导读：本文利用易佰店待售淘宝店数据研究声誉对于淘宝店铺这类数字资产定价的影响。首先，评估机构,地价评估,股权评估研究发现店铺声誉会对待售店铺价格产生正向影响，尤其是声誉评分等级和类别指标会对店铺定价产生显著正向影响。其次，店铺定价同声誉之间呈现非线性关系，随着店铺声誉提高，整体资产评估公司,无形资产评估,资产评估公司店铺声誉所产生的溢价也越大。再次，影响声誉的间接因素也会显著影响淘宝店铺的销售价格。最后，我们利用多门槛断点回归设计验证店铺声誉对待售店铺的影响。

在线评价，声誉，在线店铺定价

ＤＯＩ

：１０．１３８２１／ｊ．ｃｎｋｉ．ｃｅ．２ｑ０２２．０５．１５

一、引   言

在移动互联网及云计算等技术逐渐普及的背景下，企业能够获取日益丰富的数据。例如，销售企业能够根据消费者的浏览记录做出推送以提高销量，制造企业能够分析生产流水线数据对生产情况及时做出调整以提高生产效率。这些实例都显示企业通过有效地挖掘和整合数据能够极大地提升企业价值。在这一过程中，大量数据在企业的生产经营活动中产生；企业能够部分控制这些数据并利用数据为企业带来经济利益１。在生产过程中数据逐步转化为企业所拥有的数据资产。同时，在实践中我们可以看到大量数据资产交易案例。例如，微软 （Ｍｉｃｒｏｓｏｆｔ）在２０１６年以２６２亿美元收购领英 （Ｌｉｎｋｅｄｉｎ）。领英是一家全球职业社交网站公司，被收购时其用户数量高达４亿，营收超过３０亿

＊ 陈朴，中国人民大学经济学院、中国人民大学中国经济改革与发展研究院；石培昌，中国人民大学经济学院；王春阳，北京大学汇丰商学院。通信作者及地址：王春阳，广东省深圳市南山区西丽大学

城北京大学汇丰商学院，５１８０５５；电话：１８６８８７１３６３９；Ｅ－ｍａｉｌ：ｃｙｗａｎｇ＠ｐｈｂｓ．ｐｋｕ．ｅｄｕ．ｃｎ。本研究受到国家社会科学基金一般项目 （２０ＢＪＬ０２３）的资助，以及中国人民大学 ２０２１年度 “中央高校建设世界一流大学 （学科）和特色发展引导专项资金”和中国人民大学 “双一流”跨学科重大创新规划平台中国人民大学数字经济研究中心的支持。

１ 一般情况下，这些数据一方面源于用户的行为，另一方面源于企业的信息系统，这意味着用户和企业共同拥有数据。在遵照相关法律原则规定的前提下，通过合同的方式确定其权益的分配，企业可利用该数据创造价值，同时用户也可基于法律原则保障自身合法权益。

１７６０       经   济   学   （季  刊）    第２２卷

美元。美团在２０１８年以２７亿美元现金收购摩拜。摩拜是国内共享单车出行公司，被收购时其活跃用户估算高达４０００万。在这一背景下，数据资产定价框架的建立能够帮助数字经济更高质量地发展。因此，如何对数据资产价值进行分析成为学术界和业界急需解决的核心问题。

本文将通过待出售淘宝店铺定价数据来研究影响在线店铺转让定价的重要因素。伴随着电子商务行业的快速发展，线上店铺逐渐变成同线下店铺类似有价值的交易标的。一般来讲，我们可以通过协议转让方式把线下店铺作为一项资产进行出售。而对于线上店铺，虽然不具有实物形态，但是线上店铺在经营中积累了大量消费者数据以及店铺经营成长数据，使其成为重要的数据资产载体。在实践中存在大量的淘宝店铺转让交易案例。

关于线上淘宝店铺的交易定价，购买者通常主要关注以下两类信息来评估店铺价值：（１）店铺声誉的相关因素，如店铺等级、好评率等。通常，等级较高的店铺消费者更具好感度，下单率更高，店铺价值也就越高。 （２）客户关系相关的因素。通常等级较高的店铺拥有大量消费者数据，商家能够通过数据维系客户进行营销。这些数据有可能成为店铺驱动销售的主要因素。因此，声誉是影响淘宝店铺定价的重要因素。

线上淘宝店铺的声誉主要来自淘宝网所建立的店铺声誉系统。淘宝店铺声誉系统建立的主要目的是减少交易中的信息不对称性。相比于线下实体交易，网上交易的信息不对称程度更高，来自交易者的道德风险和逆向选择问题更为严重，买卖双方的不信任增加了交易达成的难度。Ａｋｅｒｌｏｆ（１９７０）提

出 “柠檬市场”并讨论了质量不确定性可能会阻碍市场运行。而在线上市场中这种信息不对称性更为严重。同时，由于与电子商务相关的法律制度并不完善，司法部门无法完全解决网上交易所带来的大量问题。这意味着网上交易要更多地依靠市场秩序，也即非正式的治理机制来保障交易顺利进行。张

维迎 （２００２）认为声誉机制是一种成本更低的维持交易秩序的机制，特别是在法律不起作用时。因此，建立信任是产生交易的第一步。线上交易平台除了提供交易场所之外，其最重要的功能就是设置信誉机制帮助买卖双方建立互信。几乎所有的在线交易平台都提供声誉系统，并利用系统收集来自买卖双方历史交易的反馈，并将声誉反馈信息公开。作为我国最大的在线交易平台的淘宝网，在初始成立时也设置了评价机制，随着该交易平台不断发展和成熟，淘宝网逐渐完善了平台的信誉评价系统。

淘宝网上的买卖双方可以通过淘宝网信誉评价系统累积信誉分数和等级。

在淘宝网平台上，卖方的声誉是面向消费者的公开信息。每次交易后，买家会对卖家做出评价打分，正面评价 （＋１），负面评价 （－１），中性评价 （０）。平台上的卖方就会拥有一个不断更新的累积信誉分数。不同的信誉分数会将卖家划分为不同的等级。当买家在淘宝网搜寻产品信息或者进入卖家网页时，等级信息会突出显示。这一信誉分数和等级代表了卖家在历史交易中积累的

第５期   陈朴等：在线店铺转让价格影响因素分析     １７６１

口碑，因而可以认为其代表了卖家在虚拟市场中的信誉，也即声誉 （周黎安等，２００６）。一方面，卖家有动力去建立和维持店铺声誉，来更好地销售商品并获得长期利润。大量的实证研究都从这一角度集中讨论了声誉对于卖家销售和产品定价的影响。另一方面，卖家也能够通过出售店铺的方法退出，这也给予卖家某种程度的激励来维持店铺声誉。２此外，伴随着在线平台的发展，市场中也出现大量网上店铺转让出售平台。这些平台将网上店铺挂牌出售并保证能够解决二次注册问题，也即能够随时找到原注册者来进行验证。同其他大量研究店铺声誉的文献不同，本文主要研究待出售淘宝店铺定价的影响因素，并着重研究声誉如何影响其定价。

本文所用数据主要来源于网店交易平台易佰店 （１００ｅｓｔｏｒｅ．ｃｏｍ）。易佰店是成立于２０１４年的综合性网络虚拟资产交易的第三方服务平台。３易佰店主要致力于提供淘宝网店、天猫商城店铺的交易服务。通过易佰店的店铺销售列表，我们可以获得待售淘宝店铺的相关信息。其中主要包含了店铺价格和其声誉信息。此外，我们也能够观察到店铺主营产品类型、所在地区、创店时间、是否带货、是否拥有消保金等相关信息。利用这些数据，在实证分析中我们主要研究声誉指标对待售店铺价格的影响。

为了确定声誉对待售店铺的价格影响，我们利用截面数据并考虑卖家主营业务所在行业效应来检验是否声誉能够显著影响待售店铺的销售价格。我们发现待出售淘宝店铺存在显著的声誉溢价，即声誉指标会对待售店铺的价格产生显著的正向影响，尤其是声誉等级和类别会对店铺销售价格产生较大影响。我们发现店铺评价等级增加１个等级，店铺价格增加３６％左右。随着店铺声誉提高，店铺声誉所产生的溢价也越大。

为了研究声誉对于待售店铺价格的因果影响，我们也利用了淘宝店铺声誉等级和积分的特点将店铺声誉变化同其他外生影响待售店铺价格的因素区分开来。我们通过多门槛断点回归来验证店铺声誉对于待售店铺价格的影响。我们发现伴随店铺等级不连续变化出现了店铺价格不连续变化。

本文同已有文献相比主要贡献体现在以下几方面：第一，已有关于声誉影响研究的文献集中讨论了声誉对于企业销量和产品定价的影响，很少直接对于声誉定价进行讨论。本文主要借助淘宝店铺的分析在数字资产的定价方面进行了初步讨论。本文选取淘宝店铺这类特定数字资产，尝试通过声誉这一重要因素来讨论其对店铺出售价格的影响。当前关于数字资产定价的文献相对较少，同时数字资产与传统资产相比有较大的不同，传统评估方法又难

２ 在网店交易平台发展初期，淘宝网并未放开淘宝店铺流转。市场中大量的淘宝店铺交易仅仅通过转让淘宝店铺账号和密码的方式完成交易，这必将带来一定的法律风险。为了满足店铺流转的需求，淘宝网从２０１９年放开淘宝店铺协议变更。

