任俊玲 杜惠英 王興芬

摘要：為了探究網(wǎng)絡零售交易過程中買家的感知風險與購買意愿之間的影響關系，從感知風險及其影響因素出發(fā)，結(jié)合網(wǎng)絡零售流程，確定面向網(wǎng)絡零售的風險維度為財務風險、功能風險、時間風險和隱私風險，感知風險的影響因素則歸納為商家、產(chǎn)品、物流、網(wǎng)站四個方面。通過模型假設檢驗和問卷調(diào)查相結(jié)合的方法進行實證研究，結(jié)果表明：感知風險影響因素中的賣家聲譽、產(chǎn)品質(zhì)量、網(wǎng)站建設等因素顯著負向影響感知風險中的財務風險、功能風險和時間風險；物流支持顯著負向影響感知風險中的財務風險、功能風險、時間風險以及隱私風險；感知風險中的財務風險、功能風險和隱私風險顯著負向影響購買意愿；感知交易風險在交易相關信息和購買意愿之間起中介作用。因此，應建立風險預控體系，從感知風險的影響因素出發(fā)進行風險預控，進而減少買家的感知風險，維護其合法權益，保障網(wǎng)絡零售健康發(fā)展。一是網(wǎng)絡零售平臺對注冊的商家進行甄選，并建立評價機制、暢通投訴渠道，以保證商家可信；二是加強監(jiān)管、防止虛假宣傳，以保證商品質(zhì)量；三是提升物流服務水平、加強隱私保護，以保證物流質(zhì)量；四是拓寬網(wǎng)絡零售平臺反饋評價渠道、完善安全機制，以保證平臺服務質(zhì)量。

關鍵詞：網(wǎng)絡零售；感知風險；購買意愿；風險預控；物流服務

中圖分類號：F713.36文獻標識碼：A文章編號：1007-8266（2019）07-0063-10

一、引言

由于網(wǎng)絡空間的廣泛性和虛擬性以及我國網(wǎng)絡監(jiān)管體系的滯后性，虛假促銷、網(wǎng)絡詐騙、網(wǎng)絡售假等投訴居高不下，一定程度上使得部分潛在買家望而卻步，限制了網(wǎng)絡零售的發(fā)展空間。本文通過模型假設檢驗和問卷調(diào)查相結(jié)合的方法研究商品質(zhì)量信息、賣家聲譽信息、產(chǎn)品質(zhì)量信息、物流支持信息和網(wǎng)站建設信息等交易相關信息對感知風險的影響，進而研究對購買意愿的影響，為減少交易風險預控策略制定提供實證參考。

二、理論研究框架

（一）感知風險

感知風險最初由哈佛大學學者鮑爾（Ray mond Bauer）[ 1 ]提出，他認為消費者在發(fā)生購物行為時可能會有不愉快的情況，這種情況發(fā)生的不確定性就是感知風險?？伎怂梗–ox）[ 2 ]在此基礎上，認為感知風險還應包括當發(fā)生不愉快情況時，消費者主觀上所感知到的損失大小?？矊幇玻–unningham）在考克斯定義的基礎上進行了修改，并進行了實證研究，認為感知風險中事件發(fā)生的不確定性是消費者對于某件事能否發(fā)生的主觀認為，而事情發(fā)生后感知到的損失大小則是可能會導致后果的危險性[ 3 ]。此外，也有其他學者對感知風險進行了定義，但后續(xù)的定義基本都是基于考克斯和坎寧安的定義。由上可知，感知風險是指買家對購買行為可能導致?lián)p失的性質(zhì)及數(shù)量上的不確定性[ 4 ]，是阻礙消費者做出購買決策的重要因素，因此賣家必須想方設法有效降低消費者感知風險，才能增加網(wǎng)上交易量[ 5 ]。目前對于感知風險的研究多從感知風險包含的維度出發(fā)。如張璇[ 6 ]認為網(wǎng)絡零售風險并不是單一性的，而是包含了多個維度，大體分為經(jīng)濟風險、性能風險、隱私風險和社會風險四大類。崔保軍[ 7 ]認為感知風險存在于身體、性能、財物、時間、社會、心理六個方面。我國著名電子商務專家董大海等[ 8 ]在消費者網(wǎng)上購物感知風險構面研究中，將網(wǎng)絡零售商核心服務風險、網(wǎng)絡購物伴隨風險、個人隱私風險和假貨風險作為感知風險的四個構面。我國學者井森等[ 9 ]在做網(wǎng)上購物感知風險的實證研究時，將感知風險劃分成八個維度，分別為時間風險、功能風險、隱私風險、社會風險、身體風險、心理風險、服務風險和經(jīng)濟風險。

