：85-90.
[4] 刘建鑫，王可山，张春林.生鲜农产品电子商务发展面临的主要问题及对策[J].中国流通经济，2016，30（12）：57-64.
[5] 王昊.Logistics回归模型在广东省房价预测中的应用研究[J].现代商贸工业，2010，22（16）：304-306.
[6] 董晓萌.Logistic回归模型诊断肺癌病人的生存时间[J].科学技术与工程，2010，10（26）：6519-6520，6533.
[7] 袁建林，陈立文，景楠.基于Logistic的房地产上市公司经济效益风险评价研究[J].统计与决策，2010（18）：77-79.
[8] 常振海，刘薇.Logistic回归模型及其应用[J].延边大学学报（自然科学版），2012，38（1）：28-32.
关键词 购买行为；生鲜农产品；Logistic回归模型；O2O模式
中图分类号 S126 文献标识码 A 文章编号 0517-6611（2017）34-0228-03
Abstract Based on binomial Logistic regression model， the original equation for the influencing factors of fresh agricultural product in O2O mode was established. Through tree model analysis， we found that the interactive items between age and logarithmic value of monthly online shopping consumption was of statistical significance， and the two had a synergistic effect. And the final Logistic regression equation was obtained. Finally， some related countermeasures were given for developing O2O platform of fresh agricultural product.
Key words Purchasing behavior；Fresh agricultural product；Logistic regression model；O2O mode
生鲜农产品是未经过深加工的初级农产品，一般将其称为生鲜三品（果蔬、肉类、水产品），评价生鲜农产品价值的重要指标就是产品的新鲜度。在我国，生鲜农产品在人们日常生活中是必不可少的，但因其具有不易保存、易腐易坏等特性，一直以来生鲜农产品主要通过传统渠道进行线下销售。目前，电子商务正以惊人的速度改变着人们的生活。随着互联网的普及，截至2014年6月我国网民规模达6.32亿，其中手机网民规模5.27亿，互联网普及率达46.9%。移动商务类应用在移动支付的拉动下，正历经跨越式发展，在各项网络应用中地位显得愈发重要[1]。2014年1月，国务院印发了《关于全面深化农村改革加快推进农业现代化的若干意见》[2]，明确指出要“创新农产品流通方式，加强生鲜农产品电子商务平台的建设”。互联网的快速发展，为解决农产品流通中的突出问题，提高农产品流通效率提供了新思路[3]，加快了生鲜农产品网上流通渠道的发展。
生鲜农产品电子商务的重要特点是能迅速对接消费市场，满足消费者对不同地域的特色、优质生鲜农产品的需求[4]。在电子商务模式中，O2O（Online To Offline）模式是最符合生鲜农产品特性的一种电子商务模式。O2O模式这一概念是由Alex Rampel于2010年8月提出的，经过电子商务经济实践性发展的磨炼，定义辨证地扩展为“Online To Offline和Offline To Online”的“辨证统一”。通过O2O模式，消费者可以在线上预定产品，并到实体店铺中购买；同时可以把线下有购买意向的消费者通过网上平台便捷的消费方式吸引到线上，实现線上线下的双重结合。
虽然目前O2O模式是符合生鲜农产品流通的一种电商模式，但消费者购买网上生鲜农产品时，消费者的购买意愿直接关系到O2O交易能否顺利进行，因此在生鲜农产品电子商务的发展过程中消费者的购买意愿起着重要作用。笔者对消费者O2O模式下生鲜农产品的购买意愿进行了分析，以期对生鲜农产品的O2O模式进行优化和调整，从而进一步促进生鲜农产品在O2O模式下的发展。
1 问卷设计
问卷设计时，在是否有网购经验问题上设置了逻辑跳转。当调查对象选择“否”时，则该部分结束；选择“是”时，继续回答网购消费额。影响消费者购买意愿的因素有6个维度，分别为感知收益、感知风险、总体态度、知识、信任度和购买意愿。每个维度设有2～6个问项，共计21个问项。评分尺度采用5级Likert量表，1～5分别表示不同意、不太同意、不确定、比较同意、同意。问卷内容是在参考大量国内外学者研究的基础上完成设计的，随后进行了小规模访谈，以消除问项的不明确和不全面之处。
2 数据收集
采用实地发放和网上填写问卷的方式进行调查。在调查地点的选择上，考虑了商业圈的地理位置和具有不同阶层的消费人群。在调查对象的选择上，采取随机调查方式，但坚持同一家庭成员不重复采访的原则，避免数据的重复性，以保证调查数据的客观性与科学性。此次调查共发放800份调查问卷，回收713份问卷，其中有效问卷631份，有效率为78.88%。
3 基于二项Logistic模型的购买意愿影响因素分析
Logistic回归属于概率型非线性回归，是分析因变量为定性变量的常用统计分析方法。由于Logistic回归方程对数据的正态性、方差齐性以及自变量类型不做要求，并且具有系数的可解释性等优点，使得其在医学、经济学等领域得到了广泛应用[5-8]。
3.1 Logistic初始建模
