基于元分析的移動政務用戶使用意愿影響因素研究

沐光雨 鄧曉兵 李釗金

摘要：[目的/意義]眾多學者對移動政務（mGov）用戶使用意愿的影響因素進行了廣泛的研究。針對該研究領域現有實證研究存在結果不一致的現象，進行大量文獻梳理，旨在進一步明確影響移動政務用戶使用意愿的主要因素和關鍵調節變量，揭示造成結果差異的具體原因，并試圖獲得具有普適性的結論，為完善用戶信息行為相關理論體系和后續研究提供借鑒。[方法/過程] 選取影響用戶使用意愿的8個前因變量和4個調節變量，納入45篇符合標準的中外文獻和27 795個樣本及139個獨立效應值進行元分析。[結果/結論] 績效期望（r=0.586）、努力期望（r=0.538）、信任（r=0.590）、社會影響（r=0.549）、安全（r=0.489）、兼容性（r=0.645）、服務質量（r=0.588）、信息質量（r=0.549）對移動政務用戶使用意愿產生顯著正向作用。群體類別、教育程度、社會文化和移動政務范疇對上述8個變量與移動政務用戶使用意愿之間的關系產生調節。

關鍵詞：移動政務? ? 用戶使用意愿? ? 影響因素? ? 元分析

分類號：G250

引用格式：沐光雨， 鄧曉兵， 李釗金. 基于元分析的移動政務用戶使用意愿影響因素研究[J/OL]. 知識管理論壇， 2022， 8（2）： 126-139[引用日期]. http：//www.kmf.ac.cn/p/338/.

1? 引言

隨著移動互聯網技術和“互聯網+”的快速發展，移動政務（Mobile Government， mGov）應運而生。據第51次《中國互聯網絡發展狀況統計報告》顯示，截至2022年底，我國網民數達到10.67億，使用手機上網人數比例高達99.8%，為移動政務的快速發展提供了龐大的數量基數[1]。2016年，李克強總理在政府工作報告中提到要大力推行“互聯網+政務服務”的政務服務模式，對移動政務設定了“最多跑一次”“建設全國各省市一體化標準化的政務服務網絡”的政務服務改革目標，對移動政務提出了新的更高要求，也為移動政務的發展奠定了政策基礎[2]。

現如今，微信公眾號、微信小程序、政務APP、支付寶和微博等已經成為個人或企業獲取政務咨詢和辦理政務事項的新渠道，以國家政務服務平臺為代表的各類移動政務客戶端相繼面世，其無線化、移動化和便捷化的特點使得移動政務越來越受人青睞，足不出戶便可享受服務。但實際上，各類移動政務平臺依然存在著使用率不高、用戶接受度較低等問題，用戶的采納和使用意愿受到移動政務本身、使用環境和認知等方面的影響。因此，本文基于用戶視角，對影響移動政務用戶使用意愿的各類因素進行探究，明確各類因素與用戶使用意愿間的相關程度，為移動政務服務平臺的優化提供建議，以期促進移動政務的健康穩定發展。

相關領域內學者，基于技術接受模型和信息系統成功模型等理論，對移動政務用戶采納和使用意愿進行了大量實證研究，為相關理論模型的修正和發展奠定了基礎。但是，我們發現此類研究在結論上存在較大差異，例如同一自變量與使用意愿間的關系強度相差較大，給讀者帶來了認知困惑。因此，為了解釋這種現象，挖掘造成差異的具體原因，非常有必要對其進行定量的元分析探究。目前，已有部分學者將元分析方法應用于社會科學領域用戶信息行為方面的研究，A. Hallyburtion等基于177篇文獻探究性別對在線健康信息搜索意愿的影響[3]。李華鋒等選取104篇文獻、8個自變量、168個獨立效應值，探究各變量與用戶在線信息搜索意愿的關系，并選取5個調節變量對造成結果差異的原因進行調節效應分析[4]。N. P. Rana等以電子政務用戶采納意愿為題，篩選出63篇文獻作為研究樣本，選取36條研究路徑探究不同影響因素與電子政務采納意愿間的普遍關系，并使用相關系數和P值進行量化，經驗證得到24條研究路徑具有強相關性，具有顯著正向影響[5]。李燕對電子政務公眾采納意愿進行了元分析，篩選得到36篇同類文獻，選擇3組共計7個影響因素，分析其與采納意愿的相關程度，依據結論構建研究模型進行實證檢驗[6]。

本文將移動政務（不包括傳統電子政務）作為研究主題，經過對大量中外文獻梳理，盡可能多地納入文獻和研究變量，共獲取文獻45篇，研究變量包括績效期望、努力期望、信任和社會影響等8個自變量，利用嚴格的元分析程序進行分析，綜合評定移動政務用戶使用意愿影響因素的性質和關系強度，消除不同文獻因研究群體、環境等因素造成的結論差異，并選取4類調節變量，分別是群體類別、教育程度、社會文化和移動政務范疇，深入探究自變量與結果變量間的關系受到哪些外部特征的影響。力求解決以下問題：①影響移動政務用戶使用意愿的各類因素作用機制如何？能否得到具有普適性的關系強度？②研究結論是否會受到因群體類別不同、調查群體受教育程度不同、群體所在國別不同、移動政務概念界定不同而造成不一致？具體的調節效應又是如何？本研究在理論上，通過元分析可識別移動政務用戶使用意愿的關鍵影響因素，得出具有普適性的關系強度效應值，構建較為全面的影響因素理論模型，是對移動政務領域用戶行為研究的重要補充。在實踐上，深化對移動政務用戶使用意愿的認識，以用戶視角挖掘用戶使用意愿關注點，為移動政務運營商完善發展策略提供借鑒，從而優化移動政務平臺和服務質量，促進“物聯網+政務”的普及，打造全民政務服務環境，具有深刻社會意義。

