【《消费者通过网红直播购买农产品行为的模型构建及实证分析》20000字（论文）】

[50]。此模式研究表明消费者的购买行为是由刺激而引发的，这种刺激既囊括了消费者自身的心理及生理因素，也囊括了外部的环境影响。，进而实施购买行为。完整的购买决策过程是指在各种因素的刺激下使得消费者产生动机并做出购买商品的决策，而且购买后还会基于购买的产品及其商家服务等方面进行评价。本文研究的是网红直播对消费者农产品购买行为的影响。依据S-O-R理论，网红直播作为刺激要素影响消费者的情感和认知。而感知价值作为消费者的情感和认知，其是消费者在观看网红直播过程中对购买农产品或服务等整个消费过程的全方位评价，其中包括消费者购买农产品过程中所获得的利益与付出成本的权衡，同时也包括情感和体验价值。图3.1S-O-R模型基于外界环境刺激的S-O-R理论，本文通过探索假设性研究模型来研究网红直播对消费者内在认知变化的影响，构建的概念模型如图3.2所示。网红直播营销农产品特征作为一种刺激，感知价值、感知风险作有机体，而对农产品的购买行为可以看作一种反应。此外，网红认同是调节变量，该外界刺激作用于消费者的心理反应，进一步使其产生购买意愿。图3.2本文基于S-O-R理论和感知价值/风险理论的概念模型构建3.1.2研究假设（1）网红直播营销农产品特征Mehrbaian,Russell(1974)认为基于S-O-R理论、信息源信度及效价模型分析，网红特征作为外部刺激会影响消费者情绪进而影响消费者的购买行为[52]。通过意义迁移理论可知，网红作为信息源的可信性、专业性和吸引力会影响消费者愉悦等正向情绪，消费者对推荐产品者的态度会转换到服务本身或产品本身上。如果作为产品推荐者的网红自身具有较高的可信性、专业性和吸引力等特征，则会使得消费者对其所推荐的服务或者产品产生正面情绪[53]。Weon-Sang,Yun(2010)在研究中表明在互联网环境下，消费者的感知价值受到互动性这一重要因素的影响，消费者的满意度也进而受到影响[54]。郭国庆、李光明[55](2012)通过研究发现，提高消费者感知价值和满意度的关键之一是网络互动的双向沟通。在充满不确定性的网络购物环境中，消费者通常会模仿网红所做的良好示范行为，从而影自我感知。在信息时代的互动媒体环境下，网红与消费者通过互动进行产品和服务的交流，从而在彼此之间建立关联并影响消费者对产品的情感感知。ShuiqingYang(2016)研究发现当消费者从商家得到了不相关、不准确甚至过时的信息时，消费者就会质疑此商家是否真的有可以提供有质量保证的服务的能力，同时也会认为此商家有可能继续欺骗、忽视他们的需求，从而降低此商家在消费者心中的信任度，最后影响到消费者后续的购买行为[56]。根据Zeithaml(1988)的定义，产品质量指的是消费者在使用产品期间或使用产品之后对产品长处或者优点的判断[39]。Kim(2006)等人认为通过产品质量可以对一个产品的整体价值进行相对全面的评估与判断[65]。无论对于线下或是线上商家来说，农产品质量都是影响消费者做出购买行为的关键因素。唐家琳研究发现在消费者网购行为中服务质量的提升会促使消费者购买行为更加集中、购买量增加[57]。因此本文认为服务质量作为网购农产品特征之一对消费者购买行为产生影响。基于上述分析，自变量网红直播营销农产品特征中的两大方面共七个维度均会影响消费者对农产品的购买行为，所以本论文提出以下假设：H1：网红直播农产品特征正向影响农产品购买行为（2）网红认同根据前文定义网红指的是在互联网等社交平台中具有庞大粉丝跟巨大影响力的网络红人。Aaker(1991)提出消费者对社会知名人物的感知会随着其与品牌共同的出现而部分迁移至品牌本身。同时，该学者认为现实人物、虚拟卡通人物都可以作为该社会知名人物[58]。聂烜（2019）在其研究中将消费者的名人认同度作为调节变量，并发现消费者对名人的认同度可以显著调节可信度对消费者购买意愿的不良影响以及名人代言人不良信息的数量[59]。结合前人研究，网红作为网络上相对有知名度的名人，基于消费者对于网红的认同提出如下假设：H2：网红认同正向调节网红直播农产品特征对农产品购买行为的影响（3）感知价值和感知风险Javadi与Dolatabadi(2012)研究表明消费者在网购中的感知风险相比于线下购物更加强烈[60]。肖川江（2016）基于TAM模型与感知价值理论围绕生鲜农产品网购开展了结构化方程建模分析，研究表明感知风险负相关于生鲜农产品网购意愿[61]。张欢和蒋雅文（2016）基于TAM模型进行结构方程建模并围绕大学生网购行为作为研究主题，引入感知风险，研究得出感知风险在大学生网购决策中的负向作用[62]。Mitchell(1991)研究发现感知价值会对消费者的购买行为产生影响[51]。Zeithaml(1998)通过研究发现感知价值与消费者购买行为呈正相关性，即消费者感知价值越高，对商品的购买欲望程度越强烈，即感知价值越高对商品的购买欲望越强继而更容易产生购买行为[39]。基于上述研究并结合本文研究内容引入感知价值与感知风险作为中介变量，提出以下假设：H3A：感知价值中介影响网红直播农产品特征与农产品购买行为的关系H3B：感知风险中介影响网红直播农产品特征与农产品购买行为的关系H4A：感知价值会中介网红认同对网红直播农产品特征与农产品购买行为之间关系的调节作用H4B：感知风险会中介网红认同对网红直播农产品特征与农产品购买行为之间关系的调节作用3.2量表设计在直播购买过程中的互动关系包括直播者与直播用户、直播平台。本研究对照相关情境将网红直播农产品特征的维度进行分类，并通过逻辑分析与归类汇总网红直播农产品特征的指标项，在比较相关测量指标后，完善对网红直播农产品特征的测量。由本研究模型可得，以网红直播营销农产品特征作为自变量，感知价值和感知风险作为中介变量，农产品购买行为是因变量，其中网红认同作为调节变量。本文基本都采用了前人开发的成熟量表以确保测量数据的信度与效度，并在形成最终问卷前与各个学者专家进行探讨。3.2.1网红直播营销农产品特征的测量表3.1网红直播营销农产品特征测量量表如表3.1所示，本文自变量的测量共包含两个一级特征，分为网红特征和网购农产品特征，后细分为七个二级特征，为专业性、可信性、吸引力、互动性、信息质量、产品质量和服务质量。总共有30道题项，采用五级测量法，从1=非常不同意到5=非常同意。本研究中对于网红特征的测量借鉴Ohanian(1990)[63]、Lee(2005)和Dianne

