知识管理论坛 >

2013 , Vol. 2013 >Issue 5: 25 - 37

DOI: https://doi.org/10.7536/j.issn.2095-5472.2013.05.004

综合类SNS社交网络个人用户持续使用行为的影响因素研究

  • 刘人境 ,
  • 柴婧 ,
  • 张莉莉
展开

刘人境 西安交通大学管理学院教授 博士生导师

张莉莉 西安交通大学管理学院电子商务系 硕士研究生

收稿日期: 2012-09-28

  网络出版日期: 2025-04-28

基金资助

国家社会科学基金资助项目“全球网络环境下的群体行为形成机制及风险预警研究”(12XGL009)

教育部博士点基金“互联网群体智能的形成机制及其应用研究”(20120201110068)

收起

Research on the Influencing Factors of Individual Users' Continuous Usage Behavior in Comprehensive SNS (Social Networking Service) Social Networks

  • Liu Renjing ,
  • Chai Jing ,
  • Zhang Lili
Expand

Received date: 2012-09-28

  Online published: 2025-04-28

Fold

摘要

以综合类SNS社交网络个人用户持续使用行为为研究对象，以信息系统持续使用理论为参考框架，整合计划行为理论，并针对SNS的特点引入感知娱乐、感知信任及习惯，建立研究模型。通过调查问卷获得532份有效问卷数据。研究结果表明：信息系统持续使用理论在SNS背景下有良好的适用性；主观规范和感知行为控制的显著性得到证实；感知娱乐对满意度和持续使用意向影响显著；习惯对实际使用行为的影响及对持续使用意向和行为之间的调节效应显著。

关键词： SNS社交网络; 信息系统持续使用模型; 计划行为理论; 感知娱乐; 感知信任; 习惯

本文引用格式

刘人境 , 柴婧 , 张莉莉 . 综合类SNS社交网络个人用户持续使用行为的影响因素研究[J]. 知识管理论坛, 2013 , 2013(5) : 25 -37 . DOI: 10.7536/j.issn.2095-5472.2013.05.004

1 引言

近年来，具有虚拟性、互动性和个性化等特征的Web 2.0浪潮席卷全球。在众多的Web 2.0应用中，社会性网络服务（social network service，SNS）发展迅速，深刻地改变着人们的沟通方式。2003年，SNS进入中国，经过近10年的蓬勃发展，获得了巨大的成功。但是目前我国SNS发展到了瓶颈期，新用户拓展空间狭小、增长乏力，沉睡用户规模不断扩大，同时SNS又面临其他社会化媒体如微博等的冲击，如何完善用户体验、激发用户持续使用，是SNS成功的关键。
从理论研究的角度看，用户的初始采纳行为只是SNS迈向成功的第一步，而持续使用行为决定其最终能否成功。从信息系统的角度划分，SNS属于享乐型信息系统[1]，国内外目前都采用信息系统研究领域的相关理论展开研究。近20年来，信息系统领域的研究都集中在初始采纳方面，形成了理性行为理论（TRB）、计划行为理论（TPB）、技术接受模型（TAM）等经典理论。但是，这些研究均基于静态观点，难以解释用户初始采纳后陷于沉睡的非持续行为[2]。为了解释信息系统用户的持续使用行为，国外很多学者在初始采纳模型的基础上做了诸多改进。目前，这一领域的研究已成为国际信息系统领域的前沿和热点。但这一问题在国内却没有得到应有的关注，鲜有相关的研究成果出现，存在极大的理论及实证研究空白。
考虑到现实及理论研究的需要，笔者以综合类SNS社交网络为研究对象，从个人用户角度出发，建立用户持续使用行为的影响因素模型，采用问卷调查法展开实证研究。本研究将会丰富信息系统用户持续使用研究体系，深化人们对信息系统持续使用行为的认识，为SNS产业的发展提供有效的理论指导。

2 文献综述

2.1 SNS社交网络

SNS 1997年诞生于美国[3]，2003年，在线社交网络的概念被提出，但直到2006年，才出现了SNS的完整定义。S. B. Barnes认为：“SNS是一种能够为人们提供与他人进行交互的在线个人空间的网站”[4]。D. M. Boyd等人认为SNS是一种基于互联网的服务，允许用户在一个有边界的系统内建立公开或半公开的网络空间，在空间里列出与自己有关联的其他用户，并通过与他们的交互建立人际关系网络[3]。维基百科将SNS定义为一种多人参与互动的网站，用户在这些网站上公开自己创造的内容，与其他有相同兴趣的人分享。
综合上述定义及相关理论，本研究认为SNS是指以互动交友为基础，基于用户间共同的兴趣爱好或真实的人际关系，以实名或者非实名的方式在网络平台上构建的一种社会关系网络服务，如Facebook、人人网、开心网、白社会等。定义的核心依据为是否满足了用户的社交需求，不包括以满足内容获取需求为核心的微博、博客等相关产品。
目前，学术界对SNS的分类尚无统一定论，最广为接受的是根据用户参与目的的不同，划分为综合类和垂直类SNS[3]。综合类SNS，是指用户以建立、维系和拓展人际关系为目的参与的社交网络，以人人网、开心网、QQ空间、51.com、搜狐白社会等为典型代表。垂直类SNS是指用户有具体社交目的而参与的社交网络，主要分为婚恋交友类、商务交友类和专业类。艾瑞咨询最新调研数据显示，综合类SNS是目前使用最广的社交网络，用户使用比率达到75.1%。考虑到综合类SNS拥有广大的用户群体，而垂直类SNS用户有具体的参与目的，一般都是短期参与行为，笔者将本文的研究范围确定为综合类SNS。

