《中国传统拍卖业者网络拍卖接受意愿研究》-经济学论文，商业论文-论文范文参考-科学狗论文网

标题

中国传统拍卖业者网络拍卖接受意愿研究

范文

黄斐+王佳+殷致

摘要：本文将感知价值概念与整合性科技接受模型联系结合，在深化技术接受理论研究的基础上提出联系感知价值的整合用户接受模型，并运用该模型研究了感知价值的内涵维度构建、感知价值、社会影响和助益情境等主干因素对于接受意愿的影响，以及检验年龄、性别和工作中上网时长等因素对于上述关系的调节作用。实证研究结果显示模型的主要感知价值内涵维度（感知易用不显著）和主干关系皆为显著，而且年龄和工作中上网时长在感知价值和助益情境对于接受意愿的影响关系中有明显地调节作用。

关键词：用户接受意愿；感知价值；技术接受模型；网络拍卖

中图分类号：F71336 文献标识码：A

作为一种有效的市场交易方式，拍卖在提高交易效率、透明交易价格的同时，还能够帮助提升交易规范和市场标准化。在西方发达国家，拍卖的理论和应用发展源远流长，实际推动了其现代市场体系的形成[1]。中国拍卖业的发展并不充分，根据拍卖行业协会公布的数据，2012年全国拍卖业实现成交额约5 7546亿元。2012年中国电子商务市场交易额突破8万亿元人民币，其增速超过2012年国家GDP增长率的四倍[2]。许多传统商务模式可以在电子商务方向寻找创新和成长的机会，而网络拍卖也许能够让中国的传统拍卖业获得一次跨越式发展的时代契机。网络拍卖借助互联网在网站平台上发布拍卖信息，操作竞价投标的拍卖过程，确定价格和达成交易，网络拍卖在实现拍卖方式的市场有效性的同时，还能够发挥电子商务在空间、时间、信息、成本、参与度等方面上的优势，制定灵活的拍卖规则，创造出充分集聚供需、有效配置资源的电子中介平台[3]。中国的一些传统拍卖公司已经开始利用网络平台进行公示、申请、联络等的拍卖前期准备，也有些业务直接在网站上公开拍卖，但是整体上中国传统拍卖业的网络拍卖业务发展并不突出。

由于当前中国普通消费者并不广泛应用网络拍卖机制，而网络拍卖作为技术创新下的业务新增长点，对于中国传统拍卖业的现阶段发展而言存在着迫切的利益驱动和实际需求。所以，本文以中国传统拍卖从业者为“用户”研究对象，他们往往具备传统拍卖业务的参与经验。网络拍卖对于中国传统拍卖从业者是较创新的互联网深度应用，本研究沿袭了科技用户接受行为的研究脉络，通过理论深化研究来发展出适合的实证研究模型，通过实证研究来分析哪些关键因素会影响其中的用户接受意愿，理解网络拍卖在应用中的用户接受行为，推进中国传统拍卖业网络拍卖的业务发展。

本研究希望实现三个主要目标：（1）整理新兴科技接受行为的既有文献和研究成果，通过理论深化研究以理解不同理论模型间的发展脉络，分析影响互联网商业应用的用户接受意愿的主要因素，思考构建联系感知价值的整合用户接受模型；（2）讨论诸如年龄、性别、互联网使用特征等个体因素，在用户使用意愿影响因素间的调节作用；（3）使用联系感知价值的整合用户接受模型，对中国传统拍卖从业者的网络拍卖接受意愿问题进行实证研究。

一、文献综述

对于新兴科技应用用户接受行为的研究，学术上存在着较系统的理论模型和实证研究，国内学者依靠既有文献的基础进行经典理论比较或者基础模型修正，针对中国消费者的诸如网络购物、移动拍卖、移动支付等科技接受行为，进行了有效的实证研究，在学术发展和实践应用上都获得一定成果[4-6]。科技接受行为研究中的经典理论和模型主干，可以根据实际研究情境需要进行扩展，譬如技术接受模型（Technology Acceptance Model，TAM）的基础模型，在后续发展的改进中与其它相关理论体系产生交集，发展出譬如参考了计划行为理论（Theory of Planned Behavior，TPB）的TAM2模型、围绕消费者感知价值的价值接受模型（Value-based Adoption Model，VAM），这里凸现出科技接受行为研究中常见的延展性特征[7-9]。用户接受行为研究的不同理论和模型间的传承关系存在着较清晰的逻辑脉络，Venkatesh等（2003）回顾和整理技术接受行为的既有研究，在其中八个经典理论模型基础上提出整合性科技接受模型（Unified Theory of Acceptance and use of Technology，UTAUT），通过厘清不同理论模型间的差异和联系，化繁为简地提出整合清晰的基础框架，在研究方法和模型框架上都形成一定的启发[10]。