2? 相關理論與技術

2.1? 技術接受模型（TAM）

F. Davis等于20世紀80年代后期提出技術接受模型TAM（Technology Acceptance Model），該模型有感知有用性和感知易用性兩大決定性因素，具有跨時間、環境、技術等的全面性，被廣泛應用于信息系統用戶采納和接受意愿的研究中，已經被國內外學者反復證實具有強可靠性與穩定性[7]。經過TAM模型的不斷演變，2000年F. Davis和V. Venkatesh對初始的TAM模型進行了大幅修正，引入了認知過程因素和影響過程因素，認為這兩大因素共同決定感知有用性，至此形成修正后的技術接受模型TAM2[8]。在移動政務用戶行為領域，S. Y. Hung等在對移動電子政務用戶接受度的研究中，引入感知有用性作為態度的前因變量，結果顯示感知有用性對用戶使用態度和用戶使用行為均存在顯著正向影響[9]。T. F. Alrowili等在初始模型的基礎上，引入經驗、信任和時間因素，結果顯示模型中所有因素均對用戶使用行為產生顯著正向影響[10]。龍斐霏在對政務APP公眾采納意愿的研究中，除感知有用性和感知易用性因素外，引入政務APP外部多種因素，綜合考慮對用戶采納意愿的影響，結果顯示感知有用性和感知易用性對用戶采納意愿有顯著正向影響[11]。鑒于TAM模型在用戶行為領域的高頻應用，本文選取感知有用性和感知易用性作為前因變量，衡量用戶對于移動政務有用性程度和易用程度的主觀感知，探究其與使用意愿的相關關系。

2.2? 信息系統成功模型（D&M）

信息系統成功模型（DeLone and McLean Model of IS Success， D&M）是評價信息系統成功與否的主流研究模型，是這一研究領域內具有里程碑意義的成果。1970年后，國外學者初步涉足信息系統評價領域，W. H. DeLone和E. R. McLean首次提出了信息系統成功模型，該模型包括系統質量、信息質量、系統使用、用戶滿意、個人影響和組織影響6個影響信息系統成功與否的主要因素，是后續相關研究的理論框架，為后續模型的修正與改進奠定了理論基礎[12]。隨著理論模型的不斷被驗證與發展，L. F. Pitt等提出D&M模型缺乏對信息系統服務效果的評價，應引入服務質量這一重要因素[13]。隨后，W. H. DeLone和E. R. McLean經過反復驗證，將服務質量這一關鍵性變量引入模型當中，形成修正后的D&M模型[14]。在國內移動政務用戶使用行為的研究中，朱多剛、郭俊華在對移動政務用戶使用滿意度的研究中，將TAM模型與D&M模型相結合，提取信息質量、系統質量和服務質量作為衡量用戶滿意度的相關變量，結果顯示信息質量和服務質量與滿意度高度相關，顯著性強[15]。楊肸選擇將服務質量因素引入其研究模型中，對拉薩市居民移動政務使用意愿進行實證研究，服務質量與居民意愿相關性強，影響顯著，是關鍵影響因素[16]。鑒于該模型的廣泛應用，本文選取信息質量和服務質量兩個因素進行分析，探究用戶對移動政務信息和服務質量的主觀評估與使用意愿之間的相關關系。

2.3? 整合性科技接受模型（UTAUT）

V. Venkatesh和M. G. Morris等在TAM模型相關研究基礎上，對計劃行為理論、創新擴散理論等八大理論模型進行整合，形成“權威模式”的UTAUT模型（Unified Theory of Acceptance and Use of Technology）。該模型聚焦影響用戶使用的認知因素，具有績效期望、努力期望、社會影響和配合情況4個核心維度。大量研究證實，UTAUT模型在信息系統用戶采納、接受等研究中具有很好的解釋力，達到70%以上[17]。E. AbuShanab等基于UTAUT模型對移動銀行用戶使用意愿進行研究，結果表明努力期望、績效期望、社會影響對用戶使用移動銀行有積極的影響[18]。在國內早期使用UTAUT模型的研究中，黃炯基于該模型并總結較為全面的影響因素對博客用戶使用意愿進行研究，其結果再一次表明該模型路徑具有有效性，路徑系數區分度好，經得起實證考驗[19]。朱多剛等[20]、劉利等[21]、劉娜[22]在移動政務用戶使用意愿的相關研究中，在UTAUT模型基礎之上均根據研究情景加入外部相關變量，模型解釋力度有所增強，3個核心維度因素對移動政務用戶使用意愿有較強的影響力。因此，本文選取績效期望、努力期望、社會影響3個因素作為前因變量，其中績效期望定義為用戶相信使用移動政務能夠提高其工作生活績效水平；努力期望指用戶使用移動政務的難易程度；社會影響泛指影響用戶使用的各類因素。

2.4? 創新擴散理論（IDT）

一項創新的普及往往需要多年的時間，創新擴散理論（Innovation Diffusion Theory， IDT）可以有效識別縮短這一進程的因素，使得在人際關系中快速傳播，達到普遍接受的效果。E. M. Rogers認為“一項創新應具備相對的便利性、兼容性、復雜性、可靠性和感知5個要素”[23]。在信息系統應用領域，創新擴散理論得到廣泛應用。J. H. Wu等加入感知安全因素構建移動商務用戶使用意愿影響因素模型，對用戶使用意愿有顯著正向影響[24]。N. Mallat等提取兼容性因素構建消費者移動購票服務使用意愿模型[25]。周沛等加入兼容性和感知信任因素構建模型，對移動政務用戶采納意愿存在正向影響[26]。M. R. M. Jaradat等在對約旦智能政府服務用戶使用意愿的研究中，將兼容性和感知風險、感知信任、感知質量融入理論模型當中，證實兼容性和感知類因素是影響用戶使用意愿的重要因素[27]。本文提取創新擴散理論中的兼容性、感知類因素安全和信任作為影響移動政務用戶使用意愿的重要因素進行分析。其中兼容性指的是用戶認為移動政務與自身價值觀、以往經驗、使用需求的匹配程度。安全和信任指用戶對移動政務的主觀態度，作為影響個體使用與否的前因變量。

