电子商务市场中的逆向选择与在线披露.docVIP

PAGE  PAGE 7 电子商务市场中的逆向选择与在线披露 　　摘 要：本文对于淘宝网上的数据进行实证分析，检验在线披露的信息变量月销售量、价格、口碑数量、买家信用分数等对消费者的购买行为产生影响，并对消弱电子商务市场中的逆向选择问题提出相应的建议。 　　关键词：电子商务；逆向选择；在线披露 　　一、引言 　　1970年，阿克洛夫在其文章《“柠檬”市场：质量不确定性与市场机制》中提出了逆向选择理论。逆向选择指的是当市场参与者处于信息劣势时所做出的选择。 　　由于电子商务市场中，买者与卖者之间时间和空间的相分离，卖买双方不能面对面的进行交流，买卖双方存在着严重的信息不对称性。大量研究表明，与传统市场相比，电子商务市场的逆向选择问题更加严重。本文将利用淘宝网上的数据分析卖家披露的信息对消费者行为的影响。 　　二、基于淘宝网数据的在线披露变量的实证分析 　　（一）样本的选择与数据的收集 　　淘宝网的交易商品种类繁多，本文选取淘宝网中某品牌男士衬衫冬季款交易市场为研究对象。针对淘宝网某品牌冬季款男士衬衫进行数据搜集，共搜集了368件商品的相关数据，全部作为本次研究的数据，所收集的数据中不包括天猫商城卖家的数据。 　　（二）变量的选取 　　分析所涉及到的变量主要包括月销售量、商品价格、口碑数量、金牌卖家、好评率、卖家信用积分、卖家信用等级等。 　　1、月销售量（Sales）：在商品的详细页面上，会看到商品的30天成交记录的数量和交易成功的数量。 　　2、商品价格（Price）：在这里，商品价格指的是商品在网页上的挂牌价格，不包括商品的运费等。 　　3、口碑数量（Word-of-Mouth，WOM）：系统显示出来的对该商品文字评价的数量。 　　4、金牌卖家（GoldSeller）：2014年7月1日淘宝金牌卖家正式运营。金牌卖家是淘宝网对一定时期内成交量好、服务好、口碑好的卖家的一种激励手段。设置金牌卖家虚拟变量，卖家如果是金牌卖家记为1，不是金牌卖家记为0。 　　5、卖方好评率（PositiveRate）：买家对于卖家的评价可分为三类：好评、中评和差???。卖家好评率=所有计分的卖家收到的好评数/所有计分的卖家收到的评价总数。 　　6、卖家信用分数（CreditScore）和卖家信用等级（CreditRating）：在淘宝网，买家每交易成功一次，就可以对卖家作一次信用评价，评价分为“好评”、“中评”、“差评”三类，每种评价对应一个信用积分。根据对卖家的信用积分，卖家的信用度分为20个级别。 　　7、消费者保障服务（Service）：卖家签署了淘宝网消费者保障服务协议，承诺为消费者提供交易保障服务。设置消费者保障服务虚拟变量，买家如果加入消费者保障服务为1，未加入消费者保障服务为0。 　　（三）计量模型的选择 　　本文针对某品牌冬季款男士衬衫进行数据搜集，共搜集了368件商品的相关数据。在368个男士衬衫月销售量方面的数据中，有261个卖家在三十天内有销售商品，另外107个卖家的月销售量为0。而对于那些月销售量为正的卖家而言，销售量的范围也相当宽，从3576件到1件。由于买家的优化行为常常导致总体中不可忽略的一部分角点解响应。因此卖家的月销售量很适合用托宾模型。 　　（四）数据的处理 　　考虑到回归分析中易出现的一些问题，以及有利于考察自变量与因变量关系的经济现象的处理，本文中将对变量月销售量、价格、口碑数量、买家信用分数进行处理。 　　（1）对卖家的月销售量，商品价格、卖家信誉分数和口碑数量都进行了对数变换。一是因为卖家信誉分数和口碑数量差异很大，使用对数形式通常能够消除回归分析中存在的异方差性。二是有利于考察自变量与因变量关系的经济现象解释。 　　（2）月销售量（sales）和口碑数量（wom）存在为零的值，取对数时为了避免log（0）情况的出现，对这两个变量采用log（sales+1）和log（wom+1）的形式，这样原来为零的观测值对数变换后还为零，数据存在角点解的现象不会改变。 　　（五）计量结果和分析 　　本文利用Eviews6进行回归分析，表1同时给出了利用OLS估计的线性回归模型和托宾模型的回归结果。从表中可以看出，在线披露的信息变量的估计值的符号在两个回归模型中是相同的，而且统计显著性也类似。 　　结果一：商品价格对商品月销售量的影响。 　　在表中，无论是OLS估计的模型还是托宾估计模型中都显示商品价格对商品月销售量的负的显著影响。托宾模型一中，在1%的显著水平上，商品价格对月销售量显著的负向影响。这说明在电子商务市场中商品价格是影响商品销售量的一个重要的因素。消费者在购买商品时，价格是消费者主要关注的信息之一。价格作为反映质量信息的重要信号，为什么