三 结论与分析
根据本文对于移动电子支付用户隐私感知前因量表的设计与分析不难看出，在移动电子支付环境下，用户产生隐私感知的主要原因包含有三大方面，分别为信息敏感度方面、信息接收者方面以及信息使用方面，其中三个方面又包含了不同的细分维度。具体来讲，信息敏感度又包含了信息重要性和个人意愿两个维度，信息接收者则包含了信誉与隐私印章、了解程度，信息使用则包含了信息安全感知、信息保护感知。
通过对用户隐私感知前因量表的信度与效度分析过程中还可以发现，对于前因变量所包含的6大维度中，各维度的测量项构成分别表征了不同的测量层面，例如在信息重要性维度中，量表中的测量项“我认为个人信息非常重要”以及“我非常担心我的个人信息被窃取”是从个体对宏观意义上的个人信息判定层面进行测量的，而“我认为在移动互联网中保护个人信息很重要”以及“我比较注重移动电子支付过程中的个人信息安全”则是从个体对移动支付环境下的个人信息保护及安全判定层面测量的。利用这些不同的测量项构成，本文设计开发的用户隐私感知前因量表基本上覆盖了当前在移动电子支付环境中的影响用于隐私感知的主要因素，且经过信度与效度的分析发现，这些测量项是可行的、稳定的，内部一致性较强。
移动电子支付作为当前移动互联网快速发展背景下的重要支付手段，已经得到了越来越广泛的应用。与传统的线下支付相比，移动电子支付以其便捷、快速等特点与优势，得到了国内外年轻群体的喜爱。但是，移动电子支付环境与传统线下环境相比，具有更为复杂的支付过程和安全保障环节，特别是由于国内移动电子支付本身还不是特别完善的情况下，移动支付企业经营资格、安全防护能力不足，国家在法律规范层面的支撑缺乏，使得用户在移动电子支付应用过程中极易面临一系列的风险。毫无疑问，用户在使用移动电子支付比使用传统线下支付的风险将更大，这便带来了用户隐私感知在两种不同的支付环境下的差异性。
在前文所构建的针对移动电子支付用户隐私感知的前因量表中，包含了影响移动电子支付用户隐私感知的6类因素，这些因素在移动电子支付环境中是极为重要的，但在传统线下支付用户隐私感知中，必然存在着与移动电子支付环境的前因变量不同的需求。为此，本节借助DEMATEL模型对移动电子支付和传统线下支付的用户隐私感知前因量表展开分析，分析主要以前文构建的6大维度为基础，旨在探索移动电子支付与传统线下支付环境下的用户隐私感知影响因素的影响程度差异性。
DEMATEL模型是一种决策行为基础上的对现实存在的复杂问题进行解决的评估实验方法，利用该模型可以有效对各类因素进行分析和识别，它所实现的基础是专家的经验与知识。在DEMATEL模型中，通常借助图论理论来进行矩阵演算。一般来讲，DEMATEL模型进行因素分析的主要过程包含以下几方面：
首先进行相关因素的识别，在此基础上建立模型分析的因素体系，并进行命名；
其次通过专家组的评分和讨论，对各因素之间的关系进行明确，建立各因素的直接影响矩阵；
再次，对直接影响矩阵进行初始化及正规化，计算出综合影响矩阵。假设有在n阶矩阵
中，存在因素i和因素j，其中i可以对j产生直接影响，那么设定
的值为1，如果因素i对因素j不存在直接影响，那么设定
的值为0。在此基础上，进一步对矩阵进行正规化，即针对矩阵X的每行进行和运算，行和的最大值若为max，那么X的值为
。由此可以得出因素之间的综合影响矩阵T=X(I-X)-1=(tij)。
最后，对相关因素展开具体分析，通过对综合影响矩阵T中的每一个元素进行影响度、原因度、被影响度和中心度的计算，如果因素的原因度大于0，则说明这一因素对于其它因素的影响力大，构成原因要素，如果原因度小于0，则说明这一因素会被其它因素影响，构成结果要素；同时可以根据因素的中心度来确定最终的因素重要程度。
本文根据前文对于移动电子支付环境下用户隐私感知前因量表设计和开发的维度，作为在不同支付环境下的用户隐私感知的主要影响指标，构建如图3-1所示的因素指标体系：
图3-1 不同支付环境下用户隐私感知主要影响指标
根据上述指标体系，分别使用F1代表信息重要性，F2代表个人意愿，F3代表信誉与隐私印章，F4代表了解程度，F5代表信息安全感知、F6代表信息保护感知。
针对这6个不同的影响因素，笔者分别拜访并组织专家进行访谈，由此分别建立了移动电子支付环境下及传统线下支付环境下的6个影响因素的直接影响矩阵，具体如表3-2和表3-3所示：
