消费者自愿在经反馈行为的效用分析
消费者自愿在经反馈行为的效用分析＊——基于马斯洛人类动机理论的考察
章 政 郑天涯
[提 要] 自愿的在线反馈行为是网络消费中的普遍现象，其背后隐藏着一个重要的经济学问题，即公共品的私人自愿供给。为了更深入地研究消费者自愿进行在线反馈的动因，并相应探讨私人自愿提供公共品的原因，本文以马斯洛人类动机理论为基础，建立了自愿在线反馈行为的效用模型，并利用网络问卷数据对模型进行验证。研究结果表明，自愿在线反馈行为是消费者在效用和成本之间理性选择的结果，公共品的私人自愿供给方式具有理性基础。本文拓展了传统效用函数的内涵，深化了对公共品私人自愿供给和马斯洛动机理论的认识，也为网络消费平台的信用体系建设提供了新思路。
[关键词] 自愿在线反馈；人类动机理论；效用函数；优势效用
一、引言
在线反馈是互联网经济中的一种普遍行为。在网络零售交易中，在线反馈行为主要体现为消费者在平台上对商品或服务进行评价。在平台内部，在线反馈行为所生成的反馈信息具有公共品属性(Dellarocas & Narayan，2006)，它既是商家的网络口碑的主要存在形式，也是平台对商家进行信用评价的重要依据，还是消费者在平台上购物时的主要参考因素，直接影响消费者的购买意愿(Dellarocas，2003；金立印，2007；卢向华和冯越，2009；宋晓兵等，2011；杜学美等，2016；林爽等，2017)。《中华人民共和国电子商务法》施行后，消费者的在线反馈行为进一步得到法律保障。(1)2019年1月1日起施行的《中华人民共和国电子商务法》第39条规定，电子商务平台经营者应当建立健全信用评价制度，公示信用评价规则，为消费者提供对平台内销售的商品或者提供的服务进行评价的途径。电子商务平台经营者不得删除消费者对其平台内销售的商品或者提供的服务的评价。随着网络零售总额占社会消费品零售总额的比重迅速提升，在线反馈信息的价值愈加凸显。
在线反馈行为的研究文献侧重于在线反馈信息，主要从三个方面展开。第一个方面是研究在线反馈信息对消费者购买决策或商家销售收入的影响(Dellarocas et al.，2007；Hu et al.，2008)。第二个方面是研究在线反馈信息的可信度和虚假反馈信息的识别(徐琳，2007；Hu et al.，2011a；Hu et al.，2011b)。第三个方面是在线反馈信息的有用性和排序(郝媛媛等，2010；李志宇，2013)。从公共品的角度认识和研究在线反馈信息，文献相对不足。消费者对商品或服务的评价，本质上不是消费者与商家之间点对点的沟通，而是消费者和平台内其他消费者之间点对面的展示。平台内的所有消费者都能获知和使用这些反馈信息，并且使用的边际成本为零。这种非排他性和非竞争性特征意味着在线反馈信息是平台中的公共品。对反馈者本人而言，由于交易已经结束，自身常常不能从反馈信息中获得物质收益，而反馈行为却需要耗费一定的时间和精力。因此，根据经典的公共物品供给理论，消费者不会自愿进行在线反馈，在线反馈信息将供给不足。然而，在现实中自愿在线反馈行为普遍存在，网络消费平台上存在丰富的反馈信息。
本文将在效用框架下解释自愿在线反馈行为。基于马斯洛的人类动机理论，本文假设在线反馈行为能够满足消费者多个层次的“基本需要”(basic needs)，能够带给消费者多个层次的收益。结合奥尔森的社会激励思想(1995)和Balasubramanian & Mahajan(2001)的社会互动效用函数，本文把基于经济利益的单维效用扩展至基于基本需要的多维效用，构建出消费者在线反馈的效用模型。进一步，本文利用网络问卷数据对效用模型进行验证，识别出在线反馈行为的动因，从而把自愿在线反馈行为纳入效用分析框架中，为公共品私人自愿供给现象提供有力的解释。
本文在理论上和数据获取途径上有一定的创新。理论上的创新之处在于：第一，用马斯洛人类动机理论来研究在线反馈行为的动因，为其提供了更系统的和更具说服力的解释，加深了对反馈行为和信息生产的认识；第二，通过人的五种基本需要构建五种类型效用，拓展了效用的内涵，增强了效用理论对人类行为的解释力；第三，深化了对公共品自愿供给现象的研究，在效用框架下为其提供了一个具有人本主义心理学基础的解释；第四，结构方程模型的实证结果表明，自愿的在线反馈行为中存在着优势动因，为马斯洛人类动机理论中的优势需要论断提供了新的案例支撑。在问卷数据的采集方面，本文充分利用互联网的技术便利，在百度移动云测试中心的平台上进行问卷的随机投放和数据采集。与传统的课堂、校园或社交平台等途径相比，这一途径能获得更具代表性的样本和更高质量的问卷数据。
二、文献综述
(一)在线反馈行为与在线反馈信息
在消费市场上，在线反馈行为是指消费者在网络消费平台上完成交易后，在该平台上就商家提供的商品或服务进行评价和就消费过程进行描述或就消费感受进行表达的行为。它不是消费过程的某个阶段而是消费结果的延伸，不是消费者的义务而是消费者的权利。平台提供反馈渠道，是否进行反馈由消费者自主自愿选择。反馈行为所形成的信息是平台中的公共信息，它能实时呈现商户的经营状况，对平台的经营管理者和平台内所有消费者具有重要价值。
