基于期望確認的移動商務用戶持續(xù)使用行為元分析

袁順波

(浙江省社會科學院 杭州 310007)

0 引 言

隨著移動互聯(lián)網(wǎng)和智能手機的普及，移動商務在全球范圍內(nèi)得到了飛速發(fā)展，眾多場景下的移動商務應用如雨后春筍般涌現(xiàn)并得到社會大眾的廣泛認可，各類移動商務系統(tǒng)用戶持續(xù)使用的相關話題也成為了當下信息技術/系統(tǒng)用戶行為研究中的熱點。不少研究從不同的角度出發(fā)，對移動支付、移動銀行等多種類型的移動商務用戶持續(xù)使用行為規(guī)律展開調(diào)研與分析，其中，以ECM-ISC模型(Expectation-Confirmation Model of IS Continuance, 信息系統(tǒng)期望確認模型)為基礎而進行的探討是現(xiàn)有研究中的主流。ECM-ISC模型聚焦于用戶在初次使用信息技術/系統(tǒng)后是否繼續(xù)使用的行為機理，提出滿意度、期望確認度和感知有用性是影響用戶持續(xù)使用意愿的重要因素[1]。與TPB(Theory of Planned Behavior，計劃行為理論)、TAM(Technology Acceptance Model，技術接受模型)等用戶采納模型相比，ECM-ISC模型對信息技術/系統(tǒng)用戶持續(xù)使用行為的解釋能力相對更優(yōu)。

截至目前，已有不少學者以ECM-ISC中部分或全部變量為基礎進行移動商務用戶持續(xù)使用研究，其結論也大多支持ECM-ISC中的假設，即持續(xù)使用意愿/行為受滿意度、期望確認度和感知有用性的影響。與此同時，現(xiàn)有研究在影響強度、影響方向甚至統(tǒng)計顯著性等方面還存在著一定的差異，并未達成一致的結論。一般而言，在特定場景下模型的有效性不足或者研究者人為的偏差是導致上述差異出現(xiàn)的原因，模型的有效性不足主要指的是該模型可能并不適用于對移動商務用戶持續(xù)使用行為進行研究，而人為偏差則包括抽樣誤差、測量誤差、變異幅度差異、建構效度差異以及其他數(shù)據(jù)或計算方法誤差等方面的問題[2]。

元分析(Meta-analysis)，又稱薈萃分析，是一種對現(xiàn)有實證研究文獻進行再次統(tǒng)計分析的方法，該方法可將獨立的研究結果進行整合并形成一致性的研究結論，得到綜合性的評價結果，實現(xiàn)從個別結論到一般結論的科學歸納。同時，元分析還可能識別出潛在的調(diào)節(jié)變量，發(fā)掘未來的研究問題等[3]。有鑒于此，本文采用元分析方法，對ECM-ISC模型應用于移動商務用戶持續(xù)使用行為研究的有效性、變量之間關系的穩(wěn)定性以及可能的調(diào)節(jié)變量進行驗證，以期為后續(xù)研究提供參考。

1 文獻回顧

目前信息技術/系統(tǒng)用戶持續(xù)使用行為的理論基礎主要分為兩大方面：基于用戶接受的相關理論和基于ECM-ISC模型的持續(xù)使用理論。在研究早期，學者大多以信息技術/系統(tǒng)接受模型為基礎，進一步開展用戶持續(xù)使用的相關研究。但進入新世紀后，越來越多的學者意識到，基于信息技術/系統(tǒng)用戶接受理論開展持續(xù)使用研究存在著一定的局限，因而開始探索從其他角度解釋用戶的持續(xù)使用行為規(guī)律。其中，Bhattacherjee認為信息技術/系統(tǒng)用戶持續(xù)使用的行為規(guī)律與消費者的再次購買行為規(guī)律類似，同樣受到滿意度、感知有用性等因素的影響，他以ECT(Expectation Confirmation Theory，期望確認理論)為基礎，從采納后用戶的心理動機出發(fā)，對影響信息技術/系統(tǒng)用戶持續(xù)使用的認知信念和感受進行理論驗證后，提出了全新的ECM-ISC模型(見圖1)。該模型關注信息技術/系統(tǒng)采納后用戶的行為，能夠進一步解釋用戶在初始采納后并未持續(xù)使用的前后不一致的深層次原因，而這也是TAM等模型無法解釋的現(xiàn)象[1]。

