中國傳統拍賣業者網絡拍賣接受意愿研究

2014-12-31 19:20:57黃斐王佳殷致

商業研究 2014年12期

黃斐+王佳+殷致

摘要：本文將感知價值概念與整合性科技接受模型聯系結合，在深化技術接受理論研究的基礎上提出聯系感知價值的整合用戶接受模型，并運用該模型研究了感知價值的內涵維度構建、感知價值、社會影響和助益情境等主干因素對于接受意愿的影響，以及檢驗年齡、性別和工作中上網時長等因素對于上述關系的調節作用。實證研究結果顯示模型的主要感知價值內涵維度（感知易用不顯著）和主干關系皆為顯著，而且年齡和工作中上網時長在感知價值和助益情境對于接受意愿的影響關系中有明顯地調節作用。

關鍵詞：用戶接受意愿；感知價值；技術接受模型；網絡拍賣

中圖分類號：F71336 文獻標識碼：A

作為一種有效的市場交易方式，拍賣在提高交易效率、透明交易價格的同時，還能夠幫助提升交易規范和市場標準化。在西方發達國家，拍賣的理論和應用發展源遠流長，實際推動了其現代市場體系的形成[1]。中國拍賣業的發展并不充分，根據拍賣行業協會公布的數據，2012年全國拍賣業實現成交額約5 7546億元。2012年中國電子商務市場交易額突破8萬億元人民幣，其增速超過2012年國家GDP增長率的四倍[2]。許多傳統商務模式可以在電子商務方向尋找創新和成長的機會，而網絡拍賣也許能夠讓中國的傳統拍賣業獲得一次跨越式發展的時代契機。網絡拍賣借助互聯網在網站平臺上發布拍賣信息，操作競價投標的拍賣過程，確定價格和達成交易，網絡拍賣在實現拍賣方式的市場有效性的同時，還能夠發揮電子商務在空間、時間、信息、成本、參與度等方面上的優勢，制定靈活的拍賣規則，創造出充分集聚供需、有效配置資源的電子中介平臺[3]。中國的一些傳統拍賣公司已經開始利用網絡平臺進行公示、申請、聯絡等的拍賣前期準備，也有些業務直接在網站上公開拍賣，但是整體上中國傳統拍賣業的網絡拍賣業務發展并不突出。

由于當前中國普通消費者并不廣泛應用網絡拍賣機制，而網絡拍賣作為技術創新下的業務新增長點，對于中國傳統拍賣業的現階段發展而言存在著迫切的利益驅動和實際需求。所以，本文以中國傳統拍賣從業者為“用戶”研究對象，他們往往具備傳統拍賣業務的參與經驗。網絡拍賣對于中國傳統拍賣從業者是較創新的互聯網深度應用，本研究沿襲了科技用戶接受行為的研究脈絡，通過理論深化研究來發展出適合的實證研究模型，通過實證研究來分析哪些關鍵因素會影響其中的用戶接受意愿，理解網絡拍賣在應用中的用戶接受行為，推進中國傳統拍賣業網絡拍賣的業務發展。

本研究希望實現三個主要目標：（1）整理新興科技接受行為的既有文獻和研究成果，通過理論深化研究以理解不同理論模型間的發展脈絡，分析影響互聯網商業應用的用戶接受意愿的主要因素，思考構建聯系感知價值的整合用戶接受模型；（2）討論諸如年齡、性別、互聯網使用特征等個體因素，在用戶使用意愿影響因素間的調節作用；（3）使用聯系感知價值的整合用戶接受模型，對中國傳統拍賣從業者的網絡拍賣接受意愿問題進行實證研究。

一、文獻綜述

對于新興科技應用用戶接受行為的研究，學術上存在著較系統的理論模型和實證研究，國內學者依靠既有文獻的基礎進行經典理論比較或者基礎模型修正，針對中國消費者的諸如網絡購物、移動拍賣、移動支付等科技接受行為，進行了有效的實證研究，在學術發展和實踐應用上都獲得一定成果[4-6]。科技接受行為研究中的經典理論和模型主干，可以根據實際研究情境需要進行擴展，譬如技術接受模型（Technology Acceptance Model，TAM）的基礎模型，在后續發展的改進中與其它相關理論體系產生交集，發展出譬如參考了計劃行為理論（Theory of Planned Behavior，TPB）的TAM2模型、圍繞消費者感知價值的價值接受模型（Value-based Adoption Model，VAM），這里凸現出科技接受行為研究中常見的延展性特征[7-9]。用戶接受行為研究的不同理論和模型間的傳承關系存在著較清晰的邏輯脈絡，Venkatesh等（2003）回顧和整理技術接受行為的既有研究，在其中八個經典理論模型基礎上提出整合性科技接受模型（Unified Theory of Acceptance and use of Technology，UTAUT），通過厘清不同理論模型間的差異和聯系，化繁為簡地提出整合清晰的基礎框架，在研究方法和模型框架上都形成一定的啟發[10]。

研究梳理了科技接受行為研究中經典理論間的傳承脈絡，包括技術接受模型TAM、價值接受模型VAM和整合性科技接受模型UTAUT，也參考了理性行為理論（Theory of Reasoned Action，TRA）、計劃行為理論TPB、動機模型（Motivation Model，MM）的成果貢獻。

