互联网个人征信对用户消费行为的影响研究
网络口碑对消费者在线行为的影响
网络口碑对消费者在线行为的影响I. 内容概括随着互联网的普及和发展，网络口碑已经成为消费者在线行为的重要影响因素。
网络口碑是指消费者在互联网上对产品、服务或企业的看法和评价，这些信息可以通过社交媒体、论坛、评论区等渠道传播。
本文将探讨网络口碑对消费者在线行为的影响，以期为企业和个人提供有关如何利用网络口碑进行品牌建设和市场推广的建议。
首先我们将分析网络口碑的形成机制，包括消费者的信息获取、评价形成和传播过程。
然后我们将研究网络口碑对消费者在线行为的直接和间接影响，如购买决策、品牌忠诚度和口碑传播等方面。
此外我们还将关注网络口碑中的负面效应，如虚假信息、恶意攻击和舆论操控等问题，以及企业和个人如何应对这些问题，以维护自身形象和利益。
A. 背景介绍：网络口碑的定义和重要性对于企业来说，网络口碑的重要性不言而喻。
一方面良好的网络口碑可以提高企业的知名度和美誉度，吸引更多的潜在消费者关注和购买；另一方面，负面的网络口碑可能会导致企业的声誉受损，甚至影响到企业的生存和发展。
因此企业需要重视网络口碑的管理，通过有效的营销策略和优质的产品和服务来提升品牌形象，塑造良好的网络口碑。
同时企业还需要关注网络口碑的变化趋势，及时调整自身的市场策略，以应对不断变化的市场环境。
B. 研究目的：探究网络口碑对消费者在线行为的影响随着互联网的普及和发展，网络口碑已经成为影响消费者购买决策的重要因素。
网络口碑是指消费者在社交媒体、论坛、评论等平台上分享的关于产品或服务的信息和评价。
这些信息和评价不仅会影响其他消费者的购买意愿，还会对消费者自身的在线行为产生影响。
因此本研究旨在深入探讨网络口碑对消费者在线行为的影响机制，以期为企业提供有针对性的营销策略和优化建议。
首先本研究将通过对网络口碑的收集和分析，揭示网络口碑对消费者在线行为的影响路径。
这包括消费者如何获取口碑信息、如何评估口碑信息的真实性和可靠性、以及如何根据口碑信息做出购买决策等方面。
《2024年基于用户互联网行为数据的个人征信评估体系建设分析——以芝麻信用为例》范文
《基于用户互联网行为数据的个人征信评估体系建设分析——以芝麻信用为例》篇一一、引言随着互联网的飞速发展，大数据技术被广泛应用于各个领域。
其中，个人征信评估体系的建设显得尤为重要。
它不仅关乎金融风险控制，也深刻影响着社会信用体系的构建。
芝麻信用作为国内领先的征信评估机构，其基于用户互联网行为数据的评估模型备受关注。
本文旨在分析基于用户互联网行为数据的个人征信评估体系建设，以芝麻信用为例，探讨其建设过程、评估方法及未来发展趋势。
二、用户互联网行为数据在个人征信评估中的重要性在数字化时代，用户互联网行为数据已成为个人征信评估的重要依据。
这些数据包括但不限于网络购物、社交网络、网络服务使用等行为所产生的大量信息。
这些数据能够全面反映一个人的信用状况、消费习惯、社交关系等多方面信息，为个人征信评估提供了丰富的数据支持。
三、芝麻信用征信评估体系建设芝麻信用作为国内领先的征信评估机构，其基于用户互联网行为数据的评估模型具有很高的参考价值。
芝麻信用通过收集用户在阿里巴巴集团旗下各平台的行为数据，包括购物、支付、社交、出行等多个方面，构建了一个全面的信用评估体系。
在这个体系中，用户的每一次行为都会被记录并转化为信用分数，从而形成一个动态、实时的信用评估结果。
四、评估方法与模型芝麻信用的评估方法主要包括数据分析、机器学习、人工智能等技术手段。
通过对用户行为数据进行深度挖掘和分析，构建出多个评估模型。
这些模型能够全面反映用户的信用状况，包括但不限于消费能力、还款能力、社交关系等方面。
同时，芝麻信用还采用了实时更新的方式，确保评估结果的准确性和实时性。
五、应用场景与影响芝麻信用的征信评估体系已广泛应用于金融、电商、社交等多个领域。
