LBS的隱私關注與采納意向的模型構建及實證

張 嵩，趙佳莉，吳劍云

(青島大學 商學院，山東 青島 266071)

0 引言

近年來，無線通信、智能客戶端等技術的不斷完善，使基于位置服務(Location-Based Service, LBS)在軍事、醫(yī)療、社交等各個領域都得到了廣泛發(fā)展。LBS旨在根據(jù)用戶位置提供個性化服務，但與此同時，有關位置信息泄露的問題層出不窮，引發(fā)了用戶的隱私關注。對企業(yè)而言，了解影響用戶隱私關注的因素、對用戶隱私進行保護顯得極為重要。本研究的關鍵在于考察用戶隱私關注的影響因素以及隱私關注所導致的結果，以促進用戶采納基于位置的服務，進而提高基于位置服務的發(fā)展水平。

隨著用戶隱私意識的不斷增強，隱私關注成為學者研究的熱點[1-3]，涉及電子商務、社交網(wǎng)站、智慧醫(yī)療等領域，所應用的理論包括計劃行為理論[4-5]、技術接受模型[6-7]、隱私信任模型[8-9]、隱私計算理論[1,3-4]等，關于隱私關注的研究主要集中于兩方面：①隱私關注的影響因素[10-11]，如網(wǎng)站聲譽、信任、信息類型、人口統(tǒng)計學特征等；②隱私關注的行為結果[12-13]，其觀點為隱私關注與其他內生變量(如信任、經濟補償、個性化關注等)共同作用，影響用戶的隱私行為，如社交網(wǎng)站用戶的信息分享與發(fā)展新關系的行為、電子商務網(wǎng)站用戶的重復購買與推薦給他人的行為。此外，在LBS領域，許多學者從LBS的技術與應用發(fā)展、隱私保護技術改進等方面進行研究[14]，很少有學者對用戶的隱私關注問題進行實證研究。

LBS的用戶作為使用服務的主體，是研究中首先需要考慮的因素。對于LBS的用戶而言，使用個性化定制服務與保護位置隱私是一對矛盾共同體，用戶的采納意向出于對感知收益與感知風險的衡量，如果感知到的收益大于風險，則用戶就會產生采納意向。本研究從LBS用戶的角度出發(fā)，根據(jù)服務的特性，將前因變量→隱私關注→結果(Antecedents→Privacy Concerns→Outcomes, APCO)框架引入LBS研究中，然后結合隱私計算理論，將用戶所受到的內外部影響作為隱私關注的前因變量，構建LBS用戶的隱私關注及采納意向模型，揭示LBS用戶的隱私關注的前因后果。

1 理論背景和研究假設

1.1 APCO模型

APCO模型由H.J.Smith[15]提出。Smith首先以隱私關注為因變量，對其他學者的觀點進行整合，指出隱私關注的5個前因變量,即隱私經歷、隱私認知、個性差異、人口統(tǒng)計變量和文化或氛圍;其次以隱私關注為自變量，在隱私計算理論與隱私行為結果的基礎上進行研究，最終得出APCO模型，并指出模型結果可能受到隱私悖論的影響。APCO模型如圖1所示。

許多學者針對這一具有普適性的模型根據(jù)不同情景進行改進，以適應其研究背景特點，如社交網(wǎng)站、醫(yī)療體系等情景。Lankton等[16]在研究Facebook用戶隱私問題時，引入了APCO模型，對其進行改進并定義了模型中的構念，將隱私經歷改為經歷，將人口統(tǒng)計變量具體化為性別，將收益具體化為愉悅感，將行為反應具體化為4種行為(改變隱私設置、限制好友人數(shù)、區(qū)別好友、持續(xù)使用)；Kenny等[17]在研究市民醫(yī)療信息隱私關注時也以APCO為框架，結合醫(yī)療信息的特點對模型進行修改，并從個人特點(健康狀況、人口統(tǒng)計變量)、個人認知(認知信息敏感、媒體覆蓋相關隱私的認知、現(xiàn)有隱私侵略)和個人信念(信任、風險)3個方面對醫(yī)療信息隱私關注的前因變量進行描述，將隱私關注結果簡化為采納意向；Borena等[18]在研究低收入國家的社交網(wǎng)絡隱私關注問題時，針對低收入國家用戶特點對APCO模型進行了修改，將個性差異分為偏執(zhí)狂與社會批判者，然后以人口統(tǒng)計變量為調節(jié)變量，將隱私關注結果簡化為隱私保護行為。