Cyr

(2009)[64][65]等学者开发的成熟量表，以本文研究对象为基础依托，在一定程度上进行了修改，共包含专业性、可信性、吸引力和互动性四个维。对于网购农产品特征划分为三个维度，分别是：信息质量、产品质量和服务质量。其中信息质量指的是获得信息的相关度、充足度、准确度和及时性[66]；产品质量是指消费者在使用产品期间或使用产品之后对产品的优势或优点的判断[67]；服务质量指的是网红在直播销售产品过程中提供服务的可靠性、响应能力、保障和个性化[68]。本研究中关于信息质量的测量量表参考Kim(2004)和LinglingGao(2015)等的量表[69]；产品质量的测量量表参考Kim(2012)和JiamingFang(2016)等的量表[70]；服务质量的测量量表参考Loiacono

(2007)

等和Jiaming

Fang

(2016)等的量表[71]。3.2.2网红认同的测量表3.2网红认同的测量量表网红认同在网络社区的交互过程中至关重要。基于Chang[72]的研究，本文将网红认同分为3个维度来研究直播购买用户的的体验，为时间感、愉悦感和专注度，共10道题项，采用五级测量法，从1=非常不满意到5=非常满意3.2.3感知价值和感知风险的测量表3.3感知价值和感知风险的测量量表变量名称维度测量问项感知变量感知价值1.在网红直播农产品的过程中，我感觉花的钱很值2.在网红直播农产品的过程中，我感觉购买的农产品价有所值3.我感觉观看网红推荐农产品的直播是有趣的4.我感觉观看网红推荐农产品的直播让我很快乐5.总之，观看网红推荐农产品的直播让我感觉很不错感知风险1.我担心通过直播购买的农产品实物与描述不符2.我担心通过直播购买的农产品配送不及时3.我担心通过直播购买农产品会泄露个人账户和银行卡信息4.我担心通过直播购买的农产品质量不合格本文结合学者Holbrook(1996)和Zeithaml(1988)对感知价值的研究，确定出5题来测量感知价值[39]；同时借鉴学者Stone和Gronhang对感知风险的研究为基础[73]，结合网购农产品特点及实际情况，从中选取4个测量题项。总共有9道题项，采用五级测量法，从1=非常不满意到5=非常满意。3.2.4农产品购买行为的测量表3.4农产品购买行为的测量量表变量名称测量问项购买行为1.通过观看网红直播推荐能激发我购买农产品欲望2.通过观看网红直播农产品为我购买决策提供了很大帮助3.在同类农产品购买中，我会优先购买网红直播推荐的农产品4.我愿意再次/多次购买网红直播推荐的农产品5.我愿意向朋友推荐/分享网红直播推荐的农产品本文对购买行为的量表借鉴Goldsmith(2002)及Forsythe&Shi(2003)研究中衡量网络购物意愿的维度，从购买欲望、决策、频率、推荐等方面来测量消费者购物行为[74]。参考前人研究并结合本文实际情况确定测量量表，共有5道题项，采用五级测量法，从1=非常不满意到5=非常满意。3.3本章小结本章建立了理论模型并提出了研究假设，结合S-O-R理论和感知价值、感知风险理论构建了消费者通过网红直播购买农产品行为的S-O-R模型，根据模型确定各个变量之间的关系并提出共6个假设。基于前人开发的成熟量表在研究操作性定义的基础之上设定完整测量量表，表并在与学者专家探讨后形成本文的最终问卷。第4章消费者通过网红直播购买农产品行为的实证研究第4章消费者通过网红直播购买农产品行为的实证研究4.1研究样本本研究对消费者通过网红直播购买农产品的行为情况进行调查，对调查对象的学历、工作等人口特征进行统计的结果如表4.1所示：表4.1有效调查样本的人口统计特征名称选项频数百分比(%)性别男39748.89女41551.11年龄17岁及以下10012.3218-24岁10012.3225-35岁31438.6735-45岁21626.6046岁及以上8210.10平均每个月可支配的金额2000元以下20425.122001-5000元11814.535001-8000元35643.848001-11000元9711.9511001元以上374.56学历水平高中及以下23729.19大专24029.56本科26232.27硕士455.54博士及以上283.45职业全日制学生20024.63国企/事业单位职员22427.59私企职员24329.93自由职业者13716.87其他80.99是否听说过/观看过网红直播营销农产品没听说过323.94听说过但未观看过10212.56观看过但未购买过25931.90观看且购买过41951.60合计812100.0本研究采用随机抽样的方式，选取对象进行调查问卷，总共发放问卷833份，回收问卷833份，回收率为100%，将个人信息不完整、问题填写不规范的无效问卷剔除后，得到有效问卷812份，问卷有效率为97.48%。