扩展功能
文章信息
- 张涛, 张燕, 张文坤
- ZHANG Tao, ZHANG Yan, ZHANG Wen-kun
- 基于科技接受模型的ETC用户使用行为研究
- Study on Usage Behaviors of ETC Users Based on TAM
- 公路交通科技, 2020, 37(7): 122-128
- Journal of Highway and Transportation Research and Denelopment, 2020, 37(7): 122-128
- 10.3969/j.issn.1002-0268.2020.07.016
-
文章历史
- 收稿日期: 2019-07-29
2. 山东中医药高等专科学校, 山东 烟台 264199;
3. 山东交通学院, 山东 济南 250357
2. Shandong College of Traditional Chinese Medicine, Yantai Shandong 264199, China;
3. Shandong Jiaotong University, Jinan Shandong 250357, China
电子不停车收费(Electronic Toll Collection,ETC)系统可以节省通行时间、提高燃油小路、减轻高速收费站拥堵,同时又可节约基建成本和降低运营成本,世界各国大力推行ETC技术[1]。
我国1996年开始与日本、美国企业交流学习不停车收费技术,1998年广东省率先引进不停车收费设备,建成20余条不停车收费车道并投入使用[2]。为规范和促进ETC收费系统在国内的应用,交通运输部指导交通运输部公路科学研究所等有关单位制定ETC设备接口规范和技术指标,1999年在北京、广东、江苏、四川等省市开展ETC示范工程建设[2]。但是,由于管理体制、ETC应用范围局限、车载设备费用高、折扣低、宣传不足等原因导致我国ETC用户数量低于预期[3],2017年2月底我国ETC客户数达到4 767.44万[1], 2019年2月底我国ETC用户约为7 493万[4]。
2019年上半年交通运输部印发《关于大力推动高速公路ETC发展应用工作的通知》,2019年底实现全国高速公路不停车快捷收费的目标,各省汽车ETC安装率要达到80%以上,使用率要突破90%。交通运输部数据显示,截止到2019年12月19日,全国ETC用户累计达到19 223.44万,超额完成发行目标。
但是,安装ETC设备与使用ETC服务是两个不同的概念,车主们安装了ETC设备是否能够使用ETC服务?为什么选择使用ETC服务?车主ETC服务使用意愿受哪些因素影响?解决这些问题将有助于我们将ETC设备的持有者转变为ETC服务的使用者。
科技接受模型(Technology Acceptance Model,TAM)从消费者感知、态度、行为意图等方面来解释消费者接受信息技术的过程,纬度具有代表性,被广泛应用于科技产品消费者行为研究中,而运用到交通信息方面的研究较少,仅有李华强等[5]和王雨桐等[6]基于计划行为理论和科技接受模型,分析了智能交通技术下居民绿色出行影响因素。王雨桐等[6]基于改进科技接受模型构建了研究模型,对驾驶员诱导信息的采用意愿进行了研究。ETC是一种新型的科技产品,可以使用科技接受模型分析我国车主ETC使用行为。
本研究将借鉴现有科技接受模型的相关研究结论,构建研究假设,分析ETC用户的感知有用性、感知易用性、态度与行为倾向等之间的关系。
1 研究假设1989年,Davis在理性行为理论(TRA)的基础上构建了科技接受模型,从感知有用性(Perceived Usefulness)、感知易用性(Perceived Ease of Use)、态度(Attitude)和行为倾向(Behavior Intention)等方面解释用户接受信息技术的过程。根据科技接受模型,外部变量影响感知有用性和感知易用性;外部变量和感知易用性共同影响感知有用性;感知易用性和感知有用性共同影响态度;感知有用性和态度共同影响行为倾向[7]。随着研究的深化,科技接受模型被引入了更多的内部和外部变量,内容更加丰富,形成了系统的模型体系, 被广泛应用于研究各种信息技术的接受,应用范围越来越广。
近年来,我国学者应用科技接受模型进行了深入的研究,验证了科技接受模型核心变量间的关系。李进华、王凯利[8]和徐菲菲、黄磊[9]等验证了感知易用性和感知有用性的关系。李进华、王凯利[8]研究结果表明感知易用性对感知有用性有显著正向影响,感知有用性对行为意愿有显著正向影响。徐菲菲、黄磊[9]研究结果发现,游客感知有用性、感知易用性显著正向影响使用意愿;感知易用性对感知有用性有显著影响、使用意愿对使用行为有显著正向影响。
