多維視角下大學生網絡購物感知風險評價體系構建與實證研究一、引言1.1研究背景與意義隨著互聯網技術的飛速發(fā)展，網絡購物已成為人們日常生活中不可或缺的一部分。根據中國互聯網絡信息中心（CNNIC）發(fā)布的第53次《中國互聯網絡發(fā)展狀況統計報告》顯示，截至2024年12月，我國網絡購物用戶規(guī)模達到9.74億人，較2023年12月增長5947萬，占網民整體的87.9%。2024年，全國網上零售額155225億元，比上年增長7.2%，其中，實物商品網上零售額130816億元，增長6.5%，占社會消費品零售總額的比重為26.8%。網絡購物的便捷性、豐富的商品選擇以及相對優(yōu)惠的價格，吸引了越來越多的消費者。從最初的書籍、電子產品等品類，到如今涵蓋日用品、食品、美妝、家電等幾乎所有消費領域，網絡購物平臺不斷拓展業(yè)務邊界，滿足消費者日益多樣化的需求。在網絡購物蓬勃發(fā)展的浪潮中，大學生作為一個特殊的消費群體，憑借其對互聯網的熟悉程度和接受新事物的能力，成為了網絡購物的主力軍。大學生群體年輕且充滿活力，他們思維活躍，樂于嘗試新鮮事物，并且對網絡購物的便捷性和時尚性有著較高的追求。據相關調查顯示，大學生網購的比例高達90%以上，他們在網絡購物上的消費金額和頻次也呈現出逐年上升的趨勢。然而，盡管網絡購物為大學生提供了諸多便利，但由于網絡環(huán)境的虛擬性和交易過程的復雜性，大學生在網購過程中也面臨著各種風險。這些風險不僅影響著大學生的購物體驗，還可能對他們的個人權益造成損害。當前，針對消費者網絡購物感知風險的研究雖然取得了一定的成果，但專門針對大學生這一特殊消費群體的研究仍相對較少。大學生的消費觀念、消費行為以及經濟狀況等方面與其他消費群體存在明顯差異，他們在網絡購物中所面臨的風險類型和感知程度也可能有所不同。因此，深入研究大學生網絡購物感知風險具有重要的現實意義。從大學生自身角度來看，了解網購過程中的各種風險，可以幫助他們增強風險意識，提高自我保護能力，從而更加理性地進行網絡購物。通過對感知風險的分析，大學生能夠更加清楚地認識到在選擇商品、支付貨款、接收貨物等各個環(huán)節(jié)中可能存在的問題，進而采取相應的防范措施，避免遭受經濟損失或其他不良后果。例如，在面對一些價格過低的商品時，大學生可以意識到可能存在質量風險，從而謹慎選擇；在進行支付時，能夠更加注意保護個人信息，防止信息泄露導致的財產損失。對于電商企業(yè)而言，研究大學生網絡購物感知風險可以為其提供有針對性的營銷策略。通過了解大學生對不同風險的關注程度和感知差異，電商企業(yè)能夠優(yōu)化商品質量控制體系，提高商品質量，減少產品風險；加強物流配送管理，提高配送效率，降低時間風險；完善售后服務機制，及時解決消費者的問題，提升服務質量，降低服務風險。此外，企業(yè)還可以根據大學生的需求和偏好，提供更加個性化的商品和服務，增強大學生對企業(yè)的信任和忠誠度，從而在激烈的市場競爭中占據優(yōu)勢。從市場發(fā)展的角度來看，深入研究大學生網絡購物感知風險有助于完善網絡購物市場的監(jiān)管機制。政府和相關監(jiān)管部門可以根據研究結果，制定更加完善的法律法規(guī)和監(jiān)管政策，加強對網絡購物平臺的監(jiān)管力度，規(guī)范商家的經營行為，營造一個公平、公正、安全的網絡購物環(huán)境。這不僅有利于保護大學生等消費者的合法權益，還能夠促進網絡購物市場的健康、可持續(xù)發(fā)展。例如，針對大學生普遍關注的隱私風險，監(jiān)管部門可以加強對電商企業(yè)數據安全的監(jiān)管，要求企業(yè)采取更加嚴格的數據保護措施，防止消費者個人信息被泄露和濫用。1.2研究目的與創(chuàng)新點本研究旨在深入剖析大學生網絡購物感知風險，構建科學合理的評價體系，為大學生網絡購物提供理論支持和實踐指導。具體而言，研究目的主要包括以下三個方面。一是構建全面的大學生網絡購物感知風險評價體系。通過對相關文獻的梳理和分析，結合大學生網絡購物的實際特點，識別出影響大學生網絡購物感知風險的關鍵因素，并運用科學的方法確定各因素的權重，從而構建出一套具有針對性和可操作性的評價體系。該體系不僅能夠全面反映大學生在網絡購物過程中所面臨的各種風險，還能夠為后續(xù)的風險分析和應對策略制定提供基礎。二是深入分析大學生網絡購物感知風險的影響因素。運用問卷調查、訪談等研究方法，收集大學生網絡購物的相關數據，對影響大學生網絡購物感知風險的因素進行實證分析。探究大學生的個人特征、消費行為、網絡購物經驗等因素與感知風險之間的關系，以及不同風險因素對大學生網絡購物決策的影響程度。通過深入分析這些影響因素，能夠更加準確地把握大學生網絡購物感知風險的形成機制和特點，為提出有效的風險應對策略提供依據。三是提出針對性的大學生網絡購物感知風險應對策略。根據評價體系和影響因素分析的結果，從大學生自身、電商企業(yè)和政府監(jiān)管部門三個層面提出相應的風險應對策略。幫助大學生增強風險意識，提高風險識別和防范能力，引導他們樹立正確的消費觀念和購物行為；促使電商企業(yè)優(yōu)化運營管理，提高商品質量和服務水平，加強對消費者權益的保護；推動政府監(jiān)管部門完善相關法律法規(guī)和監(jiān)管政策，加強對網絡購物市場的監(jiān)管力度，營造安全、有序的網絡購物環(huán)境。在研究創(chuàng)新點方面，本研究主要體現在以下三個方面。其一，指標選取的創(chuàng)新性。本研究在借鑒前人研究成果的基礎上，充分考慮了大學生網絡購物的獨特性，不僅納入了傳統的風險因素，如產品質量風險、支付安全風險等，還結合大學生的消費心理和行為特點，增加了諸如社交影響風險、品牌認知風險等新的指標。這些新指標的引入，使得評價體系更加全面、準確地反映了大學生網絡購物感知風險的實際情況。例如，社交影響風險考慮到大學生在購物決策過程中容易受到同學、朋友等社交圈子的影響，若購買的商品得不到他人認可，可能會給大學生帶來心理壓力；品牌認知風險則關注到大學生對品牌的敏感度較高，在網絡購物中可能因對品牌了解不足而面臨購買到假冒偽劣商品的風險。其二，評價方法的創(chuàng)新性。本研究采用了層次分析法（AHP）和模糊綜合評價法相結合的方式對大學生網絡購物感知風險進行評價。層次分析法能夠將復雜的問題分解為多個層次，通過兩兩比較確定各因素的相對重要性，從而為模糊綜合評價法提供權重向量；模糊綜合評價法則能夠有效地處理評價過程中的模糊性和不確定性問題，將定性評價與定量評價相結合，提高評價結果的準確性和可靠性。這種方法的創(chuàng)新性在于，它充分發(fā)揮了兩種方法的優(yōu)勢，彌補了單一方法在評價大學生網絡購物感知風險時的不足，為風險評價提供了一種新的思路和方法。其三，研究視角的創(chuàng)新性。以往關于網絡購物感知風險的研究大多從消費者整體或某一特定商品類別出發(fā)，而本研究聚焦于大學生這一特定消費群體，從大學生的消費心理、行為習慣、經濟狀況等多維度進行研究，深入剖析大學生網絡購物感知風險的獨特性。這種研究視角的創(chuàng)新，有助于更加深入地了解大學生在網絡購物過程中的風險感知和行為決策，為電商企業(yè)針對大學生市場制定營銷策略以及政府監(jiān)管部門制定相關政策提供更具針對性的參考依據。1.3研究方法與技術路線本研究綜合運用多種研究方法，確保研究的科學性和可靠性。在研究過程中，以理論為基礎，通過實證分析獲取數據，運用統計方法進行數據處理和分析，最終得出結論并提出建議，形成一個完整的研究體系。具體的研究方法如下：一是文獻研究法。通過廣泛查閱國內外相關文獻，包括學術期刊、學位論文、研究報告等，全面了解網絡購物感知風險的研究現狀、理論基礎和研究方法。