基于SEM的移动电商用户持续使用意愿分析

卓四清，王 博，乔 路

（武汉大学 经济与管理学院，武汉 430072）

0 引言

随着4G时代的到来以及移动互联技术的日趋成熟，移动电子商务得以飞速发展。与此同时，由于起步较晚、用户基数庞大等原因也暴露出了诸多问题,包括移动端用户的隐私安全问题、支付安全问题、财产安全问题等。这些潜在的风险，很大程度上影响移动端用户对移动电商APP的使用意愿及网购行为。已有的研究中，Brian P等[1]证实移动端网购用户的感知风险对购买决策的影响高于PC端。Liang和Xue[2]将风险容忍度用于IT行为研究，认为用户对信息安全风险的容忍度会对IT威胁感知产生消极影响。因此，对于移动电商企业而言，如何提升网购用户的风险容忍度，使得用户具有更强烈的持续使用意愿，进而增大市场份额打造成功的网购平台，这是一个值得思考的问题。

为此，本文将风险容忍度的概念引入移动电子商务用户行为领域，检验了风险容忍度对持续使用意愿的影响作用。并结合移动电子商务使用情境提出功能性风险容忍度、情感性风险容忍度的二阶形成型构念，通过对风险容忍度的细分，可以更准确地挖掘移动端用户对不同类型的感知风险的主观容忍限度和各风险容忍度对持续使用意愿的影响程度。另外，本文将行为惯性理论应用于移动电子商务用户行为领域，认为移动电子商务用户的行为惯性会影响用户的风险容忍度从而影响持续使用意愿。

1 理论基础与研究假设

1.1 风险容忍度和持续使用意愿

容忍度这一概念常常被应用于金融投资决策领域，测度投资者对风险或收益的忍耐和承受程度。尽管风险容忍度是金融概念，但已有学者将风险容忍度用于IT行为研究，并证实风险容忍度会对消费者信任及感知威胁产生积极或消极的影响。基于此，本文定义风险容忍度为用户主观上对软件应用或网上交易的潜在不确定性负面结果的最大承受限度。

风险容忍度不同于感知风险，感知风险是指行为决策中隐含的潜在不确定性，而风险容忍度更加强调用户对这种不确定性的承受能力，是一种面对风险后的更明确、更直观的个体态度，二者在逻辑上具有递进性。Jacoby和Kaplan[3]确定了七种类型的风险，包括：财务、绩效、生理、心理、社会、时间和机会成本风险。杨翾等[4]利用主成分分析将感知风险划分为功能性风险和情感性风险。在本文中，通过对若干篇中英文文献风险维度的收集和整理，结合移动电子商务情境，对风险维度集进行筛选，得到以下六类风险：金融风险、产品风险、隐私风险、社会风险、心理风险和时间风险。本文将基于Jacoby等[3]和杨翾等[4]的研究成果，并根据Jarvis等[5]关于形成型构念的定义，将风险容忍度框架下的功能性风险容忍度和情感性风险容忍度定义为二阶形成型构念。功能性风险容忍度包括金融风险容忍度、产品风险容忍度、隐私风险容忍度三个子潜变量；情感性风险容忍度包括社会风险容忍度、心理风险容忍度、时间风险容忍度三个子潜变量。根据对功能性和情感性风险容忍度的定义，我们不难推测，当个人在移动商务使用情境中风险控制得当，主观风险容忍度较高，对使用场景感到安全可靠，并获得良好的购物体验时，他将对移动电子商务平台具有强烈的持续使用意愿，即：

假设1a：功能性风险容忍度对移动电子商务用户的持续使用意愿有正向作用；

假设1b：情感性风险容忍度对移动电子商务用户的持续使用意愿有正向作用。

1.2 行为惯性和风险容忍度

本文认为惯性是指即使出现更好的替代品或激励，也不改变个体的现有行为模式，这种行为模式具有持久性。Barnes等认为惯性可以降低情感性风险，当个体习惯性使用一个系统时，就会产生基于情感的惯性，因为系统的改变会让个体产生额外的风险感知且压力感增强。此外，本文认为，当用户对系统具有惯性，使用及操作十分熟练时，用户会认为系统在多次使用中是安全可靠值得信任的，即降低了对风险的感知，提升了功能性风险容忍度。因此，基于以上研究成果，本文认为用户对移动电子商务系统的使用惯性行为将提升个体在移动电子商务使用中的风险容忍程度。具体来讲，当个人对系统有惯性时，用户对现有系统具有多次良好的使用体验，认为系统的安全性较高，功能性风险感知变小，功能性风险容忍度提高；另外，惯性也会让用户对系统的使用和操作更为娴熟，大大降低了学习系统的时间，用户的情感性风险感知会减少，情感性风险容忍度提高。所以，本文提出下列假设：

