南京郵電大學(xué) 曹婷 梁婧婕 呂璞鑫 何知俠

?

移動支付對大學(xué)生消費的影響探析①

南京郵電大學(xué) 曹婷 梁婧婕 呂璞鑫 何知俠

摘 要：隨著科技的不斷發(fā)展，3G/4G網(wǎng)絡(luò)的推出，讓手機(jī)使用起來更加方便，現(xiàn)金支付、卡類支付、網(wǎng)絡(luò)支付已經(jīng)不再能滿足人們的支付需求，手機(jī)支付儼然成為了大眾的新寵。本文以南京大學(xué)生為對象，調(diào)查南京大學(xué)生對手機(jī)支付的接受和使用情況，建立判別分析模型，將已有的樣本分類，進(jìn)而可以對任意新的樣本歸類，從而為手機(jī)支付商的良性推薦提供建議意見。

關(guān)鍵詞：手機(jī)支付 R語言 費希爾判別

1 研究背景

手機(jī)支付也稱為移動支付（Mobile Payment），是指允許移動用戶使用其移動終端（通常是手機(jī)）對所消費的商品或服務(wù)進(jìn)行賬務(wù)支付的一種服務(wù)方式。繼卡類支付、網(wǎng)絡(luò)支付后，手機(jī)支付儼然成為一種新型的支付方式。隨著社會科技的飛躍發(fā)展，在這個網(wǎng)絡(luò)大爆炸的時代，手機(jī)支付是滿足消費多元化的支付需求與高新技術(shù)發(fā)展的產(chǎn)物，使得它本身具有更大的優(yōu)越性。手機(jī)支付實現(xiàn)了手機(jī)客戶端代替錢包，隨時隨地進(jìn)行支付的愿望，關(guān)于這種新型支付，能夠為用戶帶來快捷、方便、安全的全新體驗，滿足了人們更高的消費需求。我國使用手機(jī)支付產(chǎn)品的人群日益增長，尤其在大學(xué)生群體中普及度超過90%，那究竟是哪些因素導(dǎo)致這部分人選擇手機(jī)支付呢？又是什么因素導(dǎo)致這部分人愿意更多使用手機(jī)支付花費呢？為了能進(jìn)一步滿足用戶多元化的需求，帶著這樣的問題，我們對南京大學(xué)生做了手機(jī)支付使用情況的調(diào)查。

2 調(diào)查目的

在這個網(wǎng)絡(luò)迅速發(fā)展的時代，手機(jī)支付的功能越來越強(qiáng)大，安全也越來越有保障，但是，在享受手機(jī)支付給我們帶來益處的同時，手機(jī)支付難免會有不足之處，這就需要通過廣泛的實踐從而使它更加完善，希望可以有更多的人能夠享受到更好的手機(jī)支付體驗。我們既是以此為出發(fā)點，以問卷調(diào)查形式確定“南京大學(xué)生使用手機(jī)支付的統(tǒng)計調(diào)查問卷”為課題的社會實踐，其方法是對大學(xué)生手機(jī)支付使用狀況的實際調(diào)研及分析。

3 調(diào)查結(jié)果的基本統(tǒng)計分析

在學(xué)生消費的周邊商家中，有79.51%的學(xué)生認(rèn)為大部分的商家都接受手機(jī)支付。其中，有55.35%學(xué)生認(rèn)為有大部分商家會提供額外的優(yōu)惠，其次有32.11%的學(xué)會認(rèn)為僅有一部分商家會提供額外的優(yōu)惠，而僅有10.4%的學(xué)生認(rèn)為接受手機(jī)支付的商家并沒有提供什么額外的優(yōu)惠，而2.14%的學(xué)生認(rèn)為所有的商家均會提供額外的優(yōu)惠。

