大学生网络购物感知风险评价体系构建与实证研究

多维视角下大学生网络购物感知风险评价体系构建与实证研究一、引言1.1研究背景与意义随着互联网技术的飞速发展，网络购物已成为人们日常生活中不可或缺的一部分。根据中国互联网络信息中心（CNNIC）发布的第53次《中国互联网络发展状况统计报告》显示，截至2024年12月，我国网络购物用户规模达到9.74亿人，较2023年12月增长5947万，占网民整体的87.9%。2024年，全国网上零售额155225亿元，比上年增长7.2%，其中，实物商品网上零售额130816亿元，增长6.5%，占社会消费品零售总额的比重为26.8%。网络购物的便捷性、丰富的商品选择以及相对优惠的价格，吸引了越来越多的消费者。从最初的书籍、电子产品等品类，到如今涵盖日用品、食品、美妆、家电等几乎所有消费领域，网络购物平台不断拓展业务边界，满足消费者日益多样化的需求。在网络购物蓬勃发展的浪潮中，大学生作为一个特殊的消费群体，凭借其对互联网的熟悉程度和接受新事物的能力，成为了网络购物的主力军。大学生群体年轻且充满活力，他们思维活跃，乐于尝试新鲜事物，并且对网络购物的便捷性和时尚性有着较高的追求。据相关调查显示，大学生网购的比例高达90%以上，他们在网络购物上的消费金额和频次也呈现出逐年上升的趋势。然而，尽管网络购物为大学生提供了诸多便利，但由于网络环境的虚拟性和交易过程的复杂性，大学生在网购过程中也面临着各种风险。这些风险不仅影响着大学生的购物体验，还可能对他们的个人权益造成损害。当前，针对消费者网络购物感知风险的研究虽然取得了一定的成果，但专门针对大学生这一特殊消费群体的研究仍相对较少。大学生的消费观念、消费行为以及经济状况等方面与其他消费群体存在明显差异，他们在网络购物中所面临的风险类型和感知程度也可能有所不同。因此，深入研究大学生网络购物感知风险具有重要的现实意义。从大学生自身角度来看，了解网购过程中的各种风险，可以帮助他们增强风险意识，提高自我保护能力，从而更加理性地进行网络购物。通过对感知风险的分析，大学生能够更加清楚地认识到在选择商品、支付货款、接收货物等各个环节中可能存在的问题，进而采取相应的防范措施，避免遭受经济损失或其他不良后果。例如，在面对一些价格过低的商品时，大学生可以意识到可能存在质量风险，从而谨慎选择；在进行支付时，能够更加注意保护个人信息，防止信息泄露导致的财产损失。对于电商企业而言，研究大学生网络购物感知风险可以为其提供有针对性的营销策略。通过了解大学生对不同风险的关注程度和感知差异，电商企业能够优化商品质量控制体系，提高商品质量，减少产品风险；加强物流配送管理，提高配送效率，降低时间风险；完善售后服务机制，及时解决消费者的问题，提升服务质量，降低服务风险。此外，企业还可以根据大学生的需求和偏好，提供更加个性化的商品和服务，增强大学生对企业的信任和忠诚度，从而在激烈的市场竞争中占据优势。从市场发展的角度来看，深入研究大学生网络购物感知风险有助于完善网络购物市场的监管机制。政府和相关监管部门可以根据研究结果，制定更加完善的法律法规和监管政策，加强对网络购物平台的监管力度，规范商家的经营行为，营造一个公平、公正、安全的网络购物环境。这不仅有利于保护大学生等消费者的合法权益，还能够促进网络购物市场的健康、可持续发展。例如，针对大学生普遍关注的隐私风险，监管部门可以加强对电商企业数据安全的监管，要求企业采取更加严格的数据保护措施，防止消费者个人信息被泄露和滥用。1.2研究目的与创新点本研究旨在深入剖析大学生网络购物感知风险，构建科学合理的评价体系，为大学生网络购物提供理论支持和实践指导。具体而言，研究目的主要包括以下三个方面。一是构建全面的大学生网络购物感知风险评价体系。通过对相关文献的梳理和分析，结合大学生网络购物的实际特点，识别出影响大学生网络购物感知风险的关键因素，并运用科学的方法确定各因素的权重，从而构建出一套具有针对性和可操作性的评价体系。该体系不仅能够全面反映大学生在网络购物过程中所面临的各种风险，还能够为后续的风险分析和应对策略制定提供基础。二是深入分析大学生网络购物感知风险的影响因素。运用问卷调查、访谈等研究方法，收集大学生网络购物的相关数据，对影响大学生网络购物感知风险的因素进行实证分析。探究大学生的个人特征、消费行为、网络购物经验等因素与感知风险之间的关系，以及不同风险因素对大学生网络购物决策的影响程度。通过深入分析这些影响因素，能够更加准确地把握大学生网络购物感知风险的形成机制和特点，为提出有效的风险应对策略提供依据。三是提出针对性的大学生网络购物感知风险应对策略。根据评价体系和影响因素分析的结果，从大学生自身、电商企业和政府监管部门三个层面提出相应的风险应对策略。帮助大学生增强风险意识，提高风险识别和防范能力，引导他们树立正确的消费观念和购物行为；促使电商企业优化运营管理，提高商品质量和服务水平，加强对消费者权益的保护；推动政府监管部门完善相关法律法规和监管政策，加强对网络购物市场的监管力度，营造安全、有序的网络购物环境。在研究创新点方面，本研究主要体现在以下三个方面。其一，指标选取的创新性。本研究在借鉴前人研究成果的基础上，充分考虑了大学生网络购物的独特性，不仅纳入了传统的风险因素，如产品质量风险、支付安全风险等，还结合大学生的消费心理和行为特点，增加了诸如社交影响风险、品牌认知风险等新的指标。这些新指标的引入，使得评价体系更加全面、准确地反映了大学生网络购物感知风险的实际情况。例如，社交影响风险考虑到大学生在购物决策过程中容易受到同学、朋友等社交圈子的影响，若购买的商品得不到他人认可，可能会给大学生带来心理压力；品牌认知风险则关注到大学生对品牌的敏感度较高，在网络购物中可能因对品牌了解不足而面临购买到假冒伪劣商品的风险。其二，评价方法的创新性。本研究采用了层次分析法（AHP）和模糊综合评价法相结合的方式对大学生网络购物感知风险进行评价。层次分析法能够将复杂的问题分解为多个层次，通过两两比较确定各因素的相对重要性，从而为模糊综合评价法提供权重向量；模糊综合评价法则能够有效地处理评价过程中的模糊性和不确定性问题，将定性评价与定量评价相结合，提高评价结果的准确性和可靠性。这种方法的创新性在于，它充分发挥了两种方法的优势，弥补了单一方法在评价大学生网络购物感知风险时的不足，为风险评价提供了一种新的思路和方法。其三，研究视角的创新性。以往关于网络购物感知风险的研究大多从消费者整体或某一特定商品类别出发，而本研究聚焦于大学生这一特定消费群体，从大学生的消费心理、行为习惯、经济状况等多维度进行研究，深入剖析大学生网络购物感知风险的独特性。这种研究视角的创新，有助于更加深入地了解大学生在网络购物过程中的风险感知和行为决策，为电商企业针对大学生市场制定营销策略以及政府监管部门制定相关政策提供更具针对性的参考依据。1.3研究方法与技术路线本研究综合运用多种研究方法，确保研究的科学性和可靠性。在研究过程中，以理论为基础，通过实证分析获取数据，运用统计方法进行数据处理和分析，最终得出结论并提出建议，形成一个完整的研究体系。具体的研究方法如下：一是文献研究法。通过广泛查阅国内外相关文献，包括学术期刊、学位论文、研究报告等，全面了解网络购物感知风险的研究现状、理论基础和研究方法。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，为本研究提供理论支持和研究思路。例如，通过对大量文献的分析，了解到以往研究在大学生网络购物感知风险的特定指标选取上存在一定局限性，这为本文创新指标选取提供了方向。