该研究借助二项Logistic模型，考察性别、年龄、家庭人数、受教育程度、月收入水平、每天上网时间、网购经验和月网购消费额等因素对O2O模式下消费者购买生鲜农产品意愿的影响。假设消费者愿意购买，则设因变量y=1；假设消费者不愿意购买，则设因变量y=0。 首先，使用描述统计考察几个变量的分布情况，如表1所示。
年齡的分布可能不属于正态分布，因此通过绘制年龄的堆积直方图和正态P-P图来考察其分布状态。月网购消费额的分布可能呈正偏态分布，通过绘制月网购消费额的箱图和正态P-P图来考察其分布状态。
图1a显示，按照购买愿意将每个年龄段细分为2段；在不愿意购买组年龄的相对比例较小，在愿意购买组年龄从低到高分布比较均匀。图1b显示年龄的总体分布较接近正态分布，虽然仍然存在一些差异，但可以考虑进行模型分析。
从图2可以看出，不愿意购买组的月网购消费额低于愿意购买组，且月网购消费额不服从正态分布，也存在离群值和极端值。为此，考虑对月网购消费额的数据进行自然对数变换，以减弱离群值的影响。
由于“每天上网时间”“月收入水平”和“受教育程度”是分类变量，因此对其进行哑变量定义。在对上述哑变量的系数进行估计时，可得出每个哑变量和参照水平之间的差异。
模型显示了似然比值（82.427）和2个伪决定系数Cox & Snell R2（0.552）、Nagelkerke R2（0.683）。其中，伪决定系数大于0.5，表示模型中自变量解释的因变量的变异占因变量总变异的比例较高。引入自变量后，对回归模型的预测结果分类，当P>0.5时，判断结果为阳性。其中，不愿意购买和愿意购买的百分比分别为74.8%和82.1%，说明消费者选择O2O模式购买生鲜农产品的意愿大多数被正确预测，且总正确率为78.5%，预测结果较为理想。
研究发现，性别、家庭人数、学历和月收入水平这4个变量的回归结果不显著，说明消费者对生鲜农产品的购买意愿对上述几个变量反应不敏感。因此，在剔除上述几个变量后，又进行了回归分析，其结果如表2所示。
由此可构建O2O模式下的生鲜农产品购买意愿二项Logistic回归方程：购买意愿=-2.271-0.321×年龄+0.138×每天上网时间+1.272×网购经验+0.243×ln（月网购消费额）。
3.2 树模型分析
通过Logistic回归分析，得到了基本分析结果。考虑到各自变量之间存在交互作用以及各自变量和因变量之间可能存在的联系，利用树模型进行分析，以发现交互项。该研究采用CHAID方法，分析结果如图3所示。
树模型分析结果表明，年龄、月网购消费额的对数值和家庭人数作为节点被拆分，表明了三者之间存在交互作用。
此次调查结果表明，影响消费者选择O2O模式购买生鲜农产品的各因素影响程度不一（图4）。年龄、月网购消费额的对数值、受教育程度、家庭人数依次排在影响消费者选择O2O模式购买生鲜农产品因素重要性的前4位。其中，年龄这一自变量标准化的重要性达到100%，月网购消费额的对数值、受教育程度和家庭人数自变量标准化的重要性在50%以上，与Logistic回归分析结果基本一致。由于家庭人数这一变量在Logistic回归分析中没有进入模型，因此只对年龄和月网购消费额的对数值进行交互作用分析。效应检验及具体参数估计如表3所示。
根据上述结果可知，年龄和月网购消费额对数值的交互项具有统计学意义。对其系数取正可知，二者具有协同效应。此外，树模型和Logistic回归模型的分析结果存在相互印证和对应的关系，得出最终的Logistic回归方程：
购买意愿=-2.664-0.321×年龄+0.138×每天上网时间+1.272×网购经验+0.243×lnx+0.368×年龄×lnx（x为月网购消费额）。
4 对策
通过以上结果分析可知，年龄、月网购消费额、受教育程度和家庭人数依次排在影响消费者选择O2O模式购买生鲜农产品因素重要性的前4位。性别、学历和月收入水平这3个变量对消费者选择O2O模式购买生鲜农产品的购买意愿影响不大。为了更好地发展这种模式，提出以下对策：
①商家在宣传O2O模式下购买生鲜农产品时，应当用通俗易懂的语言，建立起消费者对媒介网站的正确态度并着重选择年龄段在20～30、月网购消费额较高、能熟练掌握网购程序和家庭人数超过2人的人群，他们对O2O模式下购买生鲜农产品易于接受。②我国农业将会迎来规模化经营主体发展的成熟时期，应整合供应商资源，与优良的生产基地建立合作关系，缩短供应链，运用现代化技术使生产者和消费者实现信息共享。③开放生产基地，O2O模式不仅销售产品，更是一种线下体验。消费者可通过参观生产基地，了解生鲜农产品的生长环境、体验生鲜农产品的采摘过程和试吃，增强消费者对产品质量的信任，提高透明度，又在此过程中为消费者提供了良好的购物体验。④企业或商家在推广O2O模式网购生鲜农产品时应该建立物流监督体制，确保生鲜农产品能在短时间内到达消费者手中，进而保证生鲜农产品的新鲜度，提高消费者的满意程度，以此利用病毒式营销来推广O2O模式网购生鲜农产品的营销方案。
参考文献
[1] 中国互联网络信息中心.第34次中国互联网络发展状况统计报告[J].互联网天地，2014（7）：71-89..
[2] 中共中央 国务院 关于全面深化农村改革加快推进农业现代化的若干意见[J].农村工作通讯，2014（3）：9-14.
[3] 樊西峰.鲜活农产品流通电子商务模式构想[J].中国流通经济，2013，27（4）：85-90.
[4] 刘建鑫，王可山，张春林.生鲜农产品电子商务发展面临的主要问题及对策[J].中国流通经济，2016，30（12）：57-64.
[5] 王昊.Logistics回归模型在广东省房价预测中的应用研究[J].现代商贸工业，2010，22（16）：304-306.
[6] 董晓萌.Logistic回归模型诊断肺癌病人的生存时间[J].科学技术与工程，2010，10（26）：6519-6520，6533.
[7] 袁建林，陈立文，景楠.基于Logistic的房地产上市公司经济效益风险评价研究[J].统计与决策，2010（18）：77-79.
[8] 常振海，刘薇.Logistic回归模型及其应用[J].延边大学学报（自然科学版），2012，38（1）：28-32.