網(wǎng)絡零售中的感知風險是基于網(wǎng)絡零售交易流程消費者感受到的交易風險，在大量文獻研究的基礎上，結(jié)合網(wǎng)絡零售交易過程中自身的特點，以及之前訪談的結(jié)果，摒棄部分具有相似性或包含于被包含關系的風險維度，最終確定面向網(wǎng)絡零售的風險維度為財務風險、功能風險、時間風險和隱私風險，其中財務風險為由于網(wǎng)上購物引起的財務損失；功能風險是指所購買的商品不能達到預期功能；時間風險是指由于網(wǎng)絡購物導致的時間損失；隱私風險是指由于網(wǎng)絡購物帶來的隱私泄漏問題。

對于感知風險影響因素的研究，莉姆（Lim）[ 10 ]從感知風險的來源層面進行挖掘，如技術來源、消費者來源和商品來源。李寶玲等[ 11 ]在研究感知風險的來源時發(fā)現(xiàn)，網(wǎng)絡零售商信譽、配送服務、互聯(lián)網(wǎng)技術是消費者網(wǎng)上購物時感知風險的三大來源；袁亮等[ 12 ]通過問卷調(diào)查方法在研究感知風險因素時發(fā)現(xiàn)，線上商品質(zhì)量、線上服務質(zhì)量和線上購物環(huán)境三者的詳細展示可以有效降低消費者網(wǎng)上購買感知風險。劉建剛等[ 13 ]用回歸分析研究消費者對生鮮電商感知風險發(fā)現(xiàn)物流質(zhì)量、網(wǎng)絡口碑、商品質(zhì)量、平臺信譽是主要風險因素。結(jié)合網(wǎng)絡零售交易流程的各要素，本文將感知風險的影響因素歸納為商家聲譽、產(chǎn)品信息、物流支持、網(wǎng)站建設四方面，具體如下：

1.商家聲譽

網(wǎng)絡零售靠電商平臺在賣家和買家的信息提供上具有局限性。一方面，賣家的信息難以辨別，同一個賣家可能會有多個身份，買家無法對賣家身份進行驗證，且賣家違規(guī)成本也很低，這就直接導致交易風險的增加；另一方面，買家信息也難以確定，加劇了交易的不確定性，增加了交易風險。

2.產(chǎn)品信息

由于圖片或文字的有限性，賣家可能提供一些與產(chǎn)品實物不相符的描述，易造成實物與描述相分離，增加了交易風險。此外，產(chǎn)品價格方面也存在不確定性，主要表現(xiàn)在兩個方面：一是同質(zhì)產(chǎn)品中出現(xiàn)價格差異；二是產(chǎn)品價格與實際價值不符，尤其是有些賣家以次充好，定價往往是同類商品的最低價，會在很大程度上誤導買家，增加了交易風險。

3.物流支持

物流是網(wǎng)絡零售的重要環(huán)節(jié)，網(wǎng)絡零售平臺貨物流轉(zhuǎn)大部分是通過第三方物流實現(xiàn)的。賣家更關注物流公司的價格而不是服務質(zhì)量，買家更關注配送時長和是否安全送達。賣家和買家對服務要求不一致直接造成配送周期長、配送質(zhì)量差，從而影響買家的消費體驗。

4.網(wǎng)站建設

購物網(wǎng)站是賣家和買家進行網(wǎng)上交易的平臺，在給雙方帶來便利的同時也存在一定的安全風險。網(wǎng)站建設安全問題的直接表現(xiàn)是對買家支付的影響，網(wǎng)絡零售中賣家的失信成本遠遠低于現(xiàn)實交易的失信成本，而交易中的一方一旦出現(xiàn)失信行為通常是很難追責的[ 8 ]，這直接加劇了網(wǎng)絡零售中的交易風險。

