大学生接受和使用蚂蚁花呗的现状分析论文设计

《大学生接受和使用蚂蚁花呗的现状分析论文设计》由会员分享，可在线阅读，更多相关《大学生接受和使用蚂蚁花呗的现状分析论文设计（43页珍藏版）》请在装配图网上搜索。

1、1 绪论1.1 研究背景自党的十九大召开以来，经济新发展理念得到广泛的贯彻和落实，我国经济得到平稳向好发展，互联网技术的发展成为经济发展的重要推动力。与此同时，伴随着西方资本主义商品的输出和文化霸权主义的侵袭，人们的消费观念、心理及行为都发生了较大的变化，超前消费、分期消费等新型的消费方式被越来越多的社会大众所接受。在此背景下，我国的信贷消费市场快速发展，尤其是网络信贷的发展极其迅速。我国银监会在2009年出台政策，严禁银行金融机构向未成年人发放信用卡。即便是成年的学生申请信用卡也需要其父母或其他第二还款人的书面签字同意，所以大量学生群体退出了信用卡领域1。但学生群体的信贷需求依然在上升，互联

2、网平台网络信贷产品的出现恰好能够满足此项需求。网络信贷凭借其申请的便捷性、使用的高效性和操作的安全性得到广大大学生的青睐。最新的调查数据显示，超过60%的大学生更加倾向于通过网络贷款的方式进行消费。蚂蚁花呗发布的2017年轻人消费生活报告显示，在中国近1.7亿90后群体中，开通花呗的人数超过了4500万平均每4个90后中就有1人使用花呗。而在购买手机时，76% 的年轻用户会选择分期付款2。蚂蚁花呗在大学生群体中流行开来有诸多益处：一是给大学生的生活带来极大便利，减轻家庭负担；二是有利于培养大学生的诚信意识；三是能够刺激消费增长，拉动经济发展。但与此同时，蚂蚁花呗等网络信贷产品的泛滥也给大学生消

3、费群体带来较多的不利影响。对于新兴的网络信贷，目前我国还缺乏一定的市场监管措施，相关的法律规制也不尽完善，网络信贷产品鱼龙混杂。甚至有某些“高利贷”平台打着P2P信贷平台的幌子，诱导大学生过度超前消费。部分大学生因社会阅历较低，法律意识淡薄，难以预见“高利贷”产品的风险性，以致深陷“高利贷”陷阱，甚至不少大学生因此走上违法犯罪道路。相对而言，蚂蚁花呗网络信贷平台以蚂蚁金融为依托，有较高的信誉度和安全性，并凭借淘宝、天猫购物平台的支持，深受广大年轻大学生欢迎。本次研究选择大学生群体作为主要研究样本，对大学生接受和使用蚂蚁花呗的现状进行调查分析，旨在探究大学生加入蚂蚁花呗用户群体的原因，进一步分析

4、大学生在使用蚂蚁花呗过程中所暴露的问题，并给出相关建议。1.2 研究意义网络信贷产品的出现，促进了大学生群体消费水平的提升，也促使学术界掀起了一阵研究狂潮。但其中针对网络信贷产品的实证研究较少，尤其是着重研究接受网络信贷产品的学者更少。网络信贷产品在大学生群体中接受度和使用率较高的原因具体是什么，大学生使用网络信贷产品的现状如何，这些都是本文着重研究的问题。蚂蚁花呗作为网络信贷产品中的佼佼者，本质上是一种新兴技术，蚂蚁花呗在大学生群体中流行开来，实际上就是一种新技术、新产品被大家所接受的过程，即为一种创新扩散现象EMRogers在1983年发表的论文创新的扩散一文中所提出的“创新扩散理论”，即

5、某一技术或服务在一定时间内，经由特定渠道，在某一社会团体的成员中得到传播的过程3。理论意义：本文在整合型科技接受与使用模型（UTAUT）基础上，结合感知风险理论和创新扩散理论，构建大学生接受和使用蚂蚁花呗的理论模型，并进行相关的实证分析。本文将在UTAUT模型原有四个维度变量的基础上，针对接受和使用网络信贷产品实际情况加入了感知风险理论中的感知风险因素和创新扩散理论中的个人创新因素，使本文所构建的模型更加丰富、具体，更真实全面的描述大学生接受和使用蚂蚁花呗的现状。现实意义：蚂蚁花呗用户数量上升势头迅猛，蚂蚁花呗满足了当代大学生的信贷消费需求。本文对大学生接受和使用蚂蚁花呗的现状进行分析，一方面

6、是为了充分了解大学生使用网络信贷产品的现状，给大学生群体的信贷消费行为提出相应的可行性建议，另一方面也为网络信贷的未来发展方向提供可借鉴的经验。2 相关理论及研究进展2.1 网络信贷与蚂蚁花呗2.1.1 网络信贷网络信贷即为网络贷款，是一种贷款新方式，借助互联网工具完成贷款过程中的各个环节。用户可以通过网络信贷平台（产品）足不出户地完成贷款申请、条件审核、放款收款等一系列的贷款行为。网络信贷按照参与主体的性质的不同可以分为两类：B2C网络信贷和P2P网络信贷。B2C网络信贷是一种由银行等金融机构提供的信贷模式，而P2P网络信贷是一种指由个人向个人提供的信贷模式。B2C模式可靠性、安全性、信誉度

