支付宝PC转账收费对消费额的影响

2014-07-04鲁晓希

商业2.0 2014年6期

中图分类号：DF4381 文献标识码：A

摘要：以太原市淘宝消费情况为例，通过建立计量经济学模型，分析支付宝PC转账收费对支付宝消费额的影响，指出消费额与影响消费额变化的原因之间的关系；通过分析影响消费额的因素，预估PC客户端收费对未来交易额的影响。

关键词：支付宝消费额；计量经济学模型；影响因素

支付宝官网公告称，从12月4号起，用户在电脑上进行支付宝账户间转账，费率进行下调：费率从原有的0.5%降低为0 .1%，0 .5元起收，10元封顶，按每笔交易收取。此次支付宝对电脑转账收费，产生的费用将统一由转账人支付。究竟会给支付宝的交易额带来多大影响？对于是否继续选择支付宝，影响群众行为的关键因素究竟是什么？本文将予以讨论。

一、基本问题简介

研究影响群众消费额的因素，主要考虑一下几点：

1、对数据的选择

本文采用配额抽样拦截式访问的问卷调查方式采集数据，总共320份。其中有效问卷317份，选取300份进行入样分析。

2、影响因素的分析

（1）收费性：我们将收费的影响分为5个等级，消费者根据是否收费对自己产生的重要程度进行选择。最后由收费带来的影响，来估计对消费额的影响。

收费性是影响消费者选择的一个较大因素，正是由于此次收费，才来来这么大的影响，所以我们选取收费性为影响消费额的因素。在模型中用charge表示。

调查直观结果也这样显示，具体如下：91.4%的用户表示不能理解，也不支持；只有5.6%用户支持，3%用户持不关心，无所谓的态度。

图1：

所以是否收费，在消费者心目中的影响很大，是构成消费额影响的一个因素。

（2）安全性：即通过支付宝进行各种活动时的信息安全、财物安全等。最近财付通出现了泄露用户信息的时间，支付宝之前也有过类似案件，此次发展手机app，无疑会更加加重这样一个概率的发生。所以安全性是影響消费额的一个因素，在模型中用safety表示。

（3）便捷性：比起微信支付、财付通支付，支付宝是第一次尝试推行手机支付端，无论从时间还是技术成熟度上，都晚了一步，所以在app质量上不免会有欠缺，所以我们将此列为一个可能存在的影响，在模型中用convenient表示。

关于安全性、便捷性的方面，以下是直观的结果：

图2：

从图中可以看出，消费者选择淘宝支付的原因在很大程度上是因为其便捷性，这一次淘宝推出手机钱包支付，在更大程度上增加了便利性。

（4）手机硬件是否支持：手机的配置对此次支付宝钱包推行是一个硬性条件，并不是所有手机都支持安卓系统。所以我们特别调查了用户手机是否智能，来估计可能对消费额产生的影响。在模型中用mobile表示。

（5）依赖性：即用户粘性。这是不可缺少的一个因素，所以我们将此列为一个可能存在的影响，在模型中用rely表示。

经过调查，使用支付宝与其他方式的用户比例如下，所以依赖性也是影响消费额的一个重要因素。图3：

结果显示，八成的用户都是支付宝的使用者，且视其为最为常使用的第三方支付。其他支付方式的最常使用者只占到20%。

（6）喜好程度：每个消费者都会有自己的偏好，这是不可缺少的一个因素，所以我们将此列为一个可能存在的影响，在模型中用likeness表示。

（7）其他支付方式的宣传力度：在竞争的现实中，消费者是受多种因素影响的，其他支付方式的好坏，以及宣传力度，也是影响消费者选择的一个因素。

调查结果如下：图4

（8）除了以上分析的几个因素外，影响消费额的因素还应该有好多因素，但是由于缺少相应的统计数据，没有衡量的标准，因此本文中暂时对这些因素忽略。

二、模型建立

由于本文是研究这些因素对消费额的影响及影响程度，所以采用被解释变量和解释变量进行回归分析，并将方程式设定为：

Yi=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+β7X7+μ

其中，Yi为消费额，采用log形式，因为该数据是用货币计量的，而且全是正数，又考虑到自变量是百分比形式，所以取Y的log模型更好。

X1～X7分别为上述分析中的收费性、安全性、便捷性、手机硬件是否支持、依赖性、喜好程度和其他支付方式的宣传程度，考虑到他们本来就是百分比形式，所以此处采用level形式。

1、本模型中的假设：

假设1：解释变量X是确定性变量，不是随机变量。在模型中，我们的自变量均是调查数据，所以是确定变量，不是随机变量，满足假设条件。

假设2：随机误差项与解释变量之间不相关。

2、回归参数估计

用eviews软件对所有数据进行OLS回归得到如下结果：

Y^=445+029charge+005convenience+007likeness-03mobile+024others+014rely+024safety

（999）（482）（064）（187）（-254）（314）（251）（434）

R2=0250953 R2=0232996 F=1397549 DW=158

（注：括号内为t值，下同）

3、经济意义

回归结果表明，在假定其他变量不变的情况下，收费影响每增加1，消费额将减少29%，便利程度的影响每增加1，消费额将增加5%，个人喜好程度的影响每增加1，消费额增加7%，其他支付方式的影响每增加1，消费额将减少24%，依赖性的影响每增加1，消费额将增加14%，安全程度的影响每增加1，消费额将增加24%。这与理论分析和经验判断相一致。但手机硬件的影响程度每增加1，消费额将减少30%，该变量的符号为负，即随着手机硬件支持度的升高，消费额会减少，这与经济原理向悖。说明除mobile外其他变量都具有经济意义，通过经济检验。