（一）技術接受模型TAM

Davis等（1989）在理性行為理論（TRA）的“態度決定意愿決定行為”的基礎上，發展出技術接受模型TAM，用以分析影響電腦科技的用戶接受行為的主要因素（見圖1）[7，11]。其中，“感知有用（Perceived Usefulness，PU）”和“感知易用（Perceived Ease of Use，PEOU）”作為用戶的主觀信念，“感知有用”指用戶主觀上對于特定系統或者科技事物能夠幫助自己工作和未來的信任程度；“感知易用”指的是用戶主觀上會傾向接受所需努力較少的新事物，TAM認為“感知有用”和“感知易用”是影響用戶的科技接受“態度”的主要因素，“使用意愿”除了受到“態度”的影響，還直接受到“感知有用”的影響，而“外部變量”代表影響科技用戶的間接因素，譬如用戶的個人特征、環境變量等，這些因素會通過影響科技使用用戶的“感知有用”和“感知易用”來起作用[12]。

TAM的主干框架簡明易懂，還支持通過外部變量根據不同的研究情境發展相應的擴展模型，在許多后續實證研究中被運用，基礎TAM和擴展模型顯示出較好的解釋力，譬如“感知有用”和“感知易用”因素對于諸如遠程醫療、電子郵件、數據中心等科技應用的用戶接受態度和意愿存在較顯著的正向關系[13-15]。Hu等（1999）認為TAM可以幫助解釋醫生對于遠程診療技術的接受意愿，但是需要結合其它相關因素來提升基礎模型的解釋力[16]。Legris等（2003）綜述回顧了大量使用TAM模型的既有研究文獻，認為基礎TAM對于資訊科技應用的用戶接受意愿和行為具有較強的解釋能力，而加入新外部變量的擴展TAM，可以取得更高的解釋力，譬如用戶的個人創新性特性[17]。Frolick和Chen（2004）也認為TAM模型結合創新擴散理論，可以幫助解釋用戶對于移動商務應用的使用意愿[18]。Svendsen等（2013）將用戶個性與TAM的基礎建構聯系在一起，較大樣本的網上調查結果顯示個性對于行為意愿存在較為顯著的直接關系，在部分信念的關系上還存在調節作用[19]。endprint

“感知有用”在TAM中也可作為“使用意愿”的直接前置因素，有些使用TAM的實證研究的結果顯示“態度”對于“使用意愿”的影響并不明顯，傾向于舍去TAM基礎模型中的“態度”變量[20-21]。Vekatesh和Davis （2000）提出的省略“態度”，可以更加突出“感知有用”和“感知易用”與“使用意愿”之間的影響關系[8]。

（二）基礎TAM的不足和改進

TAM基礎模型的精簡結構也導致一定的研究局限，尤其在新興互聯網應用的用戶接受行為研究部分：Chan和Lu（2004）對香港網絡銀行的用戶接受行為的實證研究中，發現“感知有用”和“感知易用”對于用戶的接受意愿沒有顯著的正向影響[22]；Kim等（2007）認為TAM基礎模型對于正規組織環境中用戶的科技接受行為的解釋力比較強，但是在面對諸如移動互聯網的科技應用時，用戶接受行為反映出消費選擇而非組織建議的特征，TAM基礎模型在此方面顯得解釋力較弱[23]；Shiau和Chau（2012）比較不同模型對于博客持續關注的用戶意愿的解釋作用，同樣發現TAM基礎模型的解釋力偏弱[24]。

Venkatesh和Davis（2000）提出TAM基礎模型的修正模型TAM2，TAM2參考了理性行為理論的建構，在基礎TAM中加入了社會性影響過程（Social Influence Processes）對于“感知有用”的影響，社會性影響過程主要包含了“主觀規范”（Subjective Norm）、“印象”（Image）和兩個調節變量“經驗”（Experience）、“自愿性”（Voluntariness），TAM2還擴充了“感知有用”的影響因素，歸納形成認知工具性過程（Cognitive Instrumental Processes），主要包含“工作關聯”（Job Relevance）、“產出品質”（Output Quality）、“結果展示性”（Result Demonstrability）和“感知易用”。社會性影響過程和認知工具性過程使得TAM2更加完整，可以更加靈活、方便地解釋資訊科技中的用戶使用行為（見圖2）[8]。Cheng等（2012）研究網上團購的用戶意愿，也將TAM基礎模型與社會影響方面的因素結合在一起[25]。有研究者從動機理論的角度補充用戶的內在動機（Intrinsic Motivation）來豐富TAM基礎模型，發現個人的內在行為動機（譬如享受、樂趣），會支持用戶較愿意在未來持續使用行為：Keeney（1999）研究消費者網絡購物行為前后的體驗和期望，結果顯示娛樂性是影響網絡購物用戶態度的一個重要因素[26]。Moon和Kim（2001）研究萬維網的用戶行為，采用了“感知娛樂”（Perceived Playfulness）的構建，來協同“感知有用”和“感知易用”，包容出于工作和休閑不同目的用戶行為解釋[27]。