３ 国内主要网店交易平台包括：易佰店、易店无忧、舞泡网和骑迹网。其中易佰店是其中规模最大的平台。

１７６２       经   济   学   （季  刊）    第２２卷

以对数字资产的价值做出适当的评估。本文的分析能够为进一步分析数字资产定价打下坚实的基础。

第二，传统评估声誉收益的实证分析文献主要试图确定声誉所带来的因果效应。由于在分析中我们可能忽略未观察到的店铺差异，这将导致店铺评级分数的变化可能同其他影响声誉的因素有关，从而给确定声誉的因果效应带来困难。例如，店铺的页面设计或者店铺的名称都可能影响声誉从而影响销量。另外，截面分析可能会存在反向因果关系。例如，店铺的销量可能会影响店铺的声誉评分。与这些传统文献不同，本文主要研究第三方平台上待售店铺定价的影响因素。本文所利用的数据会减少传统分析中所带来的困难。首先，传统文献主要研究店铺的销量、收益和产品价格是如何受到声誉的影响，而利用易佰店的数据，待售店铺的价格基本只受到易佰店店铺列表中所呈现数据的影响，其他因素的影响较小。其次，易佰店的数据也减少了反向因果关系的影响。大部分的店铺卖家通常是在退出淘宝网平台后开始准备转让淘宝店铺。这些待售店铺价格不会影响到店铺的声誉。最后，本文利用多门槛断点回归设计将等级变化同其他影响店铺的因素区分开，并验证了声誉对于店铺价格的影响。

本文结构安排如下：在第二部分，我们对相关的声誉的文献进行综述和评论。第三部分，我们讨论淘宝网声誉反馈机制、易佰店背景简介和我们所获取数据的简要分析。第四部分，我们说明了计量模型，并给出了计量结果的报告。最后是结论。

二、文献评论

当前讨论数字资产定价的文献还较少，大部分关于数字资产的文献主要集中讨论数字资产确权、定价的基本框架和会计实践中对数字资产的处理（吕玉芹等，２００３；韩海庭等，２０１９）。本文主要从声誉的角度讨论了淘宝店铺这一特定数字资产的定价问题。考虑到声誉和淘宝店铺转让交易，本部分主要从以下三方面展开论述。

（一）不可交易声誉理论

传统的组织声誉理论发展是现代企业理论发展的结果之一。４Ｋｒｅｐｓｅｔａｌ.（１９８２）最早创建了标准声誉模型。在此基础上组织声誉理论得到进一步发展，逐步形成两种声誉模型，道德风险模型和逆向选择模型。ＫｌｅｉｎａｎｄＬｅｆｌｅｒ（１９８１）最早提出了道德风险的声誉模型，并讨论了声誉和企业产品质量之间

４ 已有的声誉理论研究主要分为两条路径，一是个体声誉理论，二是组织声誉理论。由于本文主要研究组织声誉理论，因此，对个体声誉理论不再进一步研究梳理。

第５期   陈朴等：在线店铺转让价格影响因素分析     １７６３

的关系。在此模型中，产品质量是由厂商决定，且企业行为是不可观察的。另一种理论是在标准声誉模型下考虑逆向选择问题，消费者不能确定企业的类型，只能从企业提供的产品质量中来进行判断。因此，声誉就等价为其他人的信念对企业信息的反映。在早期的研究中，均将声誉与载体捆绑在一起，不能将声誉载体进行单独交易。

（二）可交易声誉理论

Ｋｒｅｐｓ（１９９０）提出声誉可以成为一项可交易的资产。企业名称、商标等是声誉的载体，特定的卖方和声誉的载体并不是一直绑定的，同时声誉本身可以带来未来收入，因此这些声誉载体是卖方的资产，可以进行交易。同时考虑到处于道德风险环境中，企业声誉载体的出售会在短期内激励代理人努力工作。Ｔａｄｅｌｉｓ（１９９９）认为声誉是附属于企业名称的一项无形资产，企业名称的交易等同于企业声誉的交易。同时他基于逆向选择通过将企业名称的价值与企业服务的价格联系起来，明确了两种声誉效应，即 “声誉的维持效应”和 “声誉的建立效应”。在这之后 Ｔａｄｅｌｉｓ（２００２）又将道德风险纳入模型中，发现企业名称并不能把好的企业和差的企业区分开来，因为差的企业可以购买好的声誉企业。

以上的理论分析都是假定顾客无法观察到声誉载体的交易行为，但是在实践中声誉载体的交易行为可被观测。ＨａｒｋｅｎｅｓａｎｄＰｅｉｔｚ（２００７）以德国医疗为例，研究表明即使在声誉可观测但这一信息并不能被所有潜在买者共享时，声誉载体仍存在价值。Ｄｅｂ（２０１２）发现顾客即使发现知名企业所有权发生更换后也仍会对其保持信任，并且进一步关注了交易在完全可观测的环境中企业名称是如何被交易的。

（三）关于在线企业的声誉研究

互联网的出现推动了声誉理论和实证研究的进一步发展。由于线上交易比线下交易的信息不对称程度更高，在线下环境中促成交易的一些机制，如法律制度和稳定的交易伙伴关系，在分散的互联网上作用甚微。因此，需要非正式制度来解决互联网上建立信任的问题。Ｒｅｓｎｉｃｋｅｔａｌ.（２０００）和 Ｄｅｌａ－ｒｏｃａｓ（２００３）提出了在线声誉机制，并利用互联网的双向信息传递能力，人为设计大规模的口碑网络，即个人在网络上分享意见和经验。他们发现在线声誉机制可以较好地解决信任问题。ＲｅｓｎｉｃｋａｎｄＺｅｃｋｈａｕｓｅｒ（２００２）通过对美国最大的在线交易平台ｅＢａｙ的研究，认为ｅＢａｙ的反馈机制促进了陌生人在互联网上的交易。此外，不同的声誉反馈机制其所带来的效果也不同 （ＢａｋｏｓａｎｄＤｅｌａｒｏｃａｓ，２０１１；Ｄｅｌａｒｏｃａｓ，２００６）。李军林 （２００４）认为，在信息充分的情况下，在线交易平台中卖家和任何不同买家之间的一次性交易可以看作是重复博弈，同时也基于可交易声誉理论，网店有动力去建立并且在短期

１７６４       经   济   学   （季  刊）    第２２卷

内维持其声誉。李军林和姚东旻 （２０１３）认为声誉的可交易性能够导致短期合作均衡的出现，同时声誉作为退出机制能够减少卖家的道德风险问题。王啸华 （２０１４）通过理论模型解释了信用评价系统发挥作用的机制。信用评价系统能够使得那些着眼未来的企业提供更好质量的产品，并维持声誉，从而保障网上交易秩序。

在线交易出现所产生的大量数据也使得有关声誉的实证研究取得突破。大量的研究讨论了声誉反馈机制的效果。Ｄｅｌａｒｏｃａｓ（２００６）梳理了相关的研究，发现反馈信息会影响销售价格和销售概率，但影响的结果不一致。不同研究关注不同的商品会得出不同的结论。对于风险较高的交易和价格较高的产品，反馈信息对价格和销售概率的影响相对较高。周黎安等 （２００６）将易趣网的数据分为拍卖价和一口交易数据，两组数据均证明了网店声誉对交易成交概率和成交价格有正向影响。李维安等 （２００７）通过分析魔兽卡的交易数据发现，卖方的声誉对销售量会产生非线性的影响，在临界点之下，卖方信用对商品销售量没有影响，高于临界点之上，商品的销售量也不会因卖方信誉的提高而增加。关于声誉实证研究中，大量研究难以识别声誉对店铺影响的因果关系。随着新的分析方法和大量数据的出现，这一情况得到了改进。Ｌｕｃａ（２０１６）利用 Ｙｅｌｐ．ｃｏｍ特有的餐厅评价机制和不连续回归模型确定了餐厅评价和餐厅需求之间的因果关系。Ｊｏｌｉｖｅｔｅｔａｌ.（２０１６）利用法国零售平台店铺的面板数据，并考虑未观测的店铺差异和声誉的动态变化，确定了声誉对产品价格显著的正向影响。Ｆａｎｅｔａｌ.（２０１６）利用淘宝网数据讨论了淘宝店铺卖家如何主动管理其声誉。他们发现声誉对已建立声誉的卖家有着实质性的积极影响，但新进入市场的卖家短期对声誉的管理会降低其收益甚至导致其长期存活的概率降低。

三、淘宝网、易佰店和数据

（一）淘宝网及其信誉评价体系

淘宝网是由阿里巴巴集团在２００３年５月创立，现在已经成为中国最大电子商务平台。数据显示，截至２０１９年６月，淘宝网月活跃用户达到７．５５亿，在线商品数量超出１０亿，其在２０１９年的交易额约为５１５０亿美元，超过了亚马逊 （Ａｍａｚｏｎ）和ｅＢａｙ的总和。淘宝网之所以在短时间内能够超越其他电子商务平台，其主要原因是根据我国的实际情况，通过支付宝平台和严格的身份审核系统，解决了支付信任问题。此外，淘宝网的另一亮点是建立并维护了一个成功的在线反馈系统，也即用户评价机制，来建立交易双方的信任，从而促成交易。

目前淘宝网的用户评价机制是双向的，买家可以在完成交易后的有效期内对卖家进行评价，反之亦然。评价分为 “好评” （＋１）、 “中评” （＋０）、

第５期   陈朴等：在线店铺转让价格影响因素分析     １７６５

“差评”（－１）三类，如果一方进行了评价，另一方没做评价，系统则对没被评价的一方默认评价为好评。卖家的评分为每次交易的评分累计之和。由于评分为累计之和，卖家评分也同累计交易量有关系。卖家评分可以进一步分为２０个等级，４个类别。每一个等级是由一系列的心、钻石、皇冠和金冠构成。表１将淘宝网卖家评分对应到不同的等级。每个等级与评分是非线性关系，晋升到更高的级别所需要的评分也更多。评分类别和等级会直接显示在店铺页面，同时当消费者在挑选商品时也会观察到商品所在店铺的评分等级。通常，金冠的商家则会被认为是有极高声誉的商家。同时，淘宝网也会为每个店铺计算好评率以及动态评分。好评率等于六个月内的好评数／评价总数。动态评分是指在买家完成一笔交易之后可以根据卖方的行为在宝贝与描述相符、卖家的服务态度、卖家发货的速度三个维度上评分，且每项店铺评分是最近六个月内所有买家给予评分的算术平均值。