黄传慧和明均仁[10]、王昶、吕夏冰和孙桥[11]、郭英之和李小民[12]和王若宸、母咏然等[13]的研究验证了感知易用性和感知有用性对态度影响。黄传慧和明均仁[10]研究结果表明,感知有用性、感知易用性、信息质量显著影响学术用户态度。王昶、吕夏冰和孙桥[11]研究结果表明:感知有用性、感知收益和主观规范对“互联网+回收”态度有正向影响,感知易用性和感知风险对态度作用并不显著,但感知易用性可通过感知有用性对其产生间接影响。郭英之和李小民[12]研究发现:感知易用性显著影响感知有用性,感知有用性显著影响使用态度;使用态度显著影响使用意愿。王若宸、母咏然等[13]实证结果表明:感知有用性、感知易用性显著影响使用态度。
马志浩和葛进平[14]、李浩君、冉金亭[15]和魏群义、姚媛和李艺亭[16]等的研究验证了态度对于行为倾向的影响。马志浩和葛进平[14]发现网络直播平台采纳者的态度显著影响直播品牌持续使用意图,但非采纳者的态度与其采纳意图负相关。李浩君、冉金亭[15]移动图书馆的用户的感知有用性和态度正向影响行为意愿;系统质量和感知有用性正向影响用户态度。魏群义、姚媛和李艺亭[16]研究表明,微信图书馆用户的感知易用性、感知有用性通过使用态度间接影响用户使用意愿。
上述研究均验证了科技接受模型中核心变量:感知有用性、感知易用性、使用态度、行为倾向间的关系。参考以往研究结论,本研究提出如下假设:
假设1:用户对ETC的感知易用性显著影响感知有用性。
假设2:用户对ETC的感知有用性显著影响态度。
假设3:用户对ETC的感知易用性显著影响态度。
假设4:用户对ETC的态度显著影响行为倾向。
2 研究设计 2.1 研究对象本研究使用线上调查方式实施正式调查,调查对象为ETC用户。为保证调查回收资料的有效性,问卷中设置过滤性问题,排除不符合要求的被调查者。2019年3月1日~4月15日实施正式调查,共收集445有效问卷。本研究被调查者基本信息如表 1所示。
分组 | 频率 | 百分比 | |
性别 | 男性 | 114 | 25.6 |
女性 | 331 | 74.4 | |
驾龄/年 | <5 | 281 | 63.1 |
5~10 | 159 | 35.7 | |
>10 | 5 | 1.1 | |
收入/元 | 4 000以下 | 192 | 43.1 |
4 001~6 000 | 108 | 24.3 | |
6 001~8 000 | 76 | 17.1 | |
8 001以上 | 69 | 15.5 |
2.2 测量工具 2.2.1 量表设计
本研究借鉴使用前人测量量表对于用户对ETC的感知有用性、感知易用性、态度和行为倾向进行测量,各量表均使用李克特七点尺度。
(1) 感知有用性
感知有用性为用户使用特定应用系统将提高其工作绩效的主观概率[7],也就是用户感觉使用这项应用系统会给他们的生活或工作带来便利,节省时间、提高效率。用户对ETC感知有用性主要表现为用户认为使用ETC能够给车主带来缴费便捷、节约时间、节约费用、降低油耗等方面的便利。本研究借用Liébana Cabanillas et al.[17]; Davis[7]的度量量表测量用户的ETC感知有用性。“1 = 完全不同意”到“7 = 完全同意”,得分越高表明ETC用户感知到的ETC有用性越高。本研究中,感知有用性的内部一致性信度科隆巴赫系数为0.755。
(2) 感知易用性
感知易用性是指用户在使用某种系统或新技术时,感知到的难易程度[7]。ETC的感知易用性主要体现在操作简便、售后服务简便、缴费便捷等方面。本研究借用Wang et al. [18]; Davis [7]的度量量表测量用户的ETC感知易用性。“1 = 完全不同意”到“7 = 完全同意”,得分越高表明ETC用户感知到的ETC易用性越高。本研究中,感知易用性的内部一致性信度科隆巴赫系数为0.775。
(3) 态度
态度是心理学的概念,指的是个人对某种事物、行为和思想的认知评价,一般情况下,态度包括3部分内容:认知、情感和行为表现,是一种主观的倾向[19]。用户对ETC态度主要指用户熟悉ETC的知识、使用ETC服务时的感受和ETC使用情况。本研究中借用Moon J, Kim Y[20]的量表测量ETC用户的态度,“1 = 完全不同意”到“7 = 完全同意”,得分越高表明ETC用户对于ETC的态度越肯定。本研究中,态度的内部一致性信度科隆巴赫系数为0.742。
(4) 行为倾向