圖1 ECM-ISC模型

ECM-ISC模型主要包括期望確認程度、感知有用性及滿意度等三個影響持續(xù)使用意愿的前因變量，其中，期望確認程度直接影響用戶的有用性感知及滿意度、感知有用性則對滿意度及持續(xù)使用意愿產(chǎn)生直接影響，同時，滿意度也是持續(xù)使用意愿的重要影響因素。Bhattacherjee指出，用戶即使在初次使用信息技術時其預期期望沒有得到有效確認或者對信息技術/系統(tǒng)不夠滿意，但考慮到信息技術/系統(tǒng)對其工作或生活等是有用的，用戶還是可能會考慮持續(xù)使用該信息技術/系統(tǒng)。此后，Bhattacherjee等人在對模型進行進一步驗證的時候發(fā)現(xiàn)，感知有用性對滿意度的影響不夠穩(wěn)定，在不同環(huán)境下的實證結果不一致且理論支持有所不足，因而在修正后的模型中舍棄了該條影響路徑[4]。

ECM-ISC模型為信息技術/系統(tǒng)用戶持續(xù)使用行為研究提供了新的研究視角，從而在后續(xù)研究中得到了非常廣泛的應用，Oghuma等人構建了移動即時通訊用戶持續(xù)使用模型，通過實證研究發(fā)現(xiàn)感知可用性、感知安全性、感知服務質量以及期望確認程度是影響其持續(xù)使用的重要因素[5]；張海與姚瑞紅則以ECM-ISC模型為基礎構建了移動政務APP持續(xù)使用意愿模型，并明確了滿意度、感知有用性、期望確認度、系統(tǒng)質量等因素的作用[6]。

針對ECM-ISC的元分析，目前國內(nèi)外僅有少量相關文獻，Lai等人對信息技術/系統(tǒng)用戶持續(xù)使用研究中基于ECM-ISC模型的期刊論文和會議論文進行元分析，結果表明各變量之間顯著相關[7]；韓嘯與李潔證實了模型中各假設均成立，不過發(fā)現(xiàn)個別變量關系的效應值和失效安全系數(shù)偏低[3]。由上可見，現(xiàn)有的分析均是在信息技術/系統(tǒng)整體環(huán)境下所開展的，但不同類型信息技術/系統(tǒng)的用戶行為規(guī)律并不完全一致，ECM-ISC模型的解釋能力也可能有所不同。因此，有必要選擇移動商務這一類應用相當廣泛的信息技術/系統(tǒng)，對ECM-ISC模型的適用性、有效性及穩(wěn)定性展開系統(tǒng)分析。

2 研究設計

2.1研究流程完整的元分析流程一般包括文獻搜集、篩選分析對象、提取數(shù)據(jù)、進行計算分析并得出結論等步驟。鑒于此，本研究將分成如下四個階段：a.從Web of Science、CNKI等國內(nèi)外數(shù)據(jù)庫中搜集與移動商務用戶持續(xù)使用行為相關的文獻；b.確定篩選標準，選擇目標文獻；c.提取數(shù)據(jù)，進行計算與分析，包括基本元分析和調(diào)節(jié)作用分析；d.討論研究結果，得出研究結論。

2.2文獻搜集與篩選以Web of Science、ProQuest Digital Dissertation(PQDD)、中國知網(wǎng)和萬方數(shù)據(jù)庫為文獻源，將“continue”“continued”“continuance”“post-adoption”等檢索詞與“mobile”組配進行檢索并手工篩選后得到外文文獻53篇，以“持續(xù)”“采納后”等檢索詞與“移動”“手機”等檢索詞組配進行檢索并手工篩選后得到中文文獻71篇。

