雷麗彩，曾恩鈺

1 湘潭大學(xué) 商學(xué)院，湖南 湘潭 411105 2 南京大學(xué) 工程管理學(xué)院，南京 210093

引言

黨的十九大報告提出“人民健康是民族昌盛和國家富強(qiáng)的重要標(biāo)志”，提出“實施健康中國戰(zhàn)略”。要擁有健康的身體，必須先從腳動起，國際衛(wèi)生組織將行走定義為“世界上最好的運(yùn)動”，當(dāng)今許多國家把行走健身納入了國家計劃，中國也逐漸形成全民健走的氛圍。隨著移動社交媒體平臺的迅速發(fā)展，每個人都被緊密地嵌入一個相互影響的社會網(wǎng)絡(luò)中。同時，當(dāng)今快速發(fā)展的穿戴式智能設(shè)備，如智能手機(jī)、計步手環(huán)等，將用戶每天的運(yùn)動數(shù)據(jù)通過與互聯(lián)網(wǎng)交互實現(xiàn)對用戶的運(yùn)動情況和身體健康狀況等進(jìn)行實時監(jiān)測，各類相關(guān)APP的出現(xiàn)進(jìn)一步推動了健康數(shù)據(jù)的可視化和社會化。因此，有必要探索多重網(wǎng)絡(luò)關(guān)系中用戶健康數(shù)據(jù)對用戶行為的影響機(jī)制[1]，用戶的運(yùn)動行為在社會網(wǎng)絡(luò)中相互影響、相互促進(jìn)的效應(yīng)也日益受到研究者和實踐者的關(guān)注，成為電子健康服務(wù)管理領(lǐng)域熱門的研究話題之一。

作為移動社交媒體的代表，微信逐漸成為信息獲取、形象展示、服務(wù)宣傳和社交溝通的重要渠道，微信運(yùn)動是微信上一個類似計步數(shù)據(jù)庫的公眾號，2017年9月的日活躍用戶數(shù)達(dá)到1.15億，用戶可以通過關(guān)注此公眾號查看自己以及好友的實時行走數(shù)據(jù)，是用戶自我形象展示和健康管理的平臺，是典型的社會網(wǎng)絡(luò)。如今越來越多的用戶開始使用微信運(yùn)動共享運(yùn)動數(shù)據(jù)，通過公眾號的“步數(shù)排行榜”激勵自己的運(yùn)動行為，進(jìn)而期望獲得一定的形象展示和社會支持。排行榜中存在明顯的競爭機(jī)制和社會支持，用戶通過參與公眾號的“步數(shù)排行榜”與好友的運(yùn)動數(shù)據(jù)進(jìn)行實時比較的行為是否真的能對其運(yùn)動行為產(chǎn)生激勵作用，用戶之間的態(tài)度差異和性別差異又如何調(diào)節(jié)排名機(jī)制對運(yùn)動行為的激勵效應(yīng)，這都是值得探討的問題。

因此，在健康數(shù)據(jù)可視化和社會化背景下，本研究在社會網(wǎng)絡(luò)行為傳染、社會支持與用戶運(yùn)動行為、競爭機(jī)制與用戶運(yùn)動行為的已有研究基礎(chǔ)上，從激發(fā)用戶運(yùn)動行為的內(nèi)在動機(jī)角度，探討具有社會網(wǎng)絡(luò)性質(zhì)的微信運(yùn)動“步數(shù)排行榜”對用戶運(yùn)動行為的影響機(jī)制，研究用戶之間的態(tài)度差異和性別差異對于排名機(jī)制與運(yùn)動行為之間關(guān)系的調(diào)節(jié)作用，為電子健康社交服務(wù)平臺的運(yùn)營提供決策依據(jù)和借鑒。

1 相關(guān)研究評述

1.1 社會網(wǎng)絡(luò)與行為傳染

社會網(wǎng)絡(luò)不同于其他形式的網(wǎng)絡(luò)，社會網(wǎng)絡(luò)是指社會個體成員之間因為互動而形成的相對穩(wěn)定的關(guān)系體系，網(wǎng)絡(luò)傳遞性是社會網(wǎng)絡(luò)一個重要的性質(zhì)，社會網(wǎng)絡(luò)的存在能使個體進(jìn)行更好的知識共享[2]。社會網(wǎng)絡(luò)中的個體并不是獨立存在的，個體的行為往往受到所接觸的人和社會的影響，即社會網(wǎng)絡(luò)的存在對網(wǎng)絡(luò)中的個體產(chǎn)生諸多方面的影響[3]。社會網(wǎng)絡(luò)的存在對個體認(rèn)知的影響可能帶來行為的改變，在早期關(guān)于健康行為方面的研究中，已有學(xué)者研究社會網(wǎng)絡(luò)中用戶行為之間的傳染性對健康行為的影響，認(rèn)為個人的決定和行為影響同儕的決定和行為。在生理健康方面，CHRISTAKIS et al.[4]的研究表明，肥胖可以通過社會關(guān)系傳播，一對雙胞胎，如果其中一個肥胖，另一個變肥胖的概率增加40%。心理健康也受到社會網(wǎng)絡(luò)的影響，F(xiàn)OWLER et al.[5]發(fā)現(xiàn)在社會網(wǎng)絡(luò)中幸福感具有動態(tài)傳播性，人們的幸福取決于與他們有關(guān)聯(lián)的其他人的幸福，被許多感覺幸福的人圍繞的人在未來幸福的概率更高。

社會網(wǎng)絡(luò)應(yīng)用的發(fā)展將每個人都緊緊地嵌入一個相互影響的社會網(wǎng)絡(luò)中[6]，社會網(wǎng)絡(luò)包含了存在于現(xiàn)實的關(guān)系和依托于互聯(lián)網(wǎng)的關(guān)系。GHOSE et al.[7]提出在移動互聯(lián)網(wǎng)空間中用戶行為的經(jīng)驗框架，認(rèn)為社會網(wǎng)絡(luò)對用戶行為有很強(qiáng)的正向影響?；谏鐣W(wǎng)絡(luò)的信息傳播研究表明，依托于互聯(lián)網(wǎng)的社會網(wǎng)絡(luò)同樣具有傳遞性的特征[8]，個體的行為對其他個體的交互行為有顯著影響[9]。

