农产品直播带货对消费者购买意愿研究-以感知行为为中介

[39]M_2我认为直播购物的流程是安全的M_3我认为直播平台展示的农产品信息是真实可靠的M_4我可以很容易在直播平台上找到我需要农产品类型M_5直播购买的农产品质量不比线下买的差问卷设计和样本数据收集本次调查全部通过线上问卷的形式进行处理，在问卷星根据不同维度设计问卷题目，于2025年3月1日发放QQ、微信以及各类公共交流网络等广泛使用的社交平台，共计发放了230份在线调查问卷，截止到2月14日，真正回收230份调查问卷，在此基础上采用了SPSS软件对调查数据进行分析。去除无效样本筛选出有效样本，共得到有效问卷为211份，问卷有效率达91.74%。描述性统计分析通过关于性别、年龄、学历、职业、月收入等指标进行调查研究。由表4.2可以了解到，根据这211份问卷中男性占46.45%，女性占53.55%；样本中女性略多于男性，性别分布较为均衡。表4.2的样本描述性统计显示，样本以女性53.55%和20~39岁的年轻群体合计69.67%为主，其中本科学历占比最高63.98%，职业以企业职员48.82%和学生22.75%为主，月收入集中在3000~5000元49.29%。样本整体反映了年轻、中等收入、本科学历和企业职员群体的特征，但高收入（8000元以上，5.69%）和高学历（硕士研究生及以上，9.00%）群体占比较低。表4.2样本描述性统计 名称特征频数百分比(%)性别男9846.45女11353.55年龄20岁以下4018.9620~29岁8640.7630~39岁以上6128.9140以上2411.37学历大专及以下5727.01本科13563.98硕士研究生及以上199.00职业学生4822.75企业职员10348.82公务员/事业单位3014.22自由职业3014.22月收入3000元以下4923.223000-5000元10449.295000-8000元4621.808000元以上125.69合计211100.0信度检验信度检验的核心目的是评估研究中所用量表的稳定性一致性。本研究运用了Bernbach'sα系数、修正总体相关性指数以及条目剔除后的α系数三种方法，以详尽地探究量表的可靠性。通过这些统计分析手段，旨在确保数据的一致性和内在稳定性，在该研究中，信度检验覆盖农产品直播，采用多维量表：农产品质量、主播的专业性、平台的互动性量表，同时感知行为作为中介变量。结果如下表4.3显示表4.3信度检验结果名称校正项总计相关性(CITC)项已删除的α系数Bernbachα系数农产品质量0.8970.9390.954主播的专业性0.8950.940平台的互动性0.8460.949感知行为0.8780.943消费者购买意愿0.8520.947标准化Bernbachα系数=0.955从表4.3的信度检验结果显示，量表的整体信度非常高，量表的内部一致性得到了显著验证，Bernbachα系数表现为0.954，其标准化对应值更提升至0.955，皆显著超过0.7的公认阈值，这确证了量表的优良稳定性和一致性。各维度的校正项总计相关性（CITC）值均高于0.8（农产品质量0.897、主播的专业性0.895、平台的互动性0.846、感知行为0.878、消费者购买意愿0.852），且删除任一题项后的α系数变化不大，说明各题项对量表的贡献显著，无需删除任何题项。总体来看，量表设计合理，测量结果可靠，适合用于后续分析。效度检验效度检验的核心目标是判断研究中所用量表是否真正测量了理论构念，而非其他无关概念。本文采用了SPSS分别对各个量表及其维度进行分析。结果如下表4.4显示：表4.4因变量ＫＭＯ和Bartlett球形度检验KMO取样适切性量数 0.969 巴特利特球形度检验近似卡方自由度3235.858325显著性 .000KMO取样适切性量数为0.969，远高于0.6的标准阈值，表明样本数据非常适合进行因子分析。采用巴特利特球形度检验，所得的近似卡方统计量为3235.858，其自由度为325，显著性为0.000（p<0.001），拒绝了变量间无相关性的原假设，进一步支持数据适合因子分析。综上所述，样本数据具有极高的适切性和相关性，完全满足因子分析的前提条件，并且研究项信息都可以被有效的提取。假设检验相关性分析为了研究农产品直播与消费者购买意愿以及中介感知行为之间的相关性，本文将X1农产品质量、X2主播的专业性、X3平台的互动性和Y消费者购买意愿以及M感知行为进行了相关性分析，分析结果如表5.1所示。