主流网络消费平台所建立的在线反馈体系主要由评分和评论两部分构成。评分主要包括“好、中、差”等级评价、五星星级评价等。评论主要包括印象标签选择、文字评论、图片展示等。消费者通过平台的反馈机制进行反馈，反馈的具体内容和呈现给其他消费者的内容基本相同。以京东商城为例，京东用户在确认收货(付款)后，可以自愿进行评价。图1(a)展示了京东用户的评价页面，内容包括物流服务评价和商品评价，前者就快递包装、送货速度、配送员服务态度进行分数选择(五星等级评分)，后者包括商品总体评价分数、买家印象标签选择或自定义、文字评价(500字以内)和图片晒单(不超过10张图片)。用户可以自主选择是否匿名发表评价结果。同时，在使用一段时间后，用户还可以自愿追加评论。对商品的评价结果向所有消费者展示，是一种公共信息。其他消费者观察到的评价结果如图1(b)所示。
图1 京东商城用户的反馈页面及反馈结果
根据评分等级和文字评论的情感的差异，本文将在线反馈信息分为正面和负面两种类型。正面在线反馈信息包括好评、满分等级评价、积极的文字评论等内容。负面的在线反馈信息则是差评、低分等级评价(如1星等级)、消极的文字评论等内容。 中评、中间等级评价(如4星等级)、中性情感属性的文字评论等，属于中性反馈信息。鉴于商户对正面反馈信息的高度重视以及研究上的方便，本文将非正面的反馈信息均视为负面反馈信息。一般而言，当消费者对网络消费结果满意时，他倾向于进行正面在线反馈；当其对消费结果不满意时，常常进行负面在线反馈。
(二)在线反馈行为的动因
文献中对在线反馈行为动因的研究主要有两个路径。第一个路径是围绕动因本身，提出并验证各种不同的动因。Dichter(1966)在开创性的研究中提出，消费者基于四种不同类型的动机(产品涉入度、自我涉入度、他人有关因素、消息有关因素)进行正面口碑传播。Sundaram et al.(1998)提出了更为具体的动机类型(利他主义、帮助商家、释放压力、报复等)，并区分正面口碑和负面口碑来验证这些动机的存在。Dellarocas & Narayan(2006)用电影发行数据和评论文本数据，验证了Dichter(1966)提出的四种动机类型。后续关于在线反馈动因的研究，大都利用问卷数据或评论文本数据，采用结构方程模型，从社会心理学(Cheung & Lee，2012)、正义理论(Fu et al.，2015)、自我决定理论(Xu & Li，2015)等角度切入，或者综合多个理论进行实证(Munzel & Kunz，2014；李亚琴，2017)。第二个路径从效用入手解释在线反馈行为发生的原因。Balasubramanian & Mahajan(2001)研究虚拟社区的社会互动时扩展了效用的内涵，一个社区i成员能从虚拟社区中获得三类效用：focus-related utility(Uf),consumption utility(Um)和approval utility(Ua)，i进行社会互动的净效用为 et al.(2004)沿着效用路径研究网络口碑(electronic word of mouth)行为，从八种动机中建构出五种类型效用(focus-related utility,consumption utility,approval utility,moderator-related utility,homeostase utility)，并利用问卷数据，通过回归分析验证了这五类效用的存在。
以上两条路径的研究存在一些共同的不足。比如：直接给出动机类型，缺乏一个更系统、更具说服力的框架；忽视了各种动机或各类型效用之间可能具有的相关性；缺乏公共品供给这一研究视角。
(三)公共品的私人自愿供给
为何存在公共品的私人自愿供给方式，答案主要在于经济激励之外的其他因素。奥尔森(1995)认为，小规模集团能够通过成员自发和理性的行动提供一定量的集体物品，社会激励是关键。大多数人很看重友谊、社会地位、个人声望、自尊以及其他社会和心理目标，即使不存在经济激励的驱使，社会激励也会驱使他们为集团做出贡献。Becker(1974)把人与社会互动这一因素纳入消费者的效用函数之中。为了免受他人蔑视，或者为了获得社会认同，或者基于纯粹利他主义，人们有时会进行慈善行为。Dawes(1980)在研究社会困境(social delema)时提出，利他主义、遵守社会规范和听从良心的召唤，都给人带来效用，正是这些效用(utilities)而非外部得益(payoffs)决定人的社会合作行为。Andreoni(1989)认为，非纯粹利他行为是人们自愿提供公共物品的原因之一，这种行为本身能增加行为者的效用，他的效用函数为Ui=Ui(xi,Y,gi)，其中，xi代表私人物品，Y代表公共物品，gi代表非纯粹利他行为(如奉献，A warm glow)。从20世纪90年代开始，公共品自愿供给机制逐渐成为实验经济学研究的热点之一，涌现了大量成果。一些研究者假定参与者具有互利、利他、追求公平等社会偏好并通过实验数据来验证这些因素对公共品的自愿提供的作用(Isaac & Walker，1988；Andreoni，1995；Palfrey & Prisbrey，1997；Oliveira et al.，2011)。有一些研究者通过实验设计，分析信息披露、交流、惩罚机制、自愿组织等各种各样的制度安排对公共品自愿提供的影响(Bochet et al.，2006；周业安和宋紫峰，2008；陈翔云和连洪泉，2012)。
