基于技术采纳与利用模型大学生网上购物行为影响因素研究

学校编码：10173 分类号 密级 学 号：20060780 UDC

硕 士 学 位 论 文

基于技术采纳与利用模型大学生网上购物

行为影响因素研究

——以大连地区为例

Based on Unified Theory of Acceptance and Use of Technology Model, the Study of Impacting on University

Students’ Online Shopping Behaviors: ——as Dalian area Example

刘爱柳

指导教师姓名： 赵宁教授 一级学科名称： 管理学 二级学科名称： 企业管理

论文答辩时间： 2008年12月6日

答辩委员会成员： 邱国栋、于晓霖、李桂艳

汪旭晖、鲁军

1

摘 要

网上购物作为一种创新的购物方式，有着传统购物无法比拟的优势，它打破了地域、政治和时间的障碍，提高了消费者购物的效率和质量。然而，自2003年始崛起的中国网购市场到今天为止，却出现了网上购物发展缓慢、市场渗透率较低的现象，由此可概括出影响中国网上购物商场的因素主要包括两方面，即消费者个人因素和外部因素。因此需要对影响网上购物消费者的因素进行具体的分析和归纳，从而扩大中国网购人群比例，促进网上购物市场的发展。

本文基于消费者行为的技术采纳与利用整合理论（UTAUT），以大连地区大学生为研究样本，在大量有关技术介绍模型及其演变和消费者行为学文献的基础上，进行实证分析，提出大学生网上购物行为的因素，并对原有模型根据中国的实际情况和大学生特殊的消费特征进行修正,同时为网上商家提出建设性的意见。

在对大学生网上购物影响因素分析中，本文根据技术采纳与利用整合理论（UTAUT）和实证研究结果最终确定大学生感知有用（PU）、工作适配性（JF）、努力期望（EE）、感知易用（PEOU）、行为控制认知（PE）、兼容性/映像（CO/IM）和促成条件（FC）七个变量，总变量为努力期望（EE）、感知有用（PU）、工作适配性（JF）和促成条件（FC）。

在模型关系的测定中，主要运用实证分析方法，通过SPSS12.0统计分析软件进行因子、相关、回归和方差等分析。研究结果表明：除工作适配性以外六大变量与大学生网上购物的行为意图成正的相关关系，大学生网上购物的意图（BI）、兼容性/映像（CO/IM）、行为控制认知（PE）与网上购物使用行为（AU）成正的因果关系。性别不同的大学生在网上购物影响因素、行为意图（BI）和使用行为（AU）方面有差异，性别对于工作适配性（JF）、促成条件（FC）、行为控制（PE）、努力期望（EE）、感知易用（PEOU）、行为意图（BI）和使用行为（AU）没有影响；有网上购物经验和没有网上购物经验的大学生在努力期望（EE）、行为控制认知（PE）、映像/兼容性（IM/CO）、感知有用（PU）、行为意图（BI）和使用行为（AU）方面有差异；月收入（月生活费用）不同的大学生在行为控制（PE）、感知易用（PEOU）、行为意图（BI）和使用行为（AU）方面有差异。

I

本文的创新之处在于采用了最新的电子商务模型——技术采纳与利用整合理论（UTAUT），并以大学生为研究对象，结合中国国情进行实证分析，也就是通过对大连地区大学生进行实证研究，来证实模型在网络购物领域中的可行性，同时揭示网上购物影响因素所带来的实践意义。

关键字：大学生，网上购物，影响因素

II

ABSTRACT

As a new shopping style, on-line shopping has more advantages than traditional shopping style which removes obstacles of time, place and politician and improves the quality and quantity of shopping. Since 2003 the speed of on-line shopping is low. There is two reasons including customers and shopping environment. So the reasons should be found which influence the development of on-line shopping in order to further the development.

The thesis taking Dalian area college students as object study, on the unified theory of acceptance and use of technology （UTAUT） model and through reading large amount of relevant document, sum up the factor affecting college students web shopping behaviors, and extend out the relative aspect variable of product factor and website factor on original model.

On base of the unified theory of acceptance and use of technology （UTAUT） model and questionnaire investigations, seven factors are confirmed such as perceived usefulness （PU）, job-fit （JP）, effort expectancy （EE）, perceived ease of use （PEOU）, perceived behavioral （PE）, compatibility/ image and facilitating conditions （FC）. Main factors are effort expectancy （EE）, perceived usefulness （PU）, job-fit （JP） and facilitating conditions.

Using SPSS12.0 software empirically validate the unified model. The conclusion is drawn that the six factors have significant positive influence on behavioral intention in addition to job-fit. The influence of factors impacting on college students, behavioral intention and usage will be moderated by gender, experience and outcome. As the same time, different genders, outcomes, experiences bring out different results.

The place of innovation lies in using the newest electronic commerce model the unified theory of acceptance and use of technology （UTAUT）, and unified the Chinese national condition. Empirical research of college students in Dalian tests the model and finds out the factors influencing the online shopping and suggestions for e-commerce Corporation.

Key words: College students, On-line shopping, Influence factor

I

目 录

1 导论 ································································································· 1

1.1 研究背景分析 ······························································································ 1 1.2 本文研究问题提出 ···················································································· 2 1.3 本文研究内容 ···························································································· 3

2 消费者购物影响因素研究评述 ······················································ 4

2.1 技术采纳与利用整合理论（UTAUT）的相关理论 ······························· 4

2.1.1 技术采纳与利用整合理论（UTAUT） ······································· 5 2.1.2 技术接受模型（TAM） ································································ 6 2.1.3 技术任务适配模型（TTF） ························································· 6 2.1.4 理性行为理论（TRA）································································· 7 2.1.5 计划行为理论（TPB） ································································· 7 2.1.6 动机模型（MM） ········································································· 7 2.1.7 复合的TAM与TPB模型（C-TAM-TPB） ······························· 8 2.1.8 PC利用模型（MPCU） ······························································· 8 2.1.9 创新技术扩散模型（IDT） ·························································· 8 2.2 国内外学者对消费者网上购物影响因素研究的文献综述 ···················· 9

2.2.1 国内对消费者网上购物影响因素的研究现状····························· 9 2.2.2 国外对消费者网上购物影响因素的研究现状··························· 11 2.3 对上述研究现状的几点评述 ·································································· 13

3 研究设计 ······················································································· 14

3.1 研究设计与命题假设 ·············································································· 14

3.1.1 研究设计和命题假设··································································· 14 3.2.2 变量测量······················································································· 18 3.3 问卷设计 ·································································································· 20

3.3.1 探索性调研阶段··········································································· 20 3.3.2 正式调研······················································································· 21 3.4 统计方法概述 ·························································································· 22

I

4 统计分析与讨论 ··········································································· 25

4.1 样本基本特征分析 ·················································································· 25 4.2 网上购物影响因素因子分析 ·································································· 26

4.2.1 网上购物影响因素信度和效度分析··········································· 26 4.2.2 网上购物影响因素信度分析······················································· 27 4.3 网上购物行为意图的因子分析 ······························································ 29

4.3.1 网上购物行为意图的效度与信度分析······································· 29 4.3.2 网上购物行为意图因子分析······················································· 30 4.4 网上购物使用行为的因子分析 ······························································ 31

4.4.1 网上购物使用行为的效度与信度分析······································· 31 4.4.2 网上购物使用行为因子分析······················································· 31 4.5 相关分析 ·································································································· 32

4.5.1 网上购物影响因素和行为意图之间的相关分析······················· 32 4.5.2 网上购物影响因素和使用行为之间的相关分析······················· 34 4.5.3 消费者网上购物行为意图和使用行为的相关关系··················· 35 4.6 回归分析 ·································································································· 35

4.6.1 大学生网上购物影响因素与行为意图的回归分析··················· 35 4.6.2 大学生网上购物总影响因素与网上购物行为意图回归分析··· 37 4.6.3 大学生网上购物因素与网上使用行为回归分析······················· 38 4.6.4 大学生网上购物总影响因素与网上购物使用行为回归分析··· 39 4.6.5 大学生网上购物促成因素与网上购物使用行为回归分析······· 40 4.6.6 大学生网上购物行为意图与其网上购物使用行为的回归分析40 4.7 大学生特征与其网上购物影响因素关系检验 ······································ 42

4.7.1 样本均值检验··············································································· 42 4.7.2 大学生性别对于其影响网上购物因素的差异··························· 43 4.7.3 大学生有无网上购物经验对于其影响网上购物因素的差异··· 45 4.7.4 大学生月收入（月生活费）对于其影响网上购物因素的差异46

5 结论与建议 ··················································································· 50