行为倾向是指个人从事某个特定行为的主观概率,个人的这种倾向越强代表实际从事该行为的可能性越大[21]。本研究中的行为倾向指用户使用ETC的意愿,主要包括3部分内容:个人积极使用、重复使用、推荐使用。本研究使用Liébana Cabanillas et al.[17]的度量表测量ETC用户的行为倾向,从“1 = 完全不同意”到“7 = 完全同意”七点尺度进行测量,得分越高表明ETC用户使用ETC服务的可能性越高。本研究中行为倾向的内部一致性信度科隆巴赫系数为0.877。
2.3 统计分析方法研究调查分为预调查和正式调查两部分。预调查于2018年12月1日至2019年1月15日进行,采取便利抽样选取50名ETC用户实施调查。根据徐茂洲等[22]的建议,对预调查回收资料进行分析处理。分别计算感知有用性、感知易用性、态度、行为倾向4个潜变量所包含的各问题之间的相关系数,未发现相关系数高于0.9的问题。然后分别每个问题与所属的潜变量之间的相关系数,未发现相关系数低于0.3的问题。本研究中,所有问题均符合要求,故均予以保留。
本研究中使用统计分析软件SPSS24.0和AMOS24.0对各测量变量的信度、效度、区别效和模型的拟合度进行检验,探讨用户对ETC的感知有用性、感知易用性、态度与行为倾向之间的关系。
3 结果与分析 3.1 信效度分析 3.1.1 信度与效度检验如表 2所示,本研究中各潜变量的因子负荷量在0.659~0.953之间,各潜变量组成信度(CR)在0.725~0.886之间,各潜变量的平均方差提取值(AVE)在0.467~0.724之间,各项指标均符合Hair,Anderson,Tatham & Black[23];Fornell & Larcker[24]的标准,感知有用性、感知易用性、态度和行为倾向4个潜变量均具有较高的信度和效度。
潜变量 | 观察变量 | 显著性检验参数 | Std. | 题目信度 | 组成信度 | 平均方差提取值 | |||
Unstd. | S.E. | Z | p | SMC | CR | AVE | |||
感知有用性 | PU1 | 1 | 0.742 | 0.551 | 0.755 | 0.507 | |||
PU2 | 1.038 | 0.079 | 13.128 | *** | 0.708 | 0.501 | |||
PU3 | 0.898 | 0.07 | 12.754 | *** | 0.684 | 0.468 | |||
感知易用性 | PEOU1 | 1 | 0.734 | 0.539 | 0.773 | 0.532 | |||
PEOU2 | 0.823 | 0.065 | 12.748 | *** | 0.677 | 0.458 | |||
PEOU3 | 0.955 | 0.067 | 14.214 | *** | 0.774 | 0.599 | |||
态度 | Att1 | 1 | 0.659 | 0.434 | 0.725 | 0.467 | |||
Att2 | 1.149 | 0.096 | 11.925 | *** | 0.710 | 0.504 | |||
Att3 | 1.137 | 0.098 | 11.583 | *** | 0.681 | 0.464 | |||
行为倾向 | BI1 | 1 | 0.734 | 0.539 | 0.886 | 0.724 | |||
BI2 | 1.277 | 0.067 | 19.068 | *** | 0.953 | 0.908 | |||
BI3 | 1.198 | 0.066 | 18.112 | *** | 0.851 | 0.724 | |||
注:***表示p < 0.001. |
3.1.2 区别效度检验
根据Fornell & Lacker[24]的建议,各潜变量的平均方差提取值(AVE)开根号值大于其对应变量的相关系数,则各潜变量具有区别效度。表 3中,对角线加粗值为感知有用性、感知易用性、态度、行为倾向的平均方差提取值(AVE)开根号值,对角线左下方为相关变量的相关系数。各潜变量平均方差提取值(AVE)开根号值均大于对角线左下方的相关系数。因此,本研究中感知有用性、感知易用性、态度和行为倾向各潜变量具有区别效度。
AVE | 感知有用性 | 感知易用性 | 态度 | 行为倾向 | |
感知有用性 | 0.507 | 0.712 | |||
感知易用性 | 0.532 | 0.601 | 0.729 | ||
态度 | 0.467 | 0.53 | 0.548 | 0.683 | |
行为倾向 | 0.724 | 0.52 | 0.419 | 0.482 | 0.851 |
注:对角线加粗值为平均方差提取值(AVE)开根号值,左下三角为皮尔森相关系数。 |
3.2 整体模型的拟合度分析
