基于UTAUT模型的互联网金融理财产品使用行为影响因素研究

更新时间:2023-03-15 09:25:01 阅读量: 教育文库 文档下载

说明:文章内容仅供预览,部分内容可能不全。下载后的文档,内容与下面显示的完全一致。下载之前请确认下面内容是否您想要的,是否完整无缺。

【摘要】基于utaut模型构建了互联网金融理财产品使用行为影响因素模型,运用结构方程模型分析方法对这些影响因素以及它们之间的关系进行了研究,结果显示:使用意向、便利条件直接显著影响使用行为,绩效期望、努力期望、感知风险、社会影响通过使用意向间接显著影响使用行为,感知成本对使用意向的影响不显著。

【关键词】技术接受和使用统一理论(utaut) 互联网金融理财产品 感知风险 感知成本 结构方程模型 一、引言

关于互联网金融理财产品的定义,目前尚未形成权威概念,其常与互联网理财产品、互联网理财平台、网络理财产品等概念交叉使用,具体形式或产品类别人们在认识上也存在差异。本研究的互联网金融理财产品主要包括五类:集支付、收益、资金周转于一身的理财产品(如阿里巴巴余额宝)、与知名互联网公司合作的理财产品(如腾讯理财通)、p2p平台的理财产品(如人人贷的优先理财计划)、基金公司在自己的直销平台上推广的产品(如汇添富基金现金宝)、银行自己发行银行端现金管理工具(如平安银行的平安盈)。这五类理财产品存在收益率不稳定、网络平台风险责任不清等问题,研究其用户使用行为的影响因素,对相关企业如何做好经营管理、提高用户满意度、保持竞争优势具有参考价值。 二、文献回顾

(一)国内外基于tam等理论对互联网金融领域相关产品的实证研究

国外学者对互联网金融领域相关产品使用行为影响因素的研究经常运用理性行为理论(tra)、计划行为理论(tpb)、技术接受模型(tam)等理论,tra中的主观规范、tpb中的知觉行为控制以及tam中的行为态度、感知有用性、感知易用性是学者在构建研究模型时主要考虑的指标变量,随着互联网金融领域相关产品风险问题的凸显,感知利益、感知风险、感知信任也被纳入用户使用行为的影响因素中。

国内学者基于tam理论并结合经济学中的相关理论对移动银行、移动支付等用户使用行为进行了实证研究。邓朝华等基于tam理论分析验证了感知有用性、感知易用性、感知可靠性、感知行为控制、服务成本是影响移动银行服务用户采纳行为的重要因素;杨水清等以tam为理论基础并结合效价理论,从技术属性、个体特征、社会影响三个方面对移动支付用户初始采纳行为进行实证研究,研究结果表明:相对优势、兼容性、个体创新、主观规范和形象正向影响用户采纳意愿,感知风险和感知成本负向影响用户采纳意愿;李凯等指出移动支付系统与其他信息系统相比一个重要区别是移动支付给用户带来的感知风险,其研究跳出了以tam理论为主的研究框架,从交换理论视角分析了感知风险和感知利益在用户行为决策中的作用机理。

此外,国内有学者基于tpb、tam、创新扩散理论(idt)对互联网金融理财产品使用行为影响因素进行了实证研究。邱均平等基于tam和tpb理论分析验证了自我效能、感知易用、感知有用是影响用户使用互联网金融理财产品的关键因素;张万力等运用tpb和idt理论构建了互联网金融理财行为模型,探讨用户行为形成过程,研究结果表明互联网金融理财目标显著影响信息搜寻,沟通交流正向影响理财意愿;罗长利等基于tam和tpb理论验证了感知易用性、感知有用性、感知收益、主观规范和感知行为控制正向影响用户对余额宝的使用意愿,感知风险负向影响用户使用意愿。

(二)国内外基于utaut模型对互联网金融领域相关产品的实证研究

本研究综合国内外基于utaut模型对互联网金融领域的实证研究,将utaut模型作为互联网金融理财产品使用行为影响因素的基础模型,在保留绩效期望(performance expectancy,pe)、努力期望(effort expectancy,ee)、社会影响(social influence,si)、便利条件(facilitating condition,fc)等因素的基础上,增加感知风险(perceived risk,pr)

和感知成本(perceived cost,pc)两个因素,运用结构方程模型分析方法,对互联网金融理财产品使用行为的影响因素进行了实证研究。 三、研究模型与假设

tam是解释或预测信息技术使用的普适模型,之后人们对tam不足加以改进,将理性行为理论(tra)、动机模型(mm)、计划行为理论(tpb)、创新扩散理论(idt)、社会认知理论(sct)等共八个理论进行整合,提出了utaut模型。有学者实证研究认为utaut模型对行为的解释比tam更为全面和完善。utaut模型的四个核心变量分别为绩效期望、努力期望、社会影响和便利条件,其中前三个变量对使用意向产生重要影响,便利条件对使用行为直接产生影响。本研究在utaut模型基础上增加感知风险、感知成本因素,形成互联网金融理财产品使用行为影响因素模型,如图1所示。 (一)感知风险 luo等将感知风险定义为用户对各种潜在威胁敏感性的个人感知,将感知风险分为性能风险、财务风险、时间风险、心理风险、社会风险、隐私风险、生理风险、整体风险八个方面,并在其研究中证实感知风险负向影响用户对移动银行的使用意向,因此提出假设:

