3G增值业务消费者采纳行为意愿研究

杜惠英

摘要：随着3G时代的到来，3G用户量在以惊人的速度在增长，同时3G增值业务得到了飞速发展。本文立足于3G增值业务消费者的行为意愿相关理论，通对TAM的改进形成3G增值业务消费者采纳行为概念模型。然后，利用SPSS20.0进行描述性统计分析、信度分析、效度分析、因子分析得出个大因素对消费者采纳行为的显著性，最后通过AMOS17.02进行整体模型验证。本文将对从事于3G增值业务研究者以及工作者有一定的借鉴意义。

Abstract： With the advent of 3G era， the number of 3G subscribers is increasing at an alarming rate， and 3G value-added services have been developing at a rapid pace. Based on the theory of customer behavioral intention of 3G value-added service， this paper builds the concept model of consumer adoption behavior of 3G value-added service by improving TAM. Then， SPSS20.0 descriptive statistical analysis， reliability analysis， validity analysis， factor analysis are used to obtain a significant factor on the adoption of consumer behavior significantly， and finally overall model validation is done through the AMOS17.02. This article will provide reference for researchers and workers engaged in 3G value-added business.

关键词：3G增值业务；概念模型；消费者采纳行为

Key words： 3G value-added business；conceptual model；consumer adoption behavior

中图分类号：F626 文献标识码：A 文章编号：1006-4311（2017）02-0034-04

0 引言

2009年1月7日，中国工业和信息化部为中国移动、中国电信和中国联通分别发放了TD-SCDMA（以下简称TD）、CDMA2000和WCDMA。3张第三代移动通信（3G）牌照，自此中国正式步入3G时代。随着时间的发展，中国的3G用户从2009年的1亿以下，到2014年的4.85亿左右，短短的5年时间增加了大致五倍。巨大的用户量给智能手机端的内容提供商、服务提供商提供大量的商机，大家纷纷布局3G增值业务，希望能够尽早抢占市场先机。用户已经成为各大企业竞相争取的对象，如何满足用户的需求，是企业必须去考虑的问题。越来越多的研究偏向于用户，比如消费者理性行为理论、TAM（技术接受模型理论）、创新扩散理论、计划行为理论、社会认知理论。以上几种理论是目前研究消费者行为相对比较有说服力的。本文将基于Davis（1989）[1]TAM模型的基础上，进行相应的改进，提出符合3G增值业务消费者可以采纳的意愿模型，通过采用SPSS20.0进行模型的信度分析、因子分析、方差分析得出各大因素对消费者采纳意愿行为的影响，同时通过AMOS17.02版验证概念模型，探索感知有用性、感知易用性、感知价格、感知安全性、感知娱乐性、个性化需求、网络环境及兼容性、使用经验及社会影响因素对3G增值业务购买/采纳意愿的影响。

1 研究因素假设提出

基于TRA、TPB、TAM模型以及一些相应的改进模型，研究者在各大领域进行了实证分析，例如移动服务类：短信息业务（SMS）（Kim和Park， 2008）[1]、彩信（MMS）（Chin-Lung Hsu，2007）[2]、移动票务（Niina，2008）[3]、移动购物（Hsi-Peng和Su，2009）[4]、手机银行（Poon，2008）[5]，移动数据使用（Timo Koivuma ki，2008）[6]、移动电视（Jung，2009）[7]、移动预订业务（Viswanath Venkatesh，2003）[8]，位置感知移动指南（E. Kaasinen，2005）[9]，移动互联网（Hee-Woong Kim，2005）[10]；相关信息类：多功能信息应用（Hong和Tam，2006）[11]、数字多媒体广播（DMB）业务（Kim，2008）、基于Web的学习系统（Wei-Tsong Wang，2009）[12]等。

为了更好的提炼因素，我们将影响因素进行具体分类。Kim（2005）[13]提出了基于价值的移动互联网采纳模型，他利得、损失和感知价值进行影响因素分类。首先，感知价值是理解移动互联网采纳的最主要因素，一个很好的移动互联网业务能从利得和损失两个角度尽可能的感知价值，而它促进了移动互联网的采纳。而Hong和Tam（2006）[14]提出了另一种分类方式，即普通技术感知、特定技术感知、心理因素、社会影响因素和人口统计变量。

通过借鉴创新采纳、消费者行为和心理学等方面的现有文献，本研究将提出一个新的研究框架，最后确定研究6组采纳影响因素：普通感知、付出感知、心理因素、社会影响因素、适用性因素和人口统计变量。

这6组影响因素构成了概念模型，并假设他们影响了3G增值业务的采纳意愿。本研究把购买/采纳意愿作为因变量，影响因素和因变量的假设关系将在下文进行讨论。具体的研究框架如表1所示。

