农民使用互联网的影响因素研究——基于UTAUT模型

□ 文 王海滋 周楚涵 张士彬

（作者单位：山东建筑大学管理工程学院）

目前，互联网发展在城乡之间仍存在很大差异，重点加强农村互联网建设、有效利用农村互联网功能，是推进农村现代化的重要一步。本文基于UTAUT技术接受模型，针对农民对互联网使用意愿的影响因素，通过问卷调查的方式，在山东省临沂市郯城县马头镇桑庄村等10个地区进行了实地调研，通过SPSS、AMOS数据分析软件对假设模型进行验证，并使用聚类分析法按照影响因素对被调查农民进行分类，最后提出了对农村地区互联网进一步普及的建议，以期帮助促进“互联网+农村”新型模式的发展。

一、引言

十九大报告提出实施乡村振兴战略，加速推进农业农村现代化。据中国互联网络信息中心统计，截至2017年12月，我国农村网民占比为27.0%，规模为2.09亿，我国城镇地区互联网普及率为71.0%，农村地区互联网普及率为35.4%，城乡差异明显。农村地区受收入、教育水平较低，互联网使用需求较为薄弱等因素影响，未来仍是我国互联网普及的重点区域，且存在很大普及空间。

如今，农村的互联网建设较之前已经有了很大的成果，然而与城市相比仍显不足，其中提高农民对互联网的认识和使用意愿是农村互联网建设的重要一环。我国学者对农村使用互联网的情况开展了大量相关研究，其中王策、李靖涵等认为我国农村的互联网普及工作，还需要更多的资金投入和教育宣传工作进行辅助；刘丽伟、许文博等学者探讨了“互联网+农业”的新型发展模式；王胜青、刘国芳等探讨了互联网普及率与农民收入之间的关系。在之前的农村互联网建设研究中，研究者大多关注农村基础设施建设以及互联网设备普及率等问题，然而忽视了农民自身对于互联网的接受情况。

从心理行为出发研究个体对信息技术接受的理论模型较多，比较典型的有理性行为理论（Theory of Reasoned Action,TRA）、计划行为理论（Theory of Planned Behavior,TPB）、技术接受模型（Technology Acceptance Model,TAM）等，本研究采用的是联合技术接受和使用模型（Unified Theory of Acceptance and Use of Technology，简称UTAUT），构建农民对于互联网的接受使用影响因素模型，进行数据分析并得出结论，这对于农村互联网建设和发展具有重要的意义。

二、研究理论基础

本研究的主要理论基础是联合技术接受和使用模型（UTAUT），是Venkatesh和Davis等人于2003年提出的一个行为模型，整合了理性行为理论（TRA）、技术接受模型（TAM）、PC利用模型（MPCU）、计划行为理论（TPB）、创新扩散理论（IDT）、社会认知理论（SCT）、复合的TAM与TPB模型（C-TAM-TPB）以及动机模型（MM）这八个行为理论模型，从中提取出了努力期望、绩效期望、社会影响、便利条件四个影响用户接受动机的因子，年龄、性别、经验和自愿性四个调节变量。一些实证研究结果发现UTAUT可以解释使用意向的70%的方差。UTAUT行为模型如图1所示。

UTAUT模型提取了能够预测人们使用某项技术的重要因素。起初，UTAUT模型是用来研究组织情境下，员工使用组织的某项技术应用的使用意愿和使用行为。后来，随着该理论的发展，UTAUT模型的应用逐渐延伸到其他学科领域。宋婷等曾利用UTAUT模型探究购物APP用户使用行为的影响因素；张思、李勇帆等曾基于UTAUT模型探究高校教师网络教学行为；黄耕等基于UTAUT模型探究了开放教育资源的个体接纳影响因素。