5.1 结论 ·········································································································· 50

II

5.1.1 大学生网上购物影响因素分类··················································· 50 5.1.2 主成分回归模型··········································································· 50 5.1.3 个人因素与大学生网上购物影响因素分析······························· 51 5.2 量表及模型修正 ······················································································ 52 5.3 建议 ·········································································································· 54

5.3.1 提高网上购物的附加价值，由目前的理性营销转向感性营销，

制造对网上购物有益的社会舆论 ·············································· 54

5.3.2 根据大学生特性，采取不同的营销方式··································· 54 5.3.3 完善网上商店的信息系统、安全系统和物流系统增加网上商店

的安全性和可靠性 ······································································ 55

5.3.4 提高网上商店产品和服务的质量，增加产品的种类··············· 55

6 讨论 ······························································································· 56

6.1 研究局限性 ······························································································ 56 6.2 未来发展方向 ·························································································· 56

附 录 ····························································································· 57 参考文献 ····························································································· 61 后 记 ····························································································· 64

III

1 导 论 1 导论

1.1 研究背景分析

目前互联网已成为商业活动中不可缺少的工具，更重要的是它创造了一种崭新的购物方式---网上购物，打破传统购物中的地域、政治、时间等的限制，同时可以使消费者更便捷地进行购物信息搜集和购买商品。

随着中国经济增长和居民消费水平的提高以及二三线城市网民增加及网络基础设施改善，中国网民数量呈“雪崩式”增长，据统计显示中国网民数量已达25300万人，为网上购物提供了巨大的市场潜力。但中国的网络购物市场却不尽如人意，根据2007年CNNIC数据显示，中国网络购物人数仅为6329万人，占同期网民数量的25.0%，远低于美国的网民购物比例的66%，韩国网民购物比例的57.3%①。由此可见，我国的消费者还处于传统的“橱窗购物”阶段。

据艾瑞咨询调查，导致人们不选择网上购物这种消费方式的主要原因是商品质量、配送及时性、信息描述、支付手段等信誉度问题，其中最突出的问题是银行卡的网上支付业务的不成熟，极大的制约了网上购物的发展。由此可见网上购物虽然较传统的购物方式显示了很大的优势，但还不能被消费者广泛接受，网上购物发展缓慢。因此，对网上购物影响因素的研究成为学界和企业界关注的问题。这一研究有助于电子商务企业明确消费者的需求，了解制约性因素，有利于企业根据网络购物的规律合理配置有效资源并采用相应的营销策略，从而推动中国网上购物行业的发展。

关于消费者网上购物影响因素的研究已有很多，主要是从两个方面进行展开的：一方面是运用一个或多个消费者行为理论结合消费者网上购物的行为展开研究，侧重定性研究；另一方面是采用有效的研究方法进行大量的数据化分析进行的实证性研究，侧重定量研究。在这两种研究范式下，近年来，一些国

①

中国互联网络信息中心.中国互联网络发展状况统计报告[EB/ OL]．http://www. cnnic.net.cn, 2007.

1

大学生网上购物行为影响因素研究：基于技术采纳与利用模型——以大连地区为例

外的学者将网上购物视为一种技术接受过程，采用技术接受模型（Technology Acceptance Model，TAM）或其衍生模型作为基本的研究框架，进而研究消费者网上购物的影响因素。鉴于此模型对于分析网上购物影响因素具有很强的解释能力，因此成为国外新的研究热点。但目前国内有关于技术采纳与利用整合理论（Unified Theory of Acceptance and Use of Technology, UTAUT）模型的相关实证研究非常少，大多数停留在相关理论的简单论述上,UTAUT模型并没有被广泛采纳和应用。

1.2 本文研究问题提出

本文正是在当今的现实条件下，并在国外相关研究基础上，利用整合模型技术采纳与利用整合理论（UTAUT），结合实证研究结果，提出影响消费者网上购物的因素，并对现有模型进行修正。研究结果旨在：一方面对消费者网上购物影响因素理论进行深入的研究，以检验技术采纳与利用整合理论（UTAUT）框架的普适性；另一方面通过实证分析提取符合中国实际的网上购物影响因素，有助于网上商家选取核心和关键因素，针对消费者的特性制定相应的营销战略。

同时，本文将研究问题锁定于大学生网上购物影响因素研究，主要是因为大学生逐渐成为网上购物消费者中重要的群体。根据中国互联网星系网络中心（www.cnnic.net.cn）2008年7月发布的《中国互联网络发展状况报告》，中国网上购物群体中，年龄在18-24岁的消费者占整体的38.9%；其中大学生占到整体的50.3%，因此大学生已经成为网上购物的主体。同时大学生具有易于接受新事物和追求时尚的群体性消费特征，是网上购物目标顾客中最具有代表性的一族。Locke（1986）的研究认为，学生和工作人士之间的相似性比较大，两组织之间的关键差异并不是决定性的①，因此其研究结论具有一定的普适意义。

综上所述本文研究的问题是：利用技术采纳与利用整合理论（UTAUT），揭示影响大学生网上购物的主要因素，并根据分析结果提出对电子商务企业具有应用价值的的意见和建议。

①

钱慧明，北京地区大学生网上购物行为研究 [D].北京:北京化工大学硕士学位论文，2007

2

1 导 论 1.3 本文研究内容

第一章：绪论。介绍研究背景，提出问题。

第二章：文献综述。主要论述本文研究过程中涉及到的消费者行为及心理相关的理论及与网上购物相关的理论模型。

第三章：研究方法及设计。构建研究模型、设计变量、确定假设，对问卷的设计进行说明。

第四章：调查统计分析.。本文利用spss12.0对数据进行统计分析，包括因子分析，假设检验，相关分析等

第五章：研究结论和建议。阐述对问卷调查结果的分析，并且针对分析结论提出相应的建议。

3

大学生网上购物行为影响因素研究：基于技术采纳与利用模型——以大连地区为例

2 消费者购物影响因素研究评述

自网上购物对传统购物方式造成冲击以来，消费者网上购物影响因素的研究便逐步的发展起来，国内外学者基于不同的角度沿着两个方向对这一问题进行了研究。

一部分学者主要是基于消费者行为理论偏定性研究方式，将网上商店和网络本身的特性与消费者态度、意识和行为产生过程相结合，进而归纳影响消费者网上购物的因素。国外学者Korgaokar（1999）、Jarvenpa（1999）、Bellman（1999）、Swami Nathan（1999）通过研究均发现消费者人口统计特征、商品特性和网络本身的可靠性是影响消费者网上购物的主要因素。在国内，伍丽君，叶文（2001）、王希希（2001）、王占平（2004）等通过理论和小部分的实证研究也得出同样的结果。

另一部分学者是基于技术接受模型（TAM）及其衍生模型，技术接受模型（TAM）起初主要用于解释和预测新技术使用者的行为，因为网上购物也可默认为一种新技术的接受和利用，Davis（1986）将技术接受模型（TAM）引入这个领域用于解释和预测网上购物消费者的行为，随后技术接受模型（TAM）模型就成为主流的研究基础框架。经过20多年的发展，技术接受模型（TAM）模型中引入了不同领域的理论模型，Venkatesh &Davis（2003）将八种模型进行整合，提出了“技术采纳与利用整合理论”（UTAUT），主要用于研究影响人们接受新技术的因素。该模型不仅在理论上更加完善，而且通过实证研究也证实其解释能力较技术接受模型（TAM）高，因此本文选择此模型作为基础框架模型。本部分首先介绍了技术采纳与利用整合理论（UTAUT）及其相关理论介绍，其次回顾国内外学者针对与消费者网上购物这个领域的相关研究，最后对总的研究成果进行评价。