通过描述性统计分析发现，调查对象的性别在网络直播中占男性比例占48.89%，女性比例占51.11%，男性与女性比例均衡。调查对象的年龄主要分布在25到35岁之间，达到了38.67%；落在18岁以下和46岁以上的比例分别为12.32%和10.10%；本次调查的直播购买群体主要集中在在18到35岁之间，与设想的实际实际情况相符。关于调查对象的学历教育程度，硕士研究生占比例达5.54%；本科学历占比例达32.27%；大专学历占比例达29.56%；高中及以下占比例达29.19%。对所从事的工作，学生的人数，占比例24.63%；国企及事业单位职工，占比27.59%。关于月收入水平，2000元以下的人群有25.12%，主要是学生群体，2001-5000的14.53%，5001-8000元人数最多达到了43.84%。4.2信度与效度分析在进行数据分析前，首先对问卷进行信度和效度检验，从而验证数据的可靠性和稳定性。稳定性一般指题项内部关系是否一致。本文采用克伦巴赫系数法(Cronbach'sα)，信度系数在0-1之间，而阿尔法值在0.6以上表示可以接受的信度，大于0.7则表示具有可信度，在0.8以上则表明信度很高。如下表4.2所示。表4.2Cronbach'sα系数的信度标准本文通过对SPSS25.0对数据进行信度和效度分析，内部信度采用较为常用的克伦巴赫信度系数分析法进行信度分析。临界点选择具体参照Guilford(1954)和荣泰生(2012）所发布的数据标准[75]。对问卷进行有效性的分析，以验证其内容与构建性的真实程度。本文选择KMO值和球形检验检验问卷量表的有效性。KMO取值在0和1之间,当其越接近于1时，表示变量间的相关性越强,原有变量越适合作因子分析;当所有变量间的简单相关系数平方和接近0时,KMO值接近0,即表示变量间的相关性越弱,原有变量越不适合作因子分析。巴特利特球形检验以原有变量的相关系数矩阵为出发点,其原假设:相关系数矩阵是单位阵,即相关系数矩阵为对角矩阵(对角元素不为0,非对角元素均为0)且主对角元素均为1。巴特利特球形检验的检验统计量根据相关系数矩阵的行列式计算得到,本次球形检验的显著性p值=0.000<0.05，应拒绝原假设，认为相关系数矩阵不是单位阵，适合做因子分析。表4.3信度和效度分析检验结果变量Cronbach'sα系数KMO项数球形检验网红直播营销农产品特征0.9800.944300.000感知价值0.9180.73350.000感知风险0.8690.75740.000网红认同0.9580.930100.000农产品购买行为0.9220.83450.000从表4.3中可以看出，网红直播农产品特征、感知价值、感知风险、网红认同以及农产品购买行为变量信度克隆巴赫系数均在0.8以上，表明问卷的信度较高，可信度较好可以认为本研究所设计的问卷可靠性非常高，具有良好的信度，可以进行后续的研究。各变量的KMO值也都大于0.7，并且球形检验都显著，p<0.05，证明问卷所用这些变量的量表有效性较高，效度较好。另外对自变量网红直播农产品特征的结构效度做验证性因子分析，详细步骤如下：首先，对提前设定的独立模型参数和有效样本做极大似然估计比较分析，经常涉及到指数包括：卡方比上自由度（/df）、拟合优度指数（GFI）、调整拟合优度指数（AGFI）、标准拟合指数（NFI）、非标准拟合指数（NNFI）、相对拟合指数（CFI）、近似误差均方根（RMSEA）等多项标准。卡方与自由度之比（/df）越贴近0，表明回收数据的拟合度越好，如果卡方与自由度之比（/df）小于5则说明数据的拟合度大致可以接受，而当卡方与自由度之比大于5时，则表明数据拟合度较差。标准拟合指数（NFI）和非标准拟合指数（NNFI）应该在0-1的范围之内，数值越接近1代表所建模型的拟合效度越好，模型构建的也越标准。相对拟合指数（CFI）是与提前确立好的独立模型相比较得出的结果，同样，其越靠近1表明拟合程度越高。此外，近似误差均方根（RMSEA）通常情况下需要小于0.1时才符合拟合的要求。