社交网络持续使用：从众行为和习惯调节作用

曹欢欢，姜锦虎，胡立斌

（西安交通大学 管理学院，陕西 西安710049）

一、引 言

社交网络服务（social networking services，简称SNS）泛指以社交功能为基础的互联网服务，包括传统的社交网站（如朋友网、人人网、开心网等）、微博（如腾讯微博、新浪微博等）、即时通信工具（如微信、易信等）。近年来，社交类应用发展迅速，各类社交网络服务的用户规模和渗透率变化很快。传统的社交网站（如人人网、开心网等）覆盖率开始呈下降趋势，用户活跃度也不断下降；微博的覆盖率经过三年的爆炸性增长后，开始进入低增长时期，随着即时通信工具（如微信、易信等）等应用服务的发展，微博服务业面临着用户流失、用户活跃度等问题，微博的用户流失率高达6.32%［1-2］。这表明用户采纳后影响用户使用社交网络服务的前因变量随着时间的变化而变化［3］。因此，有必要对影响社交网络服务用户持续使用意向因素进行探索。

随着社交网络服务的发展，社交商务也逐渐发展起来，越来越多的企业也开始应用社交网络服务，例如进行口碑营销（网民推荐或分享传播购物信息等）［4］、客户关系管理（微信公众平台等）［5］、品牌管理［6］以及广告（优惠券转发等），或者直接开设社交商务店铺（微信店铺等）。但是这些社交商务模式的成功很大程度上取决于社交网络服务平台上用户对社交网络服务的持续使用。因此，加强用户对社交网络服务的持续使用是保证社交商务发展的前提条件［7］。

根据《2013年中国社交类应用用户行为研究报告》的调查发现［2］，传统社交网站用户流失的主要原因是“朋友更新少了”以及“朋友使用其他社交服务”，微博用户流失的主要原因是“朋友更新少了”，“朋友回应少了”和“朋友使用其他社交服务”，可以看出用户对社交网络服务使用活跃度很大程度上依赖于其社交网络上的“朋友”的使用活跃度，因此，这种社交网络服务用户的从众行为对社交网络服务的持续使用有重要影响。另外，社交网络服务提供的社交方式也在培养用户在其在生活的社交模式，一旦用户形成了依赖于社交网络服务的社交习惯，用户在该社交网络服务上的活跃度和使用时间都会保持稳定，习惯对社交网络服务用户持续使用也会产生重要影响。因此，在社交网络服务持续使用中，从众行为和习惯两个因素起到了重要的作用。虽然学术界对社交网络服务持续使用意向的研究已经存在一些研究，Zhao和Lu［8］研究网络外部性对微博用户满意度和持续使用意向的影响，研究发现网络外部性（感知网络大小和感知互补性）通过感知交互性增强微博用户的使用满意度和持续使用意向；另一些研究则通过心理学、社会学以及行为学等理论扩展与改进期望确认模型（ECM-IT）［7，9-10］，但是缺乏从众行为和习惯对社交网络服务持续使用影响的相关研究。

本文结合社会影响理论和动机理论，采用ECM-IT为基本模型，将从众行为和习惯作为调节变量整合到ECM-IT中，构建拓展的社交网络服务用户持续使用意向的影响因素模型，并采用问卷调查法来进行实证研究。本研究拓展和丰富了ECM-IT模型在社交网络服务情境下用户持续使用意向研究中的应用，同时也为信息系统持续使用研究领域理论拓展提供了依据，提取了使用社交网络服务的内在动机（习惯）和外在动机（从众行为），为社交网络服务经营者提供一些管理建议。

二、ECM-IT理论综述

信息系统用户的持续使用模型（ECM-IT）是由期望确认理论（ECT）与技术采纳模型（ATM）结合发展而来［11］。期望确认模型［12］是较早用来研究消费者持续使用意向的模型，但是这个模型忽略了消费者在持续消费中期望的改变，因此，在信息系统领域中，Bhattacherjee结合技术采纳模型，引入采纳后的感知有用性来表示采纳后消费者期望变化［9］，具体模型如图1所示。