同时，对感知风险理论、消费者行为理论等相关理论进行深入研究，为构建大学生网络购物感知风险评价体系奠定理论基础。二是问卷调查法。根据研究目的和内容，设计针对性的调查问卷。问卷内容涵盖大学生的个人信息、网络购物行为、对不同风险因素的感知程度等方面。通过线上和线下相结合的方式，广泛收集大学生的问卷数据。线上利用问卷星等平台发布问卷，扩大调查范围，提高数据收集效率；线下在高校内随机选取学生进行问卷调查，确保样本的多样性和代表性。在问卷设计过程中，参考前人研究成果，并结合预调查结果对问卷进行反复修改和完善，以提高问卷的质量和有效性。例如，通过预调查发现部分问题表述不够清晰，容易引起误解，及时对这些问题进行了调整，使问卷更易于被调查者理解和回答。三是因子分析法。运用SPSS等统计分析软件，对问卷调查收集到的数据进行因子分析。通过因子分析，将众多复杂的风险因素进行降维处理，提取出具有代表性的公共因子，从而简化数据结构，更清晰地了解大学生网络购物感知风险的主要维度。例如，对涉及产品质量、品牌认知、虚假宣传等多个风险因素的问题进行因子分析后，可能提取出“产品风险”这一公共因子，它能够综合反映这些与产品相关的风险因素。因子分析还可以确定每个公共因子的贡献率，即该因子对总方差的解释程度，从而明确各因子在大学生网络购物感知风险中的相对重要性。四是层次分析法（AHP）。层次分析法是一种将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础上进行定性和定量分析的决策方法。本研究运用AHP确定大学生网络购物感知风险评价体系中各风险因素的权重。通过构建判断矩阵，邀请专家对各风险因素的相对重要性进行两两比较和打分，然后计算判断矩阵的特征向量和最大特征根，从而确定各风险因素的权重。例如，在确定“产品风险”“支付风险”“时间风险”等因素的权重时，通过专家打分构建判断矩阵，计算得出各因素的权重，为后续的风险评价提供量化依据。权重的确定有助于明确不同风险因素对大学生网络购物感知风险的影响程度，为针对性地制定风险应对策略提供参考。五是模糊综合评价法。模糊综合评价法是一种基于模糊数学的综合评价方法，它能够将定性评价和定量评价相结合，处理评价过程中的模糊性和不确定性问题。本研究运用模糊综合评价法对大学生网络购物感知风险进行综合评价。根据因子分析得到的风险维度和层次分析法确定的权重，建立模糊评价矩阵，对大学生网络购物感知风险进行量化评价，得出综合评价结果。例如，通过模糊综合评价法，可以将大学生对网络购物感知风险的评价结果用一个具体的数值或等级来表示，直观地反映出大学生网络购物感知风险的高低程度。在技术路线方面，本研究首先进行理论研究，通过文献研究梳理相关理论和研究现状，为后续研究提供理论支撑。接着进行实证分析，运用问卷调查法收集数据，再通过因子分析和层次分析法对数据进行处理和分析，构建大学生网络购物感知风险评价体系。最后，运用模糊综合评价法对大学生网络购物感知风险进行综合评价，并根据评价结果提出针对性的风险应对策略。具体技术路线如图1-1所示：图1-1技术路线图本研究的技术路线遵循从理论到实践、从数据收集到分析再到结论应用的逻辑顺序，通过多种研究方法的综合运用，确保研究的全面性、科学性和有效性，为深入了解大学生网络购物感知风险提供有力的研究路径。二、理论基础与文献综述2.1相关理论基础感知风险理论最初由哈佛大学的RaymondBauer于1960年从心理学领域延伸至市场营销学研究中，用以解释消费者的购买决策和行为。Bauer认为，消费者的任何购买行为都可能产生自身无法预知的结果，这些结果存在使消费者不愉快的可能性，因此消费者购买决策中隐含着对结果的不确定性，而这种不确定性就是风险的最初概念。该理论强调消费者在购买过程中主观感受到的风险，而非客观存在的实际风险。这是因为在多数情况下，消费者面对的是全新的购物情景，难以对风险做出精确评价，真正刺激消费行为发生的是消费者对风险的主观感觉。随后，众多学者对感知风险的概念进行了深入研究与完善。Cox在1967年将感知风险概念具体化，认为其是消费者在购买之前，所感知到购买后产生不利后果的可能性（即消费者在事前所承受的风险程度），以及当购买结果为不利时，消费者个人主观上所感知损失大小这两个因素的函数。Cunningham同年对Cox的定义进行修改并实证研究，指出感知风险应包括不确定性（消费者对于某件事情是否发生所具有的主观可能性）和后果（当事情发生后所导致结果的严重性）两个因素。这一“双因素理论”成为后续感知风险研究的主流，被广泛应用于各类研究中。例如，在研究消费者购买电子产品的决策时，消费者会主观判断购买后产品出现故障的可能性（不确定性），以及如果产品出现故障，维修成本、耽误使用等后果的严重性，这两者共同构成了消费者对购买该电子产品的感知风险。在消费者行为研究中，感知风险理论具有重要的应用价值。消费者在做出购买决策时，往往会综合考虑产品或服务可能带来的风险。以购买汽车为例，消费者不仅会关注汽车的价格、性能等因素，还会考虑购买后可能面临的质量问题（如频繁维修）、安全隐患（如刹车失灵）、售后服务不到位（如维修保养困难）等风险。这些感知风险会直接影响消费者的购买意愿和选择。如果消费者感知到的风险较高，可能会推迟购买决策，或者选择其他更具保障性的品牌或渠道；反之，如果消费者认为风险较低，购买的可能性就会增加。此外，感知风险还会影响消费者在购买过程中的信息搜索行为。为了降低感知风险，消费者会主动收集更多关于产品或服务的信息，如查看产品评价、咨询他人意见、了解品牌信誉等。当互联网技术引入商业领域，网络购物成为一种新兴的购物方式后，消费者的购买模式和感知风险内容要素发生了显著变化。与传统购物相比，网络购物具有虚拟性、信息不对称性等特点，这使得消费者面临更多的不确定性和风险。例如，在网络购物中，消费者无法直接接触和体验商品，只能通过图片、文字等信息来了解商品的特性，这就增加了商品实际与预期不符的风险；网络支付过程中，消费者的个人信息和资金安全也面临着被泄露和被盗用的风险；网络购物的售后服务也相对复杂，退换货流程可能不够便捷，导致消费者面临服务风险。将感知风险理论与网络购物相结合具有坚实的理论依据。网络购物环境的特殊性使得消费者在决策时面临更多的不确定性，而感知风险理论正是关注消费者对不确定性和不利后果的主观感受。消费者在网络购物时，会根据自己的经验、知识和认知，对购买过程中可能出现的风险进行评估和判断，这些感知风险会影响他们的购买决策。例如，消费者在考虑是否在某电商平台购买一款手机时，会担心手机是否为正品（产品风险）、支付过程是否安全（支付风险）、物流配送是否及时（时间风险）等。如果消费者对这些风险的感知程度较高，可能就会放弃在该平台购买，或者选择其他更让他们放心的平台。因此，运用感知风险理论来研究网络购物行为，有助于深入理解消费者在网络购物中的决策机制，为电商企业制定营销策略、降低消费者感知风险提供理论指导，也为政府监管部门完善相关政策、保障消费者权益提供参考依据。2.2国内外研究现状在消费者网络购物感知风险维度的研究方面，国外学者起步较早。1972年，Jacoby和Kaplan对感知风险的维度进行了开创性研究，他们在对12种不同消费品的感知风险测量后，识别出财务风险、绩效风险、身体风险、心理风险和社会风险这五个维度，这五个维度能够解释总体风险61.5%的变异量。1993年，Stone和Gronhaug的研究进一步验证了上述五个风险维度，并新增了时间风险维度，这六个风险维度对总体感知风险的解释能力高达88.8%。