针对网络消费中的在线反馈行为，Dellarocas & Narayan(2006)认识到在线反馈信息的公共品属性且由私人自愿供给，并用电影评论数据验证了Dichter(1966)提出的四种动机，借以解释公共品的私人自愿供给现象。然而，仅仅从不同动机来解释，容易导致一种错觉，即认为公共品的私人自愿供给方式源自人的非理性行为因素。本文将在Hennig-Thurau et al.(2004)提出的效用框架和实证研究的基础上，基于马斯洛人类动机理论来构建一个效用模型，解释和验证消费者自愿在线反馈行为的动因，从而为公共品的私人自愿供给现象提供一个基于效用框架的、更具心理学基础的和更有力量的解释。
三、在线反馈效用模型与待验证假设
(一)人类动机理论与五类效用
亚伯拉罕·马斯洛(2007)研究人的不同动机彼此之间的关系，提出了人类动机理论。人类具有五个层次的基本需要，依次为：生理需要(physiological needs)、安全需要(safty needs)、归属与爱的需要(belonging/love needs)、自尊需要(esteem needs)和自我实现的需要(self-actualization needs)。
人的任何有意识的欲望或者有动机的行为最终都能追溯到一个或多个基本需要上来。从效用的角度看，有意识的欲望得到满足或者有动机的行为得以完成给人带来的效用是总体的和综合性的，它能够分解到一个或多个基本需要的维度上。欲望或行为的目的追溯和总效用的分解，两者具有对称性(如图2所示)。如果欲望或行为追溯到某个基本需要上，那么效用就分解到对应的维度上。借鉴Balasubramanian & Mahajan(2001)和Hennig-Thurau et al.(2004)提出的效用框架，本文认为人们能够从基本需要的满足中获得效用，对应于五种基本需要，总效用能够分解为消费效用、安全效用、归宿效用、自尊效用和自我实现效用。
图2 从基本需要到效用
1.消费效用。消费效用来自生理需要的满足。生理需要被视为整个动力理论的基点，与其他类型需要相比较，它占据绝对优势。由此，本文假定，消费者将其所获得的收入优先用于那些能满足其生理需要的商品和服务的消费，从中获得消费效用。网络消费平台有时提供一些报酬(如现金返还、折扣、抽奖、红包、优惠券等)以激励消费者积极主动地进行在线反馈，且报酬和消费者的反馈内容无关。如果在线反馈之后能得到一些报酬，且在线反馈行为能够追溯到生理需要的层次，那么我们认为消费者从在线反馈行为中获得了消费效用。
2.安全效用。安全效用来自安全需要的满足。在网络消费场景中，不同心理状态下的安全需要有不同的外在表现。消费者遭遇到不愉快的购物经历时，他的心理可能会变得失落、焦躁和愤怒，此时他进行负面的在线反馈，通过报复或攻击商户来宣泄自己的不满，从而使心情舒缓。反之，消费的结果达到或超过预期时，消费者的心情可能会变得喜悦、激动，此时他通过感谢商户来传递自己的愉悦，使内心平和。因此，自愿的在线反馈行为可能源自安全需要，消费者从该行为中获得安全效用。
3.归宿效用。归宿效用来自归宿与爱的需要的满足。爱、感情和归属的需要是人的一种基本需要，它让人明白要结群、要加入集体、要有所归属是人的动物本能。网络消费平台经营者十分重视用户黏性，常常不遗余力地增强自身对消费者的吸引力，消费者也常常更熟悉某个或某些消费平台，在这些平台上花更多时间和金钱进行浏览和交易，以及进行消费反馈。因此，自愿在线反馈行为可能源自归宿与爱的需要，消费者从中获得归宿效用。
4.自尊效用。几乎所有人都有对于自尊、自重和来自他人尊重的需要。在网络消费场景中，面对不同的消费结果，消费者自尊需要的外在表达是不同的。消费结果达到或超过预期，消费者可能因自己正确的购物决策而感到自信，他进行正面的在线反馈，表达自己的成就感。反之，消费者遭遇不顺意的消费结果时，虽然错误的购物决策带给他一定程度的挫败感，但是他通过如实的在线反馈，为其他消费者提供有益借鉴，从反馈信息的有用性中获得自尊效用。
5.自我实现效用。自我实现的需要是指人充分发挥自我潜力，追求目标、观念和理想的需要。在网络消费场景中，一个消费者是否反馈以及是否及时地反馈，可能和他秉持的价值观念有关。如果消费者坚持认为，人在消费之后应该进行及时的、真实的反馈，应该增进平台的公共福利，那么他将如实地进行在线反馈，以满足或部分满足自身的自我实现需要，获得自我实现效用。
(二)在线反馈效用模型
五种基本需要常常共同作用于人的行为。马斯洛(2007)指出，“任何行为都往往由几个或者全部基本需要共同决定，而不只是由其中的一个决定。由一种动机决定的情况往往是例外。”消费者的自愿在线反馈行为，也可能是由几个或全部基本需要共同决定。从效用角度看，消费者从在线反馈行为中获得的总效用由五种类型效用的部分或全部构成。
1.基本的在线反馈效用模型。尽管各类效用内涵不同，然而它们都来自人类基本需要的满足，可以合理地假定它们具有可加性。令UT为消费者从在线反馈行为中获得的总效用，Um为消费效用，Us为安全效用，Ub为归宿效用，Ue为自尊效用，Ua为自我实现效用，总效用UT为各类效用之和，即：UT=Um+Us+Ub+Ue+Ua。令C表示在线反馈行为所耗费的时间、精力等成本，消费者进行在线反馈的决策函数为：
D(UT,C)=UT-C=Um+Us+Ub
+Ue+Ua-C
(1)
多数情况下，消费者进行反馈的机会(特别是进行评分反馈的机会)只有一次。是否进行在线反馈可视为一个二元决策。消费者潜在的反馈行为由基本需要决定，如果因基本需要的满足而获得的总效用大于在线反馈的成本，那么即使没有经济利益的激励，消费者也会自愿地进行在线反馈。并且，每一类型效用的增加，都可能有助于提高消费者在线反馈的可能性。由此，笔者提出第一组假设：
A1 消费者能获得的消费效用越大，进行在线反馈的可能性越高。