对结构方程模型评价可根据数据特征、样本规模及假设条件选择相应的评价指标[25]。本研究参考应用最广泛的CFI,RMSEA,TLI,GFI,NFI,AGFI等7种拟合度指标进行检验。如表 4所示,本研究模型的各项指标均符合建议标准,表明本研究模型拟合度良好。
拟合度指标 | 建议标准 | 研究模型指标值 | 模型拟合度结论 |
X2/df | 2~5 | 3.375 | 良好 |
CFI | > 0.9 | 0.939 | 良好 |
RMSEA | < 0.08 | 0.073 | 良好 |
TLI | > 0.9 | 0.935 | 良好 |
GFI | > 0.9 | 0.951 | 良好 |
NFI | > 0.9 | 0.932 | 良好 |
AGFI | > 0.8 | 0.904 | 良好 |
3.3 假设检验
如图 4、表 5所示,用户对ETC的感知易用性对感知有用性、感知有用性对态度、感知易用性对态度、态度对行为倾向均有显著影响(p < 0.01),说明假设1、假设2、假设3和假设4均成立。
假设 | 非标准化回归系数 | S.E. | C.R. | P | 结论 |
假设1:感知易用性-感知有用性 | 0.772 | 0.068 | 11.392 | *** | 成立 |
假设2:感知有用性-态度 | 0.445 | 0.112 | 3.965 | *** | 成立 |
假设3:感知易用性-态度 | 0.395 | 0.107 | 3.700 | *** | 成立 |
假设4:态度-行为倾向 | 0.663 | 0.069 | 9.539 | *** | 成立 |
注:***表示p < 0.001. |
![]() |
图 1 结构方程模型路径分析结果 Fig. 1 Path analysis result of structure equation model |
|
4 结论与建议 4.1 结论
本研究使用科技接受模型,探讨了ETC用户态度和行为倾向的影响因素,对于引导广大车主安装ETC设备、积极使用ETC服务具有重要意义。主要研究结论如下:
(1) 用户对ETC的感知易用性显著影响感知有用性
用户对ETC的感知易用性显著影响感知有用性,表明用户感知到的ETC的便利性和易操作性越多,所感知的有用性就越多。感知有用性是接受包括ETC在内的任何新技术的关键和最常用的前提,要提高ETC用户的感知有用性,除了开发ETC更多的用途之外,还要在开发ETC产品时,注重ETC产品的使用便捷性和易操作性。
(2) 用户对ETC的感知有用性和感知易用性显著影响态度
用户对ETC的感知有用性和感知易用性显著影响态度,表明用户的感知有用性和感知易用性越高,态度越肯定。为提升ETC用户的积极态度,应当提升ETC用户的感知易用性和感知有用性。比如,开辟停车场、便利店等更多的使用场景,丰富ETC使用功能,开发具有自助服务功能的APP等,提升ETC用户的感知有用性和易用性。
(3) 用户对ETC的态度显著影响行为倾向
用户对ETC的态度显著影响行为倾向,这说明消费者个人对ETC产生兴趣并有正面的主观评价时,会极大地促进其对ETC的使用意图。为更多地调动广大车主ETC使用积极性,需要培养ETC用户积极态度。
4.2 对策建议基于上述研究结果,为进一步推广ETC产品,让用户更积极地使用ETC服务, 变ETC设备持有者为ETC服务使用者,相关机构可以从感知有用性、感知易用性和态度等方面进行努力。
(1) 提升感知有用性
ETC卡作为单纯的高速公路免停车储值卡,功能过于单一,用户的感知有用性过低。ETC发行方应根据客户需求,与金融机构、保险公司等合作发行ETC信用卡,发行具备更多功能的ETC联名卡。也可以跟停车场、飞机场等机构合作开发电子不停车收费系统,提升用户对ETC的感知有用性。
(2) 提升感知易用性
由于ETC卡需要到银行或者高速公务服务站申请和安装,不便利。ETC发行机构可跟银行、保险公司、4S店等机构合作,为广大车主提供便捷服务。ETC发行机构也可以积极运用网络技术,开发相应的网站、APP、小程序等。广大车主可在网上自行注册、申请ETC服务,也可在及时查询和打印ETC使用信息和高速通行票据,从而提升用户对ETC的感知易用性。
(3) 培养积极态度
为培育广大车主对ETC的积极态度,可以尝试改变现行优惠政策。ETC发行方可实行积分制,将ETC用户类型、使用次数、里程数、消费金额折算成积分,进行客户细分将客户划分为不同的星级,分别给予差别化的优惠政策,提升ETC服务质量,培养用户积极态度。
本研究仅是对技术接受模型中核心构成因素间的假设作验证性分析,在技术接受模型广泛的应用中还有其他的因素和假设,后续研究可明确这些因素和假设,解释特定环境中用户接受或拒绝某种信息技术或信息系统的行为。本研究未将ETC用户按照使用频率进行细分,后续研究可根据使用频率将用户细分后实施群组比较,分别分析不同群组消费者行为和影响因素。