感知價值的思路也是一個主要改進方向，從用戶主觀感受出發，可以研究用戶的價值取向與其意愿和行為之間的聯系，基本上用戶的意愿和行為是對產品和服務整體評估后的一種反應，有觀點認為這種整體評估可以包含在用戶對于對象的“價值”信念上，反映了能否滿足用戶的主觀和客觀上需要，不僅體現在被直接使用而實現的功能價值，而且也會出現在擁有過程中帶來的附屬價值[28]。Grewal等（1998）的研究指出顧客感知的交易價值（Perceived Transaction Value）會對感知價值有影響，從而影響行為意愿[29]。在互聯網使用行為研究中，Laurent等（2002）對比研究了互聯網用戶對于上網瀏覽和電子郵件的使用行為，通過社會、功利、享樂、學習及購買五個感知價值維度，歸納討論上網瀏覽用戶和電子郵件用戶在感知價值組成中的不同側重[30]。Chen和Dubinsky（2003）對B2C電子商務環境下感知價值的構成框架進行探索性研究，發現網上購物體驗、感知產品質量、感知風險及產品價格是其包含的主要因素[31]。Swaid和Wigand（2012）研究實體商城的網上平臺的顧客“忠誠意愿”，結果顯示反映服務質量內容的“感知價值”因素對于顧客持續使用網店意愿有很高的解釋力[32]。Kim等（2007）用感知價值因素來擴展基礎TAM，形成價值接受模型VAM，其中感知價值受到感知利益（譬如有用性和娛樂性）和感知代價（譬如技術細則和感知費用）的兩個基本維度的影響（見圖3）[9]。

價值接受模型中感知價值的構建，體現出用戶對于科技使用行為中的利益和代價的完整統一的主觀認知。本研究也嘗試使用“感知價值”作為影響“使用意愿”的前置因素，反映用戶對于使用互聯網科技應用的主觀信念，并擴展“感知有用”和“感知易用”的兩大因素，去構建“感知價值”包含的多元維度。

（三）整合性科技接受模型UTAUT

Venkatesh等（2003）覆蓋技術接受行為研究中八個具有代表性的理論模型（理性行為理論、科技接受模型、計劃行為理論、動機理論、整合的TAM和TPB模型、PC使用模型、創新擴散理論和社會認知理論），提出整合性科技接受模型UTAUT （見圖4）[10]。 UTAUT將科技接受行為相關的各種影響因素，整合成影響用戶的行為意愿（Behavior Intention）的四個核心因素：

1.績效期望（Performance Expectancy），用戶感覺使用科技系統幫助自我績效達成的有用程度，接近技術接受模型TAM中的“感知有用”；動機模型中外部提供的獎勵誘因“外在動機”；創新擴散理論中的“相對優勢（Relative Advantage）”，創新科技比較既有的事物，相對更好的程度。

2.投入期望（Effort Expectancy），用戶感覺使用科技系統的難易程度，接近于技術接受模型TAM中的“感知易用”；創新擴散理論中的“復雜性（Complexity）”，理解和使用創新科技或事物的困難程度；還有“可試性（Trialability）”，試用創新科技或事物的方便程度。endprint

3.社會影響（Social Influence），用戶感覺重要人士對于自己使用科技系統的贊同程度，接近于理性行為理論和計劃行為理論中的“主觀規范”，反映出個體考慮的外部環境對于行為的規范標準；修正的技術接受模型TAM2中的“印象（Image）”，個體判斷其行為對于所處團體其它成員造成的印象會否影響個體的社群地位。

4.助益情境（Facilitating Conditions），用戶感覺對于自己使用科技系統的支持條件，接近于計劃行為理論中的“知覺行為控制（Perceived Behavior Control）”；創新擴散理論中的“包容性（Compatibility）”，使用創新科技或事物需求的，與用戶目前已有的知識、觀點、經驗相互通用、符合的程度。

UTAUT還將過往研究中出現的干擾因素，提出在核心決定因素對于行為意愿的影響關系上的四個調節變量：性別、年齡、經驗（Experience）和自愿性（Voluntariness of Use），分析這些變量對于上述關系的復合調節作用[10]。UTAUT充分回顧了經典的技術接受行為研究成果，整合了其中不同表述但涵義接近的影響因素，提出了常見調節變量，UTAUT提出后開始被頻繁使用來研究新興資訊科技的用戶接受行為，在組織規范和自愿消費的不同研究情境中，使用UTAUT的基礎模型和發展模型都可以具有較高的解釋能力。

Kerns（2006）對美國大學里平板電腦用戶接受意愿研究中顯示UTAUT模型能比較有效地解釋用戶的接受意愿影響因素[33]；陳華平和唐軍（2006）以UTAUT為基礎實證研究了移動支付的用戶接受意愿，發現社會影響和績效期望對于使用意愿存在較為顯著的正向影響[34]；Chang等（2007）以UTAUT模型來研究醫生對于診療支持系統的采用行為，發現醫生的績效期望和付出期望顯著影響接受意愿和后續使用行為[35]；周濤等（2009）將任務/技術匹配理論與UTAUT進行整合，用于分析移動銀行的用戶采用意愿，結果顯示UTAUT模型的四個核心因素均有顯著影響[36]；Curtis等（2010）使用UTAUT模型研究社交媒體用戶使用行為，結果顯示出性別和經驗等個體特征具有較為明顯的調節作用[37]；Gonzalez等（2012）將UTAUT模型運用在監控技術的用戶采用意愿的實證研究中，結果表明“績效期望”是最重要的影響因素，而“付出期望”對于采用意愿的影響并不顯著[38]。整合性科技接受模型UTAUT顯示出較好的研究可延展性，Venkatesh等（2012）在UTAUT基礎上加入了享樂動機、價格價值和習慣等三個新影響因素，專為資訊技術應用的消費者接受行為推出消費者科技接受模型（Consumer Acceptance and use of Technology，UTAUT2）[39]。