學(xué)生在使用手機(jī)支付的商家中會因促銷活動而更愿意使用手機(jī)支付的程度：正如圖1中所看到的，有40%的人會參加50%以下的商家促銷活動，認(rèn)為沒必要或參加額外的活動麻煩；其次是會參加50%的商家促銷活動，要視商家促銷金額而定的學(xué)生有99人占比30.28%；較兩端的學(xué)生（即要參加所有的商家促銷活動和基本不會參加商家促銷活動）均不超過10%，間接說明大部分學(xué)生是能夠理性地看待商家促銷并合理使用手機(jī)支付。而在參加促銷活動時有63%的學(xué)生會買日用品，59%的學(xué)生會考慮買飲食類，55%的學(xué)生會購買服飾類，而有23%和21%的學(xué)生會購買電子產(chǎn)品和圖書報刊，對于學(xué)生購買家電的則趨于少數(shù)，如圖2所展示：

圖1 促銷活動對學(xué)生消費意愿的影響

圖2 使用手機(jī)支付購買產(chǎn)品比例

在愿意使用手機(jī)支付的因素中，327份問卷中有223人認(rèn)為是攜帶和使用方便導(dǎo)致他們更愿意使用手機(jī)支付，占到68.2%的比例； 58.1%的學(xué)生認(rèn)為手機(jī)支付快速及時的優(yōu)點很有吸引力；其次學(xué)生認(rèn)為手機(jī)支付的優(yōu)惠活動豐富和支付范圍廣泛以及開通賬戶方便的比例占到37.6%、34.6%和23%，但也有不超過3%的學(xué)生有其他因素。相比于愿意使用手機(jī)支付的因素，學(xué)生對不愿意使用手機(jī)支付就變得相對晦澀了，有41%的學(xué)生認(rèn)為手機(jī)支付的安全性能還是較低，應(yīng)該加強(qiáng)，這也是他們最不愿意使用手機(jī)支付的原因，其次手機(jī)支付的覆蓋范圍不夠廣泛也占到了很大的比例31.2%。

綜上分析可知，在學(xué)生的觀念中，手機(jī)支付的作用越來越大，消費越來越離不開手機(jī)支付，更愿意接受手機(jī)支付帶來的方便。

當(dāng)然，在享受手機(jī)支付好處的時候，也應(yīng)該知道它的不足。其中，手機(jī)支付的安全問題最令人擔(dān)憂，主要表現(xiàn)在下載網(wǎng)絡(luò)借貸類APP和打開不明鏈接上。安全問題固然令人擔(dān)憂，根據(jù)統(tǒng)計信息，有超過90%的學(xué)生都有手機(jī)支付安全意識，其中有55.35%的學(xué)生會有一點安全意識，對陌生人的二維碼或者其他支付行為認(rèn)真掂量；有37.31%的學(xué)生的安全意識很強(qiáng)，每次使用手機(jī)支付都會三思而行。

4 判別分析模型

Discriminant Analysis就是根據(jù)研究對象的各種特征值判別其類型歸屬問題的一種多變量統(tǒng)計分析方法。根據(jù)判別標(biāo)準(zhǔn)不同，可以分為距離判別、Fisher判別、Bayes判別法等。比如在KNN中用的就是距離判別，當(dāng)然這里的“距離”又有好幾種：歐氏距離、街區(qū)距離、甚至可以用皮爾森相關(guān)系數(shù)等。樸素貝葉斯分類用的就是Bayes判別法。本文要講的線性判別分析就是用是Fisher判別式。

4.1 分四步完成整個判別過程

步驟一：數(shù)據(jù)預(yù)處理。將整個數(shù)據(jù)集按照2/3的等概率分層抽樣分成測試集和訓(xùn)練集。

步驟二：訓(xùn)練集得出判別規(guī)律。加載MASS包中的lda函數(shù)得出判別規(guī)律。

步驟三：判別規(guī)則可視化。對判別規(guī)則不同樣式的可視化。

步驟四：對測試集待判別變量取值進(jìn)行預(yù)測。得出個預(yù)測樣本屬于每一類別的后驗概率，其中后驗概率最高的被判定為該類別，并計算錯誤率。

詳解過程：根據(jù)之前建多元有序logit模型的經(jīng)驗，我們選擇phonecost——按區(qū)間劃分的月手機(jī)支付花費作為待判別變量，月手機(jī)支付花費phonecost變量的四種等級含義依次為：1表示100元以下；2表示100元～300元；3表示300元～500元；4表示500元以上，簡單來說，金額依次增加。