7、较高，P2P模式的灵活度较好。目前，我国P2P网络信贷平台虽然发展势头强劲，但对于大学生来说，其安全可靠性较低，使用率也相对较低，因此本文的研究对象为B2C网络信贷模式中的蚂蚁花呗平台。作为互联网金融中的重要分支，网络信贷伴随着互联网金融的愈演愈烈得到飞速的发展。我国互联网金融行业自2013年兴起，2014年，网络信贷产品便相继问世。其中较为知名的网络信贷产品多是借助各大互联网平台而建立发展，例如，2014年京东商城推出的“京东白条”、新浪推出的“信用宝”、苏宁易购推出的“任性付”，以及阿里巴巴推出的“蚂蚁花呗”。其中蚂蚁花呗凭借着国内最大的网络购物平台淘宝和天猫商城的支持，得到较快的发展，积

8、累了大批以大学生为主体的用户。2.1.2 蚂蚁花呗蚂蚁花呗是阿里巴巴旗下的蚂蚁金服于2015年4月份推出的一款网络信贷产品。目前，用户开通蚂蚁花呗后将获得500元-50000元不等的消费额度，用户在消费时可以预付此额度，享受“先消费，后付款”的服务。目前，蚂蚁花呗的应用范围十分广泛，包含线上的各大网络购物平台以及线下的购物门店，深受年轻用户的喜爱。根据2017年蚂蚁花呗官方公布的数据来看，运营三年，用户数量就已经突破亿人大关。蚂蚁花呗的问世，在一定程度上提升了年轻消费者的消费能力：据统计，用户在使用蚂蚁花呗后，消费能力较此前有10%左右的提升。蚂蚁花呗对于中低消费人群的刺激作用更为明显：在蚂蚁

9、花呗的拉动下，原本月均消费1000元以下的人群，消费能力提升了50%4。2.1.3 相关研究进展（1） 对网络信贷产品的研究网络信贷产品是一个交叉学科的研究对象，既涉及经济金融学，又涉及互联网技术，目前，对其研究仍处在初步阶段，主要的研究方面涉及发展状况、风险管理、法律问题以及具体的网络信贷产品的研究。陈志敏（2016）在浅析个人消费信贷的发展现状与环境建设时阐述了当前个人消费信贷市场国内的发展状况，分析了我国在发展消费信贷业务中面临的机遇与挑战5。王晋之与胡滨（2017）对京东白条进行分析，探讨了互联网消费信贷风险的应对方法，他们认为应该以长尾客户的网上消费场景为依托、利用以大数据分析为核心

10、的信用评分体系、通过规模庞大的客户流量来应对信用风险6。学者罗晶、徐培文与刘海二（2016）对比分析了互联网消费金融（互联网消费信贷）和传统消费金融（信用卡）产业的差别，结果发现：面对中低收入者的消费信贷申请，互联网消费金融在控制消费者违约风险、价格竞争等方面较传统消费金融更具优势7。（2） 对“蚂蚁花呗”的研究目前，国内针对以蚂蚁花呗为代表的信贷产品的研究较为浅显，主要在于使用现状领域，而针对蚂蚁花呗的接受和传播状况的分析研究较少。钟敏荣、苏可云、张鹏、叶子峰(2018)在广东省大学生对蚂蚁花呗的使用现状与存在的问题一文中发现，广东省大学生在使用蚂蚁花呗后消费态度变得更为激进，非理性消费明显

11、突出，部分学生甚至过度消费导致逾期还款，从而给学习质量及身心健康带来较为不利的影响，他们针对这些问题，提出了一些相应的建议8。沈思佳、何磊(2017)在基于蚂蚁花呗的大学生信用消费行为调查分析中发现，近年来第三方支付平台的使用率显著提升，逐渐成为社会的主流支付方式，其中的主要使用者为年龄在20-29周岁之间的大学生群体。文章运用多元线性回归模型，对影响大学生使用蚂蚁花呗的因素进行定量分析，旨在对大学生使用第三方支付平台信用工具这一行为现象进行研究与分析，并提出针对性建议9。胡雪璐(2017)在蚂蚁花呗的发展及其前景分析一文中从蚂蚁花呗的发展现状着手，着力分析了蚂蚁花呗的优点以及存在的风险，并对

12、蚂蚁花呗未来的发展做出预测10。焦乐柯、刘雅婧、邓秀芳(2016)探究互联网金融信贷模式对消费者行为的影响时，通过对不同收入人群和不同年龄人群对蚂蚁花呗的使用情况进行调查，发现收入、年龄不同的人群，其对网络金融信贷的使用态度和行为是不同的11。（3） 关于大学生与网络信贷的相关研究由于网络信贷为新兴产物，在互联网金融高度发展的时代，各金融机构也十分重视对大学生用户的开发，再有，大学生校园信贷中出现了“跳楼自杀”、“裸贷”等极端事件，大学生校园信贷市场极为混乱，因此针对大学生与网络信贷的研究较为火热。邓秀焕（2015）认为学生是互联网消费信贷发展的重要市场，因此有必要对大学生互联网消费信贷市场进

