1. 引言
1.1. 调查背景
近年来，国家加大农业支持，推动农业现代化，2023年中央一号文件明确提出发展直播电商等农村新产业。政策支持下，农产品直播销售增长迅速，基础设施和人才培训不断强化。农业农村部数据显示，2023年全国农产品网络零售额高达5870.3亿元，同比增长12.5% [1]，成为经济增长新动力。然而直播电商虽成为农产品销售的重要动力，但仍面临信任危机、产品标准化低等挑战，亟须通过标准化管理、技术赋能和诚信体系建设实现可持续发展。
1.2. 研究意义
现有研究多聚焦平台、产品与主播维度，对地域文化符号关注不足。本文通过引入地域文化符号作为关键变量，系统解析其在信任构建与购买意愿中的作用机制，为优化行业信任体系、破解虚假宣传与高退货率问题提供理论支撑。研究进一步探索中小农户借助文化符号实现品牌增值的路径，推动农产品从“低价竞争”转向“价值竞争”，并为政府完善乡村电商基础设施与数字技能培训提供决策参考，从而助力农业产业链升级与乡村振兴战略实施。
2. 文献综述
2.1. 理论基础
2.1.1. S-O-R (刺激–机体–反应)模型
S-O-R理论模型即刺激–有机体–反应理论，广泛应用各研究领域。Mehrabian和Russell (1974)认为个体对动机的反应分为三个阶段：刺激、机体和反应[2]。刺激(Stimulus)变量，即对人类起激发和促进作用的因素；有机体(Organism)变量，即个体的情绪和认知；反应(Response)变量，即在外部刺激影响下个体所作出的心理或行为上的反应[3]。Şahin和Kılıçlar (2023)提出，S-O-R理论可以用来根据顾客的认知价值观、情绪和行为意图来理解顾客的体验[4]。研究表明，S-O-R理论模型适用于解释个体在面对来自环境的刺激时的心理感知和行为反应，已被公认是研究和解释消费者购买意愿和行为的重要理论之一。
2.1.2. 信任机制
在市场交易过程中商品供给者和消费者分别以受信方和施信方身份出现，信任产生的前因主要聚焦在双方特征及交互过程中，大致归结为3个方面：一是受信方特征；二是施信方特征；三是双方交互特征。信任产生的结果，即消费者选择是否购买商品行为或生产者是否选择扩大经营，与其交易后果风险性和不确定性相关。在认知风险和不确定性基础上，个体风险感知能力及采取的相应行为也是区别于协作、预测等概念的关键。综上，信任机制的建立主要依赖于双方心理自我考虑和判断过程，以及法律和市场监管等外部环境[5]。
2.2. 直播助农消费者信任因素影响研究
2.2.1. 消费者信任的理论基础及其在电商环境中的演化
电商环境中的消费者信任通常分为对系统和对人的信任。直播电商的兴起使信任焦点转向“即时互动”与“人格化展示”。徐佳等学者通过研究论证在主播特征方面，其专业性、与消费者的相似性和自身知名度能够显著降低消费者的感知风险从而提高消费者信任水平[6]。在直播助农情境下，由于农产品具有体验品属性且关乎食品安全，消费者对产品真实性质疑更突出，因此信任构建不仅依赖主播，也高度依赖平台的信息保障与产品本身的可靠证据。总体而言，直播助农中的消费者信任是由多重刺激共同作用的复杂构念。
2.2.2. S-O-R理论模型在电商与直播消费行为研究中的应用
S-O-R模型在电商与直播消费研究中被广泛使用。学者们常将平台特性、产品信息、社会线索等视作关键“刺激”，影响消费者内在的认知与情感状态(“有机体”)，进而驱动购买意愿等“反应”。研究证实，直播特性作为外部刺激能提升消费者的临场感与信任感，从而促进购买。然而，现有研究多集中于通用电商直播，针对融合地域文化元素的农产品直播，其独特刺激如何通过特定有机体变量影响决策，仍有待深入，这为本研究提供了理论创新空间。
2.2.3. 文化符号与消费行为：地域文化在营销中的价值
地域文化符号与特定地理区域紧密相连，在农产品营销中具有独特价值。研究表明，其能有效降低消费者感知风险并提升产品评价。特殊的地域文化符号自身就是特有文化历史和特殊文化象征意义的完美融合[7]。在直播中，地域文化符号的呈现更为直观生动。现有研究虽关注“区域形象”“文化认同”对购买意愿的影响，但多将其作为独立变量，少有研究系统地将地域文化感知作为S-O-R模型中的核心“有机体”变量，并探讨其与消费者信任的交互机制。
综上所述，本章通过对相关文献的系统梳理，明确了现有研究在直播助农这一交叉领域的不足：即缺乏一个整合多维刺激，并同时关注信任感知与地域文化感知双重心理路径的完整分析框架。本研究旨在填补这一空白，为后续构建理论模型与研究假设奠定坚实基础。
3. 调查方案的设计与实施
3.1. 调查设计框架
本次调研在调查方案的制定过程中，为兼顾科学系统、准确有效的特性，保障调查方案合理可行，故设计了图1的设计框架。