基于基礎TAM的“感知易用”和“感知有用”，后續研究往往加入新的影響因素、調節變量，構建出適合具體資訊科技應用情境的解釋力更強的擴展TAM[19-21，25]。Venkatesh等（2003）沿襲TAM的基礎建構，把“感知易用”和“感知有用”包容在整合性科技接受模型UTAUT中，與主觀規范和感知行為控制等方面的因素一起形成較簡潔的用戶意愿影響因素[10]。

二、實證研究模型的構建

Kim等（2007）提出的簡約價值接受模型VAM，將TAM基礎建構與消費者感知價值的概念結合在一起[9]，而“感知價值”概念比較完整，可以體現用戶對于“利益”和“代價”的權衡統一，而且針對不同情境可以靈活地構建恰當的相關價值維度，對于層出不窮的新興資訊科技應用具有研究可延展性。Kim和Kankanhalli（2009）在研究企業新信息系統的用戶抗拒的過程中，通過感知價值概念來包容用戶對于使用新系統感知到的收益和成本，反映用戶主觀的決策形成過程中的主要焦點，其研究結果認定改善用戶的感知價值可以有效地降低用戶對于新系統的抗拒[40]。Swaid和Wigand（2012）用“感知價值”對應全面的“服務質量”維度，并且結果檢驗出“感知價值”對于網上商城的使用意愿有顯著的影響關系[32]。Chang和Tseng（2013）發現網店顧客的在線購買意愿收到顧客對于網店的感知價值的顯著影響，而感知價值反映了網店給于顧客的整體印象，包容了功能性價值和娛樂性價值。

比較UTAUT模型中“績效期望”和“付出期望”的設定，本文認為“感知價值”通過內含的價值維度，在模型中顯得更完整和更具有可延展性，“感知價值”的分析可以幫助理解傳統拍賣業者對于網絡拍賣的使用意愿影響因素。本研究設定“感知價值”對于網絡拍賣的從業者用戶接受意愿的前置影響變量。

假設1：感知價值將正面顯著影響從業者用戶對網絡拍賣的接受意愿。

在“感知價值”的內含價值維度上，沒有直接沿用偏向消費者行為領域的既有建構，譬如朱閣等（2010）在研究移動拍賣的用戶接受意愿中，使用了Sweeney和Soutar（2001）的感知價值四維度量表，其四維度量表初始是用以測量耐用品的消費者感知價值[5]。本研究在簡約價值接受模型VAM基礎上，以“利得”和“利失”的對比，參考更多新興資訊科技應用有關的研究文獻來組織感知價值維度架構，本文先采用了較多出現的“感知有用”和“感知易用”，還有“感知費用”[9，31-32，41]。

假設2：感知有用將正面顯著影響從業者用戶對網絡拍賣的感知價值。

假設3：感知易用將正面顯著影響從業者用戶對網絡拍賣的感知價值。

假設4：感知費用將負面顯著影響從業者用戶對網絡拍賣的感知價值。

像Laurent等（2002）的對比研究顯示出的那樣，用戶面對不同特性的互聯網應用會影響用戶感知價值組成側重上出現差異[30]。傳統拍賣的從業者由于拍賣業務的工作特性，相較于一般消費者在網絡拍賣中的動機差異，本研究采用“感知風險”，而舍掉“娛樂性”，而且基于互聯網的電子商務活動在提升行動效率的同時，往往也被認為會引發在交易安全、個人隱私等方面的風險：Bellman等（1999）發現在網絡購物中，安全和個人隱私等因素會顯著影響消費者的網購行為，可能導致消費者的網購意愿降低和在線行為的減少[42]；Pavlou等（2006）在網絡購物的研究中檢驗出消費者對于安全和信任的信念比較顯著影響其接受意愿和行為[43]，安全上網風險在電子銀行和網絡股票交易的應用和采用行為中也經常是用戶關鍵考量因素[44-45]；李凱等（2013）發現 “感知風險”與“感知利益”一起影響對于移動支付的用戶接受意愿[6]；Chang和Tseng（2013）嘗試用“感知風險”作為調節變量來調節對網店的感知價值與顧客購買意愿的影響關系，但是檢驗結果并不顯著[41]。所以，本文設定“感知風險”會影響從業者用戶對于網絡拍賣的“感知價值”。endprint

假設5：感知風險將正面顯著影響從業者用戶對網絡拍賣的感知價值。

用戶的接受意愿和行為會受到自我感知的外部社會壓力的影響，即“主觀規范”的影響，Hsiu-Fen Lin（2010）在研究求職者對于電子招聘平臺的接受行為中，主觀規范（尤其是人際影響）對于用戶接受意愿有著較顯著影響[46]。Davis等（1989）注意到主觀規范未能如理性行為理論描述的會顯著影響用戶接受意愿，在基礎TAM中簡化了主觀規范使用意愿之間的關系，但是在TAM2中又加入了社會性影響過程，包容了主觀規范的因素[7]。本文采用了Venkatesh等（2003）在UTAUT中定義的“社會影響”，反映中國傳統拍賣的從業者個體會受到周圍的影響，從而影響其對網絡拍賣的使用意愿。