研究梳理了科技接受行为研究中经典理论间的传承脉络，包括技术接受模型TAM、价值接受模型VAM和整合性科技接受模型UTAUT，也参考了理性行为理论（Theory of Reasoned Action，TRA）、计划行为理论TPB、动机模型（Motivation Model，MM）的成果贡献。

（一）技术接受模型TAM

Davis等（1989）在理性行为理论（TRA）的“态度决定意愿决定行为”的基础上，发展出技术接受模型TAM，用以分析影响电脑科技的用户接受行为的主要因素（见图1）[7，11]。其中，“感知有用（Perceived Usefulness，PU）”和“感知易用（Perceived Ease of Use，PEOU）”作为用户的主观信念，“感知有用”指用户主观上对于特定系统或者科技事物能够帮助自己工作和未来的信任程度；“感知易用”指的是用户主观上会倾向接受所需努力较少的新事物，TAM认为“感知有用”和“感知易用”是影响用户的科技接受“态度”的主要因素，“使用意愿”除了受到“态度”的影响，还直接受到“感知有用”的影响，而“外部变量”代表影响科技用户的间接因素，譬如用户的个人特征、环境变量等，这些因素会通过影响科技使用用户的“感知有用”和“感知易用”来起作用[12]。

TAM的主干框架简明易懂，还支持通过外部变量根据不同的研究情境发展相应的扩展模型，在许多后续实证研究中被运用，基础TAM和扩展模型显示出较好的解释力，譬如“感知有用”和“感知易用”因素对于诸如远程医疗、电子邮件、数据中心等科技应用的用户接受态度和意愿存在较显著的正向关系[13-15]。Hu等（1999）认为TAM可以帮助解释医生对于远程诊疗技术的接受意愿，但是需要结合其它相关因素来提升基础模型的解释力[16]。Legris等（2003）综述回顾了大量使用TAM模型的既有研究文献，认为基础TAM对于资讯科技应用的用户接受意愿和行为具有较强的解释能力，而加入新外部变量的扩展TAM，可以取得更高的解释力，譬如用户的个人创新性特性[17]。Frolick和Chen（2004）也认为TAM模型结合创新扩散理论，可以帮助解释用户对于移动商务应用的使用意愿[18]。Svendsen等（2013）将用户个性与TAM的基础建构联系在一起，较大样本的网上调查结果显示个性对于行为意愿存在较为显著的直接关系，在部分信念的关系上还存在调节作用[19]。

“感知有用”在TAM中也可作为“使用意愿”的直接前置因素，有些使用TAM的实证研究的结果显示“态度”对于“使用意愿”的影响并不明显，倾向于舍去TAM基础模型中的“态度”变量[20-21]。Vekatesh和Davis （2000）提出的省略“态度”，可以更加突出“感知有用”和“感知易用”与“使用意愿”之间的影响关系[8]。

（二）基础TAM的不足和改进

TAM基础模型的精简结构也导致一定的研究局限，尤其在新兴互联网应用的用户接受行为研究部分：Chan和Lu（2004）对香港网络银行的用户接受行为的实证研究中，发现“感知有用”和“感知易用”对于用户的接受意愿没有显著的正向影响[22]；Kim等（2007）认为TAM基础模型对于正规组织环境中用户的科技接受行为的解释力比较强，但是在面对诸如移动互联网的科技应用时，用户接受行为反映出消费选择而非组织建议的特征，TAM基础模型在此方面显得解释力较弱[23]；Shiau和Chau（2012）比较不同模型对于博客持续关注的用户意愿的解释作用，同样发现TAM基础模型的解释力偏弱[24]。