尽管在信息系统持续使用行为研究中，ECM-IT模型［12-14］得到有效的验证。但是在社交网络服务情境下，ECM-IT模型并未能很好地体现和解释社交网络服务的社会性［7］、娱乐性［10］、网络性［8］等不同于一般信息系统的特殊特征。因此，一些学者研究通过心理学、社会学以及行为学等理论来捕捉社交网络服务的特殊性构建社交网络服务情境下的ECM-IT模型。Zhang和Zhu［9］引入了感知社会资本和流体验，研究发现桥接型社会资本对满意度和持续使用有显著影响，但是紧密型社会资本影响则不显著，另外，流体验对满意度影响显著，但是对持续使用影响不显著；Kim［10］引入主观规范，研究发现人际影响对持续使用有显著的正向影响，而媒体影响对持续使用的影响不显著；Cao等［7］引入马斯洛的需求层次，社会需求的满足和自我实现需求的满足对满意度有显著影响，另外，社会需求的满足会正向影响社交网络服务的持续使用意向。但是，很少有研究考虑到社交网络服务中的从众行为和习惯对持续使用意向的影响。

图1 信息系统用户的持续使用模型（ECM-IT）

三、研究模型和假设提出

本文的研究基本模型是ECM-IT模型，在此基础上讨论从众行为和习惯对社交网络服务用户持续使用意向的影响以及在社交网络服务持续使用意向模型中的角色，本文的研究模型如图2所示。

图2 研究模型

（一）ECM-IT模型相关假设

期望确认是用户在使用社交网络服务后对社交网络服务的认知评价［11］。期望确认对用户的感知用户性和使用满意度的正向影响作用在网上银行［11］，网站门户［14］，基于IT技术的知识分享［15］等情境中都被证实。在社交网络服务情境下，当用户采纳前的期望高于用户使用后的期望，即期望未得到确认，根据认知失调理论，这时用户将会产生认知失调［10］，认知失调会导致用户对社交网络服务的感知有用性和使用满意度的降低［16］。但是当用户采纳后的期望高于用户使用前的期望，即通过使用社交网络服务用户获得了期望的收益，期望得到确认，超出预期的社交网络服务会导致更高的用户感知有用性和使用满意度［7，8］。因此，本文提出假设1，2。

H1：期望确认正向影响感知有用性

H2：期望确认正向影响使用满意度。

感知有用性是指社交网络服务对用户管理人际关系的有用性及有效性［17］。基于ECM-IT模型，用户使用社交网络服务后的感知有用性对使用满意度和持续使用有重要作用［11］。当用户使用社交网络服务后的感知有用性较高时，用户会发现社交网络服务为其管理社交关系、即时通讯和发表意见等社交活动提供了相对便捷的渠道，因此，用户对社交网络服务的使用感到满意，并会持续使用该服务。同时，一些关于社交网络服务的研究也证实感知有用性对社交网络服务的使用满意度和持续使用有正向影响［10，18］。因此，本文提出假设3，4。

H3：感知有用性正向影响使用满意度

H4：感知有用性正向影响持续使用意向。

Mano和Oliver的研究指出满意用户的使用程度高于不满意用户［19］。大量基于ECM-IT模型研究都显示使用满意度正向影响持续使用意向［9，10，7］。在社交网络服务中，当用户对使用社交网络服务进行社交活动感到满意时，用户对该社交网络服务的忠诚度就会增加［20］，从而导致用户对该社交网络的持续使用。因此，本文提出假设5。

H5：使用满意度正向影响持续使用意向。

（二）从众行为的调节作用

从众行为指的是希望得到他人的喜爱和接纳而遵守群体规范而形成的行为，即是个体通过对群体规范的一种知觉倾向而产生的行为［21］。从众行为被认为是一种受无法控制的外部压力产生的行为［22］。当从众行为强的时候，用户对该产品的感知价值会显著提升［23］。同时，当用户追求从众行为导致的认同感时，将会加强初始动机（如感知有用性和使用满意度）对技术持续使用的影响［24］。

在社交网络服务情境中，当用户采取从众行为时，由于受到群体的喜爱和接纳的影响，个体对社交网络服务的整体感知价值得到显著提高，从而对社交网络服务的感知有用性和使用满意度会受群体观点的影响而增强，因而感知有用性和使用满意度对持续使用的影响也被加强。因此，在社交网络服务的情境下，从众行为加强了感知有用性和使用满意度对社交网络服务持续使用意向的影响。由此，本文提出假设6。