在運(yùn)動行為研究方面，ARAL et al.[10]認(rèn)為在全球社會網(wǎng)絡(luò)中用戶的運(yùn)動行為具有社會傳染性，一個用戶運(yùn)動步數(shù)的增加在一段時間內(nèi)促使其同儕的步數(shù)也增加，并且這種傳染性還伴隨著個人特征差異。微信作為中國社交媒體的代表，契合了社會黏性化和人性化發(fā)展[11]，也有學(xué)者開始依托該平臺進(jìn)行研究，如微信用戶使用行為的驅(qū)動因子和內(nèi)在作用機(jī)理[12]。從社會網(wǎng)絡(luò)角度出發(fā)，微信用戶關(guān)系網(wǎng)絡(luò)分布不均勻，在網(wǎng)絡(luò)中處于明顯核心地位的用戶有較強(qiáng)的人際交往能力，對他人的行為和信息資源的獲取有一定的影響[13]。微信運(yùn)動作為微信的一個功能，集社交功能和健康管理于一體，將用戶每天的運(yùn)動行為數(shù)據(jù)化和社交化，對用戶的運(yùn)動行為具有正向影響[14]。

1.2 社會支持與用戶行為

社會支持指來自個人之外的各種支持的總稱，是與弱勢群體的存在相伴隨的社會行為。在社會網(wǎng)絡(luò)中，用戶的在線參與行為能促進(jìn)信息交流、形象展示和獲取情感支持，情感支持比信息交流更能夠提升用戶對在線健康社區(qū)的持續(xù)參與度和關(guān)注度。已有學(xué)者研究社會支持對健康狀況的影響，如在體重控制和生活滿意度方面，與單獨治療的人相比，獲得社會支持的人完成體重減輕治療和維持體重減輕的比例更高[15]，不同程度的社會支持造成減肥效果的顯著差異[16]，社會支持與生活滿意度也呈顯著正相關(guān)[17]。社會支持對健康狀況的改善也會產(chǎn)生影響，楊化龍等[18]探討在線健康社區(qū)中用戶獲得的社會支持和個人目標(biāo)對于健康狀況的影響，表明社會支持從情感和信息等方面積極影響用戶健康狀況的改善程度。健康狀況不僅受到社會支持程度的影響,不同社會支持類型的作用機(jī)理也存在差別[19]。在社會支持對運(yùn)動行為的影響方面，在依托互聯(lián)網(wǎng)的社會網(wǎng)絡(luò)中，評論、點贊和轉(zhuǎn)發(fā)等社會支持行為對用戶的運(yùn)動行為有積極的短期影響[20]。社會支持可以通過促進(jìn)自我調(diào)節(jié)，特別是自我效能來激勵個體的運(yùn)動行為[21]。在微信運(yùn)動公眾號中，用戶參與排名后有機(jī)會獲得好友的點贊，用戶自己也可以對好友的運(yùn)動數(shù)據(jù)進(jìn)行點贊，微信運(yùn)動平臺中對他人行走步數(shù)的點贊行為也是一種社會支持行為的表現(xiàn)。

1.3 競爭與用戶行為

競爭作為一種重要的社會刺激對個人的健康行為具有至關(guān)重要的潛在價值。傳統(tǒng)的健康行為(如運(yùn)動和平衡飲食結(jié)構(gòu)等)往往對于自我控制和自我約束要求過高而導(dǎo)致高失敗率，而競爭機(jī)制試圖通過外部激勵的方式促進(jìn)個人追求健康的行為，將患者自我監(jiān)控下的個人健康管理行為轉(zhuǎn)變?yōu)槿后w參與的比賽行為[22]。然而，目前學(xué)術(shù)界對于競爭與行為之間的關(guān)系尚未有明確的界定，在個體心理過程層面，競爭似乎既不完全有益于也不完全有害于個體的行為表現(xiàn)，二者的關(guān)系隨著所追求目標(biāo)的類型不同而變化[23]。但也有學(xué)者認(rèn)為競爭與行為表現(xiàn)之間存在明確的關(guān)系，BROWNELL et al.[24]對3次減肥比賽的數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)競爭能夠有效降低參與人的流失率并增強(qiáng)減重效果，說明競爭對參與者的運(yùn)動行為有積極的促進(jìn)作用。而STAIANO et al.[25]卻得到完全相反的結(jié)果，該研究基于一個減重主題的視頻游戲，發(fā)現(xiàn)競爭性的游戲玩家的減重成效并不明顯優(yōu)于其他非競爭的游戲玩家。對此作者的解釋是，可能該游戲中的虛擬競爭過于激烈，體質(zhì)弱的用戶群體可能缺乏足夠的動力參與游戲。關(guān)于微信運(yùn)動的“步數(shù)排行榜”，劉西成等[26]認(rèn)為該排行榜讓用戶處于競爭環(huán)境中，進(jìn)而刺激用戶增加運(yùn)動量，具有激勵作用。

綜上所述，在社會網(wǎng)絡(luò)中用戶的行為具有傳染性，一個用戶行為的改變影響社會網(wǎng)絡(luò)中其他用戶的行為，而社會支持和競爭環(huán)境的存在都可以增強(qiáng)社會網(wǎng)絡(luò)中的行為傳染力度。盡管目前已有研究探討了微信運(yùn)動對運(yùn)動行為的影響，但這些研究卻忽視了“步數(shù)排行榜”以及性別差異和態(tài)度差異等個人因素在運(yùn)動行為中的作用，個體差異的存在使針對不同類型人群制定政策比僅考慮平均處理效果的政策更有效。評估干預(yù)效果的黃金標(biāo)準(zhǔn)是隨機(jī)對照實驗(randomized controlled trial，RCT)，由于成本和道德因素，該實驗在社會科學(xué)研究中十分罕見，已有的研究大多沒有考慮用戶參與微信運(yùn)動“步數(shù)排行榜”是否存在一定的選擇性偏差。因此，本研究以用戶的日平均步數(shù)作為用戶運(yùn)動行為的測量指標(biāo)，基于傾向得分匹配的方法消除選擇偏差，探討微信運(yùn)動“步數(shù)排行榜”對用戶運(yùn)動行為的影響，研究用戶個人的性別差異和態(tài)度差異對于公眾號的排名機(jī)制與用戶運(yùn)動行為之間關(guān)系的調(diào)節(jié)作用。