2.1 技术采纳与利用整合理论（UTAUT）的相关理论

鉴于本文对于消费者网上购物影响因素的研究基于技术采纳与利用整合

4

2 消费者购物影响因素研究评述 理论 （UTAUT），因此需要对模型本身及其相关理论进行简要的介绍。 2.1.1 技术采纳与利用整合理论（UTAUT）

Venkatesh & Davis（2003）在对历年TAM相关研究总结的基础上，针对探讨使用者“认知因素”的问题，并结合系统的描述的结果将技术任务适配模型（Task-technology fit, TTF）、创新扩散理论（Innovation diffusion theory, IDT）、理性行为理论（Theory of reasoned action, TRA）、规划行为理论（Theory of planned behavior, TPB）、动机模型（Motivational model, MM）、复合的TAM与TPB模型（Combined TAM and TPB, C-TAM-TPB）、PC利用模型（Model of PC utilization, MPCU）以及社会认知理论（Social cognitive theory, SCT）理论进行整合，提出了“技术采纳与利用整合理论”（Unified Theory of Acceptance and Use of Technology, UTAUT） 。UTAUT把八个模型中的变量整合为四个核心变量（Core Determinant）: “绩效期望”（Performance Expectancy, PE）、“努力期望”（Effort Expectancies）、“社会影响”（Social Influence, SI）和“促成因素”（Facilitating Conditions, FC）。UTAUT中的四个核心维度的绩效期望是指“个人感觉使用系统对工作有所帮助的程度”; 努力期望指“个人使用系统所需付出努力的多少”; 社会影响指“个人所感受到的受周围群体的影响程度”,主要包括主观规范（ Subjective Norm） 、社会因素（Social Factors）和（对外展示的） 公众形象（ Image） 等三方面; 促成因素则指“个人所感受到组织在相关技术、设备方面对系统使用的支持程度”。UTAUT还指出有四个对以上核心维度影响显着的控制变量, 即性别、年龄、经验和自愿等。Venkatesh （ 2003 ）的研究结果发现两个以上控制变量的复合作用会使得影响作用更为显著。如图2-1：

5

大学生网上购物行为影响因素研究：基于技术采纳与利用模型——以大连地区为例

绩效期望 努力期望 行为意图 社会影响 使用行为 促成因素 性别 年龄 经验 自愿性 图2-1 技术采纳与利用整合理论（UTAUT）①

资料来源： V.Venkatesh, M.G.Morris, G.B.Davis,F.D.Davis，2003， “User acceptance of information technology: toward a unified view” ，MIS Quarterly, Vol. 27, Sep, PP 425-478.

2.1.2 技术接受模型（TAM）

自1986年Fred Davis在TRA的基础上提出技术接受模型（TAM），并应用于电子商务领域，解释和预测新技术使用者的行为，模型包括两个主要变量：感知有用（PU）和感知易用（PEOU），感知有用定义为个体认为使用特定技术提高其工作绩效的程度，感知易用定义为个体认为使用特定技术的容易程度②。 2.1.3 技术任务适配模型（TTF）

技术任务适配模型（TTF）主要思想是信息技术对任务的支持能力会影响人们采用该技术的行为，认为理性的使用者会选择那些能是他们最好地完成任

②

Davis, F.D.A technology acceptance model for empirically testing new end-user information systems: theory and results[Z].Ph.D. dissertation, MIT Sloan School of Management, Cambridge,MA,1986

6

2 消费者购物影响因素研究评述 务的工具或方法①。

2.1.4 理性行为理论（TRA）

Martin Fishibei，Icek Ajzen和Ron Hinkle（1975）提出了理性行为理论，用于研究如何才能准确预测行为，成为消费者行为研究领域基础和重要理论之一，TRA认为行为由个体完成行为是由行为意向决定，而意向由个体对行为的态度和主观标准形成，态度是个人对于某些个体或观念的持久性评价、感知和倾向，信念指个体对事物所持的观点。模型主要包括两个主要变量是行为态度和主观规范，行为感知定义为个体实施特定目标的正面或负面的反映，主观规范定义为个人认为在某问题上大部分人的意见对其采取行动是十分重要的②。 2.1.5 计划行为理论（TPB）

Azen（1991）在TRA的基础上提出计划行为理论 （TPB），通过增加感知行为控制，进一步的扩展和优化了理性行为理论。在这个理论中，感知行为控制成为影响意向行为的另一个决定因素，主要解释个体无法在完全控制他们行为情况的态度、行为意向和行为。感知行为控制是指感知完成行为的难易程度，感知便利指人们对有关实现任务所需资源重要性评价。TRA和TPB理论都假定人们是理性的，在决策过程中会系统使用可获得的资源。如果行为处于不完全控制之下，人们将依赖于必需的资源和机会来完成行为，行为受到个体完成行为能力强度的影响。个体越相信完成行为的资源和机会存在，他们感知控制行为的能力越大③。 2.1.6 动机模型（MM）

动机模型（MM）是心理学的主体理论，主要用于解释人的行为。1992年，Davis等人首次运用动机理论来解释新技术的采用和利用。动机理论主要包括

①

董铁牛，杨乃定，姜继娇.消费者网上购物行为的实证研究[J]。工业工程与管理，2007，（6）：77-82. ②

Ajzen,I.&Fishbein,M, 1980, “Understanding Attitudes and Predicting Social Behavior” Englewood Clif fs, NJ: Prentice-Hall .PP20-35. ③

Ajzen, I.，1991, “The Theory of Planned Behavior”, Organizational Behavior and Human Decision Processes, Vol. 50, Feb, PP179-211.

7

大学生网上购物行为影响因素研究：基于技术采纳与利用模型——以大连地区为例

两个主要变量，内在动机和外在动机。内在动机定义为个人主观想要完成任务，外在动机定义为个人因为外在原因如提高工作效率、收入等，而想要完成任务。 2.1.7 复合的TAM与TPB模型（C-TAM-TPB）

这个模型将TPB的预测功能和TAM中的感知有用结合起来形成混合模型。主要的变量有行为态度来源于TRA/TPB、主观规范来源于TRA/TPB、感知行为控制来源于TRA/TPB、感知有用来源于TAM。 2.1.8 PC利用模型（MPCU）

Triandis（1997）提出PC利用模型（MPCU），主要用于预测个人对于信息技术的接受和使用程度。1991年Thompson等人将此模型用于预测新技术应用的使用行为。模型主要包括六个主要变量：工作适配、复杂性、社会因素和促成条件。工作适配定义为个人认为运用技术在某种程度上可以提高工作的绩效；复杂性定义为个人认为更新后的技术难于理解和应用；社会因素定义为在特定的社会条件下，个体内化群体的主观文化并形成特定的社会认同程度；促成条件使用者认为某些情景是促成IT使用的客观因素①。 2.1.9 创新技术扩散模型（IDT）

创新技术扩散模型是基于社会学理论的一种理论模型，自20世纪60年代提出以来，已经被广泛的应用于个人对于新技术接受领域。创新技术模型主要包括七个主要变量，相对优势、易用性、映像、可视性、兼容性和自愿性。相对优势定义为使用创新技术能够工作得更好；易用性定义为使用者在使用创新技术时，感觉难以使用的程度；映像定义为使用新的变革可以提升个体在社会系统中的形象与地位程度；可视性在组织内通过技术一个人可以看到其他人的程度；兼容性使用者所感受到的创新技术与自身的价值观、需求以及经验一致性的程度；自愿性定义为个人愿意使用创新技术的程度②。

①

Thompson, R. L., Higgins, C. A., and Howell, J. M, 1991, “Personal Computing: Toward a Conceptual Model of Utilization”, MIS Quarterly, Vol. 15，Jan.，PP125-143. ②

Moore, G. C., and Benbasat, I., 1991, “Development of an Instrument to Measure the Perceptions of Adopting an Information Technology Innovation”, Information Syste Research, Vol. 2, Mar, PP 192-222.

8

2 消费者购物影响因素研究评述 2.1.10 社会认知理论（SCT）

社会认知理论是行为理论中非常重要的理论，1995年Compeau 和Higgins将此理论用于于此预测技术接受程度。社会认知理论主要包括成果期望、焦虑、个人功效和影响。成果期望定义为：与行为的结果有关，可以分为绩效期望和个人期望；焦虑定义为当对于新型技术赋予行动时所引发的焦虑和情感反映；个人功效定义为运用技术来完成特定的工作或任务的能力；影响定义为个体对于特殊行为的向往。

2.2 国内外学者对消费者网上购物影响因素研究的文献综述

国内外学者对于消费者网上购物影响因素研究主要分为两个方面，一方面是不运用TAM模型，直接运用其他理论或方法对消费者网上购物影响因素研究，另一方面是基于TAM模型及其衍生模型，对消费者网上购物影响因素进行研究。

2.2.1 国内对消费者网上购物影响因素的研究现状

（1）基于消费者行为理论对网上购物影响因素的研究现状分析

伍丽君，叶文（2001）根据消费者行为理论对这一领域进行研究，得出影响网上购物行为主要有两方面因素组成，为外部因素和内部因素。内部因素包括性别、年龄、受教育程度、经济状况等，外部因素主要包括网络基础设施状况、交易安全可靠性和商品本身价格质量状况等。王希希（2001）根据自己构建的网络购物影响因素概念分析模型，结合GVU网络调查数据进行实证分析，研究中强调了人口统计因素、网上消费者特性、交易和网络零售商特性四个因素对消费者采取网上购物行动的影响。赵盈，张跃（2004）从理论上对消费者网上购物影响因素进行研究，总结出的因素主要包括网络安全可靠性、网站基础设施状况、商品特点和网上商城本身的企业形象。王占平（2004）根据消费者购买模型，找出影响消费者采取网上购物行为的因素，构造新的模式。李季和涂平（2005）以大学生作为研究对象，基于创新扩散理论通过实证分析的方法对影响网上购物因素进行研究，结果得出影响大学生网上购物影响因素主要有创新性、网络涉入、时间压力、上网时间和可支配收入。

