社交網絡交通信息出行者使用意向分析模型

李 睿， 陳 堅*， 趙翰林， 陳 琦

(1.重慶交通大學交通運輸學院， 重慶 400074； 2.重慶城市交通研究院有限責任公司， 重慶 401121； 3.日本九州大學人類環(huán)境研究生院， 福岡 8190395)

隨著信息技術的發(fā)展與智能終端設備的普及，社交網絡已逐漸成為人們獲取、傳播信息的重要服務平臺。社交網絡作為一種新型信息分享渠道，較傳統(tǒng)非對稱式信息發(fā)布渠道(電視、廣播等)具有明顯的優(yōu)勢，主要表現在信息的多樣性、即時性以及交互性，使得城市居民決策進入了多維的信息環(huán)境，對其日常生活及出行產生著重要影響。

社交網絡起源于1967年哈佛大學心理學教授Milgram[1]提出的六度分隔理論，描述了人際關系網之間的相互影響作用，后逐漸應用于交通出行研究領域。Hackney等[2]基于代理的方法研究了社交網絡在出行決策中的作用；Berg等[3]分析了社交網絡規(guī)模和成員構成對出行模式的影響；Jo?o等[4]通過網絡調查探討了電信技術與社交網絡媒體使用、出行行為之間的關系。近年來，研究者們的關注點逐漸從社交網絡本身轉變?yōu)槠渌鶄鞑サ慕煌ㄐ畔⑷绾斡绊懗鲂姓叩某鲂袥Q策行為。社交網絡交通信息涉及在出行過程中基于社交網絡平臺接收到的路況信息、事故信息、天氣信息等交通系統(tǒng)中的各類信息，并由出行者進行定性或定量地發(fā)布與傳播，已逐漸成為出行決策行為的重要影響因素。Chen等[5]運用層次聚類分析探索了信息使用、社交網絡與出行者合作意識之間的關系；傅志妍等[6]基于技術接受理論構建了融合社交網絡交通信息影響的出行方式選擇行為混合離散模型；張兆澤等[7]探討了社交網絡交通信息對出行時刻選擇行為的影響；劉天亮等[8]分析了社交網絡朋友圈交通信息對出行決策行為的影響；戢曉峰等[9]基于后悔理論建立了社交網絡分享型交通信息的用戶價值評估模型。

目前，已有研究多集中在社交網絡交通信息對出行決策行為的影響作用分析，而出行者對社交網絡交通信息的主觀態(tài)度尚未明確，缺少從出行者的心理感知角度定量探索其對社交網絡交通信息的使用意向。為此，基于技術接受模型，新增感知趣味性、感知風險性等核心潛變量，并對潛變量進行了量化，以具體描述出行者對社交網絡交通信息的心理感受，構建了社交網絡交通信息使用意向分析模型，為社交網絡交通信息對出行決策行為影響研究提供前提參數及理論依據。

1 技術接受模型

1.1 TAM

Davis[10]于1989年以理性行為理論的基礎，結合期望理論模型、自我效能理論提出了技術接受模型(technology acceptance model, TAM)。TAM解釋了感知有用性、感知易用性、使用意向等核心變量的概念，認為系統(tǒng)使用意向受個人的態(tài)度影響，而態(tài)度又由感知有用性與感知易用性所決定，且感知易用性對感知有用性也具有直接影響。TAM包含著系統(tǒng)設計特征、用戶個人屬性特征等外部變量，外部變量會間接影響用戶的使用意圖和行為。TAM首次將理性行為理論應用于技術接受研究領域，并對態(tài)度、使用意向、使用行為等核心變量之間的作用關系有著一定的解釋力，模型框架如圖1所示。

圖1 TAM模型框架Fig.1 TAM model framework

1.2 TAM2

Venkatesh等[11]于2000年對TAM予以修正，拓展分析了感知有用性與使用意向的影響因素，進而提出了TAM2。TAM2將影響因素分為社會影響與認知工具兩部分，社會影響包括主觀規(guī)范、使用者形象、經驗和自愿性4個變量，認知工具涵蓋工作相關性、輸出質量、結果展示性和感知易用性4個變量。TAM2認為自愿性對主觀規(guī)范和使用意向之間的影響關系具有調節(jié)作用，經驗對主觀規(guī)范與使用意向之間的影響關系以及主觀規(guī)范與感知有用性之間的影響關系也存在調節(jié)作用，而其余變量對感知有用性或使用意向產生直接影響作用[12]。TAM2深入分析了用戶使用意向及使用行為的形成過程，較TAM具有更強的解釋力，后被廣泛應用于社會行為、學習行為、商業(yè)行為等研究領域，TAM2模型框架如圖2所示。

圖2 TAM2模型框架Fig.2 TAM2 model framework

2 使用意向分析模型

2.1 研究假設

在TAM與TAM2的基礎上，綜合考慮社交網絡交通信息的特點，保留TAM、TAM2模型中的原有核心變量感知有用性、感知易用性、主觀規(guī)范與使用意向，并根據原模型中的既有路徑影響關系提出研究假設H4～H7、H9。

社交網絡交通信息作為一種新型交通信息，出行者會對其娛樂程度、風險程度、信任程度有一定的主觀認知評判，結合感知趣味理論、感知風險理論以及感知信任理論，新增變量感知趣味性、感知風險性及感知信任3個潛變量以細化描述出行者對社交網絡交通信息的態(tài)度及心理感受，并提出假設H1～H3、H8、H10～H12，從而構建了社交網絡交通信息使用意向分析模型。具體假設內容如表1所示，模型框架如圖3所示。