2.2 信息系统持续使用研究现状

2.2.1 国外信息系统持续使用研究现状

国外信息系统领域对用户行为规律的研究一直给予了极大的热情和关注，近20年来，这一领域的研究主要集中于初始采纳方面。但是，信息系统最终要获得成功，必须依赖用户的持续使用行为[5]。因此，国际学术界近年来开始关注用户持续使用的研究。
通过文献整理，笔者发现国外对信息系统持续使用的研究主要沿着两条主线展开：一方面，对TRB、TPB、TAM等用于研究信息系统初始采纳的经典模型进行追踪性扩展和改进，使之适用于解释用户持续使用；另一方面，结合不同学科的知识，引入全新的理论及研究构念，建立信息系统持续使用理论框架。
● 对于原有信息系统初始采纳模型的扩展和改进研究。1991年，I. Ajzen提出计划行为理论（TPB）[6]，被广泛用于解释信息系统的初始接受行为（模型见图1）。1995年，S. Taylor等人指出，TPB理论中用于解释初始采纳的态度、感知行为控制和主观规范等变量，不能很好地解释持续使用意向，基于此，他们对TPB理论进行了扩展建模[7]。2002年，学者V. Venkatesh等在TAM的基础上，添加了“以往使用行为”，采用实证方法验证模型[8]。2003年，D. Gefen在TAM的基础上，引入持续使用意向和习惯两个变量，以经验用户为研究对象，验证习惯对持续使用的影响[9]。之后，又有不少学者在经典理论模型的基础上，对信息系统持续使用做了扩展性研究。
图1 计划行为理论（TPB）模型
● 全新理论模型的构建。2001年，A. Bhattacherjee突破信息系统初始采纳研究的理论框架，引入期望确认理论（ECM），构建了全新的信息系统持续使用模型（ECM-ISC），以网上银行的持续使用为背景，验证了模型的有效性，为信息系统持续使用方面的研究做出了开创性的贡献，模型见图2[10]。ECM最初应用于消费者行为研究，关注消费者购买前的期望以及购买后的确认程度和重复购买行为之间的关系。A. Bhattacherjee认为信息系统用户的持续使用行为和消费者的重复购买行为存在着相似性，都是基于初始采纳后满意度的感知，来判断是否符合之前的期望，从而产生或者不产生后续使用行为。A. Bhattacherjee的这篇论文发表于MIS Quarterly，一经发表就在学术界引起了极为广泛的关注。有很多学者基于此模型，研究了多种信息系统用户的持续使用行为，验证了该模型的广泛适用性和强大解释力。
图2 信息系统持续使用模型（ECT-ISC）

2.2.2 国内信息系统持续使用研究现状

信息系统用户持续使用行为研究在国外已成为关注的热点，但是在国内却没有引起足够的重视，相关研究文献数量较少。
张楠等指出国际上信息系统使用研究呈现出从单一的静态研究向动态建模转变的趋势，由此才能够解释用户采纳后并不持续使用的矛盾，并以TAM为基础做了扩展研究[11]。毕新华等对信息系统持续使用相关文献进行了整合分析，验证了ECM模型的有效性，对用户类型和文化类型的调制效应进行了探索性分析[12]。周涛等从“使能因素”和“抑制因素”的双重视角出发研究移动商务用户持续使用行为的影响因素，其中，“使能因素”包括满意度、信任、感知价值等变量，“抑制因素”包括转换成本等变量[13]。刘鲁川等以ECM-ISC为基础，提出移动搜索用户持续使用模型并进行实证验证[14]。国内研究多是在综述国外相关理论的基础上，结合相应的情境进行修改，对信息系统持续使用的研究做出了有益的尝试。

2.3 SNS用户使用行为研究现状

随着SNS在全球掀起应用狂潮，2006年末，国际信息系统领域的学者开始关注SNS用户的初始采纳和持续使用行为。P. L. P. Rau等认为SNS与其他虚拟社区不同，情绪和社交驱动的作用更强烈，由此构建了人际密切度的构念，建立了SNS持续使用模型进行实证研究[15]。Hu Tao等人以ECM模型为基础，结合社会交换理论、社会资本理论和畅爽理论，提出SNS持续使用的主要影响因素，包括感知效益、感知成本以及满意度等，并进行了实证验证[16]。D. H. Shin以TAM为基础，结合流理论建立了SNS持续使用模型，分别针对美国和韩国的SNS用户发放调查问卷，研究不同文化背景下用户持续使用行为影响因素的不同，实证结果表明，模型在不同文化背景下都具有良好的解释和预测能力[17]。G. Harden在ECM的基础上进行扩展，验证了使用意向和感知娱乐对满意度的影响[18]。G. S. Leng等将TAM、TPB和内在动机理论进行整合，构建出SNS持续使用模型，以马来西亚的大学生为对象发放调查问卷进行实证研究[19]。
此外，还有一些国外学者借鉴其他领域的研究，结合信息系统采纳及持续使用的经典理论，构建模型来研究SNS情境下用户的使用行为规律。但截至2012年10月份，尚未见到国内学者针对SNS用户持续使用行为的实证研究。