表5.1相关性检验性别年龄学历职业月收入X1农产品质量X2主播的专业性X3平台的互动性Y消费者购买意愿M感知行为性别1年龄-0.0201学历0.0390.0601职业0.0550.5620.0141月收入-0.0140.530-0.0120.507**1X1农产品质量-.057.627**-.060.666*.656*1X2主播的专业性-0.072.647**0.025.667**.686*.853**1X3平台的互动性-0.072.548**0.043.590**.660*.811**.798**1Y消费者购买意愿-0.032.650**-0.025.641**.635*.845**.827**.779**1M感知行为-0.069.591**-0.043.619**.649*.793**.819**.761**.796**1*在0.05级别（双尾），相关性显著。根据表5.1的相关性检验结果可知，各变量之间呈现出较大的相关性，并且相关系数数值较高，其中农产品质量、主播的专业性、平台的互动性以及感知行为与消费者购买意愿之间的相关系数依次为0.793、0.819、0.761和0.796，这意味着这些变量对消费者购买意愿都有着较强的正向作用。各变量之间的相关性同样较高，这暗示着变量间或许存在多重共线性，在后续的分析过程中需要加以留意，数据说明各变量之间存在较大相关性，为开展中介效应或回归分析奠定了基础。主效应分析在控制了性别、年龄、学历、职业、月收入后，将X1农产品质量、X2主播的专业性、X3平台的互动性和Y消费者购买意愿以及M感知行为进行分层回归分析。在一系列分析中，我们构建了四个模型，均以购买意愿作为核心因变量，旨在深入探究其影响机制。模型(1)被设定为基本参照模型，仅包含了控制变量，以此为基础来对比其他更为复杂的模型设定，即模型(2)、模型(3)和模型(4)，它们在控制变量的基础上进一步引入了不同的解释变量，以全面揭示影响消费者购买意愿的多元因素。具体结果如表5.2所示。表5.2主效应检验结果模型模型(1)模型(2)模型(3)模型(4)因变量Y消费者购买意愿Y消费者购买意愿Y消费者购买意愿Y消费者购买意愿性别-0.077(-0.905)0.052(0.700)-0.027(-0.394)-0.026(-0.381)年龄0.242**(3.651)0.091(1.658)0.034(0.659)0.029(0.561)学历-0.044(-0.594)-0.006(-0.092)-0.055(0.898)-0.063(-1.043)职业0.295**(5.171)0.111*(2.048)0.061(1.189)0.042(0.837)月收入0.158**(6.682)0.220**(3.587)0.130*(2.181)0.109(1.849)X1农产品直播0.501**(8.193)X2主播的专业性0.419**(5.534)X3平台的互动性0.269**(3.639)常数项1.853**(7.945)1.009**(4.438)0.898**(3.752)0.736**(3.478)F53.45170.09773.18268.521R²0.5660.6730.7160.731A-R²0.5550.6640.7060.720R²变化量-0.1070.0430.015*表示在0.05水平上显著，**表示在0.01水平上显著，括号里面为t值，控制变量为性别、年龄、学历、职业、月收入。模型(2)至(4)的分析结果显示，所有模型的F统计量分别为53.451、70.097及68.521，均通过了整体显著性检验。具体来看，在模型(2)中，农产品质量的回归系数为0.501，伴随着t统计量8.193，证实了农产品质量对消费者购买意愿存在显著正相关，从而验证了假设H1a。接着，在模型(3)内，主播专业性的回归系数为0.419，对应t值为5.534，同样在显著性水平p=0.000<0.01下，表明主播的专业性对购买意愿有显著正向影响，支持了假设H1b。至于模型(4)，平台互动性的回归系数为0.269，其t统计量3.639和p值显示出互动性对消费者购买意愿的显著正向关联，至此，假设H1c也得到了确认。综合以上分析，可以得出结论，农产品直播对消费者的购买意愿具有显著的正面促进作用.中介效应分析在控制了性别、年龄、学历、职业、月收入后，运用分层回归模型对农产品品质、主播专业性、平台互动性与消费者购买意向及其感知行为之间的关系进行深入剖析5.3.1感知行为对农产品质量与消费者购买意愿的中介效应分析模型(1)、(2)及(3)的构建中，消费者购买意向被设定为研究的因变量，而模型(4)与(5)则将感知行为作为其核心的因变量进行探究。