9

大学生网上购物行为影响因素研究：基于技术采纳与利用模型——以大连地区为例

另外目前网上购物已成为新的社会热点，各大研究机构根据自行调查数据对影响网上购物的因素进行分析，得出很多不同的结果。

以上是国内学者直接运用不同的理论对影响消费者网上购物因素的研究，但以上研究大部分属于理论和逻辑推导，只有极小部分对不同的群体进行了实证研究。

（2）基于TAM模型及其衍生模型对消费者网上购物影响因素的研究现状分析

程华、宝贡敏（2003）在TAM模型的基础上引入创新扩散模型，建立了新的消费者网上购物理论模型，并进行了实证研究，结果显示PU、PEOU、安全是影响网上购物行为意图和态度的重要因素。程华（2003）在TAM理论和创新扩散理论的基础之上，通过对96188购物网站的662名使用者从个体差异对消费者接受网上购物行为的影响的角度进行实证研究，结果表明消费者的个体差异很大程度上影响了消费者接受网上购物的行为意图。刘坤（2004）在TPB和TRA两个理论模型的基础之上，从潜在网络消费者的角度，进行了实证研究，结果显示潜在购物者的满意度和网站给他们带来的利益与网上购物的行为意图有相关关系。刘坤（2004）在PB和TRA两个理论模型的基础之上，从潜在网络消费者的角度，进行了实证研究，结果显示潜在购物者的满意度和网站给他们带来的利益与网上购物的行为意图有相关关系。井淼、周颖（2005）从理论的角度在TAM模型框架下增加感知风险这一变量，用来解释消费者在进行网上购物研究时所经受的风险，从而揭示消费者的网上购买行为。朱继文（2005）在TAM模型的基础上对157名潜在的网上购物的消费者进行调研，研究结果显示影响潜在消费者的因素主要有感知网上购物有用、感知网上购物易用、感知网上购物可靠、感知网上商店信息质量、感知网上商店服务质量、网上购物态度和网上购物意向。董铁牛,杨乃定,姜继娇（2007）在TAM模型框架下引入任务技术匹配（TTF）和感知风险（PR）,构建了消费者网上购物的模型TAM/TTF/PR,并在中国背景下进行实证检验。研究结果证明网上购物的意向最大程度上决定着实际行为,而其最主要的驱动要素则是感知有用性;TTF通过直接和间接的方式来对实际行为产生很大的正影响,并可以降低对实际行为有较大抑制作用的PR;而感知易用性间接地对实际行为产生正影响的力度十分微弱。钱明慧（2007）在TAM模型的基础上对北京的15所大学1000名学生进

10

2 消费者购物影响因素研究评述 行的实证研究，结果表明影响大学生网上购物的因素主要有感知易用、感知有用、感知网上购物服务质量、感知网上商品价格。

以上是国内学者基于TAM模型或其衍生模型对消费者网上购物影响因素进行的研究，由以上综述可以看出国内基于TAM模型及其衍生模型的实证研究还是比较多的，但是国内学者很少对消费者群体进行细分，进行有针对性的研究，特别是对于大学生的研究比较少。同时国内在这一领域的研究所采用的模型都没有引入最新的技术采纳与利用整合理论（UTAUT），进行实证研究。 2.2.2 国外对消费者网上购物影响因素的研究现状

（1）基于消费者行为理论对网上购物影响因素的研究现状分析

Korgaokar（1999）通过对消费者的人口统计变量进行研究，结果证明年龄、性别、地域分布、收入、家庭和工作类型等都会影响消费者的网上购物行为。Jarvenpa（1999）研究发现消费者感知风险和消费者的态度对其是否采取网上购物行为有显著影响。Bellman（1999）通过对网上购物消费者的研究，发现丰富的产品信息可以影响网上购物。Swami Nathan（1999）从网站技术的角度，结合消费者特征对影响消费者网上购物因素进行研究，结果证明有竞争力的价格和取消订单的便捷性是影响消费者网上购物的关键。

同时国外的研究机构通过调查，从不同的方面的消费者网上购物影响因素进行分析。

（2）基于TAM模型及其衍生模型对消费者网上购物影响因素的研究现状分析

Davis et al. （1989） 在TAM和TRA理论框架下对107名没有接受过网上购物的学生进行实证分析，研究表明TAM模型可以解释网上购物行为意图和使用行为分别为47%和51%，TRA可以解释的程度分别为32%和26%。Mathieson（1991）在TAM理论框架的基础上引入了TPB理论，对262名有过网上购物经验的学生进行实证研究，研究表明TAM可以解释网上购物行为意图的70%，TPB可以解释网上购物行为意图的62%。Taylor and Todd （1995）在TAM理论框架基础上引入TPB/DTPB理论，对786名有过3个月网上购物经验的消费者进行实证研究，结果显示TAM框架模型可以解释网上购物行为意图的52%，而TPB可以解释其45%，DTPB可以解释其60%。Lin & Lu（2001）

11

大学生网上购物行为影响因素研究：基于技术采纳与利用模型——以大连地区为例

根据TAM模型从网站质量影响消费者网上购物意图的角度，对139名网上购物的消费者进行实证研究，得出结论为网站质量影响TAM模型中的主要因素PEOU和PU对网上购物态度和意向的影响。Venkatesh,V.,and Davis,F.D（2000），在原有的的TAM模型中加入TRA、TPB、创新扩散理论模型、社会认知理论等8个理论模型，建立新的技术采纳与利用整合理论，通过对四个企业的员工进行调研，证明此模型可以解释采用新技术的行为意图的70%。Plouffe et al. （2001） 在TAM理论框架基础上引入IDT理论，对176名有过10个月网上购物经验的学生进行实证研究，结果显示TAM可以解释网上购物行为意图的33%，IDT可以解释网上购物意图的45%。Koufaris（2002）在TAM理论框架的基础上引入Flow理论，针对300名某购物网站的使用者进行实证研究，结果显示网上购物的愉悦性和有用性对于消费者是否产生网上购物意向有很大的作用。Featherman, M.S, and Pavlou（2002）对TAM引入了认知风险，并通过对395名大学生的实证研究，得出认知风险对TAM模型中的PU有显著性负影响，并且PEOU能够降低网络的不确定性带来的认知风险。Dahlberg（2003）在TAM模型的基础上引入了安全和信任两个变量，针对46名学生进行了小组访谈，根据研究结果显示安全和信任影响消费者采用网上购物的行为意图。Paul A，Pavlou.（2002），在TAM模型的基础上引入信任和认知风险两个变量，对258名网上消费者进行实证研究，结果表明信任和认知风险对于网上购物的意图有直接的影响，同时也证实了PU和PEOU对交易意图有显著的正面影响，意图导致实际使用。Aioa O，Cass，Tino Feneeh.（2003），在TAM模型的基础之上，引入了消费者的个人特征，个性、网络购物的经验、购物导向，通过对392名网络使用者进行实证研究，结果显示消费者的个人特征影响TAM的主要变量PEOU和PU对于网络购物意向的作用。Inge M. Kloppiing & Earl McKinney（2004）在TAM模型框架下引入任务技术匹配 （TTF） ，通过在网上对263名研究生进行实证研究，提出了任务技术匹配这一变量进而解释了没有意向进行网上购物却选择网上购物的行为，并且证明了TAM/TTF模型优于TAM。Chang,I-Chiu.et a（2007），运用技术采纳与利用整合理论模型（UTAUT），对140名网上购物的采用者进行实证研究，研究结果显示此模型中的四个核心构念，能有效的解释采用新技术的行为意图从而令其采取使用行为。

在网上购物这一领域国外的研究比较丰富和全面，但是基于技术采纳与利

12

2 消费者购物影响因素研究评述 用整合理论（UTAUT）的实证研究比较匮乏，因此需要更多的独立研究来证实该模型的理论和应用价值。 2.3 对上述研究现状的几点评述

纵观上述国内外学者对消费者行为影响因素的研究，本文认为：

第一，以往研究很少对研究对象进行划分，缺乏针对某一群体特征的研究，忽略了网络购物市场的新生力量---大学生这一群体的重要性。

第二，在国内技术采纳与利用整合理论（UTAUT）模型实证研究仍属空白。在消费者网上购物影响因素研究的领域，主流的研究模型仍然是TAM模型，缺乏对于新模型的探索和实证分析。