根據(jù)元分析的需要，本研究確定篩選標準如下：a.須是關于移動商務用戶持續(xù)使用意愿或行為的實證研究；b.提供了相關的數(shù)據(jù)，包括相關系數(shù)、樣本數(shù)量以及測度可靠性的相關數(shù)值；c.研究基于完整的ECM-ISC模型開展，部分變量或影響路徑缺失的研究均予以排除；d.對各變量的界定、實證研究方法與最初提出ECM-ISC模型的文獻基本相同。根據(jù)以上標準，最終獲得文獻42篇。各文獻的基本情況如表1所示。

表1 納入元分析的文獻信息

續(xù)表1 納入元分析的文獻信息

3 基本元分析

3.1效應量選擇考慮到相關系數(shù)在用戶持續(xù)使用行為研究中使用相當普遍，且易于觀測和記錄，因此本研究選擇相關系數(shù)作為測量ECM-ISC模型中變量之間關系的效應量。同時，有研究表明，在元分析中使用克朗巴哈α系數(shù)或組合信度(Composite Reliability, CR)作為效應量對實際結果的影響有限[49]。故本研究也選擇克朗巴哈α系數(shù)或CR作為單篇文獻的效應量。從42篇論文中收集到的效應量如圖2所示，從中可以看出，效應量值大多分布在0.5左右。

圖2 效應量的莖葉圖

3.2模型選擇元分析中的模型有固定效應模型和隨機效應模型，固定效應模型假設全部的樣本來自同一群體，因此有固定的效應量。隨機效應模型則假設樣本來自不同的群體，有不同的平均效應量?？紤]到國內(nèi)外文獻之間的異質性，本研究選擇Hall以及Hunter等人提出的隨機效應模型[50-51]。

3.3分析結果

3.3.1 合并效應量 合并效應量可反映變量間作用強度的大小。本研究使用克朗巴哈α系數(shù)或CR表示不同文獻中各變量的原始效應量，在此基礎之上，采用Hunter-Schmidt方法，得到合并效應量r(見表2)，其計算公式為：

(1)

公式(1)中n代表單篇文獻中樣本數(shù)量的大小，ri是單篇文獻中的效應量，k是搜集到的論文總數(shù)。從表2可以看出，各合并效應量處于0.5～0.7的區(qū)間之中。

(2)

(3)

最終得出的樣本效應量方差Varr：

(4)

從表2可以看出，最小的樣本效應量方差值為0.0164，最大的則為0.0264，均處于可接受的范圍之內(nèi)。

3.3.3 置信區(qū)間 基于樣本效應量方差，計算效應量在置信水平為95%時的置信區(qū)間(Credibility Intervals, CI)

(5)

從表2可以看出，各CI值均大于0。

3.3.4 失安全系數(shù) 失安全系數(shù)(Fail-Safe Number, FSN)是使用最早和最廣泛的用于預測發(fā)表偏差的指標，它表示需要多少未發(fā)表的文章使已得到的顯著的結果變?yōu)椴伙@著。其計算公式為：

(6)

其中，Zi為由FisherZ分數(shù)轉換而來的Z分數(shù)，k為文獻數(shù)量。結果顯示，各失安全系數(shù)值均相當理想。

3.3.5 校正后的分析值 由于在測量誤差的影響下文獻中的原始效應量(相關系數(shù))相較于實際值偏小，因此需要對原始效應量進行測量誤差的校正，其計算方法如公式(7)所示。

(7)

表2 基本元分析結果

4 調(diào)節(jié)效應分析

4.1調(diào)節(jié)變量的選擇已有相關研究發(fā)現(xiàn)信息技術/系統(tǒng)用戶持續(xù)使用行為受到信任、年齡、文化等因素的調(diào)節(jié)作用，如Kourouthanassis等人的研究表明用戶自畫像和信任在滿意度對持續(xù)使用的影響上起著調(diào)節(jié)作用[52]；Tan等人發(fā)現(xiàn)感知有用性對IT用戶持續(xù)使用的影響受到隱私關注的調(diào)節(jié)[53]。

