邱甲賢,王震寰,李玉卓,童 牧

(1.西南財經(jīng)大學(xué) 工商管理學(xué)院 大數(shù)據(jù)研究院,成都 611130;2.西南財經(jīng)大學(xué) 經(jīng)濟(jì)信息工程學(xué)院中國支付體系研究中心,成都 611130)

支付作為交易資金轉(zhuǎn)移實現(xiàn)方式,是社會金融經(jīng)濟(jì)活動的基礎(chǔ)。隨著技術(shù)的進(jìn)步和經(jīng)濟(jì)的發(fā)展,借記卡、信用卡、電子轉(zhuǎn)賬、第三方支付等新興非現(xiàn)金零售支付工具或方式不斷出現(xiàn)、發(fā)展和演變,對現(xiàn)金、支票等已有支付工具形成了替代。全球支付市場的發(fā)展顯示,盡管中國非現(xiàn)金支付工具的發(fā)展相對于美國、北歐等國家起步較晚,但以銀行卡、第三方支付以及移動支付為代表的電子支付工具和方式在近十幾年的快速發(fā)展,促使當(dāng)前中國支付領(lǐng)域已領(lǐng)先全球。毫無疑問,支付市場的演化在提高支付效率的同時,也通過滲入到交易場景加深對社會經(jīng)濟(jì)金融活動的影響,加劇了銀行業(yè)、非銀行業(yè)支付服務(wù)機構(gòu)間的競合。隨著區(qū)塊鏈等新興技術(shù)的發(fā)展以及央行數(shù)字貨幣(DCEP)的推出,支付工具間的替代和支付市場的演化將進(jìn)一步加強,支付市場未來發(fā)展已成為各界關(guān)注的焦點。

支付工具的演替源于市場用戶對支付工具的選擇,要準(zhǔn)確了解支付工具間的替代,需要從微觀層面了解影響用戶支付選擇行為的因素,這不僅有助于了解支付工具市場特征,建立更加完善的支付理論體系,更有助于銀行和非銀行支付機構(gòu)推行新支付工具,以及政府合理引導(dǎo)市場競爭和發(fā)展。

為全面了解什么因素推動了用戶支付工具的選擇和轉(zhuǎn)換,國外部分機構(gòu)對以消費者為主的用戶進(jìn)行了較為全面的調(diào)查,如加拿大中央銀行的MOP(Bank of Canada Method of Payment Survey)、美國波士頓聯(lián)邦儲備銀行的SCPC(Survey of Consumer Payment Choice)和DCPC(Dairy of Customer Payment Choice)。影響用戶支付選擇的因素包含多個方面,如文化傳統(tǒng)、成本、安全、便利、收入、價格、金融資產(chǎn)、網(wǎng)絡(luò)外部性、技術(shù)及支付金額、制度等[1-12]。Schuh 等[6]整體上將這些影響因素歸納為人文地理屬性和支付工具特性兩大方面。關(guān)于人文地理相關(guān)的影響因素,實證研究發(fā)現(xiàn),用戶的年齡、教育程度、收入、性別、種族、人種、地區(qū)文化、工作、婚姻狀況等方面會顯著影響其支付選擇[3-4,6-12]。其中,年齡、婚姻、教育程度和收入被認(rèn)為是主要的影響因素[3,6-7,9,12]。關(guān)于支付工具特征,美國波士頓聯(lián)邦儲備銀行的消費者支付研究中心(Consumer Payments Research Center,CPRC)將其分為成本、速度、安裝、安全性、支付控制、記錄保存、接受程度和易用性8 個方面;加拿大銀行在其MOP用戶支付工具調(diào)研中,將支付工具特征分為易用性、記錄保存、成本、風(fēng)險/欺詐、普遍使用等方面。對于支付工具特征對支付選擇的影響,研究認(rèn)為主要受到支付工具便利性、易用性、成本、安全、速度等特征[1,6,12-14],以及支付工具價格或激勵措施[4,15-20]等因素的影響?？偨Y(jié)前期研究不難發(fā)現(xiàn),用戶支付工具選擇和替代受到了個人特征、文化傳統(tǒng)、支付工具特征、制度等多方面的影響,這些研究則主要針對如價格或成本[4,15,17,20]、支付場景或金額[1,4,9,21]、時間或速度[5,14]、易用性和安全性[12,14]等特定因素,采取了按經(jīng)驗選取可能對消費者支付選擇產(chǎn)生影響的特征構(gòu)建計量模型進(jìn)行實證分析。然而,由于影響用戶支付選擇行為的因素眾多,按經(jīng)驗選取特征的方式因為不可避免的主觀性,有可能造成重要變量的遺漏。此外,當(dāng)前研究從不同角度進(jìn)行分析可得到所選因素所產(chǎn)生的影響,但并沒有從大量影響因素中篩選出影響用戶支付選擇的重要因素。

