葉晶　裘玉英　陳亭羽　凡欣

摘要： 智能服裝作為服裝前沿技術(shù)，受到越來(lái)越多的企業(yè)和消費(fèi)者的關(guān)注。了解消費(fèi)者對(duì)智能服裝購(gòu)買意愿，有助于智能服裝產(chǎn)業(yè)的發(fā)展。本文基于實(shí)證研究，構(gòu)建消費(fèi)者智能服裝購(gòu)買意愿的結(jié)構(gòu)方程模型，通過(guò)調(diào)研問(wèn)卷收集數(shù)據(jù)，并采用偏最小二乘法對(duì)模型進(jìn)行假設(shè)驗(yàn)證。研究結(jié)果表明：感知有用性和態(tài)度正向顯著影響消費(fèi)者智能服裝的購(gòu)買意愿;消費(fèi)者態(tài)度受感知有用性和易用性的影響;感知有用性受感知易用性、智能服裝表達(dá)性的影響;智能服裝的功能性和表達(dá)性均顯著影響感知易用性。最后為智能服裝的發(fā)展提出了相關(guān)建議。

關(guān)鍵詞： 技術(shù)接受模型;智能服裝;購(gòu)買意愿;偏最小二乘法;結(jié)構(gòu)方程模型;FEA模型

中圖分類號(hào)： TS941.1文獻(xiàn)標(biāo)志碼： A文章編號(hào)： 10017003（2022）05007708

引用頁(yè)碼： 051111DOI： 10.3969/j.issn.1001-7003.2022.05.011

智能服裝通過(guò)集成紡織科學(xué)、材料科學(xué)、微電子技術(shù)、軟件技術(shù)和通信技術(shù)，在保證服裝穿著舒適性的前提下，通過(guò)感知人體和環(huán)境的變化，為用戶提供智能分析、決策支撐和反饋控制[1-3]。智能服裝的三個(gè)基本要素是感知、反饋和反應(yīng)。根據(jù)采用技術(shù)的不同，智能服裝可分為功能性材料類智能服裝和電子信息類智能服裝[4]。相較于傳統(tǒng)的功能性服裝只針對(duì)特定職業(yè)需求和較為固定的功能指向及封閉的配件系統(tǒng)，智能服裝拓展了應(yīng)用范圍、提升了功能并改變了產(chǎn)品屬性。

目前，國(guó)內(nèi)學(xué)者對(duì)智能服裝的研發(fā)已進(jìn)行較為深入的研究，但研究智能服裝商業(yè)化的文獻(xiàn)數(shù)量較技術(shù)研究少，而且大多是綜述性研究，實(shí)證性的研究相對(duì)較少。國(guó)內(nèi)大多數(shù)學(xué)者采用調(diào)研問(wèn)卷的形式研究消費(fèi)者的智能服裝購(gòu)買行為，但大多側(cè)重在消費(fèi)者需求[5-6]。另一方面，國(guó)外學(xué)者從創(chuàng)新性[7-8]、價(jià)格[9]、信任[10]、社會(huì)接受度和產(chǎn)品屬性[11]等不同的角度，研究了智能服裝消費(fèi)者購(gòu)買行為。技術(shù)接受模型（Technology acceptance model，TAM）被認(rèn)為是解釋用戶對(duì)新技術(shù)接受和使用意愿的最有效模型[12]，國(guó)內(nèi)部分學(xué)者已采用TAM來(lái)研究服裝領(lǐng)域內(nèi)的消費(fèi)者行為，如虛擬試衣的使用意愿[13]和網(wǎng)購(gòu)服裝意愿[14]，而采用TAM研究用戶智能服裝購(gòu)買意愿的卻寥寥無(wú)幾。

因此，本研究以技術(shù)接受模型為理論基礎(chǔ)，以功能性-表達(dá)性-美學(xué)性（Function-expressive-aesthetic，F(xiàn)EA）模型為外部變量，提出了一個(gè)擴(kuò)展的技術(shù)接受模型。在已有文獻(xiàn)的基礎(chǔ)上提出若干研究假設(shè)，運(yùn)用調(diào)研問(wèn)卷對(duì)消費(fèi)者智能服裝購(gòu)買意愿進(jìn)行調(diào)研，運(yùn)用SPSS軟件對(duì)調(diào)研數(shù)據(jù)進(jìn)行數(shù)據(jù)，并采用偏最小二乘結(jié)構(gòu)方程模型（Partial least squares structural equation model，PLS-SEM）對(duì)研究假設(shè)進(jìn)行檢驗(yàn)，旨在揭示消費(fèi)者對(duì)智能服裝購(gòu)買意愿的影響機(jī)理和路徑。最后，針對(duì)智能服裝的研發(fā)提出相應(yīng)建議。

1理論模型與研究假設(shè)