經相關理論、模型梳理發現，模型架構及其變量在不斷演化，部分變量存在異名同義的現象，為保證后續元分析質量，對符合標準的異名同義變量進行歸一化處理。經文獻調研和專家訪談最終確定，感知有用性和績效期望變量含義高度一致，統一命名為績效期望；感知易用性與努力期望變量含義高度一致，統一命名為努力期望。基于此，構建移動政務用戶使用意愿影響因素理論模型，見圖1。所選變量均已在信息系統用戶行為研究領域廣泛使用，有較強解釋力度，且與本文研究主題相契合，其適用性得到有效保證。

3? 研究方法與過程

3.1? 研究方法

G. V. Glass等首次提出一種針對大量相同且相互獨立研究的定量分析方法——元分析方法（Meta-analysis method），又名薈萃分析，最初應用于醫學和心理學領域，后逐步擴展至社會科學領域[28]。元分析方法是一種針對相同研究不同研究結論的二次分析，可以簡單理解為統計分析的再統計。通過主題選取、文獻篩選、數據編碼、主效應分析、出版偏誤檢驗、異質性檢驗和調節效應檢驗等手段，得出單項獨立研究無法得出的研究結論。值得注意的是，該方法并非是對文獻綜述進行簡單的歸納總結，而是基于大量同類研究，經過分析得到自變量與結果變量間更接近樣本總體的估計效應值，是共性的也是普適性的。與其他研究方法相比較，元分析方法具備的優勢有：①二次定量分析，數據量大，研究結論普遍適用，消除掉了單項研究因目標群體、研究設計、研究方法等帶來的較大結果差異[29]。②強大的發掘能力，能夠找到可以解釋這種差異的調節變量，并對調節效應進行分析[30]。所以，本文采用Comprehen-sive Meta Analysis V2.0元分析軟件，對選取的8種影響移動政務用戶使用意愿的因素進行元分析，通過調節效應分析，探討群體類別、教育程度、社會文化和移動政務范疇4種外部特征下研究結論的差異性。

3.2? ?研究過程

3.2.1? 文獻檢索與篩選

為確保文獻數據的完整性，接近同類研究樣本的總體，包括期刊論文、學位論文、會議論文，廣泛搜集樣本數據，最大程度避免發表偏倚問題。因此，本文使用“移動政務”“使用意愿”“采納意愿”“影響因素”“Mobile Government”“usage intention”“Adopt intention”“influence factor”作為主題詞，通過中國知網CNKI、萬方、維普、Web of science等中外數據庫進行文獻檢索，并利用谷歌學術、百度學術和校際圖書館互借等方式實現目標文獻的補充檢索。具體篩選標準如下：①時間范圍：2012—2021年，共計10年的時間區間。②必須為實證研究并且關注影響因素，因變量為使用意愿或采納意愿，案例、文獻綜述等定性分析文獻被排除在外。③明確報告樣本量、前因變量與結果變量間的相關系數r或可以轉換為相關系數的T值P值等。④文獻必須具有獨立性，剔除重復發表的，同一作者發表的同題名期刊論文和學位論文只取其一。⑤對同名異義、異名同義的變量名稱，通過調查量表內涵解讀或訪談專業資深學者最終確定是否將其納入。按照此標準進行篩選，共獲取45篇滿足要求的中外文獻作為此次研究的樣本文獻，其中中文文獻32篇，包括期刊論文13篇，學位論文19篇；外文文獻13篇，均為期刊論文。

3.2.2? 文獻編碼和分析過程

文獻編碼過程中需要對樣本文獻抽取有用信息，為保證編碼質量，筆者制定統一編碼標準并進行預編碼，標準適用后由兩位研究員分別獨立編碼，異議部分介入專家共同商討確定。編碼信息包括描述性編碼（作者/年份、樣本數、因變量）、效應值編碼和調節效應編碼（群體類別、教育程度、社會文化、移動政務范疇）兩部分，部分文獻編碼見表1。經文獻編碼，樣本文獻中理論模型所涉變量及其效應值出現頻率得到量化，為保證元分析主效應檢驗及調節效應檢驗質量，選取出現頻率大于等于9的變量（前8位）作為此次研究的關鍵影響因素。方俊燕和張敏強對元回歸分析效應值個數要求進行了研究，選取估計精度指標和統計效能指標解釋效果。結果表明，效應值個數的增加會使得置信區間寬度變窄，有利于元回歸參數估計精度的提升，同樣，效應值個數的增加有利于元回歸統計功效的提升，改善對錯誤率的控制[43]。所以，本文選取出現頻率大于等于9的變量作為關鍵影響因素，即該變量對應的效應值個數大于等于9，相比以往將效應值個數大于等于2的變量納入研究的做法，本文元分析估計效應值精度和容錯率更高。