基于前期研究不足,本文研究目的主要是在眾多用戶支付工具持有選擇行為的影響因素中找出重要因素并分析其影響程度。對此,針對用戶支付選擇市場特征,構(gòu)建隨機森林模型對影響用戶支付工具持有選擇的因素進(jìn)行篩選,然后對篩選后的變量構(gòu)建二分類邏輯回歸模型,分析各因素對消費者對各支付工具持有選擇產(chǎn)生的影響。通過對中國CHFS和美國SCPC 數(shù)據(jù)實證分析結(jié)果表明,基于該研究框架能較好地篩選出影響用戶支付選擇的重要因素,并對實際情況具有較好解釋能力。

1 模型構(gòu)建

1.1 研究框架

影響用戶支付選擇的因素眾多,要找出影響用戶支付選擇的重要因素則首先需要特征篩選。常用的特征選擇方法有Filter、Wrapper和Embedded等3大類。其中,最常用的是基于樹的特征選擇法,隨機森林則為一種非常流行的基于多個決策樹的嵌入式特征選擇方法,抗噪性強,并可有效避免一般機器學(xué)習(xí)方法容易產(chǎn)生的過擬合問題。根據(jù)本文研究目的及前期支付工具調(diào)研的數(shù)據(jù)集中大多數(shù)變量為離散變量的特點,采用隨機森林對用戶支付持有選擇影響因素進(jìn)行篩選。為進(jìn)一步分析所篩選因素對用戶選擇行為的影響及影響程度,前期對用戶支付選擇的研究表明,用戶對單種支付選擇行為表現(xiàn)為持有和不持有二分類[1,6,12,14]。因此,采用二元離散選擇模型對隨機森林篩選變量建立用戶持有選擇模型,并在此基礎(chǔ)上進(jìn)行變量影響解釋和模型檢驗。研究框架如圖1所示。

圖1 本文分析流程圖

分析流程主要包括:①原始數(shù)據(jù)預(yù)處理,包括了數(shù)據(jù)缺失值、標(biāo)準(zhǔn)化等預(yù)處理;②基于隨機森林模型對不同支付工具進(jìn)行特征篩選;③采用Logit模型對隨機森林篩選特征構(gòu)建用戶支付工具持有選擇模型,并基于Tonidandel[22]的方法,計算各變量的相對權(quán)重值以及同類變量的累積解釋度,檢驗各重要特征對用戶持有支付工具的影響程度。

1.2 基于隨機森林的特征選擇

隨機森林是一個包含多個決策樹的分類器。該算法結(jié)合裝袋和決策樹,通過隨機采樣和節(jié)點隨機選擇特征的方式構(gòu)造決策樹集合,再根據(jù)投票加總結(jié)果對數(shù)據(jù)進(jìn)行分類(或者是取平均值進(jìn)行回歸)?；陔S機森林的雙重隨機性所產(chǎn)生的良好抗噪、抗過擬合能力,Genuer等[23]提出通過加入重要變量會顯著引起整個模型分類效率提高,而加入不重要變量則不會顯著引起模型分類效率提高的思想,將隨機森林用于特征篩選。計算流程如下:

算法1隨機森林計算特征重要性系數(shù)。

輸入已經(jīng)訓(xùn)練好的隨機森林T={t1,t2,…,tn}

運算forp=1:Pdo

計算所有決策樹的袋外誤差OOB1

對特征p進(jìn)行白噪聲化處理

計算所有決策樹的袋外誤差OOB2

計算OOB1與OOB2的方差

輸出特征p的重要性系數(shù)VI

end for

輸出P個特征各自的重要性系數(shù)

Genuer等[23]以迭代方式搜索重要的變量并剔除不重要變量,把引入變量引起的袋外誤分率(Out-Of-Bag,OOB)下降程度作為指標(biāo),若OOB 下降幅度大于給定閾值,則認(rèn)為該變量為重要變量,反之則不重要。閾值的計算公式為

式中:pelim為所有變量個數(shù);pinterp為初始變量個數(shù);求和符號表示迭代模型的袋外誤分率差分的絕對值之和。

1.3 Logit模型及變量重要性估計

對于某種支付工具,用戶具有持有與不持有兩種選擇。假設(shè)影響用戶支付工具持有選擇Y的因素X=(x1,x2,…,xk)'。用戶i是否持有支付工具j的概率為

條件概率pij與影響因素Xij間關(guān)系的一般形式設(shè)定為

式中:F(·)為特定函數(shù)形式;β為參數(shù)向量。要保證pij∈[0,1],F(·)需滿足服從特定分布隨機變量的累積分布函數(shù)。常見的二元離散選擇模型的分布為Logistic和正態(tài)分布。由于Logistic分布相較于正態(tài)分布具有更長的尾部和更緩慢的增長,更適合支付市場特征,前期實證分析中的絕大多數(shù)文獻(xiàn)[12,14,16]采用了Logit模型,此時用戶支付選擇的概率模型為