（二）購買意愿

購買意愿即買家對某一產(chǎn)品或品牌的偏好或購買態(tài)度，是買家的主觀傾向[ 12 ]。趙冬梅和紀淑嫻[ 16 ]對感知風險和購買意愿進行了實證研究，結(jié)果表明感知風險是影響買家（尤其是潛在買家）購買意愿的重要因素。梁健愛[ 17 ]認為購買意愿是買家光顧一家店鋪的主觀概率。多茲（Dodds）等[ 18 ]認為購買意愿是愿意去某一商店購物以及推薦給他人的可能性，這一說法被國內(nèi)外學者所接受。本文采用多茲的觀點，以愿意去某一店鋪購物以及推薦給他人來界定購買意愿。

（三）理論框架

基于學者們的研究成果和現(xiàn)實中的交易流程，本文提出如圖1所示的理論研究模型框架，其具體含義為：財務、功能、時間和隱私四類感知風險分別受到商家聲譽、產(chǎn)品本身、物流和網(wǎng)站四方面因素的負向影響，最終財務、功能、時間和隱私四類感知風險負向影響買家的購買意愿。

另外，各感知風險因素與感知風險及感知風險與購買意愿間的相互影響關系根據(jù)實際中的經(jīng)驗由假設H1～H20給出。

H1：商家聲譽負向影響財務風險；

H2：產(chǎn)品質(zhì)量負向影響財務風險；

H3：物流支持負向影響財務風險；

H4：網(wǎng)站支持負向影響財務風險；

H5：商家聲譽負向影響功能風險；

H6：產(chǎn)品質(zhì)量負向影響功能風險；

H7：物流支持負向影響功能風險；

H8：網(wǎng)站支持負向影響功能風險；

H9：商家聲譽負向影響時間風險；

H10：產(chǎn)品質(zhì)量負向影響時間風險；

H11：物流支持負向影響時間風險；

H12：網(wǎng)站支持負向影響時間風險；

H13：商家聲譽負向影響隱私風險；

H14：產(chǎn)品質(zhì)量負向影響隱私風險；

H15：物流支持負向影響隱私風險；

H16：網(wǎng)站支持負向影響隱私風險；

H17：財務風險負向影響購買意愿；

H18：功能風險負向影響購買意愿；

H19：時間風險負向影響購買意愿；

H20：隱私風險負向影響購買意愿。

三、數(shù)據(jù)來源與描述統(tǒng)計

（一）問卷設計

基于圖1所示的理論框架，設計關于網(wǎng)絡零售感知風險與購買意愿的問卷。問卷內(nèi)容由四部分組成：第一部分是被調(diào)查對象的基本信息，包括年齡、性別等基本信息；第二、第三部分是感知風險的影響因素信息，需要被調(diào)查者根據(jù)自身網(wǎng)購經(jīng)驗進行回答；第四部分是感知風險對買家購買意愿的影響情況調(diào)查。問卷采用李克特（Likert）五點量表設計，從1～5分別表示頻率由弱到強，問卷組成與題項如表1所示。

問卷完成后首先進行了測試性發(fā)放，通過分析測試結(jié)果確定最終的問卷構成，于2018年5月對最終問卷采用網(wǎng)絡形式在問卷星平臺發(fā)放，共回收問卷415份，全部有效，以此作為后續(xù)分析的數(shù)據(jù)基礎。

（二）描述性統(tǒng)計分析

1.樣本與取樣結(jié)果

415個受訪者中，男性和女性的樣本個數(shù)相差不大，分別占總樣本的50.1%與49.9%，在性別方面比較均衡。年齡方面，以19～25歲的受訪者為主，占樣本數(shù)的63.1%，其次為26～33歲的受訪者，占樣本數(shù)的24.6%，說明年齡層次方面，本研究主要受訪者為19～33歲的年輕人，符合目前網(wǎng)絡購物市場中年輕人群占主導地位的特征。受訪者的學歷主要集中在本科學歷和碩士學歷，分別占樣本數(shù)的53.7%與26%，說明本次研究的受試者具有高學歷屬性，以及網(wǎng)絡零售消費模式更能夠在高學歷人群中被廣泛接受和普及。職業(yè)方面，以學生受訪者為主，占樣本數(shù)的57.1%，其次為企業(yè)人員，占樣本數(shù)的26.3%。網(wǎng)購經(jīng)歷最多的為>3～5年的受試者，占樣本數(shù)的38.3%，其次為1～3年和>5～10年的受試者，分別占樣本數(shù)的26.7%與26.5%，說明本研究調(diào)查的受試者網(wǎng)購經(jīng)歷普遍集中在1～10年，具體如表2所示。