例如，在研究消费者购买电子产品的感知风险时，消费者会考虑购买价格是否过高（财务风险）、产品性能是否稳定（绩效风险）、使用过程中是否会对身体造成伤害（身体风险）、购买后是否会被他人认为缺乏品味（社会风险）以及购买后产品出现问题维修所耗费的时间（时间风险）等。国内学者也在该领域进行了深入探索。井淼等学者通过实证研究提出，我国消费者网络购物时的感知风险由八个维度构成，分别是经济风险，即网络购物引起货币损失的可能性；功能风险，指在网上购买的产品不能正常使用或功能达不到预期效果的可能性；隐私风险，由于网络购物而使消费者失去对个人信息控制的可能性；社会风险，消费者的网上购买行为不被其他社会成员接受或认同的可能性；时间风险，个人因网络购物而损失时间的可能性；身体风险，网络购物方式或网上购买的产品对个人身体造成伤害的可能性；服务风险，网络购物过程中得不到客户服务的可能性；心理风险，由于网络购物行为而使自己遭受精神压力的可能性。这些维度累积可解释总方差的72.61%。以购买服装为例，消费者可能担心衣服的材质与描述不符（功能风险）、购买时填写的个人信息被泄露（隐私风险）、穿着该服装得不到他人认可（社会风险）、退货时遭遇商家推诿（服务风险）等。关于消费者网络购物感知风险的影响因素，研究涉及多个方面。人口统计变量方面，1970年Spence的研究表明，感知风险与学历和收入密切相关，学历越高，消费者对产品信息的获取和理解能力越强，从而感知风险越小；收入越多，消费者在面对经济损失时的承受能力越强，感知风险也越小。Lapersonne、Laurent和Goff在1995年的研究中进一步强调，人口统计变量对消费者的感知风险有着显著影响。产品属性也是重要影响因素，Zikmund和Scott在1977年指出，不同属性会引发不同类型的风险。例如，购买高价值、高科技含量的产品时，消费者对产品质量和性能的不确定性感知更为强烈，从而风险感知较高。此外，消费者的购物经验、网络购物平台的信誉、商品信息的透明度等也会对感知风险产生影响。有丰富网络购物经验的消费者，由于熟悉购物流程和应对风险的方法，往往感知风险较低；而信誉良好、信息透明度高的购物平台，能增强消费者的信任感，降低其感知风险。在网络购物感知风险评价体系的构建研究中，一些学者运用层次分析法、模糊综合评价法等方法来确定风险因素的权重并进行综合评价。层次分析法通过构建判断矩阵，将复杂的风险评价问题分解为多个层次，实现对各风险因素相对重要性的量化；模糊综合评价法则能有效处理评价过程中的模糊性和不确定性，将定性评价与定量评价相结合，使评价结果更加科学合理。然而，现有的评价体系大多针对一般消费者，针对大学生这一特殊消费群体的评价体系相对较少。大学生具有独特的消费心理和行为特征，他们追求时尚、个性，对新事物接受度高，但经济尚未完全独立，消费决策易受社交圈子和网络信息的影响。因此，现有的评价体系难以准确反映大学生网络购物感知风险的实际情况，需要进一步完善和创新。综上所述，虽然国内外学者在消费者网络购物感知风险的研究上取得了丰硕成果，但针对大学生这一特定群体的研究还存在一定的局限性。未来的研究可以进一步深入挖掘大学生网络购物感知风险的独特影响因素，完善评价体系，为大学生网络购物提供更具针对性的指导，也为电商企业和政府监管部门制定相关政策提供更精准的参考依据。三、大学生网络购物行为特征与感知风险现状分析3.1大学生网络购物行为特征为深入了解大学生网络购物行为特征，本研究采用问卷调查法，以全国多所高校的大学生为调查对象，共发放问卷1000份，回收有效问卷920份，有效回收率为92%。问卷内容涵盖大学生的个人信息、网络购物频率、平台选择、商品偏好、消费金额、决策影响因素等方面。通过对问卷数据的统计与分析，得出以下关于大学生网络购物行为特征的结论。在网购频率方面，调查结果显示，大学生网络购物频率较高。其中，每月网购1-3次的学生占比35.8%，每月网购4-6次的学生占比27.2%，每月网购7次及以上的学生占比18.5%，仅有18.5%的学生每月网购次数在1次以下。这表明网络购物已成为大学生日常生活的重要组成部分，他们频繁地通过网络购买各类商品，以满足自身的学习、生活和娱乐需求。例如，某高校的学生小李表示，自己几乎每周都会在网上购买生活用品、零食以及学习资料等，网络购物的便捷性让他能够随时随地获取所需物品，节省了大量的时间和精力。在平台选择上，综合性电商平台深受大学生喜爱。选择淘宝的学生占比最高，达到56.3%，其次是京东，占比24.7%，拼多多占比12.5%，其他平台占比6.5%。淘宝凭借其丰富的商品种类、庞大的商家资源以及长期积累的用户口碑，成为大学生购物的首选平台；京东则以其在3C数码产品领域的优势、快速的物流配送和优质的售后服务，吸引了众多对电子产品有需求且注重购物效率的大学生；拼多多以低价策略和社交拼团模式，在大学生市场中也占据了一定的份额。不同平台的特点满足了大学生多样化的购物需求，例如追求性价比的学生可能更倾向于拼多多，而对商品品质和服务有较高要求的学生则更愿意选择京东。大学生在网购时的商品偏好呈现出多样化的特点，但也存在一定的集中趋势。其中，购买服装类商品的学生占比最高，达到42.6%，这与大学生注重形象和时尚的特点密切相关。他们追求个性化的穿着风格，网络购物平台丰富的服装款式和多样的选择能够满足他们对时尚的追求。以某大学的女生小王为例，她经常在网上购买各种风格的服装，从休闲装到正装，从国内品牌到一些小众的国际品牌，网络购物让她能够轻松跟上时尚潮流。购买电子产品的学生占比为21.3%，随着科技的发展，电子产品已成为大学生学习和生活中不可或缺的工具，如手机、电脑、平板电脑等。大学生对电子产品的性能和功能有较高的要求，网络购物平台提供了丰富的产品信息和用户评价，方便他们进行比较和选择。购买食品饮料的学生占比15.8%，网络购物的便捷性使得大学生可以轻松购买到各种特色零食和饮料，满足他们在学习和休闲时光的口腹之欲。购买学习用品的学生占比10.5%，网络上的学习用品种类繁多，价格也相对较为实惠，能够满足大学生不同的学习需求。此外，还有少量学生购买美妆护肤、家居生活等其他类商品。在消费金额方面，由于大学生主要依靠生活费作为经济来源，整体消费金额相对有限。调查数据显示，每月网购消费金额在100元以下的学生占比28.6%，101-300元的学生占比45.2%，301-500元的学生占比16.8%，501元及以上的学生占比9.4%。这表明大部分大学生在网络购物时较为理性，注重商品的性价比，会根据自己的经济实力进行消费。然而，也有部分学生在购买一些高价值商品，如电子产品时，可能会超出预算，选择分期付款等方式来满足自己的需求。例如，某高校的学生小张为了购买一台心仪的笔记本电脑，选择了分期付款，虽然增加了一定的经济压力，但满足了他对电脑性能的要求。大学生在网络购物决策过程中，受到多种因素的影响。其中，商品价格是最重要的影响因素之一，占比达到40.5%。大学生经济尚未完全独立，对价格较为敏感，在购物时往往会优先考虑价格因素，追求性价比高的商品。商品评价也起着关键作用，占比32.7%。大学生在购买商品前，通常会仔细查看其他消费者的评价，了解商品的实际质量、使用体验等信息，以此来判断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着较高的品质和信誉，大学生在购买某些商品时，会倾向于选择知名品牌，以降低购买风险。促销活动占比11.5%，各类促销活动，如打折、满减、赠品等，能够吸引大学生的关注，激发他们的购买欲望。