A2 消费者能获得的安全效用越大，进行在线反馈的可能性越高。
A3 消费者能获得的归宿效用越大，进行在线反馈的可能性越高。
A4 消费者能获得的自尊效用越大，进行在线反馈的可能性越高。
A5 消费者能获得的自我实现效用越大，进行在线反馈的可能性越高。
2.扩展的在线反馈效用模型。式(1)中，消费者从基本需要的满足中所获得的各类型效用相互间是独立的。然而， 马斯洛(2007)认为人类的基本需要组成一个由低级到高级的层次。当两种需要都受到挫折时，较低级的需要则更为强烈。“当一种较低级的需要得到满足时，另一种较高级的需要相继产生。当这个被满足了，又会有更高级的一个占到突出位置上来。人总是在希望着什么，这是贯彻他整个一生的特点。”这种层次性意味着，不同类型的效用之间并不是互相独立的，而是具有某种结构性特征。由此，笔者提出第二组假设：
B1 消费效用正向作用于安全效用。
B2 安全效用正向作用于归宿效用。
B3 归宿效用正向作用于自尊效用。
B4 自尊效用正向作用于自我实现效用。
当然，基本需要的层次性不意味着一种需要必须百分之百地得到满足后较高级的需要才得到满足。通常情况下，每一种需要都或多或少地得到了满足，但也未得到十足的满足。在决定某一行为的诸多基本需要中，存在一种优势需要(prepotent need)，对这一行为具有最大支配力。假定优势需要带来的效用为优势效用，以USUP表示。基于优势需要和优势效用，消费者在线反馈的决策函数为：
D(USUP,C)=USUP|Um→Us→Ub→Ue→Ua-C
(2)
在一次消费结束后，潜在的反馈行为由优势需要决定。如果消费者从优势需要的满足中获得的优势效用大于在线反馈成本，那么理性的消费者将进行在线反馈。由此，笔者提出第三组假设：
C1 正面在线反馈行为源自某种优势需要。
C2 负面在线反馈行为源自某种优势需要。
四、数据采集与问卷质量检验
(一)问卷内容与样本代表性
为了验证五大基本需要对在线反馈行为的决定作用，笔者通过网络问卷的方法获得数据。由于基本需要和反馈成本都是潜在变量，笔者在充分参考和借鉴网络口碑动机和在线反馈动因相关文献中的问卷内容的基础上，设置了35个题项(又称观察变量、指标变量)对这些潜在变量进行测量。在两位专家对35个题项的内容进行了评估确认之后，笔者用300个网络样本进行初步测试。最终，在正式的网络问卷中设置了25个题项和15个与个人特征、网络消费习惯等相关的题目。用里克特七级量表对25个题项的选择项进行赋值，1代表“完全不同意”，7代表“完全同意”。
为了操作的方便，笔者将正面在线反馈问卷内容和负面在线反馈问卷内容置于同一问卷中。正式问卷的25个题项中，6个题项仅属于正面在线反馈问卷，6个题项仅属于负面在线反馈问卷，剩余13个题项同时属于两类问卷(具体见表1)。
本文利用百度移动云测试中心(Mobile Test Center，MTC)的问卷调研服务进行问卷预测试和最终的数据收集。MTC拥有一个庞大的样本库，注册用户超过1 700万，涵盖300个城市。MTC通过手机、邮箱、实名认证等策略保证用户真实与唯一。网络问卷上线后，MTC根据大数据用户画像，随机地将问卷推送给用户标签匹配者(用户标签由研究者选择)。在问卷填写过程中，MTC通过IP和Cookie等技术手段防止刷题，通过逻辑跳题、无效问卷过滤等审核机制确保数据质量真实可靠。本研究的正式网络问卷上线后，MTC根据“有网购经历”这一标签进行随机的问卷推送，有1 000位百度MTC用户填写并成功提交了问卷。
为了进一步提高样本的准确度，防止虚假、错误或随意性的问卷填写现象，本文根据以下五条规则进行样本筛选：
规则1：选择近期在国内主流购物网站上网购的样本。
规则2：剔除答题时间小于3分30秒或超过60分钟的样本。
规则3：剔除在回答问卷之前未阅读问卷说明的样本。
规则4：剔除性别题目和收入题目前后回答不一致的样本。
规则5：剔除不活跃网络消费者样本。(2)百度MTC记录了回答者从开始回答到最终提交所花费的时间，以秒为单位。问卷设有“写出最近两个月内进行网络消费所使用到的网站或手机应用的名称”这一填空题目，本文仅选取填写了淘宝、京东、天猫、亚马逊或苏宁易购的样本。问卷设有选择题目“您是否已经阅读本问卷的说明？”，未阅读的行为可能影响其对在线反馈有关概念的理解。为防止回答者的随机性回答，问卷设置了两个性别题目(一个单选题，一个填空题)和两个收入题目(一个数值型单选题，一个文字型单选题)，前后不一致的回答者被视为随机回答者。问卷将最近一个月内使用互联网进行消费(包括购物、订餐、打车等)的次数不大于2次的回答者视为不活跃的网络消费者。
最终的有效样本为623份。样本描述性统计如表2所示。有效样本来自全国28个省份，女性占比(52.5%)略高于男性(47.5%)，超过80%的样本的全年税后总收入低于10万元人民币，近90%属于 “八零后”或“九零后”群体， 80%拥有专科或本科学历，他们大多是公司普通职员或从事技术类工作，一半以上居住在华东和华北地区。与CNNIC于2016年发布的我国网络购物用户的群体画像相比较，本研究的有效样本在性别、收入、年龄、教育、职业、地域等方面呈现出相似的结构，具有很强的代表性。
表1 问卷的潜在变量与题项
表2 样本描述性统计
说明：职业题目和居住地题目都是填空题，由笔者进行整理归类。
(二)问卷质量检验
对问卷内容质量的检验，主要从项目分析、效度分析、信度分析三个方面进行。