1.1技術(shù)接受模型及相關(guān)假設(shè)

Davis[12]在理性行為理論的基礎(chǔ)上，提出了TAM來(lái)研究用戶對(duì)信息系統(tǒng)的接受度。該模型是研究用戶對(duì)新技術(shù)接受行為最常用的模型，感知有用性和易用性作為核心變量，都會(huì)影響用戶對(duì)新技術(shù)的態(tài)度。同時(shí)，感知易用性影響感知有用性，態(tài)度和感知有用性均影響用戶的使用或購(gòu)買意愿。目前，部分國(guó)外學(xué)者以TAM為理論基礎(chǔ)，研究消費(fèi)者的智能服裝購(gòu)買行為[15-16]。智能服裝作為眾多前沿技術(shù)的結(jié)合體，非常適合運(yùn)用技術(shù)接受模型進(jìn)行研究。由于前人的研究大多基于國(guó)外消費(fèi)者，所以本研究以TAM為基礎(chǔ)，研究國(guó)內(nèi)用戶智能服裝購(gòu)買意愿。

感知有用性是指消費(fèi)者認(rèn)為使用特定系統(tǒng)會(huì)對(duì)其表現(xiàn)有幫助的程度[12]。Wang等[17]在研究親子智能服裝時(shí)發(fā)現(xiàn)，感知有用性影響消費(fèi)者的購(gòu)買態(tài)度和意愿。Noh等[16]以韓國(guó)消費(fèi)者為調(diào)研對(duì)象研究生物智能服裝的購(gòu)買意愿時(shí)，發(fā)現(xiàn)感知有用性對(duì)韓國(guó)消費(fèi)者購(gòu)買意愿有顯著影響。基于國(guó)外學(xué)者的研究分析，本研究提出針對(duì)中國(guó)消費(fèi)者的研究假設(shè)：

H1：感知有用性正向影響態(tài)度。

H2：感知有用性正向影響購(gòu)買意愿。

感知易用性指消費(fèi)者認(rèn)為使用特定系統(tǒng)時(shí)的難易程度[12]。Park等[18]和Hwang等[19]研究均發(fā)現(xiàn)感知易用性正向影響感知有用性。Kim等[20]和Chae[7]研究均發(fā)現(xiàn)感知易用性正向影響用戶對(duì)智能服裝的態(tài)度。這些結(jié)論不是針對(duì)中國(guó)消費(fèi)者，在跨文化背景下是否成立，還不能確定。所以，本研究提出如下假設(shè)，用以驗(yàn)證相關(guān)結(jié)論針對(duì)中國(guó)消費(fèi)者是否成立：

H3：感知易用性正向影響感知有用性。

H4：感知易用性正向影響態(tài)度。

態(tài)度是指?jìng)€(gè)體對(duì)周圍環(huán)境滿意或不滿意的反應(yīng)，這種反應(yīng)體現(xiàn)在其信念、感覺(jué)或行為意向[21]。Bakhshian等[11]和Hwang等[19]研究發(fā)現(xiàn)消費(fèi)者的態(tài)度顯著影響智能服裝使用意愿。基于上述分析，本研究提出如下假設(shè)：

H5：態(tài)度正向顯著影響購(gòu)買意愿。

1.2FEA模型

隨著信息技術(shù)的不斷發(fā)展，許多學(xué)者試圖在外部變量中加入新理論或模型來(lái)擴(kuò)展技術(shù)接受模型。外部變量作為外部客觀條件的一些刺激因素，會(huì)影響用戶的感知有用性和易用性。Lamb等[22]提出了以消費(fèi)者需求為主的FEA功能性服裝設(shè)計(jì)模型，部分學(xué)者采用FEA模型進(jìn)行了功能性服裝的設(shè)計(jì)[23-24]。盡管智能服裝具有復(fù)雜性，但必須滿足消費(fèi)者對(duì)服裝的需求[19]。因此，本研究將FEA模型作為技術(shù)接受模型的外部變量，研究其對(duì)消費(fèi)者智能服裝的態(tài)度和購(gòu)買意愿的影響。

1.2.1功能性

在FEA模型中，功能性需求包含合身性、移動(dòng)性、保護(hù)性和舒適性，這些因素都與服裝的實(shí)用性有關(guān)，影響用戶對(duì)新技術(shù)的接受[19]。Bakhsian等[25]研究發(fā)現(xiàn)，可穿戴設(shè)備的功能正向影響消費(fèi)者的購(gòu)買期望。Hwang等[19]研究太陽(yáng)能智能服裝時(shí)，發(fā)現(xiàn)舒適性對(duì)消費(fèi)者的感知有用性和易用性有顯著的正向影響。因此，本研究提出如下假設(shè)：