H6a：从众行为对感知有用性与持续使用间意向的关系有调节作用，即从众行为加强了感知有用性对持续使用意向的影响作用；

H6b：从众行为对使用满意度与持续使用意向间的关系有调节作用，即从众行为加强了使用满意度对持续使用意向的影响作用。

（三）习惯的调节作用

习惯是指对特定环境线索回应的一系列自动目标导向的行为［25］。习惯是在一个相对稳定的环境中形成的，初始阶段该行为需要人的认知处理，随着时间的发展成为自动行为［13，26］。当个人根据习惯采取行为，那么该行为很少依赖于认知处理进行价值评估和行为选择，习惯越强，认知处理参与越少［27］。因此，当某个行为成为习惯时，习惯降低了先前形成的认知意向对评价和行为选择的影响［28］。

在社交网络服务情境下，当用户对社交网络服务使用形成习惯时，用户持续使用社交网络服务进行社交活动并不是因为认为社交网络服务具有认知价值（感知有用性和使用满意度），此时，用户的行为已经不根据认知处理而做出决定，纯粹是自动行为，感知有用性和使用满意度对持续使用意向的影响减小。因此，在社交网络服务的情境下，习惯减弱了感知有用性和使用满意度对社交网络服务持续使用意向的影响。由此，本文提出假设7。

H7a：习惯对感知有用性与持续使用间意向的关系有调节作用，即习惯减弱了感知有用性对持续使用意向的影响作用；

H7b：习惯对使用满意度与持续使用意向间的关系有调节作用，即习惯减弱了使用满意度对持续使用意向的影响作用。

四、研究方法

（一）变量的测量

本研究涉及的变量包括期望确认、感知有用性、使用满意度、从众行为、习惯及持续使用意向。为了便于与之前的研究结论进行对比，保持研究的连续性，本文对前人关于各个变量的测量量表进行了总结，并结合社交网络服务情境特点，对相关量表进行了修改，形成了各个变量的初步测量项目，如表1所示。

（二）数据搜集

为保证调查的有效性，在正式采集样本之前进行了预调查，采用调查对象自填问卷的方式，发放60份问卷，收集到有效问卷55份，其中24份是女生，31份是男生，年龄范围在24～29岁，均为硕士研究生和博士研究生。根据预调查结果，通过信度检验删除了从众行为中“使用社交网络服务是因为社交网络服务已经成为热门的讨论话题”，感知有用性中“总体而言，社交网络服务对我管理人际关系是有用的”和习惯中“我对社交网络服务有种依赖感”这个题项，提高了从众行为、感知有用性和习惯的Cronbach alpha值。正式调查依据问卷星（问卷调查网）平台，收集到有效问卷数量为202份，样本的基本情况如表2所示。

表1 变量的测量量表

表2 样本基本情况统计表

（三）测量有效性

（1）信度检验。本文采用Cronbach alpha系数来检验量表的信度。本文利用SmartPLS2.0对问卷量表进行分析，发现所有因子的Cronbach alpha值都在0.7以上，如表3所示，说明量表具有较高的信度水平［33］。

（2）聚合效度。聚合效度是指运用不同测量方式测定同一概念时，测量结果的相似程度，即一个成型的量表能够真实地测量某一概念。对样本进行聚合效度检验，结果如表3所示，所有测量项目的因子载荷都在0.7以上且通过显著性检验，所有变量的CR值都在0.7以上，所有变量的AVE值都在0.5以上，因此量表的聚合效度良好［34］。

表3 信度与聚合效度检验表

（3）区分效度。区分效度表示测量某一个构念的分量表与测量其它构念的分量表间的区别程度，也是结构效度的一种。当两个分量表相关性很小时，就说明分量表间区分效度较好。对样本进行区分效度检验，结果如表4所示。通过比较表4中对角线值与非对角线值可以看出，所有变量AVE值的算术平方根均大于该变量与其他任何一个变量间的相关系数，表明测量模型的区分效度良好［34］。

表4 区分效度检验

应用交叉因子载荷的方法进一步检验问卷的区分效度，问卷的因子载荷与交叉因子载荷见表5。所有观测变量与相应的潜变量的因子载荷大于该观测变量与其他潜变量的因子载荷，同时所有潜变量与相应观测变量的因子载荷大于该潜变量与其他观测变量的因子载荷［35］，表明该问卷区分效度良好。

表5 因子载荷与交叉因子载荷

（4）共同方法偏差检验。本研究采用的是单一来源的自我报告式数据，可能存在共同方法偏差问题，本文采用两种方法检验了共同方法偏差。首先，采用Harman的单因子检验方法［36］，结果显示方差解释最大的因子的解释方差为21.53%。其次，根据Liang等［37］提出的方法，利用Smartpls 2.0来计算共同方法方差。结果显示实质方差与方法方差之比为45∶1。另外，大部分的方法因子载荷是不显著的，同时测量项的实质方法显著地大于他们的方法方差。所以，共同方法偏差在本测量模型中不构成威胁。

