互联网金融模式下的余额理财用户投资行为分析

邢丘丹　解建丽　张宁

摘 要：以余额宝为首的余额理财平台依托大数据技术吸引大量闲散资金，迅速占领了互联网金融理财市场。本研究在技术接受与使用模型（UTAUT）的基础上，增加经济有效值和感知风险两个控制变量，构建余额理财用户投资行为的影响因素模型，通过问卷调查收集数据，运用结构方程模型分析影响用户使用余额理财平台的主要因素并对模型进行修改。研究结果表明：用户的绩效期望、社会影响以及经济价值显著影响用户的投资行为意图，用户的努力期望通过绩效期望间接影响用户的投资行为意图，而投资行为意图则决定用户的投资行为。

关键字：互联网金融；UTAUT模型；余额理财；SEM

中图分类号：F832.5 文献标志码：A

一、引言

互联网技术自产生至今以颠覆性的方式改变了很多传统行业的经营模式，金融业也不例外。金融业与互联网的结合，使金融业出现了新的经营模式——互联网金融。互联网金融是指借助于互联网技术、移动通信技术来实现资金融通、支付和信息中介等业务的新兴金融模式，它是一种既不同于商业银行间接融资，也不同于资本市场直接融资的投资理财模式[1]。

互联网金融模式的出现为互联网企业进入金融界提供了渠道。余额宝是一种由天弘基金与支付宝公司联合打造的互联网余额理财平台，其运营机理是将天弘基金的基金直销系统直接嵌入到支付宝公司的专用软件中[2]。通过余额宝，用户存留在支付宝的资金能拿到比银行活期存款利息高十几倍的收益，其实质是支付宝打造的余额增值服务。用户把钱转入余额宝即购买了由天弘基金提供的增利宝货币基金，即可获得收益。余额宝内的资金还能随时用于网购支付，灵活提取。互联网金融模式下的余额理财平台给个人投资行为带来了更多的选择，该模式对用户投资行为的影响主要体现在对闲余资金投资行为的影响方面。同时，互联网金融对商业银行负债项（如定/活期存款、个人理财资金等）产生较大影响[3]。据《2013年度中国银行业服务改进情况报告》显示，截止到2013年12月31日，“余额宝”申购客户规模已经突破4303万户，基金存量规模达1853亿元，累计申购金额4294亿元；到2014年3月天弘基金存量规模达5413亿，与此同时央行的金融统计数据报告显示，2014年4月当月人民币存款减少6546亿元，其中居民人民币存款减少1.23万亿 。自余额宝上线以来，我国货币基金便成为热门理财产品，余额理财“高收益、高流动性、低门槛”的特性将用户对闲余资金的投资由存入商业银行的活期/定期等形式，迅速改变为采用余额理财平台购买货币基金的形式。随着互联网金融的不断发展，余额理财产品呈现爆炸式增长，在余额宝推出后的几个月内，各大互联网企业纷纷效仿余额宝利用自身的大数据、大平台优势推出自己的理财产品，如百度百赚、苏宁零钱宝、腾讯理财通、京东小金库……这些基于互联网技术的余额理财平台发展迅猛，彼此间的竞争也日趋激烈。

通过对市场上余额理财类平台的研究发现，其运行机理大都与余额宝类似，即基金公司运用创新技术，将基金直销系统内置到互联网平台（软件）中，并在大数据的支持下销售基金产品。在互联网金融模式下，用户的投资行为由传统的投资方式转变为采用余额理财创新技术平台进行投资。因此对于用户闲余资金投资行为的分析，则应转化为研究影响用户采纳余额理财创新技术的因素等方面。回顾技术创新采纳的相关文献可以看出，国内外学者大都从网上银行、手机银行、网上证券等方面，对互联网创新技术的接受与采纳进行研究。而对于互联网金融余额理财平台的研究，大都集中在其基本特点、法律监管等层面上，目前还少有学者从创新技术采纳的角度来分析余额理财平台的使用因素。因此，本研究基于技术接受与使用模型（UTAUT），同时结合互联网金融的特征，对余额理财平台使用的影响因素进行实证分析并构建余额理财用户投资行为影响因素的分析模型。该模型能够准确解释当前我国余额理财用户的投资行为，为互联网企业进入基金市场提供科学的依据，同时帮助银行等传统金融机构在理财产品市场的竞争中取得优势，为传统金融业的经营转型、升级发展提供较为有价值的参考建议。

