邱甲賢,王震寰,李玉卓,童 牧

(1.西南財(cái)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(cái)經(jīng)大學(xué) 經(jīng)濟(jì)信息工程學(xué)院中國(guó)支付體系研究中心,成都 611130)

支付作為交易資金轉(zhuǎn)移實(shí)現(xiàn)方式,是社會(huì)金融經(jīng)濟(jì)活動(dòng)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(duì)現(xiàn)金、支票等已有支付工具形成了替代。全球支付市場(chǎng)的發(fā)展顯示,盡管中國(guó)非現(xiàn)金支付工具的發(fā)展相對(duì)于美國(guó)、北歐等國(guó)家起步較晚,但以銀行卡、第三方支付以及移動(dòng)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(guó)支付領(lǐng)域已領(lǐng)先全球。毫無(wú)疑問(wèn),支付市場(chǎng)的演化在提高支付效率的同時(shí),也通過(guò)滲入到交易場(chǎng)景加深對(duì)社會(huì)經(jīng)濟(jì)金融活動(dòng)的影響,加劇了銀行業(yè)、非銀行業(yè)支付服務(wù)機(jī)構(gòu)間的競(jìng)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(chǎng)的演化將進(jìn)一步加強(qiáng),支付市場(chǎng)未來(lái)發(fā)展已成為各界關(guān)注的焦點(diǎn)。

支付工具的演替源于市場(chǎng)用戶(hù)對(duì)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(hù)支付選擇行為的因素,這不僅有助于了解支付工具市場(chǎng)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(jī)構(gòu)推行新支付工具,以及政府合理引導(dǎo)市場(chǎng)競(jìng)爭(zhēng)和發(fā)展。

為全面了解什么因素推動(dòng)了用戶(hù)支付工具的選擇和轉(zhuǎn)換,國(guó)外部分機(jī)構(gòu)對(duì)以消費(fèi)者為主的用戶(hù)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(guó)波士頓聯(lián)邦儲(chǔ)備銀行的SCPC(Survey of Consumer Payment Choice)和DCPC(Dairy of Customer Payment Choice)。影響用戶(hù)支付選擇的因素包含多個(gè)方面,如文化傳統(tǒng)、成本、安全、便利、收入、價(jià)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?xún)纱蠓矫?。關(guān)于人文地理相關(guān)的影響因素,實(shí)證研究發(fā)現(xiàn),用戶(hù)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(huì)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(guó)波士頓聯(lián)邦儲(chǔ)備銀行的消費(fèi)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(gè)方面;加拿大銀行在其MOP用戶(hù)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(xiǎn)/欺詐、普遍使用等方面。對(duì)于支付工具特征對(duì)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(jià)格或激勵(lì)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(hù)支付工具選擇和替代受到了個(gè)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(duì)如價(jià)格或成本[4,15,17,20]、支付場(chǎng)景或金額[1,4,9,21]、時(shí)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(yàn)選取可能對(duì)消費(fèi)者支付選擇產(chǎn)生影響的特征構(gòu)建計(jì)量模型進(jìn)行實(shí)證分析。然而,由于影響用戶(hù)支付選擇行為的因素眾多,按經(jīng)驗(yàn)選取特征的方式因?yàn)椴豢杀苊獾闹饔^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(méi)有從大量影響因素中篩選出影響用戶(hù)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(hù)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(duì)此,針對(duì)用戶(hù)支付選擇市場(chǎng)特征,構(gòu)建隨機(jī)森林模型對(duì)影響用戶(hù)支付工具持有選擇的因素進(jìn)行篩選,然后對(duì)篩選后的變量構(gòu)建二分類(lèi)邏輯回歸模型,分析各因素對(duì)消費(fèi)者對(duì)各支付工具持有選擇產(chǎn)生的影響。通過(guò)對(duì)中國(guó)CHFS和美國(guó)SCPC 數(shù)據(jù)實(shí)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(hù)支付選擇的重要因素,并對(duì)實(shí)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(hù)支付選擇的因素眾多,要找出影響用戶(hù)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(lèi)。其中,最常用的是基于樹(shù)的特征選擇法,隨機(jī)森林則為一種非常流行的基于多個(gè)決策樹(shù)的嵌入式特征選擇方法,抗噪性強(qiáng),并可有效避免一般機(jī)器學(xué)習(xí)方法容易產(chǎn)生的過(guò)擬合問(wèn)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(diǎn),采用隨機(jī)森林對(duì)用戶(hù)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(duì)用戶(hù)選擇行為的影響及影響程度,前期對(duì)用戶(hù)支付選擇的研究表明,用戶(hù)對(duì)單種支付選擇行為表現(xiàn)為持有和不持有二分類(lèi)[1,6,12,14]。因此,采用二元離散選擇模型對(duì)隨機(jī)森林篩選變量建立用戶(hù)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(yàn)。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(jī)森林模型對(duì)不同支付工具進(jìn)行特征篩選;③采用Logit模型對(duì)隨機(jī)森林篩選特征構(gòu)建用戶(hù)支付工具持有選擇模型,并基于Tonidandel[22]的方法,計(jì)算各變量的相對(duì)權(quán)重值以及同類(lèi)變量的累積解釋度,檢驗(yàn)各重要特征對(duì)用戶(hù)持有支付工具的影響程度。