轉(zhuǎn)換為表示用戶支付持有與不持有概率比的Logit模型:

利用極大似然估計函數(shù)求解該方程系數(shù),得到樣本是否持有支付工具的概率和分類。如果樣本判為持有與不持有的比值大于1,則將該樣本判為持有,反之則為不持有。

Logit回歸分析中,評價變量的影響往往會采用回歸系數(shù)。然而,由于實際研究中變量存在相關(guān)不能進(jìn)行精確估計,為進(jìn)一步分析所選影響因素對用戶持有選擇預(yù)測能力貢獻(xiàn)程度,采用Tonidandel等[22]基于相對權(quán)重估計法,計算模型變量的相對權(quán)重,從而判斷其重要性。該方法首先對變量矩陣X進(jìn)行奇異值分解:

矩陣P為矩陣XX'的特征向量矩陣,矩陣Q為矩陣X'X的特征向量矩陣,對角矩陣Δ為矩陣X的奇異值。進(jìn)一步,得到正交變量矩陣:

用Z關(guān)于Y進(jìn)行回歸分析,由于Z互不相關(guān),故其標(biāo)準(zhǔn)回歸系數(shù)衡量了Zk對于Y的解釋度;用Z關(guān)于每一個Xj進(jìn)行回歸分析,同理,其標(biāo)準(zhǔn)回歸系數(shù)衡量了Zk對于Xj的解釋度。以正交矩陣Z作為橋梁,可得

εj是Xj對于Y的解釋度。在計算標(biāo)準(zhǔn)回歸系數(shù)時,由于Logit回歸的因變量為0-1分布,其標(biāo)準(zhǔn)系數(shù)計算方式和OLS回歸有所不同,調(diào)整后的系數(shù)應(yīng)為

式中:β為邏輯回歸解釋變量系數(shù);R2為邏輯回歸可決系數(shù);sx為解釋變量標(biāo)準(zhǔn)差。計算

可得估計的相對權(quán)重值

2 數(shù)據(jù)預(yù)處理和特征選擇

2.1 數(shù)據(jù)來源

根據(jù)前期研究文獻(xiàn),到目前為止,全球只有少數(shù)機構(gòu)對用戶支付工具選擇進(jìn)行了較為全面的調(diào)查。中國雖然還沒有類似調(diào)研,但中國家庭金融調(diào)查(China Household Finance Survey,CHFS)中涉及了家庭支付方式選擇、人口信息、歷史消費支出、家庭及個人金融等信息。結(jié)合數(shù)據(jù)的可得性,本文選用2017年CHFS數(shù)據(jù)和美國2018年SCPC數(shù)據(jù)進(jìn)行實證分析。SCPC 數(shù)據(jù)共有3 153個樣本和653個變量,CHFS數(shù)據(jù)分為家庭和個人數(shù)據(jù)集,將兩者連接后生成同時包含個人和家庭特征的“戶主變量”,具有40 011個樣本和2 836個變量。原始數(shù)據(jù)集和變量篩選的關(guān)系如圖2所示。

圖2 原始數(shù)據(jù)集和變量篩選的關(guān)系

2017年CHFS對支付方式的調(diào)研選項中包括現(xiàn)金、銀行卡、電腦支付、移動支付和信用卡;美國SCPC 將零售支付工具分為現(xiàn)金(CSH)、支票(CHK)、匯票(MON)、借記卡(DC)、信用卡(CC)和預(yù)付卡(SVC)6種。為保證分析的有效性,排除了數(shù)據(jù)太有偏的支付工具(如現(xiàn)金(中國和美國持有占比分別為94.4%和98.6%)、美國匯票(持有占比僅為17.4%)等),最終選取中國銀行卡、電腦支付、移動支付和信用卡以及美國支票、借記卡、信用卡和預(yù)付卡作為分析對象。刪除問卷基本信息、變量的標(biāo)簽變量、所有值相同或為空以及缺省值比例過大的變量,最終分別對CHFS 和SCPC 選擇出131 和122個相關(guān)變量。根據(jù)變量的意義,將其分為5類:①人口特征變量;②支付工具特征;③代表消費者家庭財務(wù)狀況和個人金融行為的金融情況;④歷史消費支出(僅中國數(shù)據(jù));⑤第三方支付Paypal使用情況(僅美國數(shù)據(jù))。部分變量名稱和含義如表1所示。