[1] |
钱超, 杨孟, 耿健, 等. 高速公路ETC客户细分方法研究[J]. 交通运输系统工程与信息, 2018, 18(4): 231-239. QIAN Chao, YANG Meng, GENG Jian, et al. Customer Segmentation for Expressway ETC System[J]. Journal of Transportation Systems Engineering and Information Technology, 2018, 18(4): 231-239. |
[2] |
燕海兵. 我国ETC的现状及发展趋势[J]. 山西交通科技, 2005, 174(5): 68-69. YAN Hai-bing. The Current Situation and Its Development Trend of ETC in Our Country[J]. Shanxi Science & Technology of Communications, 2005, 174(5): 68-69. |
[3] |
刘浩, 王笑京, 张可, 等. 我国ETC技术市场化模型研究[J]. 公路交通科技, 2003, 20(3): 125-128. LIU Hao, WANG Xiao-jing, ZHANG Ke, et al. Research of Model of Marketing ETC Technology in China[J]. Journal of Highway and Transportation Research and Development, 2003, 20(3): 125-128. |
[4] |
陈俊, 陈仁清. "互联网+"与营改增背景下的ETC客服系统[J]. 中国交通信息化, 2019(6): 98-100. CHEN Jun, CHEN Ren-qing. ETC Customer Service System under Background of "Internet+" and Replacing Business Tax with VAT[J]. China ITS Journal, 2019(6): 98-100. |
[5] |
李华强, 武晨, 范春梅. 智能交通技术下居民绿色出行影响因素研究:基于TPB和TAM整合模型的扎根分析[J]. 现代城市研究, 2018(12): 2-8. LI Hua-qiang, WU Chen, FAN Chun-mei. Factors Affecting Residents' Green Travel under Intelligent Transportation Technology:Grounded Theory Analysis Based on an Integration Model of TPB and TAM[J]. Modern Urban Research, 2018(12): 2-8. |
[6] |
王雨桐, 陈旭梅, 孙小菲. 信息诱导对交叉口驾驶行为影响[J]. 哈尔滨工业大学学报, 2017, 49(8): 171-176. WANG Yu-tong, CHEN Xu-mei, SUN Xiao-fei. Influence of Information Guidance System on Driving Behavior at Intersections[J]. Journal of Harbin Institute of Technology, 2017, 49(8): 171-176. |
[7] |
DAVIS F D. Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology[J]. MIS Quarterly, 1989, 13(3): 319-340. |
[8] |
李进华, 王凯利. 基于TAM的微信信息流广告受众信任实证研究[J]. 现代情报, 2018, 38(5): 66-73. LI Ji-hua, WANG Kai-li. An Empirical Study on Audience's Trust in Wechat's News Feed Ads Based on TAM[J]. Journal of Modern Information, 2018, 38(5): 66-73. |
[9] |