第三，国外的消费者网上购物影响因素研究发展比较成熟，但是缺乏对于技术采纳与利用整合理论（UTAUT）在此领域的实证研究，因此需要更多大规模的实证研究验证该模型进的普适性。

鉴于此，本文在总结和借鉴前人对消费者网上购物影响因素研究的基础上，窄化研究领域，深入到具体的消费群体，运用实证研究方法对影响网上购物行为的因素进行分析和排序。

13

大学生网上购物行为影响因素研究：基于技术采纳与利用模型——以大连地区为例

3 研究设计

3.1 研究设计与命题假设

3.1.1 研究设计和命题假设

技术采纳与利用整合理论（UTAUT）以TAM为基础，融入技术任务适配模型（Task-technology fit, TTF）、创新扩散理论（Innovation diffusion theory, IDT）、理性行为理论（Theory of reasoned action, TRA）、规划行为理论（Theory of planned behavior, TPB）、动机模型（Motivational model, MM）、复合的TAM与TPB模型（Combined TAM and TPB, C-TAM-TPB）、PC利用模型（Model of PC utilization, MPCU）以及社会认知理论（Social cognitive theory, SCT）等理论，增加模型的解释能力，通过国外的实证证明这个模型的解释能力高达70%，优于他的模型。但是鉴于这个属于理论界比较新的范畴，因此只有为数不多的几篇文章，因此本文选择此模型作为主要的研究模型。

考虑的大学生群体的特殊性，对模型进行了调整。原模型中调节变量主要有性别、年龄、经验、自愿性和收入，针对大学生群体的特点，年龄都处于同一个阶段，而大学生又处于很高的自主性，因此调节变量选择性别、是否有网上购物经验和收入（生活费用），模型如图3-1：

14

3 研究设计 绩效期望 努力期望 行为意图 使用行为 社会影响 促成因素 性别 经验 收入（生活费用） 图3-1 研究模型

资料来源：孙建军，成颖，柯青.TAM模型研究进展—模型演化[J].情报科学，2007，（8）：1126.

（1）绩效期望与行为意图

绩效期望是个人相信使用网络商店可以帮助他们在购物上取到更好的效果。如果消费者获得较高的绩效期望，那么可能会产生采取网上购物的行为意图。

消费者获得较高绩效期望的主要来源包括认知有用、外在动机、工作适配、相对优势及成果期望，也就是说当消费者认为网上购物可以改善其购物效果，提高购物的效率时，他们会有意向进行这一活动。因此本研究建立假设如下：

H1： 消费者的绩效期望与网上购物的行动意向成正相关 H1a：大学生感知有用与网上购物意向成正相关 H1b：大学生网上购物的外在动机与购物意向成正相关 H1c：大学生网络购物的适配性与网上购物意向成正相关 H1d：大学生网络购物的相对优势与网上购物意向成正相关 H1e：大学生网络购物的成果期望与网上购物意向正相关 （2）努力期望与行为意图

15

大学生网上购物行为影响因素研究：基于技术采纳与利用模型——以大连地区为例

努力期望是个人认为系统是否易用，主要包括感知易用、易用性和网上购物的复杂性。也就是说如果消费者感知系统是容易使用的，那么将提高消费者进行网上购物的意向，因此努力期望与大学生网上购物的行为意图成正相关，因此本研究建立假设如下：

H2：大学生的努力期望与网上购物的行动意图成正相关 H2a：大学生感知网上购物易用与网上购物意向成正相关 H2b：大学生网上购物易用性与购物行为意图成正相关

H2c：大学生感知网络购物的复杂性与网上购物行为意图成负相关 （3）社会影响与行为意图

社会影响是指个人意识到他人认为是否应该使用新型信息技术的程度。主要包括主管规范、社会因素和映像。因此当大学生认为社会影响和氛围对其网上购物产生正面的作用，将会提高其网上购物意识，因此本研究建立假设如下：

H3：影响大学生网上购物的社会影响与网上购物的行动意图成正相关 H3a：影响大学生网上购物的主管规范与网上购物意向成正相关 H3b：影响大学生网上购物的社会因素与购物行为意图成正相关 H3c：影响大学生网上购物的映像与网上购物行为意图成正相关 （4）促成因素与使用行为

促成因素是指个人相信现有组织与技术结构能够支持IT使用的程度。主要包括行为控制认知、促成条件和兼容性。如果大学生认为其组织和现有的知识技能能够支撑其进行网上购物，那么促成因素和大学生网上购物的使用行为成正相关，因此本研究建立假设如下：

H4：影响大学生网上购物的促成因素与网上购物的使用行为成正相关 H4a：影响大学生网上购物的行为控制认知与网上购物使用行为成正相关 H4b：影响大学生网上购物的促成条件与购物使用行为图成正相关 H4c：影响大学生网上购物的兼容性与网上购物使用行为成正相关 （5）行为意图与使用行为正相关

行为意图是个人有意向进行网上购物，而使用行为则是个人采取网上购物的行动。因此需要证明他们之间的相关性，因此建立假设如下：

H：大学生网上购物的行为意图与大学生网上购物的使用行为成正相关

16

3 研究设计 表3-1 网上购物影响因素变量定义

研究变量 感知有用 效的程度 使用者对诸如可能获得提升工作绩效、提外在动机 绩效期望（PE） 工作适配 相对优势 成果期望 易用认知 努力期望（EF） 复杂性 易用 主观规范 社会影响（SI） 社会因素 映像 促成因素（FC） 行为控制认知 促成条件 兼容性 高工资或者提升的期望，而实施某一行为的认知。 系统加强个人工作绩效的程度 使用创新的技术能够工作得更好的程度 与行为的结果有关，可以分为绩效期望和个人期望 使用者感觉系统易用度 系统难以理解与使用的程度 使用者在使用创新技术时，感觉难以使用 对于自己比较重要的人认为其是否应该进行某一行为的认知 在特定的社会语境中，个体内化群体的主观文化并形成特定的社会认同的程度 使用新的变革可以提升个体在社会系统中的形象与地位的程度 个人所感受到的内外部情景对自身行为的约束 让使用者认为某些情景四促成IT使用的客观因素 使用者所感受到的创新技术与自身价值 性别 年龄 网上购物经验 变量定义 使用者认为系统的使用可以改善工作绩 调节变量 资料来源：孙建军，成颖，柯青.TAM模型研究进展—模型演化[J].情报科学，2007，（8）：1126.

17

大学生网上购物行为影响因素研究：基于技术采纳与利用模型——以大连地区为例

3.2.2 变量测量

表3-2 量表问项组成

研究 变量 细分变量 变量的测量 PU1：网上购物比传统商店能够更快是我完成购物或寻找信息 PU2：网上商店能完成更好的购物效果 感知有用（PU） PU3：网上购物能够提高购物或寻找购物信息的效率 PU4：网上购物让我的购物过程或寻找信息过程变得更加方便 PU5网上购物让我的购物或寻找信息变得很好 外在动机（EM） EM1：与PU 的五个选项一样 JF1：网上购物对于我购物的效果没有影响 JF2：网上购物会增加我购物或寻找信息的时间 工作适配性（JF） JF3：网上购物可以极大地提高我购物或寻找信息的质量 JF4：网上购物可以提高我购物或寻找信息的效率 绩效期RA1：网上购物比传统商店能够更快是我完成购物或寻找信望（PE） 息 RA2：网上购物会提高购物或寻找信息的效果 相对优势（RA） RA3：网上购物会让让我的购物或寻找信息的过程更加容易 RA4：网上购物会提高我购物或寻找信息的质量 RA5：网上购物会提高我购物或寻找信息的效率 OE1运用网上购物会提高购物或寻找信息的效果 OE2我会运用较传统商店少的时间在网上购物上 OE3网上购物会提高我购物或寻找信息的质量 成果期望（OE） OE4网上购物会提高我购物或寻找信息的效率 OE5通过网上购物我认为自己是时尚的人 OE6通过网上购物别人会认为我非常时尚 PEOU1网上商店的查询、订货、付款等流程对我来说很容易操作 PEOU2在网上商店很容易搜索和获取我想要的信息 感知易用（PEOU） PEOU3网上商店提够的买东西的程序对我来说很清晰 PEOU4我很容易熟练地操作网上购物流程 PEOU5总的来说，网上购物对我来说很方便 努力期望（EE） C1网上购物花费了太多时间 复杂性（C） C2网上购物的系统非常复杂，让我不能容易的操作 （感知网上商C3运用网上购物需要许多的计算机知识和网络知识 店的系统质量） C4我运用了太多的努力来学习网上购物 EU1网上购物的流程对于我来说是比较容易的 易用性（EU） EU2我相信我可以熟练的操作网上购物流程