2.共同方法偏差檢驗

共同方法偏差（Common Method Biases），是指預測變量和效標變量之間的偏差，它是一種系統(tǒng)誤差[ 19 ]，往往存在于數(shù)據(jù)收集過程中，是由于數(shù)據(jù)來源和測試題項的相同性以及測試對象和測量環(huán)境的一致性等人為因素所引起的。

在以往的調(diào)查問卷中，針對所有的受訪者采用內(nèi)容相同的調(diào)查問卷，且都以自評的方式完成，所以可能存在共同方法偏差的問題，影響研究結(jié)果。為了減小這種可能性，在本次調(diào)查問卷中對被試者采取匿名的方式，以降低其顧慮；問卷也隱匿研究變量的名稱，以減少被試者的猜測。

文獻[19]提出了通過哈曼（Harman）單因素檢驗方法檢驗共同方法偏差的思想，若經(jīng)檢驗后數(shù)據(jù)只析出了一個因子或者某個因子的解釋力特別強，則共同方法偏差問題嚴重。為此，通過因子分析方法對測試量表的共同方法偏差進行分析，將各量表的測量題項統(tǒng)一放入變量中，采用主成分法的因子抽取方式以及因子不旋轉(zhuǎn)。分析結(jié)果顯示，共析出6個因子，共解釋74.787%的方差變異，對于任何一個因子，均不存在因子解釋力達到50%的情況。因此，本研究樣本數(shù)據(jù)的共同方法偏差問題不嚴重，不會對研究結(jié)果產(chǎn)生較大的影響。

3.變量描述性統(tǒng)計分析

為確保能夠通過最大似然估計方法分析結(jié)構方程模型的路徑系數(shù)，需要保證各測量變量服從多元正態(tài)分布，而要判斷變量服從正態(tài)分布則要分析測試變量的峰度和偏度值與0的差異程度。峰度被用來衡量觀測變量分布的集中度，偏度則用來衡量觀測變量的不對稱程度，通過觀測變量分布曲線的尖峭程度和偏斜程度來判斷。當偏度和峰度值均為0時，表明觀測變量服從正態(tài)分布。但在現(xiàn)實問題分析中，由于收集的數(shù)據(jù)存在誤差，很難達到完全標準的正態(tài)分布。因此，當偏度和峰度的絕對值小于3時，即可判定該觀測變量近似服從正態(tài)分布[ 20 ]。

表3為對自變量的描述性分析，自變量的12個項目中，偏度的絕對值最大為0.853，峰度的絕對值最大為0.681，均小于3，說明自變量近似服從正態(tài)分布。

表4為對中介變量的描述性分析，中介變量的13個項目中，偏度的絕對值最大為0.855，峰度的絕對值最大為0.748，均小于3，說明中介變量近似服從正態(tài)分布。

表5則為因變量的描述性分析，因變量的3個項目中，偏度的絕對值最大為0.177，峰度的絕對值最大為0.508，均小于3，說明因變量近似服從正態(tài)分布。

分別以財務風險、功能風險、隱私風險、時間風險為自變量，購買意愿為因變量做正態(tài)概率分布圖（Normal P-P Plot），結(jié)果顯示，正態(tài)概率分布都近似呈對角線狀態(tài)，表明數(shù)據(jù)呈現(xiàn)較強的正態(tài)性，適合做回歸分析。

（三）信度效度檢驗

1.信度檢驗

信度通過檢查同一個被測事物被重復測量結(jié)果的一致性程度，可以反映所用的測量量表是否具有穩(wěn)定性和可靠性，信度系數(shù)越高，說明量表的一致性程度也越高。在檢驗所用測量量表的信度時，可以采用克隆巴哈（Cronbach）α信度系數(shù)，系數(shù)越高，說明所用的測量量表的信度越高。α>0.8，對應的測量量表的信度很好；當α>0.7時，表明測量量表的信度較好；若α<0.7時，則需重新設計測量量表。表6是各維度的克隆巴哈α信度系數(shù)，結(jié)果顯示：各量表的克隆巴哈α信度系數(shù)均在0.8以上，說明量表信度很好，可進行下一步的分析。