Venkatesh和Davis（2000）提出TAM基础模型的修正模型TAM2，TAM2参考了理性行为理论的建构，在基础TAM中加入了社会性影响过程（Social Influence Processes）对于“感知有用”的影响，社会性影响过程主要包含了“主观规范”（Subjective Norm）、“印象”（Image）和两个调节变量“经验”（Experience）、“自愿性”（Voluntariness），TAM2还扩充了“感知有用”的影响因素，归纳形成认知工具性过程（Cognitive Instrumental Processes），主要包含“工作关联”（Job Relevance）、“产出品质”（Output Quality）、“结果展示性”（Result Demonstrability）和“感知易用”。社会性影响过程和认知工具性过程使得TAM2更加完整，可以更加灵活、方便地解释资讯科技中的用户使用行为（见图2）[8]。Cheng等（2012）研究网上团购的用户意愿，也将TAM基础模型与社会影响方面的因素结合在一起[25]。有研究者从动机理论的角度补充用户的内在动机（Intrinsic Motivation）来丰富TAM基础模型，发现个人的内在行为动机（譬如享受、乐趣），会支持用户较愿意在未来持续使用行为：Keeney（1999）研究消费者网络购物行为前后的体验和期望，结果显示娱乐性是影响网络购物用户态度的一个重要因素[26]。Moon和Kim（2001）研究万维网的用户行为，采用了“感知娱乐”（Perceived Playfulness）的构建，来协同“感知有用”和“感知易用”，包容出于工作和休闲不同目的用户行为解释[27]。

感知价值的思路也是一个主要改进方向，从用户主观感受出发，可以研究用户的价值取向与其意愿和行为之间的联系，基本上用户的意愿和行为是对产品和服务整体评估后的一种反应，有观点认为这种整体评估可以包含在用户对于对象的“价值”信念上，反映了能否满足用户的主观和客观上需要，不仅体现在被直接使用而实现的功能价值，而且也会出现在拥有过程中带来的附属价值[28]。Grewal等（1998）的研究指出顾客感知的交易价值（Perceived Transaction Value）会对感知价值有影响，从而影响行为意愿[29]。在互联网使用行为研究中，Laurent等（2002）对比研究了互联网用户对于上网浏览和电子邮件的使用行为，通过社会、功利、享乐、学习及购买五个感知价值维度，归纳讨论上网浏览用户和电子邮件用户在感知价值组成中的不同侧重[30]。Chen和Dubinsky（2003）对B2C电子商务环境下感知价值的构成框架进行探索性研究，发现网上购物体验、感知产品质量、感知风险及产品价格是其包含的主要因素[31]。Swaid和Wigand（2012）研究实体商城的网上平台的顾客“忠诚意愿”，结果显示反映服务质量内容的“感知价值”因素对于顾客持续使用网店意愿有很高的解释力[32]。Kim等（2007）用感知价值因素来扩展基础TAM，形成价值接受模型VAM，其中感知价值受到感知利益（譬如有用性和娱乐性）和感知代价（譬如技术细则和感知费用）的两个基本维度的影响（见图3）[9]。

价值接受模型中感知价值的构建，体现出用户对于科技使用行为中的利益和代价的完整统一的主观认知。本研究也尝试使用“感知价值”作为影响“使用意愿”的前置因素，反映用户对于使用互联网科技应用的主观信念，并扩展“感知有用”和“感知易用”的两大因素，去构建“感知价值”包含的多元维度。

（三）整合性科技接受模型UTAUT

Venkatesh等（2003）覆盖技术接受行为研究中八个具有代表性的理论模型（理性行为理论、科技接受模型、计划行为理论、动机理论、整合的TAM和TPB模型、PC使用模型、创新扩散理论和社会认知理论），提出整合性科技接受模型UTAUT （见图4）[10]。 UTAUT将科技接受行为相关的各种影响因素，整合成影响用户的行为意愿（Behavior Intention）的四个核心因素：

1.绩效期望（Performance Expectancy），用户感觉使用科技系统帮助自我绩效达成的有用程度，接近技术接受模型TAM中的“感知有用”；动机模型中外部提供的奖励诱因“外在动机”；创新扩散理论中的“相对优势（Relative Advantage）”，创新科技比较既有的事物，相对更好的程度。

2.投入期望（Effort Expectancy），用户感觉使用科技系统的难易程度，接近于技术接受模型TAM中的“感知易用”；创新扩散理论中的“复杂性（Complexity）”，理解和使用创新科技或事物的困难程度；还有“可试性（Trialability）”，试用创新科技或事物的方便程度。