在金融领域，银行、保险公司等机构纷纷采用芝麻信用评分作为贷款、保险等业务的审批依据。
在电商领域，芝麻信用评分也成为了商家评价用户信用的重要手段。
此外，芝麻信用还为政府、企业等提供了数据支持和服务，推动了社会信用体系的构建。
我国互联网个人征信体系的建设研究以芝麻信用为例
4、加强风险管理能力建设。芝麻信用征信通过建立完善的风险管理机制和 数据分析模型，有效地控制了风险的发生。互联网金融企业也应该加强风险管理 能力建设，通过技术手段和数据分析等方式来识别、评估和管理风险。同时，还 可以引入专业的风险管理人员和机构，提高行业的风险管理水平。
四、结论
互联网金融个人征信体系建设是互联网金融健康发展的重要保障之一。通过 以芝麻信用征信为例，我们可以发现拓展数据来源、加强信息披露和信息共享、 制定统一的征信标准和技术规范以及加强风险管理能力建设等措施是建设完善的 个人征信体系的关键。希望本次演示的研究能够为互联网金融个人征信体系建设 提供一定的参考和借鉴价值。
2、提高数据质量。市场化征信机构应该加强数据采集的规范性和准确性， 同时采用先进的数据处理和分析技术，提高数据质量。此外，政府也应该加强对 市场化征信机构的监管，确保其合规运营。
3、推动产品创新。互联网金融个人征信机构应该以满足用户需求为导向， 不断创新产品和服务。例如，可以开发针对不同群体的信用评估模型，提供更加 精准的信用评估服务。
一、芝麻信用征信概述
芝麻信用是阿里巴巴集团蚂蚁金服旗下的一款个人信用评估产品，通过对用 户在互联网上的行为数据进行分析，为个人用户提供信用评估、信用管理等服务。 芝麻信用征信作为国内领先的互联网征信机构之一，其特点如下：
1、数据来源广泛。芝麻信用征信的数据来源非常广泛，包括了用户在淘宝、 支付宝等阿里巴巴集团旗下的互联网平台的消费行为、支付行为、信用记录等数 据，同时也包括了用户在社交媒体、教育、医疗等多个领域的数据。
一、我国互联网个人征信体系建 设背景
在传统征信模式下，个人征信数据主要来源于银行等金融机构。然而，随着 互联网的普及和金融科技的崛起，大量非传统金融机构开始涉足个人金融服务， 传统征信模式已无法满足市场需求。在此背景下，我国互联网个人征信体系应运 而生。
互联网征信的发展现状与风险分析
互联网征信的发展现状与风险分析【摘要】互联网征信是日益受到关注的话题，本文将对其发展现状与风险进行分析。
在背景与定义部分，将介绍互联网征信的概念及其重要性；发展历程将回顾其起源和演变过程；数据来源与应用领域将探讨互联网征信所涉及的信息来源和应用范围；存在的风险与挑战一节将讨论隐私泄露、数据安全等问题；监管与风控措施将探究相关的监管政策和应对方法。
结论部分将展望互联网征信的未来发展趋势，权衡其利弊对社会影响进行评估。
通过本文的分析，可以更全面地了解互联网征信的现状及其对社会的影响，为相关学术研究和实践应用提供参考。
【关键词】互联网征信、发展现状、风险分析、背景、定义、历程、数据来源、应用领域、风险挑战、监管、风控措施、未来趋势、利弊权衡、社会影响1. 引言1.1 互联网征信的发展现状与风险分析互联网征信是指利用互联网技术和大数据分析方法对个人或机构的信用情况进行评估和分析的过程。
随着互联网的普及和发展，互联网征信在金融、电商、社交等领域得到了广泛应用，成为了重要的信用管理工具。
在互联网征信的发展历程中，人们逐渐意识到传统信用评估方法的局限性，如缺乏数据来源、信息测度不全等问题。
而互联网征信借助互联网大数据和人工智能技术，能够更全面、准确地分析个人或机构的信用情况，为金融机构和企业提供更精准的信用评估服务。
互联网征信也面临着一些风险和挑战。
数据安全和隐私保护是互联网征信面临的主要问题，一旦个人信息泄露，将会对个人造成严重的损失。
数据来源的真实性和准确性也是互联网征信面临的挑战，如何确保数据的真实性和可靠性是互联网征信发展的关键。
