《Journal of Theoretical and Applied Electronic Commerce Research》：When Does Perceived Risk Drive Shopping Cart Abandonment? A Meta-Analysis of Contextual Heterogeneity in E-Commerce
编辑推荐：
购物车放弃仍然是电子商务中的一个持续挑战，然而关于感知风险作用的证据在不同购物情境中仍然分散。本研究旨在通过定量综合2004年至2026年间发表的49篇实证文章中报告的60项独立研究的153个效应量，来阐明感知风险在何时以及在何种条件下与购物车放弃最强烈相关。
购物车放弃仍然是电子商务中的一个持续挑战，然而关于感知风险作用的证据在不同购物情境中仍然分散。本研究旨在通过定量综合2004年至2026年间发表的49篇实证文章中报告的60项独立研究的153个效应量，来阐明感知风险在何时以及在何种条件下与购物车放弃最强烈相关。采用多水平随机效应元回归方法（multilevel random-effects meta-regression）来处理依赖效应量，并检验风险来源（risk source）、产品类别（product category）、购物目的（shopping purpose）、样本位置（sample location）和出版年份（publication year）作为调节变量，以及两个理论指定的交互作用。结果显示，感知风险与购物车放弃正相关（r = 0.244, 95% CI [0.191, 0.296]）。交易相关风险比产品相关风险更强，快速消费品（fast-moving consumer goods, FMCG）比耐用品更强，享乐型购物比功利型购物更强。样本位置和出版年份不是显著的调节变量。风险来源还与购物目的和产品类别交互作用，表明风险效应取决于情境条件的组合。敏感性分析和出版偏倚诊断并未实质性改变合并估计。研究结果将注意力从感知风险是否重要转移到感知风险最可能中断购买完成的情境。
1. Introduction
引言部分指出，电子商务的快速扩张改变了零售格局，购物车放弃成为制约交易效率和平台盈利的持续挑战。购物车放弃指消费者将商品加入在线购物车但未完成购买过程的行为。尽管加入购物车通常表示购买意图，但大量消费者最终未完成交易，导致平台收入损失。感知风险被一致认为是影响购物车放弃的核心因素，包括财务风险、隐私风险、产品相关风险、交易成本风险和交付风险等。然而，现有研究关于感知风险效应的幅度甚至方向存在显著分歧，这表明感知风险与购物车放弃的关系可能因消费情境而异。研究旨在通过元分析整合现有证据，识别感知风险效应最强的情境条件。
2. Literature Review and Hypothesis Development
2.1. Perceived Risk and Shopping Cart Abandonment
文献回顾部分首先阐述了感知风险理论，指出感知风险是消费者对购买决策不确定性和潜在负面后果的主观预期。在线购物环境中，无法实物检查产品、直接评估卖家或完全验证交易结果加剧了不确定性。感知风险作为心理障碍，可能中断决策进程并增加放弃可能性。现有研究普遍报告感知风险与购物车放弃正相关，但效应大小不一致。因此，提出假设H1：感知风险对购物车放弃具有显著正向影响。
2.2. Contextual Heterogeneity in the Effect of Perceived Risk
本部分强调消费者决策具有情境依赖性，感知风险的影响可能因购物情境而异。研究将感知风险视为多维构念，不同风险来源可能触发不同心理机制。购物目的（功利型与享乐型）和产品类别（耐用品与快速消费品）是影响风险感知和应对策略的关键情境维度。研究提出，效应异质性不应视为统计噪声，而是情境化决策的理论表现。
2.3. The Moderating Role of Risk Source
风险来源分为产品相关风险（product-related risk）和交易相关风险（transaction-related risk）。产品相关风险涉及产品质量、性能、兼容性或真实性；交易相关风险涉及支付安全、隐私、交付、退货、隐藏成本和价格公平性。交易相关风险在结账时更为突出，难以在购买前缓解，因此对购物车放弃的影响更强。据此提出假设H2：交易相关风险对购物车放弃的正向效应强于产品相关风险。
2.4. The Moderating Role of Shopping Purpose
购物目的分为功利型购物（utilitarian shopping）和享乐型购物（hedonic shopping）。功利型购物具有明确功能目标，消费者更可能通过信息搜索解决不确定性；享乐型购物是随意的、体验驱动的，放弃成本较低，感知风险更容易中断决策。因此，假设H3：享乐型购物情境下感知风险对购物车放弃的正向效应强于功利型购物。
2.5. The Moderating Role of Product Category
产品类别分为耐用品（durable goods）和快速消费品（FMCG）。耐用品涉及高价格、长使用期和高决策后果，消费者通常投入更多信息搜索和决策努力；FMCG购买频繁、价格较低、便利导向，消费者对不确定性的容忍度较低，更容易因感知风险而放弃。因此，假设H4：FMCG情境下感知风险的正向效应强于耐用品。
2.6. Environmental Contexts