梳理已有的研究成果，分析其研究的不足和有待完善的地方，為本研究提供理論支持和研究思路。例如，通過對大量文獻的分析，了解到以往研究在大學生網絡購物感知風險的特定指標選取上存在一定局限性，這為本文創(chuàng)新指標選取提供了方向。同時，對感知風險理論、消費者行為理論等相關理論進行深入研究，為構建大學生網絡購物感知風險評價體系奠定理論基礎。二是問卷調查法。根據研究目的和內容，設計針對性的調查問卷。問卷內容涵蓋大學生的個人信息、網絡購物行為、對不同風險因素的感知程度等方面。通過線上和線下相結合的方式，廣泛收集大學生的問卷數據。線上利用問卷星等平臺發(fā)布問卷，擴大調查范圍，提高數據收集效率；線下在高校內隨機選取學生進行問卷調查，確保樣本的多樣性和代表性。在問卷設計過程中，參考前人研究成果，并結合預調查結果對問卷進行反復修改和完善，以提高問卷的質量和有效性。例如，通過預調查發(fā)現部分問題表述不夠清晰，容易引起誤解，及時對這些問題進行了調整，使問卷更易于被調查者理解和回答。三是因子分析法。運用SPSS等統計分析軟件，對問卷調查收集到的數據進行因子分析。通過因子分析，將眾多復雜的風險因素進行降維處理，提取出具有代表性的公共因子，從而簡化數據結構，更清晰地了解大學生網絡購物感知風險的主要維度。例如，對涉及產品質量、品牌認知、虛假宣傳等多個風險因素的問題進行因子分析后，可能提取出“產品風險”這一公共因子，它能夠綜合反映這些與產品相關的風險因素。因子分析還可以確定每個公共因子的貢獻率，即該因子對總方差的解釋程度，從而明確各因子在大學生網絡購物感知風險中的相對重要性。四是層次分析法（AHP）。層次分析法是一種將與決策總是有關的元素分解成目標、準則、方案等層次，在此基礎上進行定性和定量分析的決策方法。本研究運用AHP確定大學生網絡購物感知風險評價體系中各風險因素的權重。通過構建判斷矩陣，邀請專家對各風險因素的相對重要性進行兩兩比較和打分，然后計算判斷矩陣的特征向量和最大特征根，從而確定各風險因素的權重。例如，在確定“產品風險”“支付風險”“時間風險”等因素的權重時，通過專家打分構建判斷矩陣，計算得出各因素的權重，為后續(xù)的風險評價提供量化依據。權重的確定有助于明確不同風險因素對大學生網絡購物感知風險的影響程度，為針對性地制定風險應對策略提供參考。五是模糊綜合評價法。模糊綜合評價法是一種基于模糊數學的綜合評價方法，它能夠將定性評價和定量評價相結合，處理評價過程中的模糊性和不確定性問題。本研究運用模糊綜合評價法對大學生網絡購物感知風險進行綜合評價。根據因子分析得到的風險維度和層次分析法確定的權重，建立模糊評價矩陣，對大學生網絡購物感知風險進行量化評價，得出綜合評價結果。例如，通過模糊綜合評價法，可以將大學生對網絡購物感知風險的評價結果用一個具體的數值或等級來表示，直觀地反映出大學生網絡購物感知風險的高低程度。在技術路線方面，本研究首先進行理論研究，通過文獻研究梳理相關理論和研究現狀，為后續(xù)研究提供理論支撐。接著進行實證分析，運用問卷調查法收集數據，再通過因子分析和層次分析法對數據進行處理和分析，構建大學生網絡購物感知風險評價體系。最后，運用模糊綜合評價法對大學生網絡購物感知風險進行綜合評價，并根據評價結果提出針對性的風險應對策略。具體技術路線如圖1-1所示：圖1-1技術路線圖本研究的技術路線遵循從理論到實踐、從數據收集到分析再到結論應用的邏輯順序，通過多種研究方法的綜合運用，確保研究的全面性、科學性和有效性，為深入了解大學生網絡購物感知風險提供有力的研究路徑。二、理論基礎與文獻綜述2.1相關理論基礎感知風險理論最初由哈佛大學的RaymondBauer于1960年從心理學領域延伸至市場營銷學研究中，用以解釋消費者的購買決策和行為。Bauer認為，消費者的任何購買行為都可能產生自身無法預知的結果，這些結果存在使消費者不愉快的可能性，因此消費者購買決策中隱含著對結果的不確定性，而這種不確定性就是風險的最初概念。該理論強調消費者在購買過程中主觀感受到的風險，而非客觀存在的實際風險。這是因為在多數情況下，消費者面對的是全新的購物情景，難以對風險做出精確評價，真正刺激消費行為發(fā)生的是消費者對風險的主觀感覺。隨后，眾多學者對感知風險的概念進行了深入研究與完善。Cox在1967年將感知風險概念具體化，認為其是消費者在購買之前，所感知到購買后產生不利后果的可能性（即消費者在事前所承受的風險程度），以及當購買結果為不利時，消費者個人主觀上所感知損失大小這兩個因素的函數。Cunningham同年對Cox的定義進行修改并實證研究，指出感知風險應包括不確定性（消費者對于某件事情是否發(fā)生所具有的主觀可能性）和后果（當事情發(fā)生后所導致結果的嚴重性）兩個因素。這一“雙因素理論”成為后續(xù)感知風險研究的主流，被廣泛應用于各類研究中。例如，在研究消費者購買電子產品的決策時，消費者會主觀判斷購買后產品出現故障的可能性（不確定性），以及如果產品出現故障，維修成本、耽誤使用等后果的嚴重性，這兩者共同構成了消費者對購買該電子產品的感知風險。在消費者行為研究中，感知風險理論具有重要的應用價值。消費者在做出購買決策時，往往會綜合考慮產品或服務可能帶來的風險。以購買汽車為例，消費者不僅會關注汽車的價格、性能等因素，還會考慮購買后可能面臨的質量問題（如頻繁維修）、安全隱患（如剎車失靈）、售后服務不到位（如維修保養(yǎng)困難）等風險。這些感知風險會直接影響消費者的購買意愿和選擇。如果消費者感知到的風險較高，可能會推遲購買決策，或者選擇其他更具保障性的品牌或渠道；反之，如果消費者認為風險較低，購買的可能性就會增加。此外，感知風險還會影響消費者在購買過程中的信息搜索行為。為了降低感知風險，消費者會主動收集更多關于產品或服務的信息，如查看產品評價、咨詢他人意見、了解品牌信譽等。當互聯網技術引入商業(yè)領域，網絡購物成為一種新興的購物方式后，消費者的購買模式和感知風險內容要素發(fā)生了顯著變化。與傳統購物相比，網絡購物具有虛擬性、信息不對稱性等特點，這使得消費者面臨更多的不確定性和風險。例如，在網絡購物中，消費者無法直接接觸和體驗商品，只能通過圖片、文字等信息來了解商品的特性，這就增加了商品實際與預期不符的風險；網絡支付過程中，消費者的個人信息和資金安全也面臨著被泄露和被盜用的風險；網絡購物的售后服務也相對復雜，退換貨流程可能不夠便捷，導致消費者面臨服務風險。將感知風險理論與網絡購物相結合具有堅實的理論依據。網絡購物環(huán)境的特殊性使得消費者在決策時面臨更多的不確定性，而感知風險理論正是關注消費者對不確定性和不利后果的主觀感受。消費者在網絡購物時，會根據自己的經驗、知識和認知，對購買過程中可能出現的風險進行評估和判斷，這些感知風險會影響他們的購買決策。例如，消費者在考慮是否在某電商平臺購買一款手機時，會擔心手機是否為正品（產品風險）、支付過程是否安全（支付風險）、物流配送是否及時（時間風險）等。如果消費者對這些風險的感知程度較高，可能就會放棄在該平臺購買，或者選擇其他更讓他們放心的平臺。因此，運用感知風險理論來研究網絡購物行為，有助于深入理解消費者在網絡購物中的決策機制，為電商企業(yè)制定營銷策略、降低消費者感知風險提供理論指導，也為政府監(jiān)管部門完善相關政策、保障消費者權益提供參考依據。2.2國內外研究現狀在消費者網絡購物感知風險維度的研究方面，國外學者起步較早。1972年，Jacoby和Kaplan對感知風險的維度進行了開創(chuàng)性研究，他們在對12種不同消費品的感知風險測量后，識別出財務風險、績效風險、身體風險、心理風險和社會風險這五個維度，這五個維度能夠解釋總體風險61.5%的變異量。1993年，Stone和Gronhaug的研究進一步驗證了上述五個風險維度，并新增了時間風險維度，這六個風險維度對總體感知風險的解釋能力高達88.8%。