信息內(nèi)容特征對移動(dòng)醫(yī)療APP用戶推薦行為的影響及作用路徑分析

陳遠(yuǎn) 張磊 張敏

摘 要：[目的/意義]旨在探究信息內(nèi)容特征對移動(dòng)醫(yī)療APP用戶推薦行為的影響和作用路徑，提煉出對運(yùn)營和管理具有積極意義的意見和方法。[方法/過程]以精細(xì)加工可能性模型為理論框架，通過整合信息系統(tǒng)成功模型和口碑營銷經(jīng)典理論的相關(guān)因素，構(gòu)建出“中心信息內(nèi)容特征——自我推薦”以及“邊緣信息內(nèi)容特征——從眾推薦”兩條作用路徑，并聚焦感知需求的調(diào)節(jié)作用提出假設(shè)并構(gòu)建研究模型。實(shí)證研究采用“日志追蹤實(shí)驗(yàn)+調(diào)查問卷”的方式收集來自移動(dòng)醫(yī)療APP用戶的288份數(shù)據(jù)，利用SmartPLS2.0對模型進(jìn)行檢驗(yàn)。[結(jié)果/結(jié)論]信息質(zhì)量、服務(wù)質(zhì)量、系統(tǒng)質(zhì)量正向影響自我推薦意愿;APP認(rèn)知聲譽(yù)、醫(yī)生認(rèn)知聲譽(yù)、醫(yī)院認(rèn)知聲譽(yù)正向影響從眾推薦意愿;感知需求正向調(diào)節(jié)自我推薦意愿對推薦行為的影響，而從眾推薦意愿對推薦行為的影響不具有顯著調(diào)節(jié)作用。

關(guān)鍵詞：信息內(nèi)容特征;推薦行為;移動(dòng)醫(yī)療APP;作用路徑

DOI：10.3969/j.issn.1008-0821.2019.06.005

〔中圖分類號(hào)〕F49 〔文獻(xiàn)標(biāo)識(shí)碼〕A 〔文章編號(hào)〕1008-0821（2019）06-0038-10

Abstract：[Purpose/Significance]This paper aimed to explore the impact and action path of information content characteristics on users recommender behaviors in mobile health applications，and to draw up opinions and suggestions which have positive significance for operations and management.[Method/Process]Taking the the ELM model as the theoretical framework，and by integrating the revelant factors of Information System Success Models and Word Of Mouth Marketing，this article constructed two action paths：central information content characteristics to self-recommendation and edge information content characteristics to conformity-recommendation，and focused on the moderating effect of perceived needs to propose hypotheses and construct research models.The empirical research used the log tracking experiment and questionnaire to obtian 288 valid data from mobile health APP users and test model with SmartPLS2.0.[Result/Conclusion]Information quality，service quality and system quality positively influenced users self-recommendation intention;Cognitive reputation of applications，cognitive reputation of doctor and cognitive reputation of hospital positively influenced users conformity-recommendation intention;Perceived information needed positively moderates the relationship between the self-recommendation intention and recommender behaviors，and did not moderate the relationship between the conformity-recommendation intention and recommender behaviors.

Key words：information content characteristic;recommender behaviors;mobile health applications;action path

移動(dòng)通訊技術(shù)的發(fā)展讓APP的信息服務(wù)內(nèi)容和功能呈現(xiàn)出多元化、豐富化的特點(diǎn)。研究指出，信息內(nèi)容特征會(huì)對APP用戶在使用過程中的態(tài)度、意愿、行為產(chǎn)生極大影響[1]。因此，APP的信息內(nèi)容特征研究成為近年來國內(nèi)外產(chǎn)業(yè)界和學(xué)術(shù)界的關(guān)注熱點(diǎn)。統(tǒng)計(jì)數(shù)據(jù)顯示，移動(dòng)醫(yī)療APP已成為付費(fèi)APP領(lǐng)域發(fā)展最為迅猛的業(yè)務(wù)類型，在2017年形成200億元的市場規(guī)模，較2016年增長了近90%[2]。值得注意的是，移動(dòng)醫(yī)療行業(yè)正處于流量變現(xiàn)的關(guān)鍵時(shí)刻。由于用戶規(guī)模接近飽和、行業(yè)內(nèi)同質(zhì)化問題突出等現(xiàn)象的存在，APP運(yùn)營商的工作重點(diǎn)從開發(fā)新用戶轉(zhuǎn)移為吸引同類競爭產(chǎn)品的用戶。由于在線醫(yī)療信任度較低、廣告和資訊等傳統(tǒng)推廣方式收效甚微。因此，真實(shí)用戶的推薦行為顯得尤為重要[3]。

