1　引　言

随着无线通信技术的发展、移动终端的普及，以及消费者对购买体验需求的提升，移动电子商务在短期内取得了长足的发展，根据阿里巴巴公布的数据显示，2016年“双十一”期间，使用移动终端在天猫购物并完成支付的比例高达82%，可见消费者对移动商务的关注度和使用率非常高；与此同时，由于移动商务交易过程的信息匿名性、不对称性等特征，以及交易环境不完善等外部因素的影响，导致部分消费者对移动商务依然保持怀疑的态度，因此，要解决消费者对移动商务的信任问题，首先要明确影响消费者对移动商务信任的各种因素，分析各因素和信任之间的数量关系和影响程度，进而采取有效的改进措施，提高用户对移动商务的信任程度，降低交易的风险和成本，提升移动商务用户的数量.

将CEUS分为两个过程，即增强期与消退期，以周围肌壁为参照物，若病灶达峰时间早于周围子宫肌壁，为早增强；反之，为晚增强；消退期同理判断。增强强度高于肌壁为高增强；反之为低增强。

2　文献回顾

当前，关于电子商务环境下的信任问题研究相对比较成熟，而关于移动商务环境下的信任研究还比较少，移动商务作为电子商务在新形势下的一种表现形式，既保留了部分传统电子商务的属性，同时也有自身的特色所在，国内外学者尝试将电子商务环境下信任问题的研究思路和理论与移动商务环境相结合，并取得了一定的成果.

Siau、Shen和McKnight等人从消费者信任动态变化的角度进行研究，认为不同阶段的影响因素是有差异的，并且从移动技术和移动商家2个角度，通过实证分析验证了缘由、信任、行为意愿、网络风险、结构性保障等影响因素[1-3]；Yeh, Li和Dai-Yon Cho等则以技术接受模型为基础进行分析，构建了移动商务消费者信任模型，认为信任是影响消费者采纳移动商务的主要因素，而移动设备的易用性、交易环境的完备性、消费者对移动商务的熟悉度则影响消费者对移动商务的信任程度[4-6].邓朝华以价值焦点思维决策理论为基础，重点研究了移动商务产品特征和移动服务质量2个方面，并构建了移动商务信任框架[7]；李志宏、闵庆飞和孟德才等人的研究成果表明：移动商务的熟悉度、移动商家信誉、网站媒介，以及移动技术的完备性以及移动交易制度的完善是影响消费者信任的主要因素[8-11].

本文利用在线调研平台获得的关于移动商务环境下消费者信任影响因素的调查数据，在现有研究成果的基础上，通过因子分析和回归分析的方法，从大学生这个独特的消费群体的角度，研究影响大学生移动商务信任的关键因素，进而采取有效的改进措施，提高大学生使用移动商务的比例.

3　模型构建及假设

本文在总结国内外学者对移动商务信任研究成果的基础上，针对当前移动电子商务在高校发展和应用的情况，全面考虑移动商务价值链中涉及的各个环节，并参照技术接受模型在移动电子商务的应用成果，兼顾高校大学生的特点，构建移动商务消费者信任模型，如图1所示.该模型包含6个方面的因素：消费者个人因素、移动商家因素、产品因素、网站媒介因素、移动技术因素、制度因素.

1)消费者个人因素包括信任倾向和熟悉度两方面.信任倾向是消费者对移动商务的直观感受，是信任程度的一种体现；熟悉度则反映了消费者对移动商务平台、交易流程、移动设备等对象使用和掌握的程度，基于以上分析，提出以下2个影响因素：

H1　消费者的个人信任倾向，

H2　消费者对移动商务的熟悉程度．

2)移动商家因素主要是指移动商家的信誉和诚信度，Lee和Turban的研究表明[12]，移动商家的诚信度对消费者信任有显著的影响；而移动商家的声誉则会吸引更多新用户参与消费，良好的声誉不仅有利于消费者初始信任的形成，同时也有利于维护客户的忠诚度.基于以上分析，提出以下2个影响因素：