將APCO模型引入LBS用戶的隱私關注研究中，對該模型進行修改以適應LBS的情景，能夠更全面地了解用戶隱私關注的前因變量及其與采納意向的關系。LBS情境下，用戶對服務的熟悉程度與其他用戶的口碑分別從主觀與客觀方面代表APCO模型中的隱私經歷，而個人位置信息的隱私敏感度是由個性差異導致的對隱私認知的不同，因此將APCO模型中的隱私認知與個性差異整合成為一個潛變量——位置隱私信息敏感度；文化/氛圍變量則更具體化為微觀的主觀規(guī)范與宏觀的國家隱私政策;在隱私關注的結果部分，結合LBS的特點，引入隱私計算理論，研究用戶的采納意向影響機制。

1.2 隱私計算理論

Culnan & Armstrong[19]根據(jù)社會交換理論，提出隱私計算理論，認為用戶在進行信息披露時，會對感知收益與感知風險進行權衡計算。在權衡過程中，如果潛在用戶感受到潛在的隱私風險小于收益，則將淡化對隱私和信息安全的關注，選擇披露個人信息。其中：感知收益是潛在用戶對利益的預估，而感知風險是用戶對披露個人信息后將會出現(xiàn)的負面影響的估計。

Xu等[3]以隱私計算模型分析了用戶隱私披露的行為意向，提出用戶披露隱私后感知收益與感知風險影響用戶的隱私披露行為，而經濟補償又影響感知收益，主觀規(guī)范和政府規(guī)范影響感知風險。也有學者在研究云工作流路程被忽略的隱私保護需求時考慮到隱私與成本感知的因素[20]。Sarathy等[21]認為用戶在權衡交換收益和兩種隱私信念后才會決定是否進行信息披露；Sipior等[22]在研究在線社會網(wǎng)絡的隱私問題時應用了隱私計算理論；Njenga等[23]認為技術接受模型(Technology Acceptance Model, TAM)中的感知有用性與感知易用性影響感知收益，機構隱私保障降低感知風險，感知收益與感知風險共同影響行為意向。

在LBS背景下隱私計算理論同樣適用。LBS最大的問題是享受服務與隱私保護的矛盾，享受服務是感知收益的代表，隱私關注是感知風險的代表，用戶對兩者權衡的結果決定了用戶的采納意向。

1.3 模型的構建及假設的提出

本文通過梳理文獻，結合LBS的特點，以APCO模型為框架，以隱私計算理論為基礎，構建了LBS用戶的隱私關注及采納意向模型，如圖2所示。

1.3.1 前因變量

熟悉程度指用戶對信息接收者提供產品和服務的經驗與認知，經驗與認知來自于用戶與信息接收方進行交易的過程。熟悉程度產生于用戶經歷的過程，隨著使用產品和服務經歷的增多，用戶對接收者的熟悉程度也隨之增加，對披露隱私信息后果的擔憂及隱私關注程度降低。Gefen[24]指出熟悉程度會直接正面影響用戶的搜尋和購買意圖；Bhattacherjee[25]也證明了熟悉度對信任和交易意愿的直接影響。有關熟悉程度對風險和信任影響的大量研究證明，信息接受者的熟悉程度對隱私關注有重要的影響。因此提出以下假設：

假設1用戶的熟悉程度對其位置信息隱私關注有負向作用。

口碑是用戶接收到的外界關于LBS的評價，口碑是公眾對該服務的評價，而公眾的評價則來自公眾對該服務的體驗經歷與認知，如果公眾對該服務的體驗經歷良好，則評價會較高，用戶就認為該服務質量較高，對隱私的擔憂程度就會降低。研究證明，口碑良好可以有效減輕用戶的隱私憂慮程度，例如Kim等[26]提高口碑影響電子商務活動中消費者的隱私關注。因此提出如下假設：