2.2 變量定義及測度

采用李克特5點評分量表設計問卷測量題項，以測度研究假設所提出的7個潛變量，描述出行者對社交網絡交通信息的心理感受。具體變量定義如表2所示，變量測量題項如表3所示。

表1 研究假設

表2 變量定義

表3 變量測度

2.3 數學模型

模型中的變量均為不可直接觀測的潛變量，需以顯變量(測量變量)對潛變量進行測度，并利用結構方程模型進行數學分析。結構方程模型包括測量模型與結構模型，測量模型用以描述潛變量與其觀測變量之間的作用關系，而結構模型則用以描述外生潛變量與內生潛變量之間的作用關系。

(1)測量模型：

(1)

(2)

式中：X為2個外生潛變量的6個測量變量構成的向量；ΛX為X對ξ的因子載荷矩陣；ξ為2個外生潛變量構成的向量；δ為X的6個測量誤差構成的向量；Y為5個內生潛變量的17個測量變量構成的向量；ΛY為Y對η的因子載荷矩陣；η為5個內生潛變量構成的向量；ε為Y的17個測量誤差構成的向量。

(2)結構模型：

(3)

式(3)中：η為5個內生潛變量構成的向量；B為5個內生潛變量構成的結構系數矩陣；Γ為2個外生潛變量對5個內生潛變量作用的結構系數矩陣；ξ為2個外生潛變量構成的向量；ζ為5個內生潛變量的誤差向量。

2.4 模型求解及檢驗

運用AMOS軟件對模型進行求解，通過對比分析理論模型的協(xié)方差矩陣與實際樣本數據得到的協(xié)方差矩陣的差異性來檢驗模型的擬合優(yōu)度，差異性越小則擬合優(yōu)度越好，模型反應的相關關系越接近真實的相關關系。

擬合優(yōu)度檢驗指標包括：卡方自由度比(χ2/df，要求χ2/df<3.0)、近似誤差均方根(error of approximation, RMSEA；要求RMSEA<0.05)、擬合優(yōu)度指數(goodness of fit index, GFI;要求GFI<0.9)、規(guī)范擬合指數(normed fit index, NFI；要求NFI>0.9)、比較擬合指數(comparative fit index, CFI；要求CFI>0.9)、增值擬合指數(incremental fit index, IFI；要求IFI>0.9)、調整自由度擬合優(yōu)度指數(adjusted goodness of fit Index, AGFI；要求AGFI>0.9)[13]。

3 實證分析

3.1 問卷統(tǒng)計信息

結合社交網絡交通信息的特點設計調查問卷，于2018年10月在重慶發(fā)放問卷500份，剔除不認真作答、缺失值超過3個，連續(xù)選擇極端值超過5個的樣本，最終共回收有效問卷468份，有效回收率93.60%，問卷統(tǒng)計信息如表4所示。

3.2 信度和效度分析

采用驗證性因子分析(CFA)檢驗正式問卷的信度和效度，計算結果如表5、表6所示。由表5、表6可知，各潛變量的組合信度(CR)均大于0.7，表明模型變量的內部一致性較高；各潛變量測量題項的因子載荷均大于0.6，平均方差抽取值(AVE)均大于0.5，表明模型具有較好的聚合效度；各潛變量的AVE值均大于與其他變量的相關系數的平方，表明模型的區(qū)別效度較好。綜合以上分析，模型的信度與效度良好，計算結果可被接受。

3.3 結構方程模型驗證

運用AMOS軟件進行擬合優(yōu)度檢驗及路徑分析。模型擬合優(yōu)度檢驗指標計算結果如表7所示，除CFI略低于標準值外，其余指標均達到適配標準，模型的總體擬合優(yōu)度良好，計算結果可接受。結構模型中各潛變量之間的標準化路徑系數及假設檢驗結果如表8所示，除感知趣味性與感知有用性之間的影響關系不夠顯著外，其余變量之間的影響關系均達到95%置信度的顯著性(P<0.05)，故假設H2不成立，其余關于潛變量的假設均成立，結果如圖4所示。

3.4 影響作用分析

直接效應反映潛變量之間的直接影響程度，直接效應通過其路徑系數來測量；間接效應則是潛變量間的間接影響，間接效應為各影響路徑的系數之積，若存在多條間接影響路徑，則需求和處理。

表4 問卷統(tǒng)計信息

表5 驗證性因子分析結果

表6 區(qū)別效度分析結果

表7 結構方程模型擬合優(yōu)度檢驗指標

表8 標準化路徑系數及假設檢驗結果

各潛變量對使用意向的影響效應如表9所示，除感知有用性與感知信任對使用意向僅產生直接影響外，其余潛變量對使用意向均產生直接影響和間接影響。各潛變量對使用意向的影響總效應按從大到小依次為：感知易用性(0.48)、感知有用性(0.46)、主觀規(guī)范(0.44)、感知風險性(-0.41)、感知趣味性(0.37)、感知信任(0.31)。

表9 各潛變量對使用意向的影響效應

4 結論

在技術接受模型的基礎上，新增了感知趣味性、感知風險性等核心潛變量，以描述出行者對社交網絡交通信息的心理感受，構建了社交網絡交通信息使用意向分析模型，并運用結構方程模型將各變量對使用意向的影響關系進行了定量分析，為社交網絡交通信息對出行行為的決策過程研究提供了前提基礎。實例分析表明，該模型對重慶市出行者具有較好的適用性，能夠有效揭示不同影響因素對社交網絡交通信息使用意向的作用機理，但不同城市、不同社會群體的出行者特性對社交網絡交通信息使用意向的差異性有待進一步研究。

圖4 實證分析結果Fig.4 Empirical analysis results