3.2. 调查目的及对象
3.2.1. 调查目的
了解消费者对直播助农的接触频率及购买行为特点，分析差异；识别各个相关因素等对消费者信任的影响；收集消费者具体建议，明确消费者诉求；分析人口学特征，了解不同群体在信任影响因素上的偏好；为优化直播助农策略提供数据支撑，针对关键因素和薄弱环节提出改进方向。
Figure 1. Survey plan design framework
图1. 调查方案设计框架
3.2.2. 调查对象
本报告的调查对象为参与问卷填写的200名消费者，涵盖不同群体，调查研究相关内容。
3.3. 调查方法
本研究采用的调查方法主要包括文献研究法，问卷调查法，文本分析法。
3.4. 抽样方案设计
3.4.1. 抽样总体
本次调查的总体主要是了解直播助农，并且有一定直播电商购买频率的人，他们作为消费者亲身体验能够反馈关于直播助农相关消费者认知，并且对于研究消费者信任影响因素有重要作用。
3.4.2. 抽样方法
本次调查采用分层抽样与简单随机抽样相结合的方法：首先按直播平台、购买产品类型和年龄层进行三层划分；随后分阶段从各平台中抽取典型平台，在平台内按产品类型随机抽样，最终在抽中的群体中随机选取消费者完成线上问卷调查。
3.5. 问卷调查设计
本次问卷以S-O-R模型为框架，结合信任构建模型，评估直播助农中影响消费者信任的因素。二者结合，从信任构建维度，系统深入获取研究信息。
4. 数据处理与检验
4.1. 调查数据处理
此次调查共收到问卷213份，为了得到规范有效的问卷，本部分将通过科学的方法对问卷进行筛查、处理并进行信效度检验。
4.1.1. 问卷筛选
根据问卷答题时间和回答标准差筛选得到剩余有效问卷数据191份(问卷有效率84.89%)。
4.1.2. 信效度检验
本量表采用李克特五级量表的形式编制量表。团队通过文献研究法，依据S-O-R结合信任构建模型框架探索直播助农中消费者信任的影响因素，共计28个测量题项(见表1)。
Table 1. Observation variables and their definitions
表1. 观测变量及其含义
变量 |
观测变量 |
编号 |
直播平台Platform |
该电商直播平台提供高质量信息 |
PLT1 |
在该电商直播平台观看直播流畅度高 |
PLT2 |
在该平台购买时支付安全 |
PLT3 |
该平台反馈回应迅速 |
PLT4 |
该平台能有效保护个人信息安全 |
PLT5 |
产品品牌Product Brand |
农产品品牌的信誉影响消费者的信任 |
BRD1 |
农产品品牌促销手段影响消费者的信任 |
BRD2 |
农产品品牌对当地农户帮扶举措影响消费者的信任 |
BRD3 |
该品牌用户评价的真实性影响我的信任 |
BRD4 |
产品本身Production |
助农直播中销售的农产品质量可靠 |
PRD1 |
助农直播中销售的农产品价格合理 |
PRD2 |
助农直播中销售的农产品包装完好，符合运输要求 |
PRD3 |
助农直播中销售的农产品新鲜度高 |
PRD4 |
助农直播中销售的农产品产地信息透明，可追溯 |
PRD5 |
带货主播Host |
该带货主播在农产品领域是有能力的 |
HST1 |
该带货主播在此产品领域有丰富的购买和使用经验 |
HST2 |
主播提供的农产品信息是真实的 |
HST3 |
主播具有不错的互动能力与亲和力 |
HST4 |
信任感知Perception of Trust |
在直播中发现不错的农特产品后，会在直播结束后回购这个农特产品 |
POT1 |
经常在直播间购买的农特产品后取消订单或退货 |
POT2 |
如消费者在上一次直播中买到不满意的农产品，会继续通过直播方式购买助农产品 |
POT3 |
地域文化符号Culture |
主播展示当地地域文化符号时，消费者相信该直播销售的农产品品质有保障。 |
CUL1 |
介绍农产品与地域文化的渊源会显著增加消费者的信任度。 |
CUL2 |
讲述农产品背后的地域文化故事会加深消费者对该产品的信赖。 |
CUL3 |
结合农产品生长环境与地域自然景观展示，会增强消费者对产品的天然属性信赖 |
CUL4 |
购买意愿Purchase Intention |
消费者经常在直播间购买农产品 |
PIN1 |
消费者会向周围的人推荐到直播平台购买农产品 |
PIN2 |
消费者的网购频率 |
PIN3 |
研究采用Cronbach’s α系数对正式调查问卷进行信度检验。内部一致性检验由Cronbach’s α系数进行衡量，由表2可知，各变量克朗巴赫α系数均达到了0.7以上，表示整个问卷具有较好的信度，问卷整体可靠。