假設6：社會影響將正面顯著影響從業者用戶對網絡拍賣的使用意愿。

Ajzen（1991）在計劃行為理論（Theory of Planned Behavior， TPB）中加入了感知行為控制（Perceived Behavior Control，PBC），作為影響行為意愿的又一因素，感知行為控制代表了個體行為決策過程中認識到自己執行行為的掌控信念（Control Belief）和阻礙難易（Perceived Power）[47]。感知行為控制對于用戶的使用意愿和實際行為，在許多研究中被證明是有顯著影響，并且對感知行為控制在內在心理因素和外在環境因素都有進一步的討論和解釋，例如Hsu和Chiu（2004）發現用戶的自我效能感知對于電子應用服務的使用意愿和持續使用都存在顯著影響[48]。另外，Pavlou等（2006）驗證了時間和貨幣等資源的判斷顯著影響用戶對于網絡購物的接受意愿和行為[43]，Venkatesh等（2003）的UTAUT模型用“助益情境”的變量來反映類似的感知行為控制的因素[10]。本研究采用了UTAUT模型中定義的“助益情境”，來反映拍賣從業者個人判斷的現有組織和基礎設施對于使用網絡拍賣業務的支援程度。

假設7：助益情境將正面顯著影響從業者用戶對網絡拍賣的使用意愿。

Venkatesh等（2003）的整合性科技接受模型UTAUT提出在核心決定因素對于行為意愿的影響關系上，諸如性別、年齡、經驗等用戶的個人特征存在調節作用[10]。Curtis等（2010）使用UTAUT模型的實證檢驗，其結果也顯示出性別和經驗存在較為明顯的調節作用[32]。Venkatesh等（2012）較完整提出了諸如年齡、性別和經驗等個體特征，對于消費者科技接受模型主干關系的復合調節作用[39]。Svendsen等（2013）在行為意愿的主要影響關系上，用戶的個性特征存在部分的影響關系和調節作用[19]。

這種年齡、性別等多重因素的調節作用往往在一些具有極端特征的人群中有所表現，像Venkatesh等（2012）提到年長男性用戶由于固有經驗使得其需要更多的資源，促進他們的學習和接受[39]。本研究期望從業者的“年齡”和“性別”在對接受意愿的影響關系中表現出調節作用，并且用從業者的“工作中互聯網使用時長”，反映從業者對于工作中互聯網業務模式的熟悉程度和既有體驗，期望也存在調節作用。通過加入年齡、性別和工作中互聯網使用時長，對感知價值與使用意愿的影響關系中的調節作用，考慮到年輕的從業者相對學習能力較強，即使工作中上網很少，隨著對于網絡拍賣業務的深入了解，他們更容易受到對網絡拍賣的感知價值提升而影響其使用意愿的上升；再考慮到女性對觀點轉化行動過程中的保留程度，男性應該更容易體現出受到感知價值對于使用意愿的影響。因此，提出：

假設8：年齡、性別和工作中互聯網使用時長會調節感知價值對于使用意愿的影響作用，譬如年輕的、工作中上網很多的男性從業者較容易受到感知價值對于使用意愿的影響。

另外，考慮年齡、性別和工作中互聯網使用時長，對社會影響與使用意愿的影響關系中的調節作用，剛參加工作的年輕從業者，工作中上網很少的情況下，尤其是女性會較參考重要人士或者關鍵大眾的行為指示和使用建議，所以提出：

假設9：年齡、性別和工作中互聯網使用時長會調節社會影響對于使用意愿的影響作用，譬如年輕的、工作中上網很多的女性從業者更容易受到社會影響對于使用意愿的影響。

個人特征造成的較明顯差異，是符合現實中的部分觀察結果，例如年長者會比年輕人在接觸復雜信息或者使用新技術系統的過程中遇到較多的學習困難。所以，年長者會對助益情境更為重視，體現出年齡在助益情境對于使用意愿關系中的調節作用，男性又比女性在考慮使用新技術應用中，較少地依賴外部支持性條件，由此提出：

假設10：年齡、性別和工作中互聯網使用時長，會調節助益情境對于使用意愿的影響作用，譬如年長的、工作中上網很少的男性從業者較容易受到助益情境對于使用意愿的影響。

以上提出的10個主要假設反映了對于網絡拍賣的用戶使用意愿中主要影響因素和關系，通過將“感知價值”概念結合在UTAUT模型的基礎框架中，形成聯系感知價值的整合用戶接受模型，如圖5所示。

三、研究方法

（一）調查對象和問卷設計

本文主要是研究中國傳統拍賣業的從業者對于網絡拍賣的用戶接受意愿，并采用了問卷調查方法，問卷設計使用Likert的7點測量尺度，各個變量的對應題項均翻譯自相關文獻的既有成果，以保證問卷題項比較完整和成熟，其措詞根據網絡拍賣的研究主題做了對應的修改，并在某拍賣企業的業務人員和客戶伙伴中進行了50份預問卷，進行題項用詞上的小調整以提高答卷者的理解度（見表1）。

（二）問卷發放

實際問卷發放發生在2013年6月，先在某拍賣公司的業務人員中進行問卷調查，再以“滾雪球”的抽樣方法，請求答卷者推薦聯系其他的拍賣從業者（通過統一發放答卷時的名單記錄和問卷中的提示信息，以避免發生重復）發放問卷，總共發放950份，回收896份，其中有效問卷799份。表2為樣本數據的描述性統計，可見樣本頻度分布較均勻，調查效果也較理想。endprint