2 研究假設(shè)和模型

2.1 微信運(yùn)動“步數(shù)排行榜”排名機(jī)制與用戶運(yùn)動行為

FESTINGER[27]提出的社會比較理論認(rèn)為個體在缺乏客觀完備信息的情況下，會把他人作為比較的參考點來進(jìn)行自我評價，從而評價確認(rèn)自己的屬性，同時還包含個體主觀方面的積極愿望，即希望得到肯定性情感的滿足。對社會比較的研究一直都是學(xué)界關(guān)注的焦點，個體通過與其他不同類型的個體相比較來認(rèn)知、審視自己，進(jìn)而對自己情感和行為產(chǎn)生影響[28-29]，有研究表明社會比較與運(yùn)動行為之間存在交互影響[30]。在微信運(yùn)動的“步數(shù)排行榜”中存在競爭環(huán)境，對改善用戶的運(yùn)動行為具有重要的潛在價值，因為用戶參與競爭可以將個人的自我監(jiān)控轉(zhuǎn)變?yōu)槿后w參與，通過將自己與好友行走步數(shù)不斷比對的激勵方式改善自己的運(yùn)動行為。另外，從用戶動機(jī)角度，排行榜為用戶的個人形象展示提供了平臺，具有期望得到尊重和認(rèn)可的動機(jī)；同時用戶在通過平臺進(jìn)行社交活動時，具有期望獲取他人支持和獲得歸屬感的動機(jī)[31-32]。用戶在激勵自己去行走更多的步數(shù)來獲得好友圈中更靠前的步數(shù)排名時，通常會在不斷獲取成就感和他人對自己的社會支持認(rèn)同感的過程中維持或改善自己的運(yùn)動行為。因此，本研究提出假設(shè)。

H1微信運(yùn)動“步數(shù)排行榜”對用戶運(yùn)動行為具有正向的激勵作用。

2.2 性別差異的調(diào)節(jié)作用

已有學(xué)者研究兩性在認(rèn)知和行為等方面表現(xiàn)出來的差異[33]，通常認(rèn)為男性更加獨立和理性，往往偏向于只關(guān)注自己；而女性因為偏愛和諧的關(guān)系，在關(guān)注自己的同時也會關(guān)注他人。而且，環(huán)境變化對兩性個體行為產(chǎn)生的影響也會不同。男性和女性在與社會角色相關(guān)的認(rèn)知方面有所不同，通過一定的干預(yù)，女性會更有計劃地改變自己的行為[34]。而男性往往具有更強(qiáng)的運(yùn)動自我認(rèn)同感，對運(yùn)動行為參與度更高，相信自己能比同伴運(yùn)動的更多[30]。對社會支持的需求程度，相對于男性，女性更注重在社會網(wǎng)絡(luò)中獲得社會支持，因為女性會更在意別人的看法，對社會關(guān)系更加敏感[35]。在微信運(yùn)動平臺中，用戶可以通過“步數(shù)排行榜”看到好友圈中所有參與用戶的實時運(yùn)動數(shù)據(jù)，任何一個用戶的運(yùn)動行為都可能造成“步數(shù)排行榜”中排名的改變，一般排名靠前的用戶更容易獲得其他用戶的點贊。而女性用戶更注重社會支持，在關(guān)注自己運(yùn)動數(shù)據(jù)的同時也密切關(guān)注好友的運(yùn)動行為，使她們更在意自己在“步數(shù)排行榜”中的排名，從而更有可能激勵自己行走更多的步數(shù)。因此，本研究提出假設(shè)。

H2微信運(yùn)動“步數(shù)排行榜”對女性用戶運(yùn)動行為的影響比對男性用戶更顯著。

2.3 態(tài)度差異的調(diào)節(jié)作用

計劃行為理論認(rèn)為影響行為的因素都是經(jīng)由行為意向間接影響行為的表現(xiàn)，而行為意向受到行為態(tài)度、主觀規(guī)范和知覺行為控制3個因素的影響，其中行為態(tài)度是指對于采取某項特定行為抱持的正面或負(fù)面的感覺[36]。一般而言，個人對某項行為的態(tài)度愈正向，其行為意向愈強(qiáng)。對于運(yùn)動行為，運(yùn)動態(tài)度是影響其程度的一個關(guān)鍵因素[37]。已有學(xué)者的研究結(jié)果表明，不同的情感態(tài)度對運(yùn)動行為意圖的影響不同，但兩者不一定存在完全的正向關(guān)系，如CATELLIER et al.[38]的研究表示積極和消極情緒下的參與者比中性情緒下的參與者運(yùn)動意愿更低。本研究討論的態(tài)度差異是指用戶對于參與運(yùn)動行為的態(tài)度差異，對運(yùn)動行為持積極態(tài)度的用戶通常會更自覺自愿地參與運(yùn)動，即使沒有任何外力干預(yù)監(jiān)督也如此，參與“步數(shù)排行榜”后會進(jìn)一步促使態(tài)度積極者不斷增加行走步數(shù)，使自己在好友圈中的排名不斷靠前，從而更好地展示自己；對運(yùn)動行為持消極態(tài)度的用戶自身目標(biāo)性弱，在沒有外力監(jiān)督的情況下參與運(yùn)動行為的意愿較低，參與“步數(shù)排行榜”使態(tài)度消極者的運(yùn)動行為轉(zhuǎn)變?yōu)橥獠扛深A(yù)監(jiān)控下好友圈的競爭排名，從而激勵其試圖不斷改善運(yùn)動行為；態(tài)度中性用戶則是指對自身的運(yùn)動行為多持無所謂或不清楚的態(tài)度，是否參與微信運(yùn)動“步數(shù)排行榜”對該類用戶的運(yùn)動行為并沒有顯著影響。因此，本研究提出假設(shè)。