Table 2. Cronbach’s α coefficient table
表2. 克伦巴赫α系数表
变量 |
题数 |
克伦巴赫α系数 |
直播平台 |
5 |
0.883 |
产品品牌 |
4 |
0.885 |
产品本身 |
5 |
0.928 |
带货主播 |
4 |
0.881 |
地域文化符号 |
4 |
0.937 |
信任感知 |
3 |
0.722 |
购买意愿 |
3 |
0.759 |
效度分析，即检验问卷量表的结果能否表示反映所研究的问题。在进行效度检验之前，首先对数据集中的7个变量进行了KMO和Bartlett的球形度检验。结果见表3：总体KMO值为0.945，远高于0.7的接受标准。同时，Bartlett的球形度检验结果的近似卡方值为4079.312，且在0.000的水平上具有显著性，这说明数据集适合进行因子分析。
Table 3. KMO and bartlett’s test of sphericity results
表3. KMO和巴特利特检验结果
KMO取样适切性量数 |
0.945 |
巴特利特球形度检验 |
近似卡方 |
4079.312 |
自由度 |
351 |
显著性 |
0.000 |
进行预调研效度分析，研究使用探索因子分析方法对变量的结构效度进行分析判断各问项与探索因子之间的对应关系，分析问项设计的结构是否存在不合理。对变量进行效度检验。
Table 4. Rotated component matrixa
表4. 旋转后的成分矩阵a
|
成分 |
1 |
2 |
3 |
4 |
PLT2 |
|
|
0.678 |
|
PLT4 |
|
|
0.777 |
|
PLT5 |
|
|
0.807 |
|
BRD1 |
|
0.789 |
|
|
BRD2 |
|
0.709 |
|
|
BRD3 |
|
0.699 |
|
|
BRD4 |
|
0.734 |
|
|
PRD1 |
0.738 |
|
|
|
PRD2 |
0.713 |
|
|
|
PRD3 |
0.661 |
|
|
|
PRD4 |
0.815 |
|
|
|
PRD5 |
0.835 |
|
|
|
HST1 |
|
|
|
0.765 |
HST2 |
|
|
|
0.511 |
HST3 |
|
|
|
0.625 |
提取方法：主成分分析法。旋转方法：凯撒正态化最大方差法。a旋转在6次迭代后已收敛。
根据上述分析，删除PLT1、PLT2问项后的前四个变量的旋转后的成分矩阵表和其他三个变量的旋转后成分矩阵表显示如表4：
因此我们得到PLT为因子1，即为直播平台；
BRD为因子2，即为产品品牌；
PRD为因子3，即为产品本身；
HST为因子4，即为带货主播。
5. 直播助农消费者基本信息描述性统计
5.1. 基本信息
Table 5. Table of basic demographic characteristics
表5. 人口统计基本信息表
项数 |
选项 |
频数 |
百分比 |
年龄 |
18及以下 |
7 |
3.7 |
18~25 |
123 |
64.4 |
25~35 |
29 |
15.2 |
35~45 |
21 |
11.0 |
45及以上 |
11 |
5.7 |
性别 |
男 |
97 |
50.8 |
女 |
94 |
49.2 |
职业 |
企业员工 |
20 |
10.5 |
学生 |
119 |
62.3 |
退休人员 |
8 |
4.2 |
自由职业 |
27 |
14.1 |
事业单位人员 |
17 |
8.9 |
收入 |
<3 k |
110 |
57.6 |
3 k~5 k |
42 |
22.0 |
5 k~8 k |
18 |
9.4 |
≥8 k |
21 |
11.0 |
表5显示样本年龄结构呈现年轻化特征，其中18~25岁群体占比最高，达64.4%；性别分布较为均衡，男女比例接近1:1。从职业构成来看，学生群体为主体，占总人数的62.3%。在月收入方面，多数受访者收入水平集中于3000元以下区间，占比57.6%。整体而言，样本以青年学生为主，收入普遍处于中低水平，符合当前直播电商主要受众的基本画像特征。
5.2. 购买行为
Table 6. Table of purchase behavior frequency
表6. 购买行为频率表
项数 |
选项 |
频数 |
百分比 |
网购频率 |
极少网购 |
5 |
2.6 |
每周1~2次 |
92 |
48.2 |
每周 ≥ 3次 |
73 |
38.2 |
每月 ≥ 3次 |
21 |
11.0 |
网购意愿 |
非常同意 |
24 |