表3-2 移动电子支付环境下影响因素的直接影响矩阵
|
影响因素 |
F1 |
F2 |
F3 |
F4 |
F5 |
F6 |
|
F1 |
0 |
0 |
1 |
0 |
1 |
1 |
|
F2 |
1 |
0 |
1 |
1 |
1 |
1 |
|
F3 |
0 |
1 |
0 |
1 |
1 |
0 |
|
F4 |
1 |
1 |
0 |
0 |
0 |
0 |
|
F5 |
0 |
1 |
0 |
1 |
0 |
1 |
|
F6 |
1 |
1 |
0 |
0 |
1 |
0 |
表3-3 传统线下支付环境下影响因素的直接影响矩阵
|
影响因素 |
F1 |
F2 |
F3 |
F4 |
F5 |
F6 |
|
F1 |
0 |
1 |
0 |
0 |
0 |
0 |
|
F2 |
1 |
0 |
1 |
0 |
0 |
0 |
|
F3 |
0 |
1 |
0 |
1 |
1 |
0 |
|
F4 |
0 |
1 |
0 |
0 |
0 |
1 |
|
F5 |
0 |
0 |
0 |
1 |
1 |
1 |
|
F6 |
1 |
0 |
0 |
0 |
1 |
0 |
在直接影响矩阵建立的基础上，进一步借助MATLAB软件实施两个矩阵的综合影响矩阵计算，之后分别计算出矩阵的行和、列和、原因度、中心度，得到如表3-4与3-5的结果：
表3-4移动电子支付环境下综合影响矩阵及指数
|
因素 |
F1 |
F2 |
F3 |
F4 |
F5 |
F6 |
行和 |
原因度 |
中心度 |
|
F1 |
0. 173 |
0.272 |
0.325 |
0.531 |
0.0315 |
0.053 |
0. 173 |
-0.132 |
2.557 |
|
F2 |
0.156 |
0. 134 |
0.641 |
0.138 |
0.273 |
0.357 |
0.156 |
0.568 |
2.250 |
|
F3 |
0.324 |
0.262 |
0.488 |
0.381 |
0.428 |
0.254 |
0.324 |
0.330 |
3.296 |
|
F4 |
0.388 |
0.0286 |
0.143 |
0.303 |
0.251 |
0.309 |
0.388 |
-0.171 |
2.241 |
|
F5 |
0.476 |
0.357 |
0.157 |
0.225 |
0.137 |
0.112 |
0.476 |
-0.290 |
2.266 |
|
F6 |
0. 652 |
0.193 |
0.054 |
0.159 |
0.189 |
0.038 |
0. 652 |
-0.437 |
1.703 |
|
列和 |
1.344 |
0.8406 |
1.483 |
1.206 |
1.278 |
1.07 |
1.344 |
|
|
表3-5 传统线下支付环境下综合影响矩阵及指数
|
因素 |
F1 |
F2 |
F3 |
F4 |
F5 |
F6 |
行和 |
原因度 |
中心度 |
|
F1 |
0.057 |
0.199 |
0.125 |
0.617 |
0.304 |
0.166 |
1.411 |
0.537 |
2.285 |
|
F2 |
0.218 |
0. 332 |
0.041 |
0.233 |
0.422 |
0.42 |
1.116 |
0.159 |
2.073 |
|
F3 |
0.147 |
0.283 |
0.235 |
0.408 |
0.192 |
0.273 |
1.391 |
0.813 |
1.969 |
|
F4 |
0.133 |
0.041 |
0.219 |
0.079 |
0.351 |
0.104 |
0.794 |
-0.362 |
1.950 |
|
F5 |
0.376 |
0.432 |
0.054 |
0.281 |
0.036 |
0.312 |
1.115 |
-0.110 |
2.340 |
|
F6 |
0. 275 |
0.201 |
0.029 |
0.155 |
0.224 |
0.282 |
0.891 |
-0.500 |
2.282 |
|
列和 |
0.874 |
0.957 |
0.578 |
1.156 |
1.225 |
1.391 |
|
|
|