3 理论基础及模型构建

本文以信息系统持续使用模型（ECT-ISC）为基础，结合SNS的特点整合计划行为理论（TPB），引入感知娱乐和感知信任两个认知变量，并引入习惯作为影响持续使用行为的变量及使用意向和行为之间的调节变量，建立研究模型，如图3所示:
图3 本研究的理论模型

3.1 理论基础的多样性

ECT-ISC被大量的高水平研究证实具有很强的稳健性，核心变量间关系可靠，变量测度有效且稳定，与用户对信息系统的持续使用心理认知过程最为贴合，因此本文将其作为理论基础。但是，该模型仅从个体心理认知角度出发，研究影响用户行为态度的感知有用和确认程度两个因素，没有考虑到环境因素及行为控制因素的影响，解释能力有限，而这两个被遗漏的因素在TPB中被证实对持续使用意向和行为有显著影响，因此，从理论角度来看，存在着将上述理论进行整合的必要性。
从笔者与多名经验用户的访谈结果来看，在实践角度上，也存在着将ECT-ISC与TPB进行整合的必要性。很多时候，用户使用SNS并不是为了获得有价值的信息或者娱乐，更重要是，信息时代快速的生活节奏和对网络严重的依赖，使大家疏于打电话、写信或者是发邮件来与朋友联系，随着朋友、同学、同事一个个加入SNS并进行互动交流，他们不得不加入并持续使用，否则，因为交流互动的缺失，其与朋友间的强关系会变弱，弱关系会变得不存在。也就是说，用户主观上感知到了他的朋友等他认为重要的人使用SNS，因而想要服从于这种趋势，这与TPB中“主观规范”的涵义不谋而合。此外，如果SNS页面设计复杂、功能应用程序繁琐，考虑到时间成本，用户登陆之后想做的可能也就是看看朋友的日志、状态、照片，除了短暂的停留，不会有持续性的使用行为。因此，用户对使用SNS的难易程度的感知也是非常重要的影响因素，而这一构念也能够为TPB中“感知行为控制”所表达。因此，ECT-ISC与TPB存在着很好的互补性，可通过这两个模型的整合，更好地解释用户对SNS的持续使用行为。
基于上述模型的整合，提出以下研究假设：
H1：SNS用户的感知有用正向影响持续使用意向；
H2：SNS用户的感知有用正向影响满意度；
H3：SNS用户的期望确认度正向影响感知有用；
H4：SNS用户的期望确认度正向影响满意度；
H5：SNS用户满意度正向影响持续使用意向；
H6：SNS用户的主观规范正向影响持续使用意向；
H7：SNS用户的感知行为控制正向影响持续使用意向；
H8：SNS用户的感知行为控制正向影响实际使用行为。

3.2 新的研究构念的引入

学者J. N. Lieberman最早提出娱乐性的概念，认为娱乐性是行为主体通过与环境的互动产生的积极的心理状态，是沉浸在某种经历中产生的愉悦感觉[20]。SNS属于享乐型信息系统，大多数用户使用SNS就是因为能够通过与朋友的互动、应用各种游戏、分享有意思的图片、视频等进行休闲娱乐。相比于微机系统、门户网站等功能型信息系统，SNS用户的娱乐感知会更强烈。学者P. Rosen等、D. Sledgianowski等认为，在SNS用户行为研究中，应该加入感知娱乐以更好地解释用户的行为意向[21-22]。因此，本文引入感知娱乐，作为与感知有用一样影响满意度和行为意向的感知变量。
网络环境下，由于网络的虚拟性和信息的不对称性，个人隐私安全和网络信任成为人们尤为关注的问题。2001年，学者Tan Yaohua, W. Thoen以电子商务为例研究了网络信任问题[23]。同年，学者M. Lee等人以电子商务服务用户为研究对象，分析了网络信任的构成维度和形成机制[24]。L. Carter等人研究了公众对于电子政务的信任及其影响因素[25]。SNS颠覆了“网络即为虚拟”的观念，以“真实可信赖”作为基本原则，目前，大多数SNS都采用实名制，要求用户使用真实身份进行注册。这样，用户的大量真实资料就完全呈现在网络中(虽然SNS供应商承诺不会利用用户的隐私获取商业利益)，例如，用户在SNS上提交的个人信息不会被搜索引擎搜索到，但是用户会担心SNS对于其个人信息的保护能力。并且，考虑到我国目前关于隐私保护和网络安全的法律制度尚不健全，在SNS用户行为研究中，特别需要强调用户的感知信任。因此，笔者引入感知信任，作为与感知有用一样影响用户满意度和行为意向的感知变量，并提出如下相关假设：
H9：SNS用户的感知娱乐正向影响持续使用意向；
H10：SNS用户的感知娱乐正向影响满意度；
H11：SNS用户的期望确认度正向影响感知娱乐。
H12：SNS用户的感知信任正向影响持续使用意向；
H13：SNS用户的感知信任正向影响满意度；
H14：SNS用户的期望确认度正向影响感知信任。