2.效度檢驗

效度表示所測量到的結(jié)果對所考查內(nèi)容的反映程度。測量結(jié)果與要考察的內(nèi)容越吻合，則效度越高；反之，亦然。在檢查變量間的相關性和偏相關性時采用了KMO檢驗，它的取值在0～1之間。KMO統(tǒng)計量越接近于1，變量間的相關性越強，偏相關性越弱，因子分析的效果越好。在實際分析中，好的分析效果需要KMO統(tǒng)計量在0.7以上，若KMO統(tǒng)計量小于0.5，則因子分析法不再適用，應考慮重新設計變量結(jié)構或者采用其他統(tǒng)計分析方法。經(jīng)巴特利特（Bartlett）球形檢驗判斷后，如果相關陣是單位陣，則各變量獨立因子分析法無效。若顯著性Sig.<0.05，說明各變量間具有相關性，因子分析有效。

對自變量、中介變量、因變量進行KMO檢驗和巴特利特球形檢驗的結(jié)果如表7所示，KMO值分別為0.928，0.921，0.782，均大于0.7；巴特利特球形檢驗的結(jié)果均小于0.001，表明相關矩陣不為單位陣，可見問卷變量間存在較強的統(tǒng)計學意義，適合進行因子分析。

主成分分析結(jié)果表明，影響因素量表提取出商家信譽、產(chǎn)品質(zhì)量、物流支持、網(wǎng)站建設4個因素共12個觀測因子，方差貢獻率為59.33%；感知風險量表提取出財務風險、功能風險、隱私風險、時間風險4個因素共13個觀測因子，方差貢獻率為57.93%；購買意愿量表提取出購買意愿1個因素共3個觀測因子，表明問卷具有較理想的結(jié)構效度。

3.驗證性因子分析

本文使用結(jié)構方程模型（SEM）來驗證模型適配程度。整體模型適配度（Fit Index）區(qū)分為絕對擬合指標（Absolute Indexes）、相對擬合指標（Rela tive Indexes）、調(diào)整擬合指標（Adjusted Indexes）。絕對指標用來描述在模型適配后留下的殘差或未解釋的變異量是否還可察覺到的情況，包括卡方自由度比值（χ2/df）、近似誤差的均方根（RMSEA）、擬合優(yōu)度指數(shù)（GFI）、調(diào)整的擬合優(yōu)度指數(shù)（AGFI）和殘差均方根（RMR）等。相對指標描述解釋一組觀察數(shù)據(jù)時某特定模型與其他可能模型相比較的優(yōu)越性，這些指標大部分建立在與最差適配（Worst Fitting）模型相比，常見的最差適配模型就是只考慮方差協(xié)方差矩陣的模型，又稱虛無模型（Null Model）。這類指標有規(guī)范擬合指數(shù)（NFI）、相對擬合指數(shù)（RFI）、遞增擬合指數(shù)（IFI）、TuckerLewis指數(shù)（TLI），比較擬合指數(shù)（CFI）等。調(diào)整指標描述模型如何結(jié)合適配性與簡效性，常用指標有簡約后規(guī)范指標（PNFI）和簡約配適度指標（PGFI）。

通過AMOS22.0進行結(jié)構方程模型分析針對模型與數(shù)據(jù)間的擬合程度進行評估，各類指標適配標準、運行結(jié)果及模型適配判斷情況如表8所示，各指標均在適配標準范圍內(nèi)，表明模型變量假設與樣本數(shù)據(jù)的契合度在可接受標準范圍內(nèi)，說明結(jié)構模型的總體擬合效果較好，具備良好的適配度。調(diào)整指標也在適配范圍內(nèi)，則說明模型在具有較好適配度的同時相對簡單有效。

本研究使用測量模型中得到的因素負荷量及誤差變異量來計算組合信度（Component Reliabili ty，CR）與平均萃取變異量（Average Variance Ex tracted，AVE）。組合信度主要檢測各構面的內(nèi)部一致性，性質(zhì)與克隆巴哈α相似，海瑞（Hair）等[ 21 ]認為CR值需達到0.7以上，表示構面具有良好的信度，并且CR值越高，信度越好；AVE為驗證問項對該潛在構面的平均解釋能力，福內(nèi)爾（Fornell）和拉克爾（Larcker）認為AVE達0.5以上具有良好的效度，若僅在0.4以上，則為可接受范圍，AVE值越高則代表潛在因素具有較高的建構效度。

如表9所示，商家聲譽CR值為0.866，AVE值為0.683；產(chǎn)品本身CR值為0.806，AVE值為0.580，物流方面CR值為0.836，AVE值為0.629；網(wǎng)站方面CR值為0.821，AVE值為0.606，各維度的CR值均高于0.7，AVE值均高于0.5，說明各維度都具有相當?shù)臉嫿ㄐФ取?/p>

