중국인의 온라인 쇼핑 행태

Abstract

With the rapid development of China's e-commerce, the number of Internet users is continuously increasing and the amount of online shopping spending is increasing rapidly. As internet and everyday life continue to converge, the proportion of online shopping in consumer life increases. In this paper, we construct a sample selection model for online shopping spending and an ordered probit model for online shopping frequency to analyze the factors that influence online shopping behavior. Our analysis is based on the panel data from 2014, 2016, and 2018 waves of the China Family Panel Study. Explanatory variables are mainly personal characteristics, and as in existing studies they are classified into demographic, economic, notional, and behavioral groups of variables. Specifically, as explanatory variables we include the importance of online shopping, the importance of the Internet, satisfaction of life, mobile usage, time spent in using the Internet, balanced income, total household assets, total value of durable goods, household spending, employment status, working hours, commute time, household size, gender, age group, party status, region, province/city/borough, marital status, education level, health status variables. For online shopping expenditure, we use type II Tobit model accommodating the sample selection of online shopping transaction by individual and household. Inferential procedures lead us to the yearly sample selection model and panel sample selection model. In the yearly sample selection analysis, Wald test confirms the online shopping spending function estimated by the sample selection model is statistically significant. In panel sample selection model, we obtain a significant estimate of the inverse Mills ratio, which confirms the validity of the model. For online shopping frequency analysis, we use the yearly ordered probit model and panel ordered probit random-effect model. At the 1% significance level likelihood ratio test supports our yearly ordered probit analysis, and t-tests on μ and sigma confirm our panel ordered probit analysis. Our empirical results indicate that gender, education level, age, marital status, region, and province/city/borough, income and household spending, total value of durable goods, mobile usage, the importance of the internet, and the importance of online shopping affect both online shopping spending and frequency. Household size, party status, health status, and the satisfaction of life do not significantly affect online shopping behavior. |중국의 전자상거래가 급속도로 발전하면서 인터넷 사용자가 지속적으로 증가하고 온라인 쇼핑 지출액도 빠르게 증가하고 있다. 인터넷과 일상생활이 융합되면서 온라인 쇼핑이 소비자의 소비생활에서 차지하는 비중이 높아져 왔다. 본 논문에서는 온라인 쇼핑 행태에 영향을 미치는 요인을 분석하기 위하여 온라인 쇼핑 지출에 대한 표본선택 모형과 온라인 쇼핑 빈도에 대한 순서형 프로빗 모형을 설정하였다. 분석 자료는 중국가계패널조사 2014년, 2016년, 2018년 자료를 사용하고, 설명변수로는 주로 개인 특성 요인을 중심으로 기존 연구에 따라 인구 사회학적 변수, 경제, 관념, 행위 변수로 분류하여 설정하였다. 구체적으로 나열하면, 온라인 쇼핑의 중요도, 인터넷의 중요도, 삶에 대한 만족도, 모바일 사용 여부, 인터넷을 사용한 시간, 균형화 소득, 가구 총자산, 내구재 총가치, 가구지출, 취업 여부, 근무시간, 출퇴근 시간, 가구규모, 성별, 연령별 그룹, 공산당 당원 여부, 지역, 성/시/자치구, 혼인상태, 교육수준, 건강상태 변수이다. 온라인 쇼핑 지출 분석에서 온라인 쇼핑 거래여부에 대한 표본선택 편의를 보정하기 위해서 Type Ⅱ Tobit 모형을 사용하여 개인단위와 가구단위로 연도별 표본선택 모형과 패널 표본선택 모형을 추정하였다. 연도별 표본선택 분석에서 Wald 검정치가 유의하여 표본선택 모형으로 추정한 온라인 쇼핑 지출 함수가 통계적으로 유의하다는 결과를 얻었다. 패널 표본선택 분석에서 모형의 타당성을 부여하는 역 Mills의 비율 추정치가 유의하다는 결과를 얻었다. 온라인 쇼핑 빈도 분석에서는 개인단위로 연도별 순서형 프로빗 모형과 패널 순서형 프로빗 임의효과 모형을 추정하였다. 연도별 순서형 프로빗 분석에서 로그우도비 검정치가 유의수준 1%에서 통계적으로 유의하게 나타났고 패널 순서형 프로빗 분석에서 μ와 sigma에 대해 t 검정을 실시한 결과 유의수준 1%에서 통계적으로 유의하게 나타났다. 이로서 순서형 프로빗 모형으로 추정된 온라인 쇼핑 빈도함수는 통계적으로 유의하다는 결과를 얻었다. 실증분석 결과는 성별, 교육수준, 연령, 혼인상태, 거주 지역과 성/시/자치구, 소득과 가구 총지출, 보유하고 있는 내구재 총가치, 모바일 사용여부, 인터넷의 중요도, 온라인 쇼핑의 중요도가 온라인 쇼핑 지출과 빈도에 영향을 미치는 것으로 나타났다. 가구규모, 공산당 당원여부, 건강상태, 삶에 대한 만족도는 온라인 쇼핑 행태에 크게 영향을 주지 않았다.; With the rapid development of China's e-commerce, the number of Internet users is continuously increasing and the amount of online shopping spending is increasing rapidly. As internet and everyday life continue to converge, the proportion of online shopping in consumer life increases. In this paper, we construct a sample selection model for online shopping spending and an ordered probit model for online shopping frequency to analyze the factors that influence online shopping behavior. Our analysis is based on the panel data from 2014, 2016, and 2018 waves of the China Family Panel Study. Explanatory variables are mainly personal characteristics, and as in existing studies they are classified into demographic, economic, notional, and behavioral groups of variables. Specifically, as explanatory variables we include the importance of online shopping, the importance of the Internet, satisfaction of life, mobile usage, time spent in using the Internet, balanced income, total household assets, total value of durable goods, household spending, employment status, working hours, commute time, household size, gender, age group, party status, region, province/city/borough, marital status, education level, health status variables. For online shopping expenditure, we use type II Tobit model accommodating the sample selection of online shopping transaction by individual and household. Inferential procedures lead us to the yearly sample selection model and panel sample selection model. In the yearly sample selection analysis, Wald test confirms the online shopping spending function estimated by the sample selection model is statistically significant. In panel sample selection model, we obtain a significant estimate of the inverse Mills ratio, which confirms the validity of the model. For online shopping frequency analysis, we use the yearly ordered probit model and panel ordered probit random-effect model. At the 1% significance level likelihood ratio test supports our yearly ordered probit analysis, and t-tests on μ and sigma confirm our panel ordered probit analysis. Our empirical results indicate that gender, education level, age, marital status, region, and province/city/borough, income and household spending, total value of durable goods, mobile usage, the importance of the internet, and the importance of online shopping affect both online shopping spending and frequency. Household size, party status, health status, and the satisfaction of life do not significantly affect online shopping behavior.