表１       淘宝店铺评分分数和等级

店铺评分分数      店铺评分等级

＜４

４—１０

１１—４０

４１—９０

９１—１５０

１５１—２５０

２５１—５００

５０１—１０００

１００１—２０００

２００１—５０００

５００１—１００００

１０００１—２００００

２０００１—５００００

５０００１—１０００００

１００００１—２０００００

２００００１—５０００００

５００００１—１００００００

１０００００１—２００００００

２０００００１—５００００００

５０００００１—１０００００００

１００００００１—

１７６６       经   济   学   （季  刊）    第２２卷

（二）易佰店及淘宝店铺销售数据

伴随网店竞争越来越激烈，新注册的网店运营成本逐渐升高，网店存活变得越来越难。相较于自身逐步积累网店信誉，直接购买合适的网店更有优势。随着网店的利润空间被降低，卖家面对的运营成本不断上升，最终经营不善的卖家被淘汰出局。此时，网店的转让就会出现。转让模式通常有两种，一是买卖双方私下转让，二是通过第三方网店转让平台进行。相较于前一种方式，第三方转让平台拥有更多的买家资源，能够给卖家更多出售的机会。此外，转让平台也能提供估值服务，能够给买卖双方起到参考作用。淘宝网店按照规则需要实名认证而难以转让，但是在市场力量的驱使下，存在大量交易网店的需求。在这一背景下，第三方网店交易平台能够起到担保作用，更好地保障买卖双方权益。因此，经过近几年的不断发展，网店转让市场逐渐被用户支持和认可。

易佰店是成立于２０１４年的综合性网络虚拟资产交易的第三方服务平台，目前主要致力于提供淘宝店铺、天猫商城店铺的交易服务。与传统中介平台不同的是，易佰店推出 “看店卡”服务，用户在交易前，可以通过购买 “看店卡”直接联系一家或者多家店主，双方直接沟通，这保障了交易前信息的透明化、公开化，有效地改善了中介行业中的信息沟通问题。此外，在易佰店上挂售的网店在出售全程，不收取店主任何佣金。

卖方通过注册账户，向易佰店网站提交网店的业务类别、信用评分、是否带货、消保金等各种信息，经网站客服审核通过后便可以上架，买家看中拍下付款、交接网店并签订合同之后，易佰店网站就会放款提现。由此来增加买卖双方信任和保障双方的权益，促进交易的达成。

在易佰店官网上，店铺列表包含了多个电商平台的网店，如淘宝、京东商城、１号店、当当网、拼多多、苏宁易购等。以淘宝店铺为例，在首页搜索时有如下几个分类，包括信用等级、行业分类、价格区间、卖家地址、好评率。在店铺出售页面，页面上的信息包括价格、网店的主营产品类别、店铺等级、创店时间、动态评分、消保金、好评率、是否带货、以及店铺描述等信息。

（三）数据

本文数据是来自易佰店中淘宝店铺的出售列表。易佰店同时提供淘宝店铺和天猫店铺的交易转让服务。淘宝店铺卖家一般是个人或者小型企业，而天猫店铺卖家通常是拥有品牌的公司和授权经销商。由于天猫店铺卖家通常也会在线下销售，同时我们难以从易佰店获取天猫店铺的声誉信息，所以在本文分析中我们只关注淘宝店铺。在所获得的样本数据中，我们去掉淘宝信誉评价体系中评分小于４的店铺，通常这些店铺并不是专业卖家，只是偶尔

第５期   陈朴等：在线店铺转让价格影响因素分析     １７６７

出售个人物品。此外，我们也去掉那些出现明显数据报告错误和缺失的店铺。５最后，我们总共获取了３８４２家待出售淘宝店铺数据。对于每一家淘宝店铺，我们可以观察到店铺售价、主营产品类型、所在地区、创店时间、是否带货、消保金数额和企业店铺等信息。同时我们能够观察到如下卖家声誉衡量指标：卖家评分、等级和好评率。

１．变量

本文主要研究声誉对淘宝店铺定价的影响。实证分析中的被解释变量为店铺价格 （Ｐｒｉｃｅ），来自易佰店店铺列表中所显示待售网店的价格，单位是元。

卖家声誉主要考虑如下四个指标：评分分数 （ＲａｔｉｎｇＳｃｏｒｅ），评分等级（ＲａｔｉｎｇＧｒａｄｅ），评分类别 （Ｃａｔｅｇｏｒｙｉ，Ｃａｔｅｇｏｒｙｉｉ，Ｃａｔｅｇｏｒｙｉｉｉ），好评率（ＰｏｓｉｔｉｖｅＲａｔｉｎｇ）。评分类别变量为虚拟变量。如果店铺类别属于心级别，则Ｃａｔｅｇｏｒｙｉ为１，否则为０；如果店铺类别属于钻级别，则Ｃａｔｅｇｏｒｙｉｉ为１，否则为０；如果店铺类别属于冠级别，则Ｃａｔｅｇｏｒｙｉｉｉ为１，否则为０６。

其他同淘宝店铺特征相关的变量包括：消保金数额 （Ｄｅｐｏｓｉｔ），是否带货 （Ｃａｒｒｙｐｒｏｄｕｃｔ），是否为企业店铺 （Ｅｎｔｅｒｐｒｉｓｅ），能否解决二次验证（Ａｕｔｈｅｎｔｉｃａｔｉｏｎ）。消保金数额 （Ｄｅｐｏｓｉｔ）是淘宝卖家参加淘宝网消费者保障服务所需缴纳的保证金。７卖家在后续不开店之后可以申请解冻。如果店铺缴纳消保金，会增加买家对店铺的信心，会对最终淘宝店铺的价格产生影响。其他三个变量为虚拟变量。如果店铺在出售时将其存货一起转让，是否带货变量 （Ｃａｒｒｙｐｒｏｄｕｃｔ）为１，否则为０。店铺的价格显然会受到是否带货变量的影响。如果店铺显示为企业店铺或可升级为企业店铺，是否为企业店铺变量 （Ｅｎｔｅｒｐｒｉｓｅ）为１，否则为０。企业店铺在商品发布数量上、橱窗推荐位上以及子账号数量上均要比个人店铺更具优势，因此，在其他条件相同的情况下，企业店铺定价也会越高。如果店铺能够解决二次验证，能否解决二次验证 （Ａｕｔｈｅｎｔｉｃａｔｉｏｎ）变量为１，否则为０。二次验证是淘宝网监管店铺的方法之一。通过二次验证淘宝网可以检测店铺是否是由本人在经营。如果店铺出售者无法解决这个二次验证问题，之后店铺买家在很多操作上都无法顺利进行。因此，能够解决二次验证的店铺从理论上说应该售价更高。

２．描述性统计

表２显示了实证研究所选取变量的基本描述统计结果。样本中待售店铺的价格从最低１０００元到最高９０００００元，价格变化范围较大。好评率的平均值为９２．６５％，店铺之间的好评率差距较小。店铺类别数据显示样本中大部分

５ 其中典型的数据报告错误是店铺的好评率大于１００％或者店铺的出售价格为０。

６ 由于店铺等级为皇冠和金冠的数量偏少，如果店铺等级为皇冠和金冠，我们都认为店铺类别属于冠

级别。

７ 卖家只需缴纳相对较少的消保金，就可获得消费者保障服务资格，并无须再冻结保证金，同时可以享受保险公司提供的先行垫付赔款的服务。

１７６８       经   济   学   （季  刊）    第２２卷

的店铺类别为钻或冠，其中类别为钻的占比６８％，类别为冠的占比３２％。消保金数额变量也显示不是所有店铺都选择存入消保金，平均消保金的数额大约为５５５元。是否带货变量显示样本中有６％的企业选择带货出售店铺。是否为企业店铺显示有大约１０％的店铺为企业店铺或者能够将店铺升级为企业店铺。能够解决二次验证问题的网店占总数的７１％。

                            表   ２   变量描述性统计                

                            样本量          均值       标准差   最小值   最大值   中位数

店铺定价       （   ）（元）       ３８４２       １６６７２．１４      ３８３０１．９８       １０００       ９０００００      ７１７５

       Ｐｒｉｃｅ                                            

评分分数       （          ）   ３８４２       １６７０３．７３      ６１４４１．２２      ４       ２０４８９３５   ２８７２

       ＲａｔｉｎｇＳｃｏｒｅ                                    

评分等级       （          ）   ３８４２              ９．１５       ２．３２       １   １８       ９

       ＲａｔｉｎｇＧｒａｄｅ                                           

消保金 （            ）（元）       ３８４２              ５５５．５２      ９７１．６３      ０       ２２０００   ３０

Ｄｅｐｏｓｉｔ                                                   

好评率 （                   ）   ３８４２              ９７．６５   ９．１２       ０   １００   ９９

ＰｏｓｉｔｉｖｅＲａｔｉｎｇ                                               

店铺类别       （          ）   ３８４２              ０．０１       ０．１０       ０   １   ０

       Ｃａｔｅｇｏｒｙｉ                                            

店铺类别       （          ）   ３８４２              ０．６８       ０．４７       ０   １   １

       Ｃａｔｅｇｏｒｙｉｉ                                               

店铺类别       （          ）   ３８４２              ０．３２       ０．４６       ０   １   ０

       Ｃａｔｅｇｏｒｙｉｉｉ                                           

是否带货       （          ）   ３８４２              ０．０６       ０．２３       ０   １   ０

       Ｃａｒｒｙｐｒｏｄｕｃｔ                                               

是否为企业店铺 （    ）   ３８４２              ０．１０       ０．３０       ０   １   ０

              Ｅｎｔｅｒｐｒｉｓｅ                                               

能否解决二次验证                                                      

（          ）          ３８４２              ０．７１       ０．４６       ０   １   １

Ａｕｔｈｅｎｔｉｃａｔｉｏｎ                                                      

资料来源：２０１７年６月易佰店淘宝网店展示页面，ｈｔｔｐ：／／ｗｗｗ．１００ｅｓｔｏｒｅ．ｃｏｍ／ｔｂｗｄ／ｉｎｄｅｘ．ｈｔｍ。

由于本文主要讨论了店铺声誉和价格之间的关系，我们对店铺的评分等级进行分类得到表３。表３显示了样本中店铺的评分等级分布和不同等级下的平均评分、平均价格、平均好评率。所获取样本中最低评分等级是１，等价于１心；最高评分等级是１８，等价于３金冠。此外，我们可以看到样本中大部分淘宝店铺评分类别达到了钻，而最高类别金冠店铺只占到０．２５％左右。表３第５列也显示了不同等级店铺的平均价格。当店铺的评分等级达到了钻后，伴随等级的上升，店铺的销售价格明显也相应提高。同时，我们也看到样本中类别为心的店铺平均价格会高于更高等级的店铺。为了刻画好评率的分布，我们按照评分等级计算平均好评率。表３第４列显示了不同等级下店铺的平均好评率。整体上，样本中类别为心的店铺平均好评率显著低于其他更高类别的店铺。此外，我们可以看到当店铺的评分等级达到了钻后，随着店铺等级的上升，平均好评率的变化不大。卖家存入的消保金数额也会影响消费者对店铺的信心。表３第６列显示了不同评分等级下平均消保金的数额。１心和２心店铺很少会选择存入消保金。同样，随着店铺等级的上升，平均存入的消保金也会相应上升。