二、文献综述与研究假设

（一）技术采纳与利用整合理论

国内外关于用户创新技术采纳行为研究的模型有很多，如理性行为理论（Theory of Reasoned Action，TRA）、技术接受模型（Technology Acceptance Model，TAM）、计划行为理论（Theory of Planned Behavior，TPB）等。其中应用最为广泛的则是TAM模型，TAM模型能够解释行为的57%。随着对TAM模型的不断深化与总结后，针对“影响使用者认知因素”的问题，Venkatesh和Davis于2003年提出所谓的“权威模式”，即技术采纳与利用整合理论 （Unified Theory of Acceptance and Use of Technology， UTAUT）。该模型是在整合八大经典模型——理性行为理论（Theory of Reasoned Action，TRA）、技术接受模型（Technology Acceptance Model，TAM）、动机模型（Motivational Model，MM）、计划行为理论（Theory of Planned Behavior，TPB）、组合技术接受模型和计划行为理论模型（Combined TAM and TPB，C-TAM-TCP）、计算机可用性模型（Model of PC Utilization，MPCU）、创新扩散理论（Innovation Diffusion Theory，IDT）以及社会认知理论（Social Cognitive Theory，SCT）——的基础上提出来的。Venkatesh 和 Davis认为绩效期望（Performance Expectancy，PE）、努力期望（Effort Expectancy，EE）、社群影响（Social Influence，SI）、便利条件（Facilitating Conditions，FC）这四个因素是影响用户技术使用意向的主要因素。此外，还有四个调节变量：性别、年龄、使用经验、自愿性（如图1）。其中，绩效期望是指个体相信使用某一信息技术能够提高自己工作绩效的程度；努力期望是指个体感知该技术的难易程度；社群影响是指个体感知他人（亲朋好友）赞同其使用该技术的程度；便利条件是指个体使用该技术所需资源的可获得性[4]。从图1中可以看出绩效期望、努力期望、社群影响通过作用行为意图而对使用行为产生影响，而便利条件直接影响用户的使用行为。此外，四个调节变量对以上四个核心维度具有显著影响。张万力等人结合TPB和IDT对互联网金融理财行为影响因素进行研究；刘玥等人基于TAM模型对互联网金融产品用户采纳行为影响因素进行实证研究[5，6]。由于互联网金融余额理财平台属于创新技术采纳的范畴，而UTAUT模型整合了TPB、IDT、TAM等理论，同时该模型可以解释70%的创新技术使用意向，因此本研究采用UTAUT模型作为互联网金融余额理财用户投资行为研究的理论基础。

本研究是对用户使用余额理财平台因素的一般性研究，因此在使用UTAUT模型分析问题时暂不考虑其中涉及的调节变量。其中，期望绩效在本研究中指用户相信余额理财平台能够提高其理财效率的程度；努力期望是指用户感知余额理财平台操作的难易程度；社群影响是指用户感知他人（亲朋好友）赞同或推荐其使用余额理财平台的程度；便利条件是指用户使用余额理财平台所需资源（如理财常识、电脑手机设备等）的可获得性。