表4.4标准载荷系数表潜变量测量项CR值p标准载荷系数专业性A1--0.846A213.0820.0000.899A312.3600.0000.871A411.4890.0000.835A511.4320.0000.833可信性B1--0.940B221.2810.0000.949B320.3160.0000.939吸引力C1--0.834C211.7510.0000.871C37.2470.0000.618C411.0780.0000.839C59.0400.0000.731互动性D1--0.821D29.2500.0000.755D39.9200.0000.794D411.1370.0000.861信息质量E1--0.897E217.5840.0000.949E315.4780.0000.905E413.9730.0000.867产品质量F1--0.913F216.0660.0000.901F313.4290.0000.839F416.2640.0000.905F515.2410.0000.884服务质量G1--0.898G213.3930.0000.855G314.3520.0000.882G414.2590.0000.879拟合优度指标值：/df=2.245RMSEA=0.043NFI=0.912CFI=0.905IFI=0.916GFI=0.906从表4.4中可以看出网红直播农产品特征量表的维度模型各个拟合指标符合要求，具体为：/df=2.245RMSEA=0.043NFI=0.912CFI=0.905IFI=0.916GFI=0.906，所有数值都符合标准数值。因此，网红直播农产品特征量表结构模型的验证结果良好。4.3相关性分析相关性分析是用来检验各测量变量之间是否具有相关性的，一般是采用Pearson相关系数(Pearsoncorrelationcoefficient)法验证。相关系数的取值范围是-1到1之间，当系数介于-1和0之间时，表示变量之间呈现负相关关系;当相关系数介于0和1之间时，表示变量之间呈现正相关关系。本文通过Pearson相关性分析来测量网红直播农产品特征的七个构成维度(专业性、可信性、吸引力、互动性、信息质量、产品质量、服务质量)、网红认同和农产品购买行为之间的关系。从表皮尔逊相关系数表可发现，网红直播营销农产品特征与网红认同在0.01的水平下呈现显著正相关，与农产品购买行为在0.01的水平上呈现显著正相关，初步证明了视频直播平台上用户在网红直播营销农产品特征程度越高，网红认同和购买意愿越高，进而越能产生农产品购买行为。表4.5相关性研究网红直播营销农产品特征感知价值感知风险网红认同农产品购买行为网红直播营销农产品特征皮尔逊相关性10.764**0.764**0.750**0.839**Sig.（双尾）0.0000.0000.0000.000个案数812812812812812感知价值皮尔逊相关性0.764**10.671**0.700**0.787**Sig.（双尾）0.0000.0000.0000.000个案数812812812812812感知风险皮尔逊相关性0.764**0.671**10.713**0.751**Sig.（双尾）0.0000.0000.0000.000个案数812812812812812网红认同皮尔逊相关性0.750**0.700**0.713**10.810**Sig.（双尾）0.0000.0000.0000.000个案数812812812812812农产品购买行为皮尔逊相关性0.839**0.787**0.751**0.810**1Sig.（双尾）0.0000.0000.0000.000个案数812812812812812**.在0.01级别（双尾），相关性显著。4.4假设检验本文建构的模型涉及直接效应、中介效应和调节效应三种类型验证，采用spss25.0为分析工具，运用层级回归分析法来验证上文假设。4.4.1网红直播特征和农产品购买行为关系验证将网红直播营销农产品特征作为自变量，性别、年龄、月收入、学历和职业作为控制变量，农产品购买行为作为因变量进行多元分层线性回归。表4.6网红直播营销农产品特征和农产品购买行为回归模型未标准化系数标准化系数t显著性R²FB标准错误Beta(常量)0.2740.4540.6020.5480.74854.874网红直播营销农产品特征0.9240.0530.83417.3260.000性别0.060.0980.0320.6090.544年龄0.1770.0980.0921.8160.072平均每个月可支配的金额-0.120.036-0.187-3.2950.001学历水平-0.1080.072-0.085-1.4950.138职业0.0110.0490.0140.2160.829a.因变量：购买行为结果如上表所示，方程显著性F检验为54.874，p<0.05，说明方程是显著有效的，R²为0.748，说明因变量有74.8%的变异可由自变量解释，自变量网红直播营销农产品特征的系数为0.924，并且通过系数t检验，说明了网红直播营销农产品特征对农产品购买行为有显著的正向预测作用，结合相关性分析，验证假设H1成立。4.4.2网红认同在网红直播特征对农产品购买行为的调节作用表4.7网红认同的调节作用分层回归模型1模型2模型3常数3.248**