具体结果如表5.3所示：表5.3X1中介模型检验结果模型模型(1)模型(2)模型(3)模型(4)模型(5)因变量Y消费者购买意愿Y消费者购买意愿Y消费者购买意愿M感知行为M感知行为性别-0.077(-0.905)0.052(0.700)-0.040(-0.581)0.023(0.249)0.055(0.711)年龄0.242**(3.651)0.091(1.658)0.055(0.711)0.337**(5.126)0.176*(3.107)学历-0.044(-0.594)-0.006(-0.092)0.176*(3.107)-0.020(-0.243)0.028(0.415)职业0.295**(5.171)0.111*(2.048)0.028(0.415)0.309**(4.983)0.081(1.447)月收入0.158**(6.682)0.220**(3.587)0.081(1.447)0.385**(5.506)0.125(1.975)X1农产品直播0.501**(8.193)0.125(1.975)0.623**(9.862)M感知行为0.623**(9.862)常数项1.853**(7.945)1.009**(4.438)0.755**(3.582)1.516**(5.973)0.468(1.992)F53.45170.09769.85253.75682.043R²0.5660.6730.7200.5670.707A-R²0.5550.6640.6970.5570.698R²变化量-0.1070.044-0.140*表示在0.05水平上显著，**表示在0.01水平上显著，括号里面为t值，控制变量为性别、年龄、学历、职业、月收入。分析模型(5)的统计输出，我们发现F值达到82.043，其显著性水平低于0.001，从而验证了回归方程的整体显著性；其中，X1农产品质量的回归系数为0.623（P＜0.01），说明农产品质量对感知行为有显著的正向影响，因此假设H2a得到支持。同时，模型(3)中F=69.852（P<0.001），且当加入感知行为后，农产品质量的系数从0.501降至0.286，但仍保持显著。研究表明，消费者对农产品质量的感知在影响其购买意愿的过程中发挥了一定的中介效应，从而验证了假设H3a。5.3.2感知行为对主播的专业性与消费者购买意愿的中介效应分析模型(1)、(2)及(3)的构建中，消费者购买意向被设定为研究的因变量，而模型(4)与(5)则将感知行为作为其核心的因变量进行探究：表5.4X2中介模型检验结果模型模型(1)模型(2)模型(3)模型(4)模型(5)因变量Y消费者购买意愿Y消费者购买意愿Y消费者购买意愿M感知行为M感知行为性别-0.077(-0.905)-0.027(-0.394)-0.060(-0.852)0.023(0.249)0.075(0.937)年龄0.242**(3.651)0.034(0.659)0.032(0.593)0.337**(5.126)0.169*(2.816)学历-0.044(-0.594)-0.055(0.898)0.081(1.560)-0.020(-0.243)-0.063*(-0.899)职业0.295**(5.171)0.061(1.189)-0.019(-0.301)0.309**(4.983)0.113(1.947)月收入0.158**(6.682)0.130*(2.181)0.181**(3.068)0.385**(5.506)0.115**(1.688)X2主播的专业性0.419**(5.534)0.286**(3.904)0.592**(8.551)M感知行为0.353**(4.797)常数项1.853**(7.945)0.898**(3.752)0.799**(3.625)1.516**(5.973)0.656(2.730)F53.45173.18277.66753.75672.743R²0.5660.7160.7280.5670.681A-R²0.5550.7060.7190.5570.672R²变化量-0.0430.044-0.114*表示在0.05水平上显著，**表示在0.01水平上显著，括号里面为t值，控制变量为性别、年龄、学历、职业、月收入。分析模型(5)的统计输出，我们发现F值达到72.743，其显著性水平低于0.001，从而验证了回归方程的整体显著性；其中，X2主播的专业性的回归系数为0.681（P＜0.01），说明主播的专业性对感知行为有显著的正向影响，因此假设H2b得到支持。同时，模型(3)中F=77.667（P<0.001），且当加入感知行为后，主播的专业性的系数从0.419降至0.286，但仍保持显著。研究表明，消费者对主播专业性的感知在影响其购买意愿的过程中发挥了一定的中介效应，从而验证了假设H3b。