H6：功能性正向影響感知有用性。

H7：功能性正向影響感知易用性。

1.2.2表達(dá)性

表達(dá)性涉及身份的象征性傳播特征，如價(jià)值觀、角色和自尊[17]。基于服裝的社會(huì)文化和心理層面，表達(dá)性指服裝產(chǎn)品應(yīng)該與用戶的地位與自我形象相匹配。在智能服裝方面，Ko等[26]將表達(dá)性定義為對(duì)創(chuàng)新的感知程度與潛在用戶現(xiàn)有的價(jià)值觀、需求等的匹配性，同時(shí)發(fā)現(xiàn)，匹配性對(duì)用戶智能服裝的接受度有正向顯著影響。Wang等[17]研究發(fā)現(xiàn)，親子智能服裝的表達(dá)性對(duì)用戶感知有用性和易用性有正向影響。因此，本研究提出如下假設(shè)：

H8：表達(dá)性正向影響感知有用性。

H9：表達(dá)性正向影響感知易用性。

1.2.3美學(xué)性

美學(xué)性主要指服裝中設(shè)計(jì)元素的使用[22]，如通過(guò)線條、廓形、顏色、紋理、圖案等元素創(chuàng)造一個(gè)令人愉悅的設(shè)計(jì)[27]，美學(xué)性是消費(fèi)者評(píng)價(jià)服裝的重要標(biāo)準(zhǔn)。服裝通過(guò)顏色、款式、設(shè)計(jì)及其他元素進(jìn)行視覺(jué)傳達(dá)，智能服裝也屬于服裝類別，有研究發(fā)現(xiàn)美學(xué)性會(huì)影響消費(fèi)者對(duì)服裝的態(tài)度和購(gòu)買行為[28-29]，Malmivaara[30]研究認(rèn)為，美學(xué)性是影響消費(fèi)者智能服裝產(chǎn)品接受度和穿戴性的重要因素。Wang等[17]研究發(fā)現(xiàn)，美學(xué)性對(duì)智能服裝消費(fèi)者態(tài)度有正向影響，而對(duì)智能服裝的購(gòu)買意愿沒(méi)有影響。Hwang等[19]研究發(fā)現(xiàn)，美學(xué)性對(duì)智能服裝消費(fèi)者態(tài)度和購(gòu)買意愿有顯著影響。綜合上述分析，本研究提出如下假設(shè)：

H10：美學(xué)性正向影響態(tài)度。

H11：美學(xué)性正向影響購(gòu)買意愿。

基于上述研究假設(shè)，本研究構(gòu)建了基于TAM和FEA的消費(fèi)者智能服裝購(gòu)買意愿模型，如圖1所示。

2研究設(shè)計(jì)

2.1問(wèn)卷設(shè)計(jì)與數(shù)據(jù)收集

調(diào)研問(wèn)卷主要由三部分構(gòu)成：一是智能服裝的視頻介紹，視頻選取了國(guó)內(nèi)外三款典型的智能服裝進(jìn)行介紹，包括智能監(jiān)測(cè)、智能交互和智能調(diào)節(jié)等功能;二是調(diào)研對(duì)象的基本情況;三是測(cè)量模型。為了保證問(wèn)卷的信效度，本研究參照國(guó)內(nèi)外相關(guān)研究文獻(xiàn)中已通過(guò)實(shí)證檢驗(yàn)的成熟量表，設(shè)計(jì)了初始問(wèn)卷。問(wèn)卷從7個(gè)變量出發(fā)，每個(gè)變量由4～5個(gè)題目構(gòu)成，共設(shè)計(jì)出31道測(cè)量項(xiàng)。然后邀請(qǐng)30名在校本科生進(jìn)行小規(guī)模的預(yù)調(diào)研，對(duì)問(wèn)卷中表述模糊的題項(xiàng)進(jìn)行調(diào)整，形成最終問(wèn)卷。所有變量均采用Likert 5級(jí)量表進(jìn)行測(cè)量，1分表示“非常不同意”，5分表示“非常同意”。本研究依托網(wǎng)絡(luò)平臺(tái)“問(wèn)卷星”投放并收集調(diào)研問(wèn)卷，調(diào)研時(shí)間為2021年5月至10月，刪除答題時(shí)間過(guò)短問(wèn)卷后，共收集到212份有效問(wèn)卷。量表具體內(nèi)容如表1所示。

2.2樣本描述統(tǒng)計(jì)分析

本研究采用SPSS24對(duì)樣本統(tǒng)計(jì)分析（表2）。此次調(diào)研對(duì)象中，女性調(diào)研樣本占82.1%，83.5%的調(diào)研對(duì)象為18～25歲，本科以上學(xué)歷比例高達(dá)97.2%，月均可支配收入在1 000～3 000元占75.5%。近47%的用戶對(duì)智能服裝不太了解，42%的用戶對(duì)智能服裝有不同程度的了解。