1.项目分析。项目分析的目的在于检验问卷各个题项的鉴别度，探究高分回答者和低分回答者在每一个题项上是否具有差异性。最常用的项目分析判别指标是临界比值法。在量表项目分析中，一般将临界比值的t统计量的标准值设为3，如果高、低分组的临界比值的t检验值小于3，那么该题项的鉴别度较差，需要从问卷中删除。
对正面在线反馈问卷而言，高分组和低分组仅在PHY1，PHY2，SAF_P2三个题项上方差相等，在所有其他题项中方差都显著不等。对所有19个题项，独立样本 t检验值都大于7.67，高、低分组的临界比值都达到了0.01的显著性水平。对负面在线反馈问卷而言，高分组和低分组仅在PHY1,SAF_N1,SAF_N3三个题项中方差相等，在其他题项中方差显著不等。对所有19个题项，独立样本t检验值都大于7.88，高、低分组的临界比值都达到了0.01的显著性水平。以上结果表明，无论是正面在线反馈问卷还是负面在线反馈问卷，题项都通过了项目分析检验，具有很高的鉴别度。
2.效度分析。本文利用建构效度(construct validity)检验法来分析问卷的效度。建构效度是指问卷能测量理论概念或特质的程度，具体包括收敛效度和区别效度两种。问卷具有收敛效度，则测量同一潜在变量的多个指标变量彼此相关联。问卷具有区别效度，则测量某一个潜在变量的指标变量和测量其他潜在变量的指标变量不相关。收敛效度和区别效度同时获得，才可认为问卷具有建构效度(荣泰生，2009)。
检验建构效度最常用的方法是因子分析。本研究中，正面在线反馈问卷的KMO值为0.882，负面在线反馈问卷的KMO值为0.842，这表明问卷的指标变量间的关系是良好的，适合进行因子分析。采用主成分分析法来抽取共同因子，共同因子的个数由“方差百分比决定法”决定。当共同因子所能解释全部指标变量的累积总方差超过总方差的2/3时，停止抽取共同因子。最终，正面反馈问卷抽取了6个共同因子，累积解释总方差的比例为70.1%；负面反馈问卷抽取了6个共同因子，累积解释总方差的比例为69.7%。为使共同因子能清楚地被一组指标变量所界定，以及使每一个指标变量归属于一个明确的共同因子，本文采用最大方差法对共同因子进行正交旋转。
根据共同因子所包含指标变量的实际意义，对照人类动机理论的五大基本需要，笔者在效用框架下为共同因子命名。共同因子解释方差的比例由大到小排列，正面在线反馈问卷的六个共同因子分别被命名为归宿效用、反馈成本、消费效用、自我实现效用、安全效用、自尊效用(见表3)，负面在线反馈问卷的六个共同因子分别命名为归属效用、成本因素、自我实现效用、消费效用、安全效用、自尊效用(见表4)。
要获得收敛效度，需要每一个共同因子的所有指标变量在该共同因子上的因子载荷大于0.5，并且每一个共同因子的平均方差抽取量(AVE值)大于0.5(吴明隆，2010)。要获得区别效度，需要一个共同因子的所有指标变量在其他共同因子上的因子载荷小于0.5(荣泰生，2009)。根据表3，正面在线反馈问卷的每一共同因子的所有指标变量，在该共同因子上的因子载荷都大于0.6，在其他共同因子上的因子载荷都小于0.35， AVE值都大于0.52。根据表4，负面在线反馈问卷的某一共同因子的所有指标变量，在该共同因子上的因子载荷都大于0.57，在其他共同因子上的因子载荷都小于0.40， AVE值都大于0.54。因此，在线反馈问卷通过了收敛效度检验和区别效度检验，具有良好的建构效度。
3.信度分析。信度是指问卷测量结果的稳定性和一致性。信度越大，测量误差越小。检验信度最常用的指标为L. J. Cronbach所创的α系数。问卷具有良好信度，需要满足三个条件。第一，问卷所有指标变量的α系数大于0.7；第二，每一个潜在变量的信度α系数大于0.7；第三，每一个潜在变量的组合信度(CR)要大于0.7(吴明隆，2010)。
表3 正面在线反馈问卷的旋转成分矩阵、AVE和α系数及组合信度CR
说明：正面在线反馈问卷总体的α系数为0.784；6个共同因子累积解释总方差的比例为70.1%；旋转在7次迭代后收敛；隐藏了值小于0.35的因子载荷；潜在变量(共同因子)按照其能解释方差的比例由大到小排列；指标变量按照因子载荷大小由大到小排列。
表4 负面反馈问卷的旋转成分矩阵、AVE和α系数及组合信度CR
说明：负面在线反馈问卷总体的α系数为0.759；6个共同因子累积解释总方差的比例为69.7%；旋转在6次迭代后收敛；隐藏了值小于0.38的因子载荷；潜在变量(共同因子)按照其能解释方差的比例由大到小排列；指标变量按照因子载荷大小由大到小排列。
由表3与表4可知，正面在线反馈问卷所有指标变量的α系数为0.784，负面在线反馈问卷所有指标变量的α系数为0.759。任一单个潜在变量的Cronbach’s α系数都在0.70以上，组合信度都大于0.77。以上结果表明，在线反馈问卷具有良好的信度。
五、对在线反馈效用模型的验证
(一)验证基本的在线反馈效用模型
Hennig-Thurau et al.(2004)以共同因子的旋转得分为自变量，以参与在线口碑交流的实际行为作为因变量，通过多元回归分析验证了引发在线口碑交流的不同动机的相对作用。依照同样的验证思路和路线，本文验证消费者从在线反馈行为中所获得的不同效用的相对大小。