4、统计检验

统计检验的目的就是为了检验估计值的统计可靠性和准确性，为此，进行如下检验：

（1）拟合优度：指回归直线对观测值的拟合程度，R2值越接近1，则拟合程度越好。由回归参数得，R2=025，修正的可决系数R2=023，说明模型的拟合程度达到23%。

对于R2和R2的值，能够解释22%以上已经很好了。因为消费额的主要影响因素还是收入，即影响支出最主要的因素是收入。但是由于我们仅仅关注此次消费对将来消费额的影响，所以忽略收入这样对本模型帮助不大的因素。这就是回归方程整体解释效果不大的原因。

（2）F检验：检测模型总体是否显著。

针对H0：β1=β2=β3=β4=β5=β6=β7=0，给定显著性水平α=005，查的自由度为（q，n-k-1）的临界值为Fα（7，292）=23，由回归参数估计表可得F=1398>23，则拒绝原假设，说明所有变量联合起来确实对消费额具有显著影响。

（3）t检验：检验每个变量的显著性。

分别针对H0：βi=0（i=1，2，3，4，5，6，7，），给定显著性水平α=005，查的自由度为n-k的临界值为，由回归参数表得到βi的t统计量，当t统计量大于临界值时，拒绝原假设，反之接受。最终得到charge、others、mobile和safety的结果显著。其他均接受原假设，未通过显著性检验。

5、计量经济学检验

可见模型拟合效果较好，可决系数也比较理想，表明模型中解释变量对被解释变量的解释程度较好。Mobile的参数估计符号与经济意义相违背，convenience和likeness的t统计值不显著，根据计量经济学知识判定这些变量之间可能存在多重共线性。故需对上述模型进行计量经济学方法检验，并且进行修正。

（1）多重共线性检验

首先做个变量的相关系数，选择charge、safety、convenient、mobile、rely、likeness、others数据，得到如下相关系数矩阵：

表1：

由表格数据可以看出，convenience与变量others之间存在较强的相关关系。

（3）修正多重共线性

采取逐步回归的方法，去检验和解决多重共线性问题。分别作total与charge、safety、convenient、mobile、rely、likeness、others的一元回归，鉴于图片篇幅较大，所以采用汇总表格的形式，此处仅列出一个回归结果，其他结果类似。将所有结果可以汇总为下面的表格：

表2：

其中，加入others的方程R2最大，根据经济意义来说，其他支付方式的吸引力越大，則交易额越小，符号合理。以上表中还有charge、convenience、safety、rely、likeness符合经济意义，但其中mobile的符号不符合经济意义，我们考虑是否有必要把它留在模型中。因为others的R2最大，因此，应以others为基础，顺次加入其他变量逐步核对结果，结果如下表所示：

由上表可知，新加入charge的方程R2=0154316，改进最大，而且这个参数的t检验显著，选择保留charge，紧接着是safety的R2=0138947，而且t检验显著，选择保留safety；加入convenience、likeness的系数变得不显著，所以我们考虑是否将其保留在模型中；加入mobile后，符号仍然不符合经济意义，我们将其剔除。

针对我们删除的变量手机硬件，经过查看数据，发现0值很少，即大多数的人都拥有智能手机的功能，通过近阶段支付宝钱包的下载量也可以看出这样一个趋势：

日益增长的支付宝钱包下载量说明大部分人接受了这次调价。

我们再加入其他变量逐步回归。以others、charge、safety为基础，顺次加入其他变量逐步核对结果，结果如下表所示：

由上表可知，新加入rely的方程R2=0213087，而且这个参数的t检验显著，选择保留likeness，但是convenience加入后t值仍不显著，而且相关性检验中其与others具有很大的相关关系，即具有共线性。所以不可将convenience加入模型中。Safety仍然不显著，所以我们也去除safety。

最后，修正后的回归结果用回归方程表示为：

ltotal=4395997-0292123others+0298175charge+0248999safety+0124204rely

（1073）（597）（487）（437）（220）

R2=0223615 R2=0213087 F=2124147 DW=1585973

这说明，在其他因素不变的情况下，分别当其他支付方式的影响每增加1时，平均来说总的消费额减少292%，当其收费的影响增加1时，平均来说总的消费额增加2981%，当安全程度的影响增加1时，平均来说总的消费额增加2489%，当依赖程度的影响增加1时，平均来说总的消费额增加1242%。

而对于R2，其等于0223615，表明此时所有解释变量others、charge、safety和rely一共能够解释所有消费额的变差的223615%。调整的R2为0213087，即调整后可以解释消费额变差的213087%。

（2）异方差检验（BP检验）

以上所有检验均在假设基础上作出，此时我们需检验是否满足假设条件，前文已经消除了多重共线性，既满足假设条件。此时我们检验是否存在异方差现象：

做ltotal对所有变量的回归，对回归结果做BP检验。p值明显大于005，则说明不能拒绝原假设，即异方差现象不存在，满足假设条件。

6、本文结论

再次做回归得到以下结论：

用回归方程表示为：