基于ATM模型的电子商务购物影响因素分析

杨慧瀛 周梦洁

[摘 要] 基于技术接受模型研究影响消费者电子商务购物意愿的因素，通过问卷调查，可以了解各因素对电子商务购物意愿的影响程度。将产品属性、网站的系统质量、信息质量和服务质量作为外部因素。研究发现：系统质量对感知有用性感知易用性的影响最为强烈，感知有用性对消费者电子商务的购物意愿有显著的正向影响，感知易用性对其的影响并不显著。

[关键词] ATM模型;技术接受模型;影响因素;电子商务

[中图分类号] F741[文献标识码] A[文章编号] 1009-6043（2019）11-0040-04

一、引言

因为智能手机的普及，电子商务的发展在今天已然是一片红海。根据统计数据，2017年12月为止，我国通过电子商务平台进行购物的用户规模相较2016年，增长了14.3%，已经达到5.33亿，按照这一增长速度，预计2018年可以超过6亿，2017年的交易额达到29.16万亿，同比增长11.7%（数据来源：CNNIC）。网络购物平台为消费者提供了包罗万象的选择，在网上，消费者几乎可以买到所有她们想要的东西。然而，选择越多，消费者有时候就越难以做出购买的决定。因而，影响消费者网购意愿的因素是各大电商网站所重视的，也是他们一直在研究的。在以往的研究中，研究者们发现，产品质量、网站的系统质量、服务质量等等都是影响消费者网购意愿的重要因素。

二、国内外相关研究现状

（一）技术接受模型的研究

技术接受模型（TAM）是Davis在理性行为理论基础上研究人们对信息系统接受程度提出的一个模型（1989）。该模型提出了两个最主要的决定因素：①感知有用性，即说明人们对使用一个具体的系统对他帮助程度的感知;②感知易用性，即说明人们对使用一个具体的系统的容易程度的感知。技术接受模型自提出以来，就一直受大家关注，因为它被认为是现今最有效的解释和预测用户对新事物接受行为的模型之一。但是，原始的技术接受模型因为只把感知有用和感知易用这两个因素作为决定因素来解释用户行为，在使用中会有局限性。因而，很多学者在研究具体问题上都加入了自己的理解。DeLone和McLean（1992）在研究影响信息系统成功的因素时，在Davis技术接受模型的基础上，拓展出一个综合、多维度的信息系统成功模型。在他们的模型中，系统和信息质量是影响系统成功的核心要素[1]。Venkatesh和Davis（2000）在其基础上提出技术接受扩展模型[2]。QiuLingYun（2008）等在评价电子商务网站时，考虑到消费者信用和感知娱乐性等因素，对原技术接受模型加以改进[3]。

（二）国外相关研究现状分析

在Franz（1986）看来高信息质量代表着高有用性[4]。Ahn（2004）认为信息质量对消费者网络购物意向存在正向影响[5]，Hollis（2004）在信息产业服务质量模型中，指出服务质量可以影响用户的感知有用性[6]。Hughes（2004）认为产品的质量、食品的安全和产地得到保障，可以建立顾客忠诚度，从而带来销售额和盈利能力[7]。Wuandwang（2005）在研究影响消费者网购意愿因素时，将感知风险作为因变量，基于此，發现感知风险会直接影响消费者的购买意愿[8]。

（三）国内相关研究现状分析

粟婕（2008）认为消费者会因为在电商平台搜索到自己所需要的产品信息或者服务信息而觉得网络购物是有用的[9]。在杨继莲（2012）看来，产品属性是影响消费者网购的重要因素，消费者的网购意向受到产品属性的正向影响[10]。张圣亮等（2015）将技术接受模型与信息系统结合，研究发现团购网站的质量对消费者的感知有用性和感知易用性有显著的正向影响，消费者的感知有用、感知易用对团购意愿有正向影响[11]。毕继东（2009）通过研究发现只有减少网络购物的感知风险，才能有效的增强消费者的网购意愿[12]。

