本文目的在研究當電子商務市場上出現不實賣家，會對市場產生甚麼影響，並觀察在不同的市場條件之下，當消費者擁有不同程度的社會比較能力、個人學習能力、社會網路連線數下，會對市場做出甚麼反應。我們使用代理人基模擬方法，並參考Izquierdo et al.(2005)所提出的質量不確定性市場模型，加入信任度賽局模型(Abramczuk et al.,2014)中誠實和不實賣家的變數、賣家聲譽度，並為消費者代理人加入購買商品受騙後的預期質量變量，藉此進行模擬實驗。
	從研究結果可以發現，當不實賣家出現在質量不確定性市場上時會為市場帶來負面的影響，包括消費者對市場商品的預期質量下降，商品成交量和市場價格會下降、賣家收入會因而減少，在不實賣家愈多的市場環境，其影響愈明顯。然而在消費者擁有愈高的社會比較能力、個人學習能力、社會網路連線數時，消費者對資訊交換能力增加，受不實商品帶來的負影響會有所減少，對市場信心較佳。本文所得結論是當消費者掌握資訊愈多，受不實商品影響愈少，消費者的預期質量相對會比較高，網路電商的收入也比較高和穩定，無論在哪種誠實比例下的市場，網路連線數和社會比較能力比較高的市場環境下的消費者都較能克服不實商品影響購買信心的問題。不實商品在網路連線數和社會比較能力低下的市場環境中，其負影響的力量較大，反之亦然。

The purpose of this paper is to examine the impact of dishonest sellers in e-commerce markets. We use an agent-based to simulate and observe market reactions that under different information conditions, consumers social comparative abilities, individual learning abilities, and social networks. Our agent-based simulation method refers to the quality uncertainty market model proposed by Izquierdo et al. (2005), and adds the variables of honest and dishonest sellers (Abramczuk et al., 2014). The sellers’ reputation and the consumer agents’ expected quality variables after the purchase of the goods were deceived. We thereby conduct a series of simulation experiments.
The experiment results show that when the dishonest sellers appear in the quality uncertainty market, it will have a negative impact on the market, including the consumer's expected quality of goods, the traded volume of goods, the market price and the seller’s revenue.
However, when consumers have higher social comparative abilities, personal learning abilities, and social network connections, consumers will able to have an increased ability to exchange information, and reduced the negative impact of false goods.
In this study,the conclusion is that when consumers have more information, the less affected by false goods. The higher the expected quality of consumers, the higher the revenue of e-commerce, and higher the stability, regardless of the different market conditions. Those consumers who have relatively high number of Internet connections and social comparative capabilities have better purchasing confidence. Dishonest sellers will have a greater negative impact in the market environment when the number of Internet connections and social comparison abilities are low.

目錄
第 1 章.	緒 論	1
1.1	網路發達與電商時代	1
1.2	研究動機與目的	1
1.3	本文架構	3
第 2 章.	文獻回顧	4
2.1	社會學習	4
2.2	社會網路及網際網路	4
2.3	人際關係影響需求	5
2.4	集體智慧	6
2.5	檸檬市場	7
2.6 	市場質量的不確定性	7
第 3 章.	資料與模型	9
3.1	Netlogo	9
3.2	小世界網路	10
3.3	MEQU (Market Effects of Quality Uncertainty) 模型介紹	10
3.4	模型設計	16
3.5	代理人	16
3.6	實驗流程	20
第 4 章.	模擬結果與分析	21
4.1	不同誠實比例下的市場變化	21
4.2	社會比較權重條件λsoc=0.2結果分析	25
4.3	社會比較權重條件λsoc=0.4下的結果分析	33
4.4	個人比較權重條件λind=0.2下的結果分析	41
4.5	個人比較權重條件λind=0.4下的結果分析	49
4.6 	模擬結果檢定	57
第 5 章.	結論及未來研究發展	61
5.1	結論	61
5.2	研究限制	62
5.3	未來研究發展	63
參考文獻	64