从表3-4的结果可以看出，移动电子支付环境下，所有的影响因素中，中心度最大的为F3信誉与隐私印章，这表明信誉与隐私印章指标对于移动电子支付环境下用户隐私感知的影响程度最大，其次依次为F1信息重要性、F5信息安全感知、F2个人意愿、F4了解程度以及F6信息保护感知。可以看出，移动电子支付环境下信息保护感知对于用户隐私感知的影响程度是最小的。
从表3-5的结果可以看出，传统线下支付环境下，所有的影响因素中，中心度最大的为F5信息安全感知，这表明信息安全感知对于传统线下支付环境中用户隐私感知的影响程度最大，其次依次为F1信息重要性、F6信息保护感知、F2个人意愿、F3信誉与隐私印章、F4了解程度。可以看出，移动电子支付环境下了解程度对于用户隐私感知的影响程度是最小的。
根据以上分析结果发现，移动电子支付环境与传统线下支付环境中的隐私感知程度受各大影响因素影响的程度各不相同，在移动电子支付环境中影响力最大的信誉与隐私印章因素，却在传统线下支付环境中的影响力有了大幅度下降，这显然是由于不同的环境造成了用户隐私感知的侧重点有所不同。
同样的，根据上述指标体系，针对6个不同的影响因素，笔者分别拜访并组织专家进行访谈，由此建立了PC端电子支付环境下的6个影响因素的直接影响矩阵，具体如表3-6 所示：
表3-6 PC端电子支付环境下影响因素的直接影响矩阵
|
影响因素 |
F1 |
F2 |
F3 |
F4 |
F5 |
F6 |
|
F1 |
1 |
0 |
1 |
0 |
1 |
1 |
|
F2 |
1 |
0 |
1 |
1 |
0 |
1 |
|
F3 |
0 |
1 |
0 |
0 |
1 |
1 |
|
F4 |
1 |
0 |
1 |
1 |
0 |
0 |
|
F5 |
0 |
1 |
0 |
1 |
0 |
1 |
|
F6 |
1 |
1 |
0 |
0 |
1 |
0 |
在直接影响矩阵建立的基础上，进一步借助MATLAB软件实施矩阵的综合影响矩阵计算，之后分别计算出矩阵的行和、列和、原因度、中心度，得到如表3-7的结果：
表3-7 PC端电子支付环境下综合影响矩阵及指数
|
因素 |
F1 |
F2 |
F3 |
F4 |
F5 |
F6 |
行和 |
原因度 |
中心度 |
|
F1 |
0.197 |
0.105 |
0.349 |
0.390 |
0.422 |
0.055 |
1.320 |
0.505 |
3.146 |
|
F2 |
0.377 |
0.249 |
0.258 |
0.484 |
0.174 |
0.255 |
1.420 |
0.141 |
2.981 |
|
F3 |
0.407 |
0.346 |
0.363 |
0.364 |
0.388 |
0.444 |
1.905 |
0.657 |
3.154 |
|
F4 |
0.417 |
0.224 |
0.090 |
0.082 |
0.472 |
0.180 |
1.050 |
0.761 |
2.861 |
|
F5 |
0.138 |
0.348 |
0.226 |
0.454 |
0.543 |
0.418 |
1.990 |
0.128 |
4.108 |
|
F6 |
0.486 |
0.393 |
0.312 |
0.427 |
0.540 |
0.078 |
1.750 |
0.374 |
3.125 |
|
列和 |
1.825 |
1.561 |
1.248 |
1.811 |
2.118 |
1.376 |
|
|
|
从表3-7的结果可以看出，PC端电子支付环境下，所有的影响因素中，中心度最大的为F5信息安全感知，这表明信息安全感知指标对于PC端电子支付环境下用户隐私感知的影响程度最大，其次依次为F3信誉与隐私印章、F1信息重要性、F6信息保护感知、F2个人意愿、F4了解程度。可以看出，PC端电子支付环境下了解程度对于用户隐私感知的影响程度是最小的。
根据以上分析结果发现，移动电子支付环境与PC端电子支付环境中的隐私感知程度受各大影响因素影响的程度各不相同，但与传统线下支付环境相比，二者在总体上更趋于一致性，典型的如信息重要性、信誉与隐私印章等主要因素均在两种环境下具有很大的影响程度。从某种程度来讲，用户在移动电子支付环境和PC端电子支付环境中的隐私感知程度前因变量存在较小的差异。