假設2口碑對用戶位置信息隱私關注有負向影響作用。

Adams[27]利用扎根理論從信息敏感度、信息接收者及信息使用3個方面研究消費者隱私問題。信息敏感度是用戶對被傳輸數(shù)據(jù)的感知及信息接收者對信息的理解，包括消費者對信息重要與否的感知和對個人隱私數(shù)據(jù)被泄露后危害的關注程度；Okazaki[28]在對移動廣告進行研究時發(fā)現(xiàn)信息敏感度會增加用戶的隱私關注程度；Malhotra等[29]則認為越是敏感的信息，用戶自愿披露的阻力越大。國內外大量研究表明，用戶的信息敏感度對其隱私關注具有顯著影響。因此提出假設：

假設3用戶位置隱私信息敏感度對其位置信息隱私關注有正向作用。

主觀規(guī)范屬于社會心理學范疇，指個人對是否采取某項特定行為所感受到的社會壓力，即預測他人行為時，對個人行為決策具有影響力的個人或團體對個人是否采取某項特定行為所發(fā)揮的影響大小。在理性行為理論模型、計劃行為理論模型、技術接受模型中，主觀規(guī)范與行為意向直接相關，其關于隱私行為的研究已經證明主觀規(guī)范將影響用戶的選擇。趙玲[30]在對虛擬社區(qū)成員參與行為進行研究時發(fā)現(xiàn)歸屬感使成員有共享知識的意向；Lehikoinen等[31]提出社會文化顯著影響社交網(wǎng)站用戶隱私披露行為。因此提出如下假設：

假設4主觀規(guī)范對用戶的位置信息隱私關注有正向作用。

國家隱私政策包括行業(yè)對隱私保護的政策以及國家在隱私方面的立法。隱私權概念產生于1890年的美國，哈佛大學法學院教授路易斯和塞繆爾在《哈佛法學評論》上發(fā)表了一篇被稱為具有“開拓性”的題為《隱私權》的論文，其面世標志著隱私權理論的誕生。Xu等[2]認為對隱私政策感知的有效性會降低隱私風險，進而降低用戶的隱私關注程度;還有學者認為對法律的信任會降低社交網(wǎng)站用戶的的隱私關注程度。國外大量研究證明：如果行業(yè)與國家都能很好地保護個人隱私權，則用戶的隱私關注程度將隨之降低。因此提出如下假設：

假設5國家隱私政策對用戶的位置信息隱私關注有負向作用。

1.3.2 隱私關注

用戶對自己的位置信息隱私關注程度越高，使用服務時所感知到的因位置信息泄露而帶來的后果越嚴重，感知風險也越高。大量研究表明，隱私關注與感知風險呈正相關關系。周濤等[32]在對移動商務用戶的采納行為進行實證研究時，認為隱私關注顯著影響感知風險。因此提出如下假設：

假設6用戶位置信息隱私關注對其感知風險具有正向作用。

1.3.3 結果

根據(jù)隱私計算理論可知，用戶的采納意向源于用戶對感知收益與感知風險的衡量，大量不同背景的關于隱私關注的研究也證實了這一觀點。Sipior等[1]在研究在線社交網(wǎng)絡用戶的隱私問題時引入了隱私計算理論；Xu等[3]研究了用戶在LBS情景下的隱私計算對采納意向的影響。隱私計算理論恰好能解釋LBS中的享受服務與隱私保護這一矛盾。用戶感知到的關于隱私泄露后的風險越高，越不愿意采納位置服務；相反，用戶感知到的收益越高，越愿意采納該服務。因此提出如下假設：

假設7用戶的感知收益對其采納行為具有正向作用。

假設8用戶的感知風險對其采納行為具有負向作用。

2 研究設計

2.1 構念定義及操作化

根據(jù)現(xiàn)有文獻和本文的研究背景，對構念進行定義，并開發(fā)相應量表。量表開發(fā)一般有兩種方法：①通過文獻回顧與訪談，自行開發(fā)量表；②采用現(xiàn)有量表。為了提高量表的信度與效度，本文采用現(xiàn)有量表。表1所示為構念的定義及測量項的主要來源。