12.6 |
同意 |
51 |
26.7 |
一般 |
85 |
44.4 |
不同意 |
24 |
12.6 |
非常不同意 |
7 |
3.7 |
在购买行为方面，表6显示受访者普遍表现出活跃的线上消费习惯：高达48.2%的消费者每周进行1~2次网购，更有38.2%的消费者网购频率达每周3次或以上，表明绝大多数样本为高频网购用户。然而，在针对直播间农产品消费的特异性态度上，消费者的反馈相对审慎：虽有合计39.3%的受访者表示“同意”或“非常同意”自己常在直播间购买农产品，但占比最高(44.4%)的态度选项为“一般”，另有16.3%的消费者持否定态度。这反映出尽管直播购物已十分普及，但消费者在直播间购买农产品这一具体场景下，仍普遍持有观望或中性的立场，其信任与行为习惯尚未完全建立。
5.3. 消费者对于直播助农认知
5.3.1. 认知现状
Table 7. Consumer cognition status table
表7. 消费者认知现状表
项数 |
选项 |
频数 |
百分比 |
接触程度 (消费者是否经常看到助农直播) |
非常同意 |
30 |
15.7 |
同意 |
94 |
49.2 |
一般 |
42 |
22.0 |
不同意 |
12 |
6.3 |
非常不同意 |
13 |
6.8 |
了解程度 (消费者是否了解直播电商) |
非常同意 |
32 |
16.8 |
同意 |
84 |
43.9 |
一般 |
54 |
28.3 |
不同意 |
11 |
5.8 |
非常不同意 |
10 |
5.2 |
根据消费者认知现状数据(见表7)，大多数受访者对直播助农已形成一定认知基础：在接触程度上，合计64.9%的消费者表示“同意”或“非常同意”经常在抖音、快手等平台看到助农直播，表明助农直播已具备较高的市场曝光度与触达率。在了解程度上，合计60.7%的消费者对“直播电商”这种购物形式表示了解，说明该模式已被广泛认知。然而，两项指标中仍有约三成左右受访者持“一般”或否定态度，反映出认知深度与接受度在人群中存在差异，整体仍处于“广覆盖、浅认知”的阶段，这为后续研究消费者信任的构建提供了现实背景与必要性。
5.3.2. 发展建议
根据150份有效样本的开放题反馈，对消费者关于直播助农未来发展的建议进行关键词提取与频次统计，结果如表8所示。结果显示“产品质量”“直播”“售后”“农产品”“宣传”“助农”等高频关键词凸显出消费者关注的核心要点。整体语义倾向表明，消费者期望直播助农在产品质量把控、直播真实透明、售后保障有力等方面进行提升，既保障自身权益，也希望实现助力农户的双赢局面。
Table 8. Consumer recommendation frequency table
表8. 消费者认知频率表
项数 |
选项(关键词) |
频数 |
百分比 |
直播助农未来发展有何更好建议 |
产品质量 |
37 |
24.7 |
直播 |
30 |
20.0 |
售后 |
27 |
18.0 |
农产品 |
22 |
14.6 |
宣传 |
19 |
12.7 |
助农 |
15 |
10.0 |
6. 直播助农消费者信任因素影响研究
6.1. 模型选择——S-O-R模型
本文依据S-O-R理论模型，结合农产品直播电商的特点和信任机制，构建农产品直播电商S-O-R理论模型(如图2)，以揭示农产品直播电商情境下消费者信任和购买意愿的形成机制。本文认为，农产品直播电商情景下直播平台，产品品牌，产品本身和作为外部刺激变量能够激发消费者产生信任感知和地域文化符号感知等有机体变量，而信任感知和地域文化符号感知作为有机体变量，将对消费者购买意愿产生重要影响。
6.2. 假设研究
6.2.1. 直播助农消费者信任影响因素与信任感知
研究表明，直播平台的可靠性、流畅性与规则清晰性能降低消费者感知风险，为其信任提供制度保障。田冰洁等认为电商直播平台提供信息的个性化推荐对消费者购买意愿具有显著的正向影响[8]。品牌作为质量与声誉的信号，能直接增强消费者信任。孔雁令提出品牌农产品的生产者和农户必须重视维护和塑造积极的品牌形象，恪守对消费者的承诺，强化品牌力量，积极履行社会责任，从而提升消费者信任并激发其购买意愿[9]。产品特性的透明化呈现可提供质量线索，缓解消费者对农产品的疑虑。丁胜等提出对于直播助农，只有保障农产品质量，才能得到消费者信任，提升购买意愿[10]。主播的专业知识、可信特质与互动能力共同塑造其可信度。张辉锋和景恬指出不同身份的主播在信任信念的四个维度表现显著不同而信任信念正向影响信任意图，进而影响复购率[11]。据此，本研究提出如下假说：
H1：直播助农直播平台正向影响信任感知；H2：直播助农产品品牌正向影响信任感知。