以上的文献研究或多或少都论证了产品属性、网站质量对消费者网购的影响，因而能够做为下文的研究假设的基础。

三、模型构建与研究设计

（一）模型构建

相关文献表明，网站质量和产品属性两个外部变量会影响消费者的感知有用性和感知易用性，从而影响消费者的网购意愿。本文将以技术接受模型为基础来构建本文的模型，如图1所示。

（二）研究假设

基于图1电子商务购物意愿的概念模型，以及参考前文的相关文献，本文提出以下几个方面的研究假设：网站质量和产品属性对感知有用性、易用性的影响;感知有用性、易用性对购买意愿的影响。

H1：系统质量能正向影响消费者的感知有用性与易用性;

H2：信息质量能正向影响消费者的感知有用性与易用性;

H3：服务质量能正向影响消费者的感知有用性与易用性;

H4：产品安全能正向影响消费者感知有用性、易用性;

H5：产品价格对消费者感知有用性和易用性有反向影响;

H6：感知有用性对消费者的购买意愿有正向影响;

H7：感知易用性消费者的购买意愿有正向影响。

（三）研究问卷设计

本文采取调查问卷的方式来获取本次调查所需要的数据，并使用收集到的数据来验证文中构建的模型和提出的假设。本研究收集数据的方式是调查问卷，其优越性在于，这么做能够以严格的测量题目，从研究对象那获得研究所需要的资料和数据。本文的问卷在参考了其他学者的相关研究、问卷的基础上做适当的修改，在进行预调查之后，我们得到了各个变量的操作化定义，在此之后确定最终的问卷形式与题项。

通过对有关消费者网购意愿的相关文献的整理，联系实际生活中的经验并结合新鲜水果这一商品的自身属性，进行了量表的操作化定义，现将各变量的量表问项整理成表，如表1所示：

（四）问卷发放与回收

本研究通过问卷星发放问卷的形式选取样本，为了本次研究能够顺利进行，问卷发放的对象是经过筛选的，选取的样本主要是学生和城市白领。主要的发放方法是将调查问卷的链接通过微信、邮箱等联系渠道发送给自己的好友、好友的朋友以及网友等。问卷发放的时间为2018年2月26日到2018年3月16日。对回收回来的问卷进行了很认真的筛选，筛选的标准主要有：一是问卷填写人是否拥有网络购物的经历;二是问卷有没有用心填写，问卷各题项的答案在逻辑上是否能够说得通。本次问卷共回收261份，初步删选后，有效问卷为252份。

四、网络购物影响因素的实证分析

本章将通过spss20.0对问卷调查收集到的数据进行数据分析，包括变量的描述性统计分析、信度效度分析、因子分析、相关性分析和回归分析，对模型和假设进行验证。

（一）样本的描述性统计分析

在被调查样本中，男性121人，女性132人，男女比例接近，该样本基本能反应真实水平。从受教育程度来看，被调查对象的受教育程度大多数是本科，高达76.7%，大专及以下的人数较少，和硕士人数相当，博士及以上人数最少。接受调查的对象中，有过网购新鲜水果经验的人占绝大多数，占比为78.3%，没有购买过水果的占比22.7%。

（二）信度和效度分析

1.量表的信度检验。信度，就是反映所得到的结果的一致性或者稳定性的指标，能够反映被测量变量的真实程度的。目前最常用的信度系数是Cronbach创立的Alpha系数，即Cronbach's Alpha系数，本文就是釆用Alpha系数来检验量表的可信度。检验结果的数值大于0.7，属于高信度;在0.35到0.7之间可以使用;Alpha系数小于0.35的变量信度过低，不能使用。从检验结果可以看出，本问卷量表中各个变量的Alpha系数均大于0.7，具有很高的信度。如表2。