通过以上的研究框架，本文将研究的因素进行一定的假设，并在后面通过一定的数据进行假设验证，具体的假设图表，如表2。

2 构建消费者购买意愿模型

通过对以前学者研究的回顾，一共提出了19个假设，建立3G增值业务采纳模型（如图1）。该模型包含6个构面，即普通感知、损失感知、心理因素、社会影响因素、网络环境和兼容性、人口统计变量；9个自变量，即感知有用性、感知易用性、感知价格、感知安全性、个性化需求、感知娱乐性、网络环境及兼容性、使用经验和社会影响；3个控制变量，即用户个人属性中的年龄、性别和收入。3个因变量分别为消费者购买意愿、感知有用性和感知易用性。

3 3G增值业务采纳模型实证分析

本文预调研阶段总共发放问卷28份。因此，预调研阶段使用Corrected Item-Total Correction（CITC）来净化测量项目，利用Cronbach's α系数检验量表的信度，最终将量表从48个项目删减为42个项目，并形成最终调研量表。

研究正式发放调研问卷900份，收回826份，回收率为91.8 %，其中各地区的样本量分别为：北京271、广东333、重庆222。男性样本414人，占总体样本50.1%，女性样本412人；年龄分布上25岁以内占50.7%，26-35岁的人群占31.8%，36岁以上的占17.4%；收入分布上来看，月收入2500元以下占27.4%，2501-3500元的人群占41.5%，3501元以上的占21%，此外，还有10%的人拒答。

本小节将采用SPSS20.0对所得数据进行描述性统计、信度分析、因子分析、相关分析、方差分析，并AMOS17.02进行模型验证。

3.1 信度分析

采用多重积分方式，即克朗巴哈α系数信度测试法。克朗巴哈α系数越大表示其信度就越高。本文以0.7为标准（Peterson，1994）。经检验，本研究正式问卷各部分的信度分析结果如表3所示，从表中可以看出，每个变量的克朗巴哈α系数都在0.7以上，说明本研究开发的问卷具有良好的信度。

由表3可知，总体信度达到0.967，大部分因子测试项目的CITC值（调整后的项目-总体相关）均大于0.5，因此保留所选取的42个测量项。

3.2 因子分析

在做因子分析之前，采用KMO（Kaiser-Meyer-Olkin）样本测度，本研究的样本数据总体KMO测试系数为0.967，表明非常适合做因子分析。

3.2.1 自变量因子分析

对量表数据进行因子分析，对变量进行再次归纳，以满足模型进一步分析的需要。因子分析后的主因子贡献率如表4所示。

从因子分析的结构可以得出，37个问题被归纳为9个因子，其贡献率（解释力度）为69.75%，具有比较强的解释力度。同时，根据Hair（1995）提出“如果特征值大于或者等于1就表明该因子是有意义的，可以被保留下来”的标准。此可以初步认为这9大因子能够解释大部分变量，概括绝大多数信息。

3.2.2 因变量的因子分析

同样的方法，对购买意愿的变量进行因子分析，结果如表5所示，将因变量中的5个问题归纳为一个因子，其贡献率（解释力度）为62.638%，说明这5个问题具有很强的解释力度。

4.1 整体模型拟合路径验证

在整体模型中，感知易用性、个性化需求及使用经验对采纳意愿影响不显著，其他因素均显著影响，包括感知有用性、感知娱乐性、社会影响因素、感知价格、安全性感知和网络环境及兼容性，其中影响系数大小排序为安全性感知、感知有用性、兼容性及价格。详细的影响关系见图2。

由图2，整体模型的检验中，H5、H1、H4、H11、H15、 H19均得到验证（P<0.01）；H6、H18也得到验证（P<0.05）。同时，H2、H13、H9、H17并没有得到验证；此外，H3、H7、H8、H10、H12、H14、H16均得到验证。另外，研究模型对购买意愿的解释方差是68%，对感知有用性的解释方差是59%，对感知易用性的解释方差是53%，表明模型对三个变量的解释度较高。

4.2 整体模型的回归结果分析

表8所示。影响不显著的包括感知易用性对购买意愿的影响、使用经验对购买意愿的影响、个性化需求对感知有用性的影响，这三个统计值概率p均大于0.05，所以不显著；感知娱乐性对感知有用性的影响t统计量概率p小于0.05，标记为*；感知有用性对购买意愿的影响、感知价格对购买意愿的影响、个性化需求对感知有用性的影响p值小于0.01，标记为**。其余关系中的p值均小于0.001，表示为非常显著，标记为***。此外，每一个测量项目对自己测量的因子的解释度都很高，t统计量概率p值均为***，表示非常显著。