以第四部分因子分析得到的共同因子为自变量，以共同因子的正交旋转得分为自变量的取值。正式问卷设置了与消费者反馈频率相关的四个题目，从中得到四个变量(消费不满意时进行在线评分、消费不满意时进行在线评论、消费满意时进行在线评分、消费满意时进行在线评论)，变量取值为1，2，3，4。(3) 1代表基本不会进行在线评分(或评论)，2代表偶尔进行在线评分(或评论)，3代表经常进行在线评分(或评论)，4代表每次都进行在线评分(或评论)。分别以这四个变量作为因变量。鉴于因变量为离散的有序变量，本文运用有序多元Logit模型进行回归分析：
=αj+βX
(3)
式中，Pj=P(y=j)，j=1，2，3，4；X表示自变量(六个共同因子)；β是回归系数；αj为模型的截距。
参数回归估计和回归系数检验的结果见表5。在四个Logit回归中，LR统计量都大于110，都服从卡方分布，P<0.01，模型都具有统计学意义。与在线评分相比，在线评论更能代表在线反馈行为。
由表5正面在线评论和负面在线评论的回归结果可知：消费效用不显著或弱显著，安全效用、归宿效用、自尊效用、自我实现效用的系数显著为正，反馈成本的系数显著为负。这意味着在0.01的显著性水平下，A1假设不成立，A2～A5假设得到验证。
表5 基本的在线反馈效用模型回归估计和检验结果
说明：***,**,*分别代表0.01,0.05,0.1的显著性水平。
依照相对作用强弱排序，正面在线反馈行为源自归宿与爱的需要、安全需要、自我实现需要、自尊需要，消费者相应能获得的归宿效用(或安全效用、自我实现效用、自尊效用)越大，进行正面反馈的频率就越高。负面在线反馈行为源自安全需要、自我实现需要、归宿需要、自尊需要，消费者相应能获得的安全效用(或自我实现效用、归宿效用、自尊效用)越大，进行负面反馈的频率就越高。反馈成本越大，进行正面或负面反馈的频率就越低，并且成本的抑制作用超过了任一单个效用类型的促进作用。
(二)验证扩展的在线反馈效用模型
验证扩展的在线反馈效用模型，结构方程模型是一个合适的方法。依照基本需要的层次性，本文建立了一个结构方程模型(见图3)。第一，以消费者进行在线评分和在线评论的实际频率作为指标变量来构建消费者在线反馈意愿这一潜在变量。第二，由于平台(或商家)提供的经济激励的多少将直接影响消费效用的大小，将消费效用视为一个外生变量，其他四类效用主要由消费者自身因素决定，同时消费者对效用的感知受到外生的反馈成本的直接影响。第三，根据基本需要的层次性，五类效用具有一个递进的影响结构。第四，反馈成本和每一类效用都直接影响消费者的在线反馈意愿。
运用AMOS21.0软件和极大似然估计方法对预设结构模型进行参数估计。根据结构模型初步拟合结果，结合修正指标对路径图进行修正。两次修正之后，得到扩展的在线反馈效用模型的参数估计结果。(4)对正面在线反馈问卷，两次修正分别为：安全效用的随机误差与自尊效用的随机误差相关；自我实现效用的随机误差与自尊效用的随机误差相关。对负面在线反馈问卷，两次修正分别为：安全效用的随机误差与自尊效用的随机误差相关；归宿效用的随机误差与自我实现效用的随机误差相关。路径图与路径系数如图3所示，图中实线表示该路径具有显著性，在显著路径上标注有路径系数和显著性水平。虚线表示不显著的路径，需从预设模型中剔除。验证结果表明：在基本需要的层次结构下，自愿在线反馈行为源于消费者的优势需要；优势需要所带来的优势效用大于反馈成本时，消费者将自愿进行在线反馈。
对于正面在线反馈行为(图3-a)，“安全效用→自尊→归宿效用”“归宿效用→自尊→自尊效用”“自尊效用→自尊→自我实现效用”三个路径显著，假设B2，B3，B4得到验证。在直接影 响 正面在线反馈意愿的路径中，“归宿效用→正面在线反馈意愿”路径显著，系数在0.01的显著性水平上为正数，其他四类效用的路径都不显著，归宿需要是消费者进行正面在线反馈的优势需要，归宿效用为消费者获得的优势效用，假设C1得到验证。“反馈成本→正面在线反馈意愿”路径显著，系数在0.01的显著性水平上为负数，并且反馈成本的抑制作用要小于优势效用的促进作用。
图3 结构模型路径图和路径系数
对于负面在线反馈行为(图3-b)，“消费效用→安全效用”“安全效用→归属效用”“归属效用→自尊效用”“自尊效用→自我实现效用”四个路径均显著，假设B1～B4得到验证。在直接影响负面在线反馈意愿的路径中，“安全效用→负面在线反馈意愿”路径显著，系数在0.01的显著性水平上为正数，其他四类效用的路径都不显著，安全需要是消费者进行负面在线反馈的优势需要，安全效用为此时的优势效用，假设C2得到验证。“反馈成本→负面在线反馈意愿”路径显著，系数在0.01的显著性水平上为负数，并且反馈成本的抑制作用要小于优势效用的促进作用。
从表6结构方程模型的适配度评估结果可知，各适配度指标都处在较优的范围，结构模型和问卷样本数据匹配程度较好。
表6 结构方程模型的适配度评估
六、结论和意义
在消费市场中，消费者自愿在线反馈行为体现了公共品的私人自愿供给。本文基于马斯洛的人类动机理论，在效用框架下来分析自愿在线反馈行为和自愿提供公共品的动因。基于五大基本需要，笔者把新古典经济学中效用的内涵从一维扩展至五维，建立了基本的在线反馈效用模型。根据基本需要的层次性结构，笔者建立了扩展的在线反馈效用模型。通过百度移动云测试中心发放网络问卷，获得了高质量的样本数据，实证检验了基本需要特别是优势需要对反馈行为的促动作用。