第５期                 陈朴等：在线店铺转让价格影响因素分析                   １７６９

                     表   ３   淘宝店铺评分等级统计                                 

频次       平均评分       平均好评率   平均价格       消保金   占比              累计占比

评分等级                                                 （元）   （元）                       

                                   （ ）                          （ ）            （ ）

                                   ％                        ％          ％

       ４          ６          ７５．００   ３３７５       ８   ０．１０              ０．１０

       ４          ２２              ７５．００   ２７００       ８   ０．１０              ０．２１

１０       ５０              ９９．２０   ２４５６０   ６００   ０．２６              ０．４７

       ５          １３６          ７８．８０   １１４１４   ４１２   ０．１３              ０．６０

１２       １９３          ９８．６７   ３５１６       ４１９   ０．３１              ０．９１

５６５   ３５６          ９８．０１   ３９４１       ３４４   １４．７１          １５．６２

４８２   ７４６          ９７．１２   ５４１６       ４３４   １２．５５          ２８．１６

５０２   １６９５       ９８．２４   ５９６９       ３８７   １３．０７          ４１．２３

６５２   ４８１６       ９６．８２   ８２３２       ４６３   １６．９７          ５８．２０

３９３   ７１６５       ９７．９８   １２６３３   ６１２   １０．２３          ６８．４３

５７６   １３２４６   ９７．８５   １９２９４   ６９８   １４．９９          ８３．４２

３７３   ２９６２３   ９８．３４   ３２７４６   ７４３   ９．７１              ９３．１３

１３７   ６５９８０   ９８．５１   ４９７３５   ９４４   ３．５７              ９６．６９

７５       １３３０７７      ９６．８５   ９１０３７   １１３７       １．９５              ９８．６５

４２       ２５７４８８      ９７．３８   １２５７９７      １３７１       １．０９              ９９．７４

       ９          ６９３９３３      ９８．００   ３０１０００      ３２１４       ０．２３              ９９．９７

       １          ２０４８９３５   ９８．００   ６０００００      ０   ０．０３              １００．００

资料来源：   年   ６   月易佰店淘宝网店展示页面，  ：／／          ／   ／   。

２０１７                                   ｈｔｔｐ       ｗｗｗ．１００ｅｓｔｏｒｅ．ｃｏｍｔｂｗｄｉｎｄｅｘ．ｈｔｍ

表４按照店铺是否带货销售计算平均评分和平均价格。虽然带货店铺占比不高，但是带货销售的店铺通常有更高的信用评分和价格。在所获取的样本中有１０％的店铺被划分为企业店铺。表５显示如果我们把企业店铺划分为非企业店铺、企业店铺和可升级为企业店铺三类，后两类店铺的平均评分和平均价格要显著高于非企业店铺。表６刻画店铺是否能够进行二次验证的相关统计。我们可以看到店铺二次验证会带来平均店铺价格的上升，但是相对是否带货和是否企业店铺，这一特点带来的价格上升效果不大。

       表   ４   淘宝店铺是否带货     

是否带货       频次              平均评分       平均价格 （元）

否   ３６１３       １５８４３   １５３１６

是   ２２３          ３０６４４   ３８６３８

１７７０                     经济学（季刊）   第２２卷

              表   ５   淘宝店铺是否企业店铺     

       企业店铺       频次       平均评分       平均价格 （元）

       非企业店铺   ３４６０       １５２１６   １４８６８

       企业店铺       １４６   １８１６２   ２８０３１

       可升级为企业店铺      ２３６   ３７６２０   ３６２８０

              表   ６   淘宝店铺能否二次验证     

       能否二次验证      频次       平均评分       平均价格 （元）

       否   １１２６       １４５１２   １５４２３

       是   ２７１０       １７６１４   １７１９１

最后我们对样本中店铺主营业务类别进行统计，分布情况如表７所示。样本中的店铺分布于１６个行业，其中，主营业务为服饰鞋包的网店数量最多，共有１７７６家，占４６％。店铺平均评分最高的行业是珠宝／首饰。店铺平均价格最高的行业是食品／保健。

              表   ７   淘宝店铺主营行业     

评分等级       频次              平均评分       平均价格 （元）

万用百搭       ２          ４１７２       ７７５０

书籍音像       ８          １７１５６   ２２３７５

汽车配件       ４７              ９７８３       １３５３８

玩乐／收藏   ５９              １０１５９   １４５８８

家装家饰       ７１              １２６９３   １９６１５

其他行业       ９３              ６９７８       ９８０４

运动／户外   ９３              １３１２３   １４８２７

珠宝／首饰   ９４              ３８００３   ２３４２８

家居用品       １６６          １５６７９   １７９０５

食品／保健   １７４          ３３１３３   ３１７４９

美容护理       １７９          １４３７７   ２２８０１

母婴用品       １８５          ２５８１０   ２７６６７

３Ｃ       数码类   ２４８          ２３５０３   １８３８７

生活服务       ２５１          １６３７９   １０８７７

游戏／话费   ３９５          １３４５４   ８２５５

服饰鞋包       １７７６       １４４４８   １５９１７

第５期   陈朴等：在线店铺转让价格影响因素分析     １７７１

四、实证分析

实证分析分为两部分。首先我们控制店铺效应估计店铺声誉对待售店铺价格的影响。其次，我们利用多门槛断点回归设计验证声誉对于待售店铺价格的因果影响。

（一）声誉对待售店铺的影响

为了确定店铺声誉对待售店铺价格的影响，我们考虑如下回归：

（   ）   ×ｒｅｐｕｔａｔｉｏｎｉ ＋β２ ×ｃｏｎｔｒｏｌｓ＋ｕｓ ＋εｉ     ，       （）

ｌｏｇＰｒｉｃｅｉ ＝α＋β１                     １

其中，ｉ代表待售店铺，ｓ代表店铺的主营业务。被解释变量Ｐｒｉｃｅｉ 为易佰店中待售店铺ｉ的价格。我们利用方程 （１）考虑不同声誉变量对待售店铺价格进行回归，其中ｒｅｐｕｔａｔｉｏｎｉ 可以代表店铺评分分数ＲａｔｉｎｇＳｃｏｒｅｉ，评分等级ＲａｔｉｎｇＧｒａｄｅｉ， 评分类别Ｃａｔｅｇｏｒｙｉｉ，Ｃａｔｅｇｏｒｙｉｉｉ，Ｃａｔｅｇｏｒｙｉｉｉｉ 和好评率ＰｏｓｉｔｉｖｅＲａｔｉｎｇｉ。 控制变量ｃｏｎｔｒｏｌｓｉ 包括消保金数额Ｄｅｐｏｓｉｔｉ， 是否带货 Ｃａｒｒｙｐｒｏｄｕｃｔｉ， 是否为企业店铺 Ｅｎｔｅｒｐｒｉｓｅｉ， 能否解决二次验证Ａｕｔｈｅｎｔｉｃａｔｉｏｎｉ 。在方程 （１）的估计中我们包括了待售店铺的行业效应ｕｓ，以控制无法观测的行业效应的差异，这能够减轻声誉效应中的内生性问题。

最后，ε 为残差项，以控制待售店铺的个体差异，我们假定ε 为独立同分布。

ｉ   ｉ

在方程 （１）中，我们能够利用易佰店中待售店铺列表中所提供的店铺主营业务来刻画行业效应。通过控制这一效应，我们能够控制那些未观察到的店铺差异，从而减少关于声誉实证研究中常见的内生性。此外，由于我们研究的对象为第三方平台上待售店铺定价数据，这些数据通常只受到店铺列表中所呈现数据的影响，其他因素的影响较小，因而内生性的问题影响较小。同时，待售店铺价格是在店铺卖家决定退出淘宝网平台后决定的，这些价格通常并不会影响到店铺的声誉。因此，我们的数据也能够规避可能的反向因果关系的影响。

利用实证回归方程 （１），我们能够确定声誉对待售店铺的价格影响。表８报告了我们对待售店铺价格关于不同声誉指标回归的结果。在对方程 （１）的估计中，我们分别考虑不同的声誉设定，同时在表８中我们不考虑行业效应对估计的影响。

整体上表８显示评分分数、评分等级、评分类别和好评率均对店铺出售定价产生正向影响，其中评分分数、评分等级、评分类别对价格有显著的正向影响。由于淘宝店铺的等级是直接显示在店铺页面，同时消费者在搜寻产品时能直接观察到相应的等级信息。评分等级和评分类别对店铺价格的影响效果最大。表８第 （１）列显示评分等级对店铺售价的影响。店铺等级增加１