13、行监管12。赵立（2015）认为，互联网消费信贷对大学生的消费心理、消费行为、消费习惯均具有影响。互联网消费信贷使得大学生越来越依赖线上消费，同时也容易使大学生产生乱消费的现象。但是大学生参与到与联网消费信贷中来，使得大学生提前意识到个人征信问题，对大学生将来的发展有利13。于龙飞等人（2017）通过湖南工业大学大学生网络信贷的使用状况来分析他们的消费行为，发现大学生存在不良的消费行为并提出针对网络信贷消费的不良行为的建议14。实证研究方面，张霄（2016）通过问卷调查分析了大学生对互联网消费金融产品的认知度、使用习惯和使用特点15。杜钦炎等人（2017）以武汉地区高校学生为研究对象，引入消费

14、行为理论、风险感知维度理论模型构建了高校学生对互联网信贷产品消费风险感知模型，并建立了风险评价体系16。王红谕（2017）的硕士论文全面考察了互联网消费信贷与大学生消费之间的关系，证实了大学生采用互联网消费信贷的行为提高了大学生的消费水平17。由上述的文献资料可以看到，包括蚂蚁花呗在内的网络信贷产品的发展现状及轨迹，不难发现大学生群体使用信贷产品的积极性较高，各大金融机构也逐渐开始重视网络信贷产品的开发和大学生用户的积累，当然，也揭示了大学生使用网络信贷产品所面临的问题。相对而言，针对蚂蚁花呗类网络信贷产品在大学生群体中的接受和使用现状的研究较少，所以本文首要探究的问题是：大学生群体接受蚂蚁花

15、呗的原因是什么，大学生使用蚂蚁花呗的现状如何。2.2 用户接受与使用模型理论2.2.1 科技接受模型TAM模型科技接受模型（Technology Acceptance Model），简称TAM是由DaviS在1989年在研究影响用户接受计算机的决定性因素时所构建的一种模型，后被运用于用户接受信息系统的研究。TAM模型如图2-1所示：图2-3 基于用户的协同过滤推荐技术图 2-1 TAM模型图2-3 基于用户的协同过滤推荐技术图2-3 基于用户的协同过滤推荐技术图2-3 基于用户的协同过滤推荐技术图2-3 基于用户的协同过滤推荐技术图2-3 基于用户的协同过滤推荐技术图2-3 基于用户的协同过滤

16、推荐技术图2-3 基于用户的协同过滤推荐技术图2-3 基于用户的协同过滤推荐技术图2-3 基于用户的协同过滤推荐技术DaviS（1989）指出，用户在接受新的技术时，用户自身的态度相较于主观规范具有更强的影响效果。由于主观规范属于心理学范畴，在实际具体测量中较为困难，理论上不确定性也较大，因此TAM模型以用户的态度为核心。并且，DaviS认为影响用户接受新科学技术的主要因素是感知有用性和感知易用性。在TAM模型中，使用意向受对使用的态度和感知有用性的共同影响，而实际使用情况则由使用意向直接决定。其中感知有用性和感知易用性共同影响对使用的态度，而感知易用性则通过对感知有用性的影响进一步影响对使用

17、的态度18。 TAM模型的变量定义如下：（1） 感知有用性感知有用性是指用户认为使用某一特定技术对自己的工作业绩提高的影响程度。部分学者在研究信贷产品的接受和使用行为时，将感知有用性定义为：用户认为通过使用信贷产品，他们的工作业绩或生活水平可以获得提升的程度。较多的研究结果表明，感知有用性是显著影响用户对信贷产品的使用态度或使用行为的因子之一。（2） 感知易用性感知易用性是指个人认为使用某种技术的难易程度。大部分研究用户接受和使用网络信贷产品的行为时，将感知易用性定义为用户使用网络信贷产品时无需付出较多努力的可能性。（3） 外部变量TAM模型的外部变量主要包括系统特征、个体特征、组织结构、管理

18、控制等。科技接受模型被广泛运用于技术采用的实证研究中。郭红丽与王晶(2013)通过网站特征，顾客特征和互动方式等扩展了TAM理论的维度，发现影响消费者购买意愿的维度除了感知易用性感知有用性以外，还包括了感知风险、个人特征、 客户参与度、信任和交易成本，并在此基础上提出了B2C模式下的消费者购买意愿影响因素模型19。2.2.2 第二代科技接受模型TAM2Venkatesh&Davis（2000）对TAM模型进行了创新，形成了更为完善的科技接受模型2（TAM2）。相较于TAM模型，TAM2将使用态度因子删去，加入了输出质量、主观规范、形象等因子，并且增添了自愿性和经验两个调节变量。具体如图2-2所

19、示。图 22 TAM2模型TAM2模型各个因子的定义如下：（1） 自愿性：用户自觉使用某种技术的可能性；（2） 主观规范：用户实施某种行为时感知到的外界压力；（3） 形象：用户认为使用某种新技术能够提升社会地位或形象的程度；（4） 工作相关性：用户认为使用的某种新技术与自己工作的匹配程度；（5） 输出质量：用户认为使用某种新科技能够高效完成某项任务的程度；（6） 结果展示性：用户使用某种新技术所得的结果的可视性和可读性。2.2.3 整合型科技接受与使用模型UTAUT整合型科技接受与使用模型（UTAUT）以TAM模型为基础，并整合相关理论，是目前较为全面且权威的整合型科技接受与使用模型。在UTA