例如，在研究消費者購買電子產品的感知風險時，消費者會考慮購買價格是否過高（財務風險）、產品性能是否穩(wěn)定（績效風險）、使用過程中是否會對身體造成傷害（身體風險）、購買后是否會被他人認為缺乏品味（社會風險）以及購買后產品出現問題維修所耗費的時間（時間風險）等。國內學者也在該領域進行了深入探索。井淼等學者通過實證研究提出，我國消費者網絡購物時的感知風險由八個維度構成，分別是經濟風險，即網絡購物引起貨幣損失的可能性；功能風險，指在網上購買的產品不能正常使用或功能達不到預期效果的可能性；隱私風險，由于網絡購物而使消費者失去對個人信息控制的可能性；社會風險，消費者的網上購買行為不被其他社會成員接受或認同的可能性；時間風險，個人因網絡購物而損失時間的可能性；身體風險，網絡購物方式或網上購買的產品對個人身體造成傷害的可能性；服務風險，網絡購物過程中得不到客戶服務的可能性；心理風險，由于網絡購物行為而使自己遭受精神壓力的可能性。這些維度累積可解釋總方差的72.61%。以購買服裝為例，消費者可能擔心衣服的材質與描述不符（功能風險）、購買時填寫的個人信息被泄露（隱私風險）、穿著該服裝得不到他人認可（社會風險）、退貨時遭遇商家推諉（服務風險）等。關于消費者網絡購物感知風險的影響因素，研究涉及多個方面。人口統計變量方面，1970年Spence的研究表明，感知風險與學歷和收入密切相關，學歷越高，消費者對產品信息的獲取和理解能力越強，從而感知風險越??；收入越多，消費者在面對經濟損失時的承受能力越強，感知風險也越小。Lapersonne、Laurent和Goff在1995年的研究中進一步強調，人口統計變量對消費者的感知風險有著顯著影響。產品屬性也是重要影響因素，Zikmund和Scott在1977年指出，不同屬性會引發(fā)不同類型的風險。例如，購買高價值、高科技含量的產品時，消費者對產品質量和性能的不確定性感知更為強烈，從而風險感知較高。此外，消費者的購物經驗、網絡購物平臺的信譽、商品信息的透明度等也會對感知風險產生影響。有豐富網絡購物經驗的消費者，由于熟悉購物流程和應對風險的方法，往往感知風險較低；而信譽良好、信息透明度高的購物平臺，能增強消費者的信任感，降低其感知風險。在網絡購物感知風險評價體系的構建研究中，一些學者運用層次分析法、模糊綜合評價法等方法來確定風險因素的權重并進行綜合評價。層次分析法通過構建判斷矩陣，將復雜的風險評價問題分解為多個層次，實現對各風險因素相對重要性的量化；模糊綜合評價法則能有效處理評價過程中的模糊性和不確定性，將定性評價與定量評價相結合，使評價結果更加科學合理。然而，現有的評價體系大多針對一般消費者，針對大學生這一特殊消費群體的評價體系相對較少。大學生具有獨特的消費心理和行為特征，他們追求時尚、個性，對新事物接受度高，但經濟尚未完全獨立，消費決策易受社交圈子和網絡信息的影響。因此，現有的評價體系難以準確反映大學生網絡購物感知風險的實際情況，需要進一步完善和創(chuàng)新。綜上所述，雖然國內外學者在消費者網絡購物感知風險的研究上取得了豐碩成果，但針對大學生這一特定群體的研究還存在一定的局限性。未來的研究可以進一步深入挖掘大學生網絡購物感知風險的獨特影響因素，完善評價體系，為大學生網絡購物提供更具針對性的指導，也為電商企業(yè)和政府監(jiān)管部門制定相關政策提供更精準的參考依據。三、大學生網絡購物行為特征與感知風險現狀分析3.1大學生網絡購物行為特征為深入了解大學生網絡購物行為特征，本研究采用問卷調查法，以全國多所高校的大學生為調查對象，共發(fā)放問卷1000份，回收有效問卷920份，有效回收率為92%。問卷內容涵蓋大學生的個人信息、網絡購物頻率、平臺選擇、商品偏好、消費金額、決策影響因素等方面。通過對問卷數據的統計與分析，得出以下關于大學生網絡購物行為特征的結論。在網購頻率方面，調查結果顯示，大學生網絡購物頻率較高。其中，每月網購1-3次的學生占比35.8%，每月網購4-6次的學生占比27.2%，每月網購7次及以上的學生占比18.5%，僅有18.5%的學生每月網購次數在1次以下。這表明網絡購物已成為大學生日常生活的重要組成部分，他們頻繁地通過網絡購買各類商品，以滿足自身的學習、生活和娛樂需求。例如，某高校的學生小李表示，自己幾乎每周都會在網上購買生活用品、零食以及學習資料等，網絡購物的便捷性讓他能夠隨時隨地獲取所需物品，節(jié)省了大量的時間和精力。在平臺選擇上，綜合性電商平臺深受大學生喜愛。選擇淘寶的學生占比最高，達到56.3%，其次是京東，占比24.7%，拼多多占比12.5%，其他平臺占比6.5%。淘寶憑借其豐富的商品種類、龐大的商家資源以及長期積累的用戶口碑，成為大學生購物的首選平臺；京東則以其在3C數碼產品領域的優(yōu)勢、快速的物流配送和優(yōu)質的售后服務，吸引了眾多對電子產品有需求且注重購物效率的大學生；拼多多以低價策略和社交拼團模式，在大學生市場中也占據了一定的份額。不同平臺的特點滿足了大學生多樣化的購物需求，例如追求性價比的學生可能更傾向于拼多多，而對商品品質和服務有較高要求的學生則更愿意選擇京東。大學生在網購時的商品偏好呈現出多樣化的特點，但也存在一定的集中趨勢。其中，購買服裝類商品的學生占比最高，達到42.6%，這與大學生注重形象和時尚的特點密切相關。他們追求個性化的穿著風格，網絡購物平臺豐富的服裝款式和多樣的選擇能夠滿足他們對時尚的追求。以某大學的女生小王為例，她經常在網上購買各種風格的服裝，從休閑裝到正裝，從國內品牌到一些小眾的國際品牌，網絡購物讓她能夠輕松跟上時尚潮流。購買電子產品的學生占比為21.3%，隨著科技的發(fā)展，電子產品已成為大學生學習和生活中不可或缺的工具，如手機、電腦、平板電腦等。大學生對電子產品的性能和功能有較高的要求，網絡購物平臺提供了豐富的產品信息和用戶評價，方便他們進行比較和選擇。購買食品飲料的學生占比15.8%，網絡購物的便捷性使得大學生可以輕松購買到各種特色零食和飲料，滿足他們在學習和休閑時光的口腹之欲。購買學習用品的學生占比10.5%，網絡上的學習用品種類繁多，價格也相對較為實惠，能夠滿足大學生不同的學習需求。此外，還有少量學生購買美妝護膚、家居生活等其他類商品。在消費金額方面，由于大學生主要依靠生活費作為經濟來源，整體消費金額相對有限。調查數據顯示，每月網購消費金額在100元以下的學生占比28.6%，101-300元的學生占比45.2%，301-500元的學生占比16.8%，501元及以上的學生占比9.4%。這表明大部分大學生在網絡購物時較為理性，注重商品的性價比，會根據自己的經濟實力進行消費。然而，也有部分學生在購買一些高價值商品，如電子產品時，可能會超出預算，選擇分期付款等方式來滿足自己的需求。例如，某高校的學生小張為了購買一臺心儀的筆記本電腦，選擇了分期付款，雖然增加了一定的經濟壓力，但滿足了他對電腦性能的要求。大學生在網絡購物決策過程中，受到多種因素的影響。其中，商品價格是最重要的影響因素之一，占比達到40.5%。大學生經濟尚未完全獨立，對價格較為敏感，在購物時往往會優(yōu)先考慮價格因素，追求性價比高的商品。商品評價也起著關鍵作用，占比32.7%。大學生在購買商品前，通常會仔細查看其他消費者的評價，了解商品的實際質量、使用體驗等信息，以此來判斷商品是否符合自己的需求。品牌知名度占比15.3%，一些知名品牌往往代表著較高的品質和信譽，大學生在購買某些商品時，會傾向于選擇知名品牌，以降低購買風險。促銷活動占比11.5%，各類促銷活動，如打折、滿減、贈品等，能夠吸引大學生的關注，激發(fā)他們的購買欲望。例如，在“雙十一”“618”等購物狂歡節(jié)期間，各大電商平臺推出的大規(guī)模促銷活動，會吸引大量大學生參與購物，他們會提前關注商品信息，制定購物清單，在活動期間搶購心儀的商品。