已有文獻(xiàn)中，基于推薦者的參與程度和參與動(dòng)機(jī)可將推薦行為分類如下：1）基于用戶自身的了解和體驗(yàn)產(chǎn)生的推薦行為。如Chen T等通過用戶體驗(yàn)共享模型研究了C2C用戶的分享機(jī)制[4]。胡撫生從餐飲、休閑娛樂、交通等7個(gè)角度來衡量游客對旅游城市的游玩感受，發(fā)現(xiàn)它們均對游客的推薦行為有著積極影響[5];2）基于網(wǎng)絡(luò)口碑和品牌聲譽(yù)影響的推薦行為。如Mishra A等從消費(fèi)者社會(huì)化視角研究用戶的年齡、同齡人、互聯(lián)網(wǎng)接觸程度等因素會(huì)影響青少年在網(wǎng)絡(luò)上的分享意愿[6]。董穎等從消費(fèi)者心理調(diào)節(jié)定向視角入手，運(yùn)用調(diào)節(jié)定向匹配理論分析了消費(fèi)者網(wǎng)絡(luò)口碑推薦的內(nèi)在機(jī)制[7];3）基于獎(jiǎng)勵(lì)措施等外在驅(qū)動(dòng)的用戶推薦行為。如范宇峰等發(fā)現(xiàn)有形回報(bào)能夠正向影響用戶的分享意愿[8]。朱翊敏探討了網(wǎng)絡(luò)推薦獎(jiǎng)勵(lì)計(jì)劃中獎(jiǎng)勵(lì)額度對推薦意愿的影響以及推薦人與被推薦人之間關(guān)系強(qiáng)度的調(diào)節(jié)作用[9];4）基于社會(huì)關(guān)系網(wǎng)絡(luò)的用戶推薦行為。如Vilnai-Yavetz I等基于外在動(dòng)機(jī)和內(nèi)在動(dòng)機(jī)的分析視角，探究了社交網(wǎng)絡(luò)中的用戶推薦商品內(nèi)容的動(dòng)機(jī)，發(fā)現(xiàn)內(nèi)在動(dòng)機(jī)如利他主義或自我地位的提升具有比外在動(dòng)機(jī)更為重要的作用[10]。魯欣鈞從用戶社會(huì)資本的視角出發(fā)，分析用戶的社會(huì)資本如何影響其分享意愿，發(fā)現(xiàn)關(guān)系維度對分享意愿起到正向影響的作用[11]。尚林基于社會(huì)交換理論和關(guān)系營銷理念深入探究了B2B客戶推薦意愿的影響因素[12]。