（三）資料分析方法及數據質量

通過SmartPLS軟件，本文使用偏最小二乘法（PLS）對模型進行擬合，偏最小二乘法（PLS）與結構方程模型（SEM）相輔相成，在SEM大樣本模型的基礎上，解決了非正態分布、共線性等問題。在對模型進行擬合之前先做了信度及效度檢驗，同時用于構建交互作用的變量首先進行中心化，以消除多重共線性的影響。

表3和表4列示了信度、效度、相關性及因素載荷等數據。表3中的因素載荷分析顯示數據的一致性及區別效度完全滿足要求，其中因素負載均大于06，表明各測量指標均收斂于其所對應的潛變量。同時各個潛變量的組成信度（Composite Reliability， CR）均大于08，克隆巴赫系數（Cronbachs alpha， α）均大于09，進一步表明各潛變量具有較好的內部一致性。

表4對角線數據為平均變異萃取量（Average Variance Extracted， AVE）的平方根，各潛變量AVE值均大于標準值05，表示各個潛變量均能解釋超過50%的所屬指標的變異，說明測量模型有較好的信度和收斂效度。為了區別效度可以通過比較AVE的平方根與相關系數進行檢驗，表4中對角線數據均大于其所在縱向與橫向數據，說明各變量之間有著顯著的區別度。

由模型擬合結果（見表5），模型的基本結構（模型1及模型2）除了感知易用對感知價值的作用外，其它關系全部顯著得到驗證，反映在當前互聯網應用的普及趨勢中，用戶體驗友善成為應用開發成熟表現，而易用性對于互聯網商務應用的用戶感知價值不是優先的因素。

在沒有包含交互項目時，感知風險和感知有用對感知價值有顯著的正向作用，感知費用具有顯著的負向作用，而且在互聯網的電子商務應用方面，感知風險是用戶感知價值中最突出的關注部分。感知價值、社會影響及助益環境對使用意愿有顯著的正向作用。

當模型加入交互項目后（模型2），對假設8至10進行檢驗。假設8得到部分驗證，感知價值對使用意愿的影響會受到年齡和工作中互聯網使用時長調節的假設得到支持，性別的調節作用則不顯著，而年輕且工作中上網很少的從業者更容易受到感知價值對于使用意愿的影響。

假設9并沒有在結果中得到支持，加入性別、年齡和工作中上網時長等因素的調節作用后，社會影響對于使用意愿的影響作用不再顯著，主觀規范因素并不在基礎TAM模型中，而且其對于使用意愿的影響作用在不同應用的實證研究中結果顯著性變動也比較大，需要在不同情境中的科技應用中進一步討論社會影響或者主觀規范方面的因素對于使用意愿的影響作用。

假設10也得到部分支持，其中性別的調節作用沒有得到支持，助益情境對使用意愿的影響會受到年齡和工作中上網時長調節的假設得到支持，而年長的、工作中上網很少的從業者更容易受到其在網絡拍賣的助益情境對于此業務使用意愿的影響。

（四）數據結果分析

數據具體分析結果體現出感知價值概念表現了用戶的成本收益上的較完整認知，在研究中可以有效反映傳統拍賣從業者會關注網絡拍賣業務的多元化價值內容，并顯著影響用戶的接受意愿，所以能夠替代整合性科技接受模型UTAUT中績效期望和付出期望的兩大因素，形成聯系感知價值的用戶接受模型。結果還進一步顯示從業者對于網絡拍賣的感知價值來源，主要考量的是感知風險，這也符合電子商務應用中用戶對互聯網風險的關注。感知費用和感知有用對于感知價值的影響也比較突出，感知費用代表了企業中用戶使用新興科技應用需負擔的成本，而感知有用則是用戶認為的科技使用的收益。感知易用的因素在研究結果中對于感知價值的影響并不顯著，可能原因是現階段互聯網應用在用戶體驗上大多具有友善界面，譬如網上商城購物、互聯網社交互動等，從業者對于網絡拍賣的感知易用存在易用預期。

感知價值、社會影響和助益情境對于使用意愿都具有顯著的影響作用，感知價值和助益情境對于接受意愿的影響明顯受到用戶年齡的調節作用，譬如年長的用戶更容易受到助益情境對于接受意愿的影響，所以對于年長用戶投入更多資源增進他們對于新興科技應用的知識和使用過程中的幫助支持，有利于提高此用戶群體的使用意愿。另外，用戶工作上網時長也存在相似的調節作用，工作中上網時長增長會使得用戶更容易受到感知價值和助益情境對于接受意愿的影響，企業建設組織的IT基礎架構和寬帶網絡可以幫助員工增加IT新興應用的使用體驗，減少對于相關業務創新的抵觸。

四、結論

通過對于科技接受意愿和行為領域的文獻研究，在技術接受模型的理論深化里將感知價值聯系在UTAUT整合科技接受模型中，聯系感知價值的整合用戶接受模型被運用對中國傳統拍賣從業者的網絡拍賣接受意愿進行實證研究，數據結果顯示新模型具有較好的解釋力，在互聯網新興應用的用戶接受研究中，可以拓寬既有理論的深化研究，發展出繼承經典體系脈絡，進一步整合和聯系的接收模型；對于致力于電子商務業務創新的企業，實證研究的檢驗結果能夠幫助理解用戶的感知價值構成和接受意愿的關鍵因素。