20、UT模型理论中，性别、年龄、经验、自愿性等因子直接影响绩效期望、努力期望、社会影响和便利情况四个维度，其中，绩效期望、努力期望和社会影响因子会对行为意图造成影响，而便利条件则会对使用行为造成直接影响20。具体内容如图2-3所示：图 23 UTAUT模型整合型技术接受与使用模型是由Venkatesh于2003年首次提出，其团队对技术采纳的数据进行了完整系统严谨的分析，从而构建了UTAUT模型。模型相关变量解释如下：（1） 绩效期望：用户自己认为使用某种新技术对工作有所帮助的程度；（2） 努力期望：用户为了掌握某种新技术而做出的努力程度，其中包含了感知有用性和感知易用性等因子；（3） 社会影响：用

21、户使用某种新技术受到外界的影响程度；（4） 便利条件：用户感知接受和使用某种新技术的能得到的便利程度。相较于其他现有接受与使用模型，UTAUT更加完整，更能真实有效的解释和分析个体对新科技或技术的接受程度。外国学者Sumak（2010）将UTAUT模型应用于研究学生接受和使用Moodle开源虚拟学习环境的问题。中国学者吴琼雷21（2018）则利用此模型分析影响教师使用某在线教学工具使用行为意愿的因素，研究表明教师特性和绩效期望两个因素是影响其使用该产品的关键因素。3 模型及问卷设计3.1 模型设计根据上文的研究现状的总结可以看出，现阶段针对某一新技术新产品的接受和使用的研究多采用UTAUT和T

22、AM模型，本文通过检索，整理了部分国内关于互联网金融的研究情况，如表3-1所示。表 31 研究现状表作者研究对象模型分析方法选取变量朱学红（2011）移动互联网消费IDTTPB问卷分析实证分析感知服务质量、感知娱乐性、感知自我实现、感知有用性、感知价格水平、感知自我效能侯哲（2015）互联网金融产品TAM理论模型理财知识、风险偏好、收益率、流动性、风险性、投资门槛等分别时感知有用性和易用性的影响窦珊珊（2014）个人网银整合技术接受模型问卷分析多元回归分析绩效期望、努力程度、社会影响、感知风险和交易成本傅杰（2014）互联网金融产品TAMTPB问卷分析实证分析信任、主观规范、感知有用和感知风险

23、刘曼（2014）互联网金融产品整合技术接受模型问卷分析实证分析对比分析感知有用性、风险和信任刑丘丹（2015）余额理财平台整合技术接受模型问卷分析实证分析绩效期望、社会影响、经济价值、努力价值郭亦涵（2015）理财产品TAM问卷分析实证分析理财起点、期望收益、使用态度、产品流动性、感知风险、感知有用性、感知易用性蔡英杰（2015）余额理财产品TAM问卷调查感知风险、感知收益率、网购依赖度、教育程度、投资经验、性别、月可支配收入邱均平（2015）余额宝TAMTPB问卷分析实证分析自我效能、感知易用、感知有用刘玥（2015）余额宝TAM问卷分析实证分析感知有用性、感知风险、社会影响由表3-1可知，

24、研究互联网金融产品选取的变量主要有：感知风险、绩效期望或感知有用性、努力程度、社群影响、性别、月可支配收入、系统服务质量、企业声誉、感知娱乐性、主观规范。UTAUT模型是目前研究用户接受和使用某一新科技或新技术的相对较成熟和权威的模型。但是，结合蚂蚁花呗类网络信贷产品的具体特性来说，单一的运用UTAUT模型也不尽全面且恰当。根据相关调查以及前人的研究结果来看，感知风险和个人创新性人也是影响用户接受和使用蚂蚁花呗的重要因素。另外，在UTAUT模型有4个调节变量，分别为年龄，性别，经验和自愿，由于本文研究的主要是大学生群体用户，所以年龄作为调节变量意义不大；还有，由于蚂蚁花贝类网络信贷产品是新鲜的

25、事物，同时对于大学生群体来说，经验和自愿两个因子的影响也相对较小。所以，根据本文的研究对象，我们对4个调节变量作出以下的具体安排：本模型将年龄、经验和自愿三个调节变量删掉，加入户籍（城市或农村）、月消费额度、年级三个与变量与原模型中的性别变量组成辅助变量，以对大学生接受和使用蚂蚁花呗现状分析模型进行进一步补充。综上所述，本文将以UTAUT模型为基础框架，加入创新扩散理论和感知风险等相关理论的因子，构建以下模型，如图3-1所示。图 31 接受和使用蚂蚁花呗现状分析模型3.2 研究变量定义及问题设计下面将对研究模型中的各个变量的定义进行说明，包括个人创新性、绩效期望、便利条件等变量。同时借鉴Ven

26、katesh 的问卷量表并结合蚂蚁花呗产品的特性对相关变量进行问卷问题的问项设计。3.2.1 个人创新性个人创新性是指个人自主接受和使用新兴事物的能力，本次研究设计了两项问题对其进行评价。如表3-2所示。表 32 个人创新性问项设计个人创新性问项设计问项 12345我很乐意尝试花呗一类的新事物我认为新的生活方式或新的做事方式相对于过去来说是一种进步3.2.2 绩效期望绩效期望主要是指用户认为使用蚂蚁花呗产品后能够提高学习、生活和工作的程度，本次研究设计了3个问项对其进行评价。表 33绩效期望问项设计绩效期望问项设计问项 12345使用花呗（先消费、后付款），可以解决购买心仪产品的资金问题作为未