18

3 研究设计 续表 研究 变量 细分变量 变量的测量 社会影响（SI） 促成因素（FC） 行为意向（BI） 使用行为（AU） EU3总之，我认为网上购物是很容易操作的 EU4学习网上购物对于我来说是很容易的 SN1能影响我行为的朋友认为我应该在网上购物 主观规范（SN） SN2对于我很重要的人认为我应该在网上购物 SF1我在网上购物是因为我周围的朋友都在网上购物 社会因素（SF） SF2我周围的朋友都支持我进行网上购物 SF3总体来说，我周围的社会环境支持我进行网上购物 IM1在我周围，运用网上购物的人，比不进行网上购物的人更加有地位 映像（IM） IM2在我周围，运用网上购物比不进行网上购物的人或得更好的评价 PE1我控制自己尽量不进行网上购物 PE2我拥有足够的条件和资源进行网上购物 行为控制认知PE3我拥有足够的知识进行网上购物 （PE） PE4因为拥有足够的资源、机会和知识，是我进行网上购物更加容易 PE5其他的购物方式比网上购物更加和谐 FC1网上商店系统的质量是影响我网上购物的因素 FC2网上商店信息的质量是影响我网上购物的因素 FC3网上商店服务质量是影响我网上购物的因素 促成条件（FC） FC4网上商店的购物安全型是影响我网上购物的因素 FC5网上商品的价格是影响我网上购物的因素 FC6网上商品的质量是影响我网上购物的因素 CO1运用网上购物让我的购物方式更加和谐 兼容性（CO） CO2我认为网上购物是我所喜欢的购物方式 CO3网上购物符合我的购物习惯 BI1我愿意在网上购物 BI2我会优先考虑上网购买需要的物品 BI3我认为网上的购物方式要优于传统的购物方式 BI4对于我来说，网上购物要比传统购物更加方便 BI5总之，我喜欢在网上商店购物 AU1您平时用网上购物吗？ AU2您平均一个月在网上购物多少次 AU3您一周花费多少时间进行网上购物 AU4您在网上的购物频率大概是以下哪一项 资料来源：①V.Venkatesh, M.G.Morris, G.B.Davis,F.D.Davis，2003， “User acceptance of information technology: toward a unified view” ，MIS Quarterly, Vol. 27, Sep, PP 432.

②Klopping I M, McKinney E, 2004, “Extending the technology acceptance model and the

task-technology fit model to consumer e-commerce”, Information Technology, Learning, and Performance Journal, Vol. 22, PP37..

19

大学生网上购物行为影响因素研究：基于技术采纳与利用模型——以大连地区为例

3.3 问卷设计

为了保证指标的准确和有效性，问卷的调研分两个阶段进行，一是探索性调研，删除不必要的指标和改进问卷的提问方式；二是正式调研，对进行统计分析和模型检验。 3.3.1 探索性调研阶段

探索性调研主要以问卷的方式，向目标群体小规模的发放问卷。本研究随机选择了30名学生进行问卷随机发放，根据所得的数据及建议对于问卷的题目数量和问题的提问方式进行调整。调整后结果显示问卷共保留了39个问项，修改后的量表如表3-3：

表3-3 修正后的量表

研究 变量 标志变量 变量指标 绩效期望（PE） PU1通过网上购物使我更快的完成我的购物任务或寻找到信息 PU2网上商店能够改进我购物或搜寻信息的效益（比如节省时间或金钱） 感知有用（PU） PU3网上商店能够提高我购物或搜寻信息的效果（比如得到最好的交易或寻找更多的产品信息） PU4网上商店能够提高我购物或搜寻信息的效率 PU5网上商店对我购物或搜寻信息非常有用 JF1通过网上购物会增加我购物或寻找信息的时间 工作适配性JF2与传统商店相比，在网上商店购物的时候我需要花费更（JF） 多的时间来进行购物过程 OE1通过网上购物我认为自己跟没有进行网上购物的人不成果期望（OE） 一样（比没有进行网上购物的人更加时尚、懂得生活） 感知易用PEOU1在网上商店购物的时候，我会遇到很多困难 （PEOU） PEOU2我认为网上商店的购物程序很清晰 努力期C1运用网上购物需要许多的计算机方和网络方面的知识 望（EE） 复杂性（C） C2我用了很多时间学习如何进行网上购物 易用性（EU） EU1学会网上购物对于我来说很容易

20

3 研究设计 续表 研究 变量 社会影响（SI） 标志变量 社会因素（SF） 映像（IM） 行为控制认知（PE） 变量指标 SF1总的来说，我周围的所有人及其环境都支持我在网上商店购物 IM1在我周围，运用网上购物的人比不进行网上购物能获得很好的评价 PE1我控制自己尽量不进行网上购物 PE2我拥有足够的条件和资源进行网上购物 PE3我拥有足够的知识进行网上购物 FC1网上商店系统的质量是影响我网上购物的因素 促成因FC2网上商店信息的质量是影响我网上购物的因素 FC4网上商品的价格是影响我网上购物的因素 FC5网上商品的质量是影响我网上购物的因素 兼容性（CO） CO1我认为网上购物是我所喜欢的购物方式 CO2网上购物符合我的购物习惯 素（FC） 促成条件（FC） FC3网上商店服务质量是影响我网上购物的因素 BI1我愿意在网上购物 行为意向（BI） BI2我会优先考虑上网购买需要的物品 BI3我认为网上的购物方式要优于传统的购物方式 BI4对于我来说，网上购物要比传统购物更加方便 BI5总之，我喜欢在网上商店购物 使用行为 （AU） AU1您平时用网上购物吗？ AU2您平均一个月在网上购物多少次 AU3您一周花费多少时间进行网上购物 AU4您在网上的购物频率大概是以下哪一项

3.3.2 正式调研

本次样本来源于大连市的6所高校，大工、海事、东财、大外、交大和辽师的本科生，共发放问卷350份，收回320份，有效问卷300份，有效率93.75%。本研究所采用的抽样方法是随机抽样中的分层抽样方法，根据各大高校2007年本科生在校数量的比例提取样本。因此本文所选取的各大高校本科生在校人数为，如下表3-4：

21

大学生网上购物行为影响因素研究：基于技术采纳与利用模型——以大连地区为例

表3-4 五大高校本科生在校比例

学校 人数 大工 18950 海事 14494 东财 15249 大外 10664 交大 9856 辽师 10532 根据本科生的在校人数，所选取的各大高校样本数及其所占比例如下表3-5：

表3-5 五大高校选取的样本数

学校 大连理工大学 东北财经大学 大连海事大学 辽宁师范大学 大连交通大学 大连外国语学院 样本数 75 57 54 39 36 39 所占比例 25% 19% 18% 13% 12% 13%

3.4 统计方法概述

依照本研究的研究目的、研究假设和变量的测量尺度与考虑分析工具的适用性，本研究使用SPSS13.0统计软件包对回收数据进行以下统计分析处理。

（1）描述性统计分析

描述性统计分析是对样本的基本资料及研究的各变量和问项进行次数分配、百分比、平均数及标准差等的基本统计分析，从而了解样本在各变量和问项的分布情形，说明样本的资料结构。

（2）信度分析

信度分析 （Reliability Analysis）：信度是衡量工具的可信赖性（Dependability）、稳定性（Stability）、一致性（Precision）与精确性（Precision）等。对于调查问卷中描述相同指标的问题，只有当他们的答案相同或是相近时，其度量才是可靠的。本文衡量信度的方法利用SPSS12.0，本研究中采用企业研

22

3 研究设计 究应用比较普遍的Cronbach’s a一致性系数来进行信度分析，通常采用Cronbach’s a大于0.70的标准，认为可靠度强。

（3）因子分析和效度分析

因子分析（Factor Analysis）主要是研究相关的一组指标中提取公共因子和确定因子个数的一种统计方法①。在做因子分析的时候要先确定各变量之间的相关关系（与效度检验选择的方法相同），并做KMO测度和巴特利特球体检验来确定数据是否适宜做因子分析。当KMO在0.9以上时，非常适合；0.8一0.9，很适合；0.7一0.8，适合；0.6一0.7，不太适合；0.5一0.6，很勉强；0.5以下，不适合。由于本文中所含的指标比较多，KMO值确定之后，会根据标准对各指标提取公共因子，然后进行相关分析，找出其相关性。