本文研究结果表明，自愿在线反馈行为是消费者的理性选择，公共品的私人自愿供给具有理性基础。第一，消费者能从在线反馈行为中获得安全效用、归宿效用、自尊效用和自我实现效用。第二，消费者获得的四类效用的相对大小不同，并且在正面和负面的反馈行为中他有着不同的相对大小排序(如图4所示)。第三，消费效用对在线反馈行为的促进作用小，即使不给消费者提供经济激励，也不会明显降低消费者的自愿进行在线反馈的意愿。第四，在基本需要的层次结构下，存在着优势需要。归宿和爱的需要是正面在线反馈行为的优势需要，归宿效用是消费者从中获得的优势效用。安全需要是负面在线反馈行为的优势需要，安全效用是消费者从中获得的优势效用(如图4所示)。第五，反馈成本对在线反馈行为具有抑制作用，如果反馈行为带来的优势效用大于反馈成本，那么消费者将自愿进行在线反馈。
图4 在线反馈所获效用及优势效用
本文的研究结果具有重要的理论意义。第一，拓展了效用的内涵。从五大基本需要出发，本文将效用从一维扩展至五维，为大量的看似非理性的行为找到了理性解释，增强了效用理论对人类行为的解释力。第二，加深了对信息生产的理解。在经济激励之外，市场主体仍然有内生动力自发进行信息生产。发现和满足市场主体的优势需要，有助于促进信息生产，缓解市场的信息不对称，优化市场竞争关系。第三，深化了对公共品自愿供给现象的研究。私人自愿供给公共品也具有深刻的理性基础——即使个体不能从公共品中获得经济利益或消费效用，他也有可能从自愿供给行为中获得其他类型的效用。这些效用具有人本主义心理学基础，来源于人的基本需要的满足。如果能获得的效用大于供给成本，那么理性的个体将自愿提供公共品。第四，为马斯洛人类动机理论提供了来自消费市场中的实证案例。不同类型基本需要的满足带来不同类型的效用，在基本需要的层次结构下，优势需要和优势效用至关重要。
对于网络消费市场的信用建设，本文的研究结果具有指导意义。在线反馈信息是评价产品信用、商家信用和平台信用的重要基础。基于本文的研究结果，笔者对网络消费平台 信 用 建 设 提 出 三 点 建议。第一，优化在线反馈流程，降低消费者反馈成本。例如自动弹出反馈界面以降低消费者寻找反馈界面的时间，根据消费者第一个评分对后续评分项进行辅助评分以减少消费者点击次数，设计常用的评论文字或语句以辅助评论等。第二，关注和重视消费者的安全需要、归宿需要、自尊需要和自我实现需要。例如在评论窗口设计一些文字、图片等，激发和满足消费者的这些基本需要。当消费者评论完毕之后，根据评论结果有针对性地进一步满足消费者的上述基本需要。第三，调整对消费者参与在线反馈的奖励机制。由于目前的网络奖励机制主要是微小的物质性奖励，如抽奖机会、积分、优惠券、返还现金等，这些奖励与消费效用有关，而消费效用对真实的在线反馈行为的促进作用很弱。有效的方法是改变奖励内容，把奖励与安全效用、归宿效用、自尊效用、自我实现效用联结起来，通过对优势需要的引导和满足，提升在线反馈信息的数量与质量，促进网络消费市场健康有序发展。
本文的研究还存在一些不足。第一，本文基于五大基本需要和基本需要的满足带来效用这一条件，把在线反馈行为的总效用分解为五类效用，但是这种分解仍然是质性的分解，缺乏量上的精确度量，从而限制了模型的应用场景。第二，消费者基于历史反馈经验对问卷作答，这种方式脱离具体的反馈场景，可能带来数据本身的偏误。第三，从反馈信息质量或消费者特征出发，以不同类型效用为中介，研究反馈者异质性与反馈信息异质性之间的关系，本文的研究尚未展开。因此，下一步的研究方向是采集实时的在线反馈信息以及对相应的消费者进行问卷调查，基于更为客观的数据，研究反馈行为的差异性、消费者的差异性对效用类型、效用大小及信息质量的影响。
参考文献
[美]曼瑟·奥尔森，1995：《集体行动的逻辑》(陈郁等译)，上海：格致出版社、上海三联书店、上海人民出版社。
陈翔云、连洪泉，2012：《公共品供给的实验研究及其未来可能的进展》，《经济理论与经济管理》第12期。
杜学美、丁璟妤、谢志鸿、雷丽芳，2016：《在线评论对消费者购买意愿的影响研究》，《管理评论》第3期。
郝媛媛、叶强、李一军，2010：《基于影评数据的在线评论有用性影响因素研究》，《管理科学学报》第8期。
金立印，2007：《网络口碑信息对消费者购买决策的影响：一个实验研究》，《经济管理》第22期。
李亚琴，2017：《电商平台用户在线评论动因研究》，《商业经济与管理》第5期。
李志宇，2013：《在线商品评论效用排序模型研究》，《现代图书情报技术》第4期。
林爽、吕兴洋、宋慧林，2017：《一图胜千言？图片与文字在线评论对消费者购买意向的影响研究》，《商业经济与管理》第8期。
卢向华、冯越，2009：《网络口碑的价值——基于在线餐馆点评的实证研究》，《管理世界》第7期。
[美]亚伯拉罕·马斯洛，2007：《动机与人格》(许金声等译)，北京：中国人民大学出版社。
荣泰生，2009：《AMOS与研究方法》，重庆：重庆大学出版社。
宋晓兵、丛竹、董大海，2011：《网络口碑对消费者产品态度的影响机理研究》，《管理学报》第4期。
吴明隆，2010：《问卷统计分析实务——SPSS操作与应用》，重庆：重庆大学出版社。
徐琳，2007：《网络口碑可信度影响因素的实证研究》，《财贸研究》第5期。
周业安、宋紫峰，2008：《公共品的自愿供给机制：一项实验研究》，《经济研究》第7期。
Andreoni,J.,1989,“Giving with Impure Altruism: Applications to Charity and Ricardian Equivalence”,Journal of Political Economy,97(6): 1447-1458.