表1 部分變量及含義

相較SCPC,CHFS 數(shù)據(jù)并沒有專門針對支付工具進(jìn)行相關(guān)的調(diào)研,因此,沒有類似SCPC支付工具特征評價等變量;而SCPC 則沒有類似CHFS歷史分類消費支出等信息。對此,本文根據(jù)各變量的信息進(jìn)行了分類,如CHFS 調(diào)研中涉及的家庭成員之間現(xiàn)金支付(包含給父母、他人現(xiàn)金情況)反映了現(xiàn)金的網(wǎng)絡(luò)外部性特征,以及對非現(xiàn)金支付服務(wù)評價也在一定程度上反映了用戶對非現(xiàn)金支付特征的整體評價,并將其劃分為支付工具的特征。

2.2 數(shù)據(jù)的預(yù)處理

結(jié)合數(shù)據(jù)特征,主要進(jìn)行了缺省值填充和數(shù)據(jù)標(biāo)準(zhǔn)化、分段和One-hot編碼等預(yù)處理。

(1)缺失值填充。根據(jù)數(shù)據(jù)說明書,主要存在兩種缺失值類型:一種是數(shù)據(jù)搜集過程中產(chǎn)生一般性缺失值NA(Not Available);另一種是問卷中的前提條件沒有滿足而生成的空值NAN(Not a Number)。NA 缺失值占比小,隨機森林算法對于缺失值有很好的抗噪效果,只在Logit模型中去掉包含NA 缺失值的樣本。對于一般性的離散缺失值主要采用眾數(shù)填充;某些分布有偏的連續(xù)性變量(如非固定資產(chǎn)價值等)采用均值填充;對NAN 邏輯性缺失值,根據(jù)生成規(guī)則倒推該變量符合邏輯的值,例如樣本不存在貸款,則貸款金額由缺失值填充為0。

(2)數(shù)據(jù)標(biāo)準(zhǔn)化和離散處理。為消除量綱的影響,對分布接近正態(tài)的變量采用z-score標(biāo)準(zhǔn)化方法,對明顯有偏連續(xù)變量采用對數(shù)化處理。此外,為了提高連續(xù)變量與因變量的非線擬合程度及提高算法運行效率,對于某些連續(xù)變量,如年齡、支付歷史特征等進(jìn)行了分段化和One-hot編碼處理。

2.3 基于隨機森林的特征篩選

根據(jù)Genuer等[23]對隨機森林的設(shè)參規(guī)則,隨機特征數(shù)設(shè)置為總體變量個數(shù)的平方根(如≈11)。為確定合適的決策樹數(shù)量,分析了所選支付工具的隨機森林袋外誤分率和決策樹數(shù)量增長關(guān)系,如圖3所示。

圖3 支付工具隨機森林袋外誤分率和樹的數(shù)量的關(guān)系

樹的數(shù)量在200以內(nèi),中國4種支付工具及美國的支票、借記卡、信用卡對應(yīng)的隨機森林模型袋外誤分率和樹的數(shù)量的關(guān)系相似,均呈現(xiàn)下降趨勢,然后在樹的數(shù)量大于50后趨于穩(wěn)定,美國預(yù)付卡的穩(wěn)定性則較差。根據(jù)袋外誤分率的穩(wěn)定情況,美國預(yù)付卡隨機森林模型決策樹數(shù)量參數(shù)設(shè)置為100,其他支付工具均設(shè)置為50。以美國支票為例,設(shè)置模型參數(shù)后重復(fù)訓(xùn)練模型50 次,得到每一次訓(xùn)練對應(yīng)的變量重要性系數(shù),取均值后由大到小排序。結(jié)果顯示,排序靠前的特征重要性系數(shù)下降較快,而重要性排序靠后的變量重要性系數(shù)相對更平穩(wěn)。以前5 個變量作為起點,根據(jù)排序后的變量逐步引入變量,得到遞歸模型的袋外誤分率向量和袋外誤分率差分絕對值向量。圖4所示為美國支票特征篩選結(jié)果。

圖4 SCPC支票隨機森林迭代模型袋外誤分率及差分

根據(jù)差分-閾值公式,共有13個變量在引入遞歸模型中的袋外誤分率差分大于閾值,即為支票對應(yīng)的隨機森林特征篩選結(jié)果。同理可得其他支付工具的篩選變量(結(jié)果見表2、3所列變量)。與當(dāng)前國內(nèi)外絕大多數(shù)相關(guān)研究[6,12,14]主要選擇人口信息和支付工具自身特征兩大類影響因素不同,隨機森林篩出影響消費者持有不同支付工具的因素存在較大差異,且由于SCPC 和CHFS 數(shù)據(jù)集的差異,中國和美國篩選的因素也顯著不同。