個(gè)體健康問題的隱私性使得移動(dòng)醫(yī)療APP與社交、娛樂、出行等類型的APP相比具有較大的特殊性。鑒于此，當(dāng)研究移動(dòng)醫(yī)療APP時(shí)需要思考以下問題：1）適用于普通類型APP的推薦行為研究結(jié)論是否同樣適用于移動(dòng)醫(yī)療的研究情景？2）推薦行為是否最終被采納需要考慮被推薦者的醫(yī)療信息需求，即通常“精準(zhǔn)一對一”的推薦更能獲得成功，在此過程中APP的信息內(nèi)容特征起到何種作用？上述問題在已有研究中尚未得到很好的回答?；谏鲜隹紤]，本研究從以下幾方面展開深入探究：第一，移動(dòng)醫(yī)療APP用戶推薦行為。已有的移動(dòng)APP用戶推薦行為研究主題主要集中于購物、旅游、知識(shí)付費(fèi)和游戲等領(lǐng)域，對于移動(dòng)醫(yī)療領(lǐng)域的用戶推薦行為研究尚處于起步階段。因此，本研究將聚焦移動(dòng)醫(yī)療領(lǐng)域的用戶推薦行為，是對已有移動(dòng)推薦行為研究知識(shí)體系的有益補(bǔ)充;第二，信息內(nèi)容特征與推薦行為的相關(guān)關(guān)系研究。已有研究文獻(xiàn)主要從口碑信息或個(gè)人體驗(yàn)信息層面展開分析，這種分類方式有利于從單一層面深入研究影響用戶行為的因素，但卻弱化了個(gè)人體驗(yàn)和大眾口碑之間的相互作用。因此，本研究將同時(shí)考慮個(gè)人體驗(yàn)層面和大眾口碑層面，能夠?yàn)楸绢I(lǐng)域的研究提供更為豐富的視角;第三，信息需求對推薦行為調(diào)節(jié)作用的研究。已有研究文獻(xiàn)較少考慮個(gè)體信息需求對個(gè)體行為的調(diào)節(jié)作用，而醫(yī)療問診常涉及個(gè)體不愿為人知的隱私，而推薦過程必定不可避免地在不同程度上有泄漏自身隱私的風(fēng)險(xiǎn)。因此，推薦者在考慮推薦行為時(shí)需要考慮與被推薦者的關(guān)系親疏及其對所推薦醫(yī)療信息的需求程度。因此，本研究考慮被推薦者的信息需求對推薦行為的調(diào)節(jié)作用能讓研究更符合用戶的實(shí)際使用情境。

基于上述分析，本研究以精細(xì)加工可能性模型的中心路徑和邊緣路徑為理論框架，通過整合信息系統(tǒng)成功模型和口碑聲譽(yù)理論提取移動(dòng)醫(yī)療APP的信息內(nèi)容特征，重點(diǎn)關(guān)注被推薦者信息需求的調(diào)節(jié)作用來提出研究假設(shè)并構(gòu)建理論研究模型，基于數(shù)據(jù)分析結(jié)果提出的意見和建議對于移動(dòng)醫(yī)療平臺(tái)運(yùn)營者和管理者的實(shí)踐活動(dòng)具有一定的借鑒意義。

1 文獻(xiàn)回顧及假設(shè)提出

1.1 信息內(nèi)容特征、推薦意愿和推薦行為的界定

精細(xì)加工可能性模型認(rèn)為個(gè)體態(tài)度的改變會(huì)受到“中心”和“邊緣”兩條路徑的影響[13]。中心路徑是指個(gè)體經(jīng)過詳盡的認(rèn)知和信息加工，仔細(xì)審查問題的論據(jù)、優(yōu)點(diǎn)和相關(guān)性從而形成對目標(biāo)行為的最終態(tài)度。邊緣路徑是指個(gè)體需要較少的認(rèn)知力，主要依賴一些簡單的、表面的提示信息來形成最終態(tài)度[14]。在移動(dòng)醫(yī)療APP的研究情境下，考慮用戶參與程度和所需的信息處理量可將信息內(nèi)容特征細(xì)分為“中心信息內(nèi)容特征”和“邊緣信息內(nèi)容特征”。其中，中心信息內(nèi)容特征是指用戶通過深度參與后經(jīng)過加工處理得到的信息結(jié)果，而邊緣信息內(nèi)容特征是指用戶僅通過外部環(huán)境的簡單提示或簡單地處理得到的信息結(jié)果。