为了解决这些问题，监管部门和企业应加强互联网征信的监管和风控措施，建立健全的数据安全体系和信用评估机制，以确保互联网征信的健康发展。
只有这样，互联网征信才能更好地为社会和经济发展提供支持和保障。
2. 正文2.1 互联网征信的背景与定义互联网征信的背景可以追溯到网络借贷、P2P理财等新兴金融业态的兴起。
《2024年基于用户互联网行为数据的个人征信评估体系建设分析——以芝麻信用为例》范文
《基于用户互联网行为数据的个人征信评估体系建设分析——以芝麻信用为例》篇一一、引言随着互联网技术的快速发展和大数据时代的到来，个人征信评估逐渐成为现代社会不可或缺的金融服务。
而基于用户互联网行为数据的个人征信评估体系，更是成为了行业发展的新趋势。
本文以芝麻信用为例，对基于用户互联网行为数据的个人征信评估体系建设进行分析。
二、背景介绍芝麻信用是阿里巴巴集团旗下的个人征信机构，依托于阿里巴巴的电商平台及庞大的用户群体，通过收集和分析用户的互联网行为数据，为用户提供个人信用评估服务。
其核心价值在于利用大数据技术，对用户的网络行为进行深度挖掘和分析，从而实现对个人信用的全面、客观、准确的评估。
三、体系构建（一）数据来源芝麻信用的数据来源主要包括用户在网络平台上的行为数据、交易数据、社交数据等。
这些数据涵盖了用户的购物、支付、社交、出行等多个方面，为信用评估提供了丰富的信息基础。
（二）数据处理与分析在收集到用户数据后，芝麻信用通过先进的大数据处理和分析技术，对数据进行清洗、加工、分析和挖掘。
这包括对数据的筛选、去重、格式化等处理，以及利用机器学习、人工智能等技术对数据进行深度分析。
（三）信用评估模型基于处理和分析后的数据，芝麻信用建立了完善的信用评估模型。
该模型综合考虑了用户的消费能力、还款能力、社交关系等多个因素，通过算法对用户的信用进行全面、客观的评估。
（四）信用评分与反馈最后，芝麻信用根据评估结果为用户生成信用评分，并提供信用报告。
同时，芝麻信用还将用户的信用信息反馈给相关机构，为金融机构提供决策支持。
四、体系优势（一）数据丰富性基于互联网行为数据的个人征信评估体系具有数据丰富性的优势。
通过收集用户在多个平台的行为数据，可以更全面地了解用户的消费习惯、还款能力、社交关系等信息，从而提高评估的准确性。
（二）实时性互联网行为数据具有实时性的特点，可以及时反映用户的最新情况。
因此，基于互联网行为数据的个人征信评估体系可以实时更新用户的信用信息，提高评估的时效性。
互联网金融中的个人信用评估方法研究
互联网金融中的个人信用评估方法研究随着互联网金融的快速发展，个人信用评估成为了互联网金融领域的重要课题。
互联网金融借助大数据和人工智能技术，能够更全面、准确地评估个人信用，为金融机构提供参考依据，并降低个人信贷风险。
本文将探讨几种互联网金融中常用的个人信用评估方法。
1. 基于大数据的信用评估方法传统的信用评估方法常常依赖于个人的银行记录、征信报告等，但这些数据往往只能提供有限的信息。
而互联网金融可以收集更多的数据，如个人在社交媒体上的活动、手机定位数据、购物记录等。
通过对这些大数据的分析，可以更全面地了解个人的信用状况。
例如，通过分析个人在社交媒体上的关系网和言论，可以推断其社会声誉和人际关系；通过分析个人的购物记录和消费习惯，可以判断其对借款的还款能力。
基于大数据的信用评估方法，能够更全面、准确地评估个人信用，提高信用评估的精度。
2. 基于人工智能的信用评估方法人工智能在互联网金融的个人信用评估中起到了关键的作用。
通过机器学习和自然语言处理等技术，可以在海量数据中自动挖掘出与个人信用相关的特征。
例如，通过构建信用评分模型，可以根据个人的消费行为、还款记录和其他特征，预测其未来的信用表现。
同时，人工智能还可以弥补传统信用评估方法的局限性，避免主观因素的干扰，提高评估的客观性和准确性。