(7.355)2.927**

(7.550)3.016**

(7.840)性别0.060

(0.609)0.123

(1.425)0.095

(1.103)年龄0.177

(1.816)0.160

(1.881)0.159

(1.897)平均每个月可支配的金额-0.120**

(-3.295)-0.103**

(-3.233)-0.098**

(-3.126)学历水平-0.108

(-1.495)-0.052

(-0.818)-0.058

(-0.933)职业0.011

(0.216)0.024

(0.574)0.032

(0.759)网红直播营销农产品特征0.796**

(17.326)0.513**

(8.362)0.491**

(7.975)网红认同0.371**

(6.063)0.393**

(6.417)网红直播营销农产品特征*网红认同0.067*

(2.044)R²0.7480.8110.818调整R²0.7340.7990.805F值F(6,805)=54.874,p=0.000F(7,804)=67.442,p=0.000F(8,803)=61.239,p=0.000△R²0.7480.0630.007△F值F(6,805)=54.874,p=0.000F(1,804)=36.764,p=0.000F(1,803)=4.178,p=0.043因变量：购买行为*p<0.05**p<0.01括号里面为t值由表4.7可得，调节作用分为三个模型，模型1中包括自变量(网红直播营销农产品特征)，以及性别、年龄、平均每个月可支配的金额、学历水平、职业5个控制变量；模型2在模型1的基础上加入网红认同这一调节变量，模型3在模型2的基础上加入交互项(自变量与调节变量的乘积项)。对于模型1，其目的在于研究在不考虑网红认同这一调节变量的干扰时，自变量(网红直播营销农产品特征)对于因变量(农产品购买行为)的影响情况。从表4.7可知，自变量(网红直播营销农产品特征)呈现出显著性(t=17.326，p=0.000<0.05)。意味着网红直播营销农产品特征对于农产品购买行为会产生显著影响关系。调节效应可通过两种方式进行查看，首先是查看模型2到模型3时，F值变化的显著性；其次是查看模型3中交互项的显著性，本次以后一种方式分析调节效应。从表4.7可知，网红直播营销农产品特征与网红认同的交互项呈现出显著性(t=2.044，p=0.043<0.05)。意味着网红直播营销农产品特征对于购买行为影响时，调节变量(网红认同)在不同水平时，影响幅度具有显著性差异，具体可通过接下来的简单斜率图进行查看。图4.1网红认同调节作用的简单斜率图简单斜率图如图4.1所示，横轴为网红直播营销农产品特征，纵轴为农产品购买行为，直线表示调节变量网红认同在不同水平时，自变量网红直播营销农产品特征对因变量农产品购买行为产生的影响幅度（斜率）差异情况，在网红认同在高水平情况下，斜率为0.52，低水平下斜率为0.45，因此网红认同在网红直播营销农产品特征对农产品购买行为中发挥正向调节作用，验证假设H2成立。4.4.3感知价值和感知风险在网红直播营销农产品特征对农产品购买行为的中介作用表4.8感知的中介作用分层回归购买行为感知价值感知风险购买行为常数0.274