三、问卷编制

（一）影响因子选择

根据联合技术接受和使用模型，自变量有绩效期望（Performance Expectancy）、努力期望（Effort Expectancy）、社会影响（Social Influence）和促进因素（Contributing Factor）；因变量有使用意愿（Usage Intention）和使用行为（Usage Behavior）。基于农民使用互联网的具体问题，本研究对UTAUT模型的影响因子进行了合理的增减：首先在自变量中删除了促进因素变量，增加了个人创新性（Personal Innovation）和感知风险（Perceived Risk）两个自变量。促进因素是指使用者对顺利使用信息系统或新技术所需的方便条件和各种技术支持条件的完善程度的感知，经过事前了解，本研究中所有调查区域均有网络覆盖，区域内村民均有接触网络的途径，因此不存在促进因素的影响，故而删除该因素，同时由于选择是否使用网络都是农民自愿的选择，因此也删除自愿这一调节变量；而在农民使用互联网过程中，个人对新鲜事物的接受程度和以及对互联网是否会给自身带来威胁的担忧程度会影响农民对互联网使用的选择，因此本研究增加了个人创新性和感知风险两个自变量。

图1 联合技术接受和使用模型（UTAUT）

（二）研究假设形成

调查研究前，首先应对影响因子进行界定并形成研究假设。

绩效期望是指农民认为使用互联网会对其生活带来多大程度的改善，Venkatesh等认为绩效期望对信息系统的采用有显著影响，在本研究中，绩效期望代表了被调查农民主观上认为互联网可以从多大程度上改善其生产生活的现状。由此，本研究提出以下假设：

H1：绩效期望对于农民的互联网使用意愿有积极影响

努力期望是指农民个人感知互联网是否容易使用的程度，Lars Andreas Knutsen的研究发现努力期望对新兴技术的采纳和使用有显著的影响。在本研究中，努力期望是指农民感知互联网的易用程度，是否能够简单掌握。因此，本研究提出以下假设：

H2：努力期望对于农民的互联网使用意愿有积极影响

社会影响是指农民个人感知到他人是否认为其应该使用互联网的程度，姜海龙、June Lu等都将社群影响作为影响消费者行为意愿的一个重要因素，在本研究中，如果被调查农民周围亲友使用互联网人数占多，自然会对其使用互联网的意愿产生正面影响。因此，本研究提出以下假设：

H3：社会影响对于农民的互联网使用意愿有积极影响

个人创新性是指农民个人对于新鲜事物的接受程度，程晓璐研究发现，个人创新性会影响使用者的使用意愿，在本研究中，个人创新性代表了被调查农民在主动探索新鲜未知事物方面的个人特征，当探索新鲜事物的主动程度越高时，农民对于互联网的使用意愿就会越强烈。因此，本研究提出以下假设：

H4：个人创新性对于农民的互联网使用意愿有积极影响

感知风险是指农民个人认为使用互联网会有多大的可能带来不利后果，NiinaMallat,VirpiKr istiinaTuunainen发现感知风险对使用者使用意愿有负向的影响，在本研究中，感知风险代表了农民认为使用互联网存在的潜在危险性，例如对于其个人信息、个人财产的威胁。因此，本研究提出以下假设：

H5：感知风险对于农民互联网的使用意愿有消极影响

使用意愿是指农民自愿接受使用互联网的可能性，使用行为是指农民对于互联网的具体使用行为，根据Venkatesh, Davis等多位学者的研究表明，使用意愿对使用行为有正向显著影响。因此，本研究提出以下假设：

H6：农民的使用意愿对于农民的互联网使用行为有积极影响

（三）问卷前测分析

为了检验问卷的信度和效度，本研究对问卷进行了前测检验，通过发放问卷让参与者对问卷题项表述进行一些反馈，形成最终质量较好的问卷，为正确的实证分析结果奠定良好的基础。问卷前测的数据来源于发放的50份问卷，其中有效问卷42份，无效问卷8份。在本节中利用回收的数据录入到spss22.0中，对问卷进行信度和探索性因子分析，并根据结果对问卷进行修改。

1.前测样本信度分析

本研究采用克朗巴哈系数（Cronbach’s α）对问卷的内部一致性进行检验，结果显示大部分变量包括整个题项的内部一致性系数均在0.6以上（绩效期望0.844、努力期望0.829、社会影响0.629、个人创新0.805、使用意愿 0.767、使用行为0.822、整个题项0.894），表示内部一致性良好。而感知风险这一变量的内部一致性系数仅为0.596，不能通过内部一致性检验。

