移動支付對大學生消費的影響探析①

南京郵電大學 曹婷 梁婧婕 呂璞鑫 何知俠

?

移動支付對大學生消費的影響探析①

南京郵電大學 曹婷 梁婧婕 呂璞鑫 何知俠

摘 要：隨著科技的不斷發展，3G/4G網絡的推出，讓手機使用起來更加方便，現金支付、卡類支付、網絡支付已經不再能滿足人們的支付需求，手機支付儼然成為了大眾的新寵。本文以南京大學生為對象，調查南京大學生對手機支付的接受和使用情況，建立判別分析模型，將已有的樣本分類，進而可以對任意新的樣本歸類，從而為手機支付商的良性推薦提供建議意見。

關鍵詞：手機支付 R語言 費希爾判別

1 研究背景

手機支付也稱為移動支付（Mobile Payment），是指允許移動用戶使用其移動終端（通常是手機）對所消費的商品或服務進行賬務支付的一種服務方式。繼卡類支付、網絡支付后，手機支付儼然成為一種新型的支付方式。隨著社會科技的飛躍發展，在這個網絡大爆炸的時代，手機支付是滿足消費多元化的支付需求與高新技術發展的產物，使得它本身具有更大的優越性。手機支付實現了手機客戶端代替錢包，隨時隨地進行支付的愿望，關于這種新型支付，能夠為用戶帶來快捷、方便、安全的全新體驗，滿足了人們更高的消費需求。我國使用手機支付產品的人群日益增長，尤其在大學生群體中普及度超過90%，那究竟是哪些因素導致這部分人選擇手機支付呢？又是什么因素導致這部分人愿意更多使用手機支付花費呢？為了能進一步滿足用戶多元化的需求，帶著這樣的問題，我們對南京大學生做了手機支付使用情況的調查。

2 調查目的

在這個網絡迅速發展的時代，手機支付的功能越來越強大，安全也越來越有保障，但是，在享受手機支付給我們帶來益處的同時，手機支付難免會有不足之處，這就需要通過廣泛的實踐從而使它更加完善，希望可以有更多的人能夠享受到更好的手機支付體驗。我們既是以此為出發點，以問卷調查形式確定“南京大學生使用手機支付的統計調查問卷”為課題的社會實踐，其方法是對大學生手機支付使用狀況的實際調研及分析。

3 調查結果的基本統計分析

在學生消費的周邊商家中，有79.51%的學生認為大部分的商家都接受手機支付。其中，有55.35%學生認為有大部分商家會提供額外的優惠，其次有32.11%的學會認為僅有一部分商家會提供額外的優惠，而僅有10.4%的學生認為接受手機支付的商家并沒有提供什么額外的優惠，而2.14%的學生認為所有的商家均會提供額外的優惠。

學生在使用手機支付的商家中會因促銷活動而更愿意使用手機支付的程度：正如圖1中所看到的，有40%的人會參加50%以下的商家促銷活動，認為沒必要或參加額外的活動麻煩；其次是會參加50%的商家促銷活動，要視商家促銷金額而定的學生有99人占比30.28%；較兩端的學生（即要參加所有的商家促銷活動和基本不會參加商家促銷活動）均不超過10%，間接說明大部分學生是能夠理性地看待商家促銷并合理使用手機支付。而在參加促銷活動時有63%的學生會買日用品，59%的學生會考慮買飲食類，55%的學生會購買服飾類，而有23%和21%的學生會購買電子產品和圖書報刊，對于學生購買家電的則趨于少數，如圖2所展示：

圖1 促銷活動對學生消費意愿的影響

圖2 使用手機支付購買產品比例

在愿意使用手機支付的因素中，327份問卷中有223人認為是攜帶和使用方便導致他們更愿意使用手機支付，占到68.2%的比例； 58.1%的學生認為手機支付快速及時的優點很有吸引力；其次學生認為手機支付的優惠活動豐富和支付范圍廣泛以及開通賬戶方便的比例占到37.6%、34.6%和23%，但也有不超過3%的學生有其他因素。相比于愿意使用手機支付的因素，學生對不愿意使用手機支付就變得相對晦澀了，有41%的學生認為手機支付的安全性能還是較低，應該加強，這也是他們最不愿意使用手機支付的原因，其次手機支付的覆蓋范圍不夠廣泛也占到了很大的比例31.2%。

綜上分析可知，在學生的觀念中，手機支付的作用越來越大，消費越來越離不開手機支付，更愿意接受手機支付帶來的方便。

當然，在享受手機支付好處的時候，也應該知道它的不足。其中，手機支付的安全問題最令人擔憂，主要表現在下載網絡借貸類APP和打開不明鏈接上。安全問題固然令人擔憂，根據統計信息，有超過90%的學生都有手機支付安全意識，其中有55.35%的學生會有一點安全意識，對陌生人的二維碼或者其他支付行為認真掂量；有37.31%的學生的安全意識很強，每次使用手機支付都會三思而行。