五、数据分析与结果讨论

（一）结构模型

本研究采用SmartPLS 2.0对结构模型进行检验。模型运行结果如图3所示，感知有用性、使用满意度、从众行为和习惯解释了持续使用意向的39.3%的方差。在0.05显著性水平下显著，H1，H2，H3，H4，H5，H6a和H7b得到支持，H6b和H7a未得到支持。期望确认显著影响感知有用性和使用满意度，验证了H1和H2；感知有用性显著影响使用满意度和持续使用意向，验证了H3和H4；使用满意度显著影响持续使用意向，验证了H5；从众行为显著加强了感知有用性对持续使用意向的影响，但是对使用满意度与持续使用意向的关系调节不显著，验证了H6a但H6b未得到支持；习惯对感知有用性与持续使用意向的关系的调节不显著，但是显著减弱了使用满意度对持续使用意向的影响，H7a未得到支持但验证了H7b。

图3 结构模型运行结果

（二）调节作用检验

模型之间的比较，可以比较交互效应模型的R2与主效应模型的R2，构建F统计量来进行比较观察。模型之间的f2的差异用来估计交互作用效应量f2，当f2为0.02，0.15和0.35分别被认为小效应，中等效应和大效应［13］。根据这个方法，我们比较了将从众行为和习惯作为直接效应模型以及将从众行为和习惯作为调节变量模型的持续使用意向的R2，结果如表6所示。调节变量模型和直接效应模型的交互效应量f2为0.111，处于0.02～0.15之间，因此，从众行为和习惯存在着中等程度的调节作用。

表6 模型比较

（三）结果讨论

期望确认对感知有用性和使用满意度有显著正面影响，说明用户对社交网络服务的感知有用性和使用满意度对根据期望确认的不同而进行调整，期望确认的这种作用表明用户的期望、使用满意度和使用意向从初始采纳到持续使用在不断的改变和修正［11］。因此，社交网络服务提供商需要不断的关注用户的期望确认，例如定期收集用户对社交网络服务的评价和反馈等。

感知有用性对使用满意度和持续使用意向有显著正面影响，说明社交网络服务满足用户社交活动的功能性作用对使用满意度和持续使用意向起到关键作用。因此，社交网络服务提供商提供的社交网络服务必须满足用户的社交网络需求。传统的社交网站（如人人网、开心网等）覆盖率开始呈下降趋势，用户活跃度也不断下降，究其原因就是用户的需求随着时间的变化而改变，而传统的社交网站提供的功能并未能及时更新。

使用满意度对持续使用意向有显著正面影响，并且相对于感知有用性对持续使用的影响，使用满意度的影响更大，说明尽管对社交网络服务的感知有用性高，但是使用满意度低的用户也会放弃持续使用，使用满意度是持续使用影响因素中较为关键的一个。因此，社交网络服务提供商对持续使用用户的营销策略应有别于新用户，向新用户极力宣传社交网络服务的有用性功能，而向持续使用用户应告知如何更有效地使用社交网络服务从而最大化期望确认和满意度。

从众行为显著加强了感知有用性对持续使用意向的影响，用户受到他人行为或看法的影响程度，会增强感知有用性对持续使用的影响。因此，社交网络服务提供商要加强社交网络中成员之间的联系，形成强从众效应的社交网络环境，提高社交网络粘度，从而增强感知有用性对持续使用意向的影响。另外，从众行为对使用满意度与持续使用意向之间关系的调节是不显著的，说明用户受到他人行为或看法的影响程度，不会影响其使用满意度对持续使用的影响。因此，尽管在强从众效应的社交网络环境下，社交网络服务提供商也要关注用户的使用满意度。

习惯对感知有用性与持续使用意向之间关系的调节是不显著的。无论用户对社交网络服务使用是否形成习惯，感知有用性对持续使用意向的影响是一样，随着习惯的形成，社交网络服务不定时功能更新或者扩展对用户持续使用意向的影响不会减弱。社交网络服务提供商应该不定时更新或扩展社交网络服务的功能，增加感知有用性。另外，习惯显著减弱了使用满意度对持续使用意向的影响，说明随着习惯的形成，用户使用满意度对社交网络服务的持续使用意向的影响逐渐减弱。因此，社交网络服务运营商要适当打破用户习惯，经常开发更新社交网络服务的新功能，刺激用户的好奇心或兴趣，来加强用户的持续使用意向。