2.前测样本探索性因子分析

本研究采用KMO值和巴特利特球型检验两个标准对问卷进行前测样本探索性因子分析。数据结果显示，绩效期望、努力期望、社群影响、个人创新性、使用意愿和使用行为这几项的KMO值介于0.618—0.718之间，显著性概率均小于0.05，因此这些变量满足进行因子分析的前提；通过因子分析发现各个题项的累计方差解释率均在60%以上，且各个题项的因子载荷量介于0.711—0.901，因此这些变量的题项不需要做后续的修改和调整。风险感知这一项KMO值仅为0.463，不满足进行因子分析的前提，同时各题项累计方差解释率仅为47.6%。

3.初始问卷的修改

通过对前测样本进行信度分析和探索性因子分析可知，风险感知这一变量两项检验均未通过，因此在修正问卷中将删除这一变量，同时删除假设H5：感知风险对于农民互联网的使用意愿有消极影响。仅保留绩效期望、努力期望、社群影响、个人创新性这四个自变量以及使用意愿和使用行为这两个因变量，并最终形成以下假设：

H1：绩效期望对于农民的互联网使用意愿有积极影响

H2：努力期望对于农民的互联网使用意愿有积极影响

表1 描述统计分析结果

表2 测量模型信度分析

表3 测量模型收敛效度分析

表4 测量模型区别效度分析

拟合优度指标 判断指标 模型分析指标卡方自由度比 小于2 1.42 GFI GFI＞0.9 0.92 CFI CFI＞0.9 0.87 TLI TLI＞0.9 0.93 RMSEA RMSEA＜0.05 0.04

H3：社会影响对于农民的互联网使用意愿有积极影响

H4：个人创新性对于农民的互联网使用意愿有积极影响

H5：农民的使用意愿对于农民的互联网使用行为有积极影响

（四）问卷的发放与回收

本次研究的对象为从事农业生产的农民，为保证问卷的有效性，访问方式为调查人员与被调查的农民面对面进行交谈并记录调查结果。本次的调查区域为山东省临沂市郯城县马头镇桑庄村及沂水县高庄镇天桥村、山东省青州市何官镇邵市村等10个地区，共发放问卷300份，回收285份，有效问卷276份，有效率97%。本次研究的调查时间从2018年1月12号至2018年3月7号，历时近2两个月。

四、实证分析

（一）描述统计分析

数据结果显示（见表1）：在性别方面，男性人数占56.5%，女性人数占43.5%，男性人数比例略高；在年龄分布上，40～50岁区间人数最多，占47.6%，其次是50岁以上人数，占23.8%，之后是30岁以下人数，占19.1%，最后是30～40岁区间，人数最少，只占9.5%；在文化程度方面，高中以上文化程度人数最多，占31%，其次是初中和高中文化程度，人数相差不多，分别占总人数的23.8%和21.4%，之后是小学文化程度，占16.7%，人数最少的是小学以下文化程度，只占总人数的7.1%。

在使用互联网频率方面，偶尔使用和经常使用的人数较多，分别占40.5%和38.1%，其次是从未使用和几乎不使用，分别占11.9%和21.4%；在使用互联网的用途方面，娱乐和获取信息的人数较多，分别占40.5%和33.3%，其次是购物用途，占总人数的14.3%，最后是销售农产品和其他用途，分别占4.8%和7.1%。通过数据分析可以看出，在使用互联网的用途方面，娱乐所占比重是最大的，这说明互联网在农业发展方面的潜力远远没有发挥出来，大部分农民并未利用互联网进行个人创收，互联网为农民带来正面积极作用还需要很长一段时间。

图2 ：AMO输出的模型标准化路径系数

表7 聚类分析结果

（二）测量模型分析

为了验证假设模型的合理性，在模型假设验证步骤之前首先利用AMOS对测量模型进行信度和效度检验。

1.测量模型信度检验

本研究采用Cronbach's Alpha值检验测量模型的内在信度。依据统计学相关原理，α系数值大于等于0.7，说明测量项目具有很好的信度。系数值在0.35和0.7之间则说明测量项目的信度尚可。如表2所示，本问卷各构面的克朗巴哈系数值均达到0.7以上，整个项目的α系数为0.888，说明本问卷具有良好的信度。