感知價值中主要因素（除感知易用以外）對于感知價值具有顯著作用，尤其是感知風險尤為突出。感知價值概念可以豐富UTAUT整合科技接受模型，具有較好的研究可延展性，而感知價值的概念定義和維度構建在后續的科技接受行為研究可以被發展應用出更多元的內容，使得可以更完整解釋和理解用戶在不同應用情境中的價值感知。另外，社會影響和助益情境兩大主干因素對于使用意愿的影響作用在研究中被檢驗顯著，為企業的基于互聯網的業務創新中提示了環境氛圍和條件準備的作用，也可以參考UTAUT2消費者接受模型加入其它的主干因素。

實證研究還檢驗了年齡、性別和工作中上網時長等因素對于模型主干關系的調節作用，盡管性別的調節作用沒得到結果支持，而年齡、工作中上網時長在感知價值和助益情境對于使用意愿的影響關系中具有明顯的調節作用，顯示討論個體用戶特征（諸如性別、年齡、經驗和教育水平等）對于用戶接受行為研究具有實際意義，能幫助理解特定特征的用戶群體在科技應用接受意愿和行為方面的差異和聯系。此外，模型中加入多個調節變量會給數據分析和結果解釋帶來更高的要求，需要探討數據處理和分析方法上的創新。endprint

參考文獻：

[1] Hasker， Kevin， Sickles， Robin， eBay in the Economic Literature： Analysis of an Auction Marketplace[J].Review of Industrial Organization， 2010， 37（1）.

[2] 中國商務部.中國電子商務報告（2012）[R].Free Press， 2013.

[3] Lucking-Reiley， David， Auctions on the Internet： What′s being Auctioned and How[J].Journal of Industrial Economics， 2000， 48（3）.

[4] 李東進，吳波，武瑞娟.中國消費者購買意向模型——對Fishbein合理行為模型的修正[J].管理世界， 2009（1）.

[5] 朱閣，馬龍，Sangwan Sunanda.基于社會認知理論的消費者采用模型和實證研究[J].南開管理評論， 2010，13（3）.

[6] 李凱，孫旭麗，嚴建援.移動支付系統使用意愿影響因素分析——基于交換理論的實證研究[J]. 管理評論， 2013（3）.

[7] Davis F.D.，Bagozzi R.P.，Warshaw P.R. User Acceptance of Computer Technology： A Comparison of Two Theoretical Models[J].Management Science， 1989， 35（8）.

[8] Venkatesh， V. and Davis， F.D. A theoretical extension of the technology acceptance model： four longitudinal filed studies[J].Management Science， 2000， 46（2）.

[9] Kim， Hee-Woong，Chan， Hock Chuan，Gupta， Sumeet. Value-based Adoption of Mobile Internet： An empirical investigation[J].Decision Support Systems， 2007， 43（1）.

[10]Venkatesh， V.， Morris， M. G.， Davis， G. B.， and Davis， F. D. User Acceptance of Information Technology： Toward a Unified View[J].MIS Quarterly， 2003， 27（3）.

[11]Ajzen， I.， Fishbein， M. Attitudes and the Attitude-Behavior Relation： Reasoned and Automatic Processes[J].European Review of Social Psychology， 2000， 11（1）.

[12]enkatesh， V.， Davis F.D. A Model of the Antecedents of Perceived Ease of Use： Development and Test[J].Decision Sciences， 1996， 27（3）.

[13]Chau， P. Y. K.， Hu， P. J. H. Information Technology Acceptance by Individual Professionals： A Model Comparison Approach[J].Decision Sciences，2001，32（4）.

[14]Elena Karahanna， Detmar W. Straub. The psychological origins of perceived usefulness and ease-of-use[J].Information and Management， 1999， 35（4）.

[15]Taylor， Shirley，Todd， Peter A. Understanding Information Technology Usage： A Test of Competing Models[J].Information Systems Research， 1995， 6（2）.

[16]Hu， P. J.， Chau， P. Y. K.， Sheng， O. R. L.， and Tam， K. Y. Examining the technology acceptance model using physician acceptance of telemedicine technology[J].Journal of Management Information Systems， 1999， 16（2）.

[17]Legris， P.， Ingham， J.， and Collerette， P. Why do people use information technology？ A critical review of the technology acceptance model[J]. Information and Management， 2003， 40（3）.

[18]Frolick， M. N. and Chen， L. D. Assessing m-commerce opportunities[J].Information Systems Management， 2004， 21（2）.endprint

[19]Svendsen， Gunnvald B.，Johnsen， Jan-Are K.，Alms-Srensen， Live，Vitters， Joar，Personality and technology acceptance： the influence of personality factors on the core constructs of the Technology Acceptance Model[J].Behaviour & Information Technology， 2013， 32 （4）： 34-323.

[20]Adams， D. A.， Nelson， R. R.， and Todd， P. A. Perceived usefulness， ease of use， and usage of information technology： a replication[J].MIS Quarterly， 1992， 16（2）.

[21]Straub， Detmar，Limayen， Moez. Measuring System Usage： Implications for IS Theory Testing[J].Management Science， 1995， 41（8）.

[22]Chan S.C.，Lu M. Understanding Internet Banking Adoption and User Behavior： A Hong Kong Perspective[J].Journal of Global Information Management， 2004， 12（3）.