徐菲菲, 黄磊. 景区智慧旅游系统使用意愿研究:基于整合TAM及TTF模型[J]. 旅游学刊, 2018, 33(8): 108-117. XU Fei-fei, HUANG Lei. Tourists' Willingness to Use Smart Tourist Attractions System:An Integrated Model Based on TAM and TTF[J]. Tourism Tribune, 2018, 33(8): 108-117. |
[10] |
黄传慧, 明均仁. 基于TAM的移动用户学术采纳行为影响因素研究[J]. 现代情报, 2017, 37(6): 80-85. HUANG Chuan-hui, MING Jun-ren. Research on the Influence Factor of the Mobile Users Adoption Behavior Based on TAM[J]. Journal of Modern Information, 2017, 37(6): 80-85. |
[11] |
王昶, 吕夏冰, 孙桥. 居民参与"互联网+回收"意愿的影响因素研究[J]. 管理学报, 2017, 14(12): 1847-1854. WANG Chang, LÜ Xia-bing, SUN Qiao. A Study on the Influencing Factors of Residents' Participation in "Online Collection"[J]. Chinese Journal of Management, 2017, 14(12): 1847-1854. |
[12] |
郭英之, 李小民. 消费者使用移动支付购买旅游产品意愿的实证研究:基于技术接受模型与计划行为理论模型[J]. 四川大学学报:哲学社会科学版, 2018(6): 159-170. GUO Ying-zhi, LI Xiao-min. An Empirical Study on Consumers' Intention of Buying Tourism Products with Mobile Payments:An Integration Model of TAM and TPB[J]. Journal of Sichuan University:Philosophy and Social Science Edition, 2018(6): 159-170. |
[13] |
王若宸, 母咏然, 朱学芳, 等. 数字人文技术研究者采纳意愿影响因素:以技术接受模型为视角[J]. 图书馆论坛, 2019, 39(6): 1-9. WANG Ruo-chen, MU Yong-ran, ZHU Xue-fang, et al. A Study of Factors Influencing the Willingness of Researchers to Accept Digital Humanities Technologies Based on the Technology Acceptance Model[J]. Library Tribune, 2019, 39(6): 1-9. |
[14] |
马志浩, 葛进平. 青年群体网络直播平台接入鸿沟的影响因素:基于技术采纳与持续使用的视角[J]. 新闻与传播评论, 2018, 71(2): 112-128. MA Zhi-hao, GE Jin-ping. Predicting Youth Users' Acceptance Gap of Online Video Streaming:Perspectives of Technology Acceptance and Continuous Usage[J]. Journalism and Communication Review, 2018, 71(2): 112-128. |
[15] |
李浩君, 冉金亭. 高校移动图书馆用户行为意愿模型构建研究[J]. 图书馆, 2018(4): 73-78. LI Hao-jun, RAN Jin-ting. Research on the User Behavior Intention Model of University Mobile Library[J]. Library, 2018(4): 73-78. |
[16] |
魏群义, 姚媛, 李艺亭. 微信图书馆用户使用意愿影响因素实证研究[J]. 图书情报工作, 2018, 62(5): 68-75. WEI Qun-yi, YAO Yuan, LI Yi-ting. The Empirical Research on Factors of WeChat Library Users' Usage Intentions[J]. Library and Information Service, 2018, 62(5): 68-75. |