H3a微信運(yùn)動“步數(shù)排行榜”對態(tài)度積極和態(tài)度消極用戶的運(yùn)動行為有顯著影響。

H3b微信運(yùn)動“步數(shù)排行榜”對態(tài)度中性用戶的運(yùn)動行為影響并不顯著。

綜上所述，本研究的理論模型見圖1。

圖1 研究模型Figure 1 Research Model

3 研究方法和數(shù)據(jù)來源

3.1 研究方法

為有效測量微信運(yùn)動“步數(shù)排行榜”對用戶運(yùn)動行為的影響，定義測量用戶步數(shù)的方程式為

Y=f(X)+αD+ε

(1)

其中，Y為用戶的日平均步數(shù)；X為控制變量，包括用戶的個人特征、環(huán)境特征等，X=(x1,x2,…,xn)；D為用戶是否參與“步數(shù)排行榜”的兩值變量，參與時取值為1，不參與時取值為0；α為參數(shù)，ε為隨機(jī)擾動項。若用戶是隨機(jī)被分配到參與排名組和不參與排名組，則α能夠精確測量參與排名對用戶步數(shù)的凈激勵效應(yīng)。用戶在使用微信運(yùn)動平臺時，會根據(jù)外部環(huán)境以及其對運(yùn)動行為的態(tài)度自愿決定是否參與到微信運(yùn)動“步數(shù)排行榜”中，由于對運(yùn)動行為持不同態(tài)度的用戶使用微信運(yùn)動的目的和期望不同，所以用戶是否參與微信運(yùn)動“步數(shù)排行榜”存在一定的選擇性偏差，這將導(dǎo)致(1)式中D與ε相關(guān)，此時若采用OLS進(jìn)行參數(shù)估計，則α的估計結(jié)果一定是有偏的[39]。

RCT能有效減少選擇性偏差和檢驗干預(yù)效果，同一用戶在參與排名時與不參與排名時的步數(shù)差可解釋為“步數(shù)排行榜”對用戶運(yùn)動行為的影響。但是，當(dāng)用戶在調(diào)查問卷中對自己的步數(shù)進(jìn)行估計時，只能獲得參與排名用戶報告的步數(shù)(Y1)和未參與排名用戶報告的步數(shù)(Y0)，而對于參與排名者在未參與排名狀態(tài)下的步數(shù)以及未參與排名者在參與排名狀態(tài)下的步數(shù)則無法獲取，這實際上是一種“數(shù)據(jù)缺失”問題。因此，為了考慮反事實估計參與“步數(shù)排行榜”對用戶步數(shù)的影響，本研究采用ROSENBAUM et al.[40]提出的傾向得分匹配方法來消除自選擇偏差。該方法不需要對回歸方程的形式和樣本的分布進(jìn)行假設(shè)，同時也不需要對控制變量的外生性進(jìn)行假定。傾向得分匹配方法是通過傾向得分對隨機(jī)實驗過程進(jìn)行模擬，通過反事實估計評估干預(yù)效應(yīng)，在經(jīng)濟(jì)和管理等多個領(lǐng)域得到了很好的應(yīng)用[41-43]。其核心思想是借助傾向得分找到一組沒參與排名的控制組，使其與參加排名的用戶(處理組)的資源稟賦特征盡可能相似，這樣就可以有效降低選擇性偏差帶來的影響。由于處理組和控制組兩組樣本的其他資源稟賦特征相似，兩組樣本之間如果存在步數(shù)差異就可以解釋為是“步數(shù)排行榜”排名機(jī)制的貢獻(xiàn)。

本研究采用傾向得分匹配方法的基本思路如下。

第1步，計算傾向得分。傾向得分是在給定條件下接受干預(yù)的條件概率，在尋找控制組的過程中，通過特殊方法將多個維度的特征濃縮為一個指標(biāo)。本研究的傾向得分值利用Logit模型估計得到，在給定i用戶的Xi樣本特征的情況下，i用戶參加“步數(shù)排行榜”的概率即為傾向得分值，有

p(Xi)=Pr(Di=1|Xi)=E(Di|Xi)

(2)

其中，p(Xi)為傾向得分值，Xi為影響i用戶選擇行為的特征變量。

第2步，選擇匹配方法。選擇合適的匹配方法，將處理組(D=1)中的每一個觀測值與控制組(D=0)中傾向得分相近的觀測值進(jìn)行匹配。為了保證估計結(jié)果的穩(wěn)健性，本研究采用最鄰近匹配方法、半徑匹配方法和核匹配方法3種方法對樣本進(jìn)行匹配。3種匹配方法的基本思想見表1。

表1 匹配方法的基本思想Table 1 Basic Idea of Matching Method

第3步，計算平均處理效應(yīng)。理論上，在給定傾向得分的情況下，匹配完成后，“步數(shù)排行榜”對用戶日平均步數(shù)的平均處理效應(yīng)可以通過比較處理組與控制組的步數(shù)差異而得到，即

ATT=E[Y1,i-Y0,i|Di=1]

=E{E[Y1,i-Y0,i|Di=1,p(Xi)]}

=E{E[Y1,i|Di=1,p(Xi)]-

E[Y0,i|Di=1,p(Xi)]|Di=1}

(3)

其中，ATT為平均處理效應(yīng)，Y1,i為i用戶參與“步數(shù)排行榜”時的日平均步數(shù)，Y0,i為i用戶不參與“步數(shù)排行榜”時的日平均步數(shù)。E[Y1,i|Di=1]值可以觀測，而E[Y0,i|Di=1]值不可以觀測，是一個反事實結(jié)果，需要運(yùn)用傾向得分匹配方法構(gòu)建E[Y0,i|Di=1]的替代指標(biāo)。