1.2 基于隨機(jī)森林的特征選擇

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

算法1隨機(jī)森林計(jì)算特征重要性系數(shù)。

輸入已經(jīng)訓(xùn)練好的隨機(jī)森林T={t1,t2,…,tn}

運(yùn)算forp=1:Pdo

計(jì)算所有決策樹(shù)的袋外誤差OOB1

對(duì)特征p進(jìn)行白噪聲化處理

計(jì)算所有決策樹(shù)的袋外誤差OOB2

計(jì)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(gè)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(jì)算公式為

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

1.3 Logit模型及變量重要性估計(jì)

對(duì)于某種支付工具,用戶(hù)具有持有與不持有兩種選擇。假設(shè)影響用戶(hù)支付工具持有選擇Y的因素X=(x1,x2,…,xk)'。用戶(hù)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(mǎn)足服從特定分布隨機(jī)變量的累積分布函數(shù)。常見(jiàn)的二元離散選擇模型的分布為L(zhǎng)ogistic和正態(tài)分布。由于Logistic分布相較于正態(tài)分布具有更長(zhǎng)的尾部和更緩慢的增長(zhǎng),更適合支付市場(chǎng)特征,前期實(shí)證分析中的絕大多數(shù)文獻(xiàn)[12,14,16]采用了Logit模型,此時(shí)用戶(hù)支付選擇的概率模型為

轉(zhuǎn)換為表示用戶(hù)支付持有與不持有概率比的Logit模型:

利用極大似然估計(jì)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(lèi)。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(píng)價(jià)變量的影響往往會(huì)采用回歸系數(shù)。然而,由于實(shí)際研究中變量存在相關(guān)不能進(jìn)行精確估計(jì),為進(jìn)一步分析所選影響因素對(duì)用戶(hù)持有選擇預(yù)測(cè)能力貢獻(xiàn)程度,采用Tonidandel等[22]基于相對(duì)權(quán)重估計(jì)法,計(jì)算模型變量的相對(duì)權(quán)重,從而判斷其重要性。該方法首先對(duì)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(duì)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(duì)于Y的解釋度;用Z關(guān)于每一個(gè)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(duì)于Xj的解釋度。以正交矩陣Z作為橋梁,可得

εj是Xj對(duì)于Y的解釋度。在計(jì)算標(biāo)準(zhǔn)回歸系數(shù)時(shí),由于Logit回歸的因變量為0-1分布,其標(biāo)準(zhǔn)系數(shù)計(jì)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(jì)算