3 實證結(jié)果

盡管隨機森林篩選結(jié)果在一定程度上反映出影響消費者持有各支付工具的重要因素,但并不能給出更多有效解釋信息。對此,進(jìn)一步構(gòu)建Logit模型分析這些因素的影響程度。

3.1 樣本不平衡處理及模型評價

對于Logit模型,樣本不平衡會影響模型結(jié)果的有效性。CHFS中銀行卡、電子支付、信用卡和移動支付持有與否的比例分別約為1∶3、1∶9、1∶5和1∶3,SCPC中支票、借記卡、信用卡和預(yù)付卡比例分別約為5∶1、4∶1、4∶1和4∶3。因此,除美國預(yù)付卡外,需要對其他支付工具進(jìn)行樣本不平衡處理。對比過采樣和欠采樣兩種結(jié)果發(fā)現(xiàn),過采樣造成的模型正確率顯著低于欠采樣,同時,考慮到樣本數(shù)量相對比較充分,最終選取欠采樣。Logit模型結(jié)果的ROC 曲 線 (Receiver Operating Characteristic Curve)如圖5所示。

圖5 Logit回歸模型的ROC曲線

中國信用卡和美國預(yù)付卡相對較差,AUC值均約為0.6,而其他模型的AUC值均在0.8以上。從隨機森林篩選情況來看,如果原始數(shù)據(jù)集中沒有包含和目標(biāo)變量相關(guān)的解釋變量,那么,隨機森林篩選出的變量會使Logit回歸模型的分類效果差。這說明,調(diào)查所涵蓋的變量信息并不能對相關(guān)支付工具的持有與否進(jìn)行良好解釋。然而,從模型擬合結(jié)果來看,相較于前期Schuh等[6,12,14]對SCPC 數(shù)據(jù)分析得到擬合值大多約為0.3及以下,本文對美國支票、借記卡和信用卡的擬合值分別達(dá)到了0.546、0.430和0.339,說明本文所選變量解釋度更高,更為有效。

3.2 模型結(jié)果及相對權(quán)重值

在回歸分析中,評價模型中各變量對因變量的影響通常使用簡單相關(guān)系數(shù)和標(biāo)準(zhǔn)回歸系數(shù)。然而,由于實際研究中自變量間通常做不到獨立不相關(guān),在評價該影響時需要消除變量之間的相關(guān)性影響,且無法判斷其重要程度,故采用Tonidandel等[22]的方法估計Logit模型中自變量相對權(quán)重值,結(jié)果如表2、3所示。

表2 中國CHFS 4種支付工具影響因素相對權(quán)重值

中國和美國支付工具影響因素及程度結(jié)果均較好反映了兩國國情和各支付工具的特征,如中國消費者電子支付、移動支付持有主要受到用戶對非現(xiàn)金支付的接受程度及網(wǎng)購需求影響;美國信用卡主要受到消費者信用評級的影響;由于中國消費者信用評級相關(guān)信息相對缺乏,信用卡持有影響因素則主要反映到年齡信息上;美國預(yù)付卡受到網(wǎng)絡(luò)外部性影響等。5大類因素對消費者支付選擇影響程度占比如圖6所示。

圖6 5大類影響因素解釋度累積貢獻(xiàn)占比

表3 美國SCPC 4種支付工具影響因素相對權(quán)重值

在中國,歷史消費支出、支付工具特征、人口信息是主要的影響因素。用戶持有銀行卡、移動支付解釋度最高的因素類型為用戶歷史消費支出,電子支付為支付工具特征,信用卡為人口信息。銀行卡影響因素中,歷史消費支出的累積解釋度最高,達(dá)64.7%,美容支出和娛樂支出是最主要的影響因素;與銀行卡類似,歷史消費支出對移動支付持有的累積解釋度約為62%,但是否網(wǎng)購是最主要的影響因素;由于用戶持有電子支付選擇影響因素中,非現(xiàn)金支付服務(wù)評價的解釋度高達(dá)63.4%,因而支付工具特征是電子支付持有主要影響因素類型,其次是歷史消費支出;信用卡持有影響因素中年齡權(quán)重約為65.7%,人口信息特征成為最重要因素類型,其次也是歷史消費支出。總體而言,中國CHFS 顯示,除了某些個別因素對電子支付、信用卡的影響外,用戶歷史消費支出是用戶是否持有各支付工具最重要影響因素類型,而其中美容、網(wǎng)購、娛樂、通信和網(wǎng)費的支出影響顯著。