１７７２       经   济   学   （季  刊）    第２２卷

个等级，则店铺的出售价格显著增加３６％。表８第 （４）列显示了评分类别变化对店铺销售价格的影响。店铺类别从心变为钻，出售价格会增加４７％，而类别从钻变为冠，出售价格会显著增加１９８％。由于评分分数的取值范围较大，其每增加１分，出售价格增加的幅度很小。表８第 （２）列显示评分分数增加１分，对店铺的出售价格产生正向影响但效果不大。表８第 （３）列显示了好评率的变化对店铺售价的影响。由于店铺间好评率的变化很小，好评率对店铺出售价格的影响也不显著。因此，我们的结果显示待售淘宝店铺存在声誉溢价，具有越高声誉的店铺销售价格也越高。

方程 （１）回归中控制变量对于结果的影响较为稳定，并且基本符合我们的预期。消保金数额、是否带货、是否为企业店铺、是否可以解决注册问题这五个变量均对网店出售价格产生正向影响。从大小上看，是否为企业店铺和是否带货变量的影响较大，网店是否可以解决验证影响次之，消保金数额的影响较小。

       表   ８   声誉指标和淘宝店铺价格                      

       （）                     （）              （）              （）

       １                 ２          ３          ４

ＲａｔｉｎｇＧｒａｄｅ         ＊＊＊                                     

       ０．３５５                                            

       （          ）                                     

       ０．００４                                     

ＲａｔｉｎｇＳｃｏｒｅ                              ＊＊＊                       

                            ６．７２３ｅ－０６                       

                            （   ）                       

                            ２．３３７ｅ－０７                       

ＰｏｓｉｔｉｖｅＲａｔｉｎｇ                                         ０．００２         

                                          （   ）         

                                          ０．００２         

Ｃａｔｅｇｏｒｙｉｉ                                                              ＊＊＊

                                                        ０．４６３

                                                        （   ）

                                                        ０．１１５

Ｃａｔｅｇｏｒｙｉｉｉ                                                          ＊＊＊

                                                        １．９８２

                                                        （   ）

                                                        ０．１１６

Ｄｅｐｏｓｉｔ          ＊＊＊          ＊＊＊          ＊＊＊          ＊＊＊

       ０．０００          ０．０００   ０．０００   ０．０００

       （          ）   （   ）   （   ）   （   ）

       ０．０００   ０．０００   ０．０００   ０．０００

Ｃａｒｒｙｐｒｏｄｕｃｔ             ＊＊＊          ＊＊＊          ＊＊＊          ＊＊＊

       ０．２７６          ０．２６６   ０．３３１   ０．３１０

       （          ）   （   ）   （   ）   （   ）

       ０．０３７   ０．０６１   ０．０６７   ０．０４６

Ｅｎｔｅｒｐｒｉｓｅ             ＊＊＊          ＊＊＊          ＊＊＊          ＊＊＊

       ０．３１７          ０．３５１   ０．４３０   ０．３１０

       （          ）   （   ）   （   ）   （   ）

       ０．０２９   ０．０４８   ０．０５３   ０．０３７

Ａｕｔｈｅｎｔｉｃａｔｉｏｎ             ＊＊＊          ＊＊＊          ＊＊＊          ＊＊＊

       ０．１６５          ０．１２４   ０．１４４   ０．１７０

       （          ）   （   ）   （   ）   （   ）

       ０．０１９   ０．０３２   ０．０３５   ０．０２４

Ｃｏｎｓｔａｎｔ             ＊＊＊          ＊＊＊          ＊＊＊          ＊＊＊

       ５．５９７          ８．６９９   ８．５５５   ７．８７４

       （          ）   （   ）   （   ）   （   ）

       ０．０３７   ０．０２８   ０．１６９   ０．１１６

第５期   陈朴等：在线店铺转让价格影响因素分析     １７７３

                            （续表）

       （）       （）       （）       （）

       １   ２   ３   ４  

Ｎ   ３８４２       ３８４２       ３８４２       ３８４２

２   ０．７３０   ０．２６３   ０．１０４   ０．５７５  

Ａｄｊ．Ｒ                              

注：表中显示对方程 （１）ＯＬＳ估计的结果，其中被解释变量是ｌｏｇ （Ｐｒｉｃｅ）。所有的回归中我们都控制了店铺特征，包括消保金数额 （Ｄｅｐｏｓｉｔ），是否带货 （Ｃａｒｒｙｐｒｏｄｕｃｔ），是否为企业店铺 （Ｅｎ－ｔｅｒｐｒｉｓｅ），能否解决二次验证 （Ａｕｔｈｅｎｔｉｃａｔｉｏｎ）。括号中所报告的数值是系数标准差。＊＊＊代表显著性为１％。

表９重复对于方程 （１）的估计，但是在回归中我们逐渐增加声誉变量的个数。表９的结果显示，回归系数变化相对比较稳定。表９的第 （３）列中我们同时考虑了评分分数、评分等级和好评率对店铺售价的影响，其结果同表８的结果基本一致。其中评分分数、评分等级能够产生显著的正向影响，评分等级的影响相对评分分数的影响更大；而好评率对店铺价格的影响并不显著。控制变量对店铺价格的影响也同样符合我们的预期。

       表   ９   声誉指标和淘宝店铺价格        

                     （）              （）              （）

                            １          ２          ３

ＲａｔｉｎｇＧｒａｄｅ                       ＊＊＊          ＊＊＊          ＊＊＊

       ０．３５５   ０．３４３   ０．３４３

       （          ）   （   ）   （   ）

              ０．００４   ０．００４   ０．００４

ＲａｔｉｎｇＳｃｏｒｅ                                     ＊＊＊          ＊＊＊

                                   １．０４０ｅ－０６   １．０３９ｅ－０６

                                   （   ）   （   ）

                                   １．５６７ｅ－０７   １．５６８ｅ－０７

ＰｏｓｉｔｉｖｅＲａｔｉｎｇ                                                －０．０００

                                                 （   ）

                                                 ０．００１

Ｄｅｐｏｓｉｔ                        ＊＊＊          ＊＊＊          ＊＊＊

       ０．０００   ０．０００   ０．０００

       （          ）   （   ）   （   ）

              ０．０００   ０．０００   ０．０００

Ｃａｒｒｙｐｒｏｄｕｃｔ                           ＊＊＊          ＊＊＊          ＊＊＊

       ０．２７６   ０．２６８   ０．２６８

       （          ）   （   ）   （   ）

              ０．０３７   ０．０３７   ０．０３７

Ｅｎｔｅｒｐｒｉｓｅ                           ＊＊＊          ＊＊＊          ＊＊＊

       ０．３１７   ０．３０９   ０．３０９

       （          ）   （   ）   （   ）

              ０．０２９   ０．０２９   ０．０２９

Ａｕｔｈｅｎｔｉｃａｔｉｏｎ                           ＊＊＊          ＊＊＊          ＊＊＊

       ０．１６５   ０．１６１   ０．１６２

       （          ）   （   ）   （   ）

              ０．０１９   ０．０１９   ０．０１９

Ｃｏｎｓｔａｎｔ                           ＊＊＊          ＊＊＊          ＊＊＊

       ５．５９７   ５．６９８   ５．７３６

       （          ）   （   ）   （   ）

              ０．０３７   ０．０４０   ０．０９８

Ｎ          ３８４２       ３８４２       ３８４２

２          ０．７３０   ０．７３３   ０．７３３

Ａｄｊ．Ｒ                       

注：表中显示对方程 （１）ＯＬＳ估计的结果，其中被解释变量是ｌｏｇ （Ｐｒｉｃｅ）。所有的回归中我们都控制了店铺特征，包括消保金数额 （Ｄｅｐｏｓｉｔ），是否带货 （Ｃａｒｒｙｐｒｏｄｕｃｔ），是否为企业店铺 （Ｅｎ－ｔｅｒｐｒｉｓｅ），能否解决二次验证 （Ａｕｔｈｅｎｔｉｃａｔｉｏｎ）。括号中所报告的数值是系数标准差。＊＊＊代表显著性为１％。

１７７４       经   济   学   （季  刊）    第２２卷

表１０中对方程 （１）的估计同表８一样，但是在表１０中我们考虑行业效应的影响。表１０的结果显示所有的声誉指标都能够对店铺出售价格产生显著的正向影响，影响的大小基本同表８的结果一致。评分等级和评分类别对店铺价格的影响效果最大，而评分分数对价格的影响效果不大。此外，表１０第（３）列显示好评率增加１％，店铺的售价会上升０．３％。表１１中对方程 （１）的估计同表９一样，我们也在表１１中考虑了行业效应的影响。表１１的结果显示，随着我们逐渐增加声誉变量的个数，回归系数的大小和显著性同表９基本一致。其中评分分数、评分等级和好评率都能够产生正向影响，评分等级和评分分数的影响更为显著。