[23]Kim， Hee-Woong，Chan， Hock Chuan，Gupta， Sumeet， Value-based Adoption of Mobile Internet： An empirical investigation[J].Decision Support Systems， 2007， 43（1）.

[24]Shiau， Wen-Lung，Chau， Patrick Y.K. Understanding blog continuance： a model comparison approach[J].Industrial Management & Data Systems， 2012， 112（4）.

[25]Cheng， Shu-Yun，Tsai， Ming-Tien， Cheng， Nai-Chang， Chen， Kun-Shiang. Predicting intention to purchase on group buying website in TaiwanVirtual community， critical mass and risk[J].Online Information Review， 2012， 36（5）.

[26]Keeney， Ralph L. The Value of Internet Commerce to the Customer[J].Management Science， 1999，45（4）.

[27]Moon， Ji-Won， Kim， Young-Gul， Extending the TAM for a World-Wide-Web context[J].Information & Management， 2001， 38（4）.

[28]Sheth， Jagdish N.，Newman， Bruce I.，Gross， Barbara L.， Why We Buy What We Buy： A Theory of Consumption Values[J].Journal of Business Research， 1991， 22（2）.

[29]Grewal， D.， Monroe， K.， Krishnan， R. The Effects of Price-Comparison Advertising on Buyers′ Perceptions of Acquisition Value， Transaction Value， and Behavioral Intentions[J].Journal of Marketing， 1998， 62（2）.

[30]Laurent， B.， Jeans-Charles， C.， Christian， C. Internet consumer value of university students： E-mail-vs.-Web users[J].Journal of Retailing and Consumer Services， 2002，9（2）： 61-69.

[31]Chen， Z.， Dubinsky， A. J. A Conceptual Model of Perceived Customer Value in E-Commerce： A Preliminary Investigation[J].Psychology & Marketing， 2003，20（4）： 323-347.

[32]Swaid， Samar I.， Wigand， Rolf T. The Effect of Perceived Site-to-Store Service Quality on Perceived Value and Loyalty Intentions in Multichannel Retailing[J]. International Journal of Management， 2012，29（3）.endprint

[33]Anderson， J. E.， Schwager， P. H.， Kerns， R. L. The Drivers for Acceptance of Tablet PCs by Faculty in a College of Business[J].Journal of Information Systems Education， 2006， 17（4）.

[34]陳華平，唐軍. 移動支付的使用者與使用行為研究[J].管理科學， 2006，19（6）.

[35]Chang， I. C.， Hwang， H. G.， Hung， W. F.， Li， Y. C. Physicians′ acceptance of pharmacokinetics-based clinical decision support systems[J].Expert Systems With Applications， 2007， 33（2）.

[36]周濤，魯耀斌，張金隆.整合TTF與UTAUT視角的移動銀行使用者采納行為研究[J].管理科學，2009（22）：75-82.

[37]Curtis， L.， Edwards， C.， Fraser K. L.， Gudelsky， S.， Holmquist， J.， Thornton， K.， Sweetser， K. D. Adoption of social media for public relations by nonprofit organizations[J].Public Relations Review， 2010， 36（1）.

[38]Gonzalez， George C.， Sharma， Pratyush Nidhi， Galletta， Dennis， Factors Influencing the Planned Adoption of Continuous Monitoring Technology[J].Journal of Information Systems， 2012， 26（2）.

[39]Venkatesh， V.，L. Thong， James Y.，Xu， Xin. Consumer Acceptance and Use of Information Technology： Extending the Unified Theory of Acceptance and Use of Technology， MIS Quarterly， 2012， 36（1）.

[40]Kim， Hee-Woong， Kankanhalli， Atreyi. Investigating User Resistance to Information Systems Implementation： A Status Quo Bias Perspective[J].MIS Quarterly， 2009， 33（3）.

[41]Chang， En-Chi， Tseng， Ya-Fen. Research note： E-store image， perceived value and perceived risk[J].Journal of Business Research， 2013， 66（7）.

[42]Bellman， Steven， Lohse， Gerald L.， Johnson， Eric J. Predictors of Online Buying Behavior[J].Communications of the ACM， 1999， 42（12）.

[43]Pavlou，Paul A，Fygenson， Mendel. Understanding and Predicting Electronic Commerce Adoption： An Extension of the Theory of Planned Behavior[J].MIS Quarterly， 2006， 30（1）.

[44]Loh， Lawrence， Ong， Yee-Shyuan.The adoption of Internet-based stock trading： a conceptual framework and empirical results[J].Journal of Information Technology， 1998， 13（2）.

[45]Yi-Shun Wang， Yu-Min Wang， Kevin P.， Hsin-Hui Lin， Tzung-I Tang. Determinants of user acceptance of Internet banking： an empirical study[J].International Journal of Service Industry Management， 2003， 14（5）.

[46]Hsiu-Fen Lin. Applicability of the Extended Theory of Planned Behavior in Predicting Job Seeker Intentions to Use Job-Search Websites[J].International Journal of Selection & Assessment， 2010， 18（1）.

[47]Ajzen， I. The Theory of Planned Behavior[J].Organizational Behavior and Human Decision Processes， 1991， 50（2）.

[48]Meng-Hsiang Hsu， Chao-Min Chiu. Predicting electronic service continuance with a decomposed theory of planned behaviour[J].Behaviour & Information Technology， 2004， 23（5）.endprint