美國影響消費者支付選擇主要的因素為支付工具特征、人口信息和金融情況。支票持有解釋度較高的因素為金融情況,累積解釋度為47%,支付工具評分、人口信息兩類影響因素的解釋度分別約占27%和25.7%,學(xué)歷和家庭總收入是最主要的影響因素;支付工具特征與人口信息對消費者借記卡持有的解釋度分別占比37%,消費者工作狀態(tài)和年齡權(quán)重最高,均分別占比超過13%;由于主要受到消費者自身信用評級的影響,金融情況對消費者信用卡持有選擇影響權(quán)重高達(dá)62%,其次是支付工具特征,解釋度約為30.7%;相較于其他3種支付工具,由于預(yù)付卡使用比例較低,受到雙邊市場網(wǎng)絡(luò)外部性的影響,預(yù)付卡的接收程度和消費者是否需要硬件接入互聯(lián)網(wǎng)是影響其持有預(yù)付卡的兩個最主要因素,權(quán)重分別約為11%,因而支付工具特征因素的解釋度達(dá)到了57%?？傮w而言,美國信用卡的重要解釋因素與能夠表明持有人資質(zhì)、信用、信貸狀況等信息的金融情況因素相關(guān)性更大,而對于借記卡與預(yù)付卡,其重要解釋因素與能夠代表消費者成本收益的各支付工具便利性、安全性、普遍性、記錄性等特征的特征評分相關(guān)性更大,其次是代表消費者異質(zhì)性的年齡、收入等個人人口信息。

3.3 消費者支付工具持有選擇的影響因素特點

綜合中國和美國消費者支付選擇的實證結(jié)果可見,代表消費者異質(zhì)性的人口和金融信息體現(xiàn)了對各支付工具不同程度的影響。此外,盡管中國CHFS數(shù)據(jù)沒有對代表支付工具成本結(jié)構(gòu)的便利性、安全性、獲取難易度、支付記錄等支付工具各類特征進(jìn)行調(diào)研,但美國SCPC 實證結(jié)果顯示該類因素對用戶支付選擇產(chǎn)生了重要影響;美國SCPC 數(shù)據(jù)沒有關(guān)于消費者各類消費歷史支出類型的詳細(xì)數(shù)據(jù),但中國CHFS數(shù)據(jù)實證結(jié)果也顯示了該類因素會影響用戶支付選擇。下面分別從消費者異質(zhì)性、支付工具特征和消費支出3個方面分析實證結(jié)果的主要特點。

(1)消費者異質(zhì)性的影響。消費者異質(zhì)性是指其需求因客戶個人偏好、性格、思維方式等的不同而不同,這往往體現(xiàn)于年齡、收入、職業(yè)等各方面。結(jié)合消費者支付選擇影響因素的劃分,消費者人口信息和金融情況均可以作為體現(xiàn)消費者異質(zhì)性的維度。兩方面對消費者支付工具選擇的影響程度則與支付工具實際需求和特點相關(guān)。

與前期研究[3,6-7,9,12]相一致,人口信息特征會顯著影響消費者支付工具的持有,而其中代表消費者異質(zhì)性的年齡、收入、學(xué)歷和性別是最主要的影響因素。在中國,年齡是影響用戶支付持有選擇的最主要人口信息,分別對信用卡、銀行卡和電子支付產(chǎn)生了較為顯著的影響,其次是性別和文化程度等。在美國,學(xué)歷和收入是影響消費者支票選擇的兩個最重要影響因素,是否正在求職以及年齡則是消費者持有借記卡的最重要因素。然而,對于信用卡和預(yù)付卡而言,年齡和收入等人口信息會影響消費者持有選擇,但并不是最重要的。該結(jié)果與支付工具實際情況相匹配,由于信用卡的持有需要一定的信用,因而美國實證顯示信用評級影響最大,而CHFS調(diào)研數(shù)據(jù)并沒有包含該信息。因此,在一定程度上反映用戶信用的年齡成為重要的影響因素。該結(jié)果顯示,在理解消費者不同支付工具選擇影響因素時需要結(jié)合支付工具特點進(jìn)行考慮,不同支付用戶群體的劃分顯然需要建立在不同的標(biāo)準(zhǔn)下,應(yīng)根據(jù)支付工具類型和消費者異質(zhì)性進(jìn)行深入分析。

