本研究题为“Consumer Preferences and Willingness to Pay for High-Quality Vegetable Oils: A Cross-Sectional Analysis of Chinese Residents”，作者为Shiting Tang, Pei Wang, Huan Xing, Zeying Huang, Peng Liu, Tai Li和Jiazhang Huang（通讯作者）。主要研究机构包括农业农村部食物与营养发展研究所和东南大学公共卫生学院。该研究于2024年4月11日发表于MDPI旗下的期刊《Foods》（卷13，期8，文章编号1168）。
一、 学术背景
本研究属于食品消费行为学和营养经济学交叉领域，重点关注中国居民的食用油消费偏好与支付意愿。
研究背景： 1. 健康挑战： 中国是全球最大的食用植物油消费国。过去三十年，人均消费量增长迅速，但居民对科学摄入量认知不足，导致实际摄入量远超膳食指南推荐上限（日均43.2克 vs. 推荐30克）。过量摄入油脂是导致肥胖、心血管疾病等慢性病风险上升的重要因素之一。 2. 市场与政策需求： 引导居民科学消费食用油是推进“健康中国”建设的重要环节。了解消费者对高品质植物油的定义、偏好及其支付意愿，有助于企业制定针对性营销策略，并为政策制定者提供参考。 3. 研究缺口： 以往研究多聚焦于特定种类油脂（如橄榄油、棕榈油）的消费行为，缺乏对消费者心目中“高品质植物油”整体认知及支付意愿的系统研究。同时，针对发展中国家消费者对植物油支付意愿的研究较少。
理论基础： 本研究以计划行为理论（Theory of Planned Behavior, TPB）为核心理论框架。该理论认为，个体的行为意向受到“行为态度”（对行为本身的评价）、“主观规范”（感知到的社会压力）和“感知行为控制”（对执行行为难易程度的感知）三个核心因素的影响。本研究将感知价值（包括健康价值和货币价值）作为重要的前置变量纳入模型扩展了TPB。
研究目标： 本研究旨在回答两个核心问题：（1）消费者认为高品质植物油应具备哪些属性和品质？（2）哪些因素影响消费者为高品质植物油支付溢价的意愿？
二、 详细研究流程
本研究主要包含问卷设计、数据收集、数据分析三个阶段，采用横断面调查研究方法。
第一流程：问卷设计与测量 1. 研究模型构建： 基于TPB和文献回顾，构建了结构方程模型。模型包含8个潜在变量和24个观测变量。潜在变量包括：健康价值、货币价值、行为态度、规范性信念、服从动机、环境禀赋、支付意愿和溢价支付行为。 2. 问卷结构： 问卷分为四部分： * 第一部分： 收集受访者人口统计学特征（性别、年龄、教育、收入、健康状况、家庭规模等）。 * 第二部分： 评估消费者对植物油的整体认知水平。 * 第三、四部分： 测量模型中的潜在变量。所有相关题项均采用李克特五级量表（1=“非常不同意”，5=“非常同意”）进行测量。例如，健康价值的观测变量为“食用高品质植物油有益健康”、“高品质植物油营养价值更高”、“高品质植物油更安全”。 3. 变量定义与参考： 研究明确了各变量的具体测量题项，其设计参考了前人研究，确保了量表的内容效度。 4. 预调查： 正式调查前，在北京随机选取30名受访者进行预调查，并根据专家意见调整了问卷的逻辑和措辞。
第二流程：数据收集 1. 样本量确定： 基于90%置信水平和3%允许误差，计算得出最小样本量为670份。 2. 调查方法： 采用线上与线下相结合的方式。线上委托问卷星网站和大营家智能膳食管理系统，对中国30个省份（西藏除外）的城市消费者进行抽样，每省抽取35-40个样本，共回收1080份问卷，有效问卷1009份。线下在北京和河南省鹤壁市进行实地调研，回收100份，有效89份。 3. 最终样本： 线上线下合计回收有效问卷1098份，有效回应率约93.05%。样本在性别（女性占56.1%）、年龄、教育程度（本科/大专占77.9%）、收入等特征上分布较为广泛，且覆盖全国多个区域，具有一定的代表性。 4. 伦理声明： 研究不涉及临床试验，所有参与者在完成问卷前均知情同意，数据仅用于科研并严格保密。