表1 構念定義和測量項

2.2 數(shù)據(jù)收集

具體設計方面，采用李克特5級量表法編制問卷，從1～5分別表示“非常不同意”～“非常同意”。進行數(shù)據(jù)收集時，選取有過LBS使用經歷的用戶作為調查的目標人群。最終回收問卷412份，排除無效問卷后，得到386份有效問卷，有效率為93.69%。Schwab[40]建議樣本數(shù)量最少為量表題項總數(shù)的10倍，該樣本數(shù)量符合其對結構方程的要求。

3 數(shù)據(jù)分析

3.1 描述性統(tǒng)計分析

樣本中男性占44.04%，女性占55.96%，比例接近1∶1;年齡方面，青年用戶作為主力軍，18歲～34歲的用戶占90.68%。受教育程度方面，本科學歷人數(shù)占47.41%，比重最大。根據(jù)以上統(tǒng)計結果可以看出，LBS的用戶學歷較高，且大部分處于青年時期，這也表明了LBS被青年群體廣泛使用，有著良好的發(fā)展趨勢，基本符合LBS使用者的總體特征，說明數(shù)據(jù)來源較好。

3.2 結構方程建模

研究采用SmartPLS作為統(tǒng)計分析工具，因為最小二乘法的的結構方程分析法(Partial Least Squares Structural Equation Modeling, PLS-SEM)對樣本數(shù)據(jù)與變量是否為正態(tài)分布的要求較為寬松。結構方程建模步驟采用較為常用的兩步驟法：首先評價測量模型，確保測量的信度與效度；然后評價結構模型，以檢驗研究假設與理論模型的質量。

3.2.1 測量模型

一般研究根據(jù)信度與效度對測量模型的質量進行評價。SmartPLS為研究提供的參考指標如表2所示。

表2 測量模型的質量參數(shù)

續(xù)表2

信度用來評價測量結果的可信賴程度與一致性，表2中的組合信度和克隆巴赫α系數(shù)用來評價信度，一般如果兩者均大于0.7，則說明模型具有良好的信度。由表2可知，所有潛變量的組合信度值均大于0.8，克隆巴赫α系數(shù)值均大于0.7。

效度用來評價測量模型的真實程度，一般分為內容效度與結構效度兩方面。因為本文所有測量項均來自國內外已經成熟的量表，所以能夠保證測量模型的內容效度。結構效度又包括收斂效度與區(qū)別效度。表2中的標準化因子載荷與平均方差提取量(AVE)用來評價收斂效度，F(xiàn)ornell等[41]認為兩者均大于0.5才能表明模型具有良好的收斂效度。由表2可知，測量項的標準化因子載荷在0.712～0.948之間，潛變量的AVE均大于0.5，說明量表的收斂效度良好。區(qū)別效度通過比較AVE的平方根與變量之間相關系數(shù)的絕對值進行評價，如果AVE的平方根大于各變量之間的相關系數(shù)的絕對值，則說明模型具有較好的區(qū)別效度。表3對角線部分是AVE的平方根，對角線之外是變量之間相關系數(shù)的絕對值，由表3可以看出，所有潛變量的AVE平方根都大于變量之間相關系數(shù)的絕對值，說明該模型具有良好的區(qū)別效度。

表3 區(qū)別效度分析

3.2.2 結構模型

SmartPLS對結構模型進行檢驗時，需要用內生變量的R2與路徑系數(shù)對模型進行評價。R2表示內生變量被外生變量解釋的程度，R2越大表明內生變量被解釋的程度越大；路徑系數(shù)表示兩個變量之間的關系強弱程度。在社會科學研究中，若R2達到0.66以上，則說明模型具有重要的擬合效果；若R2在0.35～0.66之間，則說明模型的擬合效果較好；若R2在0.17～0.35之間，則表明模型擬合效果較弱。圖3所示為結構模型的檢驗結果，其中*p<0.05,**p<0.01,***p<0.001。在外生變量中，位置信息隱私關注的R2=72.7%，即被熟悉程度、口碑、位置隱私信息敏感度、主管規(guī)范和國家隱私政策5個因素解釋了72.7%，感知風險的R2=68.5%，采納意向的R2=35.0%，說明該模型擬合效果較好。