2.测量模型的效度检验

采用验证性因子分析方法检验测量模型的效度，即测量项目和潜在变量的相关性。验证性因子分析方法主要通过建构效度的两个重要类型，即求取收敛效度和区别效度来分析测量模型的效度。

（1）收敛效度分析

收敛效度是指测量同一潜在变量的测量项目会落在同一个因子层面上，且各测量项目的测量值之间具有高度的相关性。收敛效度可以用验证性因子分析的负荷量、组合信度和平均方差提取三个值进行评估，三个指标的检验方法如下：

因子负荷大于0.7说明模型较为理想，如表3所示，UB3的因子负荷量略低于0.7，但仍可以接受，其他测量项目的因子负荷量均在0.7以上，说明测量模型的因子负荷量比较理想；通常组合信度的值在0.7以上，就说明测量项目的组合信度较好；潜在变量的平均方差提取值大于0.5，则说明测量模型的质量较好。

（2）区别效度分析

区别效度分析如表4所示，对角线上的数值大于同行同列的其他数值，说明该测量模型的区别效度较好。

（三）结构模型分析

1.拟合优度分析

首先使用Amos22.0采用最大似然估计法对模型进行拟合优度分析，分析结果如表5所示。

本研究选取温忠麟、侯杰泰等人推荐的5个拟合指标作为模型拟合优劣的衡量指标，由表可知，除CFI这一指标比标准值0.9略小之外，其余指标均达到指标判断要求，说明模型拟合程度较好，可用性强。

2.假设检验

本研究利用AMOS22.0对模型进行假设检验，AMO输出的模型标准化路径系数及各假设关系检验如图2和表6所示：

可以看出，绩效期望与使用意愿的路径系数为0.45，社会影响与使用意愿的路径系数为0.37，个人创新性与使用意愿的路径系数为0.29，使用意愿与使用行为的路径系数为0.75，且以上均为显著相关（P＜0.05），而努力期望对使用意愿的路径系数为0.15，且显著性概率P值大于0.05。综上，接受H1、H3、H4、H5，拒绝H2。

（四）聚类分析

1.聚类结果

本研究以绩效期望、努力期望、社会影响、个人创新性为变量对被调查农民进行聚类分析。首先，对绩效期望、努力期望、社会影响、个人创新性的因子得分进行聚类分析，将其离散分组。其次，利用两步聚类分析法对调查的消费者进行市场细分，通过BIC值、AIC值与各类之间最短距离变化量来确定最佳分类个数。最后，进行市场细分并验证聚类结果。本研究将消费者细分为三类，Silhouette统计值＞0. 4，表明聚类质量尚好。聚类信息如表7所示。

2.结果分析

（1）被动接受型

这一类型的农民社会影响因子得分较高，其余因素因子得分均比较低，说明该类农民主动探索使用互联网的动力不够，对互联网的使用主要是依靠周围人的推广以及政府的宣传。通过描述性统计可以发现这类农民的平均年龄是三种类型中最高的，年龄较大也会使得农民对于新鲜事物接受速度以及探索主动性降低。

（2）主动探索型

这一类型的农民努力期望以及个人创新性因子得分较高，绩效期望和社会影响因子得分较低，说明该类农民使用互联网的主要动力来源于自身对于互联网的兴趣与探索。通过描述性统计可以发现这类农民人数所占比例最大，且平均年龄最小，对于新鲜事物好奇心和探索能力较强，是互联网普及过程中最重要的一类群体。

（3）绩效导向型

这一类型的农民绩效期望因子得分较高，其余因素因子得分均比较低，说明这类农民使用互联网的主要动力来源于互联网对于他们生产生活的改善。通过描述性统计可以发现这类农民所占比例相对较大，平均年龄30岁左右，可以猜测这部分农民生活压力和经济压力较大，因而他们更注重互联网的实用性能，为其生活带来切实的改善。