(2)支付工具特征的影響。雖然中國CHFS并沒有對支付工具便利性、速度等特征進(jìn)行調(diào)研,但中國移動支付和電子支付作為最主要的非現(xiàn)金支付工具類型,代表對非現(xiàn)金支付總體接受程度的非現(xiàn)金支付服務(wù)評價對兩類支付工具的持有選擇影響顯著。此外,美國SCPC 結(jié)果顯示,與前期關(guān)于SCPC研究只考慮支付工具自身特征的影響不同,影響某種支付工具持有與否的重要變量,不僅包括該支付工具相關(guān)特征,還包括其他支付工具的特征,相互之間的影響關(guān)系如圖7所示。

圖7 美國各種支付工具特征的交叉作用

其中,信用卡、借記卡和預(yù)付卡的支付工具特征相互影響明顯。從特征類型來看,主要是受到其他支付工具支付記錄、便利性、接受程度和安全性的影響:現(xiàn)金、預(yù)付卡支付記錄性差會提高消費者對信用卡和借記卡的持有;預(yù)付卡和匯票的低便利性會提高借記卡的持有;信用卡接受程度的提高會降低借記卡的持有,但借記卡的高接受程度會增加消費者預(yù)付卡持有;現(xiàn)金、借記卡的低安全性分別會提高消費者對預(yù)付卡、信用卡的持有。此外,由于第三方支付Paypal與借記卡、信用卡和預(yù)付卡之間存在競合關(guān)系,使得消費者使用PayPal會增加借記卡和預(yù)付卡的持有,同時會降低信用卡的持有。通過該結(jié)果可見,用戶支付選擇受到了支付工具多種特征的影響,且不同支付工具受影響的因素也存在較大差異。與此同時,在討論某一種支付工具持有與否時,不僅僅要考慮該支付工具本身的特征,還需要考慮其他支付工具特征的影響。

(3)消費支出類型的影響。前期研究發(fā)現(xiàn),在控制人文地理因素的影響后,代表支付工具特征的顯性成本的價格和隱性成本的時間、便利性、風(fēng)險等因素形成的支付工具成本結(jié)構(gòu)會顯著影響用戶支付選擇行為,從而影響用戶在不同支付金額范圍內(nèi)(也往往體現(xiàn)為具有不同支付金額范圍要求的不同支付場景)偏好使用不同類型支付工具[24]。因此,在支付工具替代方面,大量研究發(fā)現(xiàn),支付場景或金額會顯著影響用戶支付選擇或支付工具間替代[1,4,9,21]。與前期研究相一致,中國CHFS數(shù)據(jù)中代表支付場景的用戶歷史消費支出類型對用戶支付持有選擇產(chǎn)生了顯著影響。CHFS數(shù)據(jù)中23種消費支出類型經(jīng)過篩選后分為美容支出、網(wǎng)絡(luò)購物、娛樂支出、教育支出、水電氣支出、通信網(wǎng)絡(luò)支出和網(wǎng)購7大類。其中,與實際情況相符,中國移動支付和電子支付是隨著網(wǎng)絡(luò)購物而出現(xiàn)和發(fā)展起來的,所以網(wǎng)絡(luò)購物是影響消費者移動支付和電子支付的重要因素;作為一種日常消費支出,當(dāng)前通信費和網(wǎng)費支出往往通過電子支付手段完成,結(jié)果也顯示,該類支出均會對消費者4種支付選擇產(chǎn)生較為顯著的影響。較為意外的是,美容支出是影響用戶對銀行卡、電子支付和移動支付選擇的重要因素,分別占比21%、6%和20%的重要性解釋度,這可以認(rèn)為不同于食品、日用品等剛需支出,美容作為非泛用但快速發(fā)展的支出類型,在一定程度上會影響消費者對這3種支付的選擇。此外,結(jié)果還顯示,娛樂支出會顯著影響用戶對銀行卡和電子支付的選擇,而水電燃料、醫(yī)療是用戶信用卡持有選擇的重要影響因素。

與前期研究對于用戶在不同支付金額范圍進(jìn)行不同支付選擇的理論假設(shè)和實證結(jié)果一致[1,4,9,21,24-25],中國實證結(jié)果顯示,代表支付場景和支付金額差異的支出類型是用戶支付選擇的重要影響因素。然而,支付工具的多樣化發(fā)展使得用戶消費支出與支付選擇的聯(lián)系變得更為復(fù)雜,不僅與支付金額相關(guān),還受到場景支付選擇范圍限制,以及當(dāng)前支付作為一種流量入口,支付選擇會反過來影響用戶消費支出等,這需要對消費支出與用戶支付選擇之間的作用機制進(jìn)行進(jìn)一步探討和分析。