3.3 从意愿到行为的延伸——习惯的引入

根据持续使用行为产生的原因，可将其划分为有意识的使用行为和习惯性的使用行为[26]。有意识的持续使用行为，是用户基于理性思考之后的决定。习惯是在某种特定的情境下，通过不断的学习产生的自动的、无意识的行为[27]。笔者发现，目前信息系统领域中，绝大多数研究都是通过识别心理认知变量建立模型，基本假设都是这些变量影响了用户的使用意向，而意向则决定了行为。几乎所有的学者都采纳了这一看法，却没有人对持续使用行为进行区分，在各种实证研究中，对持续使用行为的测度都是采用单位时间内的使用次数、频率等来衡量。也就是说，学者们设定的因变量“持续使用行为”实际上包含了有意识的持续使用行为和习惯性使用行为，有意识的持续使用行为能够用各种心理认知变量所决定的“持续使用意向”来解释，而另一部分习惯性持续使用行为无法用意向来解释，这也是为什么各种模型中意向对行为的解释率都比较低。
2003年，学者M. Limayem等人指出，近20年来信息系统领域的研究都集中在用有意识的因素来解释持续使用行为，没有人注意到无意识的因素——习惯的影响。作者以TPB为基础，认为感知绩效、便利条件、社会影响等影响用户的使用意向，而习惯则和使用意向、便利条件一起影响实际使用行为。实证结果证明，习惯的引入增强了模型的解释力[28]。N. K. Lankton等人研究了习惯的形成机制及习惯对信息系统持续使用的影响[29]。B. Kim为了研究移动数据服务及应用（MDSA）的用户持续使用行为，在ECT-ISC的基础上，假设满意度和过去使用影响习惯，习惯直接影响持续使用行为，实证分析结果证实了这一假设[30]。
在关于习惯对用户持续使用行为影响的研究中，最引人注目的是学者M. Limayem等人2007年发表在国际知名高水平期刊MIS Quarterly上的文章[1]。文章认为，习惯和意向与持续使用行为之间的关系更为复杂，在稳定的环境中，用户的使用行为被重复性激发，用户的主动心理认知过程逐渐减少甚至停止，随着习惯的增强，意向对持续使用行为的解释能力减弱，因此习惯对持续使用意向和行为之间的关系起负向调节作用。作者以ECT-ISC为理论模型，万维网的使用为研究背景，验证了上述假设。M. Limayem等人2008年以网络学习技术为背景，再次验证了习惯对意向与行为的关系的调节作用[31]，这一研究成果也发表在国际知名学术期刊Information & Management上。
笔者分析认为，习惯对持续使用意向和持续使用行为之间的关系起负向的调节作用的机理其实是这样的：在研究模型中，持续使用行为包括有意识的和习惯性的使用行为，有意识的持续使用行为能够用由各种心理认知变量所决定的“持续使用意向”来解释，习惯性使用行为则能够通过习惯来解释。如果用户的习惯很强，那么习惯性使用行为在因变量“持续使用行为”中所占的比例增大，习惯能够解释的部分增多，而使意向能够解释的部分则相应减少。正是因为习惯性使用行为和有意识的使用行为之间这种此消彼长的替代关系，当习惯增强时，意向的解释能力减弱。
为验证上述分析，在整合模型的基础上，将因变量从持续使用意向延伸到持续使用行为，添加习惯作为影响持续使用行为的变量以及意向和行为间的调节变量，并提出下列研究假设：
H15：SNS用户的持续使用意向正向影响实际使用行为；
H16：SNS用户的习惯正向影响实际使用行为；
H17：SNS用户的习惯对持续使用意向和实际使用行为的关系有负向的调节作用。

4 研究设计

4.1 问卷设计

为了保证问卷调查科学、可靠地进行，问卷设计流程如下：①本文参考的研究成果基本都来自国外相关研究，采用双向翻译的方法翻译量表，并根据SNS的特征进行修改，形成问卷草稿。②对笔者的导师、研究团队成员以及西安交通大学管理学院部分有SNS使用经验的同学进行小规模访谈，进一步修正量表。③进行预调研，针对调研结果，进行信度效度分析，进一步净化题项，形成本研究的最终调查问卷。

4.2 数据收集

易观国际《中国SNS市场年度综合分析报告2010》显示[32]，我国SNS用户呈现低龄化特点，用户多为在校学生和年轻白领，因此，主要针对在校学生和年轻白领发放调查问卷。此外，由于本文研究的是用户的持续使用行为，只有具有SNS使用经验，才能准确地认知相关变量，因此，不具有SNS使用经验的用户所填写的问卷直接视为无效。
调查问卷发放主要采用电子问卷和纸质问卷两种途径。在人人网、QQ空间、朋友网、开心网、51.com、139.com等以站内信等形式发放了部分调查问卷；在笔者所在学校BBS以及众多同学所在不同高校的BBS上发放电子版调查问卷；在第三方网站问卷星（http://www.sojump.com/）上发布问卷。纸质调查问卷主要针对西安地区部分大学、高中在校学生以及部分国企、外企和事业单位的年轻员工发放。共发放电子问卷350份，其中有效问卷279份，有效回收率为94.26%；纸质问卷350份，其中有效问卷253份，有效回收率为85.19%。

5 实证分析

5.1 描述性统计分析

本研究正式调研共获得有效样本532个，特征变量包括性别、年龄、学历、职业及SNS使用经验。为了解样本统计量的基本结构和分布特性，判断问卷调查的有效性和样本数据的代表性，对特征变量进行分析，结果如表1所示：
表1 样本特征变量的描述性统计分析
特征变量 内容分类 频次 所占百分比（%）
性别 男 294 55.26
女 238 44.74


年龄		 15岁及以下 21 3.95
16岁-22岁 217 40.79
23岁-30岁 239 44.92
31岁-35岁 32 6.02
36岁及以上 23 4.32