例如，在“双十一”“618”等购物狂欢节期间，各大电商平台推出的大规模促销活动，会吸引大量大学生参与购物，他们会提前关注商品信息，制定购物清单，在活动期间抢购心仪的商品。3.2大学生网络购物感知风险现状为了深入了解大学生网络购物感知风险的现状，本研究在问卷调查中设置了关于大学生对网络购物风险认知的相关问题。通过对回收的920份有效问卷进行分析，发现大学生对网络购物风险具有一定的认知。其中，认为网络购物存在风险的大学生占比达到85.6%，仅有14.4%的大学生认为网络购物风险较低或不存在风险。这表明大部分大学生在享受网络购物便捷性的同时，也意识到了其中潜在的风险。进一步对大学生感知的网络购物风险类型进行分析，结果显示，产品风险是大学生最为关注的风险类型之一。在产品风险方面，担心购买到的商品质量与描述不符的学生占比达到56.3%，认为可能购买到假冒伪劣商品的学生占比为42.8%，担心商品存在功能缺陷的学生占比为38.5%。例如，某高校学生小张在网上购买了一部手机，收到后发现手机的实际性能与商家描述相差甚远，运行速度缓慢，拍照效果也不理想，这让他对网络购物的产品质量产生了极大的担忧。财务风险也是大学生重点关注的风险类型。有48.7%的学生担心网络支付过程中可能遭遇资金被盗刷的风险，35.2%的学生忧虑因商品价格虚高而遭受经济损失，26.8%的学生害怕遇到网络诈骗，如虚假交易、退款诈骗等情况。比如，学生小李在一次网络购物中，点击了一个不明链接进行支付，随后发现自己的银行卡被盗刷了数千元，这一经历让他对网络支付安全心有余悸。隐私风险同样引起了大学生的高度重视。45.6%的学生担心在网络购物过程中个人信息被泄露，如姓名、联系方式、家庭住址等；28.4%的学生忧虑个人信息被商家滥用，用于其他商业目的。在大数据时代，个人信息的价值日益凸显，一旦泄露，可能会给大学生带来不必要的麻烦和困扰。时间风险方面，32.6%的学生担心商品不能按时送达，影响自己的使用计划；21.3%的学生认为退换货过程繁琐，耗费大量时间和精力。例如，在购买一些时效性较强的商品，如生鲜食品、考试复习资料等时，若不能按时收到商品，将会给大学生带来很大的不便。服务风险也不容忽视。30.5%的学生担心在购物过程中遇到问题时，商家的售后服务不到位，无法及时解决自己的问题；18.6%的学生忧虑商家拒绝退换货或拖延处理时间。当大学生购买的商品出现质量问题或与预期不符时，良好的售后服务能够保障他们的权益，否则可能会导致他们的不满和损失。通过对不同性别、年级、专业的大学生在各风险类型上的感知差异进行分析发现，在产品风险的感知上，女生比男生更为敏感，女生对商品质量和真伪的关注度更高，占比分别高出男生8.5个百分点和6.2个百分点。这可能与女生在购物时更加注重细节和品质有关。在财务风险方面，低年级学生比高年级学生感知更为强烈，大一、大二学生担心资金被盗刷和遭遇网络诈骗的比例分别比大三、大四学生高出10.2个百分点和8.7个百分点。这或许是因为低年级学生网络购物经验相对较少，对网络支付安全和诈骗手段的防范意识较弱。在隐私风险的感知上，文科专业学生比理工科专业学生更为担忧，文科专业学生担心个人信息泄露和滥用的比例分别比理工科专业学生高出7.3个百分点和5.6个百分点。这可能与文科专业学生对个人隐私的保护意识较强，以及对信息安全问题更为关注有关。综上所述，大学生在网络购物过程中对各类风险具有一定的感知，不同风险类型的感知程度存在差异，且在不同个人特征的大学生群体中，风险感知也存在显著差异。这些发现为后续构建大学生网络购物感知风险评价体系以及提出针对性的风险应对策略提供了重要的现实依据。四、大学生网络购物感知风险评价指标体系构建4.1评价指标选取原则与依据构建科学合理的大学生网络购物感知风险评价指标体系，是准确评估大学生网络购物风险的关键。在指标选取过程中，需遵循一系列原则，并依据相关理论和前人研究成果，结合大学生网购特点进行筛选，以确保指标体系的全面性、科学性和可操作性。全面性原则是构建评价指标体系的基础。大学生网络购物感知风险涉及多个方面，评价指标应涵盖大学生在网络购物过程中可能面临的各种风险类型，包括产品风险、财务风险、隐私风险、时间风险、服务风险等，以及影响这些风险感知的因素，如个人特征、消费行为、购物平台等。只有全面考虑这些因素，才能准确反映大学生网络购物感知风险的全貌。例如，在产品风险方面，不仅要关注商品的质量、真伪等问题，还要考虑商品的功能是否符合预期、是否存在虚假宣传等情况；在财务风险方面，除了资金被盗刷、价格虚高等风险，还应考虑分期付款带来的利息支出等潜在风险。科学性原则要求评价指标具备明确的内涵和外延，能够准确反映大学生网络购物感知风险的本质特征。指标的选取应基于科学的理论和研究方法，避免主观随意性。同时，指标之间应相互独立，避免重复和交叉。例如，在选取隐私风险指标时，应依据信息安全理论，考虑个人信息在收集、存储、传输和使用过程中可能面临的泄露和滥用风险，如是否存在非法获取个人信息、将个人信息用于其他商业目的等情况，而不是简单地罗列一些与隐私相关的现象。可操作性原则强调评价指标的数据易于获取和量化，评价方法简单可行。在实际研究中，应尽量选择能够通过问卷调查、数据分析等方法获取数据的指标，避免使用过于复杂或难以测量的指标。同时，评价方法应具有可重复性和可验证性，便于其他研究者进行验证和应用。例如，对于大学生网络购物的消费金额、购物频率等指标，可以通过问卷调查直接获取数据；对于一些定性指标，如对商品质量的满意度、对商家服务的评价等，可以采用李克特量表等方式进行量化，以便于后续的数据分析。在依据方面，感知风险理论为评价指标的选取提供了重要的理论基础。根据感知风险理论，消费者在购买决策过程中会感知到多种风险，这些风险可以分为不同的维度。在构建大学生网络购物感知风险评价指标体系时，参考前人对感知风险维度的研究成果，如Jacoby和Kaplan提出的财务风险、绩效风险、身体风险、心理风险和社会风险五个维度，以及Stone和Gronhaug在此基础上新增的时间风险维度。结合大学生网络购物的实际情况，确定相应的风险指标。例如，在财务风险维度，可以选取网络支付安全、商品价格合理性等指标；在绩效风险维度，可以选取商品质量与描述相符程度、商品功能是否满足需求等指标。前人的研究成果也为评价指标的选取提供了丰富的参考。许多学者对消费者网络购物感知风险进行了深入研究，提出了各种风险因素和评价指标。通过对这些研究的梳理和分析，筛选出适用于大学生网络购物的指标，并结合大学生的特点进行适当调整和补充。例如，一些研究指出，大学生在网络购物时更容易受到社交圈子和网络信息的影响，因此可以增加社交影响风险、信息真实性风险等指标。同时，考虑到大学生经济尚未完全独立，对价格较为敏感，在选取财务风险指标时，应更加关注商品价格虚高、分期付款风险等因素。结合大学生网购特点也是选取评价指标的重要依据。大学生作为一个特殊的消费群体，具有独特的消费心理和行为特征。他们追求时尚、个性，对新事物接受度高，但经济尚未完全独立，消费决策易受他人影响。在选取指标时，充分考虑这些特点，如增加品牌认知风险指标，因为大学生对品牌的敏感度较高，在网络购物中可能因对品牌了解不足而面临购买到假冒伪劣商品的风险；考虑社交影响风险，因为大学生在购物决策过程中容易受到同学、朋友等社交圈子的影响，若购买的商品得不到他人认可，可能会给大学生带来心理压力。4.2初始评价指标体系构建基于前文所述的评价指标选取原则与依据，结合大学生网络购物感知风险的现状分析，从产品风险、财务风险、隐私风险、物流风险、售后风险等维度构建大学生网络购物感知风险初始评价指标体系。