可得估計(jì)的相對(duì)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(lái)源

根據(jù)前期研究文獻(xiàn),到目前為止,全球只有少數(shù)機(jī)構(gòu)對(duì)用戶(hù)支付工具選擇進(jìn)行了較為全面的調(diào)查。中國(guó)雖然還沒(méi)有類(lèi)似調(diào)研,但中國(guó)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(fèi)支出、家庭及個(gè)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(guó)2018年SCPC數(shù)據(jù)進(jìn)行實(shí)證分析。SCPC 數(shù)據(jù)共有3 153個(gè)樣本和653個(gè)變量,CHFS數(shù)據(jù)分為家庭和個(gè)人數(shù)據(jù)集,將兩者連接后生成同時(shí)包含個(gè)人和家庭特征的“戶(hù)主變量”,具有40 011個(gè)樣本和2 836個(gè)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(duì)支付方式的調(diào)研選項(xiàng)中包括現(xiàn)金、銀行卡、電腦支付、移動(dòng)支付和信用卡;美國(guó)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(guó)和美國(guó)持有占比分別為94.4%和98.6%)、美國(guó)匯票(持有占比僅為17.4%)等),最終選取中國(guó)銀行卡、電腦支付、移動(dòng)支付和信用卡以及美國(guó)支票、借記卡、信用卡和預(yù)付卡作為分析對(duì)象。刪除問(wèn)卷基本信息、變量的標(biāo)簽變量、所有值相同或?yàn)榭找约叭笔≈当壤^(guò)大的變量,最終分別對(duì)CHFS 和SCPC 選擇出131 和122個(gè)相關(guān)變量。根據(jù)變量的意義,將其分為5類(lèi):①人口特征變量;②支付工具特征;③代表消費(fèi)者家庭財(cái)務(wù)狀況和個(gè)人金融行為的金融情況;④歷史消費(fèi)支出(僅中國(guó)數(shù)據(jù));⑤第三方支付Paypal使用情況(僅美國(guó)數(shù)據(jù))。部分變量名稱(chēng)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(méi)有專(zhuān)門(mén)針對(duì)支付工具進(jìn)行相關(guān)的調(diào)研,因此,沒(méi)有類(lèi)似SCPC支付工具特征評(píng)價(jià)等變量;而SCPC 則沒(méi)有類(lèi)似CHFS歷史分類(lèi)消費(fèi)支出等信息。對(duì)此,本文根據(jù)各變量的信息進(jìn)行了分類(lèi),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(duì)非現(xiàn)金支付服務(wù)評(píng)價(jià)也在一定程度上反映了用戶(hù)對(duì)非現(xiàn)金支付特征的整體評(píng)價(jià),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(shuō)明書(shū),主要存在兩種缺失值類(lèi)型:一種是數(shù)據(jù)搜集過(guò)程中產(chǎn)生一般性缺失值NA(Not Available);另一種是問(wèn)卷中的前提條件沒(méi)有滿(mǎn)足而生成的空值NAN(Not a Number)。NA 缺失值占比小,隨機(jī)森林算法對(duì)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(duì)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(jià)值等)采用均值填充;對(duì)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(duì)分布接近正態(tài)的變量采用z-score標(biāo)準(zhǔn)化方法,對(duì)明顯有偏連續(xù)變量采用對(duì)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(yùn)行效率,對(duì)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(jī)森林的特征篩選

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

圖3 支付工具隨機(jī)森林袋外誤分率和樹(shù)的數(shù)量的關(guān)系

樹(shù)的數(shù)量在200以?xún)?nèi),中國(guó)4種支付工具及美國(guó)的支票、借記卡、信用卡對(duì)應(yīng)的隨機(jī)森林模型袋外誤分率和樹(shù)的數(shù)量的關(guān)系相似,均呈現(xiàn)下降趨勢(shì),然后在樹(shù)的數(shù)量大于50后趨于穩(wěn)定,美國(guó)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(guó)預(yù)付卡隨機(jī)森林模型決策樹(shù)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(guó)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(duì)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(duì)更平穩(wěn)。以前5 個(gè)變量作為起點(diǎn),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(duì)值向量。圖4所示為美國(guó)支票特征篩選結(jié)果。