       表   １０       声誉指标和淘宝店铺价格                      

              （）                     （）       （）                     （）

              １                 ２   ３                 ４

ＲａｔｉｎｇＧｒａｄｅ         ＊＊＊                                            

       ０．３４９                                            

       （   ）                                     

       ０．００５                                            

ＲａｔｉｎｇＳｃｏｒｅ                              ＊＊＊                       

                            ６．５８３ｅ－０６                       

                            （   ）                       

                            １．６６１ｅ－０６                       

ＰｏｓｉｔｉｖｅＲａｔｉｎｇ                                         ＊＊             

                                          ０．００３                

                                          （   ）         

                                          ０．００１         

Ｃａｔｅｇｏｒｙｉｉ                                                              ＊

                                                        ０．２６２

                                                        （   ）

                                                        ０．１５４

Ｃａｔｅｇｏｒｙｉｉｉ                                                          ＊＊＊

                                                        １．８１８

                                                        （   ）

                                                        ０．１４８

Ｄｅｐｏｓｉｔ          ＊＊＊                 ＊＊＊   ＊＊＊         

       ０．０００          ０．０００   ０．０００                

       （   ）   （   ）   （   ）         

       ０．０００          ０．０００   ０．０００         

Ｃａｒｒｙｐｒｏｄｕｃｔ             ＊＊＊                 ＊＊       ＊＊             

       ０．２６７          ０．２５０   ０．３１０                

       （   ）   （   ）   （   ）         

       ０．０６１          ０．１１６   ０．１２１         

Ｅｎｔｅｒｐｒｉｓｅ             ＊＊＊                 ＊＊＊   ＊＊＊         

       ０．２９２          ０．３１２   ０．３８４                

       （   ）   （   ）   （   ）         

       ０．０４１          ０．０４６   ０．０６９         

Ａｕｔｈｅｎｔｉｃａｔｉｏｎ             ＊＊＊                 ＊＊＊   ＊＊＊         

       ０．１６０          ０．１２１   ０．１４０                

       （   ）   （   ）   （   ）         

       ０．０２３          ０．０４５   ０．０４３         

Ｎ   ３８４２              ３８４２       ３８４２       ３８４２

２   ０．７４６          ０．３０３   ０．１５２   ０．５６４

Ａｄｊ．Ｒ                              

行业效应              是                 是   是                 是

注：表中显示对方程 （１）ＯＬＳ估计的结果，其中被解释变量是ｌｏｇ （Ｐｒｉｃｅ）。所有的回归中我们都控制了店铺特征，包括消保金数额 （Ｄｅｐｏｓｉｔ），是否带货 （Ｃａｒｒｙｐｒｏｄｕｃｔ），是否为企业店铺 （Ｅｎ－ｔｅｒｐｒｉｓｅ），能否解决二次验证 （Ａｕｔｈｅｎｔｉｃａｔｉｏｎ）。方程 （１）的回归中考虑行业效应。括号中所报告的数值是行业聚类标准差。＊＊＊代表显著性为１％，＊＊代表显著性为５％，＊ 代表显著性为１０％。

第５期   陈朴等：在线店铺转让价格影响因素分析            １７７５

       表   １１       声誉指标和淘宝店铺价格               

                     （）              （）              （）

                     １                 ２          ３  

ＲａｔｉｎｇＧｒａｄｅ                       ＊＊＊          ＊＊＊          ＊＊＊

              ０．３４９   ０．３３７   ０．３３７

              （          ）   （   ）   （   ）

              ０．００５   ０．００５   ０．００５

ＲａｔｉｎｇＳｃｏｒｅ                                     ＊＊＊          ＊＊＊

                                   １．０８０ｅ－０６   １．０８１ｅ－０６

                                   （   ）   （   ）

                                   ３．２２１ｅ－０７   ３．２３４ｅ－０７

ＰｏｓｉｔｉｖｅＲａｔｉｎｇ                                                ０．００１

                                                 （   ）

                                                 ０．００１

Ｄｅｐｏｓｉｔ                        ＊＊＊          ＊＊＊          ＊＊＊

              ０．０００   ０．０００   ０．０００

              （          ）   （   ）   （   ）

              ０．０００   ０．０００   ０．０００

Ｃａｒｒｙｐｒｏｄｕｃｔ                           ＊＊＊          ＊＊＊          ＊＊＊

              ０．２６７   ０．２５８   ０．２５８

              （          ）   （   ）   （   ）

              ０．０６１   ０．０６２   ０．０６２

Ｅｎｔｅｒｐｒｉｓｅ                           ＊＊＊          ＊＊＊          ＊＊＊

              ０．２９２   ０．２８３   ０．２８３

              （          ）   （   ）   （   ）

              ０．０４１   ０．０３８   ０．０３８

Ａｕｔｈｅｎｔｉｃａｔｉｏｎ                           ＊＊＊          ＊＊＊          ＊＊＊

              ０．１６０   ０．１５５   ０．１５５

              （          ）   （   ）   （   ）

              ０．０２３   ０．０２３   ０．０２３

Ｎ          ３８４２       ３８４２       ３８４２

２          ０．７４６   ０．７４９   ０．７４９

Ａｄｊ．Ｒ                       

行业效应                     是                 是          是

注：表中显示对方程 （１）ＯＬＳ估计的结果，其中被解释变量是ｌｏｇ （Ｐｒｉｃｅ）。所有的回归中我们都控制了店铺特征，包括消保金数额 （Ｄｅｐｏｓｉｔ），是否带货 （Ｃａｒｒｙｐｒｏｄｕｃｔ），是否为企业店铺 （Ｅｎ－ｔｅｒｐｒｉｓｅ），能否解决二次验证 （Ａｕｔｈｅｎｔｉｃａｔｉｏｎ）。方程 （１）的回归中考虑行业效应。括号中所报告的数值是行业聚类标准差。＊＊＊代表显著性为１％。

最后，我们将样本按照评分类别分成两组，分别是等级６—１０（钻）和等级１１—１８（冠）。由于属于心类别样本较少，我们忽略这些低等级店铺。利用方程 （１）的估计我们分析店铺价格和信誉之间是否存在非线性关系。表１２第 （１）列代表对钻类别店铺的回归结果，第 （２）列代表对冠类别店铺的回归结果。表１２结果显示，评分等级的影响在两组内部仍旧带来显著的正向影响。随着网店信誉水平逐渐升高，等级为６—１０后，即在第一组中，评分等级每升高１个单位，网店定价会增加２９％。在第二组中，网店升级成为冠类店铺后，评分等级每升高１个单位，网店定价会增加４１％，远高于第一组中店铺评分等级对其价格的影响。随着评分等级的上升，价格上升更快，二者呈非线性关系。而对于评分分数，表１２显示在信誉更高的组别中评分分数的影响更为显著。其他控制变量的影响同之前回归结果也基本一致。

声誉对于待售店铺价格影响的非线性变化可能来自不同的因素。第一，店铺所在行业的市场结构可能会影响到对声誉所产生的效果。当店铺所在行

１７７６       经   济   学   （季  刊）    第２２卷

业处于充分竞争的状态，声誉能够较好地区分店铺的优劣并导致店铺价格差异产生，而这种差异反映了店铺为了获取相应声誉所付出的边际成本。而当店铺所处的行业竞争较弱时，声誉也会使得待售店铺价格产生差异，但是待售店铺价格差异除了反映店铺维持声誉的成本差异外，也反映了购买者对于不同声誉店铺的支付意愿。８第二，基于消费者选择理论，店铺购买者需求弹性的差异也会使得不同等级下店铺声誉对于价格的影响不同。通过考察非位似偏好的消费者问题，我们可以解释具有不同需求弹性的购买者的行为差异。例如，我们可以把购买者按照其对价格敏感度不同分为：高价格敏感购买者和低价格敏感购买者。低价格敏感的购买者会为店铺支付更多，通常这类购买者也拥有更高的收入。这一结构显示，低价格敏感的购买者通常会选择更高声誉的店铺，并为声誉支付更多。由于当前样本缺乏店铺所处行业的市场结构以及不同买家相关信息，我们未能对不同机制做出深入讨论。因此，未来我们的研究方向之一是通过市场结构和购买者的角度探讨声誉对于店铺价格的影响。

表１２   声誉指标和淘宝店铺价格：钻和冠等级

              （）              （）

              １          ２

ＲａｔｉｎｇＧｒａｄｅ         ＊＊＊          ＊＊＊

       ０．２８５   ０．４０６

       （   ）   （   ）

       ０．００８   ０．０１９

ＲａｔｉｎｇＳｃｏｒｅ  １．５９０ｅ－０７          ＊＊

              ３．９９１ｅ－０７

       （   ）   （   ）

       １．７９６ｅ－０７   １．９３１ｅ－０７

ＰｏｓｉｔｉｖｅＲａｔｉｎｇ             ＊   ０．００１

       ０．００１  

       （   ）   （   ）

       ０．００１   ０．００１

Ｄｅｐｏｓｉｔ          ＊＊＊          ＊＊＊

       ０．０００   ０．０００

       （   ）   （   ）

       ０．０００   ０．０００

Ｃａｒｒｙｐｒｏｄｕｃｔ             ＊＊              ＊＊＊

       ０．１６５   ０．３３１

       （   ）   （   ）

       ０．０７４   ０．０５１

Ｅｎｔｅｒｐｒｉｓｅ             ＊＊＊          ＊＊＊

       ０．１９２   ０．２０２

       （   ）   （   ）

       ０．０４８   ０．０３７

Ａｕｔｈｅｎｔｉｃａｔｉｏｎ             ＊＊＊   ０．０７０

       ０．２０３  

       （   ）   （   ）

       ０．０２７   ０．０５５

８ ＨｕａｎｇａｎｄＨｉｒｔｈ（２０１６）讨论了疗养院评级机制的建立能帮助消费者更好地选择疗养院，但是行业结构也会对评级信息所带来的效果产生影响。

第５期   陈朴等：在线店铺转让价格影响因素分析     １７７７

              （续表）

       （）       （）

       １   ２  

Ｎ   ２５８９       １２０９

２   ０．４９３   ０．５７０

Ａｄｊ．Ｒ         

行业效应       是   是

注：表中显示对方程 （１）ＯＬＳ估计的结果，其中被解释变量是ｌｏｇ （Ｐｒｉｃｅ）。所有的回归中我们都控制了店铺特征，包括消保金数额 （Ｄｅｐｏｓｉｔ），是否带货 （Ｃａｒｒｙｐｒｏｄｕｃｔ），是否为企业店铺 （Ｅｎ－ｔｅｒｐｒｉｓｅ），能否解决二次验证 （Ａｕｔｈｅｎｔｉｃａｔｉｏｎ）。方程 （１）的回归中考虑行业效应。括号中所报告的数值是行业聚类标准差。＊＊＊代表显著性为１％，＊＊代表显著性为５％，＊ 代表显著性为１０％。

（二）多门槛断点回归

由于在上一小节关于声誉对待售店铺价格影响的分析中，同店铺无关的因素可能会影响估计，在这一小节我们利用断点回归分析声誉对于店铺价格的影响。在第三部分我们讨论了淘宝网店铺信誉评价体系。对淘宝店铺评分等级的划分可以使我们利用多门槛断点回归分析店铺声誉对于待售店铺价格的因果影响。店铺依赖声誉评分获取不同等级，这种等级划分机制可以使得店铺购买者所观察到的店铺等级信息同其他潜在影响店铺的因素独立。