基于人工智能的信用评估方法，能够通过不断的模型调整和优化，提高个人信用评估的准确度。
3. 基于社交网络的信用评估方法互联网金融可以通过分析个人在社交网络中的活动和关系，推断其信用状况。
社交网络中的互动行为和口碑传播能够反映个人的信用水平和社会声誉。
例如，通过分析个人在社交网络上的好友数量、互动频率和评价情况，可以了解其社交影响力和信用水平。
同时，通过分析个人的社交网络连通性和关系网，可以判断其人际关系的稳定性和可靠性，从而评估个人的还款能力和信用风险。
基于社交网络的信用评估方法，可以充分利用社交网络中的信息，提高个人信用评估的精度。
互联网时代下的消费者行为研究
互联网时代下的消费者行为研究互联网时代的到来，深刻地改变了人们的生活方式和消费习惯。
在消费者的日常生活中，互联网已经成为了一个必不可少的工具。
从正面来说，互联网为消费者提供了许多便利，比如便捷的购物渠道，丰富的商品选择等等。
但同时，互联网也带来了消费者的新问题，比如虚假信息、个人信息泄露等。
因此，研究互联网时代下的消费者行为显得尤为重要。
本文将从互联网时代下的消费者心理、消费行为、个人信息保护等方面进行探讨。
一、互联网时代下的消费者心理在互联网时代，消费者的心理需求与传统时代有所不同。
互联网的信息量大，更新速度快，让人们更容易产生焦虑、决策困难、选择陷阱等消费行为问题。
消费者希望通过网络获得更多的信息，但信息质量参差不齐、虚假信息层出不穷，让消费者在购物过程中缺乏安全感和信任感。
因此，提供真实、可信的商品信息，是互联网销售必须要考虑的因素之一。
同时，互联网用户具有“一脸淡漠”的心理特点，他们在快速浏览中，更可能在短时间内做出购买决策。
二、互联网时代下的消费行为随着互联网技术的不断改善和普及，网络购物已经成为了越来越多消费者的生活方式。
互联网在消费者购物行为中扮演了重要的角色，它让消费者更容易比较不同商品的价格、质量等信息，同时也使得消费者更容易在网络上购买所需的商品或服务。
由于互联网的便利性和普及性，许多人已经形成了“不出门”的消费习惯，这不仅改变了消费者的购物方式，也改变了一些传统店铺的销售方式。
除此之外，互联网时代下，消费者还具有更高的参与意愿和能力，消费者可以随时随地的评论、转发、分享自己的消费体验，这所具有的较高信任度的“口碑”在互联网上的传播，对商家的影响极大。
三、个人信息保护随着互联网的普及和电商的兴起，问题同样也接踵而来，就是大家对于个人信息保护的关注度越来越高。
但互联网时代，个人信息保护成为了亟待解决的问题之一。
因为网络上的信息太容易处理、利用，有些人就会甚至通过盗用、泄漏这些信息来做它利用。
基于互联网金融的个人信用评估研究
基于互联网金融的个人信用评估研究一、概述在互联网金融蓬勃发展的背景下，个人信用评估已成为金融行业中不可或缺的一部分，它综合考量了个人的信用记录、交易习惯、消费能力等方面来综合评定一个人的信用水平。
互联网金融作为当前最为流行的金融服务模式，其也为个人信用评估提供了更为广泛和便捷的数据来源，同时也提高了个人信用评估的精准度和准确度。
本文将就基于互联网金融的个人信用评估进行相关研究，探讨在互联网金融领域中如何更加准确地进行个人信用评估。
二、个人信用评估的意义个人信用评估是金融行业中不可或缺的一部分，它直接影响着金融机构是否愿意为个人提供贷款、授信等金融服务。
通过对个人信用评估的综合评定，金融机构可以更好地进行风险控制，减少贷款违约和信用卡透支等不良行为的发生，同时也能为广大金融消费者提供更为安全、便捷的金融服务。
三、个人信用评估的现状1.传统个人信用评估存在问题传统的个人信用评估主要是通过个人信用记录、工作收入等因素进行评估。
但由于个人信用记录不全面、数据来源有限等原因，传统的个人信用评估存在许多问题，如评估标准不够精准、评估结果不够客观等。