信息傳播模型認(rèn)為傳播意愿引發(fā)傳播行為，根據(jù)信息來源和影響機(jī)理的差異將傳播意愿細(xì)分為自我傳播意愿和從眾傳播意愿[15]。在線用戶推薦行為本質(zhì)上也屬于信息傳播行為，因此可將移動(dòng)醫(yī)療APP用戶推薦意愿細(xì)分為自我推薦意愿與從眾推薦意愿兩大類。其中，自我推薦意愿是指使推薦者基于自身真實(shí)的使用體驗(yàn)而產(chǎn)生的推薦想法，主要基于推薦者對該移動(dòng)醫(yī)療APP自身的信息質(zhì)量、服務(wù)水平以及系統(tǒng)穩(wěn)定性等中心信息內(nèi)容特征的直接感受，屬于個(gè)體直接的、主動(dòng)的推薦意愿。群體心理學(xué)創(chuàng)始人勒龐認(rèn)為群體總是處于一種期待注意的狀態(tài)中，因此很容易受到周圍環(huán)境的暗示從而產(chǎn)生行為從眾和思想從眾[16]。從眾推薦意愿即基于這一理論，是指推薦者在外界環(huán)境的影響下產(chǎn)生的推薦想法，主要基于推薦者對周邊人群以及網(wǎng)絡(luò)用戶對APP的聲譽(yù)評(píng)價(jià)、態(tài)度等邊緣信息內(nèi)容特征的感受，屬于個(gè)體跟隨性、從眾性的推薦意愿。

1.2 中心信息內(nèi)容特征對自我推薦意愿的影響

移動(dòng)醫(yī)療APP本質(zhì)上屬于一個(gè)高質(zhì)量的信息系統(tǒng)，用戶通過使用產(chǎn)生滿意或不滿意的使用體驗(yàn)和信息收益，該使用過程可視為用戶深度參與和加工后得到中心信息內(nèi)容特征的過程。鑒于此，本研究抽取信息系統(tǒng)成功模型中的信息質(zhì)量、服務(wù)質(zhì)量、系統(tǒng)質(zhì)量作為移動(dòng)醫(yī)療APP中心信息的特征因素，并將它們定義為：1）信息質(zhì)量。信息質(zhì)量指移動(dòng)醫(yī)療APP信息內(nèi)容的輸出質(zhì)量[17]。移動(dòng)醫(yī)療APP涵蓋的醫(yī)療信息種類主要包括對患者狀況的診斷和治療方案的建議等，本研究從準(zhǔn)確性和完整性2個(gè)維度來測量信息質(zhì)量;2）服務(wù)質(zhì)量。服務(wù)質(zhì)量是指用戶對移動(dòng)醫(yī)療APP的服務(wù)期望和感知服務(wù)性能間的差異程度[18]。本研究從可靠回復(fù)和移情作用2個(gè)維度來測量服務(wù)質(zhì)量;3）系統(tǒng)質(zhì)量。系統(tǒng)質(zhì)量是指用戶對移動(dòng)醫(yī)療APP的信息系統(tǒng)性能或期望的質(zhì)量[19]。本研究從易用性和有用性2個(gè)維度來測量系統(tǒng)質(zhì)量?；谏鲜龇治?，提出以下假設(shè)：

H1：中心信息內(nèi)容特征中的信息質(zhì)量正向影響用戶的自我推薦意愿;

H2：中心信息內(nèi)容特征中的服務(wù)質(zhì)量正向影響用戶的自我推薦意愿;

