卓四清，王 博，喬 路

（武漢大學(xué) 經(jīng)濟與管理學(xué)院，武漢 430072）

0 引言

隨著4G時代的到來以及移動互聯(lián)技術(shù)的日趨成熟，移動電子商務(wù)得以飛速發(fā)展。與此同時，由于起步較晚、用戶基數(shù)龐大等原因也暴露出了諸多問題,包括移動端用戶的隱私安全問題、支付安全問題、財產(chǎn)安全問題等。這些潛在的風險，很大程度上影響移動端用戶對移動電商APP的使用意愿及網(wǎng)購行為。已有的研究中，Brian P等[1]證實移動端網(wǎng)購用戶的感知風險對購買決策的影響高于PC端。Liang和Xue[2]將風險容忍度用于IT行為研究，認為用戶對信息安全風險的容忍度會對IT威脅感知產(chǎn)生消極影響。因此，對于移動電商企業(yè)而言，如何提升網(wǎng)購用戶的風險容忍度，使得用戶具有更強烈的持續(xù)使用意愿，進而增大市場份額打造成功的網(wǎng)購平臺，這是一個值得思考的問題。

為此，本文將風險容忍度的概念引入移動電子商務(wù)用戶行為領(lǐng)域，檢驗了風險容忍度對持續(xù)使用意愿的影響作用。并結(jié)合移動電子商務(wù)使用情境提出功能性風險容忍度、情感性風險容忍度的二階形成型構(gòu)念，通過對風險容忍度的細分，可以更準確地挖掘移動端用戶對不同類型的感知風險的主觀容忍限度和各風險容忍度對持續(xù)使用意愿的影響程度。另外，本文將行為慣性理論應(yīng)用于移動電子商務(wù)用戶行為領(lǐng)域，認為移動電子商務(wù)用戶的行為慣性會影響用戶的風險容忍度從而影響持續(xù)使用意愿。

1 理論基礎(chǔ)與研究假設(shè)

1.1 風險容忍度和持續(xù)使用意愿

容忍度這一概念常常被應(yīng)用于金融投資決策領(lǐng)域，測度投資者對風險或收益的忍耐和承受程度。盡管風險容忍度是金融概念，但已有學(xué)者將風險容忍度用于IT行為研究，并證實風險容忍度會對消費者信任及感知威脅產(chǎn)生積極或消極的影響?；诖?，本文定義風險容忍度為用戶主觀上對軟件應(yīng)用或網(wǎng)上交易的潛在不確定性負面結(jié)果的最大承受限度。

風險容忍度不同于感知風險，感知風險是指行為決策中隱含的潛在不確定性，而風險容忍度更加強調(diào)用戶對這種不確定性的承受能力，是一種面對風險后的更明確、更直觀的個體態(tài)度，二者在邏輯上具有遞進性。Jacoby和Kaplan[3]確定了七種類型的風險，包括：財務(wù)、績效、生理、心理、社會、時間和機會成本風險。楊翾等[4]利用主成分分析將感知風險劃分為功能性風險和情感性風險。在本文中，通過對若干篇中英文文獻風險維度的收集和整理，結(jié)合移動電子商務(wù)情境，對風險維度集進行篩選，得到以下六類風險：金融風險、產(chǎn)品風險、隱私風險、社會風險、心理風險和時間風險。本文將基于Jacoby等[3]和楊翾等[4]的研究成果，并根據(jù)Jarvis等[5]關(guān)于形成型構(gòu)念的定義，將風險容忍度框架下的功能性風險容忍度和情感性風險容忍度定義為二階形成型構(gòu)念。功能性風險容忍度包括金融風險容忍度、產(chǎn)品風險容忍度、隱私風險容忍度三個子潛變量；情感性風險容忍度包括社會風險容忍度、心理風險容忍度、時間風險容忍度三個子潛變量。根據(jù)對功能性和情感性風險容忍度的定義，我們不難推測，當個人在移動商務(wù)使用情境中風險控制得當，主觀風險容忍度較高，對使用場景感到安全可靠，并獲得良好的購物體驗時，他將對移動電子商務(wù)平臺具有強烈的持續(xù)使用意愿，即：