2.互联网金融推动个人信用评估创新互联网金融的兴起，推动了个人信用评估的创新。
互联网金融在提供服务的同时，还会积累大量的交易数据、个人偏好等信息，这些数据为个人信用评估提供了更为广泛、全面的数据来源，从而提升了个人信用评估的准确性和客观性。
四、互联网金融如何应用于个人信用评估1.数据共享互联网金融平台与个人信用评估机构进行数据共享可以提高个人信用评估的准确性。
在数据共享的前提下，互联网金融平台能够为评估机构提供丰富的数据来源，并为其提供更为详细和准确的数据，评估机构也能够为互联网金融平台提供精准的信用评估服务，帮助互联网金融平台更好地进行风险控制。
2.信贷风险预测互联网金融平台可以通过AI技术对用户进行风险预测，从而尽早发现潜在的风险，并采取有效的措施进行控制。
例如，互联网金融平台可以通过用户的交易数据、历史信用记录等信息，进行信贷风险预测，来降低风险并提高客户满意度。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
互联网个人征信对用户消费行为的影响研究作者：曹亚南来源：《环球市场》2018年第02期摘要：本文以民营征信机构一芝麻信用为例，研究了芝麻分认可度对大学生群体网上消费行为的影响，网上消费行为指淘宝和天猫的消费行为。
本文主要采用了文献研究与实证研究的方法，通过文献研究得出本文的研究基础，利用问卷调查得出样本数据，采用SPSS22.0进行统计分析，主要进行了问卷信度与效度分析、相关性分析、回归分析。
通过数据分析证明芝麻分认可度对于大学生群体网购频率、消费金融产品使用情况、分享行为都有正相关影响。
关键词：互联网个人征信；网络消费行为；大学生群体一、文献综述（一）个人征信体系概述个人信用征信是指依法设立的个人信用征信机构对个人信用信息进行采集和加工，并根据用户要求提供个人信用信息查询和评估服务的活动。
白云（2013）以信息经济学的视角从理论研究中得出个人征信体系是为了克服信息不对称带来的“逆向选择”和“道德风险”问题，并从交易费用理论的角度了个人征信体系的建设是很有必要的。
[1]陈实（2012）总结了国外个人征信体系的模式主要有政府主导模式、市场主导模式、行业主导模式三种，并从征信机构设立目的、强制性、信息收集全面性、消费者隐私保护等方面对公共征信机构与私营征信机构进行了比较。
[2]（二）互联网个人征信互联网个人征信是信用评估的一种重要模式，它通过采集个人在互联网交易或使用互联网各类服务中留下的信息数据，并结合线下渠道采集的信息数据，利用大数据、云计算等技术进行信用评估。
唐方方（2015）认为我国目前个人征信平台可分为五类，分别是电商平台、社交平台、金融平台、支付端、公共服务平台，其中芝麻信用是电商平台的代表。
文章从信息来源、类型、处理、输出、商业模式等方面比较了五类征信机构的差异，最后探讨了征信平台间合作模式。
[3]Luo（2012）认为电子商务的发展与征信体系的建设息息相关，电子商务的发展提供的用户交易数据既可以为信用体系的建设提供数据源同时电子商务的健康发展也离不开完善的个人体系的构建。
[4]王冠（2015）通过分析芝麻信用的征信体系是如何建立以及建立过程中存在的问题，进而为我国互联网征信体系的建立提供参考和借鉴。
[5]（三）消费行为消费者行为在广义上是指消费者为索取、使用消费物品所采取的各种行动以及先于且决定这些行动的决策过程，甚至是包括消费收入的取得等一系列复杂的过程。
传统的消费行为模式及营销法则是AIDMA模式（Attention注意，Interest兴趣，Desire欲望，Memory记忆，Action行动），这种方式是单方面的。
电通广告集团公司指出，在网络环境下企业营销方式应该由AIDMA模式向AISAS模式转变，其中AISAS的两个“S”分别是“search”和“share”。