3.2大學生網絡購物感知風險現狀為了深入了解大學生網絡購物感知風險的現狀，本研究在問卷調查中設置了關于大學生對網絡購物風險認知的相關問題。通過對回收的920份有效問卷進行分析，發(fā)現大學生對網絡購物風險具有一定的認知。其中，認為網絡購物存在風險的大學生占比達到85.6%，僅有14.4%的大學生認為網絡購物風險較低或不存在風險。這表明大部分大學生在享受網絡購物便捷性的同時，也意識到了其中潛在的風險。進一步對大學生感知的網絡購物風險類型進行分析，結果顯示，產品風險是大學生最為關注的風險類型之一。在產品風險方面，擔心購買到的商品質量與描述不符的學生占比達到56.3%，認為可能購買到假冒偽劣商品的學生占比為42.8%，擔心商品存在功能缺陷的學生占比為38.5%。例如，某高校學生小張在網上購買了一部手機，收到后發(fā)現手機的實際性能與商家描述相差甚遠，運行速度緩慢，拍照效果也不理想，這讓他對網絡購物的產品質量產生了極大的擔憂。財務風險也是大學生重點關注的風險類型。有48.7%的學生擔心網絡支付過程中可能遭遇資金被盜刷的風險，35.2%的學生憂慮因商品價格虛高而遭受經濟損失，26.8%的學生害怕遇到網絡詐騙，如虛假交易、退款詐騙等情況。比如，學生小李在一次網絡購物中，點擊了一個不明鏈接進行支付，隨后發(fā)現自己的銀行卡被盜刷了數千元，這一經歷讓他對網絡支付安全心有余悸。隱私風險同樣引起了大學生的高度重視。45.6%的學生擔心在網絡購物過程中個人信息被泄露，如姓名、聯系方式、家庭住址等；28.4%的學生憂慮個人信息被商家濫用，用于其他商業(yè)目的。在大數據時代，個人信息的價值日益凸顯，一旦泄露，可能會給大學生帶來不必要的麻煩和困擾。時間風險方面，32.6%的學生擔心商品不能按時送達，影響自己的使用計劃；21.3%的學生認為退換貨過程繁瑣，耗費大量時間和精力。例如，在購買一些時效性較強的商品，如生鮮食品、考試復習資料等時，若不能按時收到商品，將會給大學生帶來很大的不便。服務風險也不容忽視。30.5%的學生擔心在購物過程中遇到問題時，商家的售后服務不到位，無法及時解決自己的問題；18.6%的學生憂慮商家拒絕退換貨或拖延處理時間。當大學生購買的商品出現質量問題或與預期不符時，良好的售后服務能夠保障他們的權益，否則可能會導致他們的不滿和損失。通過對不同性別、年級、專業(yè)的大學生在各風險類型上的感知差異進行分析發(fā)現，在產品風險的感知上，女生比男生更為敏感，女生對商品質量和真?zhèn)蔚年P注度更高，占比分別高出男生8.5個百分點和6.2個百分點。這可能與女生在購物時更加注重細節(jié)和品質有關。在財務風險方面，低年級學生比高年級學生感知更為強烈，大一、大二學生擔心資金被盜刷和遭遇網絡詐騙的比例分別比大三、大四學生高出10.2個百分點和8.7個百分點。這或許是因為低年級學生網絡購物經驗相對較少，對網絡支付安全和詐騙手段的防范意識較弱。在隱私風險的感知上，文科專業(yè)學生比理工科專業(yè)學生更為擔憂，文科專業(yè)學生擔心個人信息泄露和濫用的比例分別比理工科專業(yè)學生高出7.3個百分點和5.6個百分點。這可能與文科專業(yè)學生對個人隱私的保護意識較強，以及對信息安全問題更為關注有關。綜上所述，大學生在網絡購物過程中對各類風險具有一定的感知，不同風險類型的感知程度存在差異，且在不同個人特征的大學生群體中，風險感知也存在顯著差異。這些發(fā)現為后續(xù)構建大學生網絡購物感知風險評價體系以及提出針對性的風險應對策略提供了重要的現實依據。四、大學生網絡購物感知風險評價指標體系構建4.1評價指標選取原則與依據構建科學合理的大學生網絡購物感知風險評價指標體系，是準確評估大學生網絡購物風險的關鍵。在指標選取過程中，需遵循一系列原則，并依據相關理論和前人研究成果，結合大學生網購特點進行篩選，以確保指標體系的全面性、科學性和可操作性。全面性原則是構建評價指標體系的基礎。大學生網絡購物感知風險涉及多個方面，評價指標應涵蓋大學生在網絡購物過程中可能面臨的各種風險類型，包括產品風險、財務風險、隱私風險、時間風險、服務風險等，以及影響這些風險感知的因素，如個人特征、消費行為、購物平臺等。只有全面考慮這些因素，才能準確反映大學生網絡購物感知風險的全貌。例如，在產品風險方面，不僅要關注商品的質量、真?zhèn)蔚葐栴}，還要考慮商品的功能是否符合預期、是否存在虛假宣傳等情況；在財務風險方面，除了資金被盜刷、價格虛高等風險，還應考慮分期付款帶來的利息支出等潛在風險?？茖W性原則要求評價指標具備明確的內涵和外延，能夠準確反映大學生網絡購物感知風險的本質特征。指標的選取應基于科學的理論和研究方法，避免主觀隨意性。同時，指標之間應相互獨立，避免重復和交叉。例如，在選取隱私風險指標時，應依據信息安全理論，考慮個人信息在收集、存儲、傳輸和使用過程中可能面臨的泄露和濫用風險，如是否存在非法獲取個人信息、將個人信息用于其他商業(yè)目的等情況，而不是簡單地羅列一些與隱私相關的現象?？刹僮餍栽瓌t強調評價指標的數據易于獲取和量化，評價方法簡單可行。在實際研究中，應盡量選擇能夠通過問卷調查、數據分析等方法獲取數據的指標，避免使用過于復雜或難以測量的指標。同時，評價方法應具有可重復性和可驗證性，便于其他研究者進行驗證和應用。例如，對于大學生網絡購物的消費金額、購物頻率等指標，可以通過問卷調查直接獲取數據；對于一些定性指標，如對商品質量的滿意度、對商家服務的評價等，可以采用李克特量表等方式進行量化，以便于后續(xù)的數據分析。在依據方面，感知風險理論為評價指標的選取提供了重要的理論基礎。根據感知風險理論，消費者在購買決策過程中會感知到多種風險，這些風險可以分為不同的維度。在構建大學生網絡購物感知風險評價指標體系時，參考前人對感知風險維度的研究成果，如Jacoby和Kaplan提出的財務風險、績效風險、身體風險、心理風險和社會風險五個維度，以及Stone和Gronhaug在此基礎上新增的時間風險維度。結合大學生網絡購物的實際情況，確定相應的風險指標。例如，在財務風險維度，可以選取網絡支付安全、商品價格合理性等指標；在績效風險維度，可以選取商品質量與描述相符程度、商品功能是否滿足需求等指標。前人的研究成果也為評價指標的選取提供了豐富的參考。許多學者對消費者網絡購物感知風險進行了深入研究，提出了各種風險因素和評價指標。通過對這些研究的梳理和分析，篩選出適用于大學生網絡購物的指標，并結合大學生的特點進行適當調整和補充。例如，一些研究指出，大學生在網絡購物時更容易受到社交圈子和網絡信息的影響，因此可以增加社交影響風險、信息真實性風險等指標。同時，考慮到大學生經濟尚未完全獨立，對價格較為敏感，在選取財務風險指標時，應更加關注商品價格虛高、分期付款風險等因素。結合大學生網購特點也是選取評價指標的重要依據。大學生作為一個特殊的消費群體，具有獨特的消費心理和行為特征。他們追求時尚、個性，對新事物接受度高，但經濟尚未完全獨立，消費決策易受他人影響。在選取指標時，充分考慮這些特點，如增加品牌認知風險指標，因為大學生對品牌的敏感度較高，在網絡購物中可能因對品牌了解不足而面臨購買到假冒偽劣商品的風險；考慮社交影響風險，因為大學生在購物決策過程中容易受到同學、朋友等社交圈子的影響，若購買的商品得不到他人認可，可能會給大學生帶來心理壓力。4.2初始評價指標體系構建基于前文所述的評價指標選取原則與依據，結合大學生網絡購物感知風險的現狀分析，從產品風險、財務風險、隱私風險、物流風險、售后風險等維度構建大學生網絡購物感知風險初始評價指標體系。