27、来社会的主流人群，使用花费有利于提升大学生群体的诚信建设使用花呗，只需在还款日前还清借款且无需利息，这种方式很受大学生欢迎3.2.3 努力期望感知风险努力期望是指大学生接受和使用蚂蚁花呗时感知到的容易程度，包括量感知易用性等因素。本次研究设计了3个问项对其进行评价，具体见表3-4。表 34努力期望问项设计努力期望问项设计问项 12345学习使用花呗，对我来说很容易花呗平台界面清晰，容易理解我具备使用花呗所必须的各种条件和能力3.2.4 感知风险感知风险主要是指大学生在使用蚂蚁花呗产品时对产生不利后果的心理预期和风险估计，本次研究主要设计了3三个问题对其进行衡量，具体如表3-5所示。表 35感知

28、风险问项设计感知风险问项设计问项 12345我担心使用花呗会刺激我盲目消费我担心因无法及时还款会影响我的信用等级我担心自己无法还款影响正常的学习和生活3.2.5 社会影响社会影响主要是指大学生接受和使用蚂蚁花呗时周围人的赞成和支持程度，本次研究主要设计了3个问题对其进行衡量，具体如表3-6所示。表 36社会影响问项设计社会影响问项设计问项 12345我的家人、朋友等对我来说重要的人会支持我使用花呗我身边有很多人在使用花呗使用花呗会让我看起来更有消费能力3.2.6 便利条件使用意愿便利条件主要是指大学生使用蚂蚁花呗时产品提供方对技术、平台或者流程提供的帮助和支持程度，本文主要设计了3个问项对其进

29、行衡量，如下表3-7所示。表 37便利条件问项设计便利条件问项设计问项 12345我认为无论是线上消费还是线下消费，使用蚂蚁花呗都很方便我拥有相对稳定的还款来源（如来自父母、兼职等的资金支持）我拥有使用花呗的物质条件（手机、网络等）3.2.7 使用意愿使用意愿是指大学生在现有既定条件下，预测自己在将来一段时间内是否否使用蚂蚁花呗的主观意愿，本次研究主要设计了3个问项对其进行衡量，如下表3-8所示。表 38使用意愿问项设计使用意愿问项设计问项 12345目前，我愿意使用花呗进行消费在可以使用花呗消费时，我会优先选择使用花呗我愿意向亲朋好友推荐使用花呗3.2.8 使用行为使用行为主要是指大学生将使

30、用意愿转化为行为，实际使用蚂蚁花呗产品的行动，本次研究设计了3个问项来加以衡量，如表3-9所示。表 39使用行为问项设计使用行为问项设计问项 12345我使用花呗已经有一段时间了今后一段时间我将继续使用花呗我在自己使用花呗的同时向周围的人推荐使用花呗4 蚂蚁花呗接受和使用模型实证研究4.1 研究设计4.1.1 问卷设计本次研究主要数据来源通过问卷来完成，所以问卷的设计质量直接影响着研究结论的准确性。本问卷的基本逻辑结果普采用Davis（2000）的问卷设计方法，将同一变量的相关问题放在一起，以保证被调查者在填写问卷时逻辑的统一。以保证被调查者在填写问卷时逻辑的统一。在问项设计方面，以Venka

31、tesh的问卷量表为基础，兼采各研究学者经验而设计。在问卷结构方面，开头为问卷说明，主要阐述了本次调查的目的和用途；第二部分为个人基本信息，包括性别、年级、月消费额和户籍（城市或农村），此部分问题一方面是了解被调查者的基本信息，另一方面也是模型中的调节变量数据的问项设计。第三部分则为问卷的主体，即关于大学生接受和使用蚂蚁花呗情况的调查，本部分问题统一使用Likert五级量表打分法来设置答案，从1到5分分别代表很不同意、不同意、一般、同意、很同意。详细问卷内容见附件。4.1.2 问卷的发放与数据收集本次研究问卷的发放与数据的收集全部在互联网上进行。利用互联网发放问卷的方法相较于传统的问卷发放在方

32、便性、调查广度、数据整理等方面都有有较明显的优势，同时，本次调查的时间主要是在疫情期间，采用互联网进行调查是较为稳妥的方法。此次调查，共收到网络问卷199份，在数量上满足调查的需求。4.2 调查数据分析4.2.1 描述性统计分析1. 基本信息的描述性统计1) 性别由表4-1可以看出，在性别方面，男生占比34.17%，女生占比65.83%，与大学生群体的性别构成大致吻合，具有一定的代表性。表 41 性别选项小计比例男6834.17%女13165.83%总计1992) 年级表 42 年级选项小计比例大一94.52%大二94.52%大三2914.57%大四15276.38%总计199在年级方面，大四

33、年级占据大多数，占比76.38%，这与问卷发放的渠道具有一定的关系。3) 户籍所在地从户籍所在地来看，63.82%来自农村，36.18%来自城镇，如图4-3所示。表 43 户籍所在地选项小计比例城镇7236.18%农村12763.82%总计1994) 月消费数额月消费数额具体数据如表4-4所示。在月消费数额方面，近一半的被调查者月消费数额在1000元-1500元之间，月消费数额在2000以上的占比15.58%。表 44 月消费数额选项小计比例1000元以下4120.6%1000元-1500元9346.73%1500元-2000元3417.09%2000元以上3115.58%总计199综上所述，