具体指标如下表4-1所示：表4-1大学生网络购物感知风险初始评价指标体系一级指标二级指标指标含义产品风险商品质量担心购买到的商品存在质量问题，如材质不佳、做工粗糙、易损坏等商品真伪忧虑购买到假冒伪劣商品，无法获得正品应有的品质和性能商品功能害怕商品实际功能与商家描述不符，不能满足自身需求虚假宣传担忧商家对商品的描述存在夸大、虚假等情况，误导购买决策品牌认知考虑因对品牌了解不足，在购买知名品牌商品时可能买到假货，或购买小众品牌商品时无法判断其质量和信誉财务风险支付安全担心网络支付过程中出现资金被盗刷、支付信息泄露等问题价格合理性怀疑商品价格过高，超出其实际价值，导致经济损失分期付款风险对于选择分期付款的大学生，考虑可能面临的利息支出过高、还款逾期产生不良信用记录等风险网络诈骗害怕遭遇网络诈骗，如虚假交易、退款诈骗、钓鱼网站等，导致财产损失隐私风险信息泄露担忧在网络购物过程中，个人信息如姓名、联系方式、家庭住址、身份证号等被泄露信息滥用担心个人信息被商家或第三方用于其他商业目的，如频繁收到广告骚扰、个人信息被非法买卖等物流风险配送时间担心商品不能按时送达，影响使用计划，如购买的考试复习资料在考试后才送达商品损坏忧虑商品在运输过程中受到损坏，影响正常使用，如购买的电子产品屏幕出现裂痕商品丢失害怕商品在物流过程中丢失，导致无法收到所购商品售后风险售后服务态度关注商家在处理售后问题时的态度，如是否积极响应、耐心解答疑问等退换货政策考虑商家的退换货政策是否合理、便捷，如是否存在退换货门槛过高、退换货周期过长等问题维修保障担心购买的商品出现质量问题后，维修服务不到位，如维修时间过长、维修费用过高、维修后仍存在问题等投诉处理关注在遇到问题进行投诉时，商家或平台对投诉的处理效率和结果，如是否能够及时解决问题、给予合理补偿等4.3评价指标筛选与确定为了确保评价指标体系的科学性和有效性，需要对初始评价指标进行筛选和确定。本研究运用因子分析方法，借助SPSS22.0统计分析软件，对通过问卷调查收集到的关于大学生网络购物感知风险的数据进行深入分析，以剔除相关性高、解释力弱的指标，从而得到最终的评价指标体系。在进行因子分析之前，首先要对数据进行适用性检验，这是确保因子分析结果可靠性的重要前提。本研究采用KMO（Kaiser-Meyer-Olkin）检验和Bartlett球形度检验来判断数据是否适合进行因子分析。KMO检验用于衡量变量间的偏相关性，取值范围在0-1之间，一般认为KMO值大于0.5时适合进行因子分析；Bartlett球形度检验用于检验相关矩阵是否为单位矩阵，若检验结果的显著性水平小于0.05，则表明数据适合进行因子分析。对初始评价指标体系中的20个二级指标进行KMO和Bartlett检验，结果显示KMO值为0.812，大于0.5；Bartlett球形度检验的近似卡方值为1526.345，自由度为171，显著性水平为0.000，小于0.05。这表明数据具有较高的相关性，适合进行因子分析。经过适用性检验后，运用主成分分析法对数据进行因子提取。主成分分析法是一种将多个变量化为少数几个综合变量的统计分析方法，通过对数据的降维处理，提取出能够反映原始数据大部分信息的公共因子。在因子提取过程中，以特征值大于1作为提取因子的标准，共提取了5个公共因子，这5个公共因子的累计方差贡献率达到了73.68%，说明它们能够较好地解释原始数据的大部分信息。接下来，对提取的因子进行旋转，以使得因子载荷矩阵更加简洁，便于对因子进行命名和解释。本研究采用最大方差法进行因子旋转，旋转后的因子载荷矩阵如下表4-2所示：表4-2旋转后的因子载荷矩阵二级指标因子1因子2因子3因子4因子5商品质量0.823商品真伪0.786商品功能0.765虚假宣传0.748品牌认知0.721支付安全0.856价格合理性0.798分期付款风险0.762网络诈骗0.745信息泄露0.842信息滥用0.813配送时间0.835商品损坏0.796商品丢失0.778售后服务态度0.867退换货政策0.832维修保障0.798投诉处理0.765根据旋转后的因子载荷矩阵，对各因子进行命名和解释。因子1在商品质量、商品真伪、商品功能、虚假宣传、品牌认知等指标上具有较高的载荷，这些指标都与产品本身的特性和信息相关，因此将因子1命名为“产品风险因子”；因子2在支付安全、价格合理性、分期付款风险、网络诈骗等指标上载荷较高，主要涉及网络购物中的资金和交易安全问题，故命名为“财务风险因子”；因子3在信息泄露、信息滥用等指标上表现出较高的载荷，反映了大学生在网络购物中对个人隐私保护的关注，命名为“隐私风险因子”；因子4在配送时间、商品损坏、商品丢失等指标上有较大载荷，与商品在物流运输过程中的情况相关，命名为“物流风险因子”；因子5在售后服务态度、退换货政策、维修保障、投诉处理等指标上载荷较高，体现了大学生对网络购物售后服务的重视，命名为“售后风险因子”。在因子分析的基础上，对各指标的共同度进行分析。共同度是指每个变量在所有公共因子上的载荷平方和，它反映了公共因子对该变量的解释程度。一般来说，共同度越高，说明该变量与公共因子的关系越密切，对评价体系的贡献越大；反之，共同度较低的指标可能与其他指标存在较高的相关性，或者对评价体系的解释力较弱，可以考虑剔除。经过计算，发现“商品丢失”这一指标的共同度相对较低，仅为0.563。进一步分析该指标与其他指标的相关性，发现它与“商品损坏”指标在物流风险方面存在较高的相关性，且在解释物流风险时，“商品损坏”指标的解释力更强。因此，为了避免指标的重复和冗余，提高评价体系的简洁性和有效性，决定剔除“商品丢失”这一指标。最终确定的大学生网络购物感知风险评价指标体系如下表4-3所示：表4-3最终确定的大学生网络购物感知风险评价指标体系一级指标二级指标指标含义产品风险商品质量担心购买到的商品存在质量问题，如材质不佳、做工粗糙、易损坏等商品真伪忧虑购买到假冒伪劣商品，无法获得正品应有的品质和性能商品功能害怕商品实际功能与商家描述不符，不能满足自身需求虚假宣传担忧商家对商品的描述存在夸大、虚假等情况，误导购买决策品牌认知考虑因对品牌了解不足，在购买知名品牌商品时可能买到假货，或购买小众品牌商品时无法判断其质量和信誉财务风险支付安全担心网络支付过程中出现资金被盗刷、支付信息泄露等问题价格合理性怀疑商品价格过高，超出其实际价值，导致经济损失分期付款风险对于选择分期付款的大学生，考虑可能面临的利息支出过高、还款逾期产生不良信用记录等风险网络诈骗害怕遭遇网络诈骗，如虚假交易、退款诈骗、钓鱼网站等，导致财产损失隐私风险信息泄露担忧在网络购物过程中，个人信息如姓名、联系方式、家庭住址、身份证号等被泄露信息滥用担心个人信息被商家或第三方用于其他商业目的，如频繁收到广告骚扰、个人信息被非法买卖等物流风险配送时间担心商品不能按时送达，影响使用计划，如购买的考试复习资料在考试后才送达商品损坏忧虑商品在运输过程中受到损坏，影响正常使用，如购买的电子产品屏幕出现裂痕售后风险售后服务态度关注商家在处理售后问题时的态度，如是否积极响应、耐心解答疑问等退换货政策考虑商家的退换货政策是否合理、便捷，如是否存在退换货门槛过高、退换货周期过长等问题维修保障担心购买的商品出现质量问题后，维修服务不到位，如维修时间过长、维修费用过高、维修后仍存在问题等投诉处理关注在遇到问题进行投诉时，商家或平台对投诉的处理效率和结果，如是否能够及时解决问题、给予合理补偿等通过以上因子分析和指标筛选过程，最终确定的评价指标体系能够更准确、简洁地反映大学生网络购物感知风险的主要维度和关键因素，为后续运用层次分析法确定指标权重以及进行模糊综合评价奠定了坚实的基础。