H3：直播助农产品本身正向影响信任感知；H4：直播助农带货主播正向影响信任感知。
Figure 2. S-O-R model of consumer trust in live streaming agriculture assistance
图2. 直播助农消费者信任S-O-R理论模型
6.2.2. 直播助农消费者信任影响因素与地域文化感知
平台作为文化媒介，通过功能与内容氛围展示地域风光与民俗，强化消费者对文化符号的感知。品牌蕴含的地域信息是凝练的文化符号，能直接触发消费者对特定地域的文化联想。产品作为地域文化的物质载体，其外观、口感、工艺等特质在直播中展示，可唤起并强化消费者的文化感知。主播，尤其是本地农户，通过方言、服饰、故事等表演性元素，生动传达文化符号，增强感染力。目前关于信任影响因素和地域文化感知有关学者研究较少，吴佳阳发现乡土认同能够影响消费者对家乡农产品区域公用品牌忠诚以及在购买具有地理标志品牌农产品时，消费者对原产地的环境感知能有效增强交易成功率[12]。本研究引入地域文化感知作为有机体变量，探索其与信任影响因素的因果关系，并提出假说：
H5：直播助农直播平台正向影响地域文化感知；H6：直播助农产品品牌正向影响地域文化感知。
H7：直播助农产品本身正向影响地域文化感知；H8：直播助农带货主播正向影响地域文化感知。
6.2.3. 直播助农的消费者信任感知与消费者购买意愿
在探究消费者信任与其购买意愿之间的关系中，信任感知是有机体的核心认知状态之一。购买决策伴随着经济、产品性能等多重风险。当消费者对直播间的平台、产品、主播建立起足够的信任感知时，这种心理状态能有效降低其感知风险，增加对交易结果积极预期的确定性，从而直接转化为更强的行为意向，即购买意愿。学者们通过研究得到发现许思佳提出构建信任机制显著提升了消费者在直播电商平台的购买意愿。信任机制的构建，不仅可以提升消费者的满意度和忠诚度，还能为直播电商带来更高的转化率和更好的市场竞争力[13]。贾雪芒，通过模型建构和研究得到结论验证消费者信任对消费者购买意愿产生正向影响成立[14]。据此，本研究提出如下假说：
H9：直播助农消费者信任程度正向影响购买意愿。
6.2.4. 直播助农中地域文化符号与消费者信任感知和购买意愿
乡村振兴发展战略下，科技的持续进步促进农业增产增效，地方特色农产品开发已成为促进农村经济多元化与可持续发展的重要环节[15]。地域文化感知作为一种独特的情感与认知有机体状态，能够通过两种路径影响购买意愿。一是情感路径：二是认知路径。围绕地域特色这一维度，通过研究学习发现，地域文化感知与信任感知同属有机体内部状态，二者存在相互作用。因此，文化感知能够作为一种情感和道德层面的担保，进一步巩固和提升消费者的信任感知。我们能够了解到地域文化符号与消费者购买意愿之间也存在着一定关系，据此，本研究提出如下假说：
H10：直播助农的地域文化符号正向影响消费者购买意愿；
H11：直播助农中地域文化符号正向影响消费者信任感知。
6.3. 回归分析
6.3.1. 探究消费者信任影响因素与信任感知之间是否具有因果性
Table 9. Regression model for the impact of various influencing factors on trust perception
表9. 各个影响因素对于信任感知回归模型
模型摘要 |
|
|
|
|
|
更改统计 |
德宾–沃森 |
模型 |
R |
R方 |
调整后R方 |
标准估算的错误 |
R方变化量 |
F变化量 |
自由度1 |
自由度2 |
显著性F变化量 |
1 |
0.502a |
0.252 |
0.235 |
0.709 |
0.252 |
15.629 |
4 |
186 |
0 |
1.617 |
a预测变量：(常量)，HST平均值，PLT平均值，PRD平均值，BRD平均值；b因变量：POT平均值；PLT为直播平台，BRD为产品品牌，PRD为产品本身，HST为带货主播，POT为信任感知。
Table 10. Regression coefficient table for the impact of various influencing factors on trust perception
表10. 各个影响因素对于信任感知回归系数表
系数a |
模型 |
未标准化系数 |
标准化系数 |
t |
显著性 |
共线性统计 |
B |
标准错误 |
Beta |
容差 |
VIF |
1 |
(常量) |
1.411 |
0.26 |
|
5.431 |
0 |
|
|
|
PLT |
0.249 |
0.09 |
0.256 |