34、本次调查的样本具有一定的代表性，可以对此数据进行进一步的分析。2. 大学生接受和使用现状的描述性统计表 45 接受和使用现状描述性统计变量编号基础指标名称样本量最小值最大值平均值标准差中位数个人创新性A1我很乐意尝试花呗一类的新事物199153.6631.0794A2我认为新的生活方式或新的做事方式相对于过去来说是一种进步199154.030.9534绩效期望B1使用花呗(先消费、后付款)，可以解决购买心仪产品的资金问题199153.6231.1434B2作为未来社会的主流人群，使用花呗有利于提升大学生群体的诚信建设199153.3721.0933B3使用花呗，只需在还款日前还清借款且无需利息

35、，这种方式很受大学生欢迎199154.050.9474努力期望C1学习使用花呗，对我来说很容易199154.2210.9594C2花呗平台使用界面清晰，容易理解199154.1060.9614C3我具备使用花呗所必须的各种条件和能力199153.9451.0264感知风险D1我担心使用花呗会刺激我盲目消费199153.7891.1664D2我担心因无法及时还款会影响我的信用等级199153.7291.2134D3我担心自己无法还款影响正常的学习和生活199153.4471.2664社会影响E1我的家人、朋友等对我来说重要的人会支持我使用花呗199152.7991.0873E2我身边有很多人在使

36、用花呗199154.2210.8884E3使用花呗会让我看起来更有消费能力199152.7391.1993便利条件F1我认为无论是线上消费还是线下消费，使用蚂蚁花呗都很方便199153.6931.0784F2我拥有相对稳定的还款来源(如来自父母、兼职等的资金支持)199153.8441.0924F3我拥有使用花呗的物质条件(手机、网络等)199154.1860.8884使用意愿G1目前，我愿意使用花呗进行消费199153.5431.2264G2在可以使用花呗消费时，我会优先选择使用花呗199153.1261.3143G3我愿意向亲朋好友推荐使用花呗199152.8941.1993使用行为H1我

37、使用花呗已经有一段时间了199153.8041.2624H2今后一段时间我将继续使用花呗199153.5931.2144H3我在自己使用花呗的同时向周围的人推荐使用花呗199152.8241.1783由表4-5可以看出，量表中各问题最低得分为1，最高得分皆为5。从均值来看，总体上处于3.80左右，其中最小为2.74，最高为4.22，均值分布合理。从标准差来看，总体标准差在0.953-1.199之间，具备不同程度的变异性，其分布较为合理，适合进一步对数据进行分析。4.2.2 信度分析信度，即为可靠性，是指问卷的可靠程度。信度主要表现为问卷结果的一致性、稳定性、和再现性。简单的可以理解为，一个好的

38、测量工具，针对同一对象反复测量，得到的结果应该是一样的才可信。例如，同一份问卷让同一个人做两次，前后两次的问卷结果若不一致，那么我们就会对此问卷的可靠性产生怀疑。信度即为衡量一份问卷可靠性和稳定性的指标22。在信度上，多采用克隆巴赫系数表示。克隆巴赫的a系数是用来测量信度的指标。克隆巴赫的a系数达到0.7以上，代表问卷可信度较高，表4-6为本问卷的克隆巴赫系数表。表 46 克隆巴赫信度分析表Cronbach信度分析 编号名称项已删除的系数Cronbach 系数A1我很乐意尝试花呗一类的新事物0.9150.922A2我认为新的生活方式或新的做事方式相对于过去来说是一种进步0.917B1使用花呗(

39、先消费、后付款)，可以解决购买心仪产品的资金问题0.917B2作为未来社会的主流人群，使用花呗有利于提升大学生群体的诚信建设0.918B3使用花呗，只需在还款日前还清借款且无需利息，这种方式很受大学生欢迎0.919C1学习使用花呗，对我来说很容易0.918C2花呗平台使用界面清晰，容易理解0.918C3我具备使用花呗所必须的各种条件和能力0.918D1我担心使用花呗会刺激我盲目消费0.928D2我担心因无法及时还款会影响我的信用等级0.925D3我担心自己无法还款影响正常的学习和生活0.927E1我的家人、朋友等对我来说重要的人会支持我使用花呗0.92E2我身边有很多人在使用花呗0.918E3

40、使用花呗会让我看起来更有消费能力0.92F1我认为无论是线上消费还是线下消费，使用蚂蚁花呗都很方便0.916F2我拥有相对稳定的还款来源(如来自父母、兼职等的资金支持)0.918F3我拥有使用花呗的物质条件(手机、网络等)0.918G1目前，我愿意使用花呗进行消费0.915G2在可以使用花呗消费时，我会优先选择使用花呗0.917G3我愿意向亲朋好友推荐使用花呗0.917H1我使用花呗已经有一段时间了0.917H2今后一段时间我将继续使用花呗0.914H3我在自己使用花呗的同时向周围的人推荐使用花呗0.917标准化Cronbach 系数：0.925从上表可知：信度系数值为0.922，大于0.9，

41、因而说明研究数据信度质量很高。针对“项已删除的系数”，D1、D2、D3三个问项如果被删除，信度系数会有上升，因此可考虑对其进行修正或者删除处理，但鉴于整体的系数已经较高，可以不予进行处理。综上所述，研究数据信度系数值高于0.8，综合说明数据信度质量高，可用于进一步分析。4.2.3 效度分析效度分析是指问卷的准确程度，即问卷设计是否符合研究目的。因此，对问卷进行效度分析是非常必要的。效度分析主要包括内容效度和结构效度。在内容效度方面，本次研究在设计问卷时充分参考之前学者的研究，并咨询论文指导老师、相关大学生等人员意见，各问项设计内容清晰明了、没有歧义，符合研究需要。在结构效度上，本次研究采用因子