（4）相关分析

相关性分析 （Correlation Analysis）：主要是研究变量之间密切程度的一种统计方法，相关系数（Correlation Coefficients）则是描述这种线性关系程度和方向的统计量，通常都是用系统默认的Pearson系数②。衡量标准如表3-6：

表3-6 R值检验表

R值 r <0.2 0.2

①

检验结果 不相关 极弱相关 较弱相关 中等相关性 强相关

本研究中相关分析主要包括各个构念变量与消费者网上购物行为意向或使用行为的相关关系。

①

雷钦礼：《商务统计》，中国财政经济出版社，2005年，6月，第1版，p 221 ②

雷钦礼：《商务统计》，中国财政经济出版社，2005，6，第1版，p 205

23

大学生网上购物行为影响因素研究：基于技术采纳与利用模型——以大连地区为例

（5）多元回归分析

多元回归分析（Multiple）是根据多个自变量的最优组合建立回归方程来预测因变量的相关联程度分析，因为在相关分析中不能确定系数的大小，所以需要通过判断哪些因素是导致因变量变化的解释变量，以及这种其影响力的大小及方向，来确定相关系数。

（6）方差分析

方差分析（Analysis of Variance）是用来分析推断各种因素状态对所观测变量的影响效应的一种统计分析方法①。本文采用独立样本T检验（Independent-Samples T Test）研究消费者不同的性别、经验、收入（生活费用）特征在各研究变量上的差异性；采用单因素方差分析（One-Way ANOVA）的统计方法来研究消费者不同的性别、经验、收入（生活费用）在变量上的差异性，并将差异达到0.05显著水平以上者，再进行多重检验比较。

①

雷钦礼.商务统计[M]. 第1版.北京：中国财政经济出版社，2005，172.

24

4 统计分析与讨论 4 统计分析与讨论

本章对问卷的调查数据进行统计分析，首先对样本进行描述统计分析，然后从样本中提取出重要因子，从而进行后续的相关分析、回归分析及方差分析。

4.1 样本基本特征分析

本文研究样本基本信息主要是被调查的大学生的特征信息，鉴于大学生是个比较特殊的群体，在学历，年纪以及婚姻状况具有一定的趋同性，因此所选定的基本信息主要有性别和收入也就是月生活费两个方面。有效问卷300份，具体分布如下表4-1：

表4-1 样本基本特征分析

人口统计特征 性别 分类 男性 女性 500元以下 500-800元 月收入 （月生活费） 800-1200元 1200元以上 频次 198 102 22 50 94 频率 66.0% 34.0% 7.3% 16.7% 31.3% 134 44.7%

从上表数据可以看出，在性别方面男大学生数量比女大学生略多，男女比例分别为66.0%和34.0%；月收入状况分布也并不均匀，800-1200元、1200元以上占总体样本的大部分，分别为31.3%和44.7%。由于本研究为随机抽样，从样本结果可以看出大学生的消费水平有了很大的提高，具有一定的购买能力。

25

大学生网上购物行为影响因素研究：基于技术采纳与利用模型——以大连地区为例

4.2 网上购物影响因素因子分析

4.2.1 网上购物影响因素信度和效度分析

根据第三章的变量指标及问项定义的确定，本文需要对选定的27个问项进行因子分析进行分类和筛选，同时对于模型中的大学生影响因素的分类进行验证，并进行必要的调整，便于后续的进一步研究。

本研究采用的判定标准为： （1）若因子只有一个问项需要删除

（2）以因子负荷量0.50作为删除的标准，每个项目所对应的因子其因子负荷需大于0.50，在其他的因子负荷量需小于0.40，若问项的因子负荷在两个因子内均大于0.50，则删除此问项。

同时在此之前，需要进行效度分析即KMO测度和巴特利球体检验，从而确定研究变量是否适合进行因子分析。采用标准如下：KMO在0.5以下，不适合进行因子分析；0.5-0.6，很勉强；0.6-0.7，不太适合；0.7-0.8，适合；0.8-0.9，很适合；0.9以上非常适合。因此如下表， KMO值大于0.7，而且巴特利球体检验的x2统计值显著性为0.000，小于0.001，该研究数据具有很高的相关性，适合做因子分析，如表4-2：

表4-2 KMO 测度和巴特利球体检验结果（KMO and Bartlett's Test）

Kaiser-Meyer-Olkin Measure of Sampling Adequacy.（KMO） Bartlett's Test of Sphericity （巴特利球体检验） Approx. Chi-Square 自由度 df 显著性概率 Sig. .750 1265.842 253 .000

结果所示：KMO值为0.750大于0.7，而且巴特利球体检验的x2统计值显著性为0.000，小于0.001，该研究数据具有很高的相关性，数据适合做因子分析。

26

4 统计分析与讨论 4.2.2 网上购物影响因素信度分析

信度分析用于考察问卷的可靠性。本研究采用Cronbach内部一致性系数（a系数）进行信度分析。a系数适合与同质性检验，检验每个因素中的项目的相关性。网上购物影响因素的具体信度分析结果，如表4-3：

表4-3 网上购物影响因素信度分析

研究变量 促成条件 感知有用 感知易用 映像/兼容性 行为控制认知 社会影响 工作适配性 努力期望 .800 .812 -.850 .776 .731 .850 .750 -.905 参考值 a?0.7 a系数 由上表所示本研究七大因子a系数值均大于0.7，因此本研究所采用的消费者网上购物影响因素量表是可靠的，样本的系统通过一致可靠性检验，适合进行统计分析。

表4-4 网上购物影响因素旋转后的因子负载值表（Rotated Component Matrix） 研究变量 因子指标 FC3 FC4 FC2 FC6 FC1 PU4 PU3 PU2 PU1 PU5

Component 1 .803 .784 .762 .680 .613 2 .822 .748 .721 .686 .630 27

促成条件 感知有用 3 4 5 6 7 大学生网上购物行为影响因素研究：基于技术采纳与利用模型——以大连地区为例 续表 研究变量 兼容性和映像 因子指标 CO2 CO1 IM1 PE1 PE2 PE3 FC5 C2 EU1 PEOU1 PEOU2 JF1 JF1 Component 1 2 3 .732 .633 .731 4 -.711 .681 .634 .578 5 .778 -.571 66.389% 6 -.671 .503 7 .653 .541 行为控制 努力期望 （复杂+易用） 感知易用 工作适配性 累计解释总体方差变异

统计分析的结果由上表可见，分析结果产生7个因子，解释总体方差的66.389%。因子分析所显示关于网上购物影响因素的结果与原有模型有些出入，具体表示如下：

（1）根据删除规则，删除4个问项，为社会影响（SF1）、复杂性1 （C1）、感知易用3（PEOU3）成果期望1（OE1）。

（2）将FC5（网上商品的价格是影响网上购物的因素）归于行为控制认知因子中，由此可见价格对于行为控制的重要性，如果价格偏高可能会提高行为控制性，因此将价格和行为控制本身所具有的三个问项一并组成行为控制认知因子（PE）。

（3）将社会影响中的映像（IM）和促成因素中的兼容性（CO1\\CO2）结合在一起，组成新的映像/兼容性因子。映像主要是讨论使用网上购物是否可以提高自己在社会系统中的形象与地位的程度。而兼容性揭示的是，使用网上购物的消费者感受道德价值，因为映像所代表的内容属于兼容性的一部分，所以在数据显示上对此也有所体现。

28

4 统计分析与讨论 （4）将感知易用（PEOU1/PEOU2）从努力期望中分离，成为新的感知易用（PEOU）独立的因子。

（5）工作适配性（JF1/JF2）也从绩效期望中分离开成为一个独立因子。将工作适配性单独提出的做法从而来研究网上购物影响因素研究的做法近年来也有比较成熟的研究，可见工作室配型已经成为影响网上购物的比较成熟的因素。

因此调整后的因子为以下七个：促成条件、感知有用、映像/兼容性、行为控制认知、努力期望、感知易用及工作适配性。通过因子分析的结果显示第一个因子促成条件解释了总体方差的23.043%，第二个因子感知有用性解释了总体方差的12.145%，第三个因子映像/兼容性解释了总体方差的8.636%，第四个因子行为控制认知解释了总体方差的6.737%，第五个因子努力期望解释了总体方差的6.201%，第六个因子感知易用性解释了总体方差的5.111%,第七个因子工作适配性揭示了总体方差的4.516%。

因此上述的通过因子分析，最终确定了7个因子，分别为促成条件（FC1、FC2、FC3、FC4、FC6），感知有用（PU1、PU2、PU3、PU4、PU5），感知易用（PEOU1、PEOU2），映像/兼容性（OM1、CO1、CO2），行为控制认知（PE1、PE2、PE3、FC5），工作适配性（JF1、JF2），努力期望（EU1、C2）。

