基于特征價格模型的平臺交易模式對商品價格影響的實證研究*

錢 炳， 周 勤

(1. 東南大學 經濟管理學院， 江蘇 南京 210096； 2. 常州工學院 經濟與管理學院， 江蘇 常州 213022)

一、 引言

在現(xiàn)實生活中我們經常發(fā)現(xiàn)， 在一個市場中， 一個或多個平臺會吸引用戶加入平臺完成交易。平臺作為一個交易場所， 使依附于它的買賣雙方直接交易。我們把通過平臺企業(yè)完成交易的模式稱作平臺交易模式。平臺交易模式簡化了市場交易的過程， 允許買賣雙方直接接觸， 大幅度地降低了交易雙方之間的信息不對稱程度。[1]這不僅極大地提高了買賣雙方的匹配效率， 而且大大降低了交易成本。平臺企業(yè)擁有的這些特征為個人、 企業(yè)及潛在消費者提供了大量的商業(yè)機會。近年來興起的網(wǎng)絡購物就是一種典型的平臺交易模式。根據(jù)中國互聯(lián)網(wǎng)信息中心的研究報告： 我國的網(wǎng)民數(shù)量從2004年的1.11億增加到2010年的4.2億， 互聯(lián)網(wǎng)商務化程度迅速提高， 全國網(wǎng)絡購物用戶達到1.4億， 網(wǎng)上支付、 網(wǎng)絡購物和網(wǎng)上銀行半年用戶增長率均在30%左右， 遠遠超過其他類網(wǎng)絡應用。

平臺交易模式對商品的交易價格有怎樣的影響， 影響的方式又如何？本文以淘寶網(wǎng)上交易的筆記本電腦為例， 搜集了5種品牌的筆記本電腦1680個樣本， 運用特征價格模型， 以淘寶網(wǎng)公布的筆記本電腦價格作為被解釋變量， 選取了筆記本電腦6個特征以及和平臺交易有關的6個特征作為解釋變量， 計量結果顯示： 在選取的12個特征中， 商品自身特征(除上市時間外)對電腦價格產生了正向的影響， 平臺交易模式對商品價格產生了負向的顯著影響； 在商品特征價格的總構成中， 商品特征占了近70%， 平臺特征貢獻了30%。

二、 文獻回顧

特征價格(hedonic price)是用來估計不同商品特征給消費者帶來效用和愉悅價值的模型。有學者將其稱為享樂模型或享樂價格， 國內學者大都譯作特征價格， 因此， 本文也采用特征價格的說法。該理論認為， 商品可以被看做是若干基本特征的組合， 因此， 特征假說就是異質商品特征的集合， 而且隱含的邊際價格可以根據(jù)特征模型計算得出。[2]Lancaster[3]132-156從商品的異質性出發(fā)， 提出對商品的需求并不是基于商品本身， 而是基于商品所內含的特征， 商品擁有一系列的特征， 這些特征結合在一起， 形成影響效用的特征包， 商品作為內在特征的集合來出售， 商品特征對應各自的隱含價格。Rosen[4]34-55提出了商品特征市場的供需均衡模型， 將商品特征的隱含價格分離出來， 分析商品的特征需求， 建立了異質商品市場的短期和長期均衡。

特征價格方法的應用起源于農業(yè)經濟學。Waugh[5]185-196對1927年5月至7月間波士頓地區(qū)蘆筍的價格和質量進行了回歸， 對質量因素影響蔬菜價格進行了研究并發(fā)表了開創(chuàng)性的論文。特征價格分析方法已經運用到多個行業(yè)的研究， Chow 進行了信息技術的特征價格研究， 他測算了計算機主機的年度質量調整價格從1960年到1965年下降了21%；[6]1117-1130Berndt和Griliches[7]估計了1982年到1988年計算機經質量調整后的價格變化， 他們發(fā)現(xiàn)每年的實際價格平均下降28%。Hyung Seok Lee等估計了因特網(wǎng)的信息價值， 并且測算了消費者對信息服務的邊際支付意愿。[8]73-80

平臺企業(yè)理論是目前產業(yè)組織研究的熱點， 但目前對于平臺企業(yè)的研究多集中在理論層面， 鮮有實證分析， 本文運用特征價格模型來估計平臺交易提供的各項特征的隱含價格， 研究了平臺交易模式對商品價格的影響程度及方式。