4 結(jié)論

本文構(gòu)建了一個分析用戶支付選擇影響因素的研究框架,首先通過隨機森林模型篩選影響消費者支付工具選擇的因素,然后利用Logit回歸分析所篩選因素對用戶支付工具選擇的影響程度。在該研究框架下,分別對中國家庭金融調(diào)查數(shù)據(jù)(CHFS)和美國波士頓聯(lián)邦儲備銀行消費者支付選擇數(shù)據(jù)(SCPC),實證分析了消費者支付選擇的影響因素及程度。

盡管受中國和美國實證數(shù)據(jù)集信息及兩國支付工具發(fā)展國情差異的影響,兩個國家實證結(jié)果差異較大,但也得到了與實際情況相一致的結(jié)果,較好地反映了兩個國家消費者4種支付選擇的重要影響因素,并在一定程度上驗證了前期相關(guān)研究假設(shè)和結(jié)論。與前期通過經(jīng)驗判斷主要選擇部分人口信息及支付工具自身特征作為影響因素分析對用戶支付工具選擇影響的研究及結(jié)論相比,本文研究可進(jìn)一步得到如下幾方面結(jié)論:

(1)影響用戶支付工具持有選擇的因素很多,除了年齡、學(xué)歷等人口信息及支付工具自身特征外,還包括其他支付工具的特征、用戶個人及家庭金融情況以及消費支出類型的影響。

(2)對于不同支付工具,由于其實際使用特點差異,影響消費者選擇的因素存在較大差異,如在美國,年齡、收入、學(xué)歷等人口信息是消費者支票、借記卡選擇最重要的影響因素;消費者信用是信用卡選擇最重要因素;預(yù)付卡由于市場使用較少,在雙邊市場中的網(wǎng)絡(luò)外部性特征下,市場對其普遍接受程度影響較大。

(3)支付工具之間的替代主要表現(xiàn)為受到支付工具自身及其他支付工具不同特征的影響。美國SCPC數(shù)據(jù)分析結(jié)果顯示,現(xiàn)金、預(yù)付卡支付記錄性差會提高消費者對信用卡和借記卡的持有,信用卡的接受程度提高會降低借記卡的持有等。

(4)消費支出類型會顯著影響用戶支付選擇,如通過中國CHFS數(shù)據(jù)分析得到,是否網(wǎng)購是影響用戶移動支付和電子支付選擇的最重要和次要因素,美容、娛樂支出是消費者銀行卡選擇的兩個最重要影響因素等。

(5)對于不同支付工具,消費者支付選擇受到的主要影響因素類型存在不同。在美國,支票和信用卡的持有與否最主要受到個人金融信息特征的影響,借記卡的持有選擇主要受到人口信息特征和支付工具特征影響;在中國,銀行卡和移動支付主要受到消費支出的影響,而對非現(xiàn)金支付接受程度是消費者電子支付選擇最主要的影響因素,信用卡則主要受到年齡的影響。根據(jù)該研究結(jié)果可見,影響用戶支付工具選擇因素很多,學(xué)術(shù)研究或業(yè)界支付工具推廣應(yīng)結(jié)合不同支付工具和消費者異質(zhì)性特征考慮其重要的影響因素。

本文研究從方法到結(jié)論,均是對當(dāng)前用戶支付工具選擇研究的拓展。此外,本文的貢獻(xiàn)在于相較通過經(jīng)驗判斷選擇影響因素,基于機器學(xué)習(xí)模型對特征篩選的結(jié)果既保證了模型的有效性,還發(fā)現(xiàn)了在前期研究未納入到模型進(jìn)行分析的重要因素。該研究不論是對研究支付工具的機構(gòu)與學(xué)者,還是對推廣支付工具的機構(gòu)以及政府制定相關(guān)政策均具有一定的借鑒意義。但與此同時,研究也存在不足,主要表現(xiàn)為如下兩個方面:首先,對于變量篩選和分類模型,僅使用隨機森林和Logit模型對結(jié)果進(jìn)行驗證存在一定的不足,因此,采用更多的特征篩選和分類模型進(jìn)行驗證會使結(jié)果更嚴(yán)謹(jǐn)。其次,國內(nèi)外支付工具市場發(fā)展顯示,中國與歐美支付工具市場存在顯著的差異。盡管本文使用了中國家庭金融調(diào)查數(shù)據(jù)進(jìn)行實證分析,但從美國SCPC結(jié)果來看,該數(shù)據(jù)缺失了如支付工具特征、用戶信用等重要信息,且對于支付工具的劃分并不嚴(yán)謹(jǐn),這無疑會在一定程度上影響分析結(jié)果。因此,如何對中國市場進(jìn)行較為全面的調(diào)研,并實證分析中國支付市場消費者選擇影響因素是本文未來研究的主要方向。