42、分析对其进行验证。效度分析使用因子分析这种数据分析方法进行研究，分别通过KMO值，共同度，方差解释率值，因子载荷系数值等指标进行综合分析，以验证出数据的效度水平情况。KMO值用于判断是否有效度，共同度值用于排除不合理研究项，方差解释率值用于说明信息提取水平，因子载荷系数用于衡量因子(维度)和题项对应关系，从下表可知：所有研究项对应的共同度值均高于0.4，说明研究项信息可以被有效的提取。另外，KMO值为0.887，大于0.6，意味着数据具有效度。另外，6个因子的方差解释率值分别是21.469%，15.276%，13.947%，10.104%，8.232%，7.263%，旋转后累积方差解释率为76

43、.290%50%。意味着研究项的信息量可以有效的提取出来。表 47 效度分析表效度分析结果 名称因子载荷系数共同度(公因子方差)因子1因子2因子3因子4因子5因子6我很乐意尝试花呗一类的新事物0.2120.681-0.0990.2750.2950.2020.722我认为新的生活方式或新的做事方式相对于过去来说是一种进步0.5410.4260.090.2560.305-0.1730.671使用花呗(先消费、后付款)，可以解决购买心仪产品的资金问题0.4260.6480.136-0.060.210.0360.669作为未来社会的主流人群，使用花呗有利于提升大学生群体的诚信建设0.3210.756-

44、0.0680.29-0.120.0630.782使用花呗，只需在还款日前还清借款且无需利息，这种方式很受大学生欢迎0.7290.260.0610.1380.26-0.1380.709学习使用花呗，对我来说很容易0.8220.0790.0770.1420.210.2050.795花呗平台使用界面清晰，容易理解0.810.1730.0180.1670.1410.1270.75我具备使用花呗所必须的各种条件和能力0.6990.181-0.0070.451-0.1470.1230.761我担心使用花呗会刺激我盲目消费0.098-0.0460.824-0.035-0.054-0.0520.698我担心因

45、无法及时还款会影响我的信用等级0.0610.070.8920.0970.0630.0410.82我担心自己无法还款影响正常的学习和生活-0.0150.0540.883-0.0270.101-0.0080.793我的家人、朋友等对我来说重要的人会支持我使用花呗0.1330.264-0.0480.1260.0560.8670.859我身边有很多人在使用花呗0.4750.1560.1440.2170.677-0.0030.777使用花呗会让我看起来更有消费能力-0.0780.6950.16-0.0210.1310.4210.71我认为无论是线上消费还是线下消费，使用蚂蚁花呗都很方便0.2620.41

46、8-0.0060.2330.580.3390.749我拥有相对稳定的还款来源(如来自父母、兼职等的资金支持)0.3080.241-0.0270.8160.1750.130.866我拥有使用花呗的物质条件(手机、网络等)0.4990.0540.1240.6510.380.0530.838特征根值(旋转前)6.782.3471.6540.8370.7060.645-方差解释率%(旋转前)39.88%13.81%9.73%4.92%4.16%3.80%-累积方差解释率%(旋转前)39.88%53.69%63.42%68.34%72.49%76.29%-特征根值(旋转后)3.652.5972.3711

47、.7181.3991.235-方差解释率%(旋转后)21.47%15.28%13.95%10.10%8.23%7.26%-累积方差解释率%(旋转后)21.47%36.75%50.69%60.80%69.03%76.29%-KMO值0.887-巴特球形值1798.595-df136-p值0-4.2.4 回归分析回归分析是统计学上一种常用的分析数据的方法，它旨在了解两个或者多个变量之间是否相关、相关性的大小以及方向问题。结合本次研究的具体内容，对调查数据进行回归分析，目的在于探究大学生接受和使用蚂蚁花呗的现状，即分析大学生对蚂蚁花呗的个人创新性、绩效期望、努力期望、感知风险、社会影响和便利条件对蚂

48、蚁花呗的使用意愿以及使用意愿对使用行为是否有显著影响、影响的强度和方向如何，并在此基础上给出其回归系数，建立路径分析。1. 个人创新性对使用意愿的回归分析表4-8为个人创新性对使用意愿的影响。表 48 个人创新性对使用意愿回归分析表线性回归分析结果 (n=199) 非标准化系数标准化系数tpVIFR 调整R FB标准Beta误差常数-0.0340.27-0.1270.899-0.4320.429F (1，197)=149.602，p=0.000个人创新性0.8380.0680.65712.2310.000*1因变量：使用意愿D-W值：2.045* p0.05 * p0.01从表4-8可知，将个

49、人创新性作为自变量，而将使用意愿作为因变量进行线性回归分析，模型R方值为0.432，意味着个人创新性可以解释使用意愿的43.2%变化原因。对模型进行F检验时发现模型通过F检验(F=149.602，p=0.0000.05)，也即说明个人创新性一定会对使用意愿产生影响关系，以及模型公式为：使用意愿=-0.034 + 0.838*个人创新性。最终具体分析可知：个人创新性的回归系数值为0.838(t=12.231，p=0.0000.01)，意味着个人创新性会对使用意愿产生显著的正向影响关系。总结分析可知：个人创新性全部均会对使用意愿产生显著的正向影响关系。2. 绩效期望对使用意愿的回归分析从表4-9可