环境情境包括样本位置和出版年份。跨国家差异和电商成熟度可能影响风险感知和放弃行为；技术发展可能降低消费者对传统风险的敏感性。因此，假设H5：样本位置调节感知风险与购物车放弃的关系；假设H6：出版年份调节感知风险与购物车放弃的关系。
2.7. Interaction Effects Among Contextual Factors
交互效应部分提出，感知风险效应依赖于多个情境因素的组合。假设H7：风险来源的调节效应取决于购物目的，交易相关风险的优势在享乐型购物中更明显；假设H8：风险来源的调节效应取决于产品类别，交易相关风险的优势在FMCG中更明显，而产品相关风险对耐用品更关键。
3. Methodology
3.1. Literature Search and Study Selection
研究遵循PRISMA 2020指南，系统检索了Web of Science、ScienceDirect、EBSCOhost和CNKI等数据库，覆盖2004-2026年发表的研究。最终纳入49篇实证文章，包含60项独立研究和153个效应量。纳入标准包括：考察感知风险与购物车放弃或购买中止关系、采用实证方法、提供足够统计信息。
3.2. Data Coding and Variable Classification
采用结构化编码协议，两名编码者独立编码，原始一致性为94.8%。编码内容包括文献信息、样本特征、研究设计、测量工具和效应量统计值。调节变量按理论框架分类，如风险来源、产品类别、购物目的、样本位置和出版年份。
3.3. Effect Size Calculation
以Pearson相关系数（r）作为效应量指标。直接报告r值时提取；否则从t值、F值、卡方统计量、标准化回归系数等转换。所有r值转换为Fisher z值以稳定方差。
3.4. Meta-Analytic Model
采用多水平随机效应元回归模型，以效应量嵌套在独立研究和文章内。使用限制最大似然估计（REML）分离抽样误差和残差异质性。模型1为基线；模型2加入多水平结构；模型3引入交互项（风险来源×购物目的、风险来源×产品类别）。控制效应量精度以评估小研究效应。
3.5. Assessment of Heterogeneity and Publication Bias
异质性通过Cochran's Q、Tau2和I2评估。Q统计量显著，Tau2=0.1062，I2=99.96%，表明高度异质性。出版偏倚采用漏斗图、多水平Egger回归、trim-and-fill和leave-one-out敏感性分析。
4. Results
4.1. Overall Effect of Perceived Risk on Shopping Cart Abandonment
总体平均效应量r=0.244（95% CI [0.191, 0.296]），支持H1，表明感知风险显著正向影响购物车放弃。异质性检验显示Q=89224（p<0.001），I2=99.96%，表明效应量存在实质差异。
4.2. Meta-Regression Analysis
模型1、2和3的系数方向与显著性一致，表明结果稳健。方差分解显示大部分残差异质性在独立研究层面，文章层面方差可忽略。
4.3. Main Effects of Contextual Moderators
风险来源：产品相关风险系数负显著（β=-0.159，p<0.001），支持H2，交易相关风险效应更强。购物目的：功利型购物系数负显著（β=-0.048，p<0.001），支持H3，享乐型购物效应更强。产品类别：耐用品系数负显著（β=-0.092，p<0.001），支持H4，FMCG效应更强。样本位置（β=-0.017，p=0.646）和出版年份（β=0.006，p=0.504）不显著，H5和H6未获支持。
4.4. Interaction Effects
风险来源×购物目的：交互项负显著（β=-0.154，p<0.001），支持H7，功利型购物中产品相关风险效应更弱。风险来源×产品类别：交互项正显著（β=0.201，p<0.001），支持H8，耐用品中产品相关风险效应增强，缩小了与交易相关风险的差异。
4.5. Publication Bias Assessment
漏斗图显示基本对称；多水平Egger回归系数不显著（β=2.044，z=1.245，p=0.213）；trim-and-fill未识别缺失研究（k0=0），调整效应量不变；leave-one-out敏感性分析显示效应量范围r=0.236至0.253，结论稳健。
5. Discussion
5.1. Theoretical Contributions
研究贡献包括：提供综合定量综述，确认感知风险核心作用；将焦点从平均效应转向情境异质性，识别风险来源、购物目的和产品类别的调节作用；揭示交互机制，表明感知风险效应由多重情境组合决定。
5.2. Practical Implications
实践建议包括：优先管理交易相关风险；根据购物情境定制风险缓解策略；结合数据驱动系统动态识别风险来源并针对性提供信任信号。
5.3. Limitations and Future Research
限制包括：文献分布不均，未来可研究社交电商、跨境电商等新兴环境；本研究聚焦情境调节，未来可探讨信任、决策焦虑等心理机制；风险分类有限，未来可细化风险维度并考察AI技术影响。
6. Conclusions
研究确认感知风险显著正向影响购物车放弃，但效应幅度依赖情境条件。风险来源、购物目的和产品类别是关键调节变量，交互效应进一步显示多重情境组合的作用。样本位置和出版年份不显著。结果支持情境异质性框架，强调从“是否重要”转向“何时重要”的理论转变。实践上，需采用情境敏感的风险管理策略以提升转化率。