H3：中心信息內(nèi)容特征中的系統(tǒng)質(zhì)量正向影響用戶的自我推薦意愿。

1.3 邊緣信息內(nèi)容特征對從眾推薦意愿的影響

從信息傳播角度來看，口碑傳播本質(zhì)上屬于一種非正式溝通行為，用戶根據(jù)外界環(huán)境中的品牌聲譽(yù)對產(chǎn)品進(jìn)行傳播擴(kuò)散[20]。因此，口碑傳播中涉及品牌聲譽(yù)的信息內(nèi)容可被視為一類邊緣信息。研究指出，品牌聲譽(yù)有助于提升顧客忠誠度和促進(jìn)口碑傳播行為[21]。當(dāng)顧客希望自身在他人的認(rèn)知中能與良好聲譽(yù)的品牌形成相關(guān)關(guān)系時(shí)，則可能會(huì)通過購買、推薦等行為來展示自身與品牌間的密切關(guān)系[22]。因此，本研究將聲譽(yù)視為從眾推薦意愿的關(guān)鍵因素，并從營銷學(xué)視角出發(fā)結(jié)合移動(dòng)醫(yī)療APP的應(yīng)用情境，提取APP認(rèn)知聲譽(yù)、醫(yī)生認(rèn)知聲譽(yù)、醫(yī)院認(rèn)知聲譽(yù)等作為移動(dòng)醫(yī)療APP邊緣信息的特征因素。其中，APP認(rèn)知聲譽(yù)是指患者對醫(yī)療APP知名度、市場口碑、占有率、網(wǎng)上他人評(píng)價(jià)、業(yè)績表現(xiàn)等指標(biāo)的判斷;醫(yī)生認(rèn)知聲譽(yù)是指患者對移動(dòng)醫(yī)療平臺(tái)上醫(yī)生的診斷評(píng)價(jià)、診斷滿意度、知名度、職稱等客觀指標(biāo)的理性判斷;醫(yī)院認(rèn)知聲譽(yù)是指患者對移動(dòng)醫(yī)療APP上醫(yī)院在專業(yè)領(lǐng)域知名度、級(jí)別地位等指標(biāo)的直觀判斷[23]?；谏鲜龇治觯岢鲆韵录僭O(shè)：

H4：邊緣信息內(nèi)容特征中的APP認(rèn)知聲譽(yù)正向影響用戶的從眾推薦意愿;

H5：邊緣信息內(nèi)容特征中的醫(yī)生認(rèn)知聲譽(yù)正向影響用戶的從眾推薦意愿;

H6：邊緣信息內(nèi)容特征中的醫(yī)院認(rèn)知聲譽(yù)正向影響用戶的從眾推薦意愿。

1.4 推薦意愿對推薦行為的影響

ELM中的中心路徑和邊緣路徑具有不同的影響機(jī)理。其中，中心路徑被認(rèn)為是用戶將零散化、碎片化感受通過整理、組合等信息加工處理方式后得到的信息結(jié)果，邊緣路徑指用戶通過外界的信息提示或簡單接觸得到的信息結(jié)果[24]。借鑒ELM雙路徑的分析思路，在移動(dòng)醫(yī)療APP的研究情境中，可認(rèn)為用戶自我推薦意愿受中心信息內(nèi)容特征的影響，而從眾推薦意愿受邊緣信息的影響，即自我推薦意愿是用戶經(jīng)過親自體驗(yàn)、有意義的思考、認(rèn)真分析和歸納后形成的，從眾推薦意愿則未經(jīng)過積極地考量與分析，用戶的動(dòng)機(jī)和主觀性處于較低的水平。無論用戶是由于從眾推薦意愿還是自我推薦意愿，都將引發(fā)推薦行為[25]?；谏鲜龇治觯岢鲆韵录僭O(shè)：

H7：用戶的自我推薦意愿正向影響用戶的推薦行為;