本文还分析了整体模型中纯自变量的测量项目对所测变量的残差。如表9所示，每一个测量项目对自己测量的变量的影响都很大，t统计量概率p值均为***，表示非常显著。

4.3 整体模型的变量影响情况

整体模型中各个变量之间的影响关系见表10，对3G增值业务影响系数大小排序依次为感知安全性（PS）、社会影响因素（SI）、环境兼容性（CC）、感知娱乐性（PE）、感知有用性（PU）、感知易用性（PEU）、使用经验（UE）、感知价格（PP）及个性化需求（NU）。

5 结论

本文通过系统而全面的回顾消费者采纳行为的相关理论，基于一系列的文献参考，归纳出3G增值业务消费者采纳意愿影响因素，并通过相关文献筛选出9大自变量影响因素，分别为感知有用性（PU）、感知易用性（PEU）、感知价格（PP）、感知安全性（PS）、感知娱乐性（PE）、个性化需求（NU）、网络环境及兼容性（CC）、使用经验（UE）和社会影响（SI）；三个因变量分别为消费者购买意愿（BI）、感知有用性和感知易用性；以及三个控制变量，即用户个人属性中的年龄（Age）、性别（Gender）和收入（Income）。最后构建相关采纳行为概念模型。

构建完概念模型后，通过设计调查问卷以及发放问卷进行数据获取，并利用SPSS20.0进行描述性统计、信度分析、效度分析、均值分析、因子分析、相关分析和方差分析；接着使用AMOS 16.0软件来验证感知有用性、感知易用性、感知价格、感知安全性、感知娱乐性、个性化需求、网络环境及兼容性、使用经验及社会影响因素和购买意愿之间的关系。

本文的研究还存在一些不足之处，首先是模型完整性，本文基于已有的研究，通过筛选因素，选出适合研究的因素，但并不全面，需要更加深入、系统研究。其次研究领域细分性，由于3G时代的增值服务业务相对比较复杂，不便于细分到具体领域，只能是以全盖偏。最后样本数据的全面性，由于调查采用的抽样调查法，选取的地区相对少，考虑到各个地区的消费偏好可能存在不同，而由于时间等原因，没法涵盖各个地区，造成样本相对不完善。

参考文献：

[1]Gil Son Kim and Se-Bum Park. An examination of factors influencing consumer adoption of short message service（SMS）[J]. Psychology & Marketing， 2008， 25（8）： 769-786.

[2]Chin-Lung Hsu， Hsi-Peng Lu， Huei-Hsia Hsu. Adoption of the mobile Internet： An empirical study of multimedia message service （MMS）[J]. The international journal of management science，2007， 35：715-726.

[3]Niina Mallat， Matti Rossi， Virpi Kristiina Tuunainen and Anssi ??rni. An empirical investigation of mobile ticketing service adoption in public transportation[J]. Personal and Ubiquitous Computing，2008，12：57-65.

[4] Hsi-Peng Lu and Philip Yu-Jen Su. Factors affecting purchase intention on mobile shopping web sites [J]. Internet Research， 2009，19 （4）：442-458.

[5]Wai-Ching Poon. Users adoption of e-banking services： the Malaysian perspective[J]. Journal of Business & Industrial Marketing， 2008，23（1）： 59-69.

[6]Timo Koivuma¨ ki， Annu Ristola， Manne Kesti. The perceptions towards mobile services： an empirical analysis of the role of use facilitators[J]. Personal and Ubiquitous Computing， 2008， 12：67-75.

[7]Yoonhyuk Jung， Begona Perez-Mira， Sonja Wiley-Patton. Consumer adoption of mobile TV： Examining psychological flow and media content[J]. Computers in Human Behavior，2009，25：123-129.

[8]Viswanath Venkatesh， Michael G. Morris， Gordon B. Davis， Fred D. Davis. User acceptance of information technology： toward a unified view[J]. MIS Quarterly， 2003， 27（3）： 426-47.

[9]E. Kaasinen. User acceptance of location-aware mobile guides based on seven field studies[J]. Behaviour & Information Technology， 2005， 24（1）： 37-49.

[10]Hee-Woong Kim， Hock Chuan Chan. Value-based Adoption of Mobile Internet： An empirical investigation[J].Decision Support Systems，2005， （14）：111-126.

[11]Se-Joon Hong， Kar Yan Tam， Understanding the Adoption of Multipurpose Information Appliances： The Case of Mobile Data Services [J]. Information Systems Research， 2006， 17（2）：162-179.

[12]Wei-Tsong Wang， Chun-Chieh Wang. An empirical study of instructor adoption of web-based learning systems[J]. Computers & Education， 2009， 53：761-774.

[13]Kim， H.W.， Chan， H.C. & Gupta， S.Value-based adoption of mobile internet： an empirical investigation [J]. Decision Support Systems， 2005， 43： 111-126.

[14]Se-Joon Hong， Kar Yan Tam， Understanding the Adoption of Multipurpose Information Appliances： The Case of Mobile Data Services [J]. Information Systems Research， 2006， 17（2）：162-179.