4 判別分析模型

Discriminant Analysis就是根據研究對象的各種特征值判別其類型歸屬問題的一種多變量統計分析方法。根據判別標準不同，可以分為距離判別、Fisher判別、Bayes判別法等。比如在KNN中用的就是距離判別，當然這里的“距離”又有好幾種：歐氏距離、街區距離、甚至可以用皮爾森相關系數等。樸素貝葉斯分類用的就是Bayes判別法。本文要講的線性判別分析就是用是Fisher判別式。

4.1 分四步完成整個判別過程

步驟一：數據預處理。將整個數據集按照2/3的等概率分層抽樣分成測試集和訓練集。

步驟二：訓練集得出判別規律。加載MASS包中的lda函數得出判別規律。

步驟三：判別規則可視化。對判別規則不同樣式的可視化。

步驟四：對測試集待判別變量取值進行預測。得出個預測樣本屬于每一類別的后驗概率，其中后驗概率最高的被判定為該類別，并計算錯誤率。

詳解過程：根據之前建多元有序logit模型的經驗，我們選擇phonecost——按區間劃分的月手機支付花費作為待判別變量，月手機支付花費phonecost變量的四種等級含義依次為：1表示100元以下；2表示100元～300元；3表示300元～500元；4表示500元以上，簡單來說，金額依次增加。

步驟一：數據預處理

將整個數據集按照2/3的等概率分層抽樣分成測試集216樣本和訓練集111樣本，此過程加載了sampling包，運用了其中函數strata（以phonecost的四個等級劃分等級，進行分層抽樣）和getdata（獲取ID_unit所對應的樣本構成的訓練集和測試集）。

步驟二：訓練集得出判別規律

加載MASS包中的lda函數寫出phonecost～.的公式可得出判別規律，其中規則中包含的選項有“prior”“counts”“means”“scaling”“lev”“svd”“N”“call” “terms”“xlevels”分別是本次執行過程中的所使用的先驗概率，data_test中的樣本量，和各變量在每一類別中的均值等共9個選項。

步驟三：判別規則可視化

通過構建判別式圖形（省略），在所有3個線性判別式（LD）下1 至4這4個類別的分布情況，不同類別也用相應的數字標出。

從判別式圖形可以得出，phonecost等級從1至4在圖中基本呈現從左往右依次散開的趨勢，這與月手機支付花費phonecost依次增加的趨勢是一致的；且1和4的等級的樣本點較為分散2和3的月手機支付花費則相對集中在一起。

步驟四：對測試集待判別變量取值進行預測。

運用之前得到的判別規則fit_lda1對測試集data_test中的待判別變量phonecost的類別進行預測，并得出其后驗概率posterior（每一樣本屬于各類別的后驗概率最高者為該樣本被判定的類別）。

4.2 小結

在111個測試樣本中，實際屬于第2類的有50個，而由判定結果，50個樣本中，僅有11個判定正確，有15個分別被錯判為第一類和第三類，且該矩陣的非對角線的元素之和為69，也就是說有69個樣本判錯了，錯誤率則通過計算得到為62.1%。由于錯誤率很高，我們查資料并咨詢專家，得知是樣本量少的原因，但這套判別規則行之有效，也就是說當樣本量繼續增大時，其判錯率會逐漸降低，并且利用判錯率較低的判別規則可以將新的樣本歸類。

5 結語

依據多元有序logit模型，我們可以得出月手機支付消費cost會隨著生活費的增加而增加，會因周邊商家中接受手機支付的程度business增加而增加，同時會因接受手機支付的商家的優惠活動程度的增加而增加；相反，會因為對手機安全意識的增加而減弱。其中月生活費對月手機支付的花費影響最大，之后按照學生月手機支付的花費的四個分類區間，建立費希爾判別，得出判別規律并驗證，雖然目前的判別錯誤率較高，但我們通過咨詢專家，容錯率會隨著數據量的增加而較少，這樣可以將任何一個新的學生歸類，對于平臺型手機支付商家可以利用其判別規律推薦產品。

參考文獻

［1］ 鄭繼剛.數據挖掘研究的現狀與發展趨勢［J］.紅河學院學報，2010（02）.

［2］ 袁劍秋.基于關聯規則算法在數據挖掘中的研究與應用［D］.成都理工大學，2009.

中圖分類號：F724.6

文獻標識碼：A

文章編號：2096-0298（2016）05（b）-095-02

基金項目：①本文受江蘇省大學生創新訓練計劃項目資助（SZDG2 015037）。指導老師：黃寶鳳