在不同声誉评分的门槛下，我们可以通过等级划分机制分析那些具有类似声誉评分，但等级不同的店铺。具体来说，在每一个声誉评分Ｓｊ 门槛下，店铺等级ＲａｔｉｎｇＧｒａｄｅｉ 会从低等级 （ｌｊ ）上升到高等级 （ｈｊ ）：如果Ｓｊ－１ ＜ＲａｔｉｎｇＳｃｏｒｅｉ ＜Ｓｊ，ＲａｔｉｎｇＧｒａｄｅｉ ＝ｌｊ ；如果Ｓｊ ＜ＲａｔｉｎｇＳｃｏｒｅｉ ＜Ｓｊ＋１，ＲａｔｉｎｇＧｒａｄｅｉ＝ｈｊ 。因此，按照评分等级机制，店铺等级是店铺评分的阶梯函数。由于待售店铺价格依赖于店铺等级，在断点回归中我们假定结果变量为 （ｌｏｇ（Ｐｒｉｃｅｉ））。 根据关于结果变量 （ｌｏｇ（Ｐｒｉｃｅｉ））回归函数在门槛（Ｓｊ ）下的连续性假定 （Ｃａｔｔａｎｅｏｅｔａｌ.，２０１６；Ｃａｔｔａｎｅｏｅｔａｌ.，２０２０），我们可以通过如下回归方程估计店铺等级对于店铺价格的影响：

ｌｏｇ（Ｐｒｉｃｅｉ）＝Ｇ（ＲａｔｉｎｇＳｃｏｒｅｉ）＋β×ＲａｔｉｎｇＧｒａｄｅｉ ＋εｉ，      （２）

其中Ｇ（·）是关于ＲａｔｉｎｇＳｃｏｒｅ 的多项式， 刻画了店铺等级变化对于价格的

ｉ   β

影响。严格来讲，按照断点回归分析，估计量能够表示为

Ｅ（ｌｏｇ（Ｐｒｉｃｅｉ（ｈｊ））－ｌｏｇ（Ｐｒｉｃｅｉ（ｌｊ））｜ＲａｔｉｎｇＳｃｏｒｅｉ ＝Ｓｊ）＝

ｌｉｍＥ（ｌｏｇ（Ｐｒｉｃｅｉ）｜ＲａｔｉｎｇＳｃｏｒｅｉ ＝Ｓ）－ｌｉｍＥ（ｌｏｇ（Ｐｒｉｃｅｉ）｜ＲａｔｉｎｇＳｃｏｒｅｉ ＝Ｓ）。

Ｓ↓Ｓｊ Ｓ↑Ｓｊ

我们主要考虑如下声誉评分门槛：５００，２０００，１００００，５００００。在每一个评分门槛下，我们分析是否店铺等级上升对于店铺价格的影响。由于店铺声誉评分的上升会带来等级的提升，我们主要考虑精确断点回归分析 （ｓｈａｒｐｒｅｇｒｅｓｓｉｏｎｄｉｓｃｏｎｔｉｎｕｉｔｙ），并分析评分超出门槛所带来的店铺等级上升对于店铺价格的影响。

１７７８       经   济   学   （季  刊）    第２２卷

首先，我们检验在不同评分门槛下是否出现分布密度的不连续性来确保声誉变量不会受到人为操纵。我们利用 Ｃａｔｔａｎｅｏｅｔａｌ.（２０２０）提出的概率密度不连续性检验 （ｄｅｎｓｉｔｙｄｉｓｃｏｎｔｉｎｕｉｔｙｔｅｓｔ）排除了这一可能性。在图１中，我们检验了不同评级门槛和混和门槛下分布密度的不连续性，我们发现门槛左右差异没有显著不同。

图１       分布密度检验：店铺评分

表１３报告了不同评分门槛下等级提升对于店铺价格的影响。结果显示所有的系数都是显著为正，且伴随评分门槛的上升，等级提升对店铺价格的影响更大。同前一小节估计系数比较，各个门槛下断点回归得到的系数大小基本同前一小节分析一致。图２直观显示了每个门槛下所估计的参数以及９５％置信区间。结果显示所有的门槛下都是显著为正，而且伴随着门槛的提升，等级提升对于价格的影响越来越大。图３提供了店铺价格在等级门槛上下变化的图形分析。我们可以看到待售店铺价格出现非连续变化。

断点回归除了能够帮助识别店铺等级提升对于待售店铺价格的因果影响，也揭示了声誉在易佰店等店铺出售平台上所发挥的作用。首先，声誉成为影响待售店铺需求的重要决定因素。淘宝网通过设定声誉评价机制，使得消费

第５期   陈朴等：在线店铺转让价格影响因素分析     １７７９

者通过声誉评价系统分享其在不同店铺的体验，店铺购买者也能够通过声誉获取店铺信息。淘宝网的店铺声誉已经成为在线店铺销售平台上最重要的信息之一。其次，淘宝网声誉评价机制中店铺等级的设定使得其成为影响消费者行为的显著特征。同时待售店铺价格也会对店铺等级做出非连续的反应。最后，店铺价格关于店铺声誉的非连续的反应也揭示了店铺购买者可能并没有完全利用所有声誉信息评价店铺，只是对于店铺等级做出相应反应。由于观察所有信息评价店铺需要更多的时间和精力，消费者和店铺购买者往往只注重等级信息。因此，店铺等级可能对于消费者和店铺购买者更加重要。

表１３   断点回归：声誉评分和淘宝店铺价格

                     （   ）   样本数

                     ｌｏｇ Ｐｒｉｃｅｓ

Ｔｈｒｅｓｈｏｌｄ１      （   ）          ＊＊＊   １７７１

       ５００   ０．１０６  

                     （   ）  

                     ０．０７３  

Ｔｈｒｅｓｈｏｌｄ２      （   ）          ＊＊＊   １４５２

       ２０００       ０．０８０  

                     （   ）  

                     ０．０６５  

Ｔｈｒｅｓｈｏｌｄ３      （   ）          ＊   ６４１

       １００００   ０．２２６  

                     （   ）  

                     ０．０９１  

Ｔｈｒｅｓｈｏｌｄ４      （   ）          ＊＊＊   ４２

       ５００００   ０．４５６  

                     （   ）  

                     ０．１９０  

注：表中显示对方程 （２）多门槛断点回归的结果，其中被解释变量是ｌｏｇ （Ｐｒｉｃｅ）。第二列报告了店铺等级在每个门槛下的估计系数，第三列报告了每个门槛下的样本数，括号中报告的是稳健标准差。＊＊＊代表显著性为１％，＊＊代表显著性为５％，＊ 代表显著性为１０％。

图２       断点回归：店铺等级和店铺价格

１７８０       经   济   学   （季  刊）    第２２卷

图３       待售店铺价格和等级非连续变化

五、结   论

伴随在线声誉反馈系统的大量应用，声誉反馈直接影响到买卖双方的行为。因此，大量研究线上卖家声誉的文献也集中讨论了买家或者店铺面对声誉所做出的反应。相对于传统文献，本文选择第三方交易平台上待售淘宝店铺定价作为对象，研究声誉如何影响这类淘宝店铺的定价。通过对待售淘宝店铺数据的分析，我们发现买家能够直接观察到声誉评分等级和类别，因此这两类声誉指标会对待售淘宝店铺的定价带来显著的正向影响。同时我们发现店铺声誉和店铺定价是非线性关系，随着声誉的上升，店铺定价上升更快。信誉较低的店铺，声誉对定价的影响较低，定价更多地取决于其他因素，如是否为企业店铺等。随着声誉不断升高，声誉对定价的影响越来越大，声誉所产生的溢价也更高。此外，淘宝店铺待售列表中的其他变量，例如消保金数额、是否带货、是否为企业店铺、是否能够解决二次验证都会影响到店铺出售的价格。

另外，本文的研究也可以帮助我们更好地理解数字资产定价。淘宝店铺是一类特别的数字资产。店铺所维持的声誉和客户关系包含了大量的有应用价值的数据，如何理解这些数据在资产定价中所发挥的作用，将是未来数字资产定价和评估的核心问题。本文所做出的初步尝试可以为数字资产定价打下一定的基础。

第５期   陈朴等：在线店铺转让价格影响因素分析     １７８１

参考文献

［１］ Ａｋｅｒｌｏｆ，Ｇ．Ａ．，“ＴｈｅＭａｒｋｅｔｆｏｒ‘Ｌｅｍｏｎｓ’：ＱｕａｌｉｔｙＵｎｃｅｒｔａｉｎｔｙａｎｄｔｈｅＭａｒｋｅｔＭｅｃｈａｎｉｓｍ”，

ＴｈｅＱｕａｒｔｅｒｌｙＪｏｕｒｎａｌｏｆＥｃｏｎｏｍｉｃｓ，１９７０，８４（３），４８８－５００．

［２］ Ｂａｋｏｓ，Ｙ．，ａｎｄＣ．Ｄｅｌａｒｏｃａｓ，“ＣｏｏｐｅｒａｔｉｏｎｗｉｔｈｏｕｔＥｎｆｏｒｃｅｍｅｎｔ？ＡＣｏｍｐａｒａｔｉｖｅＡｎａｌｙｓｉｓｏｆＬｉｔｉ－ｇａｔｉｏｎａｎｄＯｎｌｉｎｅＲｅｐｕｔａｔｉｏｎａｓＱｕａｌｉｔｙＡｓｓｕｒａｎｃｅＭｅｃｈａｎｉｓｍｓ”，ＭａｎａｇｅｍｅｎｔＳｃｉｅｎｃｅ，２０１１，５７（１１），１９４４－１９６２．