4.區(qū)別效度

區(qū)別效度用來衡量問項在不同構面間的區(qū)別程度，若測量模型具有區(qū)別效度，則潛在構面彼此之間的關聯(lián)程度必須小于潛在構面內(nèi)的相關程度，故潛在變量的平均變異數(shù)抽取量AVE的平方根必須大于其他不同構面的相關系數(shù)。

表10為模型對應的區(qū)別效度，從中可見，對角線AVE值開根號后數(shù)值皆大于非對角線內(nèi)之相關系數(shù)，說明模型中各參量具有良好的區(qū)別效度。

四、模型驗證與假設檢驗

為了檢驗模型中各變量之間的關系，對各變量進行層次回歸分析，結(jié)果如表11所示。

1.財務風險的回歸分析

財務風險模型的解釋力為77.4%，F(xiàn)值為158.263，p值小于0.05，說明模型成立。結(jié)果表明：賣家聲譽對財務風險具有顯著負向影響，商家聲譽越好，則買家感知的財務風險越低，假設H1獲得支持。產(chǎn)品質(zhì)量對財務風險具有顯著的負向影響，產(chǎn)品質(zhì)量越好，則買家感知的財務風險越低，假設H2獲得支持。物流支持對財務風險具有顯著負向影響，買家感知的物流支持越好，則買家感知的財務風險越低，假設H3獲得支持。網(wǎng)站建設對財務風險具有顯著負向影響，商家網(wǎng)站建設越完善，買家感知的財務風險越低，假設H4也獲得支持。

2.功能風險的回歸分析

功能風險模型的解釋力為73.0%，F(xiàn)值為125.467，p值小于0.05，說明模型成立。結(jié)果表明：賣家聲譽對功能風險具有顯著負向影響，商家聲譽越好，買家感知的功能風險越低，假設H5獲得支持。產(chǎn)品質(zhì)量對功能風險具有顯著負向影響，產(chǎn)品質(zhì)量越好，買家感知的功能風險越低，假設H6獲得支持。物流支持對功能風險具有顯著負向影響，物流支持越好，買家感知的功能風險越小，假設H7獲得支持。網(wǎng)站支持對功能風險具有顯著負向影響，假設H8獲得支持。

3.時間風險的回歸分析

時間風險模型的解釋力為67.1%，F(xiàn)值為94.907，p值小于0.05，說明模型成立。商家聲譽對時間風險具有顯著負向影響，商家聲譽越好，則買家感知的時間風險越低，假設H9獲得支持。產(chǎn)品質(zhì)量對時間風險具有顯著負向影響，產(chǎn)品質(zhì)量越好，則買家感知的時間風險越低，假設H10獲得支持。物流支持對時間風險具有顯著負向影響，物流支持越好，則買家感知的時間風險越低，假設H11獲得支持。網(wǎng)站支持對時間風險具有顯著負向影響，商家網(wǎng)站支持越完善，買家感知的時間風險越低，研究假設H12獲得支持。

4.隱私風險的回歸分析

隱私風險模型的解釋力為45.1%，F(xiàn)值為78.368，p值小于0.05，說明模型成立。商家聲譽對隱私風險沒有顯著影響，假設H13未獲得支持。產(chǎn)品質(zhì)量對隱私風險沒有顯著影響，假設H14未獲得支持。物流支持對隱私風險具有顯著負向影響，假設H15獲得支持。網(wǎng)站支持對隱私風險沒有顯著影響，研究假設H16未獲得支持。

5.購買意愿的回歸分析

購買意愿回歸分析如表12所示。購買意愿模型的解釋力為67.1%，F(xiàn)值為212.171，p值小于0.05，說明模型成立。財務風險對購買意愿具有顯著負向影響，說明買家感知的財務風險越高，則購買意愿越低，與假設H17相符合，故假設H17獲得支持。功能風險對購買意愿具有顯著負向影響，說明買家感知的功能風險越高，則購買意愿越低，與假設H18相符合，故假設H18獲得支持。時間風險對購買意愿沒有顯著影響，與假設H19不符，故假設H19未獲得支持。隱私風險對購買意愿具有顯著負向影響，說明買家感知的隱私風險越高，則購買意愿越低，與假設H20相符，故假設H20獲得支持。