2.量表的效度检验。效度是指一个检测能够测到的该测验所能预测到的心理和行为的程度，即测量接近真实的程度。本文的效度分析釆用Bartlett（巴特利特球体），在这个检验中，检验得到的Sig値是0.000，远远小于1%，表明数据是相关矩阵，具有相关性，也说明收集到的数据适合做因子分析;另一方面，进行KMO样本测度的检验。变量之间的共同因素越多，KMO的值就会越大，KMO的値越大，越适合做因子分析。本文的KMO値为0.900，很适合做因子分析。如表3所示。

（三）因子分析

在前面效度分析的结果说明本文的变量适合做因子分析。详细的检验结果如表3所示。

如表4所示，所有题项的因子载荷均在0.7以上，能够解释绝大部分的变量信息，符合本文要求。最终，所有题项均予保留。

（四）结果验证

为了验证假设成立与否，现在通过相关分析和回归分析来验证。另外，由于原假设变量太多，为了便于分析，所以将多个变量通过求均值转换成一个变量，具体转换见表。

1.相关分析。相關系数是测量变量之间关系的密切程度的，其结果大于-1小于1。系数大于0，表明两个变量正相关，数值越大，相关性也就越强;系数小于0，表明变量呈负相关。本文采用pearson相关性分析方法测量各变量之间的相关程度。

从表5可以看出，Pearson相关性数值均大于零，显著性（双侧）数值均为0.000，因此产品属性、系统质量、信息质量和服务质量与感知有用性、感知有用性之间有显著的正相关关系。

由表6可得，Pearson相关性的分析结果均大于零，且显著性（双侧）的数值为0.000，因此感知有用性、易用性和消费者的网购意愿之间存在着显著的正相关关系。

2.回归分析。在上一节中对产品属性、信息质量、服务质量、系统质量、感知有用性、易用性和网购意愿之间的相关程度进行了相关性分析，虽然相关性分析的结果比较理想，但是相关分析的结果只能说明变量之间的相关关系以及关联程度，不能证明各变量之间的因果关系。为了验证各变量之间的因果关系，现在建立回归方程进行逐步回归分析。

本文采用逐步回归的方法将各个变量引入，再剔除掉由于后面加入的变量而变得不再显著的原变量，保证最后的模型是最优的，取显著性水平α进=0.05，α出=0.10。

（1）外部变量与感知有用性之间的回归分析。

通过回归模型的VIF値和DW値来验证自变量之间的多重共线和序列相关问题。根据结果，表8模型4的VIF値小于10，说明自变量之间没有多重共线问题，且其DW値为1.933，接近2，表明各个自变量之间独立性很强。

由表7和8可知，模型4为最优模型，4个外部变量共同解释了感知有用性的49.7%。模型中的F値为52.172，显著性Sig値为0.000，说明模型的拟合度较高，具有显著的回归效果。得到回归方程：感知有用性=0.319*系统质量+0.255*信息质量+0.154*服务质量+0.121*产品属性+0.657。

（2）外部变量与感知易用性之间的回归分析。

此次回归分析自变量由4个减少到3个，剔除了信息质量，意味着信息质量与感知易用性之间的没有显著的关系，即假设H2不成立。根据结果，表10模型3的VIF値小于10，说明自变量之间没有多重共线问题;而表9中模型4的DW値为2.153，较接近2，表明各个自变量之间独立性很强。

由表9和表10可知，模型3为最优模型，3个外部变量共同解释了感知有用性的42.1%。模型中的F値为51.139，显著性Sig値为0.000，说明模型的拟合度较高，具有显著的回归效果。得到回归方程：感知易用性=0.327*系统质量+0.279*服务质量+0.176*产品属性+1.003。

（3）感知有用性、易用性与购买意愿之间的回归分析。

此次回归分析自变量由2个减少到1个，剔除了感知易用性，意味着感知易用性与购买意愿之间没有显著的关系。

由表11和表12可知，感知有用性解释了购买意愿的24.0%。模型中的F値为66.499，Sig値为0.000，说明模型的拟合度较高，具有显著的回归效果。得到回归方程：购买意愿=0.604*感知有用性+1.104