2.761 |
0.006 |
0.469 |
2.132 |
|
BRD |
−0.059 |
0.101 |
−0.064 |
−0.587 |
0.558 |
0.342 |
2.921 |
|
PRD |
0.185 |
0.1 |
0.197 |
1.845 |
0.067 |
0.353 |
2.83 |
|
HST |
0.16 |
0.116 |
0.165 |
1.38 |
0.169 |
0.283 |
3.538 |
a因变量：POT平均值；PLT为直播平台，BRD为产品品牌，PRD为产品本身，HST为带货主播，POT为信任感知。
结果(见表9、表10)显示回归模型整体显著，调整后R方为0.235，表明这四个变量能够解释消费者信任感知23.5%的变异。具体来看，直播平台的标准化系数为0.256，表明其对信任感知具有显著正向影响；产品本身的系数为0.197，虽未达到常规显著性水平，但仍显示出一定的正向趋势。而产品品牌与带货主播对信任感知的影响均不显著。因此，在影响信任感知的直接路径中，直播平台的作用最为突出，产品本身亦具有一定解释力，而产品品牌与带货主播在本模型中未能显示出独立的显著影响。
基于以上分析，生成回归方程：信任感知 = 1.411 + 0.249直播平台 + 0.185产品本身
6.3.2. 探究消费者信任影响因素与地域文化感知间是否具有因果性
Table 11. Regression model for the impact of various influencing factors on regional cultural perception
表11. 各个影响因素对于地域文化感知回归模型
模型摘要 |
|
|
|
调整后R方 |
标准估算的错误 |
更改统计 |
德宾–沃森 |
模型 |
R |
R方 |
R方变化量 |
F变化量 |
自由度1 |
自由度2 |
显著性F变化量 |
1 |
0.811a |
0.658 |
0.651 |
0.53029 |
0.658 |
89.631 |
4 |
186 |
0 |
1.8 |
a预测变量：(常量)，HST平均值，PLT平均值，PRD平均值，BRD平均值；b因变量：CUL平均值；PLT为直播平台，BRD为产品品牌，PRD为产品本身，HST为带货主播，CUL为地域文化符号。
Table 12. Regression coefficient table for the impact of various influencing factors on regional cultural perception
表12. 各个影响因素对于地域文化感知回归系数表
系数a |
|
|
未标准化系数 |
标准化系数 |
t |
显著性 |
共线性统计 |
模型 |
|
B |
标准错误 |
Beta |
|
|
容差 |
VIF |
1 |
(常量) |
0.301 |
0.194 |
|
1.552 |
0.122 |
|
|
|
PLT |
0.029 |
0.067 |
0.027 |
0.428 |
0.669 |
0.469 |
2.132 |
|
BRD |
0.492 |
0.076 |
0.476 |
6.495 |
0 |
0.342 |
2.921 |
|
PRD |
0.268 |
0.075 |
0.257 |
3.571 |
0 |
0.353 |
2.83 |
|
HST |
0.134 |
0.087 |
0.125 |
1.55 |
0.123 |
0.283 |
3.538 |
a因变量：CUL平均值；PLT为直播平台，BRD为产品品牌，PRD为产品本身，HST为带货主播，CUL为地域文化符号。
现以直播平台、产品品牌、产品本身和带货主播作为自变量，地域文化符号作为因变量。从表11可知模型整体解释力强，表明这四个自变量能够联合解释地域文化感知65.1%的变异。具体结果见表12，产品品牌与产品本身对地域文化感知均具有极其显著的正向影响。其中，产品品牌的影响力度最大，是激发消费者地域文化关联的核心因素。然而，直播平台与带货主播的影响均未达到统计上的显著性水平。数据分析结果表明，在直播助农情境下，消费者对地域文化的感知主要源于产品所承载的品牌内涵与产品自身的物质属性，而平台的技术特性和主播的个人表现对其的直接影响并不显著。
基于以上分析，生成回归方程：地域文化符号感知 = 0.301 + 0.492产品品牌 + 0.268产品本身。
6.3.3. 探究消费者信任感知和地域文化感知与消费者购买意愿之间是否具有因果性