（四）个人征信对消费行为的影响目前国内关于个人征信对消费行为的影响主要体现在传统意义上的征信对于消费者整体消费行为的影响，并未体现网络消费行为的特征且都是定性的研究。
刘东（2007）认为在授信方与借款人重复博弈的过程中，授信方可以根据借款人以往的信用历史判断是否授信给借款方，并得出最终博弈的结果是借款人会约束自己的行为来提高自己在授信方处的信用评分。
[6]二、研究模型与研究设计（一）研究模型本文认为基于用户互联网行为数据的个人征信对用户的网络消费行为是有影响的，以大学生群体作为调研人群，以芝麻分作为研究对象，建立了理论模型。
该模型以芝麻分认可度作为自变量，以用户的网购频率、消费金融产品使用情况、分享行为作为因变量。
（二）研究假设刘玫（2006）研究了声誉视角下个人征信的效用，个人征信对个人信用行为的约束作用主要表现在，在个人与银行的重复博弈过程中，个人前一次的行为表现会作为参数纳入银行后一次博弈的行动函数中，即个人不得不考虑声誉（reputation）对其信用等级带来的影响。
[7]基于网络消费行为AISAS模式以及访谈，本文得出芝麻分认可度对大学生群体消费行为影响主要体现在“A-Action”和“S-Share”，即购买决策和分享。
网购频率和消费金融产品的使用都属于购买决策时的环节，分享行为属于网络消费行为最后一个环节。
本研究的假设如下：Ⅱ1：芝麻分认可度正向显著地影响大学生群体网购频率Ⅱ2：芝麻分认可度正向显著地影响大学生群体消费金融产品使用情况Ⅱ3：芝麻分认可度正向显著地影响大学生群体的分享行为（三）问卷设计本研究的测量工具是问卷，问卷设计分为三大部分，分别是个人基本信息部分、芝麻分关注情况以及核心部分。
核心部分是以李克特5点量表的形式设置的，基于研究假设，分别对芝麻分认可度、网购频率、消费金融产品使用情况、分享行为进行了测量。
三、数据处理与假设检验（一）描述性统计分析问卷发放渠道主要是通过微信、QQ、微博、贴吧以及问卷星，共回收315份问卷，其中有效问卷200份，无效问卷115份，有效率为63.5%。
研究的样本是关注芝麻分的大学生群体，研究目标是芝麻分认可度对其网络消费行为的影响，而芝麻分一般在支付宝APP上查看，因此不使用支付宝的用户、身份不是大学生、不关注芝麻分的问卷视为无效问卷，有效问卷为200。
本文作者所处的环境主要是校园环境，所以问卷的填写者98%是大学生，这与本文的研究初衷是相符合的。
关注芝麻分的样本占据了66.89%，这些也是本文的有效样本。
关注芝麻分的大学生群体分数都在600分以上，这说明样本的信誉属于良好及以上。
（二）信效度分析1.信度分析信度主要是反映同一维度下多个题项之间的可靠性、一致性和稳定性的指标，这主要是通过测量结果展示，即测验结果是否反映了被测者的稳定的、一贯性的真实特征。
本文采用信度Cronbach's Alpha系数衡量同一维度下各测量项目的一致性，当信度系数Cronbach's Alpha大于0.7时，认为可靠行较强。
经过信度分析，芝麻分认可度、网购频率、消费金融产品使用情况、分享行为的信度系数分别为0.862、0.752、0.871、0.860。
由分析结果可知，所有变量的Cronbach'sAlpha系数均大于0.7，说明量表有较好的一致性与稳定性，可以被接受。
2.效度分析效度是指所测量到的结果反映所想要考察内容的程度，测量结果与要考察的内容越吻合，则效度越高。
题项之间有很强的联系（即KMO值和Bartlett球形检验值满足时）时，才可容易通过因子分析的方式来检验效度。
在适用于题项的系数时，KMO值只需在O-1之间即可。
具体可做因子分析的标准为：在大于0.9时，就是非常适合；在0.7-0.9之间时，就是适合；在0.6-0.7时，就表现不太适合；小于0.6时，显示不适合。