［３］ Ｃａｔｔａｎｅｏ，Ｍ．Ｄ．，Ｍ．Ｊａｎｓｓｏｎ，ａｎｄＸ．Ｍａ，“ＳｉｍｐｌｅＬｏｃａｌＰｏｌｙｎｏｍｉａｌＤｅｎｓｉｔｙＥｓｔｉｍａｔｏｒｓ”，

ＪｏｕｒｎａｌｏｆｔｈｅＡｍｅｒｉｃａｎＳｔａｔｉｓｔｉｃａｌＡｓｓｏｃｉａｔｉｏｎ，２０２０，１１５（５３１），１４４９－１４５５．

［４］ Ｃａｔｔａｎｅｏ，Ｍ．Ｄ．，Ｌ．Ｋｅｅｌｅ，Ｒ．Ｔｉｔｉｕｎｉｋ，ａｎｄＧ．Ｖａｚｑｕｅｚ－Ｂａｒｅ，“ＥｘｔｒａｐｏｌａｔｉｎｇＴｒｅａｔｍｅｎｔＥｆｆｅｃｔｓｉｎ Ｍｕｌｔｉ－ｃｕｔｏｆｆＲｅｇｒｅｓｓｉｏｎ Ｄｉｓｃｏｎｔｉｎｕｉｔｙ Ｄｅｓｉｇｎｓ”，Ｊｏｕｒｎａｌｏｆｔｈｅ Ａｍｅｒｉｃａｎ ＳｔａｔｉｓｔｉｃａｌＡｓｓｏｃｉａｔｉｏｎ，２０２１，１１６（５３６），１９４１－１９５２．

［５］ Ｃａｔｔａｎｅｏ，Ｍ．Ｄ．，Ｒ．Ｔｉｔｉｕｎｉｋ，Ｇ．Ｖａｚｑｕｅｚ－Ｂａｒｅ，ａｎｄＬ．Ｋｅｅｌｅ，“ＩｎｔｅｒｐｒｅｔｉｎｇＲｅｇｒｅｓｓｉｏｎＤｉｓｃｏｎｔｉ－

ｎｕｉｔｙＤｅｓｉｇｎｓｗｉｔｈＭｕｌｔｉｐｌｅＣｕｔｏｆｆｓ”，ＴｈｅＪｏｕｒｎａｌｏｆＰｏｌｉｔｉｃｓ，２０１６，７８（４），１２２９－１２４８．

［６］ Ｄｅｂ，Ｊ．，“ＯｂｓｅｒｖａｂｉｌｉｔｙａｎｄＳｏｒｔｉｎｇｉｎａＭａｒｋｅｔｆｏｒＮａｍｅｓ”，ＪｏｕｒｎａｌｏｆＥｃｏｎｏｍｉｃｓ＆Ｍａｎａｇｅ－

ｍｅｎｔＳｔｒａｔｅｇｙ，２０１２，２１（２），３０１－３３８．

［７］ Ｄｅｌａｒｏｃａｓ，Ｃ．，“ＴｈｅＤｉｇｉｔｉｚａｔｉｏｎｏｆＷｏｒｄｏｆＭｏｕｔｈ：ＰｒｏｍｉｓｅａｎｄＣｈａｌｅｎｇｅｓｏｆＯｎｌｉｎｅＦｅｅｄｂａｃｋ

Ｍｅｃｈａｎｉｓｍｓ”，ＭａｎａｇｅｍｅｎｔＳｃｉｅｎｃｅ，２００３，４９（１０），１４０７－１４２４．

［８］ Ｄｅｌａｒｏｃａｓ，Ｃ．，“ＲｅｐｕｔａｔｉｏｎＭｅｃｈａｎｉｓｍｓ”，Ｉｎ：Ｈｅｎｄｅｒｓｈｏｔｔ，Ｔ．（ｅｄ．），ＨａｎｄｂｏｏｋｏｎＥｃｏｎｏｍｉｃｓ

ａｎｄＩｎｆｏｒｍａｔｉｏｎＳｙｓｔｅｍｓ．ＥｌｓｅｖｉｅｒＳｃｉｅｎｃｅＩｎｃ．，２００６，６２９－６６０．

［９］Ｆａｎ，Ｙ．，Ｊ．Ｊｕ，ａｎｄＭ．Ｘｉａｏ，“ＲｅｐｕｔａｔｉｏｎＰｒｅｍｉｕｍａｎｄＲｅｐｕｔａｔｉｏｎＭａｎａｇｅｍｅｎｔ：ＥｖｉｄｅｎｃｅｆｒｏｍｔｈｅＬａｒｇｅｓｔｅ－ＣｏｍｍｅｒｃｅＰｌａｔｆｏｒｍｉｎＣｈｉｎａ”，ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＩｎｄｕｓｔｒｉａｌＯｒｇａｎｉｚａｔｉｏｎ，２０１６（４６），６３－７６．

［１０］Ｈａｋｅｎｅｓ，Ｈ．，ａｎｄＭ．Ｐｅｉｔｚ，“ＯｂｓｅｒｖａｂｌｅＲｅｐｕｔａｔｉｏｎＴｒａｄｉｎｇ”，ＩｎｔｅｒｎａｔｉｏｎａｌＥｃｏｎｏｍｉｃＲｅｖｉｅｗ，

２００７，４８（２），６９３－７３０．

［１１］Ｈｕａｎｇ，Ｓ．Ｓ．，ａｎｄＲ．Ａ．Ｈｉｒｔｈ，“ＱｕａｌｉｔｙＲａｔｉｎｇａｎｄＰｒｉｖａｔｅ－Ｐｒｉｃｅｓ：ＥｖｉｄｅｎｃｅｆｒｏｍｔｈｅＮｕｒｓｉｎｇＨｏｍｅＩｎ－

ｄｕｓｔｒｙ”，ＪｏｕｒｎａｌｏｆＨｅａｌｔｈＥｃｏｎｏｍｉｃｓ，２０１６（５０），５９－７０．

［１２］韩海庭、原琳琳、李祥锐、屈秀伟、孙圣力，“数字经济中的数据资产化问题研究”，《征信》，２０１９

年第３７期，第７２—７８页。

［１３］Ｊｏｌｉｖｅｔ，Ｇ．，Ｂ．Ｊｕｌｉｅｎ，ａｎｄＦ．Ｐｏｓｔｅｌ－Ｖｉｎａｙ，“ＲｅｐｕｔａｔｉｏｎａｎｄＰｒｉｃｅｓｏｎｔｈｅｅ－Ｍａｒｋｅｔ：ＥｖｉｄｅｎｃｅｆｒｏｍａＭａｊｏｒＦｒｅｎｃｈＰｌａｔｆｏｒｍ”，ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＩｎｄｕｓｔｒｉａｌＯｒｇａｎｉｚａｔｉｏｎ，２０１６（４５），５９－７５．

［１４］Ｋｌｅｉｎ，Ｂ．，ａｎｄＫ．Ｂ．Ｌｅｆｆｌｅｒ，“ＴｈｅＲｏｌｅｏｆＭａｒｋｅｔＦｏｒｃｅｓｉｎＡｓｓｕｒｉｎｇＣｏｎｔｒａｃｔｕａｌＰｅｒｆｏｒｍａｎｃｅ”，

ＪｏｕｒｎａｌｏｆｐｏｌｉｔｉｃａｌＥｃｏｎｏｍｙ，１９８１，８９（４），６１５－６４１．

［１５］Ｋｒｅｐｓ，Ｄ．Ｍ．，“ＣｏｒｐｏｒａｔｅＣｕｌｔｕｒｅａｎｄＥｃｏｎｏｍｉｃＴｈｅｏｒｙ”，ＰｅｒｓｐｅｃｔｉｖｅｓｏｎＰｏｓｉｔｉｖｅＰｏｌｉｔｉｃａｌ

Ｅｃｏｎｏｍｙ，１９９０（８），１０９－１１０．

［１６］Ｋｒｅｐｓ，Ｄ．Ｍ．，Ｐ．Ｍｉｌｇｒｏｍ，Ｊ．Ｒｏｂｅｒｔｓ，ａｎｄＲ．Ｗｉｌｓｏｎ，“ＲａｔｉｏｎａｌＣｏｏｐｅｒａｔｉｏｎｉｎｔｈｅＦｉｎｉｔｅｌｙＲｅ－

ｐｅａｔｅｄＰｒｉｓｏｎｅｒｓ＇Ｄｉｌｅｍｍａ”，ＪｏｕｒｎａｌｏｆＥｃｏｎｏｍｉｃＴｈｅｏｒｙ，１９８２，２７（２），２４５－２５２．

［１７］Ｌｕｃａ，Ｍ．，“Ｒｅｖｉｅｗｓ，Ｒｅｐｕｔａｔｉｏｎ，ａｎｄＲｅｖｅｎｕｅ：ＴｈｅＣａｓｅｏｆＹｅｌｐ．ｃｏｍ”，ＨａｒｖａｒｄＢｕｓｉｎｅｓｓＳｃｈｏｏｌ

ＮＯＭＵｎｉｔＷｏｒｋｉｎｇＰａｐｅｒ，２０１６，１２－１６．

［１８］李军林，“声誉理论及其近期进展———一种博弈论视角”，《经济学动态》，２００４年第２期，第５３—

５７页。

［１９］李维安、吴德胜、徐皓， “网上交易中的声誉机制———来自淘宝网的证据”，《南开管理评论》，２００７年第１０期，第３６—４６页。

１７８２       经   济   学   （季  刊）    第２２卷

［２０］李军林、姚东旻，“声誉可以交易吗？———一个声誉理论的新方向”，《教学与研究》，２０１３年第２期，

第１２７—１５７页。

［２１］吕玉芹、袁昊、舒平，“论数字资产的会计确认和计量”，《中央财经大学学报》，２００３年第１１期，

第６２—６５页。

［２２］Ｒｅｓｎｉｃｋ，Ｐ．，Ｋ．Ｋｕｗａｂａｒａ，Ｒ．Ｚｅｃｋｈａｕｓｅｒ，ａｎｄＥ．Ｆｒｉｅｄｍａｎ，“ＲｅｐｕｔａｔｉｏｎＳｙｓｔｅｍｓ”，Ｃｏｍｍｕｎｉｃａ－