第三流程：数据分析 1. 描述性统计分析： 对样本特征、消费者对高品质植物油9个品质属性（色泽、透明度、风味、营养价值、品牌声誉、油料品种、转基因状况、质量安全、质量等级）的偏好进行频率和百分比分析，以了解消费者的认知排序。 2. 信度与效度检验： 使用SPSS或类似软件进行信效度分析，确保测量工具的质量。 * 信度分析： 采用Cronbach’s α系数检验各量表的内部一致性。所有潜变量的α系数介于0.705至0.823之间，表明量表具有良好至非常好的信度。 * 效度分析： 采用验证性因子分析检验结构效度。 * 模型拟合度： 指标显示模型拟合良好（CMIN/DF=3.43，RMSEA=0.047，TLI=0.929，CFI=0.946）。 * 收敛效度： 所有潜变量的平均方差抽取量（AVE）均大于0.5，组合信度（CR）均大于0.7，表明收敛效度良好。 * 区分效度： 各潜变量AVE的平方根均大于该变量与其他变量的相关系数，表明区分效度良好。 3. 假设检验与路径分析： 使用结构方程模型（Structural Equation Modeling, SEM）软件（如AMOS）进行数据分析。SEM能够同时处理多个因变量，并检验潜在变量之间的复杂关系。本研究通过SEM检验了六个研究假设（H1-H6），即健康价值、货币价值、规范性信念、服从动机、环境禀赋、行为态度对支付意愿的正面影响是否显著。
三、 主要研究结果
结果一：消费者对高品质植物油的偏好认知 通过对9个品质属性的重要性评分进行分析，消费者对高品质植物油的属性认知排序如下（从最重要到最不重要）： 1. 质量安全（81.7%认为“极其重要”）： 这是消费者最关注的底线属性。 2. 营养价值（67.1%认为“极其重要”）： 紧随质量安全之后。 3. 风味口感（57.8%认为“极其重要”）： 近九成消费者认为好口感很重要。 4. 质量等级（52.6%认为“极其重要”）： 超过九成消费者看重国家标准等级。 5. 转基因状况： 关注度中等。 6. 品牌声誉、透明度、色泽、油料品种： 相对重视程度较低。 这表明中国城市消费者在选购植物油时日趋理性，最看重产品的安全性、营养和口味，而对品牌、外观等属性关注度相对较低。
结果二：支付意愿影响因素的SEM模型结果 结构方程模型分析验证了大部分假设。各因素对支付意愿的直接影响路径系数及显著性如下： * H1：健康价值 → 支付意愿： 路径系数为 0.139，在0.1%水平上显著。支持假设。 * H2：货币价值 → 支付意愿： 路径系数为 0.229，在0.1%水平上显著。支持假设。在所有感知价值因素中影响最强。观测变量“高品质植物油物有所值”和“如果我愿意，我能负担得起”的因子载荷最高。 * H3：规范性信念 → 支付意愿： 路径系数为 0.381，在0.1%水平上显著。支持假设。这是所有影响因素中作用最强的路径。来自家人、亲友、同事的支持看法对消费者决策有巨大影响。 * H4：服从动机 → 支付意愿： 路径系数为0.088，虽然p=0.004（<0.05）具有统计显著性，但相对于其他路径其影响较弱。假设得到部分支持，但效应值不大。 * H5：环境禀赋 → 支付意愿： 路径系数为 0.151，在0.1%水平上显著。支持假设。购买的便利性和对购买渠道的了解是主要影响因素。 * H6：行为态度 → 支付意愿： 路径系数为 0.201，在0.1%水平上显著。支持假设。对高品质植物油的喜爱和信任是重要驱动因素。
影响强度排序： 规范性信念 > 货币价值 > 行为态度 > 环境禀赋 > 健康价值 > 服从动机。 此外，模型显示支付意愿对实际的溢价支付行为有极强的正向预测作用（路径系数高达0.874），表明意愿能有效转化为行为。
四、 研究结论与意义
结论： 1. 中国城市居民认为高品质植物油应具备高安全性、高营养价值、高等级、良好风味、非转基因、良好品牌声誉、良好透明度和色泽以及多样化油料品种等属性。 2. 城市居民为高品质植物油支付溢价的意愿主要受到规范性信念、货币价值、行为态度、环境禀赋和健康价值的正向影响，其中社会规范（他人看法）和经济性考虑（物有所值、支付能力）的影响最为突出。
建议： 基于结论，研究提出三条提升消费者支付意愿的干预路径： 1. 严守安全底线： 企业必须严格遵守生产过程中的卫生、质量和安全标准，确保产品安全可靠，这是赢得消费者信任的基础。 2. 加强宣传教育： 通过科普宣传，增强消费者对高品质植物油的熟悉度和偏好，培养积极的行为态度。 3. 优化购买环境： 提供营销促销机会，加强高品质植物油的区域性营销，优化消费者的环境禀赋，增强其感知行为控制。
研究价值： * 理论贡献： 首次在TPB框架下，系统研究了中国消费者对“高品质植物油”的整体认知及支付意愿，证实了TPB在植物油消费领域的适用性，并拓展了感知价值（特别是货币价值）在模型中的作用。 * 实践意义： 为企业开发高健康价值产品、开展精准健康营销提供了实证依据。为政府引导居民合理消费食用油、推动油料产业高质量发展提供了政策参考。
五、 研究亮点
六、 局限性与未来展望
局限性： 1. 研究仅针对城市居民，未涵盖农村消费者，未能全面反映中国整体情况。 2. 样本中18岁以下及教育水平低于平均的人群代表性可能不足。 3. 作为横断面研究，揭示了相关关系，但无法确定严格的因果关系。
未来研究方向： 1. 将研究范围扩展至农村地区。 2. 重点关注18岁以下及低教育水平等特定群体的植物油消费偏好。 3. 可考虑采用纵向研究或实验设计进一步验证因果关系。