3數(shù)據(jù)分析與假設(shè)檢驗(yàn)

本研究采用偏最小二乘法進(jìn)行數(shù)據(jù)分析，相較于基于協(xié)方差的結(jié)構(gòu)方程模型，PLS對(duì)正態(tài)分布的要求較低，且更加適合中小規(guī)模的樣本[36-37]。本研究使用SmartPLS3.2.9軟件進(jìn)行數(shù)據(jù)分析和假設(shè)檢驗(yàn)。

3.1多重共線性檢驗(yàn)

本研究使用方差膨脹因子（VIF）進(jìn)行多重共線性檢驗(yàn)。根據(jù)Hair等[38]的研究發(fā)現(xiàn)，當(dāng)VIF≤3時(shí)，潛變量之間不存在共線性情況。本研究對(duì)所有潛變量VIF值進(jìn)行檢驗(yàn)，發(fā)現(xiàn)所有潛變量的VIF值介于1.443～2.964，皆小于閾值3，說(shuō)明各潛變量之間不存在多重共線性問(wèn)題。針對(duì)樣本正態(tài)分布情況，本研究使用SPSS中的Q-Q圖進(jìn)行判斷，結(jié)果表明各變量均服從正態(tài)分布。

3.2信效度檢驗(yàn)

信度（Reliability）檢驗(yàn)主要用于檢驗(yàn)問(wèn)卷的內(nèi)部穩(wěn)定性和一致性，通常要求Cronbach’s α值和組合信度（Composite reliability，CR）均大于0.700[39]。本研究的信度檢驗(yàn)結(jié)果如表3所示，所有潛變量的Cronbach’s α和CR值均大于0.700，說(shuō)明所有變量具有較高的信度。

效度（Validity）主要用于檢驗(yàn)測(cè)量結(jié)果能準(zhǔn)確反映問(wèn)卷所要解釋構(gòu)念的程度，包括聚合效度和區(qū)別效度。由表3可知，各變量的因子載荷大于0.700，且平均方差萃?。ˋverage variance extracted，AVE）值大于0.500時(shí)，表示具有良好的聚合效度。由表4可以看出，所有變量AVE的平方根大于各潛變量間的相關(guān)系數(shù)，表示潛變量間具有良好的區(qū)別效度。

3.3假設(shè)檢驗(yàn)

本研究采用PLS-SEM來(lái)檢驗(yàn)研究模型中各路徑假設(shè)，使用Bootstrapping反復(fù)抽樣法抽取5 000次進(jìn)行參數(shù)計(jì)算與評(píng)價(jià)模型系數(shù)的顯著性，具體結(jié)果如表5所示。

從表5可以看出，本研究的11個(gè)假設(shè)中，除假設(shè)H6和H11不顯著外，其余假設(shè)的路徑系數(shù)T值均大于1.960，并且在0.050的水平上顯著，假設(shè)成立。

3.4結(jié)果分析

從表5可以看出，在TAM模型的檢驗(yàn)中，感知有用性對(duì)消費(fèi)者態(tài)度（β=0.433，p<0.001）和購(gòu)買意愿（β=0.148，p=0.045）均具有正向顯著影響，假設(shè)H1和H2得到驗(yàn)證。由于智能服裝具有各種不同的功能，這些功能能夠提高消費(fèi)者的生活質(zhì)量和工作效率等，滿足消費(fèi)者的需求，從而使消費(fèi)者對(duì)智能服裝產(chǎn)生積極的態(tài)度。同時(shí)，消費(fèi)者也會(huì)因此而購(gòu)買智能服裝。感知易用性均正向顯著影響感知有用性（β=0.287，p<0.001）和態(tài)度（β=0.280，p=0.001），假設(shè)H3和H4得到驗(yàn)證。由于智能服裝的交互和穿著方法簡(jiǎn)單，同時(shí)智能服裝又滿足了消費(fèi)者對(duì)功能的需求，會(huì)使消費(fèi)者感知到智能服裝的有用性，同時(shí)也會(huì)對(duì)智能服裝持積極的態(tài)度。最后，消費(fèi)者的態(tài)度正向顯著影響購(gòu)買意愿（β=0.631，p<0.001）。當(dāng)消費(fèi)者對(duì)智能服裝持積極的態(tài)度后，消費(fèi)者就會(huì)產(chǎn)生購(gòu)買意愿。由此可見(jiàn)，本研究與原始TAM的結(jié)論相吻合，說(shuō)明TAM在解釋國(guó)內(nèi)消費(fèi)者的智能服裝購(gòu)買意愿時(shí)仍有很好的適配性。