学历		 高中/中专以下 52 9.77
大专 37 6.95
本科 194 36.47
硕士 203 38.16
博士及以上 46 8.65


职业		 学生 265 49.81
企业员工 194 36.47
教师/科研人员 21 3.95
公务员/事业单位员工 33 6.20
其他职业 19 3.57


SNS使
用经验		 1年及其以下 17 3.20
1年-2年（不含2年） 27 5.08
2年-3年（不含3年） 71 13.35
3年-4年（不含4年） 89 16.73
4年-5年（不含5年） 170 31.95
5年及其以上 158 29.69
《中国SNS市场年度综合分析报告2010》显示[32]，SNS用户性别结构与中国网民性别结构大致相同，男性占总体的52.6%，女性占总体的47.4%，且用户呈现低龄化特点，多为在校学生和年轻白领，16岁到22岁的用户占总体的37.1%，23岁到30岁的用户占44.2%。由表1可知，本研究的调查对象符合总体分布情况，具有较高的可靠性和代表性。

5.2 信度效度检验

5.2.1 信度检验

信度分析采用分析Cronbach’s α系数和复合信度（CR）两个指标，一般情况下，要求α系数大于0.7[33]，CR大于0.6[34]。对正式调研所获样本进行信度检验，结果见表2，所有变量的α系数和CR都满足要求，说明本研究调查问卷具有良好的信度。
表2 正式调研样本的信度检验结果
变量名称 α系数 复合信度（CR） 变量名称 α系数 复合信度（CR）
感知有用（PU） 0.806 0.809 期望确认度（EC） 0.707 0.815
满意度（S） 0.882 0.846 持续使用意向（CI） 0.779 0.802
实际使用行为（UB） 0.724 0.784 感知娱乐（PP） 0.848 0.903
感知信任（PT） 0.883 0.884 主观规范（SN） 0.786 0.874
感知行为控制（PBC） 0.783 0.843 习惯（H） 0.823 0.887

5.2.2 效度检验

效度检验包括聚合效度和区分效度两部分。聚合效度主要通过验证性因子分析来检验，采用Lisrel8.5进行分析，结果见表3，所有题项的标准因子载荷都在0.5以上，说明模型具有良好的聚合效度。
表3 聚合效度检验结果
变量名称 测量题项 标准因子载荷 变量名称 测量题项 标准因子载荷

感知有用
（PU）		 PU1 0.708
期望确认度
（EC）		 EC1 0.781
PU2 0.774 EC2 0.661
PU3 0.722 EC3 0.730
PU4 0.663 EC4 0.721

持续使用意向
（CI）		 CI1 0.719
实际使用行为
（UB）		 UB1 0.672
CI2 0.801 UB2 0.767
CI3 0.637 UB3 0.778
CI4 0.673

满意度
（S）		 S1 0.510

感知娱乐
（PP）		 PP1 0.798
S2 0.788 PP2 0.834
S3 0.780 PP3 0.842
S4 0.776 PP4 0.783
S5 0.744 PP5 0.772


感知信任（PT）		 PT1 0.800

主观规范(SN)		 SN1 0.770
PT2 0.787 SN2 0.775
PT3 0.794 SN3 0.762
PT4 0.775 SN4 0.783
PT5 0.726 SN5 0.723


感知行为控制
（PBC）		 PBC1 0.768

习惯（H）		 H1 0.745
PBC2 0.726 H2 0.780
PBC3 0.752 H3 0.846
PBC4 0.672 H4 0.812
PBC5 0.680 H5 0.722
区分效度主要通过平均方差抽取量（AVE）来反映，变量的AVE应大于0.5，且其平方根要大于与其他变量的相关系数[34]。表4是变量间的相关系数矩阵，对角线上是各变量AVE的平方根。表中变量AVE的平方根都大于0.707，说明AVE大于0.5；所有变量的AVE的平方根都大于与其余变量的相关系数。说明模型具有良好的区分效度。
表4 相关系数矩阵及AVE平方根值
变量 PU EC S CI UB PP PT SN PBC H
PU 0.718
EC 0.335 0.725
S 0.327 0.622 0.727
CI 0.309 0.481 0.573 0.710
UB 0.147 0.163 0.263 0.312 0.741
PP 0.282 0.510 0.603 0.538 0.285 0.806
PT -0.027 0.287 0.280 0.290 0.235 0.340 0.777
SN 0.328 0.346 0.387 0.435 0.268 0.440 0.180 0.763
PBC 0.381 0.376 0.393 0.337 0.180 0.353 0.121 0.450 0.721
H 0.276 0.221 0.282 0.319 0.351 0.301 0.155 0.332 0.316 0.782
注：PU代表感知有用，EC代表期望确认度，S代表满意度，CI代表持续使用意向，UB代表实际使用行为，PP代表感知娱乐，PT代表感知信任，SNS代表主观规范，PBC代表感知行为控制，H代表习惯。

5.3 结构方程模型分析

5.3.1 测量模型检验

测量模型检验关注观察变量能否反映其对应的潜变量，即整体模型适配度的评估。采用Lisrel8.5进行检验结果，见表5。表中，RMSEA为0.064，NFI、NNFI、CFI、IFI及RFI都大于0.9，GFI、AGFI虽不太符合建议值，但也都比较接近0.9，考虑到模型变量数目多且比较复杂，认为整体适配度较好，可以用于结构模型检验。
表5 整体模型适配度指标检验结果
拟合指数 RMSEA GFI AGFI NFI NNFI CFI IFI RFI
建议值 ≦5 ≦0.08 ≧0.9 ≧0.9 ≧0.9 ≧0.9 ≧0.9 ≧0.9 ≧0.9
实际值 3.170 0.064 0.84 0.81 0.94 0.95 0.96 0.96 0.93