圖4 SCPC支票隨機(jī)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(gè)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(duì)應(yīng)的隨機(jī)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(jiàn)表2、3所列變量)。與當(dāng)前國(guó)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(lèi)影響因素不同,隨機(jī)森林篩出影響消費(fèi)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(guó)和美國(guó)篩選的因素也顯著不同。

3 實(shí)證結(jié)果

盡管隨機(jī)森林篩選結(jié)果在一定程度上反映出影響消費(fèi)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(duì)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(píng)價(jià)

對(duì)于Logit模型,樣本不平衡會(huì)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(dòng)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(guó)預(yù)付卡外,需要對(duì)其他支付工具進(jìn)行樣本不平衡處理。對(duì)比過(guò)采樣和欠采樣兩種結(jié)果發(fā)現(xiàn),過(guò)采樣造成的模型正確率顯著低于欠采樣,同時(shí),考慮到樣本數(shù)量相對(duì)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(guó)信用卡和美國(guó)預(yù)付卡相對(duì)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(jī)森林篩選情況來(lái)看,如果原始數(shù)據(jù)集中沒(méi)有包含和目標(biāo)變量相關(guān)的解釋變量,那么,隨機(jī)森林篩選出的變量會(huì)使Logit回歸模型的分類(lèi)效果差。這說(shuō)明,調(diào)查所涵蓋的變量信息并不能對(duì)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(lái)看,相較于前期Schuh等[6,12,14]對(duì)SCPC 數(shù)據(jù)分析得到擬合值大多約為0.3及以下,本文對(duì)美國(guó)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(shuō)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(duì)權(quán)重值

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

表2 中國(guó)CHFS 4種支付工具影響因素相對(duì)權(quán)重值

中國(guó)和美國(guó)支付工具影響因素及程度結(jié)果均較好反映了兩國(guó)國(guó)情和各支付工具的特征,如中國(guó)消費(fèi)者電子支付、移動(dòng)支付持有主要受到用戶(hù)對(duì)非現(xiàn)金支付的接受程度及網(wǎng)購(gòu)需求影響;美國(guó)信用卡主要受到消費(fèi)者信用評(píng)級(jí)的影響;由于中國(guó)消費(fèi)者信用評(píng)級(jí)相關(guān)信息相對(duì)缺乏,信用卡持有影響因素則主要反映到年齡信息上;美國(guó)預(yù)付卡受到網(wǎng)絡(luò)外部性影響等。5大類(lèi)因素對(duì)消費(fèi)者支付選擇影響程度占比如圖6所示。

圖6 5大類(lèi)影響因素解釋度累積貢獻(xiàn)占比

表3 美國(guó)SCPC 4種支付工具影響因素相對(duì)權(quán)重值

在中國(guó),歷史消費(fèi)支出、支付工具特征、人口信息是主要的影響因素。用戶(hù)持有銀行卡、移動(dòng)支付解釋度最高的因素類(lèi)型為用戶(hù)歷史消費(fèi)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(fèi)支出的累積解釋度最高,達(dá)64.7%,美容支出和娛樂(lè)支出是最主要的影響因素;與銀行卡類(lèi)似,歷史消費(fèi)支出對(duì)移動(dòng)支付持有的累積解釋度約為62%,但是否網(wǎng)購(gòu)是最主要的影響因素;由于用戶(hù)持有電子支付選擇影響因素中,非現(xiàn)金支付服務(wù)評(píng)價(jià)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(lèi)型,其次是歷史消費(fèi)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(lèi)型,其次也是歷史消費(fèi)支出?？傮w而言,中國(guó)CHFS 顯示,除了某些個(gè)別因素對(duì)電子支付、信用卡的影響外,用戶(hù)歷史消費(fèi)支出是用戶(hù)是否持有各支付工具最重要影響因素類(lèi)型,而其中美容、網(wǎng)購(gòu)、娛樂(lè)、通信和網(wǎng)費(fèi)的支出影響顯著。