根据UTAUT模型，本研究提出了以下假设：

H1：用户的期望绩效正面影响余额理财平台的使用意图。

H2：用户的努力期望正面影响余额理财平台的使用意图。

H3：用户的社群影响正面影响余额理财平台的使用意图。

H4：用户的便利条件正面影响余额理财平台的使用行为。

H5：用户的使用意图正面影响其使用行为。

（二）经济价值

投资主体为了完成投资行为，必须进行诸如信息的搜寻、协商、监察等相关活动，所花费的成本就是投资的交易成本[7]。从交易成本理论的角度出发，互联网金融的对于投资主体的经济价值主要表现在降低成本和节约时间两方面。随着科学技术以及搜索引擎的不断发展，互联网为投资用户提供了一个低搜索成本和高搜索效率的方式，许多用户选择互联网交易主要的原因是互联网可以节省时间提高效率同时降低成本[8]。而余额理财平台降低成本和节约时间都体现在其经济价值中。因此，互联网金融的经济价值可以视为影响用户采纳余额理财平台意向的因素。基于此，本研究提出以下假设：

H6：用户感知经济价值直接影响其使用余额理财平台的意图。

（三）感知风险

余额理财是互联网金融模式中的一种新兴理财模式，因此具有互联网金融的一般特性。在对互联网金融基本特征的文献回顾过程中可以看出国内外学者对于互联网金融最大的担忧则是该技术涉及的安全问题，主要包括：资金安全、用户隐私安全等[8]。感知风险是投资者对未来资金损失的预期。感知风险中的交易风险负面影响了感知有用性和购买行为倾向。因此，本研究将感知风险作为影响用户使用余额理财平台意图的因素并提出以下假设：

H7：感知风险负面影响用户使用余额理财平台的意图。

（四）研究模型

本研究基于UTAUT模型，结合互联网金融的基本特性，引入以下变量构建互联网金融用户投资影响因素模型（如图2）：感知风险（PR）、经济价值（EV，节约时间TS和降低成本CR）、绩效期望（PE）、努力期望（EE）、社会影响（SI）、便利条件（FC）、行为意图（BI）以及使用行为（B）。

三、实证分析

（一）问卷设计与数据收集

本研究在收集数据时采用问卷调查的方式。用在线调查公司（问卷星）在全国范围内进行数据收集。问卷的第一部分是知情同意书（清楚解释参与者的隐私保护承诺、参与的意义和目的以及调查的重要性，参与者可以再任何时候推出或跳过任何具体问题）；第二部分测量模型中的每个变量，主要包括：期望绩效、努力期望、社群影响、便利条件、经济价值、感知风险、使用意图以及使用行为。问卷中结构变量的测量均来自已有文献（见表1），以确保具有较好的内容信度。在对每个变量进行测量时使用李克特5分量表（1表示非常不同意，5表示非常同意）；第三部分包括人口统计信息，如性别、年龄、受教育程度、可支配月收入、闲余资金的分配以及使用过的余额理财平台等。

在进行问卷调查时使用在线调查公司（问卷星）在全国范围内进行数据收集。在调研过程中将答题规则设置为一台设备、一个IP地址只能回答一次，以此来减少无效问卷的数量。问卷调查从2014年6月——2014年9月，总共发放问卷471份，排除漏答以及明显不符合逻辑以及没有接触过余额理财平台等无效问卷后得到样本总量为249份。在249份有效样本中，男性占49.8%，女性占50.2%；样本年龄分布在24岁——30岁和31岁——40岁之间的比例最大，分别占总数的46.6%、30.9%；样本的可支配月收入分布在2001元——4000元以及4001元——6000元的比例最大，分别占比36.1%、22.1%。在其闲余资金配置方面，除了使用余额理财平台购买余额理财产品之外大都将闲余资金放在活期存款、定期存款上，比例分别是55.4%、50.2%。在使用过的余额理财平台中，余额宝的占比最大，其次是理财通、百度钱包等，比例分别是94.4%、27.7%、20.9%。

（二）数据分析与模型修正

1.信度分析

信度（Reliability）是指采用相同方法对同一对象重复测量时所得结果的一致性程度。本研究采用 Cronbach α信度系数来测量问卷的内部一致性。运用SPSS18.0对问卷各测量项进行分析，测量结果以及Cronbach α参考值见表2[12]。结果显示每个变量的Cronbach α值都在0.7与0.9之间，因此问卷具有较好的信度。运用SPSS18.0对问卷信度分析时分析项已删除的Cronbach α值结果显示，删除个项后各个测量项的Cronbach α值变动不大，因此各测量项均保留。