在FEA模型中，功能性對(duì)感知有用性的影響未能達(dá)到顯著，假設(shè)H6未能通過(guò)檢驗(yàn)，分析認(rèn)為原因是功能性題項(xiàng)設(shè)計(jì)沒(méi)有提供更多的功能項(xiàng)說(shuō)明，使得消費(fèi)者覺(jué)得問(wèn)卷中提到的這些功能不能對(duì)其提供很好的幫助。功能性對(duì)感知易用性（β=0.239，p<0.001）有正向顯著影響，假設(shè)H7通過(guò)檢驗(yàn)，說(shuō)明智能服裝在滿足復(fù)雜功能需求的前提下，同時(shí)穿著和交互簡(jiǎn)單，這會(huì)讓消費(fèi)者很容易接受智能服裝。在表達(dá)性方面，可以發(fā)現(xiàn)表達(dá)性對(duì)用戶感知有用性（β=0.540，p<0.001）和易用性（β=0.527，p<0.001）具有正向顯著影響，假設(shè)H8和H9通過(guò)驗(yàn)證，說(shuō)明用戶在穿著智能服裝時(shí)，非常重視服裝的表達(dá)性。表達(dá)性包含創(chuàng)新，這就意味著消費(fèi)者認(rèn)為智能服裝穿著簡(jiǎn)單，不需要花費(fèi)更多的時(shí)間學(xué)習(xí)使用新技術(shù)，同時(shí)滿足了消費(fèi)者需求，消費(fèi)者就會(huì)選擇智能服裝。在美學(xué)性方面，美學(xué)性正向顯著影響消費(fèi)者態(tài)度（β=0.131，p=0.041），假設(shè)H10通過(guò)驗(yàn)證，說(shuō)明美學(xué)性是消費(fèi)者選購(gòu)智能服裝的一個(gè)重要因素。設(shè)計(jì)的智能服裝具有很強(qiáng)的審美性，并與當(dāng)下的時(shí)尚風(fēng)格相兼容，可以讓消費(fèi)者在不失去時(shí)尚感的情況下使用最新的服裝技術(shù)，進(jìn)而改變消費(fèi)者對(duì)智能服裝的看法。另一方面，美學(xué)性對(duì)購(gòu)買意愿的影響未達(dá)到顯著，假設(shè)H11未能通過(guò)檢驗(yàn)，分析認(rèn)為原因是現(xiàn)在的智能服裝在設(shè)計(jì)上不能符合當(dāng)下的設(shè)計(jì)風(fēng)格，使得消費(fèi)者缺少購(gòu)買意愿。

3.5策略建議

根據(jù)上述研究結(jié)果，本研究提出如下策略建議：

1） 在未來(lái)的智能服裝設(shè)計(jì)中，要充分重視智能服裝的表達(dá)性和功能性，既要滿足消費(fèi)者的需求、期望和感知，又要符合消費(fèi)者的生活方式。研發(fā)智能服裝時(shí)需要考慮到舒適性、保護(hù)性等功能，降低消費(fèi)者的穿戴負(fù)擔(dān)，突出產(chǎn)品的實(shí)用性，如隨意折疊、洗滌和易于護(hù)理，同時(shí)智能服裝的開(kāi)發(fā)應(yīng)該迎合用戶的不同功能需求。

2） 未來(lái)智能服裝的設(shè)計(jì)和使用應(yīng)考慮有用性與易用性。智能服裝使用交互方面，目前智能服裝大多是單方面的信息收集和呈現(xiàn)，缺乏與用戶的交流。在未來(lái)的智能服裝交互中，可以加入語(yǔ)音識(shí)別交互、手勢(shì)交互、生物反饋交互或情景感知。通過(guò)簡(jiǎn)單的交互，讓消費(fèi)者更加熟練穿著，提高工作效率與生活質(zhì)量。

3） 雖然美學(xué)性對(duì)消費(fèi)者購(gòu)買意愿的影響不大，但也不容忽視?，F(xiàn)階段的智能服裝多是服裝和電子元器件的簡(jiǎn)單相加，設(shè)計(jì)感較差。若使智能服裝被年輕消費(fèi)者接受，智能服裝的面料、款式、色彩等應(yīng)與當(dāng)前的時(shí)尚風(fēng)格相兼容，增強(qiáng)智能服裝的科技感和美感，使其更容易進(jìn)入服裝消費(fèi)領(lǐng)域。

4結(jié)語(yǔ)

本研究以技術(shù)接受模型（TAM）和FEA模型為理論研究基礎(chǔ)，建立消費(fèi)者智能服裝購(gòu)買意愿模型，設(shè)計(jì)相應(yīng)的調(diào)研問(wèn)卷。對(duì)收集的數(shù)據(jù)運(yùn)用SPSS軟件和SmartPLS軟件進(jìn)行分析，運(yùn)用PLS-SEM對(duì)研究假設(shè)進(jìn)行檢驗(yàn)。通過(guò)分析可知，F(xiàn)EA模型中功能性和表達(dá)性均顯著影響感知易用性;感知有用性、易用性和美學(xué)性均正向顯著影響消費(fèi)者對(duì)智能服裝的態(tài)度;感知有用性和態(tài)度均影響用戶購(gòu)買意愿，而美學(xué)性對(duì)購(gòu)買意愿無(wú)影響。