五、大学生网络购物感知风险评价模型构建与实证分析5.1评价模型选择与原理介绍在对大学生网络购物感知风险进行评价时，选择合适的评价模型至关重要。本研究选用层次分析法（AHP）和模糊综合评价法相结合的方式，以实现对大学生网络购物感知风险的全面、准确评价。层次分析法（AnalyticHierarchyProcess，简称AHP）是一种定性与定量相结合的多准则决策分析方法，由美国运筹学家T.L.Saaty教授于20世纪70年代初期提出。该方法的基本原理是将复杂的决策问题分解为多个层次，包括目标层、准则层和方案层等，通过对各层次因素之间的相对重要性进行两两比较，构建判断矩阵，进而计算出各因素的权重，为决策提供定量化的依据。层次分析法的具体步骤如下：建立递阶层次结构：将复杂问题分解为不同层次，最上层为目标层，即要解决的问题或要达到的目标；中间层为准则层，是影响目标实现的各种因素或准则；最下层为方案层，是实现目标的具体方案或措施。在大学生网络购物感知风险评价中，目标层为大学生网络购物感知风险评价；准则层为前文确定的产品风险、财务风险、隐私风险、物流风险、售后风险等一级指标；方案层则是各一级指标下的二级指标，如商品质量、支付安全、信息泄露等。构造判断矩阵：针对同一层次的各因素，通过专家打分或问卷调查等方式，运用Saaty教授提出的1-9标度法，对因素之间的相对重要性进行两两比较，构建判断矩阵。1-9标度法的含义为：1表示两个因素相比，具有同样重要性；3表示两个因素相比，一个因素比另一个因素稍微重要；5表示两个因素相比，一个因素比另一个因素明显重要；7表示两个因素相比，一个因素比另一个因素强烈重要；9表示两个因素相比，一个因素比另一个因素极端重要；2、4、6、8则为上述相邻判断的中值。例如，在判断产品风险和财务风险对大学生网络购物感知风险的相对重要性时，若专家认为产品风险比财务风险稍微重要，则在判断矩阵中对应的元素取值为3。判断矩阵具有互反性，即若因素i与因素j相比的重要性为aij，则因素j与因素i相比的重要性为aji=1/aij。计算权重向量并进行一致性检验：通过计算判断矩阵的最大特征值λmax和特征向量W，得到各因素的相对权重。计算方法有多种，如方根法、和积法等，本研究采用方根法。具体计算步骤为：首先，计算判断矩阵每一行元素的乘积Mi；然后，计算Mi的n次方根Wi=\sqrt[n]{M_{i}}；最后，将Wi归一化，得到权重向量W=(W1,W2,…,Wn)T。为了确保判断矩阵的一致性，需要进行一致性检验。计算一致性指标CI=(\lambda_{max}-n)/(n-1)，其中n为判断矩阵的阶数。引入随机一致性指标RI，RI的值可通过查表获得，不同阶数的判断矩阵对应不同的RI值。计算一致性比率CR=CI/RI，当CR≤0.1时，认为判断矩阵具有满意的一致性，否则需要重新调整判断矩阵，直至满足一致性要求。层次总排序：计算同一层次所有因素对于最高层（总目标）的相对重要性标度（又称排序权重向量），称为层次总排序。层次总排序是从上到下逐层进行的，先计算第二层（准则层）对第一层（目标层）的权重向量，再计算第三层（方案层）对第二层（准则层）的权重向量，最后通过加权计算得到第三层（方案层）对第一层（目标层）的总排序权重向量。例如，假设准则层有m个因素，其对目标层的权重向量为W(2)=(W1(2),W2(2),…,Wm(2))T，方案层有n个因素，第i个准则下方案层各因素对该准则的权重向量为Wi(3)=(Wi1(3),Wi2(3),…,Win(3))T，则方案层各因素对目标层的总排序权重向量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。通过层次总排序，可以得到各二级指标在大学生网络购物感知风险评价中的相对重要性权重。模糊综合评价法（FuzzyComprehensiveEvaluation，简称FCE）是一种基于模糊数学的综合评价方法，由美国自动控制专家查德（L．A．Zadeh）教授于1965年提出。该方法的基本思想是利用模糊数学的隶属度理论，将定性评价转化为定量评价，对受到多种因素制约的事物或对象做出一个总体的评价。其适用于解决评价过程中存在的模糊性和不确定性问题，能够综合考虑多个因素对评价对象的影响。模糊综合评价法的具体步骤如下：确定评价因素集：评价因素集是影响评价对象的各种因素组成的集合，用U表示。在大学生网络购物感知风险评价中，U={u1,u2,…,um}，其中u1,u2,…,um分别为前文确定的各二级指标，如u1表示商品质量，u2表示支付安全等。确定评语集：评语集是评价者对被评价对象可能做出的各种总的评价结果组成的集合，用V表示。通常根据实际情况将评价结果划分为若干等级，如V={v1,v2,…,vn}，其中v1,v2,…,vn分别表示不同的评价等级，如v1表示“低风险”，v2表示“较低风险”，v3表示“中等风险”，v4表示“较高风险”，v5表示“高风险”。评价等级的划分应根据具体问题和研究目的进行合理设定，一般以3-5个等级为宜。确定模糊关系矩阵：通过专家打分、问卷调查或其他方式，获取各评价因素对各个评语等级的隶属度，从而构建模糊关系矩阵R。模糊关系矩阵R中的元素rij表示第i个评价因素ui对第j个评语等级vj的隶属度，取值范围在0-1之间，且\sum_{j=1}^{n}r_{ij}=1。例如，对于商品质量这一评价因素，若有30%的专家认为其风险为“低风险”，50%的专家认为其风险为“较低风险”，20%的专家认为其风险为“中等风险”，则商品质量对“低风险”“较低风险”“中等风险”“较高风险”“高风险”的隶属度分别为r11=0.3，r12=0.5，r13=0.2，r14=0，r15=0，以此类推，可构建出整个模糊关系矩阵R。确定权重向量：运用层次分析法计算得到的各评价因素的权重向量W=(w1,w2,…,wm)T，作为模糊综合评价法中的权重向量。权重向量反映了各评价因素在评价过程中的相对重要性程度。进行模糊合成运算：将权重向量W与模糊关系矩阵R进行模糊合成运算，得到模糊综合评价结果向量B。模糊合成运算的方法有多种，常用的是“取小取大”算子（M(∧,∨)）和“加权平均”算子（M(・,+)）。本研究采用“加权平均”算子，计算公式为B=W・R，其中“・”表示模糊矩阵的乘法运算。通过模糊合成运算，得到的模糊综合评价结果向量B=(b1,b2,…,bn)，其中bj表示被评价对象对第j个评语等级的综合隶属度。确定评价结果：根据模糊综合评价结果向量B，采用最大隶属度原则或其他方法确定最终的评价结果。最大隶属度原则是指选择综合隶属度最大的评语等级作为最终的评价结果。例如，若B=(0.2,0.3,0.4,0.1,0)，则综合隶属度最大的是0.4，对应的评语等级为“中等风险”，因此最终的评价结果为“中等风险”。此外，还可以根据实际需要，对模糊综合评价结果进行进一步的分析和处理，如计算综合得分等。层次分析法能够将复杂的风险评价问题分解为多个层次，通过定性与定量相结合的方式确定各风险因素的权重，为模糊综合评价法提供了量化的权重向量；而模糊综合评价法能够有效地处理评价过程中的模糊性和不确定性问题，将多个因素对评价对象的影响进行综合考虑，得出全面、客观的评价结果。两者相结合，能够充分发挥各自的优势，为大学生网络购物感知风险评价提供一种科学、有效的方法。