(0.602)2.057**

(3.744)0.074

(0.128)-0.346

(-0.802)性别0.060

(0.609)-0.180

(-1.512)0.050

(0.395)0.104

(1.169)年龄0.177

(1.816)-0.086

(-0.726)0.187

(1.504)0.169

(1.909)平均每个月可支配的金额-0.120**

(-3.295)-0.032

(-0.723)-0.009

(-0.198)-0.109**

(-3.342)学历水平-0.108

(-1.495)-0.232**

(-2.661)-0.055

(-0.602)-0.029

(-0.444)职业0.011

(0.216)-0.092

(-1.557)0.016

(0.264)0.035

(0.786)网红直播营销农产品特征0.924**

(17.326)0.858**

(13.301)0.847**

(12.462)0.519**

(5.876)感知价值0.295**

(4.096)感知风险0.180**

(2.626)R²0.7480.6230.5950.802调整R²0.7340.6030.5730.788F值F(6,805)=54.874,p=0.000F(6,805)=30.613,p=0.000F(6,805)=27.208,p=0.000F(8,803)=55.360,p=0.000*p<0.05**p<0.01括号里面为t值中介效应模型共分为三类回归模型：第1类回归模型为自变量网红直播营销农产品特征与因变量农产品购买行为进行回归模型构建；第2类回归模型为自变量网红直播营销农产品特征与中介变量进行回归模型构建(如果多个中介变量则多个模型)；第3类回归模型为自变量网红直播营销农产品特征和中介变量一起与因变量农产品购买行为进行回归模型构建；三类回归如表4.8所示。经整理得到中介效应量结果汇总如表4.9所示，c表示网红直播营销农产品特征对农产品购买行为时的回归系数（模型中没有中介变量感知时），即总效应；a表示网红直播营销农产品特征对感知时的回归系数；b表示感知对网红农产品购买行为时的回归系数。a*b为a与b的乘积即中介效应。a和b显著，且c’显著，且a*b与c’同号，则为部分中介作用，验证假设H3A和H3B成立。项c

总效应aba*b

中介效应a*b

(95%BootCI)c’

直接效应检验结论网红特征=>感知价值=>购买行为0.924**0.858**0.295**0.2530.084~0.3840.519**部分中介网红特征=>感知风险=>购买行为0.924**0.847**0.180**0.1520.025~0.2700.519**部分中介*p<0.05；**p<0.01表4.9中介效应量结果汇总4.4.4网红认同调节网红直播营销农产品特征通过中介感知对农产品购买行为的影响表4.10有调节的中介效应回归模型购买行为感知价值感知风险常数-0.987*