假设2a：行为惯性对移动电子商务用户功能性风险容忍度具有正向影响；

假设2b：行为惯性对移动电子商务用户情感性风险容忍度具有正向影响。

基于以上的假设推断，本文提出的理论模型如图1所示。

图1 理论模型

2 研究设计

2.1 问卷设计

本文采用问卷调查的方法，为了保证问卷的信度和效度，假设模型中所有潜变量的测量题项均来源于国内外相关文献的成熟量表，并结合国内移动电子商务实际情况加以改编。具体题项及来源见下文表2。测量问卷测度项采用李克特七级量表,1代表“非常不同意”，7代表“非常同意”。本文邀请了部分工商管理、市场营销领域的学者和移动电商用户开展了小规模的访谈和问卷调研前测，以验证本文调查问卷设计的合理性。在充分考虑了学者和用户的建议后，形成了最终的调查问卷。

2.2 数据收集

本文采用网上问卷调查法，利用专业问卷调查网站发布问卷，为了保证参与本次调查的人员均为目标调查对象，研究人员在正式问卷开始前设置了多个过滤性问题，以保证用户具有真实的移动电商使用经验。本次调查共发放问卷453份，经过认真整理和筛选，剔除信息填写不完整及前后逻辑矛盾的无效问卷后，共收回有效问卷367份，问卷有效率为81%，有效样本的基本统计信息见表1。

表1 有效样本的基本统计信息(N=367)

3 模型分析及假设检验

3.1 测量模型分析

本文的研究模型包括反映型构念（行为惯性、金融风险容忍度、产品风险容忍度、隐私风险容忍度、社会风险容忍度、心理风险容忍度、时间风险容忍度、持续使用意愿）和形成型构念（功能性风险容忍度、情感性风险容忍度），而这两种构念在理论、测量和验证上都存在明显的差异。因此，本文将采用不同的方法评估反映型构念和形成型构念各自测量模型的信效度。

检验反映型构念测量模型的信效度的方法已经非常成熟，主要包括检验测量模型的组合信度、聚合效度和区分效度。组合信度指的是构念各测量项的内在一致性程度，具体的衡量指标包括构念信度和克朗巴哈系数。聚合效度指的是同一构念用不同测量项来测量的结果的相似性程度，某构念测量项的聚合效度较高意味着各不同的测量项反映的信息都聚集在同一构念上。因此，聚合效度也称为收敛效度，具体的衡量指标包括平均提取方差，因子载荷等。研究指出，构念信度、克朗巴哈系数应大于0.7，平均提取方差应大于0.5，并且每个测量项在其理论对应的构念上的因子载荷应不小于0.7[6]。反映型构念测量项、来源及测量模型检验结果见下页表2。由表2可知，各反映型构念的构念信度最小为0.886，大于0.7；克朗巴哈系数最小为0.824，大于0.7；平均提取方差最小为0.726，大于0.5，因子载荷最小为0.825，大于0.7。因此，本文所采用的反映型构念的信度和聚合效度都符合要求。

区分效度指的是不同构念之间采用的具体测量项反映的信息应该有所差异，可以加以区分。在结构方程模型中，判定某一构念的区分效度一般通过比较其平均提取方差的平方根与另外构念的相关系数的大小。各反映型构念相关系数见表3。由表3可知，所有反映型构念的平均提取方差的平方根（对角线上标黑数值）都要大于该构念与其他构念之间的相关系数。因此，各反映型构念具有足够的区分效度。

表2 反映型构念测量项、来源及测量模型检验结果(N=367)

表3 各反映型构念相关系数表(N=367)

对于形成型构念测量模型的检验，相关研究才刚刚起步，相关的理论、方法和工具都不如反映型构念测量模型成熟。目前，许多国内外期刊利用反映型构念来表示形成型构念的做法值得商榷[7]。形成型构念与反映型构念最明显的差异在于形成型构念各子潜变量之间不存在必然的相关性，且假定各子潜变量指标没有误差项。因此，无法通过协方差矩阵来计算CR、Cronbach'sα、AVE等参数，以至于无法检验形成型构念的信度和效度。因此，聚合效度和区分效度也无法为验证形成型构念的测量模型提供依据。