5.3.2 结构模型检验

根据概念模型建立结构方程模型，习惯的调节效应将在下节中用SPSS 16.0进行分析，不进入全模型。采用Lisrel8.5进行结构模型检验，结果如表6所示：
表6 结构方程模型的假设检验结果
相关假设 验证路径 符号表示 标准路径系数 T值 验证结果
H1 感知有用—持续使用意向 PU—CI -0.013 -0.336 不成立
H2 感知有用—满意度 PU—S -0.074 -1.482 不成立
H3 期望确认度—感知有用 EC—PU 0.538 6.629 成立
H4 期望确认度—满意度 EC—S 0.714 5.645 成立
H5 满意度—持续使用意向 S—CI 0.809 8.408 成立
H6 主观规范—持续使用意向 SN—CI 0.191 2.477 成立
H7 感知行为控制—持续使用意向 PBC—CI 0.141 2.767 成立
H8 感知行为控制—实际使用行为 PBC—UB 0.232 2.355 成立
H9 感知娱乐—持续使用意向 PP—CI 0.182 2.671 成立
H10 感知娱乐—满意度 PP—S 0.225 2.674 成立
H11 期望确认度—感知娱乐 EC—PP 0.723 3.827 成立
H12 感知信任—持续使用意向 PT—CI 0.050 1.349 不成立
H13 感知信任—满意度 PT—S -0.018 -0.420 不成立
H14 期望确认度—感知信任 EC—PT 0.426 4.529 成立
H15 持续使用意向—实际使用行为 CI—UB 0.608 8.491 成立
H16 习惯—实际使用行为 H—UB 0.342 4.050 成立
模型中6个内生变量感知有用、满意度、持续使用意向、实际使用行为、感知娱乐和感知信任的方差解释率分别为0.29、0.69、0.66、0.60、0.52和0.18，而ECT-ISC中感知有用、满意度和持续使用意向的方差解释率分别为0.20、0.33和0.41，说明本研究在ECT-ISC基础上进行的整合有效提高了模型的解释能力；除习惯的调节效应在下一节分析外，模型中16个假设对应的路径系数只有4个不显著，说明研究取得了较为理想的结果。

5.4 调节效应分析

采用SPSS 16.0分析习惯对持续使用意向和实际使用行为之间的关系的调节效应。首先，在模型中生成习惯和持续使用意向的乘积项代表调节效应；其次，为消除变量间多重共线性的影响，对模型中涉及调节效应的变量——持续使用意向、实际使用行为、习惯、感知行为控制及习惯和持续使用意向的乘积项进行标准化处理，即用变量的因子值减去其均值所得到的数值作为因子数值；最后，将经标准化处理的变量放入回归模型中，以实际使用行为为因变量，持续使用意向、习惯、感知行为控制及习惯和持续使用意向的乘积为自变量，进行强制回归，结果如表7所示：
表7 习惯的调节效应的强制回归结果
模型 未标准化系数 标准系数
Beta分布		 T值 显著性
（Sig.）		 共线性统计量
B值 标准误 TOL VIF
常数 -1.502E-15 .040 —— .000 1.000
持续使用意向（CI） .372 .143 .372 2.596 .010 0.068 14.654
感知行为控制（PBC） .108 .041 .108 2.633 .009 0.812 1.232
习惯（H） .494 .176 .494 2.802 .005 0.309 3.241
习惯的调节效应（H*CI） -.260 .269 -.260 -2.662 .008 0.268 3.742
R=0.511， R=0.261， 调整后R=0.256， F改变值的显著性0.000
从表中结果可知，F改变值的显著性水平小于0.05，回归模型的整体效果非常显著。从各个自变量的多元共线性指标容忍度（TOL）和方差膨胀因素（VIF）来看，自变量间的共线性问题不是很明显，回归结果可以接受。持续使用意向、感知行为控制及习惯的标准系数分别为0.143、0.108和0.494，并且都显著，说明这三个变量都正向影响实际使用行为，这与结构方程模型的分析结论一致。习惯和持续使用意向乘积项的标准系数为-0.260，并且显著，说明习惯对持续使用意向和实际使用行为的关系起调节作用，假设H17成立。
至此，本文的全部假设检验完成，绘制研究模型检验结果，如图4所示：
图4 研究模型检验结果