三、 變量確認和計量模型構建

(一)特征變量的選擇

通過平臺完成交易的商品不僅具有商品自身的特征， 而且平臺交易會賦予商品一些新的特征。因此我們將筆記本電腦交易的特征分為筆記本電腦自身的特征和平臺交易特征兩大類共12個特征。其中和筆記本電腦有關的特征有品牌、 內存大小、 硬盤容量、 顯卡類型、 CPU頻率、 上市時間6個； 平臺交易提供了一種全新的治理模式， 賣家的信息在網(wǎng)絡上公開透明， 賣家的信用水平、 歷史銷量、 其它買家對他的評價等信息都能及時得到， 這也是有別于傳統(tǒng)交易模式的特征。因此， 我們選取了售后服務、 消費者保護服務、 賣家信譽、 買家對賣家服務的評價、 賣家歷史銷量、 賣家所在城市6個特征變量。對于電腦品牌， 我們根據(jù)全球筆記本品牌價值排行榜， 選取了華碩、 聯(lián)想、 戴爾、 惠普、 THINKPAD五個品牌， 并依據(jù)品牌價值由低到高分別賦值1-5； 內存、 硬盤容量、 CPU分別依據(jù)性能運算速度由低到高賦值； 顯卡選取了虛擬變量， 集成顯卡賦值0， 獨立顯卡賦值1； 電腦的上市時間選取了2007年、 2008年、 2009年三個年份， 并從低到高賦值。對于平臺交易的特征， 首先是售后服務， 淘寶上賣家的售后服務分為其他、 店鋪三包和全國聯(lián)保三類， 分別賦值1、 2、 3； 其次是消費者保護服務， 消費者保護服務一共有4項內容， 分別是正品保障、 7天退換、 30天維修、 如實描述， 我們根據(jù)賣家擁有消保服務的數(shù)量予以賦值， 比如賣家沒有任何消保服務， 我們賦值1， 有其中一項賦值2， 擁有3項4項分別賦值3和4； 第三是買方對賣方的評價， 參考淘寶的評價標準， 從非常不滿到非常滿意分為5級， 并從低到高賦值1-5； 第四是賣家信譽， 根據(jù)賣家信用等級的高低賦值， 賣家的信譽等級是心賦值1， 鉆石是2， 藍皇冠是3， 金皇冠是4； 對于賣家近30天銷售量， 我們采用實際銷量數(shù)據(jù)進入回歸模型； 最后是賣家所在城市， 我們根據(jù)特大城市分類標準賦值， 直轄市為4， 省會城市(除直轄市)是3， 特大城市(除直轄市、 省會)為2， 其余為3； 我們以江蘇南京為買家所在地， 記錄了從賣家所在地到南京的物流費用， 并將其加總到最后的成交價格中。具體量化標準見表1。

表1 筆記本電腦特征的量化

(二)研究假設

對于特征變量的符號變化， 依據(jù)常識， 筆記本電腦的價格會和它自身的特征正相關， 即筆記本電腦的品牌越好、 性能越高則價格也越高； 因為電子商品的貶值速度很快， 因此， 上市時間越近， 商品價格會降低。我們主要關注平臺特征對價格的影響。平臺交易模式實際上是提供了一種信息中介， 解決了買賣雙方因時空分離和身份匿名產生的信息不對稱問題， 建立了交易雙方的信任。聲譽機制作為一種非正式合約發(fā)揮作用。我們預計， 賣家的售后服務越好、 消保服務越完備、 賣家信譽和買家評價越高， 累積的聲譽會帶來更大的銷量， 而成交量越大， 價格會有下降的趨勢； 至于賣家所在的城市， 一般而言， 人們總是對大城市擁有特殊的信任， 城市中基礎設施越完善， 物流費用就越低， 信息傳遞更快速。因此， 賣家所在的大城市有降低交易價格的傾向?；谏鲜龇治?， 我們建立如下假設：

H1： 賣家的售后服務與商品價格負相關；

H2： 賣家的提供的消保服務與商品價格負相關；

H3： 賣家的信譽與商品價格負相關；

H4： 買家的評價與商品價格負相關；

H5： 賣家所在的城市與商品價格負相關；

H6： 賣家的歷史銷量與商品價格負相關。

(三)計量模型構建

依據(jù)特征價格理論， 我們建立如下回歸模型：

PRI=f(BRA, RAM, HD, VCA, CPU, TIM, AE, CPR, REP, EVA, SVO, CIT)

其中， PRI代表筆記本價格； BRA代表品牌； RAM代表內存； HD代表硬盤容量； VCA代表顯卡類型； CPU代表CPU頻率； TIM表示商品上市時間； ASE表示售后服務； CPR表示消費者保護的數(shù)量； REP表示聲譽； EVA表示買家評價； SVO表示歷史銷量； CIT表示賣家所在城市。模型的估計方法采用普通最小二乘法。