本文遵循L. V. Hedges和J. L. Vevea提出的規范的元分析步驟，對編碼數據進行出版偏誤檢驗、異質性檢驗、主效應檢驗和調節效應檢驗[31]。在元分析過程中，選用相關系數對效應值進行量化，效應值越大，則其前因變量與結果變量間的相關程度和影響力度更大。將待檢驗效應值r、樣本量N等數據導入CMA 2.0軟件中，獲得變量間平均估計效應值R、Z值、顯著性水平P和95%置信區間的上限和下限等參數。平均估計效應值計算公式為：將輸入的效應值轉化為logit數據，再將logit結果轉化為平均估計效應值輸出[32]，見公式（1）和公式（2）。

元分析程序提供整體效應模型和隨機效應模型，整體效應模型假設所有研究均在相同環境下收集樣本數據并得到相同效應值，這顯然與本文研究不符，而隨機效應模型認為數據收集環境和真實效應值會因研究的不同而不同[31]。顯而易見，隨機效應模型更適合本文研究。

4? 研究結果

基于45篇樣本文獻，共計篩選出績效期望、努力期望、信任、社會影響、安全、兼容性、服務質量和信息質量8個影響移動政務用戶使用意愿的前因變量，139個獨立研究效應值，27 795個樣本數進行元分析。

4.1? 出版偏誤檢驗

出版偏誤又稱“文件柜問題”，指顯示顯著影響的文章更易被期刊收錄發表，未表現出顯著影響的文章不易被發表，擱置于文件柜中[30]。由于受到系統性影響，可能存在部分文獻未被搜索到或未被納入的情況，所以需要對文獻出版偏誤進行正確報告，降低出版偏誤對研究結果造成的負面影響。因此，本文使用漏斗圖來衡量樣本文獻的出版偏誤問題，見圖2。

通過觀察，隨機效應模型的下樣本文獻的效應值在平均估計效應值兩側均勻分布，初步說明經篩選納入的樣本文獻不存在出版偏誤。為避免直觀觀察的主觀性，本文使用Egger線性回歸檢驗法對樣本文獻進行客觀出版偏誤檢驗[33]。績效期望的回歸截距為9.01，95%CI[-0.16， 18.18]；努力期望的回歸截距為5.88，95%CI[-3.85，15.61]；信任的回歸截距為25.41，95%CI[19.54，31.28]；社會影響回歸截距為7.76，95%CI[-10.02，25.53]；安全回歸截距為1.49，95%CI[-25.02，27.99]；兼容性回歸截距為8.26，95%CI[-6.07，22.60]；服務質量回歸截距為-2.28，[-27.84，23.28]；信息質量回歸截距為0.04，95%CI[-28.95，29.02]。所有影響因素的顯著性水平P均大于0.05，不顯著，即說明納入樣本文獻沒有明顯的發表偏差。

4.2? 主效應檢驗

通過對樣本文獻中影響因素的提取，按標準篩選出8類影響因素，共計139個獨立效應值。其中含有信息質量效應值的文獻數為9篇（最少），含有績效期望效應值的文獻數為32篇（最多），確保了主效應分析的文獻數量，滿足了后續調節效應分析的研究需要。采用隨機效應模型對各影響因素進行分析，效應值森林圖見圖3。效應值評估的臨界標準不固定，在社會科學研究領域，采用J. Cohen提出的臨界值標準對各影響因素的效應值強度進行衡量[34]，此標準應用廣泛且得到大量研究驗證，合理性嚴謹性得到保證。當相關系數效應值大于等于0.5時，影響因素與結果變量間具有強相關關系；相關關系效應值大于等于0.3、小于0.5時，具有中等相關關系；當相關系數大于等于0.1、小于0.3時，具有弱相關關系。各影響因素的效應值及描述性統計見表2，其中績效期望為0.586，努力期望為0.538，信任為0.590，社會影響為0.549，安全為0.489，兼容性為0.645，服務質量為0.588，信息質量為0.459。顯然，安全和信息質量因素與移動政務用戶使用意愿間的相關強度為中等相關關系，其余影響因素的相關強度為強相關關系，且均產生顯著正向影響。

敏感性分析是指排除任意一個樣本效應值后的總體估計效應值是否存在大幅變動，若存在大幅變動則說明樣本效應值中存在極值干擾總體估計效應值，反之總體估計效應值穩定[33]。績效期望的總體估計效應值在[0.572，0.602]之間浮動，努力期望的總體估計效應值在[0.518，0.559]之間浮動，信任總體估計效應值在[0.570，0.612]之間浮動，社會影響的總體估計效應值在[0.524，0.578]之間浮動，安全的總體估計效應值在[0.444，0.542]之間浮動，兼容性的總體估計效應值在[0.614，0.677]之間浮動，服務質量的總體估計效應值在[0.563，0.621]之間浮動，信息質量的總體估計效應值在[0.427，0.506]之間浮動。敏感性分析結果顯示，不存在數值的大幅變動，樣本效應值中無極值干擾總體效應的估計結果，結果具有穩定性。

4.3? 異質性檢驗

不同文獻的研究情景、研究方法、研究數據有所不同，效應值本身就存在差異，所以本文對納入的效應值進行異質性檢驗，檢驗選用隨機效應模型的合理性，確定調節效應分析的必要性。異質性檢驗結果見表3，各項影響因素的Q值均顯著（P<0.001），I-squared值均大于75%的標準[35]，效應值的異質性明顯，選擇隨機效應模型合理。說明效應值的差異不僅受抽樣誤差的影響，還受到不同研究之間特征的影響，需要進行調節效應分析，探討造成這種差異的具體原因。