[17] |
LIéBANA-CABANILLAS F, MARINKOVIĆ V, KALINIĆ Z. A SEM-neural Network Approach for Predicting Antecedents of M-commerce Acceptance[J]. International Journal of Information Management, 2017, 37(2): 14-24. |
[18] |
WANG Y S, WU M C, WANG H Y. Investigating the Determinants and Age and Gender Differences in the Acceptance of Mobile Learning[J]. British Journal of Educational Technology, 2009, 40(1): 92-118. |
[19] |
胡隆基, 唐月, 毛勇. 基于技术接受模型的小型纯电动汽车使用影响因素[J]. 科技管理研究, 2015(5): 122-126. HU Long-ji, TANG Yue, MAO Yong. Influencing Factors of the Acceptance of Small Electric Car Based on TAM[J]. Science and Technology Management Research, 2015(5): 122-126. |
[20] |
MOON J W, KIM Y G. Extending the TAM for a World-wide-web context[J]. Information and Management, 2001, 38(4): 217-230. |
[21] |
FISHBEIN M, AJZEN I. Belief, Attitude, Intention, and Behavior:An Introduction to Theory and Research[J]. Contemporary Sociology, 1977, 6(2): 244-245. |
[22] |
徐茂洲, 苏荣海, 马运超, 等. 林书豪官方粉丝网页使用行为模式研究:基于科技接受模式[J]. 山东体育学院学报, 2018, 34(1): 27-32. XU Mao-zhou, SU Rong-hai, MA Yun-chao, et al. A Study of Behavioral Model on Fans Facebook of Jeremy Lin Used by Taiwanese:Based on the Technology Acceptance Mode[J]. Journal of Shandong Sport University, 2018, 34(1): 27-32. |
[23] |
HAIR J F, BLACK W C, BABIN B J, et al. Multivariate Data Analysis[M]. 7th ed. Englewood Cliffs: Prentice Hall, 2009.
|
[24] |
FORNELL C, LARCKER D F. Evaluating Structural Equation Models with Unobservable Variables and Measurement Error[J]. Journal of Marketing Research, 1981, 18(1): 39-50. |
[25] |
戢晓峰, 魏雪梅, 陈方. 基于结构方程模型的公共交通系统公平性评估:以昆明市为例[J]. 公路交通科技, 2013, 30(1): 126-132,140. JI Xiao-feng, WEI Xue-mei, CHEN Fang. Evaluation of Public Transport System Equity Based on Structure Equation Model:Taking Kunming as an Example[J]. Journal of Highway and Transportation Research and Development, 2013, 30(1): 126-132,140. |