根据回归分析结果(见表13、表14)，本研究构建的以信任感知和地域文化感知为自变量、购买意愿为因变量的模型具有显著的解释力。模型整体通过显著性检验(调整后R方为0.404)，表明这两个心理感知变量能够共同解释消费者购买意愿40.4%的变异。具体来看，信任感知对购买意愿具有非常显著且更强的影响，其标准化系数表明它是驱动购买决策的最核心心理因素。地域文化感知同样对购买意愿有显著的正向影响，但其影响力度弱于信任感知。
基于以上分析，生成回归方程：购买意愿 = 0.979 + 0.484信任感知 + 0.19地域文化符号。
Table 13. Regression model of consumer trust perception and regional cultural perception on purchase intention
表13. 消费者信任感知和地域文化感知对于购买意愿回归模型
模型摘要 |
|
|
|
调整后R方 |
标准估算的错误 |
更改统计 |
德宾–沃森 |
模型 |
R |
R方 |
R方变化量 |
F变化量 |
自由度1 |
自由度2 |
显著性F变化量 |
1 |
0.640a |
0.41 |
0.404 |
0.58618 |
0.41 |
65.368 |
2 |
188 |
0 |
1.823 |
a预测变量：(常量)，POT平均值，CUL平均值；b因变量：PIN平均值；POT为信任感知，CUL为地域文化符号，PIN为购买意愿。
Table 14. Regression coefficient table of trust perception and regional cultural perception on purchase intention
表14. 消费者信任感知和地域文化感知对于购买意愿回归系数表
系数a |
|
|
未标准化系数 |
标准化系数 |
t |
显著性 |
共线性统计 |
模型 |
|
B |
标准错误 |
Beta |
|
|
容差 |
VIF |
1 |
(常量) |
0.979 |
0.216 |
|
4.535 |
0 |
|
|
|
POT平均值 |
0.484 |
0.057 |
0.518 |
8.487 |
0 |
0.843 |
1.186 |
|
CUL平均值 |
0.19 |
0.052 |
0.224 |
3.678 |
0 |
0.843 |
1.186 |
a因变量：PIN平均值；POT为信任感知，CUL为地域文化符号，PIN为购买意愿。
6.3.4. 探究消费者地域文化感知与信任感知之间是否具有因果性
Table 15. Regression model of consumer regional cultural perception on trust perception
表15. 消费者地域文化感知对于信任感知回归模型
模型摘要 |
|
|
|
调整后R方 |
标准估算的错误 |
更改统计 |
德宾–沃森 |
模型 |
R |
R方 |
R方变化量 |
F变化量 |
自由度1 |
自由度2 |
显著性F变化量 |
1 |
0.396a |
0.157 |
0.152 |
0.74701 |
0.157 |
35.1 |
1 |
189 |
0 |
1.578 |
a预测变量：(常量)，CUL平均值；b因变量：POT平均值；POT为信任感知，CUL为地域文化符号。
Table 16. Regression coefficient table of consumer regional cultural perception on trust perception
表16. 消费者地域文化感知对于信任感知回归系数表
系数a |
|
|
未标准化系数 |
标准化系数 |
t |
显著性 |
共线性统计 |
模型 |
|
B |
标准错误 |
Beta |
|
|
容差 |
VIF |
1 |
(常量) |
2.023 |
0.233 |
|
8.697 |
0 |
|
|
|
CUL平均值 |
0.358 |
0.06 |
0.396 |
5.925 |
0 |
1 |
1 |
a因变量：POT平均值；POT为信任感知，CUL为地域文化符号。
据表15、表16可知回归模型整体显著，但解释力度中等，调整后R2 = 0.152，表明地域文化感知能够独立解释消费者信任感知15.2%的变异。
具体而言，地域文化感知对信任感知具有极其显著的正向影响。这一数据分析结果验证了研究假设H11，即消费者对产品所承载的地域文化认同感越强，其建立的信任感知也越强。这揭示了在直播助农的情境下，地域文化符号不仅是一种附加价值，更是构建消费者情感与道德层面信任的重要心理基础。