6 结论与启示

6.1 研究结论

本研究的17个假设中，有13个成立，假设检验结果形成了以下的研究结论：
● ECT-ISC与TPB的整合对解释SNS的持续使用有良好的适用性，模型整体的R2达到0.60，即可以解释用户实际使用行为60%的变动方差，说明本研究取得了较好的效果。
● 与ECT-ISC对应的5个假设中，期望确认度显著影响感知有用和满意度，满意度显著影响持续使用意向，而感知有用对满意度和持续使用意向的影响不显著，可能的原因有以下两方面：①前人的研究对象是功能型信息系统，如办公软件、网上银行等，感知有用对满意度和持续使用意向有强烈的影响，而SNS属于享乐型信息系统，可能用户对休闲娱乐的感知甚过于有用性的感知，导致感知有用的作用不再明显；②功能型信息系统的使用彼此独立，用户完全根据自己的需求做出选择，基本不受其他用户的影响，而SNS具有强烈的社会性，用户的使用选择和心理感知会受到其他用户的影响，用户可能只是将SNS当成一种社交工具，并没有产生强烈的正面情绪，因此导致感知有用对满意度和持续使用意向的影响不显著。
● 所整合的计划行为理论的主观规范和感知行为控制两个构念的显著性都得到证实，证明通过整合，模型的整体解释力增强。
● 结合SNS特点引入的两个变量中，感知娱乐对满意度和持续使用意向影响显著，而感知信任的影响不显著。在本研究之前，学者I. L. Wu等 [35]、J.Y.L.Thong等 [36]、O. K. Lean等 [37]通过实证研究证实了感知信任对满意度和持续使用意向的正向影响，本文的假设检验结果并不意味着否定它们之间的关系，但可从以下两方面进行解释：①上述学者的研究对象都是网上银行、报税系统等功能型信息系统，其使用与用户的个人经济利益直接相关，个人信息的泄漏会给用户造成损失，因此感知信任是非常重要的考虑因素。但SNS属于享乐型信息系统，用户的主要目的是休闲娱乐和交友，并不涉及重要的经济利益，因此，用户对个人信息的披露并不敏感，导致感知信任对满意度和持续使用意向的影响不显著。②功能型信息系统的使用彼此独立，用户完全根据自己的需求做出选择，基本不受其他用户的影响，而SNS具有强烈的社会性，用户可能对社交网络并不信任，但是因为同学、朋友和同事等都在使用，便不得不继续使用，用户自身并没有产生强烈的信任感知，从而导致感知信任对满意度和持续使用意向的影响不显著。
● 习惯与实际使用行为正相关，且对持续使用意向和行为的关系有负向的调节作用。本文引入习惯这一变量，分析了习惯对实际使用行为的影响及其调节效应的机理，通过实证检验得到证实，进一步增强了模型的解释力，弥补了现有研究的不足。

6.2 研究启示

基于上述研究结论，对SNS运营商提出以下管理建议：①不断开发新功能，增强用户的有用感知，例如，可通过新鲜事发布、生日提醒、日志评论、圈照片等功能，增进用户间的互动，使用户切实感受到SNS能够帮助自己管理人际关系；②积极开发娱乐功能，不断提高SNS的娱乐性，使用户在交友之余能够休闲娱乐、放松身心，以获得较强的娱乐感知，产生较高的满意度和持续使用意向；③用户对SNS保护个人隐私能力的信任程度，会影响上传资料的数量、内容和开放性，继而影响与朋友间的了解和互动，因此，SNS运营商应努力提高保护用户隐私的能力，增强用户的信任感知；④考虑到主观规范的重要影响，SNS运营商要充分利用朋友、同事等的影响力，例如，可设置邀请好友的奖励功能，对通过发送站内信、留言、站内即时通讯等方式邀请好友的用户予以奖励，不断推送“您的好友在玩某种游戏，您是否要尝试”等站内信息，吸引潜在用户加入SNS，促使非活跃用户向活跃用户转变；⑤持续重视SNS网站设计，重视页面和操作的友好性，增强页面布局的合理性，保证信息的及时、准确和有效性，提高搜索速度和搜索能力，注重有用性和易用性的平衡，增强用户的行为控制感知；⑥期望确认度对感知有用、感知娱乐、感知信任和满意度均有显著的正向影响，期望确认度是用户使用前的心理预期和使用后的感知之间的差异程度，过高的心理预期会降低期望确认度，而过低的心理预期使用户产生不良印象，影响用户的采纳和使用意向，因此，SNS运营商要加强宣传，帮助用户了解SNS的功能和应用，引导用户形成合理的心理预期；⑦重视培养用户的使用习惯，例如，可对连续数天登陆，每次登陆后停留时间在规定时长之上的用户和发帖数量较多、分享较多、与朋友互动较多的活跃用户提供奖励，激励用户持续使用，培养用户的习惯性使用行为，从而提高用户黏性，稳定和扩大用户群，促进SNS稳定持续发展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Limayem M, Hirt S G, Cheung C M K. How habit limits the predictive power of intention: The case of information systems continuance[J]. MIS Quarterly, 2007, 31(4): 705-737.

[2]
Jasperson J, Carter P E, Zmud R W. A comprehensive conceptualization of post-adoptive behaviors associated with information technology enabled work systems[J]. MIS Quarterly, 2005, 29(3): 525-557.

[3]
Boyd D M, Ellison N B. Social network sites: Definition, history, and scholarship[J]. Journal of Computer-Mediated Communication, 2007,13(1): 210-230.

[4]
Barnes S B. A privacy paradox: Social networking in the United States[J/OL]. [2011.11].http://www.firstmonday.org/issues/issue11_9/barnes/index.html.

[5]
Saga V L, Zmud R W. The nature and determinants of IT acceptance, routinization, and infusion[C]//Diffusion Transfer and Implementation of Information Technology. New York,USA. Elsevier Science Inc,1994:67-86.

[6]
Ajzen I. The theory of planned behavior[J]. Organizational Behavior and Human Decision Processes, 1991, 50(2): 179-211.