2017年，诸暨市出台《行政机关行政调解权力义务清单》，厘清了行政机关的行政调解职责，落实行政调解责任。清单共梳理出各行政机关的行政调解权力义务52条，涉及20个行政管理部门。与此同时，该市力推人民调解与行政调解的联动，在公安派出所、交警队等机构，都设置了人民调解工作室，受委托从事相关民事纠纷的调处。

H3　移动商家的诚信度，

实验组实习生的实践、理论平均成绩均明显超过了2015年实习生的实践、理论平均成绩,两项平均成绩数据差异明显,具备统计学意义(P<0.05)。

H4　移动商家的声誉．

H10　移动商务网站的有用性，

H5　移动商务产品的可信度，

H6　移动商务产品的价格差异．

4)移动技术因素包括无线技术和移动终端设备两方面，无线技术的成熟稳定以及无线网络基础设施的普及是移动商务开展的技术基础，移动终端设备功能的完善以及易用性的提高有利于吸引更多的消费者参与移动商务.基于以上分析，提出以下2个影响因素：

  

图1　移动商务消费者信任模型

H7　无线技术的安全性，

H8　移动终端的易用性．

5)网站媒介因素主要包括了网站的安全性、网站功能的有用性和网站设计的易用性三方面，安全性是移动商务交易的基础，有用性和易用性是影响用户体验的关键因素，David Gefen和Detmar W.Straub的研究已经证明这一点[13].基于以上分析，提出以下3个影响因素：

H9　移动商务网站的安全性，

3)产品因素主要体现在产品的价格和产品的可信度，价格差异是吸引消费者的重要因素，其次是产品信息和功能的准确性、真实性，应该要满足消费者的需求.基于以上分析，提出以下2个影响因素：

H11　移动商务网站的易用性．

由表3可知，全部样本的KMO值为0.903，同时Bartlett球形检验统计量的显著性为0(Sig.=0)，说明样本数据之间具有很高的相关性，非常适合做因子分析.进一步对各因素进行检验，其结果如表4所示．

H2　法律法规的保障

4　实证研究

4.1　数据收集

移动商务作为一种新鲜事物，备受年轻群体的关注，根据CNNIC最新发布的《中国互联网络发展状况统计报告》显示，17～30岁年龄段的群体是中国手机网民的主力军，与其他年龄段的用户相比，这部分用户使用手机的频率是最高的，在这个群体里面，高校大学生占据了重要的比例，由于大学生有着活跃的思维和强烈的消费欲望，更容易接受新鲜事物，是移动商务的主要潜在客户群体，以他们为对象进行调查显然具有很强的代表性，所以本文将实证研究的主要受访者聚焦于年龄在17～25岁的大学生.

本文通过网络问卷调查的形式获得实证分析所需的数据.问卷采用李克特量表法，受访者根据自己对于问题的认同程度，按1～5分对相关问题分别进行打分.在正式问卷发放之前，首先进行预实验，在小范围内发放了30份问卷以获取数据，对各个问题的内部一致性进行了检验，并选择了克伦巴赫系数在0.5～0.9的问题，组成了最终的问卷.最后通过网络问卷形式获得了219份有效问卷.

4．2　数据分析

4.2.1　样本数据基本特征

从整理后的原始样本数据可知，219个调查对象中，女性有131个，占59.82%，男性88个，占40.18%，这也在一定程度上印证了女性更喜欢网络购物的表象；从调查对象使用移动互联网的频率分布来看，每天使用超过9次以上的用户达到了62.56%，可知手机上网已经成为大学生日常生活必不可少的组成部分；从手机月平均账单来看，100元以下的比例占了96%，总体消费水平不高，说明大学生更多是使用校园免费的wifi连接互联网，以节省费用；可自由支配的资金则有利于考察各个消费层次的大学生对移动商务的信任程度.

4.2.2　信度与效度检验

在对问卷数据进行处理之前，首先对数据的可靠性和有效性进行检查，只有符合要求的数据才能进入下一步的分析环节，否则无法得出准确、合理的结论.因此，在实证分析前，先对统计数据进行信度和效度分析，使用的数学工具为SPSS 19.0.

1)信度分析

c、预测变量：(常量)，移动商家和产品的可信度，消费者对移动商务和移动商家的熟悉程度，网站的安全性及使用体验.

