网络消费行为对大学生生活方式影响研究.docVIP

　　网络消费行为对大学生生活方式影响研究 网络消费行为对大学生生活方式影响研究 引言 　　根据2009年1月中国互联.L.网信息中心发布的中国互联网络发展报告。中国的网民已经达到2.98亿人。一个庞大的网络消费市场已经形成。从网民的构成情况看,约有83.2%的网上个人用户的年龄在35岁以下,而大学生更是其中网络消费行为的典型代表。大学生是具有高等教育文化的特殊群体,他们对于新事物、新技术、新思想的有较强的接受和领悟能力,他们是网络普及的直接对象。本文对湖南某高校的大一至大四的涵盖人文、经济管理、医学、理学及工学的学生进行了调查分析。 　　1网络消费行为对生活方式影响的研究模型 　　本文参考郭良,卜卫(2001)互联网使用影响研究框架,提出了网络消费行为对生活方式的影响模型。关于生活方式变量,本研究采用AIO量表,参照龚俊霖(2001)科技生活型态量表,从活动、兴趣及观念三个方面编制网络生活方式量表。参照郭良,卜卫(2001)的理论模型,本文将人口统计变量中的年龄变量作为分类标准,主要目的为通过对比分析,研究当代大学生网络消费行为特征及生活方式的影响情况。 　　2数据处理与分析 　　在本文中使用SPSS17.0统计软件包归回收的数据进行统计分析处理。 　　2.1 KMO检验网络消费行为类型量表的KMO值为0.824(衡量数据是否适合做因子分析,通常采用如下标准:KMO在0.5以下,不适合;0.5-0.6,很勉强;0.6-0.7,不太适合;0.7-0.8,适合;0.80.9,很适合;0.9以上,非常适合),巴特利球体检验的扩统计值的显著性为0.000,小于0.001,说明该组数据具有很高的相关性,是很适合做因子分析的。网络动机量表KMO值为0.672,巴特利球体检验的才统计值的显著性为0.000,小于0.001,说明该组数据具有较高的相关性,是适合做因子分析的。 　　2.2 信度分析信度分析用于考察问卷测量的可靠性。在对所有问卷的数据进行统计分析前,必须考察其信度,以确保测量的质量。本研究采用内部一致性系数(系数)来分析信度。系数适合于同质性检验,检验每个因素中的项目是否测量了相同或相似的特性。 　　在网络消费行为类型量表和网络消费动机量表中,通过计算系数进行分析,信息获取行为因子、网络休闲行为因子、网络交易行为因子及网络沟通行为因子的内部一致性系数值分别为0.797、0.689、0.848和0.878;娱乐动机、工具动机、情感动机的内部一致性系数值分别为0.841、0.867和0.834,说明相关量表项目具有很高的一致性程度且内部结构良好,是适合进行统计分析的。说明相关量表项目具有较高的一致性程度且内部结构良好,是适合进行统计分析的。 　　2.3 回归分析回归分析则可进一步指出关系的方向,并能说明因素之间是否存在因果关系。因此,本研究将直接采用多元线性回归分析方法,对概念模型中的网络消费行为与生活方式各因子(工作/学习方式、休闲娱乐方式、人际交往方式、信息搜寻方式、购物偏好)之间的因果关系进行验证。 　　2.3.1 网络消费行为对工作学习方式的回归分方程从判定系数扩可知回归方程解释了总变异的66.5%;模型F统计值的显著性概率小于0.01,说明模型的总体回归效果是显著的。 　　工作学习方式=0.168*工具动机+0.159*信息获取行为-0.2*情感动机 　　2.3.2 网络消费行为对休闲娱乐方式的回归方程从判定系数扩可知回归方程解释了总变异的56.2%;模型F统计值的显著性概率小于0.01,说明模型的总体回归效果是显著的。 　　休闲娱乐方式=0.707*休闲行为+0.295*娱乐动机-0.875 　　2.3.3 网络消费行为对人际交往方式的回归方程从判定系数扩可知回归方程解释了总变异的45.1%;模型F统计值的显著性概率小于0.01,说明模型的总体回归效果是显著的。 　　人际交往方式=0.27l*情感动机+0.402*人际互动 　　2.3.4 网络消费行为对信息搜寻方式的回归方程从判定系数扩可知回归方程解释了总变异的44.5%;模型F统计值的显著性概率小于0.01,说明模型的总体回归效果是显著的。 　　信息搜寻方式=0.346*信息获取行为-0.114*情感动机+2.150 　　2.3.5 网络消费行为对购物偏好的回归方程从判定系数扩可知回归方程解释了总变异的30.4%;模型F统计值的显著性概率小于0.01,说明模型的总体回归效果是显著的。 　　购物偏好=0.197*交易行为+0.239*上网资历 　　3网络消费行为与生活方式关系的研究 　　本文从工作/学习方式、休闲娱乐方式、人际交往方式、信息搜寻方式与购物偏好五个维度,描述网络消费影响下大学生生活方式的变化。 　　3.1 网络消费