學生群體接受性較強且信息收集相對較易，因而以學生群體為樣本在用戶行為研究中較為常見，但也有研究認為學生是一類相對特殊的群體，在校學生使用移動商務應用的動機大都出于其生活習慣，而且大部分學生在移動商務中僅扮演消費者的角色，對移動商務應用的需求與其他用戶群體可能會有一定的區(qū)別，因而難以代表一般的用戶群體。如Wu等人指出，用戶群體(學生/非學生)對TAM模型中各變量之間的關系以及信任對感知有用性的影響均有調(diào)節(jié)作用[54]。但也有研究發(fā)現(xiàn)前因變量對IT持續(xù)使用的影響不受用戶群體的調(diào)節(jié)[2]。

文化是因人類共同生活的需要所創(chuàng)造出來的，同時也在它所涵蓋的范圍內(nèi)和不同的層面發(fā)揮著重要的功能和作用，人們的飲食起居、性格、習慣等等無不受文化潛移默化的影響。一般而言，國內(nèi)受到儒家文化的影響，人們的性格習慣偏向謙虛內(nèi)斂，而國外則更注重自由與開放。如Hsu等人的研究發(fā)現(xiàn)自我呈現(xiàn)、信息查尋對社交媒體持續(xù)使用意愿的作用受到文化的調(diào)節(jié)[55]。

上述變量對移動商務用戶的持續(xù)使用行為均有可能具有調(diào)節(jié)效應，但基于所收集文獻中各變量及樣本的實際情況，本研究選擇了用戶群體和文化這兩個變量，就其在移動商務情景下對ECM-ISC模型中各變量之間關系的調(diào)節(jié)作用進行分析。

4.2分析結果以SPSS軟件并結合Field & Gillet編寫的宏，得到用戶群體和文化的調(diào)節(jié)作用結果(見表3)。

表3 調(diào)節(jié)效應分析結果

從表3可以看出，就前因變量對移動商務持續(xù)使用行為的影響而言，用戶群體和文化兩個因素并沒有顯著的調(diào)節(jié)作用，說明學生在移動商務應用的持續(xù)使用行為上與其他一般群體并無太大區(qū)別，而文化對于人們“物質”生活的影響也并無顯著作用。

5 討 論

a.在移動商務用戶持續(xù)使用行為中，ECM-ISC模型中各合并效應量都是顯著的，且處在0.5-0.7的區(qū)間中，表明ECM-ISC模型中各變量之間的關系處于中等以上的范圍，這有效地說明了ECM-ISC模型中各假設是成立的，也表明ECM-ISC模型對于解釋移動商務用戶持續(xù)使用行為是有效的(見圖3)。事實上，ECM-ISC模型已被大量研究作為解釋各類信息系統(tǒng)用戶持續(xù)使用規(guī)律的理論基礎與模型，其作用也得到了廣泛的驗證與認可。移動商務平臺作為信息系統(tǒng)應用于商貿(mào)領域的典型代表，擁有信息系統(tǒng)所應具備的共性，如對于用戶而言，移動商務平臺必須能匹配其工作、生活中的需求，能提升工作績效或解決生活中的問題。因此，ECM-ISC模型可有效解釋移動商務用戶持續(xù)使用行為是在情理之中的。

圖3 ECM-ISC 模型變量關系效應值示意圖

b.元分析結果顯示，合并效應量的方差都處在可接受的范圍內(nèi)(0.01-0.03)，其原因可能是樣本的效應量來自于不同的調(diào)查樣本，不同的調(diào)查樣本都有自己的效應量，而這正是隨機效應模型期望得到的結果。當然，不同樣本有不同的效應量，也表明ECM-ISC模型中各變量之間的關系可能會受到諸如教育程度、年齡、性別等因素的調(diào)節(jié)，因此應用ECM-ISC模型來解釋移動商務應用的持續(xù)使用行為時，不同的研究得出的結論可能會有所差異。