H8：用戶的從眾推薦意愿正向影響用戶的推薦行為。

1.5 感知信息需求的調(diào)節(jié)作用

推薦行為的順利完成通常涉及推薦者和被推薦者這兩個(gè)最主要的主體。鑒于醫(yī)療推薦中推薦者或被推薦者的個(gè)人隱私，推薦者在做出推薦決策時(shí)需要考慮被推薦者的信息需求程度，從而避免由于尷尬、誤會(huì)、不需要或者無效等原因?qū)е碌耐扑]失效。在健康心理學(xué)領(lǐng)域，感知信息需求能在涉及決策過程時(shí)明顯增加決策過程的需求意愿引發(fā)健康行為的可能性[26]。因此，感知信息需求作為推薦意愿與推薦行為之間的重要影響因素需要得到關(guān)注。在移動(dòng)醫(yī)療APP研究情境下，感知信息需求是指用戶感知他人對于健康信息的需求程度。例如，用戶的親朋好友中如果有嚴(yán)重的心臟病，則該用戶在瀏覽到心臟病相關(guān)的健康信息時(shí)會(huì)產(chǎn)生高水平的感知需求并將對他的推薦意愿和推薦行為產(chǎn)生影響。通常，感知信息需求水平越高則越會(huì)促進(jìn)推薦意愿對推薦行為的影響?；谏鲜龇治?，提出以下假設(shè)：

H9（a）：感知信息需求正向調(diào)節(jié)自我推薦意愿對推薦行為的影響;

H9（b）：感知信息需求正向調(diào)節(jié)從眾推薦意愿對推薦行為的影響。

根據(jù)上述研究假設(shè)，本文基于精細(xì)加工可能性模型構(gòu)建的信息內(nèi)容特征對用戶推薦行為的研究模型如圖1所示。

2 研究方法

2.1 實(shí)驗(yàn)設(shè)計(jì)

本實(shí)驗(yàn)采取日志追蹤實(shí)驗(yàn)和調(diào)查問卷結(jié)合的方法來保證實(shí)證研究的數(shù)據(jù)真實(shí)、可靠。通過查閱大量文獻(xiàn)資料和市場調(diào)研，本研究最終選擇“春雨醫(yī)生”作為實(shí)驗(yàn)素材，主要因?yàn)椋?）“春雨醫(yī)生”是目前中國移動(dòng)醫(yī)療APP市場中用戶數(shù)最多的產(chǎn)品;2）“春雨醫(yī)生”雖以在線輕問診和自診功能為主，但同時(shí)兼顧健康資訊的普及、自我健康管理輔助和在線預(yù)約掛號(hào)等功能。因此，它具有較好的代表性，符合本研究對實(shí)驗(yàn)素材的要求。

在實(shí)驗(yàn)設(shè)計(jì)部分，研究團(tuán)隊(duì)反復(fù)設(shè)計(jì)并編輯好實(shí)驗(yàn)說明、實(shí)驗(yàn)任務(wù)及實(shí)驗(yàn)日志文檔。其中，實(shí)驗(yàn)說明能夠讓實(shí)驗(yàn)者了解到本次實(shí)驗(yàn)?zāi)康?、?shí)驗(yàn)流程等相關(guān)信息。實(shí)驗(yàn)任務(wù)每天早上由研究團(tuán)隊(duì)成員向?qū)嶒?yàn)者定時(shí)發(fā)送，實(shí)驗(yàn)者必須在規(guī)定時(shí)間結(jié)束之前完成派發(fā)的體驗(yàn)任務(wù);實(shí)驗(yàn)日志文檔由實(shí)驗(yàn)者每天在實(shí)驗(yàn)結(jié)束后填寫記錄當(dāng)日的任務(wù)完成情況。實(shí)驗(yàn)涉及移動(dòng)醫(yī)療APP健康資訊的瀏覽、健康管理輔助工具（如健康計(jì)劃、健康計(jì)步等）的使用、疾病自診、在線輕問診等體驗(yàn)項(xiàng)目，實(shí)驗(yàn)時(shí)長為5天。為提高實(shí)驗(yàn)者參與實(shí)驗(yàn)的積極性并確保實(shí)驗(yàn)者的實(shí)驗(yàn)質(zhì)量，研究小組會(huì)事先告知實(shí)驗(yàn)者在完成每天的實(shí)驗(yàn)內(nèi)容后均能得到一定額度的經(jīng)濟(jì)報(bào)酬。