6.模型解釋

商家聲譽、產(chǎn)品質(zhì)量、網(wǎng)站建設以及物流支持顯著負向影響感知交易風險中的財務風險、功能風險和時間風險。本文的假設H1～H12及H15均得到了支持。假設H13（商家聲譽負向影響隱私風險）、假設H14（產(chǎn)品質(zhì)量負向影響隱私風險）以及假設H16（網(wǎng)站建設負向影響隱私風險）均沒有得到支持。究其原因，主要是在實際交易中，產(chǎn)品本身與買家隱私之間無直接關系，通常認為隱私泄露多出現(xiàn)在物流環(huán)節(jié)，由物流服務方導致，而不是商家和第三方購物網(wǎng)站，可見，模型驗證與人們的普遍認知相符。

同時，消費者感知風險中的財務、功能和隱私風險對購買意愿有顯著的負向作用，感知風險會負向影響買家的購買意愿，本文假設H17、H18、H20均得到了支持，假設H19（時間風險負向影響購買意愿）未能得到支持。主要原因是隨著網(wǎng)絡零售業(yè)的發(fā)展，物流運輸網(wǎng)十分發(fā)達，普通快遞的運輸時間一般為2～3天，這一時間長度早已被買家所接受，而且物流網(wǎng)站會實時更新物流狀態(tài)，買家更容易直觀地了解物流運輸情況，從而大大提高了人們對物流在途時間的接受程度，因此，相對于其他風險來看，時間風險并不是影響購買意愿的關鍵因素。

五、面向感知風險的網(wǎng)絡零售風險預控策略

從本文的研究框架和模型驗證可知，顧客對網(wǎng)絡零售感知的風險越小，其購買意愿越強，就越容易實施網(wǎng)上購物行為。因此，可以據(jù)此建立面向感知風險的風險預控體系來減小感知風險，推進網(wǎng)絡零售交易模式的健康發(fā)展，即從感知風險的影響因素出發(fā)進行風險預控。

1.從商家因素出發(fā)

首先，網(wǎng)絡零售平臺要對注冊的商家進行甄選；其次，要建立合理的商家評價機制，從商家信息、交易記錄、產(chǎn)品描述和服務狀況等多方面進行評價；再次，要設立暢通的投訴體系，以便及時發(fā)現(xiàn)不良商家和商家的不良行為，盡可能從商家角度減小交易風險，保證消費者的權利。

2.從產(chǎn)品質(zhì)量出發(fā)

一方面，強化監(jiān)管機制，直接保障產(chǎn)品質(zhì)量，同時確保商家對商品描述和商品定價的客觀性；另一方面，在網(wǎng)絡零售交易平臺上對夸大宣傳、提供虛假商品信息以及欺詐買家的行為給予嚴厲懲罰，提高假貨和劣質(zhì)產(chǎn)品銷售的代價，從而保障產(chǎn)品質(zhì)量。

3.從物流方面出發(fā)

從物流服務本身的質(zhì)量（如及時性等）、物流過程中商品的完整性和準確性等方面進行風險防控，尤其要注重對買家信息的保護，物流企業(yè)要嚴格執(zhí)行相關部門制定的個人信息保護規(guī)定，堅決杜絕買賣個人信息的行為，并運用相關手段杜絕商品運輸中的信息泄露。

4.從網(wǎng)絡零售平臺出發(fā)

網(wǎng)絡零售平臺在具備買賣雙方進行商品交易的同時，還應拓寬反饋和評價渠道，以便于對交易雙方和交易過程進行監(jiān)督。同時，網(wǎng)站也應構建并不斷完善自身安全保障機制，為網(wǎng)絡交易和交易雙方信息保護提供強有力的保障。

參考文獻：

[1]衛(wèi)志誠.當前電子商務中風險類型分析及評估模型研究[D].合肥：合肥工業(yè)大學，2012.

[2]BAUER，R.A. Consumer behavior as risk taking[C]//Han cock R S. Dynamic marketing for a changing world——pro ceedings of the 43rd conference of the american marketing association，1960：389-398.

[3]CUNNINGHAM S M.The major dimensions of perceived risk[C]//Cox D F.Risk taking and information handling in con sumer behavior. boston：graduate school of business admin istration.Cambridge：Harvard University Press，1967：82-108.

[4]謝識予.經(jīng)濟博弈論[M].3版.上海：復旦大學出版社，2011：57.

[5]蘇航.電商平臺中賣家信息展示道德失范問題研究[D].長春：吉林大學，2015.