通过回归分析的结果可知，信息质量正向影响感知易用性这个假设不成立，感知易用性正向影响消费者的网购意愿不成立（即H7不成立），其余的假设全部成立。

五、研究结论与展望

（一）研究结论

1.感知有用性和感知易用性的影响因素，最强烈的是系统质量，其次是服务质量。这一结果与我们日常生活中的体验相符合。一个网站的质量越好，就是系统响应迅速，售前售后服务到位，消费者对在该网站上进行购物的感知有用性和感知易用性就会越高，购买意图产生的机会相对应的就会提高。信息质量对感知有用性的影响比较大，非标准化系数为0.255，但是对感知易用性的影响却不显著。

2.产品属性也是影响感知有用性和感知易用性的强烈的因素之一，尤其是对于水果这类食品，人们对产品的要求更高。本研究中，由于将产品安全、价格两个变量转换成一个变量，所以不能得到具体变量的影响。

（3）感知有用性对消费者的购买意愿有显著的正向影响，假设H7得到了验证，但是感知易用性对消费者购买意愿的影响并不显著，即H6不成立，这一结论与Davis等学者的结论一致。

（二）研究建议

学术研究的目的不仅仅要关注学术方面，更重要的是要应用于实际问题，并且将技术接受模型以及感知价值理论作为本文的理论基础。在现今时代，网络购物已经融入人们的日常生活，成为不可缺少的一部分。那么如何吸引、留住消费者是线上商家取胜的关键。根据本文的实证研究的结果，对网站的提出以下几点建议：

1.完善网站质量，让消费者感受到通过电子商务购物的优势。根据上文的研究，网站质量对感知有用性有显著的正向影响，而感知有用性对网购意愿又有显著的正向影响，商家可以通过开发站内搜索引擎来提高网站质量，使消费者在获取他们自己所需要的信息这方面能够更加容易，但是，保证信息的时效性、准确性、可靠性是最重要的。如果信息的质量得不到保证，那么之前的保证的信息的易获取性将起到反作用。

2.保证产品质量，增加消费者对商家的信任。近年来食品安全问题层出不穷，研究结果显示产品安全、价格等对消费者的网购意愿有显著的影响。为了增加消费者的信任，商家可以提供完善的售后服务来向消费者保证产品质量，打消消费者的顾虑。

3.增强顾客感知有用性，提高顾客忠诚度。本文实证研究表明感知有用性对消费者的行为意图影响显著，因此电商商家需要加强顾客感知有用性，增强消费者感知有用性给其带来的购物欲望。提高用户感知有用性可以从以下几个方面着手。首先，完善网站的系统质量;其次，保证产品安全。

（三）研究不足与展望

受资源和时间的限制，本文的调查选取的样本，无论是在数目还是在代表性上都没有全面的考虑，代表性不够，不能代表全体网购用户。因此，针对本文的调查问卷有一些缺陷，后续研究需要在调査对象方面的加大投入，希望能够减少对研究结果的影响，使研究结果更具有代表性。

[参考文献]

[1]Delone W H. The Delone and McLean model of information systems success： a ten year update [J]. Journal of management information systems，2003，19（4）：9-30.

[2]Qiu LingYun，LiDong.Applying TAM in B2C E-Commerce Research：An Extended Model [J].Tsinghua Science and Technology，2008，13（3）：265-272.

[3]Ahn，Tony，Seewon Ryu，and Ingoo Han.The impact of the online and offline features on the user acceptance of internet shopping malls. Electronic Commerce Research and Applications，2004，3 （4）， 405-420.

[4]楊继莲.制约消费者网购的因素及对策探讨[J].现代商贸工业，2012（1）：243-244.

[5]张圣亮，袁佳，李小东.大学生消费者网络团购意向实证研究——基于TAM和ISSM整合模型[J].江汉学术，2015，2（1）：13-20.

[责任编辑：潘洪志]