2.2 問卷設(shè)計(jì)及數(shù)據(jù)收集

問卷設(shè)計(jì)包括人口統(tǒng)計(jì)量和變量問項(xiàng)兩個(gè)部分。變量問項(xiàng)均采用Likert 7點(diǎn)量表進(jìn)行測量。為保證量表的嚴(yán)謹(jǐn)與準(zhǔn)確，研究團(tuán)隊(duì)提前選取30名用戶進(jìn)行問卷前測，隨后讓研究領(lǐng)域的3名專家跟據(jù)前測結(jié)果對問卷進(jìn)行修訂，直至反饋結(jié)果在控制范圍內(nèi)才進(jìn)行大規(guī)模實(shí)驗(yàn)和問卷調(diào)查，問卷變量信息和問項(xiàng)的來源如表1所示。

實(shí)驗(yàn)者的招募主要通過線上和線下兩種渠道進(jìn)行。線上實(shí)驗(yàn)者的招募是通過各大在線醫(yī)療網(wǎng)站和論壇公開招募，線下實(shí)驗(yàn)者的招募由研究小組在高校校醫(yī)院門診或病房通過實(shí)地訪談?wù)心?。為盡可能保證實(shí)驗(yàn)樣本的代表性和有效性，在確定實(shí)驗(yàn)者被納入實(shí)驗(yàn)對象之前會(huì)通過電子郵件或者當(dāng)面訪談的形式詢問其是否有使用移動(dòng)醫(yī)療的健康需求或經(jīng)驗(yàn)，將當(dāng)前正好有診療需求的病患以及有多年移動(dòng)醫(yī)療使用經(jīng)驗(yàn)的用戶篩選為本研究最合適的實(shí)驗(yàn)樣本。研究小組最終招募實(shí)驗(yàn)者320名并向其發(fā)放實(shí)驗(yàn)說明文檔，在確保各實(shí)驗(yàn)者了解實(shí)驗(yàn)流程并同意參與實(shí)驗(yàn)后開始正式實(shí)驗(yàn)。為盡可能保證實(shí)驗(yàn)數(shù)據(jù)的真實(shí)、可靠，所有實(shí)驗(yàn)者需遵循實(shí)驗(yàn)設(shè)計(jì)進(jìn)行為期5天的預(yù)實(shí)驗(yàn)，在此期間實(shí)驗(yàn)者需完成當(dāng)天的實(shí)驗(yàn)任務(wù)和實(shí)驗(yàn)日志。預(yù)實(shí)驗(yàn)結(jié)束后，研究小組向每位實(shí)驗(yàn)者發(fā)放了最終的調(diào)查問卷，由于各種原因一些實(shí)驗(yàn)者中途放棄實(shí)驗(yàn)未能完成調(diào)查問卷，同時(shí)剔除回答不完整及回答具有明顯錯(cuò)誤的無效問卷后，最終獲得288份有效問卷。

2.3 樣本描述

表2為實(shí)驗(yàn)樣本的描述統(tǒng)計(jì)。數(shù)據(jù)顯示，在288份有效問卷中，男性占比53.8%，女性占比46.2%。在年齡分布上，25歲及以下的人占比最大，達(dá)到了85%以上，26～45歲人群約占10%，46歲及以上的人群共占4.5%。受教育程度方面，本科占比最大約為65%，大專及以下樣本占比約30%，碩士及以上占比約為4%。

3 模型驗(yàn)證

3.1 測量模型驗(yàn)證

本研究采用SmartPL2.0軟件進(jìn)行分析，該軟件基于偏最小二乘法，對樣本數(shù)量要求較少且對樣本數(shù)據(jù)的分布要求較低。首先運(yùn)行PLS Algorithm算法驗(yàn)證測量模型的信度與效度。運(yùn)行得到的Cronbachs Alphas（α）值和Composite Reliability（CR）值2個(gè)指標(biāo)能夠反映出模型的信度，AVE值和α值檢測能夠反映出模型的聚合效度，區(qū)別效度的檢驗(yàn)方法是比較該變量與其他變量間相關(guān)系數(shù)的絕對值和AVE的平方根的大小。表3和表4分別顯示了模型的信度、聚合效度以及區(qū)別效度結(jié)果。