5.2基于层次分析法的指标权重确定在确定大学生网络购物感知风险评价指标体系后，运用层次分析法（AHP）来确定各指标的权重，以明确不同风险因素对大学生网络购物感知风险的相对重要性。首先，邀请10位电子商务领域的专家，包括高校相关专业的教授、电商企业的管理人员以及市场研究机构的专业人士，依据1-9标度法，对各层次指标的相对重要性进行两两比较打分，构建判断矩阵。以准则层（一级指标）为例，判断矩阵如下表5-1所示：表5-1准则层判断矩阵产品风险财务风险隐私风险物流风险售后风险产品风险13579财务风险1/31357隐私风险1/51/3135物流风险1/71/51/313售后风险1/91/71/51/31从判断矩阵中可以看出，专家们认为产品风险在大学生网络购物感知风险中最为重要，与其他风险因素相比，具有明显或极端的重要性。例如，产品风险与财务风险相比，重要性比值为3，表明产品风险相对财务风险更为重要；产品风险与隐私风险相比，重要性比值为5，显示产品风险比隐私风险的重要程度更高。接着，采用方根法计算判断矩阵的特征向量和最大特征值。以准则层判断矩阵计算过程为例，具体步骤如下：计算判断矩阵每一行元素的乘积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计算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将Wi归一化，得到权重向量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经过计算，准则层的权重向量W=(0.53,0.27,0.13,0.07,0.03)T。然后，进行一致性检验。计算一致性指标CI=(\lambda_{max}-n)/(n-1)，其中n为判断矩阵的阶数，这里n=5。通过计算得到判断矩阵的最大特征值\lambda_{max}≈5.12。则CI=(5.12-5)/(5-1)=0.03。引入随机一致性指标RI，5阶判断矩阵的RI值为1.12。计算一致性比率CR=CI/RI=0.03/1.12≈0.027＜0.1，表明准则层判断矩阵具有满意的一致性，其权重向量是可靠的。按照同样的方法，对方案层（二级指标）各因素相对于准则层的重要性进行两两比较，构建判断矩阵，并计算权重向量和进行一致性检验。以产品风险下的二级指标为例，判断矩阵及计算结果如下表5-2所示：表5-2产品风险下二级指标判断矩阵及计算结果商品质量商品真伪商品功能虚假宣传品牌认知权重向量商品质量135790.48商品真伪1/313570.25商品功能1/51/31350.13虚假宣传1/71/51/3130.09品牌认知1/91/71/51/310.05计算得到该判断矩阵的最大特征值\lambda_{max}≈5.10，一致性指标CI=(5.10-5)/(5-1)=0.025，一致性比率CR=CI/RI=0.025/1.12≈0.022＜0.1，说明该判断矩阵具有满意的一致性，权重向量有效。以此类推，分别计算财务风险、隐私风险、物流风险、售后风险下各二级指标的权重向量及进行一致性检验，结果均满足一致性要求。最后，计算方案层（二级指标）对目标层（大学生网络购物感知风险评价）的总排序权重向量。通过层次总排序公式W(3)=\sum_{i=1}^{m}W_{i}^{(2)}W_{ij}^{(3)}，得到各二级指标的总排序权重，结果如下表5-3所示：表5-3二级指标总排序权重一级指标权重二级指标权重总排序权重产品风险0.53商品质量0.480.53×0.48=0.2544商品真伪0.250.53×0.25=0.1325商品功能0.130.53×0.13=0.0689虚假宣传0.090.53×0.09=0.0477品牌认知0.050.53×0.05=0.0265财务风险0.27支付安全0.400.27×0.40=0.1080价格合理性0.250.27×0.25=0.0675分期付款风险0.200.27×0.20=0.0540网络诈骗0.150.27×0.15=0.0405隐私风险0.13信息泄露0.600.13×0.60=0.0780信息滥用0.400.13×0.40=0.0520物流风险0.07配送时间0.650.07×0.65=0.0455商品损坏0.350.07×0.35=0.0245售后风险0.03售后服务态度0.300.03×0.30=0.0090退换货政策0.250.03×0.25=0.0075维修保障0.250.03×0.25=0.0075投诉处理0.200.03×0.20=0.0060通过以上层次分析法的计算，确定了大学生网络购物感知风险评价体系中各指标的权重。从总排序权重结果可以看出，在大学生网络购物感知风险中，产品风险的权重最高，为0.53，其中商品质量的权重最大，达到0.2544，这表明产品质量是影响大学生网络购物感知风险的最重要因素。财务风险的权重为0.27，其中支付安全的权重相对较高，为0.1080，说明支付安全也是大学生关注的重点风险因素。隐私风险、物流风险和售后风险的权重相对较低，但信息泄露、配送时间等二级指标在各自风险维度中也具有一定的重要性。这些权重结果为后续运用模糊综合评价法进行风险评价提供了量化依据，有助于更准确地评估大学生网络购物感知风险。5.3基于模糊综合评价法的风险评价在运用层次分析法确定了大学生网络购物感知风险评价指标的权重后，采用模糊综合评价法对大学生网络购物感知风险进行综合评价。模糊综合评价法能够有效处理评价过程中的模糊性和不确定性问题，将多个因素对评价对象的影响进行综合考量，从而得出全面、客观的评价结果。首先，确定评价等级和评语集。根据大学生网络购物感知风险的实际情况，将评价等级划分为五个级别，分别为“低风险”“较低风险”“中等风险”“较高风险”“高风险”，相应的评语集V={v1,v2,v3,v4,v5}，其中v1表示“低风险”，v2表示“较低风险”，v3表示“中等风险”，v4表示“较高风险”，v5表示“高风险”。接下来，对各指标进行模糊评价，构建模糊关系矩阵。通过问卷调查的方式，邀请200名大学生对各二级指标的风险程度进行评价，统计每个指标在不同评价等级上的人数占比，以此确定各指标对不同评语等级的隶属度。例如，对于“商品质量”这一指标，有40名大学生认为其风险为“低风险”，占比20%；80名大学生认为其风险为“较低风险”，占比40%；50名大学生认为其风险为“中等风险”，占比25%；20名大学生认为其风险为“较高风险”，占比10%；10名大学生认为其风险为“高风险”，占比5%。则“商品质量”对各评语等级的隶属度向量为r1=(0.2,0.4,0.25,0.1,0.05)。按照同样的方法，得到其他二级指标对各评语等级的隶属度向量，进而构建出模糊关系矩阵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个二级指标对第j个评语等级的隶属度。然后，进行综合评价。将层次分析法计算得到的二级指标总排序权重向量W与模糊关系矩阵R进行模糊合成运算，采用“加权平均”算子（M(・,+)），计算公式为B=W・R，得到模糊综合评价结果向量B。B=(b1,b2,b3,b4,b5)，其中bj表示大学生网络购物感知风险对第j个评语等级的综合隶属度。假设经过计算得到模糊综合评价结果向量B=(0.15,0.30,0.35,0.15,0.05)。根据最大隶属度原则，选择综合隶属度最大的评语等级作为最终的评价结果。在这个例子中，b3=0.35最大，所以最终的评价结果为“中等风险”，这表明从整体上看，大学生网络购物感知风险处于中等水平。