(-2.123)2.057**

(3.744)0.074

(0.128)网红直播营销农产品特征0.581**

(5.024)0.858**

(13.301)0.847**

(12.462)网红认同0.528**

(4.188)网红直播营销农产品特征*网红认同-0.077*

(-2.376)性别0.119

(1.461)2.057**

(3.744)0.074

(0.128)年龄0.169*

(2.123)0.858**

(13.301)0.847**

(12.462)平均每个月可支配的金额-0.093**

(-3.156)-0.180

(-1.512)0.050

(0.395)学历水平-0.010

(-0.162)-0.232**

(-2.661)-0.055

(-0.602)职业0.051

(1.276)-0.092

(-1.557)0.016

(0.264)感知价值0.247**

(3.722)感知风险0.079

(1.233)R²0.8430.6230.595调整R²0.8270.5990.569F值F(10,801)=57.610,p=0.000F(6,805)=30.613,p=0.000F(6,805)=27.208,p=0.000*p<0.05；**p<0.01括号里面为t值调节中介效应模型共分为两类回归模型；第1类回归模型为因变量是农产品购买行为时的回归模型构建；第2类回归模型为因变量为中介变量感知价值和感知风险的回归模型构建（如果多个中介变量则多个模型），分层回归的结果如上表4.10所示。表4.11调节中介效应结果汇总间接效应（IndirectEffect）结果 项EffectBootSEBootLLCIBootULCITotal0.2790.0920.1040.465感知价值0.2120.0730.0820.361感知风险0.0670.070-0.0710.205备注：BootLLCI指Bootstrap抽样95%区间下限，BootULCI指Bootstrap抽样95%区间上限根据以上调节中介结果汇总，间接效应/条件间接效应为中介效应分析结果；第一：如果间接效应值的95%区间(BootCI)值包括数字0，则说明不具有中介效应；第二：如果间接效应值的95%区间(BootCI)值不包括数字0，则说明具有中介效应；第三：间接效应指不涉及调节变量Z时的中介效应情况；第四：条件间接效应指调节变量Z在不同水平时的中介效应情况，即调节中介效应。如上表4.11所示，调节变量网红认同调节网红直播营销农产品特征通过感知价值对网红农产品购买的影响，而不调节网红特征通过感知风险对网红农产品购买的影响，验证成立假设H4A，假设H4B不成立。4.5研究结论本研究以网红直播营销农产品特征为自变量，感知价值和感知风险为中介变量，农产品购买行为为因变量，网红认同为调节变量构建了研究模型，对812份有效样本进行数据处理与分析，探讨了网红直播农产品特征对农产品购买行为的影响机制，研究结论如表4.12所示。表4.12研究模型验证结果编号假设内容检验结果H1网红直播农产品特征正向影响农产品购买行为支持H2网红认同正向调节网红直播农产品特征对农产品购买行为的影响支持H3A感知价值中介影响网红直播农产品特征与农产品购买行为的关系支持H3B感知风险中介影响网红直播农产品特征与农产品购买行为的关系支持H4A感知价值会中介网红认同对网红直播农产品特征与农产品购买行为之间关系的调节作用支持H4B感知风险会中介网红认同对网红直播农产品特征与农产品购买行为之间关系的调节作用不支持4.6本章小结在上一章的基础上，本章通过设计调查问卷收集的数据进行实证分析并得出研究结论。首先对样本数据进行了描述性的统计分析，给出了数据的基本特证；接着从效度和信度检验两方面验证了问卷设计的可靠性和稳定性；然后进行相关性分析后，采用spss25.0为分析工具，运用层级回归分析法来验证六个假设得出：H1、H2、H3A，H3B、H4A均成立，H4B不成立。第5章促进消费者通过网红直播购买农产品的对策建议第5章促进消费者通过网红直播购买农产品的对策建议5.1对策建议基于前文对消费者通过网红直播购买农产品行为的研究以及相关文献的研读，发现网红直播营销农产品特征正向对农产品购买行为产生影响；消费者对网红认同度的高低会影响其购买行为；感知价值作为中介变量起正向激励作用，感知风险作为中介变量起负向激励作用。而消费者通过网红直播购买农产品的行为关联多个层面，所以作者分别从政府、企业、网红自身和消费者角度提出以下对策建议：5.1.1政府层面本文在研究过程中的实际考证和实验结果表明网红的专业性、可信性以及网购农产品特征中的产品质量、信息质量在一定程度上对消费者购买农产品行为产生影响，所以政府层面应该加强网红直播营销农产品行业的监管与引导，保证网红直播农产品过程中的专业性、可信性及所售农产品的产品质量安全、信息真实准确，促进其可持续化发展：首先进一步加强政策引导。依托专业MCN机构及相关正规培训机构开展广泛的公益推广培训。