各变量的效度分析如下：（1）芝麻分认可度效度分析通过效度分析可知，KMO值为0.722，则芝麻分认可度测量量表适合做因子分析；Bartlett 球形检验结果中，卡方值284.688，数值较大，所对应P值（2）网购频率效度分析KMO值为0.694，则网购频率测量量表适合做因子分析；Bartlett球形检验结果中，卡方值140.571，数值较大，所对应P值（3）消费金融产品使用情况效度分析KMO值为0.736，则消费金融产品使用情况测量量表适合做因子分析；Bartlett球形检验结果中，卡方值297.308，数值较大，所对应P值（4）分享行为效度分析KMO值为0.804，则分享行为测量量表适合做因子分析；Bartlett球形检验结果中，卡方值376.646，数值较大，所对应P值综上所述，芝麻分认可度、网购频率、消费金融产品使用情况、分享行为都适合做因子分析，量表效度较好。
（三）相关性分析相关分析主要用来刻画变量之间联系的密切程度，主要用相关系数来刻画。
本文采用Pearson系数研究，一般认为当sig.1.芝麻分认可度与网购频率相关性分析经过相关分析可知，芝麻分认可度与网购频率之间的相关系数为0.568，p值小于0.01，统计学意义显著，证明芝麻分认可度与网购频率有显著的正相关关系。
2.芝麻分认可度与消费金融产品使用情况相关性分析芝麻分认可度与消费金融产品使用情况之间的相关系数为0.555，p值小于0.01，统计学意义显著，证明芝麻分认可度与消费金融产品使用情况有显著的正相关关系。
3.芝麻分认可度与分享行为相关性分析芝麻分认可度与分享行为之间的相关系数为0.561，p值小于0.01，统计学意义显著，证明芝麻分认可度与分享行为有显著的正相关关系。
（四）回归分析回归分析可以帮助人们准确把握变量受一个或多个变量的影响程度，可以从拟合优度、回归方程显著性、回归系数显著性三个方面进行统计检验。
本文主要考虑一个自变量对多个因变量的影响，采用一元线性回归方程进行分析，因此只考虑拟合优度以及回归系数显著性。
1.芝麻分认可度与网购频率的回归分析以芝麻分认可度作为自变量，网购频率作为因变量，进行回归分析。
调整后的R方为0.319，说明自变量对因变量的解释程度为31.9%。
芝麻分认可度的回归系数为0.651，对应的P值2.芝麻分认可度与消费金融产品使用情况的回归分析以芝麻分认可度作为自变量，以消费金融产品使用情况作为因变量，回归分析结果如下：调整后的R方为0.304，说明自变量对因变量的解释程度为30.4%，说明模型选取的自变量解释程度较高。
芝麻分认可度的回归系数为0.824，对应的P值3.芝麻分认可度与分享行为的回归分析以芝麻分认可度作为自变量，以分享行为作为因变量，回归分析结果如下：调整后的R方为0.311，说明自变量对因变量的解释程度为31.1%，说明模型选取的自变量解释程度较高。
芝麻分认可度的回归系数为0.731，对应的P值（五）假设检验本文使用SPSS22.0对收集到的200份有效样本进行了描述性统计分析、信效度分析、相关性分析以及回归分析。
上述分析验证了芝麻分认可度与网购频率、消费金融产品使用情况、分享行为的之间的关系，即H1、H2、H3均成立。
四、研究结论（一）芝麻分认可度与网购频率显著正相关大学生群体对芝麻分认可度与其网购频率呈正相关关系，即对芝麻分认可度越高，那么相应地其在淘宝购物的频率越高。
（二）芝麻分认可度与消费金融产品使用情况显著正相关大学生群体对芝麻分的认可度与其消费金融产品的使用情况呈正相关关系，即对芝麻分认可度越高，消费金融产品使用越多，此处主要是以蚂蚁花呗的使用情况为例。
使用消费金融产品会影响用户的信用历史，而信用历史也是芝麻分评估的一个依据，用户出于想提高芝麻分的心理可能会更多地使用蚂蚁花呗这类的消费金融产品。
（三）芝麻分认可度与分享行为显著正相关大学生群体对芝麻分的认可度与其分享行为呈正相关关系，即对芝麻分认可度越高，用户的分享行为越多。