3.社会影响（Social Influence），用户感觉重要人士对于自己使用科技系统的赞同程度，接近于理性行为理论和计划行为理论中的“主观规范”，反映出个体考虑的外部环境对于行为的规范标准；修正的技术接受模型TAM2中的“印象（Image）”，个体判断其行为对于所处团体其它成员造成的印象会否影响个体的社群地位。

4.助益情境（Facilitating Conditions），用户感觉对于自己使用科技系统的支持条件，接近于计划行为理论中的“知觉行为控制（Perceived Behavior Control）”；创新扩散理论中的“包容性（Compatibility）”，使用创新科技或事物需求的，与用户目前已有的知识、观点、经验相互通用、符合的程度。

UTAUT还将过往研究中出现的干扰因素，提出在核心决定因素对于行为意愿的影响关系上的四个调节变量：性别、年龄、经验（Experience）和自愿性（Voluntariness of Use），分析这些变量对于上述关系的复合调节作用[10]。UTAUT充分回顾了经典的技术接受行为研究成果，整合了其中不同表述但涵义接近的影响因素，提出了常见调节变量，UTAUT提出后开始被频繁使用来研究新兴资讯科技的用户接受行为，在组织规范和自愿消费的不同研究情境中，使用UTAUT的基础模型和发展模型都可以具有较高的解释能力。

Kerns（2006）对美国大学里平板电脑用户接受意愿研究中显示UTAUT模型能比较有效地解释用户的接受意愿影响因素[33]；陈华平和唐军（2006）以UTAUT为基础实证研究了移动支付的用户接受意愿，发现社会影响和绩效期望对于使用意愿存在较为显著的正向影响[34]；Chang等（2007）以UTAUT模型来研究医生对于诊疗支持系统的采用行为，发现医生的绩效期望和付出期望显著影响接受意愿和后续使用行为[35]；周涛等（2009）将任务/技术匹配理论与UTAUT进行整合，用于分析移动银行的用户采用意愿，结果显示UTAUT模型的四个核心因素均有显著影响[36]；Curtis等（2010）使用UTAUT模型研究社交媒体用户使用行为，结果显示出性别和经验等个体特征具有较为明显的调节作用[37]；Gonzalez等（2012）将UTAUT模型运用在监控技术的用户采用意愿的实证研究中，结果表明“绩效期望”是最重要的影响因素，而“付出期望”对于采用意愿的影响并不显著[38]。整合性科技接受模型UTAUT显示出较好的研究可延展性，Venkatesh等（2012）在UTAUT基础上加入了享乐动机、价格价值和习惯等三个新影响因素，专为资讯技术应用的消费者接受行为推出消费者科技接受模型（Consumer Acceptance and use of Technology，UTAUT2）[39]。

基于基础TAM的“感知易用”和“感知有用”，后续研究往往加入新的影响因素、调节变量，构建出适合具体资讯科技应用情境的解释力更强的扩展TAM[19-21，25]。Venkatesh等（2003）沿袭TAM的基础建构，把“感知易用”和“感知有用”包容在整合性科技接受模型UTAUT中，与主观规范和感知行为控制等方面的因素一起形成较简洁的用户意愿影响因素[10]。

二、实证研究模型的构建

Kim等（2007）提出的简约价值接受模型VAM，将TAM基础建构与消费者感知价值的概念结合在一起[9]，而“感知价值”概念比较完整，可以体现用户对于“利益”和“代价”的权衡统一，而且针对不同情境可以灵活地构建恰当的相关价值维度，对于层出不穷的新兴资讯科技应用具有研究可延展性。Kim和Kankanhalli（2009）在研究企业新信息系统的用户抗拒的过程中，通过感知价值概念来包容用户对于使用新系统感知到的收益和成本，反映用户主观的决策形成过程中的主要焦点，其研究结果认定改善用户的感知价值可以有效地降低用户对于新系统的抗拒[40]。Swaid和Wigand（2012）用“感知价值”对应全面的“服务质量”维度，并且结果检验出“感知价值”对于网上商城的使用意愿有显著的影响关系[32]。Chang和Tseng（2013）发现网店顾客的在线购买意愿收到顾客对于网店的感知价值的显著影响，而感知价值反映了网店给于顾客的整体印象，包容了功能性价值和娱乐性价值。