另外，為了減少樣本標(biāo)準(zhǔn)偏差的影響，本研究采用Bootstrap方法獲取平均處理效應(yīng)的標(biāo)準(zhǔn)誤。具體步驟為，①在原始樣本中重復(fù)隨機(jī)抽取n個觀測值后得到經(jīng)驗樣本；②運(yùn)用傾向得分匹配方法計算該經(jīng)驗樣本的平均處理效應(yīng)；③將第1步和第2步重復(fù)進(jìn)行M次，得到M個ATT值；④計算這M個ATT值的標(biāo)準(zhǔn)差后得到原始樣本的ATT標(biāo)準(zhǔn)誤。

3.2 數(shù)據(jù)來源

本研究采用網(wǎng)上問卷調(diào)研的方式收集數(shù)據(jù)，在正式發(fā)放問卷前，于2017年11月6日至10日對湖南省某大學(xué)40名師生進(jìn)行問卷預(yù)調(diào)研，得到師生提出的修改意見并進(jìn)行初始分析，確保問卷題項不存在歧義且信度和效度滿足研究要求。在此基礎(chǔ)上對問卷進(jìn)行修改，形成最終正式問卷。

問卷發(fā)布在專業(yè)調(diào)研平臺問卷星(http:∥www.wjx.cn)，通過社交網(wǎng)站等各種渠道發(fā)送問卷鏈接邀請微信用戶填寫。從2017年12月發(fā)放問卷，截止到2018年6月下旬，共收集969份答卷。為了保證參與本次調(diào)研的人員均為目標(biāo)調(diào)查對象，研究人員在正式問卷開始前設(shè)置多個過濾性問題，以保證用戶具有真實的計步軟件使用經(jīng)驗?；谶^濾性問題和反向問題，研究人員剔除回答時間過短、數(shù)據(jù)缺失(包括無法評估自身的日平均步數(shù)、不使用計步軟件等)、含異常值、回答態(tài)度不認(rèn)真等無效樣本，確保參與本次調(diào)查的用戶均有微信運(yùn)動或其他計步軟件的使用經(jīng)驗，保證樣本數(shù)據(jù)的可靠性。最終，保留752份有效問卷，有效率為77.606%。將用戶分為參與微信運(yùn)動“步數(shù)排行榜”的處理組和不參與排名的控制組，兩組樣本人口統(tǒng)計學(xué)基本信息見表2。

由表2可知，樣本中參與“步數(shù)排行榜”的用戶534人，未參與的用戶218人。在參與“步數(shù)排行榜”排名的處理組中男性偏多，未參與排名的控制組中女性偏多，兩組的年齡均值都介于18歲～34歲之間，年輕人居多，月可支配收入也大都介于1 000元～4 999元之間。而且相對于控制組的用戶，處理組用戶日平均步數(shù)更多，更愿意在運(yùn)動健康方面投入金錢，并且步數(shù)來源更偏向于運(yùn)動健身，運(yùn)動態(tài)度也更加積極。但是需要注意的是，由于是否參與微信運(yùn)動的“步數(shù)排行榜”是用戶的自選擇行為，上述各變量的統(tǒng)計差異性有可能不是參與排名后的必然結(jié)果，而是由其他因素導(dǎo)致的。因此，需謹(jǐn)慎使用表2中的結(jié)果。

表2 樣本人口統(tǒng)計學(xué)特征Table 2 Demographic Characteristics of Samples

本研究在研究模型的基礎(chǔ)上設(shè)計問卷和測量量表。本次研究所需數(shù)據(jù)來自問卷的用戶基本信息和運(yùn)動態(tài)度測試兩部分，其中，日平均步數(shù)來自用戶的自我報告，取值為最近一周每日步數(shù)的均值?；诿珮s建[44]設(shè)計的《鍛煉態(tài)度量表》測量用戶運(yùn)動態(tài)度，毛榮建[44]在AJZEN[36,45]提出的計劃行為理論的基礎(chǔ)上，建立態(tài)度-行為因果關(guān)系模型，設(shè)計出鍛煉態(tài)度量表，本研究依據(jù)需求選取該量表8個分量表中的66個題項，包含正向計分題和反向計分題。8個分量表分別測量用戶的行為態(tài)度、目標(biāo)態(tài)度、行為認(rèn)知、行為習(xí)慣、行為意向、情感體驗、行為控制感和主觀標(biāo)準(zhǔn)。運(yùn)動態(tài)度問卷題項見表3。本研究采用Likert 5點評分法測量，1為非常不同意，5為非常同意。最后用總分測量用戶運(yùn)動態(tài)度差異。

表3 運(yùn)動態(tài)度測量量表及其信度和效度檢驗結(jié)果Table 3 Measurement Scale for Exercise Attitude and Test Results for Reliability and Validity

4 實證結(jié)果分析和假設(shè)驗證

4.1 信度和效度檢驗

對運(yùn)動態(tài)度量表的信度和效度進(jìn)行檢驗，對樣本數(shù)據(jù)進(jìn)行主成分分析后得到的KMO值為0.973，表明適合進(jìn)行因子分析。計算各測量維度的組合信度(CR)、Cronbach′sα系數(shù)、平均提取方差(AVE)以及各測量變量的因子載荷，以驗證量表的可靠性，結(jié)果見表3。由表3可知，所有測量維度的CR值和α系數(shù)值均大于0.700，表明信度較好；各測量維度的AVE值都在0.500以上，各變量的因子載荷都大于0.500，且大部分在0.700以上，表明樣本數(shù)據(jù)具有良好的聚合效度。分析結(jié)果表明，測量量表的信度和效度滿足研究要求。