四、 實證分析

(一)數(shù)據(jù)來源

我們監(jiān)測了從2010年5月1日到5月31日31天內淘寶網(wǎng)上筆記本電腦的公布價格， 搜集了5種品牌的筆記本電腦1680個價格樣本， 經過數(shù)據(jù)分析， 選取有效樣本1670個。運用特征價格模型， 以網(wǎng)上公布的筆記本電腦價格加上物流費用作為被解釋變量， 如果賣家采取區(qū)間報價， 則取平均值。選取的12個特征作為解釋變量進入模型回歸。

(二)描述性統(tǒng)計

表2是對樣本數(shù)據(jù)的描述性統(tǒng)計。從表中我們可以看出， 網(wǎng)上交易的筆記本電腦價格最低是880元， 最高是32580元， 均值為4934元， 這從另一個側面說明目前網(wǎng)絡交易主要還是以低價值商品為主； 電腦品牌以戴爾居多， 這可能與戴爾電腦的網(wǎng)絡銷售策略有關； 目前電腦的硬盤配置在160G以上； 超過60%的消費者選擇的是獨立顯卡， 而對CPU頻率沒有更多的偏好， 成交的電腦絕大多數(shù)是09年上市的。

表2 變量的描述性統(tǒng)計

在售后服務方面， 商品具有店鋪三包或全國聯(lián)保是一般要求； 買家要求賣家至少要具備一項消費者保護條款； 大多數(shù)賣家處于鉆石和藍皇冠之間； 買家對賣家的評價集中在滿意層面； 從歷史銷量來看， 最少的沒有銷售記錄， 最多的一個月賣了876臺， 平均7臺的銷量說明也許網(wǎng)絡還不是電腦銷售的主要渠道； 就賣家所在城市而言， 買家更偏好直轄市和省會這樣一些大城市。

(三)相關系數(shù)檢驗

為了驗證提出的6個假設， 我們利用SPSS16.0軟件， 對變量進行線性回歸分析。從表3顯示的變量之間的相關系數(shù)， 我們發(fā)現(xiàn)內存和硬盤、 顯卡和CPU之間、 消費者保護和聲譽之間存在著較高的相關性， 為了降低回歸中的多重共線性， 我們將變量分別代入模型進行回歸， 然后根據(jù)回歸結果是否理想對變量進行組合， 從而得到更有意義的結果。

表3 變量之間的相關系數(shù)

(四)回歸分析

從表4中可以看出， 模型1到模型4經調整的判定系數(shù)R2在0.372到0.394之間變動， 表明筆記本電腦價格變化的近40%可由解釋變量來解釋， 模型具有一定的解釋能力。D-W值為1.732到1.78之間， 接近2， 可以判斷模型不存在異方差的問題。所有變量的方差膨脹因子(VIF)遠小于10， 從而可以拒絕自變量之間共線性的原假設， 自變量之間的共線性不嚴重?；貧w方程方差分析的檢驗值顯著小于0.001， 說明方程是高度顯著的， 拒絕全部系數(shù)為零的原假設， 表明進入方程的特征變量與成交價格間的線性關系能夠成立。

表4 特征價格的影響因素分析

注： 括號內的數(shù)值為t值， ***、 **、 *分別表示在1%、 5%、 10%的水平上顯著。

(五)模型結果和討論

1. 筆記本電腦特征價格的符號分析

(1)與筆記本電腦自身特征相關的價格符號分析

在模型1中， 品牌和顯卡兩個變量沒有進入方程回歸， 內存、 硬盤兩個變量在1%的顯著性水平、 CPU頻率在5%的顯著性水平上與價格顯著正相關。上市時間在10%的水平上與價格負相關。模型2到4顯示， 在和商品自身的特征中， 除了顯卡這一變量， 其余變量的系數(shù)都顯著。結果顯示， 電腦的品牌價值、 硬盤容量、 CPU頻率和內存這些變量， 和電腦的價格的變動正相關； 另一方面， 電腦上市時間和價格負相關， 這說明電子商品的價格貶值速度很快。這與我們事先預計的符號變化是相符的。

(2)與平臺特征相關的價格符號分析

在模型1中， 品牌、 顯卡、 消費者保護和歷史銷量4個變量沒有進入方程回歸， 結果顯示， 賣家所在城市、 聲譽和買家評價三個變量在1%的顯著性水平上和價格負相關， 售后服務雖然也和價格負相關， 但沒有通過顯著性檢驗。假設H3、 H4、 H5通過驗證； 假設H1、 H2、 H6沒有通過驗證。