比较UTAUT模型中“绩效期望”和“付出期望”的设定，本文认为“感知价值”通过内含的价值维度，在模型中显得更完整和更具有可延展性，“感知价值”的分析可以帮助理解传统拍卖业者对于网络拍卖的使用意愿影响因素。本研究设定“感知价值”对于网络拍卖的从业者用户接受意愿的前置影响变量。

假设1：感知价值将正面显著影响从业者用户对网络拍卖的接受意愿。

在“感知价值”的内含价值维度上，没有直接沿用偏向消费者行为领域的既有建构，譬如朱阁等（2010）在研究移动拍卖的用户接受意愿中，使用了Sweeney和Soutar（2001）的感知价值四维度量表，其四维度量表初始是用以测量耐用品的消费者感知价值[5]。本研究在简约价值接受模型VAM基础上，以“利得”和“利失”的对比，参考更多新兴资讯科技应用有关的研究文献来组织感知价值维度架构，本文先采用了较多出现的“感知有用”和“感知易用”，还有“感知费用”[9，31-32，41]。

假设2：感知有用将正面显著影响从业者用户对网络拍卖的感知价值。

假设3：感知易用将正面显著影响从业者用户对网络拍卖的感知价值。

假设4：感知费用将负面显著影响从业者用户对网络拍卖的感知价值。

像Laurent等（2002）的对比研究显示出的那样，用户面对不同特性的互联网应用会影响用户感知价值组成侧重上出现差异[30]。传统拍卖的从业者由于拍卖业务的工作特性，相较于一般消费者在网络拍卖中的动机差异，本研究采用“感知风险”，而舍掉“娱乐性”，而且基于互联网的电子商务活动在提升行动效率的同时，往往也被认为会引发在交易安全、个人隐私等方面的风险：Bellman等（1999）发现在网络购物中，安全和个人隐私等因素会显著影响消费者的网购行为，可能导致消费者的网购意愿降低和在线行为的减少[42]；Pavlou等（2006）在网络购物的研究中检验出消费者对于安全和信任的信念比较显著影响其接受意愿和行为[43]，安全上网风险在电子银行和网络股票交易的应用和采用行为中也经常是用户关键考量因素[44-45]；李凯等（2013）发现 “感知风险”与“感知利益”一起影响对于移动支付的用户接受意愿[6]；Chang和Tseng（2013）尝试用“感知风险”作为调节变量来调节对网店的感知价值与顾客购买意愿的影响关系，但是检验结果并不显著[41]。所以，本文设定“感知风险”会影响从业者用户对于网络拍卖的“感知价值”。

假设5：感知风险将正面显著影响从业者用户对网络拍卖的感知价值。

用户的接受意愿和行为会受到自我感知的外部社会压力的影响，即“主观规范”的影响，Hsiu-Fen Lin（2010）在研究求职者对于电子招聘平台的接受行为中，主观规范（尤其是人际影响）对于用户接受意愿有着较显著影响[46]。Davis等（1989）注意到主观规范未能如理性行为理论描述的会显著影响用户接受意愿，在基础TAM中简化了主观规范使用意愿之间的关系，但是在TAM2中又加入了社会性影响过程，包容了主观规范的因素[7]。本文采用了Venkatesh等（2003）在UTAUT中定义的“社会影响”，反映中国传统拍卖的从业者个体会受到周围的影响，从而影响其对网络拍卖的使用意愿。

假设6：社会影响将正面显著影响从业者用户对网络拍卖的使用意愿。

Ajzen（1991）在计划行为理论（Theory of Planned Behavior， TPB）中加入了感知行为控制（Perceived Behavior Control，PBC），作为影响行为意愿的又一因素，感知行为控制代表了个体行为决策过程中认识到自己执行行为的掌控信念（Control Belief）和阻碍难易（Perceived Power）[47]。感知行为控制对于用户的使用意愿和实际行为，在许多研究中被证明是有显著影响，并且对感知行为控制在内在心理因素和外在环境因素都有进一步的讨论和解释，例如Hsu和Chiu（2004）发现用户的自我效能感知对于电子应用服务的使用意愿和持续使用都存在显著影响[48]。另外，Pavlou等（2006）验证了时间和货币等资源的判断显著影响用户对于网络购物的接受意愿和行为[43]，Venkatesh等（2003）的UTAUT模型用“助益情境”的变量来反映类似的感知行为控制的因素[10]。本研究采用了UTAUT模型中定义的“助益情境”，来反映拍卖从业者个人判断的现有组织和基础设施对于使用网络拍卖业务的支援程度。