2.效度分析

效度（Validity）是指测量工具能够准确测出所需测量的事物的程度[12]。本问卷中涉及的问题项均来自已有文献，并在问卷设计时请互联网金融方面的专家对相应的语句进行反复修改以保证其更具理解性，因此问卷具有较高的内容效度。本研究采用因子分析来检验问卷的结构效度，在进行因子分析之前需要对统计量进行KMO检验和巴特利特球度检验，SPSS18.0分析结果显示KMO值为0.959，Bartlett球形度检验结果在P=0.000的水平上显著，根据Kaiser给出的KMO度量标准可知问卷中的变量适合进行因子分析[12]。在SPSS18.0中采用主成分分析法提取因子并用方差最大法旋转因子，其结果见表3。删除因子载荷小于0.5的项（PE2、FC3、CR1）后，各测量项呈现出较好的结构效度。对删除后的量表信度进行测算，PE、FC、EV的Cronbach α分别为0.836、0.739、0.886，呈现较好的信度。

3.测量验证

基于因子分析的测量模型和基于路径分析的结构公式的整合，形成了一个数据分析的一般框架，叫做结构方程模型（SEM）。结构方程模型不但能构建潜变量，还能估计不受误差影响的潜变量之间的关系[13]。因此，本研究采用结构方程模型对假设模型进行验证性分析以及模型修正。运用Mplus7.0计算测量模型的因子载荷以及结构模型的路径系数（见图3），并输出关键的拟合指标（见表4）。从图3可以看出各测量项对应因子的因子载荷均在0.65以上；PE、EE、SI、EV和PR对应BI的路径系数除EE和PR的显著性水平大于0.05外，其余路径系数均达到显著性水平（P<.001）；FC对B的路径系数未达到显著性水平，BI对B的路径系数达到显著性水平（P<.001）。从表4模型拟合情况看，原始模型拟合较差，需要进一步修改才能进行后续数据分析。

4.模型修正

根据Mplus7.0输出的模型修正指数（ Modification Indices，MI），值越大越需要修改。在修正或者重新设定模型时应注意要在理论知识和实践经验的基础上对模型进行调整，同时坚持简约的原则，避免盲目应用模型修正指数[13]。原始模型的修改步骤如下：

（1）删除路径系数太小且不显著的潜变量“便利条件”FC，简化模型。这一步骤表明便利条件与使用行为并无明显关系，出现这一结论的原因可能是由于电脑、智能手机等联网设备的普及以及这类理财产品在宣传时就详细介绍了关于理财的基本常识，因此用户基本都具备使用余额理财平台所需的资源，即投资主体大都具备所需便利条件，该变量对用户投资行为意图的影响不显著。

（2）删除路径系数太小且不显著的潜变量“感知风险”PR，简化模型。这一步骤表明感知风险并不显著影响使用意图，这有悖于常理。出现这一结论的原因可能是随着互联网技术的发展，互联网存在的风险问题也逐渐得以解决，顾客在互联网金融环境下对风险的感知也逐渐削弱，这可能是感知风险不显著影响使用意图的原因。

（3）去掉潜变量“努力期望”EE指向“使用意图”BI的路径，并根据修正指数（MI=137.774）的建议，建立“努力期望”对“绩效期望”的直接影响，因此增加假设：、