美國(guó)影響消費(fèi)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(píng)分、人口信息兩類(lèi)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(duì)消費(fèi)者借記卡持有的解釋度分別占比37%,消費(fèi)者工作狀態(tài)和年齡權(quán)重最高,均分別占比超過(guò)13%;由于主要受到消費(fèi)者自身信用評(píng)級(jí)的影響,金融情況對(duì)消費(fèi)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(chǎng)網(wǎng)絡(luò)外部性的影響,預(yù)付卡的接收程度和消費(fèi)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(gè)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%。總體而言,美國(guó)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(duì)于借記卡與預(yù)付卡,其重要解釋因素與能夠代表消費(fèi)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(píng)分相關(guān)性更大,其次是代表消費(fèi)者異質(zhì)性的年齡、收入等個(gè)人人口信息。

3.3 消費(fèi)者支付工具持有選擇的影響因素特點(diǎn)

綜合中國(guó)和美國(guó)消費(fèi)者支付選擇的實(shí)證結(jié)果可見(jiàn),代表消費(fèi)者異質(zhì)性的人口和金融信息體現(xiàn)了對(duì)各支付工具不同程度的影響。此外,盡管中國(guó)CHFS數(shù)據(jù)沒(méi)有對(duì)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(lèi)特征進(jìn)行調(diào)研,但美國(guó)SCPC 實(shí)證結(jié)果顯示該類(lèi)因素對(duì)用戶(hù)支付選擇產(chǎn)生了重要影響;美國(guó)SCPC 數(shù)據(jù)沒(méi)有關(guān)于消費(fèi)者各類(lèi)消費(fèi)歷史支出類(lèi)型的詳細(xì)數(shù)據(jù),但中國(guó)CHFS數(shù)據(jù)實(shí)證結(jié)果也顯示了該類(lèi)因素會(huì)影響用戶(hù)支付選擇。下面分別從消費(fèi)者異質(zhì)性、支付工具特征和消費(fèi)支出3個(gè)方面分析實(shí)證結(jié)果的主要特點(diǎn)。

(1)消費(fèi)者異質(zhì)性的影響。消費(fèi)者異質(zhì)性是指其需求因客戶(hù)個(gè)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(fèi)者支付選擇影響因素的劃分,消費(fèi)者人口信息和金融情況均可以作為體現(xiàn)消費(fèi)者異質(zhì)性的維度。兩方面對(duì)消費(fèi)者支付工具選擇的影響程度則與支付工具實(shí)際需求和特點(diǎn)相關(guān)。