4.4? 調節效應檢驗

在本研究中，筆者將調節效應定義為調節變量對影響因素與移動政務用戶使用意愿間相關關系效應值造成的差異。異質性檢驗結果表明，效應值存在較大差異，可能是受到不同研究相關特征的影響。為科學解釋這種現象，筆者根據樣本文獻的數據特征選取群體類別、教育程度、社會文化和移動政務范疇進行調節效應分析。其中大眾是指未指定身份的一般大眾，本科及以上學歷達到60%以上的人群定義為大眾（高），特定群體是指指定地區或指定人群的特殊群體，本文涉及的特定群體均為文化程度相對較低的偏遠地區群體或老年、社區群體，學生均為高等院校學生；教育程度以本科及以上學歷占比60%為界限劃定高低；移動政務范疇是指樣本文獻移動政務研究主題的限定，移動政務為泛指，移動政務第三方平臺是指以微信、支付寶等軟件為載體的移動政務平臺。分析結果見表4、表5，若顯著性水平P小于0.05，則說明效應值存在明顯的差異，區分度良好，該調節變量對該影響因素有明顯的調節效應。為保證調節效應檢驗質量，對于文獻數量K小于2的影響因素效應值不進行顯示。

由表4、表5可知，群體類別在績效期望、努力期望、信任和兼容性對移動政務用戶使用意愿的影響中產生顯著調節作用；教育程度在績效期望、信任和兼容性對移動政務用戶使用意愿的影響中產生顯著的調節作用；社會文化在績效期望、努力期望、兼容性和信息質量對移動政務用戶的使用意愿的影響中產生顯著的調節作用；移動政務范疇在績效期望、努力期望、信任、社會影響、兼容性和服務質量對移動政務用戶使用意愿的影響中調節效應顯著。

5? 結論

5.1? 移動政務用戶使用意愿影響因素作用強度

如圖4所示，由主效應檢驗可知，安全和信息質量因素與移動政務用戶使用意愿間的相關關系為正相關（中等）；績效期望、努力期望、信任、社會影響、績效期望、兼容性和服務質量與移動政務用戶使用意愿間的相關關系為正相關（強）。

5.1.1? 績效期望和努力期望

移動政務用戶使用意愿與績效期望、努力期望呈正相關（r=0.586，P<0.001；r=0.538，P<0.001）。績效期望和努力期望是從用戶自身視角出發的權衡，若移動政務能夠對用戶的實際工作和生活實務提供有用幫助產生效益，并且使用的難度不高極易上手，用戶的使用意愿就會增強[40]。具體而言，基于過往移動政務用戶使用意愿的經驗，績效與努力期望程度越強，則用戶對移動政務的滿意程度越高，使用的意愿就越強，頻率就越高[36]。本文以大量調查數據作為支撐，在現有研究的基礎上，使得擬合效應值盡可能接近總體真實效應值。結果顯示績效期望和努力期望的總體估計效應值均大于0.5，關系強度強，對移動政務用戶使用意愿產生顯著正向影響。績效期望和努力期望作為UTAUT模型中的經典架構，不僅在移動政務用戶行為領域廣泛應用，而且在電子政務、在線付費平臺等領域的用戶行為研究中，其合理性和適用性也得到了廣泛印證[37]。元分析實證結果再一次印證了UTAUT模型在信息系統用戶行為研究領域具有普適性。

5.1.2? 服務質量和信息質量

移動政務用戶使用意愿與服務質量、信息質量呈正相關（r=0.588，P<0.001；r=0.459，P<0.001）。具體而言，服務質量和信息質量在移動政務第三方平臺、移動政務APP和移動政務微博各類移動政務載體中都對用戶使用意愿產生顯著正向影響。服務質量的關系強度略高于信息質量，可見用戶更加注重移動政務的服務體驗。在保證信息質量的前提下，提升服務質量成為提高移動政務產品力的關鍵之舉[38]。移動政務具有其他信息系統不具備的特殊性，由政府牽頭各方共同搭建的平臺，是社會最好資源的集成，信息質量本身就存在極高的保證，用戶便不會過于擔心，所以其效應值略低。此次元分析研究再次印證D&M模型，為該模型在信息系統用戶行為領域的更廣泛應用提供了理論價值。

5.1.3? 社會影響和兼容性

移動政務用戶使用意愿與社會影響和兼容性呈正相關（r=0.549，P<0.001；r=0.645，P<0.001）。具體而言，用戶在初次接觸移動政務時，所處社會環境對其使用意愿存在影響，若周邊人群對于移動政務存在積極評價，對于用戶使用是有正向作用的，即社會影響程度越強，則用戶使用意愿越強[39]。兼容性是創新擴散理論（IDT）的重要組成部分，關注到了用戶的感知層面因素，兼容性強弱與用戶個人閱歷、以往工作生活經驗、價值觀、使用需求等有很大關聯，結合此次元分析的近10年文獻數據，兼容性因素總的來說對移動政務用戶使用意愿有強正相關關系，比如用戶曾經使用過移動政務或有使用的需求，則用戶對移動政務的使用態度和意愿就會更強。但是人與人是不同的，差異性強，對移動政務用戶使用意愿的影響機制需要進一步探討。社會影響和兼容性因素分別從外部和內部出發，對移動政務用戶使用意愿產生影響，更加全面深刻。

5.1.4? 信任和安全

移動政務用戶使用意愿與信任和安全呈正相關（r=0.590，P<0.001；r=0.489，P<0.001）。具體而言，信任是用戶使用的直接原因也是“門檻”，用戶越信任其使用移動政務的動機才會得以延續，即用戶越信任，使用意愿越強烈[41]。移動政務的辦理通常會伴有資金的流通，此時用戶會更加謹慎，所以信任效應值更高，也說明信任成為影響用戶使用移動政務的關鍵因素。其次，無論哪種移動政務形式，其安全性越高，用戶就越有保障，用戶的使用意愿就越強烈。但是移動政務作為政府官方應用，安全性是應用面向公眾開放的基礎和前提，政府在一定程度上應為用戶的信任背書，這樣用戶便不會過多擔憂安全性問題，也就間接解釋了其相關性略低的問題。綜上，信任和安全是創新擴散理論（IDT）的重要組成因素，它們關注到了影響用戶使用的感知因素，此次元分析有大量文獻和獨立樣本的支撐，為探究創新擴散理論促進移動政務普及的作用機制提供了參考。