表4所示為路徑系數(shù)、T值與假設檢驗結果，除假設5以外，其他假設全部支持。在隱私關注的前因變量中，位置信息隱私敏感度與主觀規(guī)范對位置信息隱私關注的影響最大，其路徑系數(shù)分別為0.429(p<0.001)和0.277(p<0.001)，而國家隱私政策對位置信息隱私關注的影響不明顯；隱私關注的結果中，隱私關注對感知風險的影響顯著，其路徑系數(shù)為0.828(p<0.001)，感知風險與感知收益對采納意向的影響也得到數(shù)據(jù)支持，其路徑系數(shù)分別為-0.321(p<0.001)和0.747(p<0.001)。

表4 假設檢驗結果

續(xù)表4

注：*p<0.05,**p<0.01,***p<0.001

假設5未通過假設檢驗，與國外許多關于隱私關注的研究結果不一致?？赡芤驗殡[私權的意識與法律皆起源于國外，國外大部分公民對與隱私相關的法律政策比較熟悉，也比較重視，認知度較高，公民認為自己的隱私受到國家法律政策的保障，從而放松了對隱私的關注，降低了其隱私憂慮程度，所以在國外的研究中，國家法律政策的保障對用戶隱私關注的影響較明顯。相比而言，國內與隱私相關的法律政策起步較晚，公民對國家法律政策的認知較晚，而且?guī)缀鯖]有相關的法律政策案例，導致個人對國家隱私法律政策的作用認識較少，感知模糊，因此在國內，國家法律政策的保障對減輕隱私關注所起的作用不大。

4 結束語

在LBS情境下，本文結合其享受服務與隱私關注為一對矛盾的特點，以隱私計算理論為基礎，指出隱私關注影響感知風險，用戶以享受服務為感知收益對兩者進行均衡，進而產生采納服務的意向。研究從用戶角度出發(fā)，為LBS的提供者提供參考，使其能采取相應措施減輕用戶的隱私關注，使用戶采納服務，并將APCO模型引入LBS情景中，全方位研究LBS用戶的隱私關注。研究的不足之處在于參與調查的用戶年齡過于集中，其他年齡段用戶的數(shù)量較少，導致研究結果有一定的年齡局限性。

研究結果對LBS的提供者具有以下重要意義：①熟悉程度能夠減輕用戶隱私關注，可以通過加大廣告力度，擴大服務使用范圍來增加用戶對該服務的熟悉程度，促進產生采納意向；②可以通過改善服務口碑來減輕用戶的隱私關注度，使用戶愿意采納該服務；③因為用戶本身敏感程度影響隱私關注，所以應該改進位置信息加密技術，并向用戶保證將隱私泄露的可能性降到最低；④主觀規(guī)范對隱私關注具有正向影響，應該對主動將產品服務推薦給其他人的用戶采取獎勵措施；⑤通過提高服務質量、加強使用位置服務的益處，提高用戶的感知收益，促進用戶的采納行為。

現(xiàn)階段國內大部分研究主要建立在國外學者提出的理論之上，較少針對國內的情景進行研究，因此未來將重點根據(jù)中國的實際情景研究LBS用戶的隱私關注;另外，鑒于當前國民隱私法律意識薄弱，未來研究可以著眼于完善國家隱私法律政策、增強用戶的隱私保障上，為國家進一步完善法律提供指導意見。

[1] SIPIOR J C, WARD B T, CONNOLLY R, et al. Privacy in online social networking:applying a privacy calculus model[EB/OL].[2016-08-13].http://aisel.aisnet.org/pacis2013/99/,2013.

[2] XU H, DINEV T, SMITH J, et al. Information privacy concerns:linking individual perceptions with institutional privacy assurances[J]. Journal of the Association for Information Systems,2011,12(12):798-824.

[3] XU H, TEO H H, TAN B C Y, et al. The role of push-pull technology in privacy calculus:the case of location-based services[J]. Journal of Management Information Systems,2009,26(3):135-173.

[4] SHI Shuo. Factors affect privacy disclosure on social network sites:integrity privacy calculate theory and TPB model[D]. Nanjing:Nanjing University,2011(in Chinese).[石 碩.社交網(wǎng)站用戶隱私披露行為探究:隱私計算理論與TPB模型的整合[D].南京：南京大學,2011.]

[5] LI Xuefeng, CHEN Xi. Factors affecting privacy disclosure on social network sites:an integrated model[C]//Proceedings of International Conference on Multimedia Information Networking and Security.Washington,D.C.,USA:IEEE,2010:315-319.