通过梳理国内外已有的关于形成型构念的文献，本文将采用Petter等[7]的方法来检验形成型构念测量模型的信度和效度，并且这种方法的有效性得到诸多学者的研究证实。具体来说，本文将首先计算“功能性风险容忍度”各子潜变量（金融风险容忍度、产品风险容忍度、隐私风险容忍度）和“情感性风险容忍度”各子潜变量（社会风险容忍度、心理风险容忍度、时间风险容忍度）的均值，分别将其作为“功能性风险容忍度”和“情感性风险容忍度”形成型构念的测量项；最后，利用这些经过处理得到的测量项来计算形成型构念各子潜变量的权重（weights）和载荷（loading），进而检验二阶形成型构念的信度和效度，具体结果见表4。由表4可知，风险容忍度六个子潜变量的权重和载荷都显著，说明金融、产品、隐私风险容忍度对于“功能性风险容忍度”以及社会、心理、时间风险容忍度对于“情感性风险容忍度”都具有相对和绝对的重要性，满足结构效度的要求。为了避免多重共线性对形成型构念各子潜变量的结构信度造成影响，通过SPSS20.0计算可知，“功能性风险容忍度”各子潜变量的膨胀方差因子（VIF）为1.863，1.231、1.875,“情感性风险容忍度”各子潜变量的VIF为1.694、1.382、1.736，都小于多重共线性阈值10[8]。因此，研究模型中二阶形成型构念具有较高的结构信度，通过检验。

表4 形成型构念各子潜变量权重和载荷信息表(N=367)

3.2 结构模型分析

在检验完测量模型后，本文将进一步利用SmartPLS2.0进行结构方程模型分析，分析结果见图2。由图2可知，行为惯性到功能性风险容忍度与情感性风险容忍度的路径系数都显著为正，路径系数分别为0.472和0.536，因此，假设2a和假设2b成立。另外，功能性风险容忍度到持续使用意愿的路径系数为0.758（p＜0.001），情感性风险容忍度到持续使用意愿的路径系数为0.342（p＜0.01），表明假设1a和假设1b得到了支持。同时，图2进一步说明了功能性风险容忍度与情感性风险容忍度解释了持续使用意愿43.5%的方差变异，且行为惯性对情感性风险容忍度方差变异的解释为35.7%，高于功能性风险容忍度的21.3%。这说明了模型整体对于持续使用意愿的解释力较强。

4 结论

本文以风险容忍度为视角，构造功能性和情感性风险容忍度的二阶形成型构念，分别探讨了二者对用户持续使用意愿的影响，并引入行为惯性的概念，采用结构方程模型的方法对理论模型进行实证分析。得出以下结论：移动电子商务用户的行为惯性与功能性和情感性风险容忍度显著正相关，功能性和情感性风险容忍度与持续使用意愿显著正相关；行为惯性对情感型风险容忍度的影响略大于功能性风险容忍度，且功能性风险容忍度对用户持续使用意愿的影响大于情感性风险容忍度。

[1]Cozzarin B P.Mobile Commerce and Device Specific Perceived Risk[J].Electron CommerRes,2016,(16).

[2]Liang H,Xue Y.Avoidance of Information Technology Threats:A Theo⁃retica Perspective[J].MIS Quarterly,2009,33(1).

[3]Jacoby J,Kaplan L B.The Components of Perceived Risk[R].Chicago:In SV-Proceedings of the Third Annual Conference of the Associa⁃tion for ConsumerResearch.M.Venkatesan,Association for Consum⁃er Research,1972.

[4]杨翾,彭迪云,谢菲.基于TAM/TPB的感知风险认知对用户信任及其行为的影响研究——以支付增值产品余额宝为例[J].管理评论,2016,28(6).

[5]Jarvis C B,Mackenzie S B,Podsakoff P M.A Critical Review of Con⁃struct Indicators and Measurement Model Misspecification in Market⁃ing and Consumer Research[J].Journal of Consumer Research,2003,30(2).

[6]Fornell C,Bookstein F L.Two Structural Equation Models:LISREL and PLS Applied to Consumer Exit-Voice Theory[J].Journal of Mar⁃keting Research,1982,19(4).

[7]Petter S,Straub D,Rai A.Specifying Formative Constructs in Informa⁃tion Systems Research[J].MIS Quarterly,2007,31(4).

[8]Diamantopoulos A.Incorporating Formative Measures Into Covari⁃ance-Based Structural Equation Models[J].MIS Quarterly,2011,35(2).