5.2? 調節效應分析

5.2.1? 群體類別的調節效應

績效期望、努力期望、信任和兼容性對移動政務用戶使用意愿的影響受到群體類別的調節作用（P=0.009；P=0.003；P=0.000；P=0.000）。以上4類影響因素與移動政務用戶使用意愿相關關系效應值在不同文獻中呈現數值差異，研究目標群體類別是主要原因之一[42]。普通大眾、文化水平相對較高的大眾、特定群體和學生等群體有著各自獨特的群體特征，使得移動政務用戶使用意愿發生的各類影響因素相關關系效應值存在某種普遍趨勢。具體而言，相比于大眾，學生群體對移動政務績效期望或努力期望的考慮少，這與學生群體移動政務接觸率低有關，也與學生使用移動政務的目的有關——學生更多的是使用移動政務解決一些必須事務，比如解決學業或生活保障性事務。其次，文化程度越高對移動政務的信任程度越高，與經濟發展欠佳地區、中老年人群接受新事物持謹慎態度有關。高文化水平人群相較于特定人群的兼容性效應值更高，與自身接受程度和認知有一定關系，文化程度高的人群更易接受移動政務的服務。

5.2.2? 教育程度的調節效應

績效期望、信任和兼容性對移動政務用戶使用意愿的影響受到教育程度的調節作用（P=0.008；P=0.001；P=0.001）。不同研究目標群體的受教育程度可以對這3類相關關系效應值差異現象進行解釋。受教育程度高的群體60%以上為本科或研究生學歷，多年高等教育的學習生活，與受教育程度相對較低的中學、專科學歷的群體相比，存在一定程度上的認知差異。受教育程度越高，其信任程度和兼容性效應值越大。文化程度越低的人群更加注重移動政務能否實際幫助到自己的工作和生活實務，其績效期望效應值更高。具體而言，受教育程度在一定程度上反映自身的認知和接受新事物的能力，教育水平高的人群由于受到多年的高等教育，思想覺悟和對政府的信任程度更高，并且接受新應用的能力更強，使用移動政務更加得心應手，所以信任和兼容性的效應值較高。但文化程度相對較低的人群更可能是農民、工人、城市工作者等，服務于社會基層，他們的關注點更多的是移動政務是否對自己有用，自己能否用得習慣，與線下辦理是否會有差異，會不會造成自身的損失。

5.2.3? 社會文化的調節效應

績效期望、努力期望、兼容性和信息質量對移動政務用戶使用意愿的影響受到社會文化的調節作用（P=0.016；P=0.011；P=0.000；P=0.000）。本文定義的社會文化是以研究目標群體的國別進行劃分的，并非期刊文種。很明顯，目標群體的社會文化對這三類影響因素效應值的調節存在某種規律。中國和國外用戶績效期望效應值均高于0.5，中外用戶均非常注重移動政務是否能夠為自身帶來益處、能否產生績效的提升，總的來看中外人群并無太大差異。中國用戶更加看重移動政務平臺的努力期望，相比國外用戶其效應值高，說明中國用戶更易關注移動政務是否好上手，如果使用移動政務的成本大于線下辦理，則用戶很有可能棄用，而國外移動政務發展較為成熟，移動政務成為用戶的日常工作生活的必備工具，用戶可熟練使用，并不會過多關注努力期望。中國用戶信息質量的效應值相比國外要低，說明中國用戶對于移動政務平臺信息質量水平沒有過高要求，與國民對于政府官方應用有極高的信任水平有關。

5.2.4? 移動政務范疇的調節效應

績效期望、努力期望、信任、社會影響、兼容性和服務質量對移動政務用戶使用意愿的影響受到移動政務范疇的調節作用（P=0.000；P=0.000；P=0.002；P=0.046；P=0.000；P=0.004）。不同研究主題的限定顯著影響不同因素的相關關系效應值，調節變量移動政務范疇是不同研究結果差異現象的有力解釋。移動政務范疇包括泛指的移動政務、移動政務APP、移動政務第三方平臺和移動政務微博4類。究其原因，不同的移動政務平臺有其獨特的產品特點，對各因素與用戶使用意愿間相關關系效應值產生了明顯的劃分，使得移動政務范疇在這6類因素對移動政務用戶使用意愿的影響中有明顯調節效應。具體而言，可以發現除去社會影響因素外其余5類因素在移動政務APP范疇下的效應值水平普遍偏高，可見移動政務APP這類移動政務載體具有無可比擬的優勢，相比移動政務第三方平臺和微博，移動政務APP的官方性更強，功能集成性更強，更容易受到用戶青睞。另一方面，泛指的移動政務是各類移動政務的統稱，所以在研究問卷數據獲取過程中可能存在題目針對性較弱的問題，所以在調節作用分析時沒有體現出效應值的分化。而移動政務APP（如“國家政務服務平臺”“愛山東”）的問卷設計針對性更強，問卷對于移動政務APP相關特性涵蓋更全面，使得各因素對移動政務用戶使用意愿影響效應值上存在明顯的分化。所以，不同的移動政務主題一定程度造成了研究結果的差異，移動政務范疇顯著影響移動政務用戶使用意愿。