一项任务所处位置的周围环境包括其他任务的定价、数量，会员的分布与数量以及这些会员对应的信誉值。已知会员信息数据，为使每个任务定价不受其周围任务价格的影响，同时发布所有任务的定价。但是，一项任务的定价由周围的任务数量、会员数量与会员的信誉情况所决定。在每项任务所在的单位网格内，综合考虑每项任务的位置与周围环境，定义与任务定价有关的另外三个影响因子:

 

表1　整体信度统计结果

  

Cronbach′sα基于标准化项的Cronbach′sα项数0．9370．93931

如表1所示，所有样本数据的总体信度Cronbach′s α系数为0.939，达到了非常可信的程度，因此，本次获得的219份样本数据总体是稳定而可靠的.

3)因子分析

 

表2　各因素信度统计结果

  

影响因素个人特征因素移动商家因素产品因素移动技术因素网站媒介因素结构保障因素消费者信任各变量的Cronbach′sα值0．8790．7930．8290．8320．8780．7740．750

由表2可以看出,各因素的Cronbach′s α值均超过了0.7,达到了相当可信的水平,说明此次调查问卷的整体性和个体都具有较好的信度.

2)效度分析

效度是指问卷调查内容与结论之间的相关性和有效程度，效度系数越大，越能体现测量结果和样本特征之间的吻合度.本文使用因子分析法中的主成分分析法进行效度分析.在使用因子分析法之前，首先要对整体及部分的样本数据进行KMO和Bartlett检验，以判断样本数据是否适合做因子分析，Kaiser-Meyer-Olkin (KMO)系数表示测量变量间所有相关系数和净相关系数的比值，KMO值越大，则变量的相关性就越高，就越适合做因子分析.当KMO值大于0.5，且检验显著性时(即Sig.≤0.05)，才表示数据适合进行因子分析.经计算，整体样本的KMO和Bartlett球形检验结果如表3所示．

 

表3　整体样本KMO和Bartlett检验结果

  

KMO和Bartlett的检验取样足够度的Kaiser⁃Meyer⁃Olkin(KMO)度量0．903Bartlett的球形度检验近似卡方4863．049df741Sig．0

6)制度因素主要是指移动商务相关的法律法规以及其他制度上的保障措施，只有制度完善，才能降低交易风险，保证交易双方的权益不受损害，移动商务才能被广大用户接受.因此，本文提出了与结构保障相关的影响因素：

 

表4　各因素KMO和Bartlett检验结果

  

Kaiser⁃Meyer⁃Olkin近似卡方dfSig．个人因素0．722357．91130移动商家因素0．771410．013150产品因素0．821454．441150移动技术因素0．839437．803150网站媒介因素0．825875．622360结构保障因素0．714222．230消费者信任0．621192．08930

由表4可知，各因素的KMO值和Bartlett球形检验显著性数据均符合要求，说明样本数据适合使用因子分析法进行效度检验.

进一步分析各个影响因素的信度，并对部分Cronbach′s α系数小于0.5的选项进行了删减，得出结果如表2所示．

在本次调查问卷中，共使用了31个问题来测量模型中的12个变量，由于变量较多，且变量之间可能存在互相影响、互相干扰等问题，因此，通过因子分析法可以把数据维度降低，转化为少数几个线性不相关的综合指标，这样有利于提高数据分析的效果，更好地确认影响消费者信任的关键因素.具体实现是通过主成分分析法完成的，数据如表5所示.

压铆螺母的型号众多、结构相同，若每次分析时都重新建立模型，需要花费大量时间。因此，本文运用APDL参数化设计语言建立压铆螺母的参数化模型。通过设置相应的参数值，可迅速自动生成所需的分析模型，大大缩短了设计时间。

从表5中可以看出，通过对问卷中31个问题进行因子分析，最终提取了7个因子，这7个因子的累计总方差为67.219%，基本反映了原来31个问题的基本特征；继续对所提取的7个因子进行最大方差旋转，得出上述31个问题旋转后的因子负载表及其因子归类结果，如表6所示.