假設(shè)1a：功能性風險容忍度對移動電子商務(wù)用戶的持續(xù)使用意愿有正向作用；

假設(shè)1b：情感性風險容忍度對移動電子商務(wù)用戶的持續(xù)使用意愿有正向作用。

1.2 行為慣性和風險容忍度

本文認為慣性是指即使出現(xiàn)更好的替代品或激勵，也不改變個體的現(xiàn)有行為模式，這種行為模式具有持久性。Barnes等認為慣性可以降低情感性風險，當個體習慣性使用一個系統(tǒng)時，就會產(chǎn)生基于情感的慣性，因為系統(tǒng)的改變會讓個體產(chǎn)生額外的風險感知且壓力感增強。此外，本文認為，當用戶對系統(tǒng)具有慣性，使用及操作十分熟練時，用戶會認為系統(tǒng)在多次使用中是安全可靠值得信任的，即降低了對風險的感知，提升了功能性風險容忍度。因此，基于以上研究成果，本文認為用戶對移動電子商務(wù)系統(tǒng)的使用慣性行為將提升個體在移動電子商務(wù)使用中的風險容忍程度。具體來講，當個人對系統(tǒng)有慣性時，用戶對現(xiàn)有系統(tǒng)具有多次良好的使用體驗，認為系統(tǒng)的安全性較高，功能性風險感知變小，功能性風險容忍度提高；另外，慣性也會讓用戶對系統(tǒng)的使用和操作更為嫻熟，大大降低了學(xué)習系統(tǒng)的時間，用戶的情感性風險感知會減少，情感性風險容忍度提高。所以，本文提出下列假設(shè)：

假設(shè)2a：行為慣性對移動電子商務(wù)用戶功能性風險容忍度具有正向影響；

假設(shè)2b：行為慣性對移動電子商務(wù)用戶情感性風險容忍度具有正向影響。

基于以上的假設(shè)推斷，本文提出的理論模型如圖1所示。

圖1 理論模型

2 研究設(shè)計

2.1 問卷設(shè)計

本文采用問卷調(diào)查的方法，為了保證問卷的信度和效度，假設(shè)模型中所有潛變量的測量題項均來源于國內(nèi)外相關(guān)文獻的成熟量表，并結(jié)合國內(nèi)移動電子商務(wù)實際情況加以改編。具體題項及來源見下文表2。測量問卷測度項采用李克特七級量表,1代表“非常不同意”，7代表“非常同意”。本文邀請了部分工商管理、市場營銷領(lǐng)域的學(xué)者和移動電商用戶開展了小規(guī)模的訪談和問卷調(diào)研前測，以驗證本文調(diào)查問卷設(shè)計的合理性。在充分考慮了學(xué)者和用戶的建議后，形成了最終的調(diào)查問卷。

2.2 數(shù)據(jù)收集

本文采用網(wǎng)上問卷調(diào)查法，利用專業(yè)問卷調(diào)查網(wǎng)站發(fā)布問卷，為了保證參與本次調(diào)查的人員均為目標調(diào)查對象，研究人員在正式問卷開始前設(shè)置了多個過濾性問題，以保證用戶具有真實的移動電商使用經(jīng)驗。本次調(diào)查共發(fā)放問卷453份，經(jīng)過認真整理和篩選，剔除信息填寫不完整及前后邏輯矛盾的無效問卷后，共收回有效問卷367份，問卷有效率為81%，有效樣本的基本統(tǒng)計信息見表1。

表1 有效樣本的基本統(tǒng)計信息(N=367)

3 模型分析及假設(shè)檢驗

3.1 測量模型分析

本文的研究模型包括反映型構(gòu)念（行為慣性、金融風險容忍度、產(chǎn)品風險容忍度、隱私風險容忍度、社會風險容忍度、心理風險容忍度、時間風險容忍度、持續(xù)使用意愿）和形成型構(gòu)念（功能性風險容忍度、情感性風險容忍度），而這兩種構(gòu)念在理論、測量和驗證上都存在明顯的差異。因此，本文將采用不同的方法評估反映型構(gòu)念和形成型構(gòu)念各自測量模型的信效度。