6? 結果分析

本研究利用元分析方法，選擇8個前因變量、4個調節變量和45篇實證類文獻，將這些影響因素與移動政務用戶使用意愿間關系的研究進行綜合分析，基于CMA軟件使用嚴格的元分析程序，詳細探究了前因變量與結果變量間的相關關系，得出了相較于單一研究更具普適性的關系強度，并進一步分析了4種調節變量對上述關系的調節作用。結果發現，績效期望、努力期望、信任、社會影響、安全、兼容性、服務質量和信息質量與移動政務用戶使用意愿呈正相關，其中安全和信息質量因素的相關關系強度略低，為中等，其余因素均為強相關關系。調節效應分析結果發現，績效期望、努力期望、信任和兼容性與移動政務用戶使用意愿之間的相關關系受到群體類別的調節；績效期望、信任和兼容性與移動政務用戶使用意愿之間的相關關系受到教育程度的調節；績效期望、努力期望、兼容性和信息質量與移動政務用戶使用意愿之間的相關關系受到社會文化的調節；績效期望、努力期望、信任、社會影響、兼容性和服務質量與移動政務用戶使用意愿之間的相關關系受到移動政務范疇的調節。本研究發揮元分析方法的優勢，整合同類研究，對以往研究結果不一致的現象發表了新的看法和理解，形成了具有普適性的研究結論，也為接下來的研究提供了新觀點新參考。但本文仍然存在一些不足：①由于本文前期對樣本文獻數據的篩選標準、關鍵影響因素確定標準較為苛刻，納入了45篇文獻和8個關鍵影響因素進行分析，益處是所選文獻質量高，估計效應值更準確，但也間接導致了符合要求的效應值數量較少，缺少負向影響的因素。②受限于目前移動政務用戶使用意愿研究領域文獻量，同名同義變量數無法達到元分析要求，所以經考量對異名同義的變量進行了歸一化處理，雖未必會造成偏差，但如若對變量含義完全相同或相似程度更高的文獻進行元分析，將會得到更加準確的估計效應值。因此，元分析研究的前提是既要保證文獻數量，更要注重獲取文獻數據的過程的嚴謹性，保證用于元分析的數據質量，從而進一步提高研究結論準確性和普適性。

參考文獻：

[1] 中國互聯網絡信息中心. 第51次中國互聯網絡發展狀況統計報告[R/OL]. 北京： 中國互聯網絡信息中心， 2023[2023-03-31]. https：//www.cnnic.cn/n4/2023/0303/c88-10757.html.

[2] 國務院. 2016年政府工作報告[R/OL]. 北京：國務院， 2016[2023-03-31]. http：//www.gov.cn/guowuyuan/ 2016zfgzbg.htm.

[3] HALLYBURTON A， EVARTS L A. Gender and online health information seeking： a five survey meta-analysis[J]. Journal of consumer health on the Internet， 2014， 18（2）： 128-142．

[4] 李華鋒， 段加樂， 孫曉寧. 基于元分析的用戶在線信息搜尋意愿影響因素研究[J]. 圖書情報工作， 2021， 65（19）： 84-95.

[5] RANA N P， DWIVEDI Y K， WILLIAMS M D. A meta-analysis of existing research on citizen adoption of e-government[J]. Information system frontiers， 2015， 17（3）： 547-563.

[6] 李燕.電子政務公眾采納意愿研究：基于薈萃分析的模型構建與實證檢驗[J]. 管理評論， 2020， 32（4）： 298-309.

[7] DAVIS F. Perceived usefulness， perceived ease of use， and user acceptance of information technology[J]. MIS quarterly， 1989， 13（3）： 319-340.

[8] VENKATESH V， FRED D， DAVIS F. A theoretical extension of the technology acceptance model： four longitudinal field studies[J]. Management science， 2000， 46（2）： 186-204.

[9] HUNG S Y， CHANGC M， KUO S R. User acceptance of mobile e-government services an empirical study[J]. Government information quarterly， 2013， 30（1）： 33-44.

[10] ALROWILI T F， ALOTAIBI M B， ALHARBI M S. Predicting citizens acceptance of M-government services in Saudi Arabia an empirical investigation[C]//2015 Annual IEEE systems conference （SysCon） proceedings. Hong Kong： IEEE， 2015： 627-633.

[11] 龍斐霏.政務APP公眾采納影響因素實證研究[D]. 石家莊： 河北經貿大學， 2018.

[12] DELONE W H， MCLEAN E R. Information systems success： the quest for the dependent variable[J]. Information system research， 1992， 3（1）： 60-95.

[13] PITT L F， WSTSON R T， KAVAN C B. Service quality： a measure of information systems effectiveness[J]. MIS quarterly， 1995， 19（2）： 173-185.

[14] DELONE W H. The DeLone and McLean model of information systems success： a ten-year update[J]. Journal of management information systems， 2003， 19（4）： 9-30.

[15] 朱多剛， 郭俊華.基于TAM模型的移動政務用戶滿意度研究[J]. 情報科學， 2016， 34（7）： 141-146.

[16] 楊肸.拉薩市公眾移動政務使用行為影響因素研究[D]. 拉薩： 西藏大學， 2019.

[17] VENKATESH V， MORRIS M G， DAVIS G B. User acceptance of information technology： toward a unified view[J]. MIS quarterly， 2003， 27（3）： 425-478.

[18] ABUSHANAB E， PEARSON J M. Internet banking in Jordan： the unified theory of acceptance and use of technology（UTAUT） perspective[J]. Journal of systems and information technology， 2007， 9（1）： 78-97.

[19] 黃炯.中國博客撰寫者的博客使用行為影響因素實證研究[D]. 杭州： 浙江大學， 2007.