 

表5　解释的总方差(仅列出主成分的数据)

  

初始特征值旋转平方和载入成份合计方差的%累积%合计方差的%累积%111．22536．21136．2114．06313．10813．10822．5818．32544．5363．88412．5325．63731．9116．16350．6993．49111．26236．89941．6765．40856．1072．8969．34246．24151．2524．03960．1462．8179．08755．32961．1743．78763．9332．2487．25162．5871．0193．28667．2191．4384．63967．219

 

表6　旋转后的因子负载值

  

旋转成份矩阵成份10．7550．7510．7090．6210．5580．5140．521问题序号Q11Q12Q10Q13Q8Q14Q28成份20．8490．8340．7870．5710．543问题序号Q5Q6Q4Q7Q9成份30．4480．7950．7760．6030．5650．5460．501问题序号Q27Q29Q30Q25Q31Q26Q24成份40．8040．6740．5430．510．51问题序号Q18Q17Q16Q19Q15成份50．7130．5940．538问题序号Q22Q23Q21成份60．8620．8550．602问题序号Q34Q35Q36成份70．669问题序号Q20提取方法：主成分分析法．旋转法：具有Kaiser标准化的正交旋转法．a．旋转在8次迭代后收敛．

根据表6的数据可知，原调查问卷中，涉及12个影响因素的31个问题，被重新组合为7个新的影响因素，为下一步的多元回归分析奠定了基础，其中部分旧的影响因素被删除或者合并，调整后的消费者信任影响因素如下：

①移动商家和产品的可信度；

②消费者对移动商务和移动商家的熟悉程度；

③网站的安全性及使用体验；

④移动商务产品的价格差异；

⑤移动终端设备的易用性；

⑥规章制度的保障；

⑦移动商务交易的便利性．

4.2.3　相关性分析

人们总有种刻板印象，会把黑白和纪实挂钩等同，其实黑白也可以很清新。彩色是你肉眼看到的样子，是写实；而黑白更简洁、纯粹、凝练、饱含情绪、更具象征性，同时拥有更大的想象空间，是创作者自我视角的反映，主观而诗意。摄影本身就是做减法的过程，黑白本身也是一种减法，可以减少不可控的环境光与色的影响，让视觉注意力集中在主体人物的情绪和状态上，将婚礼中新人自然流露出的美与情绪提炼、表达，凝固成永恒的瞬间。

相关性分析是研究对象之间相互关系的数理统计方法，它反映了对象之间的相关方向以及密切程度，通过相关性分析可以初步判断模型假设是否合理，同时也是开展回归分析、预测评价的基础.一般而言，相关系数绝对值越大，则说明相关性越强，反之越弱；系数为正则为正相关，反之则为负相关.为了研究各假设因素和消费者信任之间的关系，本文使用Pearson相关分析方法进行分析，结果如表7所示.

 

表7　自变量和因变量相关性分析

  

影响因素消费者信任(Pearson相关)1、移动商家和产品的可信度0．500∗∗2、消费者对移动商务和移动商家的熟悉程度0．393∗∗3、网站的安全性及使用体验0．451∗∗4、移动商务产品的价格差异0．450∗∗5、移动终端设备的易用性0．669∗∗6、规章制度的保障0．309∗∗7、移动商务交易的便利性0．380∗∗

注：**. 在 .01 水平(双侧)上显著相关.

根据表7的计算结果可知：假设的7个因素和消费者信任之间存在明显的相关性(在0.01的水平上显著相关)，初步验证了模型的基本假设，对于修正后的7个假设进一步的证明以及各因素对消费者信任的重要程度，使用回归分析法进行分析验证.

4.2.4　回归分析

相关性分析只能确定变量之间的相关程度，无法解释双方之间的依赖关系.回归分析是以样本数据为基础，利用数理统计理论研究自变量和因变量之间的依赖关系，确定回归函数表达式的定量分析方法.在回归分析之前，首先要检验模型是否存在多重共线性、序列相关等问题，以确保模型的有效性.

多重共线性是指自变量之间存在的近似线性关系，一般可以用方差膨胀因子(VIF)来衡量是否存在多重共线性，VIF值越大，则表示共线性程度越高，一般情况下，VIF介于0和10之间，说明不存在共线性情况，大于10则说明共线性情况严重.计算结果显示，回归模型的VIF最大值为2.248，说明自变量之间不存在多重共线性关系.