4.2 樣本匹配效果檢驗

選取用戶的個人特征變量作為解釋變量，采用Logit概率模型計算每個用戶參與微信運(yùn)動“步數(shù)排行榜”的概率，即傾向得分，然后根據(jù)傾向得分采用不同的匹配方法為其匹配稟賦特征最相近的用戶。以最鄰近匹配法為例說明樣本的匹配效果，按1∶3匹配，為每個參與排名的用戶尋找傾向得分與之最接近的3個未參與排名的用戶，將這3個未參與排名的用戶進(jìn)行加權(quán)平均得到1個樣本，該樣本作為參與排名用戶的匹配樣本。特征變量在匹配前后的變化情況見表4。ROSENBAUM et al.[40]認(rèn)為，如果變量在兩組樣本間的標(biāo)準(zhǔn)偏差的絕對值小于20，可以認(rèn)為匹配效果可靠；反之，則認(rèn)為匹配過程失敗。由表4可知，在匹配前，特征變量的標(biāo)準(zhǔn)偏差在19.542～51.732之間，說明處理組與控制組之間的大部分特征變量存在明顯的差異。完成匹配后，處理組與控制組兩組樣本的特征變量的標(biāo)準(zhǔn)偏差都有大幅度減少，其標(biāo)準(zhǔn)偏差降至0.142～6.804之間，均小于20，說明匹配后處理組與控制組之間各特征變量的均值水平已經(jīng)非常接近，組間的特征差異得以部分消除，匹配效果較好。由于半徑匹配法和核匹配法的檢驗結(jié)果與最鄰近匹配法類似，此處不再贅述。

表4 樣本匹配前后特征變量變化情況Table 4 Changes of Characteristic Variables in Samples Before and After Matching

為了進(jìn)一步檢驗傾向得分匹配方法的匹配效果，圖2給出采用最鄰近匹配法時，處理組和控制組的傾向得分值在匹配前后的核密度函數(shù)。由圖2可知，在匹配前兩組樣本的傾向得分值密度函數(shù)圖之間有明顯差距，而匹配后處理組與控制組的尾端差距減少，兩組樣本的整體密度函數(shù)分布更加接近，說明處理組與控制組之間的差異顯著降低，樣本間的特征差異得以部分消除。并且匹配前后處理組與控制組的傾向得分區(qū)間的重疊區(qū)域(共同支撐域)變化不大，共同支撐域為[0.322,0.909]，匹配后僅損失3個樣本，損失數(shù)量較少，匹配效果良好。

為了比較不同方法的匹配效果，表5給出進(jìn)一步檢驗兩組樣本間解釋變量差異的統(tǒng)計顯著性。由表5可知，偽R2值從匹配前的0.054下降到0.001～0.002之間；似然比檢驗值從48.492下降到1.407～2.262之間，并且對應(yīng)的p值在1%的置信水平上由匹配之前是統(tǒng)計顯著的轉(zhuǎn)變?yōu)槠ヅ渲蠖急痪芙^；匹配后平均偏差也大大降低，降低幅度在86.858%～91.855%之間。匹配前后相比，偽R2值和平均偏差較大幅度地降低以及似然比檢驗的p值由顯著變?yōu)椴伙@著，這些都充分說明各種傾向得分匹配法的效果良好。

(a)匹配前

(b)匹配后圖2 PScore的核密度圖(最鄰近匹配法)Figure 2 Kernel Density of PScore(Nearest Neighbor Matching Method)

表5 匹配質(zhì)量總體檢驗結(jié)果Table 5 Overall Test Results for Matching Quality

4.3 競爭促進(jìn)作用分析

表6給出運(yùn)用3種匹配方法測算的用戶參與微信運(yùn)動“步數(shù)排行榜”對其增加行走步數(shù)的激勵效應(yīng)。由表6可知，在匹配前，參與“步數(shù)排行榜”用戶的日平均步數(shù)為8 521.322步，未參與排名用戶的日平均步數(shù)為6 079.289步，兩組之間具有顯著差異。采用傾向得分匹配方法對特征變量的差異進(jìn)行一定程度的控制后，參與“步數(shù)排行榜”用戶的日平均步數(shù)在8 036.286步～8 521.322步之間，未參與排名用戶的日平均步數(shù)在6 263.086步～6 636.250步之間，參與“步數(shù)排行榜”用戶的日平均步數(shù)比不參與的增長1 773.200步～2 113.604步。這與張錚等[14]的研究結(jié)果類似，都表明微信運(yùn)動對用戶的運(yùn)動行為具有顯著的正向影響。研究中雖然不同匹配方法得到的ATT值不一樣，但從定性的角度看結(jié)果是一樣的，都在1%水平上顯著，表明用戶參與微信運(yùn)動“步數(shù)排行榜”對其運(yùn)動行為有顯著的正向影響，激勵其更加積極主動地參與運(yùn)動，努力增加其日平均行走步數(shù)，H1得到驗證。另外，匹配后的ATT值小于匹配前的值，因為傾向得分匹配方法將用戶參與“步數(shù)排行榜”這個因素從影響用戶運(yùn)動行為的其他因素中獨立出來，以便考察其對用戶運(yùn)動行為影響的凈效應(yīng)，匹配后的計算結(jié)果更為準(zhǔn)確。

表6 微信運(yùn)動“步數(shù)排行榜”對用戶的激勵效應(yīng)Table 6 Incentive Effect of WeRun′s “Step Ranking” on Users

4.4 組群差異分析

前文已經(jīng)驗證了微信運(yùn)動“步數(shù)排行榜”對用戶的運(yùn)動行為有一定激勵作用，分析個人運(yùn)動行為時需考慮到個體的差異，下面進(jìn)一步探討“步數(shù)排行榜”對不同樣本群體的影響。本研究根據(jù)性別特征將用戶分為男、女兩組，檢驗排名對不同性別用戶的影響差異；根據(jù)運(yùn)動態(tài)度得分將用戶分為積極態(tài)度、中性態(tài)度和消極態(tài)度3組，檢驗排名對不同態(tài)度用戶的影響差異。表7給出不同運(yùn)動態(tài)度和不同性別用戶的日平均步數(shù)的統(tǒng)計性描述，從日平均步數(shù)均值看，運(yùn)動態(tài)度積極用戶的日平均步數(shù)依次大于中性用戶和消極用戶的日平均步數(shù)，男性用戶的日平均步數(shù)大于女性用戶。從微信運(yùn)動“步數(shù)排行榜”的參與率指標(biāo)看，運(yùn)動態(tài)度與參與率之間存在正向關(guān)系，運(yùn)動態(tài)度得分越高的用戶參與“步數(shù)排行榜”的比率越高，即運(yùn)動態(tài)度積極的用戶傾向于參與排名；男性用戶相對于女性用戶更愿意參與排名。