[6] NJENGA K, NDLOVU S. On privacy calculus and underlying consumer concerns influencing mobile banking subscriptions[J]. Information Security South Africa,2012,3(3):1-9.

[7] LU Yewei, HU Zhiyan. Influencing factors on the intention of private information provided by personal on line[J]. Shanghai Management Science,2008,30(5):36-39(in Chinese).[盧葉微,胡治嚴.對個人在線提供信息隱私意愿的影響因素研究[J].上海管理科學,2008,30(5):36-39.]

[8] DWYER C, HILTZ S, PASSERINI K 2007. Trust and privacy concern within social networking sites:a comparison of Facebook and MySpace[EB/OL].[2016-08-13].http://aisel.aisnet.org/amcis2007/339/,2007.

[9] LIU C, MARCHEWKA J T, LU J, et al. Beyond concern—a privacy-trust-behavioral intention model of electronic commerce[J]. Information & Management,2004,42(2):289-304.

[10] AN Zhaoyu. The study of influencing factors that affect LBS users’ privacy concern in social APPs[D]. Jinan:Shandong University of Finance and Economics,2015(in Chinese).[安昭宇.社交App中LBS用戶隱私關注的影響因素研究[D].濟南:山東財經大學,2015.]

[11] ZHOU Yongjie. The study of factors that influence privacy concern of check-in services[D]. Dalian:Dalian Maritime University,2013(in Chinese).[周永杰.LBS簽到服務中隱私關注及影響因素研究[D].大連：大連海事大學,2013.]

[12] ZHANG Zhijie, LYU Tingjie. Empirical study of users’ acceptance model on mobile LBS[J]. Journal of Beijing University of Posts and Telecommunications:Social Science Edition,2012,14(1):56-61(in Chinese).[張志杰,呂廷杰.移動LBS用戶接受模型的實證研究[J].北京郵電大學學報:社會科學版,2012,14(1):56-61.]

[13] WANG Yuan, YANG Shu, XU Yifeng, et al. The impact of perceived emergency and essentiality on perceived privacy risk, privacy concern and intention to use in mobile LBS environment:an example of China mobile and unicom[C]//Proceedings of International Conference on Mobile Business. Washington, D.C., USA:IEEE,2009:267-272.

[14] ZHOU Aoying, Yang Bin, JIN Cheqing et al. Location-based sevices:architecture and progress[J]. Chinese Journal of Computers,2011,34(7):1155-1171(in Chinese).[周傲英,楊 彬,金澈清,等.基于位置的服務：架構與進展[J].計算機學報,2011,34(7):1155-1171.]

[15] SMITH H J, DINEV T, XU H. Information privacy research:an interdisciplinary review[J]. Mis Quarterly,2011,35(4):989-1015.

[16] LANKTON N, JOHNTRIPP. A quantitative and qualitative study of Facebook privacy using the antecedent-privacy concern-outcome macro model[EB/OL].[2016-08-13].http://aisel.aisnet.org/amcis2013/ISSecurity/General Presentations/21/,2013.

[17] KENNY G, CONNOLLY R. Citizens’ health information privacy concerns:a multifaceted approach[EB/OL].[2016-08-13].https://aisel.aisnet.org/ecis2015_rip/22.

[18] BORENA B, BELANGER F, EJIGU D, et al. Conceptualizing information privacy concern in low-income countries: an ethiopian language instrument for social network sites contex[EB/OL].[2016-08-13].http://aisel.aisnet.org/amcis2015/ISSecurity/GeneralPresentations/45/,2015.

[19] CULNAN M J, ARMSTRONG P K. Information privacy concerns, procedural fairness, and impersonal trust:an empirical investigation[J]. Organization Science,1999,10(1):104-115.

[20] WEN Yiping, LIU Jianxun, CHEN Congyang. Privacy-aware and cost-aware workflow scheduling in clouds[J]. Computer Integrated Manufacturing Systems,2016,22(2):294-301(in Chinese).[文一憑,劉建勛,陳聰陽.隱私與成本感知的云工作流調度方法[J].計算機集成制造系統(tǒng),2016,22(2):294-301.]