此外，本研究還存在一定的局限性：1） 沒(méi)有將智能服裝的價(jià)格因素納入考慮范圍。2） 智能服裝的類別較多，沒(méi)有具體研究某種類別的智能服裝的購(gòu)買意愿，后期的研究可以考慮選擇某一類別的智能服裝進(jìn)行深入。3） 調(diào)研樣本量偏少，且調(diào)研對(duì)象集中在18～25歲，可能會(huì)對(duì)樣本的代表性和結(jié)論產(chǎn)生一定的影響，未來(lái)研究需增加調(diào)研數(shù)量和范圍。

參考文獻(xiàn)：

[1]陳雁. 服裝設(shè)計(jì)與工程學(xué)科發(fā)展趨勢(shì)與關(guān)鍵議題[J]. 紡織學(xué)報(bào)， 2019， 40（1）： 182-188.CHEN Yan. Trends and key subjects of apparel design and engineering[J]. Journal of Textile Research， 2019， 40（1）： 182-188.

[2]沈雷， 李儀， 薛哲彬. 智能服裝現(xiàn)狀研究及發(fā)展趨勢(shì)[J]. 絲綢， 2017， 54（7）： 38-45.SHEN Lei， LI Yi， XUE Zhebin. Current situation and development trend of intelligent garment[J]. Journal of Silk， 2017， 54（7）： 38-45.

[3]田苗， 李俊. 智能服裝的設(shè)計(jì)模式與發(fā)展趨勢(shì)[J]. 紡織學(xué)報(bào)， 2014， 35（2）： 109-115.TIAN Miao， LI Jun. Design mode and development tendency of smart clothing[J]. Journal of Textile Research， 2014， 35（2）： 109-115.

[4]郝靜雅， 李艷梅. 智能服裝發(fā)展現(xiàn)狀及趨勢(shì)[J]. 紡織導(dǎo)報(bào)， 2020（4）： 62-65.HAO Jingya， LI Yanmei. Development and trend of intelligent clothing[J]. China Textile Leader， 2020（4）： 62-65.

[5]胡彩麗， 方方， 溫雯， 等. 跑步智能可穿戴產(chǎn)品的消費(fèi)需求與現(xiàn)狀匹配分析[J]. 毛紡科技， 2019， 47（10）： 60-65.HU Caili， FANG Fang， WEN Wen， et al. Matching analysis of consumer demand and current status of running intelligent wearable products[J]. Wool Textile Journal， 2019， 47（10）： 60-65.

[6]陳桂清， 陳沖， 徐增波， 等. 智能溫控服裝的開(kāi)發(fā)需求調(diào)研及其分析[J]. 毛紡科技， 2018， 46（9）： 55-60.CHEN Guiqing， CHEN Chong， XU Zengbo， et al. Survey and analysis on the development demands of intelligent temperature control garment[J]. Wool Textile Journal， 2018， 46（9）： 55-60.

[7]CHAE J. Consumer acceptance model of smart clothing according to innovation[J]. International Journal of Human Ecology， 2009， 10（1）： 23-33.

[8]KO E， SUNG H， YOON H. The effect of attributes of innovation and perceived risk on product attitudes and intention to adopt smart wear[J]. Journal of Global Scholars of Marketing Science， 2008， 18（2）： 89-111.

[9]PARK H， NOH M. The influence of innovativeness and price sensitivity on purchase intention of smart wear[J]. Journal of the Korean Society of Clothing and Textiles， 2012， 36（2）： 218-230.

[10]PARK H， NOH M. The influence of consumers’ innovativeness and trust on acceptance intention of sensor-based smart clothing[J]. Journal of the Korean Society for Clothing Industry， 2012， 14（1）： 24-36.

[11]BAKHSHIAN S， LEE Y A. Social acceptability and product attributes of smart apparel： Their effects on consumers’ attitude and use intention[J]. The Journal of The Textile Institute， 2022， 113（4）： 671-680.

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

[13]葉晶， 郭香梅. 基于技術(shù)接受模型的虛擬試衣使用意愿研究[J]. 絲綢， 2021， 58（3）： 58-64.YE Jing， GUO Xiangmei. Research on the intention to use virtual fitting based on the technology acceptance model[J]. Journal of Silk， 2021， 58（3）： 58-64.