序列相关是指回归模型中残差项之间具有的相关关系，可以采用Durbin-Watson值来衡量是否存在序列相关现象，D-W统计量的取值范围是0～4，当残差一阶正相关时，D-W接近0，当残差一阶负相关时，D-W接近4,D-W接近2时，残差独立.计算结果显示，回归模型的D-W值在1.7～1.9之间浮动，说明残差独立，因此不存在序列相关问题.

因为样本数据符合回归分析的要求，因此对重新组合后的7个影响和消费信任进行回归分析，逐步回归模型的总体效果参数见表8．

采用完全随机排列，不设重复。试验共设10个小区，小区面积108平方米，长30米，宽3.6米，每个小区3个厢面，每个厢面种2行共6行，行距宽行0.7米，窄行0.5米，株距0.27米，亩栽4100株，单株留苗。四周设保护行，中间不留过道。成熟时实收测产。

 

表8　逐步回归模型相关参数列表

  

模型汇总模型RR2调整R2标准估计的误差FSig．Durbin⁃Watsona0．500a0．250．2460．8680651472．3020．000a1．859b0．532b0．2830．2760．8507712642．5920．000b1．862c0．545c0．2970．2870．8442443430．2860．000c1．87d0．557d0．310．2970．8385732624．0020．000d1．867e0．768e0．590．580．6478169961．2920．000e1．766f0．769f0．5910．5790．6486658351．0170．000f1．778g0．769g0．5910．5770．6501805043．5270．000g1．777

表8中的a～g行的参数分别与下列的a～g个模型相对应，如下所示：

例（40）是“A到VP”格式作宾语的类型，“自己笨到没朋友了”作“感觉”的宾语。例（41）是“A到VP”格式作补语的类型，“离谱到想抽自己”作“错”的补语。例（42）是“A到VP”格式作定语的类型，“实力低到爆”作“角色”的定语。例（43）是“A到VP”格式作谓语的类型，“方便到你都不相信这在祖国”作句子谓语。

b、预测变量：(常量)，移动商家和产品的可信度，消费者对移动商务和移动商家的熟悉程度.

山区公路由于受到地形地势影响，有时不得不设计采用长大纵坡，这样便增加了修建高等级公路的技术难度以及养护维修费用。根据大量路面使用状况调查数据显示，我国沥青路面病害大部分出现在山区的连续长陡坡上坡路段，因此有必要开展长大纵坡路段沥青路面施工技术研究[1]。本文通过结合工程实践，探讨长大纵坡沥青路面施工工艺，为我国山区长大纵坡沥青路面施工提供参考。

信度分析，是对数据的可信度、稳定性、等值性以及内部一致性等性质进行分析，它反映了样本数据的真实特征.信度指标一般以相关系数的形式表示，主要用于评价测量工具的稳定性或者可靠性，对于重复测量的样本数据而言，一致性程度越高，则样本的信度就越高.本文使用Cronbach′s α系数来测量问卷数据的信度，该系数一般介于0和1之间，数值越大则信度越高，一般而言，Cronbach′s α系数大于0.5时，表示样本的信度符合要求.如果信度系数低于0.5，必须对问卷的题目进行调整，通过删减某些问题项使得Cronbach′s α系数符合基本要求，这样才能保证问卷的合理性.

d、预测变量：(常量)，移动商家和产品的可信度，消费者对移动商务和移动商家的熟悉程度，网站的安全性及使用体验，移动商务产品的价格差异.

e、预测变量：(常量)，移动商家和产品的可信度，消费者对移动商务和移动商家的熟悉程度，网站的安全性及使用体验，移动商务产品的价格差异，移动终端设备的易用性.

f、预测变量：(常量)，移动商家和产品的可信度，消费者对移动商务和移动商家的熟悉程度，网站的安全性及使用体验，移动商务产品的价格差异，移动终端设备的易用性，规章制度的保障.