[6]張璇.電子商務信息不對稱與網(wǎng)絡購物風險分析[J].商業(yè)經(jīng)濟研究，2017（2）：84-86.

[7]崔保軍.產(chǎn)品傷害危機情境下消費者感知風險的研究述評與展望[J].商業(yè)經(jīng)濟與管理，2015（4）：65-73.

[8]董大海，李廣輝，楊毅.消費者網(wǎng)上購物感知風險構面研究[J].管理學報，2005，2（1）：55-60.

[9]井森，周穎，王方華.網(wǎng)上購物感知風險的實證研究[J].系統(tǒng)管理學報，2007，16（2）：164-169.

[10]LIM，NENA.Consumer’s perceived risk：source versus con sequences[J].Pacific Asia conference on infornation，2003，2（3）：216-228.

[11]李寶玲，李琪.網(wǎng)上消費者的感知風險及其來源分析[J].經(jīng)濟管理，2007（2）：78-83.

[12]袁亮，吳佩勛.基于結(jié)構方程模型的線上展示、感知風險與購買意愿[J].統(tǒng)計與決策，2017（22）：183-185.

[13]劉建剛，韓楠，張美娟，鐘昌寶.生鮮電商平臺消費者購買決策影響因素實證研究[J].常州大學學報（社會科學版），2018，19（6）：38-46.

[14]崔保軍，余偉萍.群發(fā)性產(chǎn)品傷害危機對消費者感知品類風險影響的實證研究[J].河南師范大學學報（哲學社會科學版），2017，44（4）：79-84.

[15]杜瑋.旅游購物感知風險對旅游購物決策過程的影響分析——以海南旅游購物為例[J].中國商論，2017（34）：51-52.

[16]趙冬梅，紀淑嫻.信任和感知風險對消費者網(wǎng)絡購買意愿的實證研究[J].數(shù)理統(tǒng)計與管理，2010，29（2）：305-314.

[17]梁健愛.顧客感知風險對網(wǎng)絡零售商惠顧意愿影響實證研究[J].企業(yè)經(jīng)濟，2012（8）：110-114.

[18]DODDS W B，KENT B，et al.Effects of price，brand and store information on buyers’ product evaluation[J].Journal of marketing research，1991（28）：307-319.

[19]周浩，龍立榮.共同方法偏差的統(tǒng)計檢驗與控制方法[J].心理科學進展，2004，12（6）：942-950.

[20]吳明隆.問卷統(tǒng)計分析實務——SPSS操作與應用[M].重慶：重慶大學出版社，2010：130-157.

[21]HAIR，JOSEPH F J，et al. Multivariate Data Analysis[M].6th ed.Upper Saddle River，NJ：Prentice-Hall，2006：81-98.

Researches on the Correlation between Perceived Risk and Purchase Intention for Online Retailing

REN Jun-ling，DU Hui-ying and WANG Xing-fen

（Beijing Information Science and Technology University，Beijing100192，China）

Abstract：In order to explore the relationship between perceived risk and purchase intention of buyers in the online retail transaction process，starting from the perceived risk and its influencing factors and combined with the online retail process，the authors determine that the influencing factors of such risk dimensions of online retail as financial risk，functional risk，time risk and privacy risk are summarized into four aspects：merchant，product，logistics and website. An empirical study is conducted on the influencing factors of perceived risk，the type of perceived risk，and the correlation between purchase intentions. The results show that：factors such as seller reputation，product quality and website construction in the risk-aware factors have a significant negative impact on financial risk，functional risk and time risk in perceived risk；logistics support significantly negatively affects financial risk and function in perceived risk；financial risk，functional risk and privacy risk in perceived risk significantly negatively affect purchase intention；and perceived transaction risk plays a mediating role between transaction related information and purchase intention. So we should，starting from the influencing factors of perceived risks，establish risk prevention system to control the risk，which will in turn reduce the buyers’perceived risk，protect their legal right and interests，and guarantee the health development of online retail. Specifically speaking，we should establish evaluation mechanisms and complaint channels，strengthen supervision and prevent false propaganda to ensure the quality of goods，improve the quality of logistics services，guarantee the quality of goods in logistics services，and strengthen the protection of privacy to ensure the logistics quality，and expand online retail platform feedback evaluation channels and security mechanisms to ensure platform service quality.

Key words：online retail；perceived risk，；willingness to purchase；risk pre-control；logistic service