具體指標如下表4-1所示：表4-1大學生網絡購物感知風險初始評價指標體系一級指標二級指標指標含義產品風險商品質量擔心購買到的商品存在質量問題，如材質不佳、做工粗糙、易損壞等商品真?zhèn)螒n慮購買到假冒偽劣商品，無法獲得正品應有的品質和性能商品功能害怕商品實際功能與商家描述不符，不能滿足自身需求虛假宣傳擔憂商家對商品的描述存在夸大、虛假等情況，誤導購買決策品牌認知考慮因對品牌了解不足，在購買知名品牌商品時可能買到假貨，或購買小眾品牌商品時無法判斷其質量和信譽財務風險支付安全擔心網絡支付過程中出現資金被盜刷、支付信息泄露等問題價格合理性懷疑商品價格過高，超出其實際價值，導致經濟損失分期付款風險對于選擇分期付款的大學生，考慮可能面臨的利息支出過高、還款逾期產生不良信用記錄等風險網絡詐騙害怕遭遇網絡詐騙，如虛假交易、退款詐騙、釣魚網站等，導致財產損失隱私風險信息泄露擔憂在網絡購物過程中，個人信息如姓名、聯系方式、家庭住址、身份證號等被泄露信息濫用擔心個人信息被商家或第三方用于其他商業(yè)目的，如頻繁收到廣告騷擾、個人信息被非法買賣等物流風險配送時間擔心商品不能按時送達，影響使用計劃，如購買的考試復習資料在考試后才送達商品損壞憂慮商品在運輸過程中受到損壞，影響正常使用，如購買的電子產品屏幕出現裂痕商品丟失害怕商品在物流過程中丟失，導致無法收到所購商品售后風險售后服務態(tài)度關注商家在處理售后問題時的態(tài)度，如是否積極響應、耐心解答疑問等退換貨政策考慮商家的退換貨政策是否合理、便捷，如是否存在退換貨門檻過高、退換貨周期過長等問題維修保障擔心購買的商品出現質量問題后，維修服務不到位，如維修時間過長、維修費用過高、維修后仍存在問題等投訴處理關注在遇到問題進行投訴時，商家或平臺對投訴的處理效率和結果，如是否能夠及時解決問題、給予合理補償等4.3評價指標篩選與確定為了確保評價指標體系的科學性和有效性，需要對初始評價指標進行篩選和確定。本研究運用因子分析方法，借助SPSS22.0統計分析軟件，對通過問卷調查收集到的關于大學生網絡購物感知風險的數據進行深入分析，以剔除相關性高、解釋力弱的指標，從而得到最終的評價指標體系。在進行因子分析之前，首先要對數據進行適用性檢驗，這是確保因子分析結果可靠性的重要前提。本研究采用KMO（Kaiser-Meyer-Olkin）檢驗和Bartlett球形度檢驗來判斷數據是否適合進行因子分析。KMO檢驗用于衡量變量間的偏相關性，取值范圍在0-1之間，一般認為KMO值大于0.5時適合進行因子分析；Bartlett球形度檢驗用于檢驗相關矩陣是否為單位矩陣，若檢驗結果的顯著性水平小于0.05，則表明數據適合進行因子分析。對初始評價指標體系中的20個二級指標進行KMO和Bartlett檢驗，結果顯示KMO值為0.812，大于0.5；Bartlett球形度檢驗的近似卡方值為1526.345，自由度為171，顯著性水平為0.000，小于0.05。這表明數據具有較高的相關性，適合進行因子分析。經過適用性檢驗后，運用主成分分析法對數據進行因子提取。主成分分析法是一種將多個變量化為少數幾個綜合變量的統計分析方法，通過對數據的降維處理，提取出能夠反映原始數據大部分信息的公共因子。在因子提取過程中，以特征值大于1作為提取因子的標準，共提取了5個公共因子，這5個公共因子的累計方差貢獻率達到了73.68%，說明它們能夠較好地解釋原始數據的大部分信息。接下來，對提取的因子進行旋轉，以使得因子載荷矩陣更加簡潔，便于對因子進行命名和解釋。本研究采用最大方差法進行因子旋轉，旋轉后的因子載荷矩陣如下表4-2所示：表4-2旋轉后的因子載荷矩陣二級指標因子1因子2因子3因子4因子5商品質量0.823商品真?zhèn)?.786商品功能0.765虛假宣傳0.748品牌認知0.721支付安全0.856價格合理性0.798分期付款風險0.762網絡詐騙0.745信息泄露0.842信息濫用0.813配送時間0.835商品損壞0.796商品丟失0.778售后服務態(tài)度0.867退換貨政策0.832維修保障0.798投訴處理0.765根據旋轉后的因子載荷矩陣，對各因子進行命名和解釋。因子1在商品質量、商品真?zhèn)巍⑸唐饭δ?、虛假宣傳、品牌認知等指標上具有較高的載荷，這些指標都與產品本身的特性和信息相關，因此將因子1命名為“產品風險因子”；因子2在支付安全、價格合理性、分期付款風險、網絡詐騙等指標上載荷較高，主要涉及網絡購物中的資金和交易安全問題，故命名為“財務風險因子”；因子3在信息泄露、信息濫用等指標上表現出較高的載荷，反映了大學生在網絡購物中對個人隱私保護的關注，命名為“隱私風險因子”；因子4在配送時間、商品損壞、商品丟失等指標上有較大載荷，與商品在物流運輸過程中的情況相關，命名為“物流風險因子”；因子5在售后服務態(tài)度、退換貨政策、維修保障、投訴處理等指標上載荷較高，體現了大學生對網絡購物售后服務的重視，命名為“售后風險因子”。在因子分析的基礎上，對各指標的共同度進行分析。共同度是指每個變量在所有公共因子上的載荷平方和，它反映了公共因子對該變量的解釋程度。一般來說，共同度越高，說明該變量與公共因子的關系越密切，對評價體系的貢獻越大；反之，共同度較低的指標可能與其他指標存在較高的相關性，或者對評價體系的解釋力較弱，可以考慮剔除。經過計算，發(fā)現“商品丟失”這一指標的共同度相對較低，僅為0.563。進一步分析該指標與其他指標的相關性，發(fā)現它與“商品損壞”指標在物流風險方面存在較高的相關性，且在解釋物流風險時，“商品損壞”指標的解釋力更強。因此，為了避免指標的重復和冗余，提高評價體系的簡潔性和有效性，決定剔除“商品丟失”這一指標。最終確定的大學生網絡購物感知風險評價指標體系如下表4-3所示：表4-3最終確定的大學生網絡購物感知風險評價指標體系一級指標二級指標指標含義產品風險商品質量擔心購買到的商品存在質量問題，如材質不佳、做工粗糙、易損壞等商品真?zhèn)螒n慮購買到假冒偽劣商品，無法獲得正品應有的品質和性能商品功能害怕商品實際功能與商家描述不符，不能滿足自身需求虛假宣傳擔憂商家對商品的描述存在夸大、虛假等情況，誤導購買決策品牌認知考慮因對品牌了解不足，在購買知名品牌商品時可能買到假貨，或購買小眾品牌商品時無法判斷其質量和信譽財務風險支付安全擔心網絡支付過程中出現資金被盜刷、支付信息泄露等問題價格合理性懷疑商品價格過高，超出其實際價值，導致經濟損失分期付款風險對于選擇分期付款的大學生，考慮可能面臨的利息支出過高、還款逾期產生不良信用記錄等風險網絡詐騙害怕遭遇網絡詐騙，如虛假交易、退款詐騙、釣魚網站等，導致財產損失隱私風險信息泄露擔憂在網絡購物過程中，個人信息如姓名、聯系方式、家庭住址、身份證號等被泄露信息濫用擔心個人信息被商家或第三方用于其他商業(yè)目的，如頻繁收到廣告騷擾、個人信息被非法買賣等物流風險配送時間擔心商品不能按時送達，影響使用計劃，如購買的考試復習資料在考試后才送達商品損壞憂慮商品在運輸過程中受到損壞，影響正常使用，如購買的電子產品屏幕出現裂痕售后風險售后服務態(tài)度關注商家在處理售后問題時的態(tài)度，如是否積極響應、耐心解答疑問等退換貨政策考慮商家的退換貨政策是否合理、便捷，如是否存在退換貨門檻過高、退換貨周期過長等問題維修保障擔心購買的商品出現質量問題后，維修服務不到位，如維修時間過長、維修費用過高、維修后仍存在問題等投訴處理關注在遇到問題進行投訴時，商家或平臺對投訴的處理效率和結果，如是否能夠及時解決問題、給予合理補償等通過以上因子分析和指標篩選過程，最終確定的評價指標體系能夠更準確、簡潔地反映大學生網絡購物感知風險的主要維度和關鍵因素，為后續(xù)運用層次分析法確定指標權重以及進行模糊綜合評價奠定了堅實的基礎。五、大學生網絡購物感知風險評價模型構建與實證分析5.1評價模型選擇與原理介紹在對大學生網絡購物感知風險進行評價時，選擇合適的評價模型至關重要。本研究選用層次分析法（AHP）和模糊綜合評價法相結合的方式，以實現對大學生網絡購物感知風險的全面、準確評價。