聚类分析是一种多元统计的分析方法，其原理为：在没有先验知识的条件下，根据数据本身的统计特征，对评价指标进行分类，分类结果属于同一类，其研究对象具有较大的相似性，而属于不同类的对象便具有较大的差异性[13-14].聚类分析属于探索性分析，即不需要确定的分类标准，可依据样本数据自动进行分类，其研究结果具有客观性和科学性.由于研究数据较大和参考前人研究成果，采用K-均值聚类分析法(K-means)进行研究，计算步骤如下：

g、预测变量：(常量)，移动商家和产品的可信度，消费者对移动商务和移动商家的熟悉程度，网站的安全性及使用体验，移动商务产品的价格差异，移动终端设备的易用性，规章制度的保障，移动商务交易的便利性.

混合失真模型是模拟失真和数字失真的联合，在实际情况中导航卫星有效载荷不会单独出现数字失真或者模拟失真，该模型是差分系统信号质量监测技术的重要理论基础[4,5].

h、因变量：消费者信任.

如表8的第2列和第3列的数据所示，模型g的R2值为0.591，调整后的R2值为0.577，与模型a至模型f的R2数值相比越来越大，说明模型可解释的变异占总变异的比例越来越高，引入方程的变量轴距是显著的，第5列的误差数据显示模型的拟合度非常好；回归模型的F检验显著性水平均为0，说明自变量和因变量是线性关系.

根据表9第3列的回归系数显示：影响消费者信任的关键因素包含3个，移动终端设备的易用性首先进入回归模型，说明该特征对消费者信任的影响和贡献最大，当前手机屏幕越来越大，功能越来越丰富也从侧面验证了这一结论；其次是消费者对移动商务和移动商家的熟悉程度，说明消费者的网络购物经验在很大程度上会影响消费者的信任，第三是移动商务产品的价格问题，移动商务产品性价比更高是吸引消费者的重要考虑因素；然后依次是网站的安全性及使用体验、移动商家和产品的可信度、规章制度的保障、移动商务交易的便利性.

贾鹏飞有时候给范峥峥拨打电话，范峥峥都不接，她无法面对贾鹏飞，只能暂时回避，谎称很忙，然后挂断电话。他起了疑心，开始寻找、打听、跟踪，终于来到这处他卖力移栽金弹子树的地方。

 

表9　信任回归系数表

  

非标准化系数标准系数模型B标准误差试用版TSig．共线性统计量容差VIF(常量)1．16E⁃160．044011移动商家和产品的可信度0．0590．0660．0590．90．3690．4452．2482消费者对移动商务和移动商家的熟悉程度0．1740．0550．1743．1410．0020．6341．5783网站的安全性及使用体验0．0780．0690．0781．1250．2620．4072．4584移动商务产品的价格差异0．1380．0650．1382．120．0350．462．1755移动终端设备的易用性0．5710．0480．57111．95900．8511．1756规章制度的保障0．0370．0610．0370．5950．5520．5151．9437移动商务交易的便利性0．0070．0620．0070．1160．9080．5031．988a．因变量：消费者信任

根据上述模型参数，写出相应的回归方程如下:

a、预测变量：(常量)，移动商家和产品的可信度.

消费者信任=0.571×移动终端设备的易用性+0.138×移动商务产品的价格差异+0.174×消费者对移动商务和移动商家的熟悉程度+0.078×网站的安全性及使用体验+0.059×移动商家和产品的可信度+0.007×移动商务交易的便利性．

4　结论与建议

根据上述数据分析以及回归模型，得出如下结论：

1)移动终端设备的易用性是影响消费者信任最重要、也是最关键的因素.移动终端是大学生获取产品信息最主要的途径，终端的尺寸、功能和性能是大学生感受终端易用性最直观的参数，因此，近年来大屏幕、高性能手机的使用比例越来越高，一定程度上是促进了移动商务的快速发展.

亩用300 g多菌灵拌种肥施塘底，预防根肿病；播种后至五叶期施用2-3次乐斯本、敌杀死等，防治叶蜂、蚤跳甲、菜青虫等苗期害虫，保证苗全、苗齐、苗壮；蕾苔期至成熟用70%吡虫林或480 g/L毒死蜱40 mL兑水48 kg，防治蚜虫2-3次；用三唑酮防治白粉病1-2次，集中连片的采用机械统防统治效果更好。

2)消费者对移动互联网的认知以及网购经验对信任有较大的影响.网络交易的虚拟性和非接触性使得消费者存在一定的安全顾虑，进而影响购买的意愿，随着消费者对移动互联网认知程度的提高，以及日益丰富的网络购物经验，消费者对移动购物的利弊认识更加深刻，进而有利于提高使用移动商务购物的比例.