H8：用户的努力期望对绩效期望具有显著的影响。

该假设表明用户的努力期望并不直接影响使用意愿而是通过绩效期望来间接影响使用意愿。这与周涛、陈华平[9，11]等人的结论相符。

模型修正后的运算结果如图4所示。由图4可以看出：修正后的模型个题目的因素负荷均在0.75以上；各路径系数均达到显著性水平。

四、研究结果分析与启示

（一）研究结果分析

根据模型修正后的运算结果，最终互联网金融模式下用户投资影响因素模型如图5所示。从图中可以看出假设模型得到支持的是H1、H3、H5、H6a、H6b、H8，假设H2、H4、H7没有得到支持。从用户投资影响因素最终模型可知，在对用户投资影响因素分析中，用户的社会影响以及经济价值感知对其投资使用意图影响相对较大（H3和H6）。这表明用户的投资行为意图受其亲朋好友的影响较大，同时该结论还表明若余额理财平台给用户带来经济价值越大，用户采用这种投资理财平台的意图就越大。研究模型表明用户的绩效期望显著影响用户的使用意图，而用户的使用意图直接决定其使用行为（H1和H5），这说明如果余额理财平台能够提高理财效率的程度越高，用户使用该平台的意愿越强烈，继而产生投资行为。而用户在使用过程中的努力期望对投资行为意图并无直接显著影响，而是通过影响绩效期望间接对使用行为产生影响（H8）。这表明余额理财平台的操作越简单，用户越容易觉得使用该平台能够提高余额投资效率。

（二）营销启示

本研究针对互联网金融模式下用户投资影响因素进行实证研究，研究结果表明：用户的绩效期望、社会影响以及经济价值显著影响用户的投资行为意图，用户的努力期望通过绩效期望间接影响用户的投资行为意图，而投资行为意图则决定用户的投资行为。因此，在互联网金融模式下，无论是传统金融业还是新兴的金融模式，在推出余额理财业务时应注意以下几点：

（1）社会影响是用户使用余额理财平台进行投资的最重要的影响因素。因此，在推出此类业务时应注重其社会影响性。在具体操作时，可设置分享按钮或者相关的链接，若用户主动通过相应的功能或链接推荐给亲朋好友，则可以得到相应的积分等。用诸如此类的激励措施来吸引更多用户主动推荐给亲朋好友，扩大影响力。而在该类业务宣传的同时，可选择具有影响的名人代言，提高该类业务知名度以及社会影响。从这两方面入手，提升余额理财平台的社会影响，继而达到影响用户投资行为的目的。

（2）经济价值也是影响用户使用余额理财平台进行投资的另一重要因素。降低用户投资的成本以及节省用户投资理财时间能够显著提高用户的使用意图。在问卷的基本统计信息中可以看到，用户在闲余资金配置方面除了购买余额理财产品之外，较多的配置方式则是将其放入银行存款中。因此余额理财最大的竞争在于和银行活期存款及短期定期存款之间的竞争。在推出此类业务时，企业应着重强调此类业务如何更大限度的降低成本以及节省时间，让潜在用户更能直观的感受到该类业务相比较银行存款能给其带来的相对较高的经济价值。

（3）绩效期望显著影响用户的使用意愿。在对此类业务进行宣传时应着重强调该业务能够提高其理财效率的程度，突出其“高收益、低成本、零门槛”的特点，以期提高用户的绩效期望。

（4）努力期望对用户使用意愿没有产生直接显著的影响，但其通过显著影响绩效期望来间接影响用户使用意愿。在进行营销时不能忽略努力期望的影响，余额理财平台操作越简单，则其越能提高用户投资效率。因此，在设计此类业务平台时应当以“画面简洁、便于操作”为基本原则，提高用户的努力期望，继而间接影响潜在用户使用意愿。

（5）虽然实证研究并未标明感知风险会对行为意图有显著的负影响，但本研究仍建议在此类业务推广的同时，要做好风险防御措施，运用互联网技术对用户的财产以及隐私等安全问题进行保护，使用户在使用过程中更加放心。与此同时，传统金融机构在余额理财平台的推广方面要扬长避短，充分发挥其安全性的特点，同时有针对的进行宣传渗透从而增加理财平台的使用人数。