檢驗反映型構(gòu)念測量模型的信效度的方法已經(jīng)非常成熟，主要包括檢驗測量模型的組合信度、聚合效度和區(qū)分效度。組合信度指的是構(gòu)念各測量項的內(nèi)在一致性程度，具體的衡量指標包括構(gòu)念信度和克朗巴哈系數(shù)。聚合效度指的是同一構(gòu)念用不同測量項來測量的結(jié)果的相似性程度，某構(gòu)念測量項的聚合效度較高意味著各不同的測量項反映的信息都聚集在同一構(gòu)念上。因此，聚合效度也稱為收斂效度，具體的衡量指標包括平均提取方差，因子載荷等。研究指出，構(gòu)念信度、克朗巴哈系數(shù)應(yīng)大于0.7，平均提取方差應(yīng)大于0.5，并且每個測量項在其理論對應(yīng)的構(gòu)念上的因子載荷應(yīng)不小于0.7[6]。反映型構(gòu)念測量項、來源及測量模型檢驗結(jié)果見下頁表2。由表2可知，各反映型構(gòu)念的構(gòu)念信度最小為0.886，大于0.7；克朗巴哈系數(shù)最小為0.824，大于0.7；平均提取方差最小為0.726，大于0.5，因子載荷最小為0.825，大于0.7。因此，本文所采用的反映型構(gòu)念的信度和聚合效度都符合要求。

區(qū)分效度指的是不同構(gòu)念之間采用的具體測量項反映的信息應(yīng)該有所差異，可以加以區(qū)分。在結(jié)構(gòu)方程模型中，判定某一構(gòu)念的區(qū)分效度一般通過比較其平均提取方差的平方根與另外構(gòu)念的相關(guān)系數(shù)的大小。各反映型構(gòu)念相關(guān)系數(shù)見表3。由表3可知，所有反映型構(gòu)念的平均提取方差的平方根（對角線上標黑數(shù)值）都要大于該構(gòu)念與其他構(gòu)念之間的相關(guān)系數(shù)。因此，各反映型構(gòu)念具有足夠的區(qū)分效度。

表2 反映型構(gòu)念測量項、來源及測量模型檢驗結(jié)果(N=367)

表3 各反映型構(gòu)念相關(guān)系數(shù)表(N=367)

對于形成型構(gòu)念測量模型的檢驗，相關(guān)研究才剛剛起步，相關(guān)的理論、方法和工具都不如反映型構(gòu)念測量模型成熟。目前，許多國內(nèi)外期刊利用反映型構(gòu)念來表示形成型構(gòu)念的做法值得商榷[7]。形成型構(gòu)念與反映型構(gòu)念最明顯的差異在于形成型構(gòu)念各子潛變量之間不存在必然的相關(guān)性，且假定各子潛變量指標沒有誤差項。因此，無法通過協(xié)方差矩陣來計算CR、Cronbach'sα、AVE等參數(shù)，以至于無法檢驗形成型構(gòu)念的信度和效度。因此，聚合效度和區(qū)分效度也無法為驗證形成型構(gòu)念的測量模型提供依據(jù)。

通過梳理國內(nèi)外已有的關(guān)于形成型構(gòu)念的文獻，本文將采用Petter等[7]的方法來檢驗形成型構(gòu)念測量模型的信度和效度，并且這種方法的有效性得到諸多學(xué)者的研究證實。具體來說，本文將首先計算“功能性風險容忍度”各子潛變量（金融風險容忍度、產(chǎn)品風險容忍度、隱私風險容忍度）和“情感性風險容忍度”各子潛變量（社會風險容忍度、心理風險容忍度、時間風險容忍度）的均值，分別將其作為“功能性風險容忍度”和“情感性風險容忍度”形成型構(gòu)念的測量項；最后，利用這些經(jīng)過處理得到的測量項來計算形成型構(gòu)念各子潛變量的權(quán)重（weights）和載荷（loading），進而檢驗二階形成型構(gòu)念的信度和效度，具體結(jié)果見表4。由表4可知，風險容忍度六個子潛變量的權(quán)重和載荷都顯著，說明金融、產(chǎn)品、隱私風險容忍度對于“功能性風險容忍度”以及社會、心理、時間風險容忍度對于“情感性風險容忍度”都具有相對和絕對的重要性，滿足結(jié)構(gòu)效度的要求。為了避免多重共線性對形成型構(gòu)念各子潛變量的結(jié)構(gòu)信度造成影響，通過SPSS20.0計算可知，“功能性風險容忍度”各子潛變量的膨脹方差因子（VIF）為1.863，1.231、1.875,“情感性風險容忍度”各子潛變量的VIF為1.694、1.382、1.736，都小于多重共線性閾值10[8]。因此，研究模型中二階形成型構(gòu)念具有較高的結(jié)構(gòu)信度，通過檢驗。