c.就ECM-ISC模型中五組變量之間的關系而言，相關性最強的為滿意度-持續(xù)使用意愿(SAT-CI, r=0.640)，相關性最弱的為期望確認程度-感知有用性(CON-PU, r=0.553)，但兩者之間差距較小，說明在移動商務場景下，期望確認程度、感知有用性、滿意度是持續(xù)使用意愿的重要影響因素，同時相互之間的關系也相當緊密。同時，校正前和校正后的效應量都顯示出各變量之間存在著較大的相關性，也與現(xiàn)有的相關研究(如納入此次分析的文獻)的結果基本保持一致。一般而言，移動商務主要面向的是社會大眾，重點關注的是用戶生活中的各類需求，如針對用戶購物的移動購物、解決用戶線上社交的移動社交媒體等，用戶更為關注移動商務平臺能否有效解決問題，其自主選擇權也相對更大，若其在使用后覺得不滿意或使用體驗與在使用前對移動商務的期望之間存在較大差距，則很有可能放棄繼續(xù)使用，這也在本次元分析中得到了證實。

d.雖然Bhattacherjee等人在修正后的ECM-ISC模型中舍棄了感知有用性-滿意度(PU-SAT)這一影響路徑，不過不少學者在后續(xù)研究中仍然在考察感知有用性對移動商務用戶滿意度的影響，而本研究的分析結果也證明感知有用性對滿意度存在著顯著的影響(r=0.570)。今后相關研究可考慮在此基礎之上，對二者之間的關系進行進一步的探討，以更準確地把握移動商務用戶持續(xù)使用行為規(guī)律。

e.基于各效應值的均值和樣本方差所得到效應值的95%置信區(qū)間，校正前和校正后的區(qū)間值均不包含零，說明各效應值顯著不為零。一般而言，95%置信區(qū)間可揭示給定變量之間的相關程度有95%的概率落在指定的區(qū)間內(nèi)，本研究的結果顯示各置信區(qū)間的下限值較大，說明ECM-ISC模型中各變量之間影響強度較大。

f.五組變量關系中，最小的失安全系數(shù)值為93464(CON-PU)，最大值為135513(CON-SAT)。一般而言，失安全系數(shù)反映的是當元分析結果具有統(tǒng)計學意義時，為排除發(fā)表偏差的可能，最少需要計算多少個未發(fā)表的研究報告才能使研究結論發(fā)生逆轉，失安全系數(shù)越大說明元分析結果越穩(wěn)定，結論被推翻的可能性越小。本研究中所有變量關系的失安全系數(shù)值均較大，說明在移動商務情景下，ECM-ISC模型中各變量之間的關系相當穩(wěn)定，也表明基于ECM-ISC模型開展移動商務用戶持續(xù)使用行為研究是科學、合理的。

g.用戶群體對ECM-ISC模型中各變量之間的關系不存在調(diào)節(jié)作用，這表明在校學生可以代表一般群體作為持續(xù)使用行為的研究對象，不過已有研究發(fā)現(xiàn)用戶群體(學生/非學生)對IT接受行為具有調(diào)節(jié)作用[56]。因此，后續(xù)研究可就不同移動商務用戶群體的行為進行更多的調(diào)查與分析。與此類似，文化的調(diào)節(jié)作用在社交媒體和移動商務應用的持續(xù)使用行為中呈現(xiàn)了不一致的結果，這表明文化對于不同的IT應用可能存在不同的影響。

6 總 結

用戶采納是移動商務成功的第一步，而持續(xù)使用則是影響其長期發(fā)展并最終能否取得成功的關鍵因素。本研究使用H-S 等人提出的隨機效應模型對基于期望確認的移動商務用戶持續(xù)使用研究進行了元分析，其結果支持ECM-ISC模型的假設。同時，本研究假設用戶群體和文化是移動商務情境下ECM-ISC模型中的調(diào)節(jié)變量，但分析結果與假設相反，兩者均無調(diào)節(jié)作用，在未來的研究中有必要再作進一步的探索。此外，本研究還驗證了從原始ECM模型中被舍棄的關系“感知有用性-滿意度”的有效性，后續(xù)研究可對此關系的有效性、關系的意義和影響強度等方面開展更加深入、全面的探討。