與前期研究[3,6-7,9,12]相一致,人口信息特征會(huì)顯著影響消費(fèi)者支付工具的持有,而其中代表消費(fèi)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(guó),年齡是影響用戶(hù)支付持有選擇的最主要人口信息,分別對(duì)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(guó),學(xué)歷和收入是影響消費(fèi)者支票選擇的兩個(gè)最重要影響因素,是否正在求職以及年齡則是消費(fèi)者持有借記卡的最重要因素。然而,對(duì)于信用卡和預(yù)付卡而言,年齡和收入等人口信息會(huì)影響消費(fèi)者持有選擇,但并不是最重要的。該結(jié)果與支付工具實(shí)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(guó)實(shí)證顯示信用評(píng)級(jí)影響最大,而CHFS調(diào)研數(shù)據(jù)并沒(méi)有包含該信息。因此,在一定程度上反映用戶(hù)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(fèi)者不同支付工具選擇影響因素時(shí)需要結(jié)合支付工具特點(diǎn)進(jìn)行考慮,不同支付用戶(hù)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(lèi)型和消費(fèi)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(guó)CHFS并沒(méi)有對(duì)支付工具便利性、速度等特征進(jìn)行調(diào)研,但中國(guó)移動(dòng)支付和電子支付作為最主要的非現(xiàn)金支付工具類(lèi)型,代表對(duì)非現(xiàn)金支付總體接受程度的非現(xiàn)金支付服務(wù)評(píng)價(jià)對(duì)兩類(lèi)支付工具的持有選擇影響顯著。此外,美國(guó)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(guó)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(lèi)型來(lái)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(huì)提高消費(fèi)者對(duì)信用卡和借記卡的持有;預(yù)付卡和匯票的低便利性會(huì)提高借記卡的持有;信用卡接受程度的提高會(huì)降低借記卡的持有,但借記卡的高接受程度會(huì)增加消費(fèi)者預(yù)付卡持有;現(xiàn)金、借記卡的低安全性分別會(huì)提高消費(fèi)者對(duì)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(jìng)合關(guān)系,使得消費(fèi)者使用PayPal會(huì)增加借記卡和預(yù)付卡的持有,同時(shí)會(huì)降低信用卡的持有。通過(guò)該結(jié)果可見(jiàn),用戶(hù)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(shí),在討論某一種支付工具持有與否時(shí),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(fèi)支出類(lèi)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(jià)格和隱性成本的時(shí)間、便利性、風(fēng)險(xiǎn)等因素形成的支付工具成本結(jié)構(gòu)會(huì)顯著影響用戶(hù)支付選擇行為,從而影響用戶(hù)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(chǎng)景)偏好使用不同類(lèi)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(chǎng)景或金額會(huì)顯著影響用戶(hù)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(guó)CHFS數(shù)據(jù)中代表支付場(chǎng)景的用戶(hù)歷史消費(fèi)支出類(lèi)型對(duì)用戶(hù)支付持有選擇產(chǎn)生了顯著影響。CHFS數(shù)據(jù)中23種消費(fèi)支出類(lèi)型經(jīng)過(guò)篩選后分為美容支出、網(wǎng)絡(luò)購(gòu)物、娛樂(lè)支出、教育支出、水電氣支出、通信網(wǎng)絡(luò)支出和網(wǎng)購(gòu)7大類(lèi)。其中,與實(shí)際情況相符,中國(guó)移動(dòng)支付和電子支付是隨著網(wǎng)絡(luò)購(gòu)物而出現(xiàn)和發(fā)展起來(lái)的,所以網(wǎng)絡(luò)購(gòu)物是影響消費(fèi)者移動(dòng)支付和電子支付的重要因素;作為一種日常消費(fèi)支出,當(dāng)前通信費(fèi)和網(wǎng)費(fèi)支出往往通過(guò)電子支付手段完成,結(jié)果也顯示,該類(lèi)支出均會(huì)對(duì)消費(fèi)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(hù)對(duì)銀行卡、電子支付和移動(dòng)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(lèi)型,在一定程度上會(huì)影響消費(fèi)者對(duì)這3種支付的選擇。此外,結(jié)果還顯示,娛樂(lè)支出會(huì)顯著影響用戶(hù)對(duì)銀行卡和電子支付的選擇,而水電燃料、醫(yī)療是用戶(hù)信用卡持有選擇的重要影響因素。

與前期研究對(duì)于用戶(hù)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(shí)證結(jié)果一致[1,4,9,21,24-25],中國(guó)實(shí)證結(jié)果顯示,代表支付場(chǎng)景和支付金額差異的支出類(lèi)型是用戶(hù)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(hù)消費(fèi)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(chǎng)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(huì)反過(guò)來(lái)影響用戶(hù)消費(fèi)支出等,這需要對(duì)消費(fèi)支出與用戶(hù)支付選擇之間的作用機(jī)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(gè)分析用戶(hù)支付選擇影響因素的研究框架,首先通過(guò)隨機(jī)森林模型篩選影響消費(fèi)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(duì)用戶(hù)支付工具選擇的影響程度。在該研究框架下,分別對(duì)中國(guó)家庭金融調(diào)查數(shù)據(jù)(CHFS)和美國(guó)波士頓聯(lián)邦儲(chǔ)備銀行消費(fèi)者支付選擇數(shù)據(jù)(SCPC),實(shí)證分析了消費(fèi)者支付選擇的影響因素及程度。