[14]方靖， 龐琛， 季曉芬. 消費(fèi)者服裝產(chǎn)品知識(shí)對(duì)網(wǎng)上購(gòu)買服裝意向的影響[J]. 絲綢， 2009（8）： 34-36.FANG Jing， PANG Chen， JI Xiaofen. The influence of apparel knowledge on online clothing purchase intention[J]. Journal of Silk， 2009（8）： 34-36.

[15]MAHMOOD N， LEE Y A. Factors influencing older adults’ acceptance of health monitoring smart clothing[J]. Family and Consumer Sciences Research Journal， 2021， 49（4）： 376-392.

[16]NOH M， LI Q， PARK H. An integration model for innovative products in Korea and China： Bio-based smart clothing[J]. International Journal of Product Development， 2016， 21（1）： 59.

[17]WANG W， WANG S. Toward parent-child smart clothing： Purchase intention and design elements[J]. Journal of Engineered Fibers and Fabrics， 2021， 16（1）： 1-13.

[18]PARK Y， CHEN J V. Acceptance and adoption of the innovative use of smartphone[J]. Industrial Management & Data Systems， 2007， 107（9）： 1349-1365.

[19]HWANG C， CHUNG T， SANDERS E A. Attitudes and purchase intentions for smart clothing[J]. Clothing and Textiles Research Journal， 2016， 34（3）： 207-222.

[20]KIM H， LEE J Y， MUN J M， et al. Consumer adoption of smart in-store technology： Assessing the predictive value of attitude versus beliefs in the technology acceptance model[J]. International Journal of Fashion Design， Technology and Education， 2017， 10（1）： 26-36.

[21]HAGGER M S， CHEUNG M W， AJZEN I， et al. Perceived behavioral control moderating effects in the theory of planned behavior： A meta-analysis[J]. Health Psychology， 2022， 41（2）： 155-167.

[22]LAMB J M， KALLAL M J. A conceptual framework for apparel design[J]. Clothing and Textiles Research Journal， 1992， 10（2）： 42-47.

[23]姜茂欣， 魯虹， 黃婉蓉， 等. 基于LilyPad Arduino的寵物狗智能夜行服研發(fā)[J]. 現(xiàn)代紡織技術(shù)， 2021， 29（3）： 65-70.JIANG Maoxin， LU Hong， HUANG Wanrong， et al. Development of intelligent night wear for pet dogs based on LilyPad Arduino[J]. Advanced Textile Technology， 2021， 29（3）： 65-70.

[24]胡帆. 針對(duì)膝骨關(guān)節(jié)炎功能護(hù)膝的研究與設(shè)計(jì)[D]. 上海： 東華大學(xué)， 2017.HU Fan. Design Research on Functional Kneecap for Knee Osteoarthritis Patients[D]. Shanghai： Donghua University， 2017.

[25]BAKHSHIAN S， LEE Y. Impact of Functional-expressive-aesthetic-tracking Scale on Consumers’ Perceptions toward Using Wearable Technology[Z]. International Textile and Apparel Association， 2019.

[26]KO E， SUNG H， YUN H. Comparative analysis of purchase intentions toward smart clothing between Korean and US consumers[J]. Clothing and Textiles Research Journal， 2009， 27（4）： 259-273.

[27]谷雪陽(yáng). 基于開(kāi)口通風(fēng)的三合一戶外沖鋒衣功能設(shè)計(jì)研究[D]. 上海： 東華大學(xué)， 2021.GU Xueyang. Research on the Function Design of Three-in-one Outdoor Jacket Based on Open Ventilation[D]. Shanghai： Donghua University， 2021.

[28]KIM I， JUNG H J， LEE Y. Consumer’s value and risk perceptions of circular fashion： Comparison between secondhand， upcycled， and recycled clothing[J]. Sustainability， 2021， 13（3）： 1208.

[29]MCCANN J. End-user based design of innovative smart clothing[M]// McCann & Bryson. Smart Clothes and Wearable Technology. Kidlington： Elsevier， 2009： 45-69.

[30]MALMIVAARA M. The Emergence of Wearable Computing[M]. Cambridge： Woodhead Publishing， 2009： 3-24.

[31]YANG H， YU J， ZO H， et al. User acceptance of wearable devices： An extended perspective of perceived value[J]. Telematics and Informatics， 2016， 33（2）： 256-269.

[32]DONG-HEE S. User acceptance of mobile Internet： Implication for convergence technologies[J]. Interacting with Computers， 2007， 19（4）： 472-483.

[33]BRADFORD M， FLORIN J. Examining the role of innovation diffusion factors on the implementation success of enterprise resource planning systems[J]. International Journal of Accounting Information Systems， 2003， 4（3）： 205-225.

[34]CYR D， HEAD M， IVANOV A. Design aesthetics leading to mloyalty in mobile commerce[J]. Information & Management， 2006， 43（8）： 950-963.