表7 不同運(yùn)動態(tài)度和不同性別用戶的日平均步數(shù)Table 7 Daily Average Steps of Users with Different Exercise Attitudes and Genders

將樣本按用戶特征進(jìn)行分類后，分別在組內(nèi)運(yùn)用傾向得分匹配方法分析參與“步數(shù)排行榜”對用戶日平均步數(shù)的激勵作用，結(jié)果見表8。

表8 微信運(yùn)動“步數(shù)排行榜” 對不同運(yùn)動態(tài)度和不同性別用戶的激勵效應(yīng)Table 8 Incentive Effect of WeRun′s “Step Ranking” on Different Exercise Attitudes and Genders Users

由表8可知，一方面，通過不同的匹配方法，參與“步數(shù)排行榜”對運(yùn)動態(tài)度積極用戶的日平均步數(shù)分別增加2 695.631、1 276.092和2 814.866；對運(yùn)動態(tài)度消極用戶行走步數(shù)的激勵作用更明顯，使消極態(tài)度用戶的日平均步數(shù)分別增加3 051.744、2 632.003和2 324.586以上，結(jié)果在不同程度上都具有一定的顯著性，表明參與“步數(shù)排行榜”對運(yùn)動態(tài)度積極和消極用戶的運(yùn)動行為均具有顯著的激勵作用，H3a得到驗證。而對運(yùn)動態(tài)度中性的用戶，采用不同的匹配方法都表明參與“步數(shù)排行榜”對運(yùn)動行為的影響并不顯著，H3b得到驗證。綜上，對運(yùn)動行為持不同態(tài)度的組群中，參與“步數(shù)排行榜”對用戶運(yùn)動行為的影響存在差異，積極和消極的用戶比中性的用戶參與“步數(shù)排行榜”對運(yùn)動行為的影響更顯著。該結(jié)果與CATELLIER et al.[38]關(guān)于態(tài)度對運(yùn)動行為影響的結(jié)果相反，這可能是因為：雖然態(tài)度積極用戶能自覺自愿地參與運(yùn)動，但是參與“步數(shù)排行榜”獲得的競爭成就感和社會支持會進(jìn)一步增強(qiáng)其參與運(yùn)動的積極主動性。態(tài)度消極用戶主動參與運(yùn)動行為的意愿較低，參與“步數(shù)排行榜”使其個人的運(yùn)動行為轉(zhuǎn)變?yōu)楹糜讶Ω深A(yù)監(jiān)控和相互競爭情形下的群體運(yùn)動，為了在社會網(wǎng)絡(luò)中獲得好友點贊的社會支持和形象展示，態(tài)度消極用戶參與排名后會激勵自己努力增加運(yùn)動步數(shù)，使自己在“步數(shù)排行榜”中的排名位置不斷靠前，從而比態(tài)度積極用戶的激勵效果更強(qiáng)，平均行走步數(shù)增長更多。而對于運(yùn)動態(tài)度中性用戶而言，他們對自身的運(yùn)動行為以及在好友圈排名的位置多持無所謂或不清楚的態(tài)度，因此，是否參與排名對其運(yùn)動行為的影響較小。另一方面，用戶參與微信運(yùn)動“步數(shù)排行榜”對其行走步數(shù)的影響存在明顯的性別差異，表8結(jié)果表明，參與“步數(shù)排行榜”對女性用戶的日平均步數(shù)存在顯著影響。通過不同的匹配方法，參與“步數(shù)排行榜”對女性用戶的日平均步數(shù)分別增加了1 274.830、977.692和1 532.319，均在不同程度上顯著。男性參與排名的日平均步數(shù)增長的差異更大，但結(jié)果多不具有顯著性，并不能說明步數(shù)的增長是受到參與排名的影響，H2得到驗證。微信運(yùn)動“步數(shù)排行榜”對女性用戶運(yùn)動行為的影響比男性用戶更顯著，這是由于女性用戶對社會關(guān)系更加敏感，更注重在社會網(wǎng)絡(luò)中獲得社會支持，女性的運(yùn)動行為相對更容易受到外界的影響和干預(yù)，該結(jié)果與VERKOOIJEN et al.[30]的研究結(jié)果相似。而男性偏向于理性的自我規(guī)劃，運(yùn)動行為的參與度和自覺自愿程度更高，與張書朋等[35]的研究結(jié)果相似。同時樣本中男性用戶對于微信運(yùn)動“步數(shù)排行榜”的參與率極高也是影響研究結(jié)果的原因，日平均步數(shù)的增長不能僅解釋為是參與排名帶來的結(jié)果。

5 結(jié)論

5.1 研究結(jié)果

本研究探討基于微信運(yùn)動的社會網(wǎng)絡(luò)中用戶參與“步數(shù)排行榜”對其運(yùn)動行為的影響，研究用戶的運(yùn)動態(tài)度差異和性別差異對于排名機(jī)制與運(yùn)動行為之間關(guān)系的調(diào)節(jié)作用。

研究結(jié)果表明，通過運(yùn)用傾向得分匹配方法進(jìn)行檢驗，控制組與處理組兩組樣本的特征變量的差異性顯著降低，兩組樣本間傾向得分值密度函數(shù)分布更加接近，說明樣本間的特征差異得以部分消除，匹配效果良好。匹配后的平均處理效應(yīng)值表明，對用戶特征變量的差異進(jìn)行控制后，用戶參與微信運(yùn)動“步數(shù)排行榜”對其運(yùn)動行為具有顯著的正向激勵作用，參與“步數(shù)排行榜”用戶的日平均步數(shù)比不參與排名時均有所增加。