盡管受中國(guó)和美國(guó)實(shí)證數(shù)據(jù)集信息及兩國(guó)支付工具發(fā)展國(guó)情差異的影響,兩個(gè)國(guó)家實(shí)證結(jié)果差異較大,但也得到了與實(shí)際情況相一致的結(jié)果,較好地反映了兩個(gè)國(guó)家消費(fèi)者4種支付選擇的重要影響因素,并在一定程度上驗(yàn)證了前期相關(guān)研究假設(shè)和結(jié)論。與前期通過(guò)經(jīng)驗(yàn)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(duì)用戶(hù)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(hù)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(hù)個(gè)人及家庭金融情況以及消費(fèi)支出類(lèi)型的影響。

(2)對(duì)于不同支付工具,由于其實(shí)際使用特點(diǎn)差異,影響消費(fèi)者選擇的因素存在較大差異,如在美國(guó),年齡、收入、學(xué)歷等人口信息是消費(fèi)者支票、借記卡選擇最重要的影響因素;消費(fèi)者信用是信用卡選擇最重要因素;預(yù)付卡由于市場(chǎng)使用較少,在雙邊市場(chǎng)中的網(wǎng)絡(luò)外部性特征下,市場(chǎng)對(duì)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(guó)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(huì)提高消費(fèi)者對(duì)信用卡和借記卡的持有,信用卡的接受程度提高會(huì)降低借記卡的持有等。

(4)消費(fèi)支出類(lèi)型會(huì)顯著影響用戶(hù)支付選擇,如通過(guò)中國(guó)CHFS數(shù)據(jù)分析得到,是否網(wǎng)購(gòu)是影響用戶(hù)移動(dòng)支付和電子支付選擇的最重要和次要因素,美容、娛樂(lè)支出是消費(fèi)者銀行卡選擇的兩個(gè)最重要影響因素等。

(5)對(duì)于不同支付工具,消費(fèi)者支付選擇受到的主要影響因素類(lèi)型存在不同。在美國(guó),支票和信用卡的持有與否最主要受到個(gè)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(guó),銀行卡和移動(dòng)支付主要受到消費(fèi)支出的影響,而對(duì)非現(xiàn)金支付接受程度是消費(fèi)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(jiàn),影響用戶(hù)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(fèi)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(duì)當(dāng)前用戶(hù)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(guò)經(jīng)驗(yàn)判斷選擇影響因素,基于機(jī)器學(xué)習(xí)模型對(duì)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(duì)研究支付工具的機(jī)構(gòu)與學(xué)者,還是對(duì)推廣支付工具的機(jī)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(shí),研究也存在不足,主要表現(xiàn)為如下兩個(gè)方面:首先,對(duì)于變量篩選和分類(lèi)模型,僅使用隨機(jī)森林和Logit模型對(duì)結(jié)果進(jìn)行驗(yàn)證存在一定的不足,因此,采用更多的特征篩選和分類(lèi)模型進(jìn)行驗(yàn)證會(huì)使結(jié)果更嚴(yán)謹(jǐn)。其次,國(guó)內(nèi)外支付工具市場(chǎng)發(fā)展顯示,中國(guó)與歐美支付工具市場(chǎng)存在顯著的差異。盡管本文使用了中國(guó)家庭金融調(diào)查數(shù)據(jù)進(jìn)行實(shí)證分析,但從美國(guó)SCPC結(jié)果來(lái)看,該數(shù)據(jù)缺失了如支付工具特征、用戶(hù)信用等重要信息,且對(duì)于支付工具的劃分并不嚴(yán)謹(jǐn),這無(wú)疑會(huì)在一定程度上影響分析結(jié)果。因此,如何對(duì)中國(guó)市場(chǎng)進(jìn)行較為全面的調(diào)研,并實(shí)證分析中國(guó)支付市場(chǎng)消費(fèi)者選擇影響因素是本文未來(lái)研究的主要方向。