[21] SARATHY R, LI H. Understanding online information disclosure as a privacy calculus adjusted by exchange fairness[EB/OL].[2016-08-13].http://aisel.aisnet.org/icis2007/21/,2007.

[22] SIPIOR J C, WARD B T, CONNOLLY R, et al. 2013. Privacy in online social networking: applying a privacy calculus model[EB/OL].[2016-08-13].http://aisel.aisnet.org/cgi/viewcontent.cgi?article=1099&context=pacis2013/,2013.

[23] NJENGA K, NDLOVU S. On privacy calculus and underlying consumer concerns influencing mobile banking subscriptions[C]//Proceedings of Conference on Information Security South Africa. Washington, D.C., USA:IEEE,2012:1-9.

[24] GEFEN D. E-commerce:the role of familiarity and trust[J]. Omega,2000,28(6):725-737.

[25] BHATTACHERJEE A. Individual trust in online firms:scale development and initial test[J]. Journal of Management Information Systems,2002,19(1):211-242.

[26] KIM K K, PRABHAKAR B. Initial trust and the adoption of B2C e-commerce:the case of internet banking[J]. ACM Sigmis Database,2004,35(2):50-64.

[27] ADAMS A. Users’ perception of privacy in multimedia communication[C]//Proceedings of Chi 99 Extended Abstracts on Human Factors in Computing Systems.New York, N.Y.,USA:ACM,1999:53-54.

[28] OKAZAKI H. Fight against TRALI[J]. ISBT Science Series,2009,4(2):375-382.

[29] MALHOTRA N K, AGARWAL J. Internet users’ information privacy concerns(IUIPC):the construct, the scale, and a causal model[J]. Information Systems Research,2004,15(4):336-355.

[30] ZHAO Ling. Empirical research on members’ participation in virtual communities[D]. Wuhan:Huazhong University of Science & Technology,2011(in Chinese).[趙 玲.虛擬社區(qū)成員參與行為的實證研究[D].武漢：華中科技大學,2011.]

[31] LEHIKOINEN J T, LEHIKOINEN J, HUUSKONEN P. Understanding privacy regulation in ubicomp interactions[J]. Personal & Ubiquitous Computing,2008,12(8):543-553.

[32] ZHOU Tao, LU Yaobin. The impact of privacy concern on mobile commerce users’ adoption behavior[J]. Chinese Journal of Management,2010,7(7):1046-1051(in Chinese).[周 濤,魯耀斌.隱私關注對移動商務用戶采納行為影響的實證分析[J].管理學報,2010,7(7):1046-1051.]

[33] DIAO Su. The study of consumer privacy concerns and adoption behavior in electronic commerce[D].Beijing:Beijing University of Posts and Telecommunications,2010(in Chinese).[刁 塑.新興電子商務消費者隱私關注與采納行為研究[D].北京：北京郵電大學,2010.]

[34] HUI K L, TEO H H, LEE S Y T. The value of privacy assurance:an exploratory field experiment,” MIS Quarterly, forthcoming[EB/OL].[2016-08-13].http://www.comp.nus.edu.sg/～lung/PrivacyAssurance.pdf.2006.

[35] SHEEHAN K B, HOY M G. Dimensions of privacy concern among online consumers[J]. Journal of Public Policy & Marketing,2000,19(1):62-73.

[36] SHIBCHURN J, YAN X. Information disclosure on social networking sites:an intrinsic-extrinsic motivation perspective[J]. Computers in Human Behavior,2015,44(44):103-117.

[37] KRASNOVA H, VELTRI N F. Privacy calculus on social networking sites:explorative evidence from Germany and USA[C]//Proceedings of the 43rd Hawaii International Conference on System Sciences. Washington, D.C., USA:IEEE Computer Society,2010:1-10.

[38] PAVLOU P A, GEFEN D. Building effective online marketplaces with institution-based trust[J]. Information Systems Research,2004,15(1):37-59.

[39] DAN J K, FERRIN D L, RAO H R. A trust-based consumer decision-making model in electronic commerce:the role of trust, perceived risk, and their antecedents[J]. Decision Support Systems,2008,44(2):544-564.

[40] SCHWAB D P. Construct validity in organizational behavior[J]. Research in Organizational Behavior,1980,2(1):3-43.

[41] 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.