[35]HEEJUNG H. Influencing factors on purchase intention for smart healthcare clothing by gender and age-focused on TAM， clothing attributes， health-lifestyle， and fashion innovativeness[J]. The Research Journal of the Costume Culture， 2019， 27（6）： 615-631.

[36]CHIN W W， MARCOLIN B L， NEWSTED P R. A partial least squares latent variable modeling approach for measuring interaction effects： Results from a Monte Carlo simulation study and an electronic-mail emotion/adoption study[J]. Information Systems Research， 2003， 14（2）： 189-217.

[37]HAENKEIN M， KAPLAN A M. A beginner’s guide to partial least squares analysis[J]. Understanding Statistics， 2004， 3（4）： 283-297.

[38]HAIR J F， RISHER J J， SARSTEDT M， et al. When to use and how to report the results of PLS-SEM[J]. European Business Review， 2019， 31（1）： 2-24.

[39]HAIR J F， RINGLE C M， SARSTEDT M. PLS-SEM： Indeed a silver bullet[J]. Journal of Marketing Theory and Practice， 2011， 19（2）： 139-152.

An empirical study on the influence mechanism of smart clothing purchase intentions

YE Jing QIU Yuying CHEN Tingyu FAN Xin

（1a.College of Design; 1b.College of Materials and Textile Engineering， Jiaxing University， Jiaxing 314001， China;

2.Graduate Institute of Management， Chang Gung University， Taoyuan 33302， China）

Abstract： With the improvement of people’s living standards and the growth demand for personalization and intelligence， smart clothing， as a combination of clothing and cutting-edge technology， has attracted attention from an increasing number of clothing technology enterprises and ordinary consumers. Many organizations predict that smart clothing will develop rapidly in the future and occupy a certain share of the clothing market. As an ideal wearable device， smart clothing is gradually shifting its target consumers from professional fields such as sports and healthcare to ordinary consumers. While meeting the basic wearable functions，smart clothing also uses science and technology to add special functions related to daily life. As a result， smart clothing is no longer unattainable and is becoming more and more relevant to the lives of ordinary consumers. At present， there are many studies on smart clothing technology， while there is relatively little research on consumers’ willingness to purchase smart clothing in China. Researching consumers’ purchase intentions for smart clothing is conducive to the development of the smart clothing industry.

Based on the technology acceptance model and the characteristics of smart clothing， the FEA （functionality， expressiveness， and aesthetics） model was introduced as an external variable to construct the structural equation model （SEM） of consumers’ purchase intentions of smart clothing， and we put forward 11 research hypotheses. Based on the scale proposed and verified by many scholars at home and abroad， and combined with the characteristics of smart clothing，six independent variables of functionality， expressiveness， aesthetics， perceived usefulness， perceived ease of use， and attitudes were extracted to design the research questionnaire， which were measured with 5-point Likert scale. Then， the research questionnaire was employed to collect data， and the SPSS 24.0 software was used to conduct descriptive statistical analysis of the basic individual information. Next， in order to assess the model using the PLS-SEM， the SmartPLS 3.2.9 software was applied to test the reliability and validity， and the results indicated that the reliability and validity of the variables greatly exceeded the recommended threshold， which was of statistical significance. Finally， the bootstrapping method was used to empirically verify the hypotheses of the model， and a total of nine hypotheses were supported.

The results of the empirical analysis show that： ⅰ） From the perspective of the FEA model， expressiveness has a significantly positive impact on perceived usefulness and ease of use; functionality positively and significantly affects the perceived ease of use， while the effect on perceived usefulness is not significant. Aesthetics positively and significantly affects consumer attitudes， while it has no impact on purchase intentions. ⅱ） From the perspective of the TAM model， it indicates that the hypotheses between the variables have positive and significant effects on each other， which can well explain consumers’ willingness to purchase smart clothes. ⅲ） Among all the hypotheses， consumers’ attitudes have the greatest influence on purchase intentions.

Based on the above results， we propose some suggestions for the smart clothing： ?。?From the perspective of the functionality of smart clothing， it is necessary to meet the needs of comfort， protection， and practicality when consumers wear smart clothing， and satisfy their different functional needs， so as to improve the perceived usefulness of smart clothing. ⅱ） From the perspective of expressiveness， smart clothing should conform to consumers’ lifestyles. ⅲ） From the perspective of aesthetic performance， the design of smart clothing should follow the current fashion trends in order to make smart clothing be better integrated into daily life. ⅳ） From the perspective of ease of use， the future design of smart clothing can improve consumers’ wearing proficiency， work efficiency， and quality of life by enhancing the interaction between consumers and smart clothing， and then make consumers form the willingness to purchase by influencing their attitudes. Through this study， a certain theoretical foundation is laid for the subsequent research on the purchase intentions of different kinds of smart clothing.

Key words： technology acceptance model; smart clothing; purchase intentions; partial least squares; structural equation model; FEA model