[7]
Taylor S, Todd P A. Assessing IT usage: The role of prior experience[J]. MIS Quarterly, 1995, 19(4): 561-570.

[8]
Venkatesh V, Speier C, Morris M G. User acceptance enablers in individual decision making about technology: Toward an integrated model[J]. Dceision Sciences, 2002, 33(2): 297-316 .

[9]
Gefen D. TAM or Just plain habit: A look at experienced online shoppers [J]. Journal of End User Computing, 2003, 15(3):1-13.

[10]
Bhattachejree A. Understanding information systems continuance: An expectation-confirmation model[J]. MIS Quarterly, 2001, 25(3): 351-370.

[11]
张楠, 郭迅华, 陈国青. 信息技术初期接受扩展模型及其实证研究[J]. 系统工程理论与实践, 2007, 27(9): 123-130.

[12]
毕新华，齐晓云，段伟花. 基于ECM模型的IT持续使用整合分析[J]. 情报研究，2010(8): 40-44.

[13]
周涛, 鲁耀斌, 张金隆. 使能因素与抑制因素双重视角下的移动商务用户采纳后行为研究[J]. 中国地质大学学报(社会科学版), 2010, 10(1): 120-124.

[14]
刘鲁川, 孙凯, 王菲，等. 移动搜索用户持续使用行为实证研究[J]. 中国图书馆学报，2011, 37(6):50-57.

[15]
Rau P L P, Gao Qing, Ding Yinan. Relationship between the level of intimacy and lurking in online social network services[J]. Computers in Human Behavior, 2008, 24(6): 2757-2770.

[16]
Hu,Tao, Kettinger W J. Why people continue to use social networking services: Developing a comprehensive model[C/OL].[2011-08-01].http://aisel.aisnet.org/icis2008/89.

[17]
Shin D H. Analysis of online social networks: A cross-national study[J]. Online Information Review, 2010, 34(3): 473-495.

[18]
Harden. G. Satisfaction with social networking sites: Effect of playfulness and change in use[C/OL]. [2011-07-01]. http://aisel.aisnet.org/amcis2010/101.

[19]
Leng G S, Lada S, Muhammad M Z, et.al. An exploration of social networking sites (SNS) adoption in Malaysia using technology acceptance model (TAM), theory of planned behavior (TPB) and intrinsic motivation[J]. Journal of Internet Banking and Commerce, 2011, 16 (2):1-27.

[20]
Lieberman J N. Playfulness: Its relationship to imagination and creativity[C]//New York: Academic Press,1977: 163-175.

[21]
Rosen P, Sherman P. Hedonic information systems: Acceptance of social networking websites[C/OL]. [2010-07-01]. http://aisel.aisnet.org/amcis2006/162.

[22]
Sledgianowski D, Kulviwat S. Social network sites: Antecedents of user adoption and usage[C/OL]. [2010-09-01]. http://aisel.aisnet.org/amcis2008/83.

[23]
Tan Yaohua, Theon W. Toward a generic model of trust for electronic commerce[J]. International Journal of Electronic Commerce, 2001, 5(2): 61-74.

[24]
Lee M，Turban E. A Trust model for consumer internet shopping[J]. International Journal of Electronic Commerce, 2001, 6(1): 75-91.

[25]
Carter L, Belange F. The utilization of e-government services citizen trust, innovation and acceptance factors[J]. Information System Journal, 2005, 15(1): 5-25.

[26]
肖怀云. MC消费者持续使用行为演化分析[J]. 西安电子科技大学学报（社会科学版）, 2011, 21(6): 49-54.

[27]
Verplanken B, Aarts H, Knippenberg A V. Habit, information acquisition, and the process of making travel mode choices[J]. European Journal of Social Psychology, 1997, 27(5): 539-560.

[28]
Limayem M, Hirt S G. Force of habit and is usage: Theory and initial validation[J]. Journal of the Association for Information Systems, 2003, 4(1): 65-95.

[29]
Lankton N K, Wilson E V, Mao En. Antecedents and determinants of information technology habit[J]. Information & Management, 2010, 47(5-6): 300-307.

[30]
Kim B. The diffusion of mobile data services and applications: Exploring the role of habit and its antecedents[J]. Telecommunications Policy, 2012, 36(1): 69-81.

[31]
Limayem M, Cheung C M K. Understanding information systems continuance: The case of internet-based learning technologies[J]. Information & Management, 2008, 45(4): 227-232.

[32]
易观国际. 中国SNS市场年度综合分析报告2010[EB/OL].[2011-02-01]. http://www.analysys.com.cn/list.php.

[33]
Nunnally J C. Psychometric theory[M]. New York: McGraw-Hill, 1978.

[34]
吴明隆. 结构方程模型——AMOS的操作与应用[M].重庆：重庆大学出版社,2009.

[35]
Wu I L, Chen Jianliang.() An extension of trust and tam model with tpb in the initial adoption of on-line tax: An empirical study[J]. Human-Computer Studies, 2005, 62(6): 784-808.

[36]
Thong J Y L, Hong S J, Tam K Y. The effects of post-adoption beliefs on the expectation-confirmation model for information technology continuance[J]. International Journal of Human-Computer Studies, 2006, 64(9):799-810.

[37]
Lean O K, Zailani S, Ramayah T, et al. Factors influencing intention to use e-government services among citizens in Malaysia[J]. International Journal of Information Management 2009, 29(6): 458-475.

Options
文章导航

/

〈 〉