從用戶個人特征角度看，微信運(yùn)動“步數(shù)排行榜”對不同運(yùn)動態(tài)度和不同性別用戶的運(yùn)動行為的影響具有顯著差異。在運(yùn)動態(tài)度方面，“步數(shù)排行榜”對運(yùn)動態(tài)度積極和消極的用戶均具有顯著的激勵作用，而對態(tài)度中性的用戶的步數(shù)增長并不具有顯著性；在性別差異方面，參與“步數(shù)排行榜”對女性用戶的激勵作用比男性用戶更具顯著性，女性用戶更容易受到排名機(jī)制的影響。

5.2 理論意義

①本研究在研究對象上擴(kuò)展了關(guān)于社會網(wǎng)絡(luò)中用戶行為影響機(jī)制的研究。已有研究主要關(guān)注在社會網(wǎng)絡(luò)中用戶間的正向關(guān)系，如合作關(guān)系對行為的影響，而關(guān)于用戶間的排名機(jī)制對用戶行為產(chǎn)生積極還是消極的影響或者與用戶行為無關(guān)等方面的研究長期以來一直存在爭議，沒有定論。本研究以微信運(yùn)動這個網(wǎng)絡(luò)社交平臺用戶的運(yùn)動行為作為研究對象，探討“步數(shù)排行榜”對用戶運(yùn)動行為的影響。②本研究從性別差異和態(tài)度差異等用戶個人特征的角度研究微信運(yùn)動“步數(shù)排行榜”對運(yùn)動行為的影響，研究結(jié)果表明，微信運(yùn)動的“步數(shù)排行榜”對不同運(yùn)動態(tài)度和性別的用戶的影響存在顯著差異，豐富了已有關(guān)于社會網(wǎng)絡(luò)中用戶行為存在性別差異和態(tài)度差異的研究。③已有研究對于運(yùn)動行為大多用行走步數(shù)測量，忽略了用戶在參與微信運(yùn)動“步數(shù)排行榜”時選擇性偏差和反事實估計的問題，本研究采用傾向得分匹配方法降低選擇性偏差帶來的影響。由于處理組和控制組兩組樣本的其他資源稟賦特征相似，因此兩組樣本之間的步數(shù)差異就可以解釋為是“步數(shù)排行榜”排名機(jī)制的貢獻(xiàn)，這樣的結(jié)果更加準(zhǔn)確。

5.3 實踐意義

①從用戶個人角度，本研究結(jié)果有利于用戶更好地認(rèn)識微信運(yùn)動“步數(shù)排行榜”的價值和功能，了解排名機(jī)制對運(yùn)動行為的影響，幫助其更好的對自我健康進(jìn)行管理，增加通過排名機(jī)制的參與最終激勵運(yùn)動行為的可能性。②從在線健康平臺運(yùn)營角度，本研究彌補(bǔ)了對微信(特別是微信運(yùn)動)平臺中用戶運(yùn)動行為研究的不足。首先，用戶的運(yùn)動行為存在個人差異，平臺要根據(jù)用戶運(yùn)動行為的習(xí)慣和喜好，找出更符合用戶的有效服務(wù)，并結(jié)合用戶需求有針對性地進(jìn)行調(diào)整和優(yōu)化。其次，運(yùn)動社會網(wǎng)絡(luò)應(yīng)該加入排名機(jī)制，以激勵用戶的運(yùn)動行為，排名中的競爭環(huán)境能有效激勵用戶參與的熱情，并最終改變用戶的行為意圖。再次，在線健康平臺對用戶的支持不僅局限于提供信息支持和實現(xiàn)自我監(jiān)控，還可以幫助建立有效的激勵機(jī)制，而且由于用戶間存在個體特征差異，激勵措施的設(shè)置也應(yīng)該相應(yīng)差異化和個性化。最后，社會網(wǎng)絡(luò)中的實時信息交互使用戶在運(yùn)動過程中獲得反饋，以審視和激勵自己，服務(wù)提供商可以給予“步數(shù)排行榜”靠前的用戶一些虛擬獎勵，如虛擬勛章或積分等，激勵用戶的運(yùn)動行為；同時，擴(kuò)大和完善在線健康平臺的功能，如點贊、評論和采納等，提高其信息化和社交化的功能，讓用戶感受到社會網(wǎng)絡(luò)的影響，從而實現(xiàn)全民健身。

5.4 研究局限和展望

①樣本有限且是靜態(tài)數(shù)據(jù)，無法確定整體社會現(xiàn)象和用戶未來行為的變化，“步數(shù)排行榜”是否對用戶的運(yùn)動行為產(chǎn)生持續(xù)影響是一個值得探討的問題；而且數(shù)據(jù)來自于用戶的自我報告，受用戶主觀影響較大，可能存在一定的測量偏差，后續(xù)研究可采用用戶行走步數(shù)的實時數(shù)據(jù)進(jìn)行分析；傾向得分匹配方法具有一定的局限性[46]，后續(xù)研究可以采用其他的匹配方法進(jìn)一步的驗證。②本研究只討論了“步數(shù)排行榜”這一單一干預(yù)對運(yùn)動行為的影響，未來可進(jìn)一步增加對行為產(chǎn)生顯著影響的變量，量化社會支持(如點贊行為)和競爭環(huán)境對行為的影響。③社會網(wǎng)絡(luò)中存在許多擁有不同特質(zhì)的群體，從而形成不同的網(wǎng)絡(luò)結(jié)構(gòu)群體，網(wǎng)絡(luò)結(jié)構(gòu)和節(jié)點位置決定著個體的影響力程度[47]。CENTOLA[48]的研究表明，與隨機(jī)的網(wǎng)絡(luò)群組相比，行為在集群化的網(wǎng)絡(luò)結(jié)構(gòu)中傳播的更快，并且擁有越強(qiáng)群聚力的集群網(wǎng)絡(luò)結(jié)構(gòu)越有利于行為傳播，因為當(dāng)網(wǎng)絡(luò)中某個體想采取某種行為時能收到越多來自同儕的強(qiáng)化信號，這些信號能增加行為被個人采用的可能性。后續(xù)研究可以對基于微信運(yùn)動的社會網(wǎng)絡(luò)中群聚結(jié)構(gòu)對于運(yùn)動行為的影響進(jìn)行深入研究和考察。