在模型2中， 顯卡、 聲譽和以往銷量3個變量沒有進入方程回歸， 結果顯示， 消費者保護在5%的顯著性水平上和價格負相關； 買家評價、 賣家所在城市在1%的顯著性水平上和價格負相關； 售后服務和價格負相關但系數(shù)不顯著， 因此假設H2、 H4、 H5通過驗證， H1、 H3、 H6未通過驗證。

在模型3中， 顯卡和聲譽2個變量沒有進入方程回歸， 結果顯示， 消費者保護在1%的顯著性水平上和價格負相關； 歷史銷量在5%的顯著性水平上和價格負相關； 賣家所在城市、 買家評價在1%的顯著性水平上和價格變化負相關； 售后服務和價格變化正相關， 但系數(shù)不顯著。因此， 假設H2、 H4、 H5、 H6通過驗證， H1、 H3沒有通過驗證。

模型4中， 所有變量進入方程回歸， 結果顯示， 與平臺有關的6個特征和價格變化負相關， 其中， 聲譽、 買家評價、 賣家所在城市都在1%的水平上顯著； 但是售后服務、 消費者保護和歷史銷量的系數(shù)沒有通過顯著性檢驗。因此假設H3、 H4、 H5通過驗證， H1、 H2、 H6沒有通過驗證。

一般認為， 更好的售后服務與更完備的消費者保護措施會導致賣家收取更高的費用， 但隨著賣家銷量的增加， 賣家可以采取薄利多銷的策略， 因此價格會下降。同樣的道理， 買家的評價是形成賣家信譽的基礎和根本， 而賣家良好的信譽給他帶來更大的銷售量， 銷量的增加將會使單位固定成本大幅降低， 降低的幅度達到一定程度會產生規(guī)模效應， 從而使價格下降。這和日常生活的經驗是一致的。對于賣家所在的城市， 學者研究了一個地區(qū)的交通設施對信任度有顯著影響， 特別是在人口密度大的地區(qū)和城市。[9]59-70

2. 筆記本電腦特征價格的影響構成分析

在模型1中， 在其他因素不變的情況下， 內存大小、 硬盤容量、 CPU頻率每提高一個等級， 在價格上的平均差異分別是910.016元、 241.293元、 588.964元； 上市時間每晚一年， 價格上的平均差異是-258.964元； 城市規(guī)模、 售后服務、 聲譽、 買家評價每增加一個等級， 給價格上帶來 的的平均差異分別是-156.283元、 -94.873元、 -308.398元和-209.787元。

在模型2中， 在其他因素不變的情況下， 品牌、 內存大小、 硬盤容量、 CPU頻率每提高一個等級， 在價格上的平均差異分別是291.54元、 875.376元、 317.187元、 449.709元； 上市時間每晚一年， 價格上的平均差異是-263.518元； 城市規(guī)模、 買家評價、 消費者保護每增加一個等級， 給價格上帶來的的平均差異分別是-133.292元、 -432.985元、 -90.229元。

模型3中， 在其他因素不變的情況下， 品牌、 內存大小、 硬盤容量、 CPU頻率每提高一個等級， 在價格上的平均差異分別是296.061元、 881.337元、 311.726元、 445.119元； 上市時間每晚一年， 價格上的平均差異是-255.812元； 城市規(guī)模、 買家評價、 消費者保護每增加一個等級， 給價格上帶來的的平均差異分別是-132.264元、 -433.371元、 -83.699元； 以往銷售量每增加一臺， 價格平均下降-3.295元。

在模型4中， 在其他因素不變的情況下， 品牌、 內存大小、 硬盤容量、 CPU頻率每提高一個等級， 在價格上的平均差異分別是285.116元、 874.908元、 315.349元、 447.980元； 上市時間每晚一年， 價格上的平均差異是-271.863元； 城市規(guī)模、 買家評價、 賣家聲譽每增加一個等級， 給價格上帶來的的平均差異分別是-127.112元、 -398.126元、 -260.408元。