五、结束语

余额理财用户的投资行为，既不是消费支出，也不是金融工具的投资，它是个人和家庭通过对闲散资金管理实现增值的过程。余额理财用户在这个过程中，逐步完成对互联网金融服务商提供的各类产品和服务的选择。互联网金融模式下余额理财用户的投资行为很大程度依赖于互联网的基本特性。本研究在UTAUT模型的基础上，结合互联网金融的基本特性，提出了互联网金融模式下余额理财用户投资行为影响因素模型，并通过实证研究对模型进行修正，提升了该模型的实用性，在一定程度上实现了理论创新。同时实证研究表明影响用户使用余额理财平台进行投资的主要因素为绩效期望、社群影响、经济价值，而用户的努力期望通过影响其绩效期望来间接影响用户投资行为意愿。对于互联网金融模式下的余额理财等新兴行业来说，可以通过利用其本身具有的互联网的基本优势，来提升用户的绩效期望、社群影响以及平台的经济价值，吸引更多用户使用该类余额理财平台进行余额投资。对于商业银行等传统金融行业来说，更要积极建设互联网基础设施，在保证其安全性优势不变的前提下，最大限度的利用互联网的优势，从便捷性与服务模式创新入手，不断提高用户的绩效期望以及平台的经济价值继而扩大社群影响，最终达到提升用户使用银行类余额理财产品意愿的目的。

参考文献

[1] 谢平，邹传伟. 互联网金融模式研究[J]. 金融研究， 2012， （12）： 11-22.

[2] 董梅生，杨德才. “余额宝”交易成本、有限理性及其相机治理[J]. 改革， 2014， （4）： 141-150.

[3] 王锦虹. 互联网金融对商业银行盈利影响测度研究——基于测度指标体系的构建与分析[J]. 财经理

论与实践，2015，（1）：7-12.

[4] Venkatesh V， Morris M G， Davis G B， et al. User Acceptance of Information Technology： Toward

a Unified View [J]. MIS Quarterly， 2003， （3）： 425-478.

[5] 张万力，章恒全，曹艳辉. 基于结构方程模型的互联网金融理财行为研究[J]. 统计与信息论坛，2015，

（2）：100-105

[6] 刘玥，吴亮. 互联网金融产品用户采纳行为影响因素实证研究[J]. 江苏商论，2015，（3）：30-37.

[7] 杨毅， 董大海. 互联网环境下消费者行为倾向前因研究述评[J]. 预测， 2007， 26（4）： 1-9.

[8] 张明哲. 互联网金融发展分析[J]. 中国统计， 2013， （12）： 52-53.

[9] 周涛， 鲁耀斌， 张金隆. 整合TTF与UTAUT视角的移动银行用户采纳行为研究[J]. 管理科学， 2009，

22（3）： 75-82.

[10]Lee J-N， Pi Jae-Nam， Minh Q. The Contribution of Commitment Value in Internet Commerce： an

Empirical Investigation[J]. J Assoc Inf Syst， 2003， 4（1）： 39-64.

[11]陈华平， 唐军. 移动支付的使用者与使用行为研究[J]. 管理科学， 2006， 19（6）： 48-55.

[12]薛薇. 统计分析与SPSS的应用（第三版）[M]. 北京：中国人民大学出版社， 2011， 323.

[13]王济川， 王小倩， 姜宝法. 结构方程模型：方法与应用[M]. 北京：高等教育出版者， 2011， 3-25.

Abstract：The excess funds financing platform headed by YuE Bao is supported by big data technology to attract a large number of idle funds and occupy the Internet financial services market rapidly. Integrating economic value（EV） and perceived risk（PR） with the UTAUT， we propose a research model and collect date by survey to investigate the determinants of users investment behavior under the Internet financial environment in China. We analyzed date with structural equation modeling software Mplus. The results show that users performance expectancy（PE）、social influence（SI） and economic value（EV） significantly affect the user's investment behavior intentions， and users effort expectancy（EE） through the performance expectancy（PE） indirect effects the user's investment behavior intentions， and the user's investment behavior intentions can determine the users investment behavior.

Keywords： Internet Finance； UTAUT； Excess Funds Financing； SEM