層次分析法（AnalyticHierarchyProcess，簡稱AHP）是一種定性與定量相結合的多準則決策分析方法，由美國運籌學家T.L.Saaty教授于20世紀70年代初期提出。該方法的基本原理是將復雜的決策問題分解為多個層次，包括目標層、準則層和方案層等，通過對各層次因素之間的相對重要性進行兩兩比較，構建判斷矩陣，進而計算出各因素的權重，為決策提供定量化的依據。層次分析法的具體步驟如下：建立遞階層次結構：將復雜問題分解為不同層次，最上層為目標層，即要解決的問題或要達到的目標；中間層為準則層，是影響目標實現的各種因素或準則；最下層為方案層，是實現目標的具體方案或措施。在大學生網絡購物感知風險評價中，目標層為大學生網絡購物感知風險評價；準則層為前文確定的產品風險、財務風險、隱私風險、物流風險、售后風險等一級指標；方案層則是各一級指標下的二級指標，如商品質量、支付安全、信息泄露等。構造判斷矩陣：針對同一層次的各因素，通過專家打分或問卷調查等方式，運用Saaty教授提出的1-9標度法，對因素之間的相對重要性進行兩兩比較，構建判斷矩陣。1-9標度法的含義為：1表示兩個因素相比，具有同樣重要性；3表示兩個因素相比，一個因素比另一個因素稍微重要；5表示兩個因素相比，一個因素比另一個因素明顯重要；7表示兩個因素相比，一個因素比另一個因素強烈重要；9表示兩個因素相比，一個因素比另一個因素極端重要；2、4、6、8則為上述相鄰判斷的中值。例如，在判斷產品風險和財務風險對大學生網絡購物感知風險的相對重要性時，若專家認為產品風險比財務風險稍微重要，則在判斷矩陣中對應的元素取值為3。判斷矩陣具有互反性，即若因素i與因素j相比的重要性為aij，則因素j與因素i相比的重要性為aji=1/aij。計算權重向量并進行一致性檢驗：通過計算判斷矩陣的最大特征值λmax和特征向量W，得到各因素的相對權重。計算方法有多種，如方根法、和積法等，本研究采用方根法。具體計算步驟為：首先，計算判斷矩陣每一行元素的乘積Mi；然后，計算Mi的n次方根Wi=\sqrt[n]{M_{i}}；最后，將Wi歸一化，得到權重向量W=(W1,W2,…,Wn)T。為了確保判斷矩陣的一致性，需要進行一致性檢驗。計算一致性指標CI=(\lambda_{max}-n)/(n-1)，其中n為判斷矩陣的階數。引入隨機一致性指標RI，RI的值可通過查表獲得，不同階數的判斷矩陣對應不同的RI值。計算一致性比率CR=CI/RI，當CR≤0.1時，認為判斷矩陣具有滿意的一致性，否則需要重新調整判斷矩陣，直至滿足一致性要求。層次總排序：計算同一層次所有因素對于最高層（總目標）的相對重要性標度（又稱排序權重向量），稱為層次總排序。層次總排序是從上到下逐層進行的，先計算第二層（準則層）對第一層（目標層）的權重向量，再計算第三層（方案層）對第二層（準則層）的權重向量，最后通過加權計算得到第三層（方案層）對第一層（目標層）的總排序權重向量。例如，假設準則層有m個因素，其對目標層的權重向量為W(2)=(W1(2),W2(2),…,Wm(2))T，方案層有n個因素，第i個準則下方案層各因素對該準則的權重向量為Wi(3)=(Wi1(3),Wi2(3),…,Win(3))T，則方案層各因素對目標層的總排序權重向量W(3)=(W1(3),W2(3),…,Wn(3))T，其中Wj(3)=\sum_{i=1}^{m}W_{i}^{(2)}W_{ij}^{(3)}，j=1,2,…,n。通過層次總排序，可以得到各二級指標在大學生網絡購物感知風險評價中的相對重要性權重。模糊綜合評價法（FuzzyComprehensiveEvaluation，簡稱FCE）是一種基于模糊數學的綜合評價方法，由美國自動控制專家查德（L．A．Zadeh）教授于1965年提出。該方法的基本思想是利用模糊數學的隸屬度理論，將定性評價轉化為定量評價，對受到多種因素制約的事物或對象做出一個總體的評價。其適用于解決評價過程中存在的模糊性和不確定性問題，能夠綜合考慮多個因素對評價對象的影響。模糊綜合評價法的具體步驟如下：確定評價因素集：評價因素集是影響評價對象的各種因素組成的集合，用U表示。在大學生網絡購物感知風險評價中，U={u1,u2,…,um}，其中u1,u2,…,um分別為前文確定的各二級指標，如u1表示商品質量，u2表示支付安全等。確定評語集：評語集是評價者對被評價對象可能做出的各種總的評價結果組成的集合，用V表示。通常根據實際情況將評價結果劃分為若干等級，如V={v1,v2,…,vn}，其中v1,v2,…,vn分別表示不同的評價等級，如v1表示“低風險”，v2表示“較低風險”，v3表示“中等風險”，v4表示“較高風險”，v5表示“高風險”。評價等級的劃分應根據具體問題和研究目的進行合理設定，一般以3-5個等級為宜。確定模糊關系矩陣：通過專家打分、問卷調查或其他方式，獲取各評價因素對各個評語等級的隸屬度，從而構建模糊關系矩陣R。模糊關系矩陣R中的元素rij表示第i個評價因素ui對第j個評語等級vj的隸屬度，取值范圍在0-1之間，且\sum_{j=1}^{n}r_{ij}=1。例如，對于商品質量這一評價因素，若有30%的專家認為其風險為“低風險”，50%的專家認為其風險為“較低風險”，20%的專家認為其風險為“中等風險”，則商品質量對“低風險”“較低風險”“中等風險”“較高風險”“高風險”的隸屬度分別為r11=0.3，r12=0.5，r13=0.2，r14=0，r15=0，以此類推，可構建出整個模糊關系矩陣R。確定權重向量：運用層次分析法計算得到的各評價因素的權重向量W=(w1,w2,…,wm)T，作為模糊綜合評價法中的權重向量。權重向量反映了各評價因素在評價過程中的相對重要性程度。進行模糊合成運算：將權重向量W與模糊關系矩陣R進行模糊合成運算，得到模糊綜合評價結果向量B。模糊合成運算的方法有多種，常用的是“取小取大”算子（M(∧,∨)）和“加權平均”算子（M(?,+)）。本研究采用“加權平均”算子，計算公式為B=W?R，其中“?”表示模糊矩陣的乘法運算。通過模糊合成運算，得到的模糊綜合評價結果向量B=(b1,b2,…,bn)，其中bj表示被評價對象對第j個評語等級的綜合隸屬度。確定評價結果：根據模糊綜合評價結果向量B，采用最大隸屬度原則或其他方法確定最終的評價結果。最大隸屬度原則是指選擇綜合隸屬度最大的評語等級作為最終的評價結果。例如，若B=(0.2,0.3,0.4,0.1,0)，則綜合隸屬度最大的是0.4，對應的評語等級為“中等風險”，因此最終的評價結果為“中等風險”。此外，還可以根據實際需要，對模糊綜合評價結果進行進一步的分析和處理，如計算綜合得分等。層次分析法能夠將復雜的風險評價問題分解為多個層次，通過定性與定量相結合的方式確定各風險因素的權重，為模糊綜合評價法提供了量化的權重向量；而模糊綜合評價法能夠有效地處理評價過程中的模糊性和不確定性問題，將多個因素對評價對象的影響進行綜合考慮，得出全面、客觀的評價結果。兩者相結合，能夠充分發(fā)揮各自的優(yōu)勢，為大學生網絡購物感知風險評價提供一種科學、有效的方法。5.2基于層次分析法的指標權重確定在確定大學生網絡購物感知風險評價指標體系后，運用層次分析法（AHP）來確定各指標的權重，以明確不同風險因素對大學生網絡購物感知風險的相對重要性。首先，邀請10位電子商務領域的專家，包括高校相關專業(yè)的教授、電商企業(yè)的管理人員以及市場研究機構的專業(yè)人士，依據1-9標度法，對各層次指標的相對重要性進行兩兩比較打分，構建判斷矩陣。以準則層（一級指標）為例，判斷矩陣如下表5-1所示：表5-1準則層判斷矩陣產品風險財務風險隱私風險物流風險售后風險產品風險13579財務風險1/31357隱私風險1/51/3135物流風險1/71/51/313售后風險1/91/71/51/31從判斷矩陣中可以看出，專家們認為產品風險在大學生網絡購物感知風險中最為重要，與其他風險因素相比，具有明顯或極端的重要性。