六、结论与展望

本研究基于ECM-IT模型，在社交网络服务情境下，结合从众行为和习惯的相关研究，提出了从众行为和习惯调节感知有用性和使用满意度对用户持续使用意向的影响的模型。研究结果显示，从众行为增强了感知有用性对用户持续使用意向的影响作用，而对使用满意度与持续使用意向之间的关系没有显著影响；习惯减弱了使用满意度对持续使用意向的影响作用，而对感知有用性与持续使用意向之间的关系没有显著影响。目前，社交网络服务平台不仅是个人用户进行社交活动的重要平台，还是企业为消费者提供信息和交互服务的平台。因此，从众行为和习惯在社交网络服务中的作用不仅为学者研究其他社会性在线服务意向提供新的视角，同时也为社交网络服务提供商更好的管理和营销社交网络服务提供一些启示。

本研究的局限性归纳如下：第一，本研究采用了横截面样本数据，即在一个时间点上探究持续使用意向的影响因素。然而用户对于网络服务的感知和体验会随着其使用经验的增加而发生改变［25］，因此纵向研究是十分必要的。后续研究可以探索各前因变量对于社交网络服务用户持续使用意向的影响作用是如何随着时间推移而发生变化的。第二，本研究中的构念测量是用户自我报告的问卷调查形式，虽然通过了共同方法偏差的检验，但为共同方法偏差仍留有空间。未来的研究可以采用其他研究方法对用户行为进行测量，比如采用实验研究或计量研究的方法。第三，本研究对持续使用意向的解释力度并不是很高，仍然有其它因素未被探究。未来研究可以探究社交网络服务持续使用的其他影响因素。

［1］中国互联网络信息中心．2013年中国社交类应用用户行为研究报告［EB/OL］.（2013-12-25）［2014-05-20］.http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/sqbg/201312/t20131225_4 3545.htm.

［2］中国互联网络信息中心.2012年中国网民社交网站应用研究报告［EB/OL］.（2013-02-19）［2014-05-20］.http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/mtbg/201302/t20130219_38712.htm.

［3］Chang Y P，Zhu D H.Understanding Social Networking Sites Adoption in China：A Comparison of Pre-adoption and Post-adoption［J］.Computers in Human Behavior，2011，27（5）：1840-1848.

［4］Kim A，Ko E.Do Social Media Marketing Activities Enhance Customer Equity?An Empirical Study of Luxuiry Fashion Brand［J］.Journal of Business Research，2012，65（10）：1480-1486.

［5］Trainor K J，Andzulis J M，Rapp A，et al.Social Media Technology Usage and Customer Relationship Performance：A Capabilities-based Examination of Social CRM［J］.Journal of Business Research，2014，67（6）：1201-1208.

［6］Hennig Thurau T，Hofacker C F，Bloching B.Marketing the Pinball Way：Understanding How SocialMedia Change the Generation of Value for Consumers and Companies［J］.Journal of Interactive Marketing，2013，27（4）：237-241.

［7］Cao H，Jiang J，Oh L B，et al.A Maslow’s Hierarchy of Needs Analysis of Social Networking Service Continuance［J］.Journal of Sevice Management，2013，24（2）：170-190.

［8］Zhao L，Lu Y.Enhancing Perceived Interactivity through Network Externalities：An Empirical Study on Micro-Blogging Service Satisfaction and Continuance Intention［J］.Decision Support System，2012，53（4）：825-834.

［9］Chang Y P，Zhu D H.The Role of Perceived Social Capital and Flow Experience in Building Users’Continuance Intention to Social Networking Sites in China［J］.Computer in Human Behavior，2012，28（13）：995-1001.

［10］Kim B.Understanding Antecedents of Continuance Intention in Social-Networking Services［J］.Cyberpsychology，Behavior，and Social Networking，2011，14（4）：199-205.

［11］Bhattacherjee A.Understanding Information Systems Continuance：An Expectation Confirmation Model［J］.MIS Quarterly，2001，25（3）：351-370.

［12］Oliver R L.A Cognitive Model for the Antecedents and Consequences of Satisfaction［J］.Journal of Marketing Research，1980，17（4）：460-469.

［13］Limayem M，Hirt S G，Cheung C M K.How Habit Limits the Predictive Power of Intention：The Case of Information Systems Continuance［J］.MIS Quarterly，2007，31（4）：705-737.