建议政府从直播场地、网络设施、农业服务、物流运输等方面提供支持，吸引知名农产品直播机构落地生根，帮助农产品直播产业机构孵化，留住专业农产品和优秀直播人才，培育一批具有较强示范效应的农产品直播电商企业或基地，以此加强农产品的质量安全及直播过程中宣传的真实可信性。其次是加强部门监管。将网红团队、农产品直播电商企业纳入信用管理体系，完善主播营销农产品注册流程。加强与各类在线直播营销农产品平台的对接，形成长效监管机制，对直播销售的农产品进行可追溯物流管理，从源头上保障农产品质量、为网红直播营销农产品质量可信度把关。最后是农业行业协会加强自律。制定农产品销售电子商务“诚信规范运行”标准体系，采取政府引导、社会监督、协会组织等方式，对网红直播销售农产品从业人员和机构进行“诚信规范运行”选拔和认证，提高主播群体的专业素质，优化行业生态环境。5.1.2企业层面根据前文研究，网红认同在网红直播营销农产品对农产品购买行为中发挥正向调节作用，即企业可以通过制定特色的网红运营策略、培养网红树立积极的个人形象提升消费者对网红的认同，从而争夺消费者对本企业所售农产品的注意力，增加消费者的农产品购买行为。其次根据研究结论，网红直播营销农产品特征中网红的专业性、可信性、互动性和吸引力会直接影响消费者对农产品的购买行为，因此企业应该充分利用以上特征，实现农产品销量的增，具体建议如下：（1）企业应该根据不同网红博主的个人特征为其匹配不同地域特色的农产品，做好企业网红定位、最大限度发挥其人格魅力，增强直播营销农产品过程中的互动性，从而实现消费者与网红及其农产品的合理匹配，最终实现购买行为。（2）提高网红对消费者吸引力的同时定期培训网红对直播营销的农产品的相关专业知识学习，指导网红通过实地拍摄风趣幽默的农产品生长、采摘、包装、运输视频内容，并加以一定的专业性和深度介绍，把农产品产品的信息充分展示出来，保障网红直播营销的农产品信息得到消费者的切实认可，以此使得消费者在观看网红直播营销农产品过程中增加感知价值，降低感知风险，得到消费者的信任与认可。在网红在介绍农产品时，应该主要表述本企业的农产品与其他农产品的差异化，从而吸引消费者做出购买行为。5.1.3网红自身层面基于本文研究模型自变量中网红特征的四个维度，网红应该注重提升自身对所销售农产品的专业知识，从而使消费者在观看直播中获得相关农产品的专业知识，继而对网红产生信任、加强网红持续吸引受众的能力，保持网红自身竞争力。同时研究表明，网红的互动性和吸引力会促进消费者产生农产品购买行为，因此网红应该注重培养相关能力。另外，研究结果发现，网红认同在网红直播营销农产品对农产品购买行为中发挥正向调节作用，所以基于网红自身层面应该致力于提升消费者对自身的认同度。具体建议如下:（1）网红要注重自己能力的培养。这个能力包括相关农产品的专业知识能力，与网友互动交流的能力，营销农产品的能力。这种能力的培养不仅有益于使自己获得大量粉丝，而且对于保持关注度和话题度也十分重要。（2）从网红自身做起，注重自身口碑、人设的建立，严谨选品、良心带货。杜绝因贪慕小利而触碰法律与道德底线，售卖残次农产品给消费者，这样不仅会失去消费者的信任，还会使整个行业陷入不可逆转的困境。5.1.4消费者层面首先根据研究结论：感知风险中介在网红直播农产品特征对农产品购买行为的影响中起负向激励作用，感知价值起正向激励作用。所以消费者在进行农产品购买时，要回归理性，避免盲目跟风，并且全方位评估网购农产品过程中的信息质量、产品质量、服务质量，尽量提升感知价值，降低感知风险。具体建议如下：消费者在做出对某个农产品购买行为之前，要通过多渠道搜索此农产品的相关信息，面对市场上各种良莠不齐的产品及推荐，消费者要保持理性思维，提高辨别信息的能力，杜绝因为盲目追随某个网红而完全听信于他的营销内容。（2）消费者在进行农产品购买时要切身考虑其实际需要及经济能力，杜绝因受到网红直播时夸张的表达效果洗脑而做出超出自身真实消费能力的购买行为。5.2本章小结本章主要是根据研究的结论提出对策建议。通过实证研究结果分析发现，文章的研究模型可以应用于网红营销农产品实践中，反映出网红直播销售农产品特征对消费者农产品购买行为的影响过程，基于本文的研究结论归纳消费者通过网红直播购买农产品行为中的四大主体，分别从政府、企业、网红自身和消费者层面提出对策建议。致谢第6章全文总结与展望6.1全文总结文章以消费者通过网红直播购买农产品为研究对象，通过文献梳理及相关理论研究，基于S-O-R理论框架，结合感知价值和感知风险理论，构建以网红直播营销农产品特征为自变量、网红认同为调节变量、感知价值与感知风险为中介变量、农产品购买行为为因变量的研究模型并提出假设。通过文献研究法、问卷调查法以及数理统计分析法，对本文的理论模型及研究假设进行研究，得出以下具体研究结果：（1）网红直播营销农产品过程中，网红的专业性、可信性、吸引力、互动性和网购农产品过程中的信息质量、产品质量、服务质量在一定程度上对消费者购买农产品行为产生影响。即一些网红在直播营销农产品时其关于农产品掌握的专业知识越多、传达的农产品信息越真实可靠、与消费之间的互动越紧密以及红网的个人魅力越高则越易于促使消费者做出农产品购买行为。同理，在消费者购买农产品过程中，其在直播中通过网红营销农产品获得的产品信息质量越高