例如，產品風險與財務風險相比，重要性比值為3，表明產品風險相對財務風險更為重要；產品風險與隱私風險相比，重要性比值為5，顯示產品風險比隱私風險的重要程度更高。接著，采用方根法計算判斷矩陣的特征向量和最大特征值。以準則層判斷矩陣計算過程為例，具體步驟如下：計算判斷矩陣每一行元素的乘積Mi：M1=1×3×5×7×9=945M2=1/3×1×3×5×7=35M3=1/5×1/3×1×3×5=1M4=1/7×1/5×1/3×1×3=1/35M5=1/9×1/7×1/5×1/3×1=1/945計算Mi的5次方根Wi：W1=\sqrt[5]{945}≈3.93W2=\sqrt[5]{35}≈2.03W3=\sqrt[5]{1}=1W4=\sqrt[5]{1/35}≈0.49W5=\sqrt[5]{1/945}≈0.25將Wi歸一化，得到權重向量W：W1=3.93/(3.93+2.03+1+0.49+0.25)≈0.53W2=2.03/(3.93+2.03+1+0.49+0.25)≈0.27W3=1/(3.93+2.03+1+0.49+0.25)≈0.13W4=0.49/(3.93+2.03+1+0.49+0.25)≈0.07W5=0.25/(3.93+2.03+1+0.49+0.25)≈0.03經過計算，準則層的權重向量W=(0.53,0.27,0.13,0.07,0.03)T。然后，進行一致性檢驗。計算一致性指標CI=(\lambda_{max}-n)/(n-1)，其中n為判斷矩陣的階數，這里n=5。通過計算得到判斷矩陣的最大特征值\lambda_{max}≈5.12。則CI=(5.12-5)/(5-1)=0.03。引入隨機一致性指標RI，5階判斷矩陣的RI值為1.12。計算一致性比率CR=CI/RI=0.03/1.12≈0.027＜0.1，表明準則層判斷矩陣具有滿意的一致性，其權重向量是可靠的。按照同樣的方法，對方案層（二級指標）各因素相對于準則層的重要性進行兩兩比較，構建判斷矩陣，并計算權重向量和進行一致性檢驗。以產品風險下的二級指標為例，判斷矩陣及計算結果如下表5-2所示：表5-2產品風險下二級指標判斷矩陣及計算結果商品質量商品真?zhèn)紊唐饭δ芴摷傩麄髌放普J知權重向量商品質量135790.48商品真?zhèn)?/313570.25商品功能1/51/31350.13虛假宣傳1/71/51/3130.09品牌認知1/91/71/51/310.05計算得到該判斷矩陣的最大特征值\lambda_{max}≈5.10，一致性指標CI=(5.10-5)/(5-1)=0.025，一致性比率CR=CI/RI=0.025/1.12≈0.022＜0.1，說明該判斷矩陣具有滿意的一致性，權重向量有效。以此類推，分別計算財務風險、隱私風險、物流風險、售后風險下各二級指標的權重向量及進行一致性檢驗，結果均滿足一致性要求。最后，計算方案層（二級指標）對目標層（大學生網絡購物感知風險評價）的總排序權重向量。通過層次總排序公式W(3)=\sum_{i=1}^{m}W_{i}^{(2)}W_{ij}^{(3)}，得到各二級指標的總排序權重，結果如下表5-3所示：表5-3二級指標總排序權重一級指標權重二級指標權重總排序權重產品風險0.53商品質量0.480.53×0.48=0.2544商品真?zhèn)?.250.53×0.25=0.1325商品功能0.130.53×0.13=0.0689虛假宣傳0.090.53×0.09=0.0477品牌認知0.050.53×0.05=0.0265財務風險0.27支付安全0.400.27×0.40=0.1080價格合理性0.250.27×0.25=0.0675分期付款風險0.200.27×0.20=0.0540網絡詐騙0.150.27×0.15=0.0405隱私風險0.13信息泄露0.600.13×0.60=0.0780信息濫用0.400.13×0.40=0.0520物流風險0.07配送時間0.650.07×0.65=0.0455商品損壞0.350.07×0.35=0.0245售后風險0.03售后服務態(tài)度0.300.03×0.30=0.0090退換貨政策0.250.03×0.25=0.0075維修保障0.250.03×0.25=0.0075投訴處理0.200.03×0.20=0.0060通過以上層次分析法的計算，確定了大學生網絡購物感知風險評價體系中各指標的權重。從總排序權重結果可以看出，在大學生網絡購物感知風險中，產品風險的權重最高，為0.53，其中商品質量的權重最大，達到0.2544，這表明產品質量是影響大學生網絡購物感知風險的最重要因素。財務風險的權重為0.27，其中支付安全的權重相對較高，為0.1080，說明支付安全也是大學生關注的重點風險因素。隱私風險、物流風險和售后風險的權重相對較低，但信息泄露、配送時間等二級指標在各自風險維度中也具有一定的重要性。這些權重結果為后續(xù)運用模糊綜合評價法進行風險評價提供了量化依據，有助于更準確地評估大學生網絡購物感知風險。5.3基于模糊綜合評價法的風險評價在運用層次分析法確定了大學生網絡購物感知風險評價指標的權重后，采用模糊綜合評價法對大學生網絡購物感知風險進行綜合評價。模糊綜合評價法能夠有效處理評價過程中的模糊性和不確定性問題，將多個因素對評價對象的影響進行綜合考量，從而得出全面、客觀的評價結果。首先，確定評價等級和評語集。根據大學生網絡購物感知風險的實際情況，將評價等級劃分為五個級別，分別為“低風險”“較低風險”“中等風險”“較高風險”“高風險”，相應的評語集V={v1,v2,v3,v4,v5}，其中v1表示“低風險”，v2表示“較低風險”，v3表示“中等風險”，v4表示“較高風險”，v5表示“高風險”。接下來，對各指標進行模糊評價，構建模糊關系矩陣。通過問卷調查的方式，邀請200名大學生對各二級指標的風險程度進行評價，統計每個指標在不同評價等級上的人數占比，以此確定各指標對不同評語等級的隸屬度。例如，對于“商品質量”這一指標，有40名大學生認為其風險為“低風險”，占比20%；80名大學生認為其風險為“較低風險”，占比40%；50名大學生認為其風險為“中等風險”，占比25%；20名大學生認為其風險為“較高風險”，占比10%；10名大學生認為其風險為“高風險”，占比5%。則“商品質量”對各評語等級的隸屬度向量為r1=(0.2,0.4,0.25,0.1,0.05)。按照同樣的方法，得到其他二級指標對各評語等級的隸屬度向量，進而構建出模糊關系矩陣R：R=\begin{pmatrix}r_{11}&r_{12}&r_{13}&r_{14}&r_{15}\\r_{21}&r_{22}&r_{23}&r_{24}&r_{25}\\\vdots&\vdots&\vdots&\vdots&\vdots\\r_{161}&r_{162}&r_{163}&r_{164}&r_{165}\end{pmatrix}其中，rij表示第i個二級指標對第j個評語等級的隸屬度。然后，進行綜合評價。將層次分析法計算得到的二級指標總排序權重向量W與模糊關系矩陣R進行模糊合成運算，采用“加權平均”算子（M(?,+)），計算公式為B=W?R，得到模糊綜合評價結果向量B。B=(b1,b2,b3,b4,b5)，其中bj表示大學生網絡購物感知風險對第j個評語等級的綜合隸屬度。假設經過計算得到模糊綜合評價結果向量B=(0.15,0.30,0.35,0.15,0.05)。根據最大隸屬度原則，選擇綜合隸屬度最大的評語等級作為最終的評價結果。在這個例子中，b3=0.35最大，所以最終的評價結果為“中等風險”，這表明從整體上看，大學生網絡購物感知風險處于中等水平。為了更直觀地了解各風險維度對大學生網絡購物感知風險的影響程度，還可以分別計算各一級指標的模糊綜合評價結果。