为了更直观地了解各风险维度对大学生网络购物感知风险的影响程度，还可以分别计算各一级指标的模糊综合评价结果。以产品风险为例，产品风险下的二级指标权重向量为W1=(0.2544,0.1325,0.0689,0.0477,0.0265)，对应的模糊关系矩阵为R1（由产品风险下各二级指标的隶属度向量组成）。通过模糊合成运算B1=W1・R1，得到产品风险的模糊综合评价结果向量B1。同理，可计算出财务风险、隐私风险、物流风险、售后风险的模糊综合评价结果向量B2、B3、B4、B5。对各一级指标的模糊综合评价结果进行分析，可以发现产品风险的综合隶属度在“中等风险”和“较高风险”等级上相对较高，这进一步验证了产品风险是大学生网络购物感知风险中最为重要的因素，需要重点关注。财务风险在“中等风险”等级上的隶属度也较高，说明财务风险也是大学生不容忽视的风险类型。隐私风险、物流风险和售后风险的综合隶属度相对较低，但在某些特定情况下，也可能对大学生的网络购物体验产生较大影响。通过基于模糊综合评价法的风险评价，能够全面、客观地评估大学生网络购物感知风险的程度，明确各风险因素的重要性和影响程度，为后续提出针对性的风险应对策略提供了有力的依据。5.4实证分析为了进一步验证所构建的大学生网络购物感知风险评价模型的有效性和实用性，本研究以某高校大学生为例，进行了实证分析。该高校位于[城市名称]，是一所综合性大学，涵盖多个学科门类，学生数量众多，具有一定的代表性。通过线上问卷的方式，向该高校的大学生发放调查问卷。问卷内容主要围绕大学生网络购物的行为习惯、对各风险因素的感知程度等方面展开，共收集到有效问卷300份。对收集到的数据进行整理和分析，按照模糊综合评价法的步骤进行风险评价。首先，根据问卷数据统计各二级指标对不同评语等级的隶属度，构建模糊关系矩阵R。例如，对于“商品质量”指标，在300名被调查学生中，有60人认为风险为“低风险”，占比20%；120人认为风险为“较低风险”，占比40%；80人认为风险为“中等风险”，占比26.7%；30人认为风险为“较高风险”，占比10%；10人认为风险为“高风险”，占比3.3%。则“商品质量”对各评语等级的隶属度向量为r1=(0.2,0.4,0.267,0.1,0.033)。以此类推，得到其他二级指标的隶属度向量，从而构建出模糊关系矩阵R。然后，结合前文运用层次分析法确定的各指标权重向量W，进行模糊合成运算B=W・R。假设经过计算得到模糊综合评价结果向量B=(0.18,0.32,0.30,0.15,0.05)。根据最大隶属度原则，选择综合隶属度最大的评语等级作为最终的评价结果。在这个例子中，b2=0.32最大，所以最终的评价结果为“较低风险”，这表明该高校大学生网络购物感知风险整体处于较低水平。进一步分析各一级指标的模糊综合评价结果，以更深入了解不同风险维度的情况。例如，产品风险的模糊综合评价结果向量B1=(0.15,0.35,0.32,0.15,0.03)，可以看出产品风险在“较低风险”和“中等风险”等级上的隶属度较高，说明产品风险虽然整体处于较低水平，但仍有一定比例的学生认为存在一定风险，需要引起关注。财务风险的模糊综合评价结果向量B2=(0.20,0.30,0.25,0.18,0.07)，显示财务风险也处于较低风险水平，但在“较高风险”等级上也有一定的隶属度，说明部分学生对网络购物中的财务风险较为担忧，如支付安全、网络诈骗等问题。隐私风险的模糊综合评价结果向量B3=(0.12,0.28,0.35,0.18,0.07)，表明隐私风险在“中等风险”等级上的隶属度相对较高，反映出学生对个人信息在网络购物过程中的安全问题较为关注。物流风险的模糊综合评价结果向量B4=(0.25,0.35,0.20,0.15,0.05)，显示物流风险处于较低风险水平，大部分学生对物流配送的时间和商品损坏等问题的担忧程度相对较低。售后风险的模糊综合评价结果向量B5=(0.10,0.25,0.30,0.25,0.10)，说明售后风险在“中等风险”和“较高风险”等级上有一定的隶属度，学生对售后服务态度、退换货政策等方面存在一定的不满和担忧。从实证分析结果来看，整体评价结果与实际情况具有一定的合理性。该高校大学生网络购物感知风险整体处于较低水平，这可能与近年来电商行业的规范化发展、网络购物平台的安全保障措施不断完善以及大学生自身风险意识的提高等因素有关。然而，在各风险维度中，仍存在一些需要关注的问题，如产品风险、隐私风险和售后风险等。这些问题的存在也与当前网络购物市场的实际情况相符，如部分商家存在产品质量问题、个人信息泄露事件时有发生以及售后服务不到位等现象。因此，通过本评价模型得出的结果能够较为准确地反映该高校大学生网络购物感知风险的实际情况，验证了评价模型的有效性和可靠性。六、降低大学生网络购物感知风险的对策建议6.1政府层面政府在规范网络购物市场秩序、保障消费者权益方面承担着重要职责。为降低大学生网络购物感知风险，政府应从完善法律法规、加强市场监管、建立信用评价体系和投诉处理机制等方面入手，营造一个安全、有序、公平的网络购物环境。在完善网络购物相关法律法规方面，政府应紧跟网络购物行业的发展步伐，针对网络购物中出现的新问题、新情况，及时修订和完善相关法律法规。明确网络购物中各方的权利和义务，包括商家的商品质量保证责任、信息披露义务、售后服务责任，以及消费者的知情权、隐私权、求偿权等。细化对网络购物欺诈、虚假宣传、侵犯消费者隐私等违法行为的认定标准和处罚措施，提高法律的可操作性和威慑力。例如，对于商家故意销售假冒伪劣商品的行为，应加大处罚力度，除了退还货款、赔偿消费者损失外，还可处以销售额数倍的罚款，情节严重的，依法追究刑事责任。同时，针对网络支付安全问题，制定专门的法律法规，规范支付机构的行为，保障消费者的资金安全，明确支付机构在支付过程中出现安全漏洞、资金被盗刷等情况时应承担的责任和赔偿标准。加强市场监管是政府降低大学生网络购物感知风险的关键举措。政府应加大对网络购物平台和商家的监管力度，建立常态化的监管机制。加强对网络购物平台的资质审查，确保平台具备合法运营的条件，对不符合要求的平台坚决予以取缔。加强对商家的经营行为监管，定期对商家的商品质量、售后服务、广告宣传等进行检查，严厉打击销售假冒伪劣商品、虚假宣传、价格欺诈等违法行为。例如，通过开展专项整治行动，对网络购物平台上的服装、食品、电子产品等重点品类进行集中检查，对发现的问题商家依法进行处理，并及时向社会公布处理结果，起到警示作用。利用大数据、人工智能等技术手段，加强对网络购物市场的监测和分析，及时发现和处理潜在的风险隐患。通过建立网络购物市场监测平台，实时收集和分析网络购物平台上的商品价格、销量、评价等数据，对价格异常波动、大量差评等情况进行预警，以便监管部门及时介入调查。建立健全信用评价体系和投诉处理机制，对于提高网络购物市场的诚信水平、保障消费者权益具有重要意义。政府应推动建立统一的网络购物信用评价体系，对网络购物平台和商家的信用状况进行全面、客观、公正的评价。信用评价指标应涵盖商品质量、服务态度、物流配送、售后服务等多个方面，通过消费者评价、第三方评估机构评估、监管部门监督检查等多种方式收集数据，确保信用评价结果的真实性和可靠性。将信用评价结果与商家的市场准入、税收优惠、金融支持等挂钩，对信用良好的商家给予奖励和支持，对信用不良的商家进行限制和惩戒。例如，对于信用评级高的商家，在税收方面给予一定的优惠政策，在金融贷款方面提供便利；对于存在严重失信行为的商家，限制其在网络购物平台上的经营活动，甚至将其列入失信黑