5.3.3感知行为对平台的互动性与消费者购买意愿的中介效应分析模型(1)、(2)及(3)的构建中，消费者购买意向被设定为研究的因变量，而模型(4)与(5)则将感知行为作为其核心的因变量进行探究。具体结果如表5.5所示：表5.5X3中介模型检验结果模型模型(1)模型(2)模型(3)模型(4)模型(5)因变量Y消费者购买意愿Y消费者购买意愿Y消费者购买意愿M感知行为M感知行为性别-0.077(-0.905)-0.026(-0.381)-0.049(-0.699)0.023(0.249)0.078(1.327)年龄0.242**(3.651)0.029(0.561)0.050(0.932)0.337**(5.126)0.127*(2.949)学历-0.044(-0.594)-0.063(-1.043)0.104*(2.058)-0.020(-0.243)-0.048(-0.933)职业0.295**(5.171)0.042(0.837)-0.065(-1.058)0.309**(4.983)0.005(0.119)月收入0.158**(6.682)0.109(1.849)0.156*(2.595)0.385**(5.506)0.008(0.154)X3平台的互动性0.269**(3.639)0.244**(4.173)0.866**(17.679)M感知行为0.383**(5.662)常数项1.853**(7.945)0.736**(3.478)0.880**(4.088)1.516**(5.973)0.190(1.077)F53.45168.52170.83653.756164.971R²0.5660.7310.7100.5670.829A-R²0.5550.7200.7000.5570.824R²变化量-0.0150.008-0.262*表示在0.05水平上显著，**表示在0.01水平上显著，括号里面为t值，控制变量为性别、年龄、学历、职业、月收入。分析模型(5)的统计输出，我们发现F值达到164.971，其显著性水平低于0.001，从而验证了回归方程的整体显著性；其中，X3平台的互动性回归系数为0.829（P＜0.01），说明平台的互动性对感知行为有显著的正向影响，因此假设H2c得到支持。同时，模型(3)中F=70.836（P<0.001），且当加入感知行为后，平台的互动性的系数从0.269降至0.244，但仍保持显著。研究表明，消费者对平台的互动性的感知在影响其购买意愿的过程中发挥了一定的中介效应，从而验证了假设H3c。结论及对策建议结论本研究重点关注农产品直播带货领域，把感知行为当作中介变量，剖析农产品质量、主播专业性以及平台互动性对消费者购买意愿的影响，得到以下关键结论：农产品质量在消费者购买决策里处于核心位置，质量好的农产品，依靠新鲜的程度、良好的口感以及可靠的品质保障，能提升消费者对产品的感知行为。当消费者依靠直播画面、主播介绍等了解到这些产品特性后，他们对产品价值的认可度提高，直接产生强烈的购买意愿，农产品质量过硬是吸引消费者下单的基础，主播的专业性在直播带货中作用关键，专业素养高的主播，能准确详细地讲农产品知识，像种植、养殖背景，产品独特优势，还可以在互动时用销售技巧，用易懂的语言解答疑问。这种专业表现提高了消费者对直播信息的信任，让消费者轻松获得关键信息，在心理上倾向购买，促进购买意愿产生，平台互动性给农产品直播带来活力，为消费者营造浓厚参与氛围，实时评论、互动游戏等功能，让消费者感受平台友好便捷，在频繁互动中，消费者对平台好感度上升，感知行为得到正向强化，这促使他们当下更愿购买农产品，还让他们更了解产品细节，坚定购买决心。综合而言，消费者购买意愿在农产品质量、主播的专业素养以及平台交互体验的塑造下受到显著影响，其间感知行为发挥着关键作用，起到传导与放大作用，各维度凭借影响消费者感知，左右其购买决策，相互关联、共同作用，塑造了农产品直播带货消费者购买意愿形成机制，这一研究成果为农产品直播带货行业优化发展提供理论依据，帮助从业者精准施策，提升直播带货效果，推动农产品进入更广阔市场对策建议基于上述结论，为优化农产品直播带货效果，提升消费者购买意愿，提出以下针对性建议：6.2.1农产品质量把控构建严谨的供应链溯源体系：直播商家要和农产品供应商密切协作，深入到产地，针对农产品从种植到养殖的整个过程展开监控与记录，从种子、化肥、农药的挑选，直至日常田间管理、动物疫病防控，各个环节都要保证符合质量标准，可在直播时向消费者呈现完整且可信的产品溯源信息，使消费者吃得安心，买得放心。提升直播展示成效：借助高清摄像头、多机位拍摄以及特写镜头等技术手段，全面且多角度地呈现农产品的外观、色泽