3)移动商务产品的价格差异性有利于增强消费者的信任.网络销售产品在成本方面的天然优势是消费者选择的重要指标之一，而移动支付的便利性更是促进了移动商务的快速发展.

4)网络安全性和制度保障对消费者信任的影响比预期的要低.其原因是中国移动支付主要是由微信和支付宝两大巨头完成的，消费者对两者的技术安全以及保障措施持比较乐观的态度，不担心会出现问题.

根据上述结论我们提出了改善移动商务交易环境，提高消费者对移动商务信任的具体措施：

1)增强用户体验，提升知名度

要让更多的消费者使用移动商务，首先是移动终端以及移动平台的设计必须要迎合消费者的需求，符合消费者的使用习惯，同时要降低消费者使用的门槛，简化移动商务交易的流程等，其次是通过多种渠道向消费者进行推广宣传，让消费者了解、熟悉移动商务，只有这样才能增强消费者使用的信心.

2)优化供应链管理，保持价格优势

突出的价格优势和快速的配送是吸引消费者的主要卖点之一，商家应该通过优化管理体系，降低供应链的总体成本，保持产品的价格优势.

3)树立良好品牌形象，诚信经营

移动商务的声誉和诚信是影响消费者信任的重要因素，因此移动商家要通过长期、稳定、有效的机制来提高自身的声誉，树立良好的形象，同时要做到诚信经营，为消费者提高优质的产品和服务.

4)完善移动商务法律体系

当前移动商务方面的法律法规制定相对滞后，市场经济制度尚未完善，使得移动商务交易双方均缺乏必要的保护机制，一定程度上制约了消费者使用移动商务的信心，因此必须尽快出台相关的政策法规，充分保障各方的权益.

参考文献

[1]　SIAU K ,SHEN Z. Building customer trust in mobile commerce[J]. Communications of the ACM, 2003, 46(4): 91-94.

[2]　MCKNIGHT DH, CHOUDHURY V, KACMAR C. Developing and validating trust measures for e-commerce:an integrative typology[J]. Information systems research, 2002, 13(3): 334-359.

[3]　YEH Y S, LI Y. Building trust in m-commerce: contributions from quality and satisfaction[J]. Online Information Review, 2009, 33(6): 1066-1086.

[4]　SIAU K, HONG S, NAH F. Development of a framework for trust in mobile commerce[C]//Proceedings of the Second Annual Workshop on HCI Research in MIS, Seattle,WA,2003,85-89.

[5]　CHO D Y, KWON H J, LEE H Y. Analysis of trust in internet and mobile commerce adoption[C]. Hawaii, USA, System Sciences, 2007:50.

[6]　PARK J K, GUNN F, HAN S L. Multidimensional trust building in e-retailing: cross-cultural differences in trust formation and implications for perceived risk [J]. Journal of Retailing and Consumer Services, 2012, 19 (3) :304-312.

[7]　邓朝华,鲁耀斌.基于VFT的移动商务信任构架框架研究[J].科学管理研究, 2008, 28 (3) :185-188.

[8]　李志宏,李敏霞.基于移动商务的消费者初始信任影响因素研究[J].消费经济,2008, 24 (4) :49-51.

[9]　闵庆飞,季绍波,孟德才.移动商务采纳的信任因素研究[J].管理世界, 2008(12) :184-185.

[10] 孟德才.移动商务采纳的信任因素研究——以手机银行为例[D].大连：大连理工大学商学院,2008.

[11] 闫蕾.基于信任转移的移动商务消费者初始信任模型及实证研究[D].北京：北京邮电大学经济管理学院,2012.

[12] LEE MKO, TURBAN E. A trust model for consumer internet shopping [J]. International Journal of Electronic Commerce, 2001, 6 (1) :75-91.

[13] MCKNIGHT D H.Shifting factors and the ineffectiveness of third party assurance seals: a two-stage model of initial trust in a Web business[J]. Electronic Markets, 2004, 14 (3):252-266.