表4 形成型構(gòu)念各子潛變量權(quán)重和載荷信息表(N=367)

3.2 結(jié)構(gòu)模型分析

在檢驗完測量模型后，本文將進一步利用SmartPLS2.0進行結(jié)構(gòu)方程模型分析，分析結(jié)果見圖2。由圖2可知，行為慣性到功能性風險容忍度與情感性風險容忍度的路徑系數(shù)都顯著為正，路徑系數(shù)分別為0.472和0.536，因此，假設(shè)2a和假設(shè)2b成立。另外，功能性風險容忍度到持續(xù)使用意愿的路徑系數(shù)為0.758（p＜0.001），情感性風險容忍度到持續(xù)使用意愿的路徑系數(shù)為0.342（p＜0.01），表明假設(shè)1a和假設(shè)1b得到了支持。同時，圖2進一步說明了功能性風險容忍度與情感性風險容忍度解釋了持續(xù)使用意愿43.5%的方差變異，且行為慣性對情感性風險容忍度方差變異的解釋為35.7%，高于功能性風險容忍度的21.3%。這說明了模型整體對于持續(xù)使用意愿的解釋力較強。

4 結(jié)論

本文以風險容忍度為視角，構(gòu)造功能性和情感性風險容忍度的二階形成型構(gòu)念，分別探討了二者對用戶持續(xù)使用意愿的影響，并引入行為慣性的概念，采用結(jié)構(gòu)方程模型的方法對理論模型進行實證分析。得出以下結(jié)論：移動電子商務(wù)用戶的行為慣性與功能性和情感性風險容忍度顯著正相關(guān)，功能性和情感性風險容忍度與持續(xù)使用意愿顯著正相關(guān)；行為慣性對情感型風險容忍度的影響略大于功能性風險容忍度，且功能性風險容忍度對用戶持續(xù)使用意愿的影響大于情感性風險容忍度。

[1]Cozzarin B P.Mobile Commerce and Device Specific Perceived Risk[J].Electron CommerRes,2016,(16).

[2]Liang H,Xue Y.Avoidance of Information Technology Threats:A Theo?retica Perspective[J].MIS Quarterly,2009,33(1).

[3]Jacoby J,Kaplan L B.The Components of Perceived Risk[R].Chicago:In SV-Proceedings of the Third Annual Conference of the Associa?tion for ConsumerResearch.M.Venkatesan,Association for Consum?er Research,1972.

[4]楊翾,彭迪云,謝菲.基于TAM/TPB的感知風險認知對用戶信任及其行為的影響研究——以支付增值產(chǎn)品余額寶為例[J].管理評論,2016,28(6).

[5]Jarvis C B,Mackenzie S B,Podsakoff P M.A Critical Review of Con?struct Indicators and Measurement Model Misspecification in Market?ing and Consumer Research[J].Journal of Consumer Research,2003,30(2).

[6]Fornell C,Bookstein F L.Two Structural Equation Models:LISREL and PLS Applied to Consumer Exit-Voice Theory[J].Journal of Mar?keting Research,1982,19(4).

[7]Petter S,Straub D,Rai A.Specifying Formative Constructs in Informa?tion Systems Research[J].MIS Quarterly,2007,31(4).

[8]Diamantopoulos A.Incorporating Formative Measures Into Covari?ance-Based Structural Equation Models[J].MIS Quarterly,2011,35(2).