[20] 朱多剛， 郭俊華.基于UTAUT模型的移動政務采納模型與實證分析[J]. 情報科學， 2016， 34（9）： 110-114.

[21] 劉利， 成棟， 蘇欣.移動政務檔案信息服務平臺的用戶使用意愿研究——基于UTAUT模型[J]. 山西檔案， 2016（6）： 40-44.

[22] 劉娜.基于UTAUT模型的電子政務APP設計研究[D]. 廣州：華南理工大學， 2018.

[23] ROGERS E M. Diffusion of innovations[M]. New York： Free Press， 1983.

[24] WU J H， WANG S C. What drives mobile commerce？ an empirical evaluation of the revised technology acceptance model[J]. Information & management， 2005， 42（5）： 719-729.

[25] MALLAT N， ROSSI M， TUUNAINEN V K， et al. The impact of use situation and mobility on the acceptance of mobile ticketing services[C]//Proceedings of the 39th annual Hawaii international conference on system sciences （HICSS06）. Hawaii： IEEE， 2006.

[26] 周沛， 馬靜， 徐曉林.移動電子政務公眾采納影響因素的實證研究[J]. 圖書情報工作， 2012， 56（5）： 134-138.

[27] JARADAT M R M ， MOUSTAFA A A， AI-MASHAQBA A M. Exploring perceived risk， perceived trust， perceived quality and the innovative characteristics in the adoption of smart government services in Jordan[J]. International journal of mobile communications， 2018， 16（4）： 399-439.

[28] GLASS G V. Primary， secondary， and meta-analysis of research[J]. Educational rsearcher， 1976， 5（10）： 3-8．

[29] 盧恒， 張向先， 肖彬， 等.在線用戶知識付費意愿的影響因素及其調節變量： 元分析研究[J]. 圖書情報工作， 2021， 65（13）： 44-54.

[30] JEYARAJ A， DWIVEDI Y K. Meta-analysis in information systems research： review and recommendations[J/OL]. International journal of information management， 2020[2023-03-31]. https：//www.sciencedirect.com/science/article/pii/S0268401220311695.

[31] HEDGES L V， VEVEA J L. Fixed-and random-effects models in meta-analysis[J]. Psychological methods， 1998， 3（4）： 486-504.

[32] CARD N A. Applied meta-analysis for social science research[M]. New York： Guilford Press， 2015.

[33] 張亞利， 靳娟娟， 俞國良. 2010-2020中國內地初中生心理健康問題檢出率的元分析[J]. 心理科學進展， 2022， 30（5）： 965-977.

[34] COHEN J. Statistical power analysis for the behavioral sciences[M]. New York： Academic Press， 1977.

[35] HUEDO-MEDINA T B， SANCHEZ-MECA J， MARIN-MARTINEZ F， et al. Assessing heterogeneity in meta-analysis： Q statistic or I2 index？[J]. Psychological methods， 2006， 11（2）： 193-206.

[36] 趙澤豐， 靳力. 基于TAM模型的移動政務服務平臺用戶滿意度及其影響因素研究[J]. 行政科學論壇， 2019（6）： 34-39.

[37] 沐光雨， 李釗金， 鄧曉兵， 等.在線服務平臺用戶付費意愿行為及影響因素研究[J]. 吉林師范大學學報（自然科學版）， 2022， 43（3）： 119-128.

[38] 張海， 袁順波， 段薈. 基于S-O-R理論的移動政務APP用戶使用意愿影響因素研究[J]. 情報科學， 2019， 37（6）： 126-132.

[39] 孔欣. 第三方平臺移動政務服務公眾滿意度影響因素研究[D]. 武漢： 華中科技大學， 2019.

[40] 徐夢瑤. 拉薩市移動政務公眾使用行為影響因素研究[D]. 拉薩： 西藏大學， 2020.

[41] MENSAH I K， MWAKAPESA D S. The impact of context awareness and ubiquity on mobile government service adoption[J]. Mobile information systems， 2022 [2023-03-31]. https：//www.hindawi.com/journals/misy/2022/5918826/.

[42] 劉嫣， 張海濤， 張鑫蕊， 等. 基于元分析的用戶在線健康信息搜尋行為影響因素研究[J]. 情報科學， 2022， 40（2）： 169-176.

[43] 方俊燕， 張敏強. 元回歸中效應量的最小個數需求：基于統計功效和估計精度[J]. 心理科學進展， 2020， 28（4）： 673-686.

作者貢獻說明：

沐光雨：提出研究思路，撰寫論文并修改；

鄧曉兵：收集與分析文獻數據，撰寫論文；

李釗金：提出修改建議，參與修訂論文。

Abstract： [Purpose/Significance] Many scholars have studied the influencing factors of mobile government users usage intention. Reviewing a large amount of literature， we found that the existing empirical research results in this field are inconsistent. Therefore， we need to clarify further the primary factors and moderating variables that affect mobile government users willingness and reveal the specific reasons for the differences in results. Finally， we will try to obtain the universal conclusion and provide a reference for improving the relevant theories and researches on user information behavior. [Method/Process] We selected 8 antecedent variables and 4 moderating variables affecting users usage intention， 45 Chinese and foreign literatures， 27 795 samples， and 139 independent effect values in the meta-analysis. [Result/Conclusion] Performance expectation （r=0.586）， effort expectation （r=0.538）， trust （r=0.590）， social influence （r=0.549）， safety （r=0.489）， compatibility （r=0.645）， quality of service （r=0.588）， and information quality （r=0.549） have significant positive effects on the usage intention of mobile government users. Group category， education level， social culture， and mobile government category moderate the relationship between the above 8 variables and mobile government users usage intention.

Keywords： mobile government? ? ?users usage intention? ? ?influencing factors? ? meta-analysis