步驟一：數(shù)據(jù)預(yù)處理

將整個數(shù)據(jù)集按照2/3的等概率分層抽樣分成測試集216樣本和訓(xùn)練集111樣本，此過程加載了sampling包，運(yùn)用了其中函數(shù)strata（以phonecost的四個等級劃分等級，進(jìn)行分層抽樣）和getdata（獲取ID_unit所對應(yīng)的樣本構(gòu)成的訓(xùn)練集和測試集）。

步驟二：訓(xùn)練集得出判別規(guī)律

加載MASS包中的lda函數(shù)寫出phonecost～.的公式可得出判別規(guī)律，其中規(guī)則中包含的選項有“prior”“counts”“means”“scaling”“l(fā)ev”“svd”“N”“call” “terms”“xlevels”分別是本次執(zhí)行過程中的所使用的先驗概率，data_test中的樣本量，和各變量在每一類別中的均值等共9個選項。

步驟三：判別規(guī)則可視化

通過構(gòu)建判別式圖形（省略），在所有3個線性判別式（LD）下1 至4這4個類別的分布情況，不同類別也用相應(yīng)的數(shù)字標(biāo)出。

從判別式圖形可以得出，phonecost等級從1至4在圖中基本呈現(xiàn)從左往右依次散開的趨勢，這與月手機(jī)支付花費phonecost依次增加的趨勢是一致的；且1和4的等級的樣本點較為分散2和3的月手機(jī)支付花費則相對集中在一起。

步驟四：對測試集待判別變量取值進(jìn)行預(yù)測。

運(yùn)用之前得到的判別規(guī)則fit_lda1對測試集data_test中的待判別變量phonecost的類別進(jìn)行預(yù)測，并得出其后驗概率posterior（每一樣本屬于各類別的后驗概率最高者為該樣本被判定的類別）。

4.2 小結(jié)

在111個測試樣本中，實際屬于第2類的有50個，而由判定結(jié)果，50個樣本中，僅有11個判定正確，有15個分別被錯判為第一類和第三類，且該矩陣的非對角線的元素之和為69，也就是說有69個樣本判錯了，錯誤率則通過計算得到為62.1%。由于錯誤率很高，我們查資料并咨詢專家，得知是樣本量少的原因，但這套判別規(guī)則行之有效，也就是說當(dāng)樣本量繼續(xù)增大時，其判錯率會逐漸降低，并且利用判錯率較低的判別規(guī)則可以將新的樣本歸類。

5 結(jié)語

依據(jù)多元有序logit模型，我們可以得出月手機(jī)支付消費cost會隨著生活費的增加而增加，會因周邊商家中接受手機(jī)支付的程度business增加而增加，同時會因接受手機(jī)支付的商家的優(yōu)惠活動程度的增加而增加；相反，會因為對手機(jī)安全意識的增加而減弱。其中月生活費對月手機(jī)支付的花費影響最大，之后按照學(xué)生月手機(jī)支付的花費的四個分類區(qū)間，建立費希爾判別，得出判別規(guī)律并驗證，雖然目前的判別錯誤率較高，但我們通過咨詢專家，容錯率會隨著數(shù)據(jù)量的增加而較少，這樣可以將任何一個新的學(xué)生歸類，對于平臺型手機(jī)支付商家可以利用其判別規(guī)律推薦產(chǎn)品。

參考文獻(xiàn)

［1］ 鄭繼剛.數(shù)據(jù)挖掘研究的現(xiàn)狀與發(fā)展趨勢［J］.紅河學(xué)院學(xué)報，2010（02）.

［2］ 袁劍秋.基于關(guān)聯(lián)規(guī)則算法在數(shù)據(jù)挖掘中的研究與應(yīng)用［D］.成都理工大學(xué)，2009.

中圖分類號：F724.6

文獻(xiàn)標(biāo)識碼：A

文章編號：2096-0298（2016）05（b）-095-02

基金項目：①本文受江蘇省大學(xué)生創(chuàng)新訓(xùn)練計劃項目資助（SZDG2 015037）。指導(dǎo)老師：黃寶鳳