基于以上分析，生成回归方程：信任感知 = 2.023 + 0.358地域文化符号。
综上所述，经过科学严谨的回归分析，数据处理我们能够得出以下假设H1、H3、H6、H7、H9、H10、H11成立。
在直播助农消费者信任的影响机制研究中，数据分析显示部分变量关系需深入探讨。信效度检验中，“带货主播”变量的克朗巴赫α系数为0.881，表明量表内部一致性较高，测量可靠。然而回归分析中，带货主播对信任感知和地域文化感知的影响均不显著。这可能源于主播影响的间接性：在直播助农场景中，主播更多作为信息与情感的中介，通过增强产品认知或激发文化共鸣间接提升信任。
其他未通过检验的假设也反映了该情境下消费者心理机制的复杂性：
H2不显著的可能原因：样本以年轻学生为主，更关注产品展示与价格，对品牌资产敏感度较低；且直播助农中不少农产品品牌力尚未形成强信任信号；
H4不显著的原因：主播的专业性与亲和力可能通过提升产品质量认知或文化感知间接影响信任，而非直接作用；主播同质化或整体可信度不高也会削弱其直接解释力；
H5不显著的原因：平台被视为功能型“基础设施”，文化传达更依赖直播内容本身；若平台选择集中、差异小，也难以引发文化感知的显著变异；
H8不显著的原因：文化感知高度依赖内容，若主播缺乏对地域文化的深度诠释或过于侧重推销，其个人特质对文化感知的独立贡献便不明显。
总结来看，这些不显著的结果并非否定相关因素的价值，而是揭示了直播助农中变量之间更复杂的传导机制与消费者决策重点的偏移，为后续研究提供了细化方向，如探讨主播特质通过产品质量感知对信任的间接影响等。
7. 结论与建议
研究发现直播助农中直播平台、产品本身正向显著地影响消费者信任感知；消费者的信任感知和地域文化感知显著正向影响购买意愿；消费者地域文化感知显著正向地影响信任感知。但从另一层面来说，我们所提出假设部分不成立。面对不成立的假设我们应该保持科学的态度正确看待，日后若有学者围绕相关展开分析并得出不同结论，我们应将其作为学习目标，同时改进我们的研究。
7.1. 构建安全流畅信任交互平台
为确保信任基础，平台需从技术、内容与制度三方面系统优化。技术层面，应部署高可用CDN节点与智能带宽调控机制，在直播高峰期动态保障百万人同时在线无卡顿；开发“一键溯源”悬浮窗功能，支持消费者实时调取产品检测报告、生产地块影像及物流轨迹。内容治理层面，建立“农户实名认证 + 产品信息备案”双审核机制，对主播种草话术实施关键词过滤与风险提示；设立“助农专场”标签，对通过审核的直播间给予流量倾斜与官方认证标识。制度与响应层面，推行“客服–运营–品控”协同工单系统，确保售后问题及时响应，出具解决方案；定期发布平台助农信用分榜单，激励主播与商家合规经营。
7.2. 打造优质上乘高质供应产品
提升产品本身的可信度需贯穿“产–供–销”全链条。生产端，联合地方农业部门制定细分品类分级标准，并为合作农户提供标准化生产手册；推广低成本物联设备，实现生长环境数据自动采集与云端同步。供应与品控端，依托县域共配中心建设“田间–仓配–快递”一体化冷链链路，对高易损品实现24小时温控追踪；每批次产品抽检结果同步至区块链存证，供消费者扫码查验。营销与包装端，设计可循环使用或易于降解的环保包装，包装视觉融入地域图案、方言文字等文化元素；在商品详情页嵌入“生产日志”时间轴，结合AR实景技术呈现种植、采摘、分拣全过程。
7.3. 培养专业亲和可靠人才主播
主播的专业能力与可信形象需通过系统训练与动态评估来塑造。开发“农产品知识”“直播技能”“文化叙事”三大模块课程，采用线上学分制学习 + 线下驻村实训结合方式；邀请农业专家、非遗传承人担任特聘讲师，讲授产品深加工技艺与地方民俗。推行“助理主播–专业主播–金牌主播”职业认证体系，认证需通过笔试、模拟直播与用户评价等多维考核；认证主播在直播间展示动态信用徽章，并享有平台流量扶持与产品优先合作权。鼓励主播开展“农场日常vlog”“节气民俗讲解”“烹饪教学”等衍生内容，通过连麦专家、农户访谈等形式增强互动真实感；平台对优秀内容给予资源激励。
7.4. 挖掘独特深厚地域文化符号
挖掘地域文化不能停留于表面呈现，而应实现其与产品、体验、产业的深度融合。联合高校或文化机构梳理地方物质/非物质文化资源，提取典型图形、色彩、叙事元素，应用于包装设计、直播间背景与短视频素材库；在产地建设“可参观、可体验、可直播”的开放式农场，设置民俗工坊、采摘区、直播专用场景；定期举办“乡村文化直播周”，通过线上预约线下参与，实现“云体验”引流至实地旅游。推动“农业 + 文旅 + 电商”融合发展，设计“寻味之旅”主题线路，消费者可通过直播预约民宿、研学活动；与地方媒体、旅游平台合作推出“一县一品”文化纪录片，形成多渠道传播矩阵，提升地域品牌整体声量。