4.3 网上购物行为意图的因子分析

4.3.1 网上购物行为意图的效度与信度分析

网上购物行为意图采用的是来源于Inge M.Klopping & Earl Mckinney的成熟量表，由五个问项组成，具有良好的效度，如下表4-5所示：

表4-5 KMO 测度和巴特利球体检验结果（KMO and Bartlett's Test） Kaiser-Meyer-Olkin Measure of Sampling Adequacy（KMO） Bartlett's Test of Sphericity （巴特利球体检验）

.825 319.512 10 .000 Approx. Chi-Square 自由度 df 显著性概率 Sig. 29

大学生网上购物行为影响因素研究：基于技术采纳与利用模型——以大连地区为例

KMO值为0.825大于0.7，而且巴特利球体检验的x2统计值显著性为0.000，小于0.001，该研究数据具有很高的相关性，数据适合做因子分析。

信度分析采用内部一致性信度，通过Cronbach’s a系数进行分析，计算结果为0.850，大于0.7，说明相关量表问项具有较高的一致，适合进行统计分析。 4.3.2 网上购物行为意图因子分析

本部分因子分析同样采用的是主成份分析法，分析过程，如下表4-6、表4-7：

表4-6 网上购物行为意图因子特征值及在总方差中的比重

Component 1 2 3 4 5 Total 3.144 .659 .582 .340 .276 Initial Eigenvalues % of Variance 62.880 13.170 11.635 6.797 5.518 Cumulative % 62.880 76.050 87.685 94.482 100.000 Extraction Sums of Squared Loadings Total 3.144 % of Variance 62.880 Cumulative % 62.880 Extraction Method: Principal Component Analysis.

表4-7 网上购物行为意图因子载荷矩阵

BI1 BI2 BI3 BI4

30

Component .829 .847 .762 .661

4 统计分析与讨论 BI5 Extraction Method: Principal Component Analysis.

.849 由上表所示，问卷设计的5个问项被归纳为1个因子，总体解释了62.880%的变异。 因子载荷均大于0.50，因此所有的问项都保留，并归于同一因子，为BI（BI1、BI2、BI3、BI4、BI5）。

4.4 网上购物使用行为的因子分析

4.4.1 网上购物使用行为的效度与信度分析

网上购物使用行为同样采用的是来源于Inge M.Klopping & Earl Mckinney的成熟量表，有四个问项组成，具有良好的效度，如表4-8：

表4-8 KMO 测度和巴特利球体检验结果（KMO and Bartlett's Test）

Kaiser-Meyer-Olkin Measure of Sampling Adequacy（KMO） Bartlett's Test of Sphericity （巴特利球体检验） Approx. Chi-Square 自由度 df 显著性概率 Sig. .832 331.963 6 .000 KMO值为0.832大于0.7，而且巴特利球体检验的x2统计值显著性为0.000，小于0.001，该研究数据具有很高的相关性，适合做因子分析。

信度分析采用内部一致性信度，通过Cronbach’s a系数进行分析，计算结果为0.783，大于0.7，说明相关量表问项具有较高的一致，适合进行统计分析。 4.4.2 网上购物使用行为因子分析

本部分因子分析同样采用的是主成份分析法，分析过程如表4-9、4-10：

表4-9 网上购物使用行为因子特征值及在总方差中的比重

Initial Eigenvalues Component Total 1 2

Extraction Sums of Squared Loadings Total 2.998 %of Variance Cumulative % 74.962 74.962 2.998 .412 %of Variance 74.962 10.298 Cumulative % 74.962 85.260 31

大学生网上购物行为影响因素研究：基于技术采纳与利用模型——以大连地区为例

3 4 .345 .245 8.617 6.123 93.877 100.000 Extraction Method: Principal Component Analysis.

表4-10 网上购物使用行为因子载荷矩阵

AU1 AU2 AU3 AU4

Extraction Method: Principal Component Analysis.

Component -.841 .880 .843 .898

由上表所示，问卷设计AU的5个问项被归纳为1个因子，总体解释了74.962%的变异。因子载荷均大于0.50，因此所有的问项都保留，并归于同一因子，为AU（AU1、AU2、AU3、AU4）。

4.5 相关分析

本文为了检验大学生网上购物影响因素研究与行为意图、网上购物影响因素研究与实际行动的相关关系及大学生网上购物行为意图与其网上购物实际行动之间的相关性，及相关程度大小。本文采用Pearson相关分析法，通过相关系数来进行描述。

4.5.1 网上购物影响因素和行为意图之间的相关分析

为探讨模型中研究变量与网上购物意向之间的相关关系，因此将感知有用、促成条件、工作适配性、映像/兼容性、行为控制、努力期望和感知易用与行为意图进行相关分析，如表4-11：

32

4 统计分析与讨论

表4-11 网上购物影响因素和行为意图之间的相关分析

研究变量 Pearson Correlation 感知有用 Sig. （2-tailed） N Pearson Correlation 促成条件 Sig. （2-tailed） N Pearson Correlation 工作适配性 Sig. （2-tailed） N Pearson Correlation 映像/兼容性 Sig. （2-tailed） N Pearson Correlation 行为控制 Sig. （2-tailed） N Pearson Correlation 努力期望 Sig. （2-tailed） N Pearson Correlation 感知易用 Sig. （2-tailed） N ** Correlation is significant at the 0.01 level （2-tailed）.

行为意图 .411（**） .000 300 .170（**） .000 300 .098（**） .000 300 .795（**） .000 300 .409（**） .000 300 .229（**） .000 300 .175（*） .000 300

统计结果由上表可以看出感知有用、促成条件、映像/兼容性、行为控制、努力期望都与行为意图在0.01水平上显著，并与网上购物行为意图成正相关关系，相关系数分别为0.411、0.170、0.795、0.409、0.229。感知易用在0.05水

33

大学生网上购物行为影响因素研究：基于技术采纳与利用模型——以大连地区为例

平上显著，与行为意图成正相关，相关系数分别为0.175。 4.5.2 网上购物影响因素和使用行为之间的相关分析

为探讨模型中网上购物影响因素研究变量与网上购物使用行为之间的相关关系，因此将感知有用、促成条件、工作适配性、映像/兼容性、行为控制、努力期望和感知易用与使用行为进行相关分析，如表4-12：

表4-12 网上购物影响因素和使用行为之间的相关分析

研究变量 Pearson Correlation 感知有用 Sig. （2-tailed） N Pearson Correlation 促成条件 Sig. （2-tailed） N Pearson Correlation 工作适配性 Sig. （2-tailed） N Pearson Correlation 映像/兼容性 Sig. （2-tailed） N Pearson Correlation 行为控制 Sig. （2-tailed） N Pearson Correlation 努力期望 Sig. （2-tailed） N Pearson Correlation 感知易用 使用行为 .316（**） .000 300 .055 .345 300 .076（**） .000 300 .592（**） .000 300 .435（**） .000 300 .202（**） .000 300 .075 .193 300 34 Sig. （2-tailed） N 4 统计分析与讨论 ** Correlation is significant at the 0.01 level （2-tailed）.

由上表可以看出在0.01显著性水平上，感知有用、映像/兼容性、行为控制、努力期望及工作适配性在0.01的水平上显著，与网上购物的使用行为成正相关关系，相关系数分别为0.316、0.592、0.435、0.202和0.076。感知易用和促成条件在0.01的水平上不显著且与网上购物使用行为无相关关系。 4.5.3 消费者网上购物行为意图和使用行为的相关关系

为探讨模型中网上购物行为意图与使用行为之间的相关关系，将两者进行相关分析，如表4-13：

表4-13 大学生网上购物行为意图和使用行为的相关关系

研究变量 行为意图 Pearson Correlation Sig. （2-tailed） N 使用行为 .623（**） .000 150

结果显示大学生网上购物行为意图和使用行为在0.01显著性水平上呈正相关。说明大学生网上购物的行为意图对其使用行为具有很大的正面相关性。

4.6 回归分析

4.6.1 大学生网上购物影响因素与行为意图的回归分析

本文采用多元线性回归，通过各研究变量对大学生网上购物行为意图进行回归分析，对模型前后的因果关系进行验证。把大学生的网上购物的行为意图和影响大学生网上购物的因素进行回归分析，从而得到每一个因子对其行为意图影响程度大小，进而构建大学生网上购物行为意图与影响因素的标准回归方程。本研究采用的回归方法是Stepwise，逐步回归法。统计结果如表4-14：

35

本文来源：https://www.bwwdw.com/article/cpb8.html