五、结论与启示

（一）结论

本研究通过调查分析的方式利用UTAUT技术接受模型探究了影响农民对互联网接受程度的内在因素，并通过两步聚类分析法将不同驱动力的农民进行分类研究。主要结论如下：

1.农民对于互联网的使用意愿与绩效期望、社会影响和个人创新呈现显著正向相关关系，而与努力期望的正向相关关系并不显著。随着我国互联网和计算机事业的快速发展，使用互联网的操作模式越来越便捷，途径越来越多样化，虽然因文化程度较低受到一定限制，然而对于大部分农民而言，学会使用互联网的基本操作已经不是难事，因而努力期望对于农民使用意愿的正向影响并不显著。

2.在显著条件下，路径系数的大小代表了因素影响程度的大小，这说明对于农民的使用意愿的影响因素按照程度大小依次为绩效期望、社会影响和个人创新性，同时使用意愿对于农民使用行为的影响程度是最大的（路径系数为0.75），与Venkatesh, Davis等多位学者的研究结果一样，使用意愿对使用行为有正向显著影响。这说明，对于被调查整体农民而言，使用互联网意愿的最大驱动力来源于互联网对其生产生活带来的切实改善。

3.根据聚类分析结果，被调查农民被区分为三个群体，分别为被动接受型、主动探索型以及绩效导向型，对于不同的群体需要不同的互联网普及策略，其中主动探索型群体所占比例最大（约占42%），他们将是互联网普及的主要对象，并通过他们对其他农民群体产生影响，而绩效导向型农民群体由于最为关注互联网的实用价值，因而他们是最有可能被普及互联网正面功用的群体。

（二）启示

1.加快农村信息化基础设施建设

推进农业现代化，通信基础设施建设是基础。近年来农村地区网络基础设施建设不断加强，农村网络接入条件取得了突破性进展。但是，有部分偏远农村地区依然没有进行现代化网络基础设施的建设，同时，由于成本较高而农村收入相对较低，家用互联网接入设备的普及率也远远落后于城市。加快农村信息化基础设施建设，需要政府社会各部门的配合，如给予农村地区互联网建设相应的优惠补贴，降低农民上网成本，提高农民接触互联网的积极性。

2.加速发展农业电商平台

在影响农民使用互联网的因素中，绩效期望排在首位，这说明大部分农民都关心互联网会为他们的生活和经济收入带来多大程度上的改善，因此应加速发展农业电商平台，重点解决农产品销售中的突出问题，加强农产品产后分级、包装、营销，建设现代化农产品冷链仓储物流体系，打造农产品销售公共服务平台，健全农产品产销稳定衔接机制。一方面，这样的农业电商平台会发挥互联网的正面效益，为农民带来切实收益，另一方面，这样的农业电商平台也会激发多数农民对互联网的探索使用，加快互联网在农村地区的普及效率。

3.加强宣传推广

调查结果显示，社会影响也是农民使用互联网的重要影响因素之一。为能让农民了解互联网的相关知识，先要让农民知晓何为互联网，只有这样农民才能真正的应用互联网知识，进而接触互联网和喜爱互联网。在互联网使用时基层的政府需开辟专门的互联网使用场所，并由专人设定课程教学内容，通过现场的示范开展讲解。这种模式在部分地区已经有所尝试，政府与互联网企业合作，派出专业人士向当地农民普及互联网知识，互联网的用途以及互联网的便捷，引发农民对于互联网的好奇心，从而提高其接触互联网的主动性。

4.加强引导农民互联网使用的规范化和价值化

调查中发现，现阶段农民使用互联网的主要用途是聊天游戏等娱乐功能，并未发挥出互联网有价值的功效。因此应当积极引导农村网民对网络求职、电子商务、电子政务等价值型应用的侧重，在此过程中，需要政府宣传和当地学校教育的充分结合，让农民了解到使用互联网的正面积极作用，而不是仅仅沉迷于游戏聊天等娱乐功能，引导农民的使用行为趋于规范化和价值化，充分挖掘出互联网在农村地区的巨大潜力。■

（作者单位：山东建筑大学管理工程学院）