50、知，将绩效期望作为自变量，而将使用意愿作为因变量进行线性回归分析，模型R方值为0.294，意味着绩效期望可以解释使用意愿的29.4%变化原因。对模型进行F检验时发现模型通过F检验(F=82.051，p=0.0000.05)，也即说明绩效期望一定会对使用意愿产生影响关系，以及模型公式为：使用意愿=0.538 + 0.720*绩效期望。最终具体分析可知：绩效期望的回归系数值为0.720(t=9.058，p=0.0000.01)，意味着绩效期望会对使用意愿产生显著的正向影响关系。总结分析可知：绩效期望全部均会对使用意愿产生显著的正向影响关系。表 49 绩效期望对使用意愿的回归分析表线性回归分析结果

51、(n=199)非标准化系数标准化系数tpVIFR 调整R FB标准误Beta常数0.5380.3-1.7940.074-0.2940.29F (1，197)=82.051，p=0.000绩效期望0.720.0790.5429.0580.000*1因变量：使用意愿D-W值：2.049* p0.05 * p0.013. 努力期望对使用意愿的回归分析表 410 努力期望对使用意愿的回归分析表线性回归分析结果 (n=199)非标准化系数标准化系数tpVIFR 调整R FB标准误Beta常数0.6760.352-1.9210.056-0.2130.209F (1，197)=53.216，p=0.000努

52、力期望0.6140.0840.4617.2950.000*1因变量：使用意愿D-W值：2.084* p0.05 * p0.01从表4-10可知，将努力期望作为自变量，而将使用意愿作为因变量进行线性回归分析，从表可以看出，模型R方值为0.213，意味着努力期望可以解释使用意愿的21.3%变化原因。对模型进行F检验时发现模型通过F检验(F=53.216，p=0.0000.05)，也即说明努力期望一定会对使用意愿产生影响关系，以及模型公式为：使用意愿=0.676 + 0.614*努力期望。最终具体分析可知：努力期望的回归系数值为0.614(t=7.295，p=0.0000.01)，意味着努力期望会对

53、使用意愿产生显著的正向影响关系。总结分析可知：努力期望全部均会对使用意愿产生显著的正向影响关系。4. 感知风险对使用意愿的回归分析表 411 感知风险对使用意愿的回归分析表线性回归分析结果 (n=199)非标准化系数标准化系数tpVIFR 调整R FB标准误Beta常数3.4560.289-11.9650.000*-0.0050F (1，197)=0.937，p=0.334感知风险-0.0740.076-0.069-0.9680.3341因变量：使用意愿D-W值：2.110* p0.05 * p0.05)，也即说明感知风险并不会对使用意愿产生影响关系，因而不能具体分析自变量对于因变量的影响关系

54、。5. 社会影响对使用意愿的回归分析从表4-12可知，将社会影响作为自变量，而将使用意愿作为因变量进行线性回归分析，模型R方值为0.392，意味着社会影响可以解释使用意愿的39.2%变化原因。对模型进行F检验时发现模型通过F检验(F=126.846，p=0.0000.05)，也即说明社会影响一定会对使用意愿产生影响关系，以及模型公式为：使用意愿=0.192 + 0.921*社会影响。最终具体分析可知：社会影响的回归系数值为0.921(t=11.263，p=0.0000.01)，意味着社会影响会对使用意愿产生显著的正向影响关系。总结分析可知：社会影响全部均会对使用意愿产生显著的正向影响关系。表

55、412 社会影响对使用意愿的回归分析表线性回归分析结果 (n=199)非标准化系数标准化系数tpVIFR 调整R FB标准误Beta常数0.1920.273-0.7030.483-0.3920.389F (1，197)=126.846，p=0.000社会影响0.9210.0820.62611.2630.000*1因变量：使用意愿D-W值：1.979* p0.05 * p0.016. 便利条件对使用意愿的回归分析表 413 便利条件对使用意愿的回归分析线性回归分析结果 (n=199)非标准化系数标准化系数tpVIFR 调整R FB标准误Beta常数0.3170.311-1.020.309-0.3

56、120.309F (1，197)=89.510，p=0.000便利条件0.7350.0780.5599.4610.000*1因变量：使用意愿D-W值：2.014* p0.05 * p0.01从表4-13可知，将便利条件作为自变量，而将使用意愿作为因变量进行线性回归分析，模型R方值为0.312，意味着便利条件可以解释使用意愿的31.2%变化原因。对模型进行F检验时发现模型通过F检验(F=89.510，p=0.0000.05)，也即说明便利条件一定会对使用意愿产生影响关系，以及模型公式为：使用意愿=0.317 + 0.735*便利条件。最终具体分析可知：便利条件的回归系数值为0.735(t=9.461，p=0.0000.01)，意味着便利条件会对使用意愿产生显著的正向影响关系。总结分析可知：便利条件全部均会对使用意愿产生显著的正向影响关系。7. 使用意愿对使用行为的回归分析表 414 使用意愿对使用行为的回归分析表线性回归分析结果 (n=199)非标准化系数标准化系数tpVIFR 调整R FB标准误差Beta常数0.9450.131-7.2390.000*-0.670.668F (1，197)=400.152，p=0.000使用意愿0.7720.0390.81920.0040.000*1因变量：使用行为