以模型4的數(shù)據(jù)為例可以把筆記本電腦不同特征對總價格的貢獻分離了出來， 具體做法是算出各個特征的平均值， 將相應的特征價格取絕對值后和特征的平均值相乘， 得到特征總價， 將每個特征總價除以特征總價之和， 就得到每個特征對總價格的貢獻。對筆記本電腦價格影響最大的是內存， 此后依次是買家評價、 CPU頻率、 硬盤容量、 品牌價值、 上市時間、 買家信譽、 賣家所在城市、 歷史銷量、 顯卡類型、 售后服務和消保服務。根據(jù)模型的測算， 與電腦有關的特征占總價格的70%左右， 由平臺交易模式帶來的特征占總價格的30%左右。

五、 結論和政策建議

表5 筆記本電腦特征價格影響構成

本文運用特征價格模型， 對影響筆記本電腦價格的特征進行了研究。研究發(fā)現(xiàn)： 和平臺交易模式的相關特征都對價格產生了負向的影響。在選取的6個與商品相關的特征變量中， 除了顯卡類型這一變量以外， 其他5個特征變量都對筆記本價格產生了顯著的影響， 其中， 內存對價格的影響最大， 然后依次是CPU頻率、 硬盤容量、 品牌價值、 上市時間。在平臺交易的特征中， 買家評價對特征價格的影響最大， 此后依次是賣家信譽、 賣家所在城市、 歷史銷量、 售后服務和消保服務。在總價格的構成中， 筆記本電腦自身的特征貢獻了近70%， 平臺特征貢獻了30%， 與商品自身特征相比， 平臺交易模式已經對價格產生了顯著的影響。

第一， 平臺企業(yè)作為交易中介， 極大地降低了交易成本。首先， 平臺企業(yè)為交易雙方提供了及時透明的信息， 降低了搜尋成本； 其次， 它提供的標準化合同降低了交易雙方的談判成本； 此外， 第三方信用評價系統(tǒng)和高效的信息傳播機制以及抵押制度(如支付寶)又大大地降低了事后的監(jiān)督成本。相對于傳統(tǒng)的交易模式來講， 交易成本的大幅下降使得平臺對商品的價格產生了負向的影響。

第二， 在平臺模式的特征中， 買家的評價和賣家信譽對價格的影響顯著。買家的評價機制是形成聲譽的主要方式。盡管這種影響是負向的， 但是獲得高評價和高信譽的賣家會得到買家重復購買的激勵。因此做一個有信用的賣家是有回報的。

第三， 對于買家而言， 通過平臺交易時選擇高信用等級和好評的賣家將會獲得更大的價格優(yōu)惠而不必為此額外付費。整個社會的福利水平將會提高?；谏鲜鼋Y論， 我們可以預測平臺交易模式未來的重要性將日益突出， 平臺的價值也會更大。

本文首次從實證的角度分析了平臺交易模式對商品交易價格產生的影響， 并分析了影響的方式和程度。本研究也存在一些缺陷， 比如： 在研究對象的選擇上， 因為筆記本電腦有其特殊性， 可能并不能完全代表在平臺上交易的商品， 今后應在更廣的范圍進行研究； 在與平臺有關的特征選擇上， 也可能會遺漏其它的特征， 因而對模型結果產生影響； 在函數(shù)形式的選擇上， 特征價格除了線性模型， 還有半對數(shù)、 全對數(shù)形式， 對于模型的形式和量化方法進行改進， 會使結論更具說服力。

參考文獻：

[1] 劉培剛、 鄭亞琴. 網(wǎng)絡經濟學 [M]. 上海： 華東理工大學出版社， 2007.

[2] Berndt E R. The Practice of Econometrics，Classic and Contemporary [M]. Reading， MA: Addison-Wesley， 1991.

[3] Lancaster，Kelvin J. A New Approach to Consumer Theory [J]. Political Economy, 1966(4)： 132-156.

[4] Rosen S. Hedonic prices and implicit markets： product differentiation in perfect competition [J]. Political Econ， 1974(01)： 34-55.

[5] Waugh F V. Quality factors influencing vegetables prices [J]. Farm Economy， 1928(10)： 185-196.

[6] Chow G C. Technological change and the demand for computers [J]. American Economy Review， 1967(7)： 1117-1130.

[7] Berndt E R，Griliches Z. Price indexes for microcomputers： an exploratory study on Research in Income and Wealth Workshop on Price Measurements and Their Uses [C]. Washington，DC， 1990.

[8] Hyung Seok Lee，Kwangtee Park ， Sang Yong Kim. Estimation of information value on the Internet： application of hedonic price model [J]. Electronic Commerce Research and Applications， 2003(2)： 73-80.

[9] 張維迎， 柯榮住. 信任及其解釋： 來自中國的跨省調查分析 [J]. 經濟研究， 2002(10)： 59-70.