［14］Lin C S，Wu S，Tsai R J.Integrating Perceived Playfulness into Expectation Confirmation Model for Web Portal Context［J］.Information amp; Management，2005，42（5）：683-693.

［15］Chea S，Luo M M.Post-Adoption Behaviors of E-Service Customers：The Interplay of Cognition and Emotion［J］.International Journal of Electronic Commerce，2008，12（3）：29-56.

［16］Tanford S，Montgomery R.The Effects of Social Influence and Cognitive Dissonance on Travel Purchase Decisions［J］.Journal of Travel Research，forthcoming.

［17］Davis F D.Perceived Usefulness，Perceived Ease of Use，and User Acceptance of Information Technology［J］.MIS Quarteriy，1989，13（3）：319-339.

［18］Pelling E L，White K M.The Theory of Planned Behavior Applied to Young People’s Use of Social Networking Web Sites［J］.Cyberpsychologyamp;Behavior，2009，12（6）：755-759.

［19］Mano H，Oliver R L.Assessing the Dimensionality and Structure of the Consumption Experience：Evaluation，Feeling，and Satisfaction［J］.Journal of Consumer Research，1993，20（3）：451-66.

［20］Vasalou A，Joinson A N，Courvoisier D.Cultural Differences，Experience with Social Networks and the Nature of True Commitment in Facebook［J］.International Journal of Human-Computer Studies，2010，68（10）：719-728.

［21］Cialdini R B，Goldstein N J.Social Influence：Compliance and Conformity［J］.Annual Review of Psychology，2004，55：591-621.

［22］Yoo J，Choi S，Choi M，et al.Why Peopele Use Twitter：Social Conformity and Social Value Perspectives［J］.Online Information Review，2014，38（2）：265-283.

［23］Huang J H，Chen Y F.Herding in Online Product Choice［J］.Psychology and Marketing，2006，23（5）：413-428.

［24］Hsu C，Lin J.Acceptance of Blog Useage：The Roles of Technology Acceptance，Social Influence and Knowledge Sharing Motivation［J］.Information and Management，2008，45（1）：65-74.

［25］Verkanplen B，Orbell S.Reflections on Past Behavior：A Self-reported Index of Habit Strength［J］.Journal of Apploed Social Psychology，2003，33（6）：1313-1330.

［26］Bargh JA，Ferguson M J.Beyond Behaviotism：On the Automaticity of Higher Mental Processes［J］.Psychological Bulletin，2000，126（6）：925-945.

［27］de Guinea A O，Markus M L.Why Break the Habit of a Lifetime?Rethinking the Roles of Intention，Habit，and Emotion in Continuing Information Technology Use［J］.MISQuarterly，2009，33（3）：433-444.

［28］Aarts H，Dijksterbuis A.Habits as Knowledge Structures：Automaticity in Goal-derected Behavior［J］.Journal of Personality and Social Psychology，2000，78（1）：53-63.

［29］Bhattacherjee A，Premkumar G.Understanding Changes in Belief and Attitude Toward Information Technology Usage：A Theoretical Model and Longitudinal Test［J］.MIS Quarterly，2004，28（2）：229-254.

［30］Cheung C M K，Chiu P Y，Lee M K O.Online Social Networks：Why do Students Use Facebook?［J］.Computers in Human Behavior，2010，7（28）：1-6.

［31］Lankton N K，Wilson E V，Mao E.Antecedents and Determinants of Information Technology Habit［J］.Informationamp;Management，2010，47（5/6）：300-307.

［32］Park J，Kim J，Koh J.Determinants of Continuous Usage Intention in Web Analytics Services［J］.Electronic Commerce Research and Applications，2010，9（1）：61-72.

［33］吴明隆.SPSS统计应用——问卷分析与应用［M］.北京：科学出版社，2003.

［34］Fornell B.Two Structural Equation Models：LISREL and PLS Applied to Consumer Exit-voice Theory［J］.Journal of Marketing Research，1982，19（4）：440-452.

［35］Chin W W.The Partial Least Squares Approach for Structural Equation Modeling［M］.Hillsdale：Lawrence Erlbaum Associates，1998.

［36］Podsakoff P M，Organ D W.Self-reports in Organizational Research：Problems and Prospects［J］.Journal of Management，1986，12（4）：531-544.

［37］Liang H，Saraf N，Hu Q，et al.Assimilation of Enterprise Systems：The Effect of Institutional Pressures and the Mediating Role of Top Management［J］.MISQuarterly，2007，31（1）：59-87.