以產品風險為例，產品風險下的二級指標權重向量為W1=(0.2544,0.1325,0.0689,0.0477,0.0265)，對應的模糊關系矩陣為R1（由產品風險下各二級指標的隸屬度向量組成）。通過模糊合成運算B1=W1?R1，得到產品風險的模糊綜合評價結果向量B1。同理，可計算出財務風險、隱私風險、物流風險、售后風險的模糊綜合評價結果向量B2、B3、B4、B5。對各一級指標的模糊綜合評價結果進行分析，可以發(fā)現產品風險的綜合隸屬度在“中等風險”和“較高風險”等級上相對較高，這進一步驗證了產品風險是大學生網絡購物感知風險中最為重要的因素，需要重點關注。財務風險在“中等風險”等級上的隸屬度也較高，說明財務風險也是大學生不容忽視的風險類型。隱私風險、物流風險和售后風險的綜合隸屬度相對較低，但在某些特定情況下，也可能對大學生的網絡購物體驗產生較大影響。通過基于模糊綜合評價法的風險評價，能夠全面、客觀地評估大學生網絡購物感知風險的程度，明確各風險因素的重要性和影響程度，為后續(xù)提出針對性的風險應對策略提供了有力的依據。5.4實證分析為了進一步驗證所構建的大學生網絡購物感知風險評價模型的有效性和實用性，本研究以某高校大學生為例，進行了實證分析。該高校位于[城市名稱]，是一所綜合性大學，涵蓋多個學科門類，學生數量眾多，具有一定的代表性。通過線上問卷的方式，向該高校的大學生發(fā)放調查問卷。問卷內容主要圍繞大學生網絡購物的行為習慣、對各風險因素的感知程度等方面展開，共收集到有效問卷300份。對收集到的數據進行整理和分析，按照模糊綜合評價法的步驟進行風險評價。首先，根據問卷數據統計各二級指標對不同評語等級的隸屬度，構建模糊關系矩陣R。例如，對于“商品質量”指標，在300名被調查學生中，有60人認為風險為“低風險”，占比20%；120人認為風險為“較低風險”，占比40%；80人認為風險為“中等風險”，占比26.7%；30人認為風險為“較高風險”，占比10%；10人認為風險為“高風險”，占比3.3%。則“商品質量”對各評語等級的隸屬度向量為r1=(0.2,0.4,0.267,0.1,0.033)。以此類推，得到其他二級指標的隸屬度向量，從而構建出模糊關系矩陣R。然后，結合前文運用層次分析法確定的各指標權重向量W，進行模糊合成運算B=W?R。假設經過計算得到模糊綜合評價結果向量B=(0.18,0.32,0.30,0.15,0.05)。根據最大隸屬度原則，選擇綜合隸屬度最大的評語等級作為最終的評價結果。在這個例子中，b2=0.32最大，所以最終的評價結果為“較低風險”，這表明該高校大學生網絡購物感知風險整體處于較低水平。進一步分析各一級指標的模糊綜合評價結果，以更深入了解不同風險維度的情況。例如，產品風險的模糊綜合評價結果向量B1=(0.15,0.35,0.32,0.15,0.03)，可以看出產品風險在“較低風險”和“中等風險”等級上的隸屬度較高，說明產品風險雖然整體處于較低水平，但仍有一定比例的學生認為存在一定風險，需要引起關注。財務風險的模糊綜合評價結果向量B2=(0.20,0.30,0.25,0.18,0.07)，顯示財務風險也處于較低風險水平，但在“較高風險”等級上也有一定的隸屬度，說明部分學生對網絡購物中的財務風險較為擔憂，如支付安全、網絡詐騙等問題。隱私風險的模糊綜合評價結果向量B3=(0.12,0.28,0.35,0.18,0.07)，表明隱私風險在“中等風險”等級上的隸屬度相對較高，反映出學生對個人信息在網絡購物過程中的安全問題較為關注。物流風險的模糊綜合評價結果向量B4=(0.25,0.35,0.20,0.15,0.05)，顯示物流風險處于較低風險水平，大部分學生對物流配送的時間和商品損壞等問題的擔憂程度相對較低。售后風險的模糊綜合評價結果向量B5=(0.10,0.25,0.30,0.25,0.10)，說明售后風險在“中等風險”和“較高風險”等級上有一定的隸屬度，學生對售后服務態(tài)度、退換貨政策等方面存在一定的不滿和擔憂。從實證分析結果來看，整體評價結果與實際情況具有一定的合理性。該高校大學生網絡購物感知風險整體處于較低水平，這可能與近年來電商行業(yè)的規(guī)范化發(fā)展、網絡購物平臺的安全保障措施不斷完善以及大學生自身風險意識的提高等因素有關。然而，在各風險維度中，仍存在一些需要關注的問題，如產品風險、隱私風險和售后風險等。這些問題的存在也與當前網絡購物市場的實際情況相符，如部分商家存在產品質量問題、個人信息泄露事件時有發(fā)生以及售后服務不到位等現象。因此，通過本評價模型得出的結果能夠較為準確地反映該高校大學生網絡購物感知風險的實際情況，驗證了評價模型的有效性和可靠性。六、降低大學生網絡購物感知風險的對策建議6.1政府層面政府在規(guī)范網絡購物市場秩序、保障消費者權益方面承擔著重要職責。為降低大學生網絡購物感知風險，政府應從完善法律法規(guī)、加強市場監(jiān)管、建立信用評價體系和投訴處理機制等方面入手，營造一個安全、有序、公平的網絡購物環(huán)境。在完善網絡購物相關法律法規(guī)方面，政府應緊跟網絡購物行業(yè)的發(fā)展步伐，針對網絡購物中出現的新問題、新情況，及時修訂和完善相關法律法規(guī)。明確網絡購物中各方的權利和義務，包括商家的商品質量保證責任、信息披露義務、售后服務責任，以及消費者的知情權、隱私權、求償權等。細化對網絡購物欺詐、虛假宣傳、侵犯消費者隱私等違法行為的認定標準和處罰措施，提高法律的可操作性和威懾力。例如，對于商家故意銷售假冒偽劣商品的行為，應加大處罰力度，除了退還貨款、賠償消費者損失外，還可處以銷售額數倍的罰款，情節(jié)嚴重的，依法追究刑事責任。同時，針對網絡支付安全問題，制定專門的法律法規(guī)，規(guī)范支付機構的行為，保障消費者的資金安全，明確支付機構在支付過程中出現安全漏洞、資金被盜刷等情況時應承擔的責任和賠償標準。加強市場監(jiān)管是政府降低大學生網絡購物感知風險的關鍵舉措。政府應加大對網絡購物平臺和商家的監(jiān)管力度，建立常態(tài)化的監(jiān)管機制。加強對網絡購物平臺的資質審查，確保平臺具備合法運營的條件，對不符合要求的平臺堅決予以取締。加強對商家的經營行為監(jiān)管，定期對商家的商品質量、售后服務、廣告宣傳等進行檢查，嚴厲打擊銷售假冒偽劣商品、虛假宣傳、價格欺詐等違法行為。例如，通過開展專項整治行動，對網絡購物平臺上的服裝、食品、電子產品等重點品類進行集中檢查，對發(fā)現的問題商家依法進行處理，并及時向社會公布處理結果，起到警示作用。利用大數據、人工智能等技術手段，加強對網絡購物市場的監(jiān)測和分析，及時發(fā)現和處理潛在的風險隱患。通過建立網絡購物市場監(jiān)測平臺，實時收集和分析網絡購物平臺上的商品價格、銷量、評價等數據，對價格異常波動、大量差評等情況進行預警，以便監(jiān)管部門及時介入調查。建立健全信用評價體系和投訴處理機制，對于提高網絡購物市場的誠信水平、保障消費者權益具有重要意義。政府應推動建立統一的網絡購物信用評價體系，對網絡購物平臺和商家的信用狀況進行全面、客觀、公正的評價。信用評價指標應涵蓋商品質量、服務態(tài)度、物流配送、售后服務等多個方面，通過消費者評價、第三方評估機構評估、監(jiān)管部門監(jiān)督檢查等多種方式收集數據，確保信用評價結果的真實性和可靠性。將信用評價結果與商家的市場準入、稅收優(yōu)惠、金融支持等掛鉤，對信用良好的商家給予獎勵和支持，對信用不良的商家進行限制和懲戒。例如，對于信用評級高的商家，在稅收方面給予一定的優(yōu)惠政策，在金融貸款方面提供便利；對于存在嚴重失信行為的商家，限制其在網絡購物平臺上的經營活動，甚至將其列入失信黑