h1:用户对互联网金融理财产品的感知风险负向影响使用意向。 (二)感知成本

消费者在不同的服务方式间转换必须要考虑不可忽略的成本,从其他的理财方式转换到互联网理财需要一些额外的成本。abroud等指出用户的感知经济价值,包括时间成本和金钱成本,会对使用意向产生负向影响,因此提出假设:

h2:用户使用互联网金融理财产品所承担的成本负向影响使用意向。 (三)其他因素

h3:用户对互联网金融理财产品的绩效期望正向影响使用意向; h4:用户对互联网金融理财产品的努力期望正向影响使用意向; h5:用户受到的社会影响正向影响使用意向;

h6:用户感知到的使用互联网金融理财产品的便利条件正向影响使用行为; h7:用户的互联网金融理财产品使用意向正向影响使用行为。 四、研究设计与方法

(一)问卷设计与数据收集

本研究所使用的问卷结构分为三部分:第一部分是互联网金融理财产品的使用情况,第二部分是互联网金融理财产品的认知情况,本部分问卷采用李克特七级量表,对影响用户使用互联网金融理财产品的因素进行测量,第三部分是对被调查者基本情况的采集,包括性别、年龄、教育程度、职业等问题。通过网上问卷调研平台发放电子问卷280份,回收问卷229份,其中有效问卷203份,问卷的有效样本量为28个题项的7.25倍,符合进行结构方程模型分析的样本量基本要求。 (二)信度与效度分析

通过spss20.0软件,采用cronbach's alpha系数进行信度分析。从表1可知,问卷总体的cronbach's alpha值为0.866,各分量表的的cronbach's alpha系数均大于0.8,表明量表具有较高的信度,问卷设计合理。

问卷各变量的测量指标均根据国内外学者的研究问卷及相关文献理论基础修正成为本研究的量表,故具有较高的内容效度。在建构效度方面,本研究采用因子分析法进行检验,分析结果显示,各变量的kmo值均大于0.7,表明样本数据适合做因子分析,各变量均只提取一个公因子,总体解释度较高,且各测量指标的因子载荷大于0.7,表明问卷效度较高。 (三)模型检验

利用amos17.0软件采用极大似然法对假设模型进行拟合分析,实际测量结果与各评价指

标如表2所示:cmin/df、ifi、tli、cfi、rmsea均在合理范围之内,gfi、nfi与评价标准略有差距,表明假设模型拟合程度比较好。

各因素之间的关系以及标准化路径系数如图2所示。感知风险对使用意向有显著的消极影响;感知成本对使用意向没有显著的影响;绩效期望、努力期望、社会影响对使用意向有显著的积极影响;便利条件对使用行为有显著的积极影响;使用意向对使用行为有着显著的积极影响。分析结果表明:研究假设h1、h3、h4、h5、h6、h7成立,h2不成立。 五、结论讨论 (一)结论

本研究基于utaut模型构建了互联网金融理财产品使用行为影响因素模型,研究结果显示使用意向、便利条件是直接影响用户使用互联网金融理财产品的重要因素,努力期望、绩效期望、感知风险、社会影响通过使用意向对使用行为产生间接影响。感知成本对使用意向的影响不显著,可能是因为互联网金融理财产品相比银行相关产品而言具有明显的成本方面的优势。就准入门槛而言,互联网金融理财产品最小单位是1元,虽同很多货币基金门槛相同,但相比一般以5万元为基准的银行理财产品更适合大众投资者,因此感知成本不是影响用户使用互联网金融理财产品的重要因素。依据研究结果,经营互联网金融理财产品的相关企业应注意将用户的感知风险控制在合理的范围之内,注意降低用户的风险感知,降低结果损失的程度,同时降低互联网金融理财平台操作的复杂性,开展服务营销,提高用户的绩效期望和努力期望,使用户获得更多的使用互联网金融理财产品的便利条件。此外,很多用户使用互联网金融理财产品是受周围人群的影响,所以经营互联网金融理财产品的相关企业要设法提高互联网金融理财产品的社会影响和适用人群,以进一步促进用户的使用行为。 (二)不足与展望

本研究不足与展望有三点:首先,研究没有考虑用户的性别、年龄、经验等控制变量的影响作用,若对控制变量的影响作用加以分析,结论会更具针对性;其次,本研究提出了7个影响用户使用互联网金融理财产品的因素,测量维度并不完全,在后续研究中可以结合消费者信任等理论增加使用行为的测量维度,以增强模型的解释力度;最后,本研究没有进行竞争模型的探索和评估,不能保证所得模型的解释力一定是最佳的,以后的研究中可以增加对竞争模型的探索,从而使所得模型更具说服力。

本文来源:https://www.bwwdw.com/article/7h7v.html

Top