Andreoni,J.,1995,“Cooperation in Public Goods Experiments: Kindness or Confusion”,The American Economic Review,85(4): 891-904.
Balasubramanian,S.,and V. Mahajan,2001,“The Economic Leverage of the Virtual Community”,International Journal of Electronic Commerce,5(3): 103-138.
Becker,G.,1974,“A Theory of Social Interactions”,Journal of Political Economy, 82(6): 1063-1093.
Bochet,O.,T. Page,and L. Putterman,2006,“Communication and Punishment in Voluntary Contribution Experiments”,Journal of Economic Behavior & Organization,60(1): 11-26.
Cheung,C. M. K.,and M. K. O. Lee,2012,“What Drives Consumers to Spread Electronic Word-of-mouth in Online Consumer-opinion Platforms”,Decision Support Systems,53(1): 218-225.
Dawes,R. M.,1980,“Social Dilemmas”,Annual Review of Psychology,31(1): 169-193.
Dellarocas,C.,2003,“The Digitization of Word of Mouth: Promise and Challenges of Online Feedback Mechanisms”,Management Science,49(10): 1407-1424.
Dellarocas,C.,and R. Narayan,2006,“What Motivates Consumers to Review a Product Online? A Study of the Product-specific Antecedents of Online Movie Reviews”,WISE,1-6.
Dellarocas,C.,X. Zhang,and N. F. Awad,2007,“Exploring the Value of Online Product Reviews in Forecasting Sales: The Case of Motion Pictures”,Journal of Interactive Marketing,21(4): 23-45.
Dichter,E.,1966,“How Word-of-Mouth Advertising Works”,Harvard Business Review,44(6): 147-160.
Fu,J.,P. Ju,and C. Hsu,2015,“Understanding Why Consumers Engage in Electronic Word-of-Mouth Communication: Perspectives from Theory of Planned Behavior and Justice Theory”,Electronic Commerce Research and Applications,14(6): 616-630.
Hennig-Thurau,T.,K. P. Gwinner,G. Walsh,and D. D. Gremler,2004,“Electronic Word-of-Mouth via Consumer-Opinion Platforms: What Motivates Consumers to Articulate Themselves on the Internet?”,Journal of Interactive Marketing,8(1): 38-52.
Hu,N.,I. Bose,Y. Gao,and L. Liu,2011a,“Manipulation in Digital Word-of-mouth: A Reality Check for Book Reviews”,Decision Support Systems,50(3): 627-635.
Hu,N.,L. Liu,and V. Sambamurthy,2011b,“Fraud Detection in Online Consumer Reviews”,Decision Support Systems,50(3): 614-626.
Hu N.,L. Liu,and J. J. Zhang,2008,“Do Online Reviews Affect Product Sales? The Role of Reviewer Characteristics and Temporal Effects”,Information Technology and Management,9(3): 201-214.
Isaac,R. M.,and J. M. Walker,1988,“Group Size Effects in Public Goods Provision: The Voluntary Contributions Mechanism”,The Quarterly Journal of Economics,103(1): 179-199.
Munzel,A.,and W. H. Kunz,2014,“Creators,Multipliers,and Lurkers: Who Contributes and Who Benefits at Online Review Sites”,Journal of Service Management,25(1): 49-74.
Oliveira,A. C. M.,R. T. A. Croson,and C. Eckel,2011,“The Giving Type: Identifying Donors”,Journal of Public Economics,95(5-6): 428-435.
Palfrey,T. R.,and J. E. Prisbrey,1997,“Anomalous Behavior in Public Goods Experiments: How Much and Why”,The American Economic Review,87(5): 829-846.
Sundaram,D. S.,K. Mitra,and C. Webster,1998,“Word-of-mouth Communications: A Motivational Analysis”,Advances in Consumer Research,25(1) 527-531.
Xu,B.,and D. Li,2015,“An Empirical Study of the Motivations for Content Contribution and Community Participation in Wikipedia”,Information & Management,52(3): 275-286.
UTILITARIAN ANALYSIS OF VOLUNTARY ONLINE FEEDBACK BEHAVIORS BY CONSUMERS——Based on Maslow’s Human Motivation Theory
ZHANG Zheng ZHENG Tian-ya
(School of Economy, Peking University)
Abstract: Online feedback behavior is common for online retail consumers, behind which there is a puzzle about private voluntary supply of public goods. We establish a utility model for voluntary online feedback behavior based on Maslow’s human motivation theory and conduct the empirical research by a set of online questionnaire data, in order to study the motivations of consumers’ voluntary online feedback and the reasons for private voluntary supply of public goods. The results show that voluntary online feedback behavior is in line with rational choices between utilities and cost, which means that there is a rational basis under private voluntary supply of public goods. This research expands the connotation of the traditional utility function, deepens the understanding of private voluntary supply of public goods and Maslow’s motivation theory, and provides insights into the credit system construction for online retail giants.
Key words: voluntary online feedback; human motivation theory; utility function; prepotent utility
章政、郑天涯(通讯作者)，北京大学经济学院，邮政编码：100871，电子信箱： zhengtianya2004@126.com。感谢匿名评审人提出的修改建议，笔者已做了相应修改，本文文责自负。
(责任编辑:杨万东)
页:
[1]