圖目錄
圖 1、不同社會網路連線數量下市場價格變化(λind =0.25 , λsoc =0.25)	14
圖2、Netlogo操作介面	15
圖3、買家代理人形成流程	17
圖4、賣家代理人形成流程	18
圖5、100%誠實賣家在 λind=0.2, λsoc=0, Links=0 的市場交易狀況折線圖	21
圖6、80%誠實賣家在 λind=0.2, λsoc=0 , Links=0的市場交易狀況折線圖	22
圖7、50%誠實賣家在 λind=0.2, λsoc=0 , Links=0的市場交易狀況折線圖	23
圖8、20%誠實賣家在 λind=0.2, λsoc=0, Links=0 的市場交易狀況折線圖	24
圖9、100% 誠實賣家在 λsoc=0.2 商品成交量立體直條圖	29
圖10、80%誠實賣家 λsoc=0.2商品成交量立體直條圖	30
圖11、50%誠實賣家 λsoc=0.2商品成交量立體直條圖	30
圖12、20%誠實賣家 λsoc=0.2商品成交量立體直條圖	31
圖13、100% 誠實賣家 λsoc=0.4商品成交量立體直條圖	37
圖14、80%誠實賣家 λsoc=0.4商品成交量立體直條圖	38
圖15、50%誠實賣家 λsoc=0.4商品成交量立體直條圖	38
圖16、20%誠實賣家 λsoc=0.4商品成交量立體直條圖	39
圖17、100% 誠實賣家 λind=0.2商品成交量立體直條圖	45
圖18、80%誠實賣家 λind=0.2商品成交量立體直條圖	46
圖19、50%誠實賣家 λind=0.2商品成交量立體直條圖	46
圖20、20%誠實賣家 λind=0.2商品成交量立體直條圖	47
圖21、100% 誠實賣家在 λind=0.4商品成交量立體直條圖	53
圖22、80%誠實賣家在 λind=0.4商品成交量立體直條圖	54
圖23、50%誠實賣家在 λind=0.4商品成交量立體直條圖	54
圖24、20%誠實賣家在 λind=0.4商品成交量立體直條圖	55
表目錄
表1 、模型參數設定說明	11
表 2、賣家代理人的聲譽度	19
表3、λsoc=0.2商品成交量結果	25
表4、λsoc=0.2市場價格結果	26
表5、λsoc=0.2賣家收入結果	27
表6、λsoc=0.2買家平均預期質量結果	28
表7、λsoc=0.2誠實策略和不實策略結果	32
表8、λsoc=0.4商品成交量結果	33
表9、λsoc=0.4市場價格結果	34
表10、λsoc=0.4賣家收入結果	35
表11、λsoc=0.4買家平均預期質量結果	36
表12、λsoc=0.4誠實策略和不實策略結果	40
表13、λind=0.2商品成交量結果	41
表14、λind=0.2市場價格結果	42
表15、λind=0.2賣家收入結果	43
表16、λind=0.2買家平均預期質量結果	44
表17、λind=0.2誠實策略和不實策略結果	48
表18、λind=0.4商品成交量結果	49
表19、λind=0.4市場價格結果	50
表20、λind=0.4賣家收入結果	51
表21、λind=0.4買家平均預期質量結果	52
表22、λind=0.4誠實策略和不實策略結果	56
表23、社會比較權重條件λsoc=0.2下不同誠實比例市場之T檢定	57
表24、社會比較權重條件λsoc=0.4下不同誠實比例市場之T檢定	58
表25、個人比較權重條件λind=0.2下不同誠實比例市場之T檢定	59
表26、個人比較權重條件λind=0.4下不同誠實比例市場之T檢定	60

中文部分
1.	巫喜瑞, & 陳皇嘩. (2007). 網路交易消費者道德決策研究-道德強度, 道德哲學與匿名性之影響. 管理學報, 24(5), 531-550..
2.	許文怡, & 梁朝雲. (2007). 訊息來源可信度, 情感認同與涉入程度對大學生採信消費性網路謠言之影響. 教育資料與圖書館學, 45(1), 99-120..

外文部分
1.	Akerlof, G. A. (1978). The market for “lemons”: Quality uncertainty and the market mechanism. In Uncertainty in Economics (pp. 235-251)

2.	Bandura, A., & Walters, R. H. (1977). Social learning theory (Vol. 1). Englewood Cliffs, NJ: Prentice-hall.

3.	Festinger, L. (1954). A theory of social comparison processes. Human relations, 7(2), 117-140.

4.	Granovetter, M., & Soong, R. (1986). Threshold models of interpersonal effects in consumer demand. Journal of Economic Behavior & Organization, 7(1), 83-99.

5.	Hayek, F. A. (1946). Individualism, True and False: The Twelfth Finlay Lecture Delivered at University College, Dublin, on December 17, 1945. Hodges, Figgis.

6.	Izquierdo, S. S., & Izquierdo, L. R. (2007). The impact of quality uncertainty without asymmetric information on market efficiency. Journal of Business Research, 60(8), 858-867.

7.	Janssen, M. A., & Jager, W. (2001). Fashions, habits and changing preferences: Simulation of psychological factors affecting market dynamics. Journal of economic psychology, 22(6), 745-772.

8.	Kreps, D. M., & Wilson, R. (1982). Reputation and imperfect information. Journal of economic theory, 27(2), 253-279.

9.	Papaioannou, T. G., Aberer, K., Abramczuk, K., Adamska, P., & Wierzbicki, A. (2012, April). Game-theoretic models of web credibility. In Proceedings of the 2nd Joint WICOW/AIRWeb Workshop on Web Quality (pp. 27-34). ACM.

10.	Travers, J., & Milgram, S. (1967). The small world problem. Phychology Today, 1(1), 61-67.

11.	Vriend, N. J. (2002). Was Hayek an ace?. Southern Economic Journal, 811-840.

12.	Watts, D. J. (2004). Six degrees: The science of a connected age. WW Norton & Company

13.	Watts, D. J., & Strogatz, S. H. (1998). Collective dynamics of ‘small-world’networks. nature, 393(6684), 440.

14.	Wierzbicki, A., Adamska, P., Abramczuk, K., Papaioannou, T., Aberer, K., & Rejmund, E. (2014). Studying web content credibility by social simulation. Journal of Artificial Societies and Social Simulation, 17(3), 6.

15.	Yu, T., Chen, S. H., & Wang, C. H. (2017, June). Information Aggregation in Big Data: Wisdom of Crowds or Stupidity of Herds. In International Symposium on Distributed Computing and Artificial Intelligence (pp. 16-27). Springer, Cham.