假设7：助益情境将正面显著影响从业者用户对网络拍卖的使用意愿。

Venkatesh等（2003）的整合性科技接受模型UTAUT提出在核心决定因素对于行为意愿的影响关系上，诸如性别、年龄、经验等用户的个人特征存在调节作用[10]。Curtis等（2010）使用UTAUT模型的实证检验，其结果也显示出性别和经验存在较为明显的调节作用[32]。Venkatesh等（2012）较完整提出了诸如年龄、性别和经验等个体特征，对于消费者科技接受模型主干关系的复合调节作用[39]。Svendsen等（2013）在行为意愿的主要影响关系上，用户的个性特征存在部分的影响关系和调节作用[19]。

这种年龄、性别等多重因素的调节作用往往在一些具有极端特征的人群中有所表现，像Venkatesh等（2012）提到年长男性用户由于固有经验使得其需要更多的资源，促进他们的学习和接受[39]。本研究期望从业者的“年龄”和“性别”在对接受意愿的影响关系中表现出调节作用，并且用从业者的“工作中互联网使用时长”，反映从业者对于工作中互联网业务模式的熟悉程度和既有体验，期望也存在调节作用。通过加入年龄、性别和工作中互联网使用时长，对感知价值与使用意愿的影响关系中的调节作用，考虑到年轻的从业者相对学习能力较强，即使工作中上网很少，随着对于网络拍卖业务的深入了解，他们更容易受到对网络拍卖的感知价值提升而影响其使用意愿的上升；再考虑到女性对观点转化行动过程中的保留程度，男性应该更容易体现出受到感知价值对于使用意愿的影响。因此，提出：

假设8：年龄、性别和工作中互联网使用时长会调节感知价值对于使用意愿的影响作用，譬如年轻的、工作中上网很多的男性从业者较容易受到感知价值对于使用意愿的影响。

另外，考虑年龄、性别和工作中互联网使用时长，对社会影响与使用意愿的影响关系中的调节作用，刚参加工作的年轻从业者，工作中上网很少的情况下，尤其是女性会较参考重要人士或者关键大众的行为指示和使用建议，所以提出：

假设9：年龄、性别和工作中互联网使用时长会调节社会影响对于使用意愿的影响作用，譬如年轻的、工作中上网很多的女性从业者更容易受到社会影响对于使用意愿的影响。

个人特征造成的较明显差异，是符合现实中的部分观察结果，例如年长者会比年轻人在接触复杂信息或者使用新技术系统的过程中遇到较多的学习困难。所以，年长者会对助益情境更为重视，体现出年龄在助益情境对于使用意愿关系中的调节作用，男性又比女性在考虑使用新技术应用中，较少地依赖外部支持性条件，由此提出：

假设10：年龄、性别和工作中互联网使用时长，会调节助益情境对于使用意愿的影响作用，譬如年长的、工作中上网很少的男性从业者较容易受到助益情境对于使用意愿的影响。

以上提出的10个主要假设反映了对于网络拍卖的用户使用意愿中主要影响因素和关系，通过将“感知价值”概念结合在UTAUT模型的基础框架中，形成联系感知价值的整合用户接受模型，如图5所示。

三、研究方法

（一）调查对象和问卷设计

本文主要是研究中国传统拍卖业的从业者对于网络拍卖的用户接受意愿，并采用了问卷调查方法，问卷设计使用Likert的7点测量尺度，各个变量的对应题项均翻译自相关文献的既有成果，以保证问卷题项比较完整和成熟，其措词根据网络拍卖的研究主题做了对应的修改，并在某拍卖企业的业务人员和客户伙伴中进行了50份预问卷，进行题项用词上的小调整以提高答卷者的理解度（见表1）。

（二）问卷发放

实际问卷发放发生在2013年6月，先在某拍卖公司的业务人员中进行问卷调查，再以“滚雪球”的抽样方法，请求答卷者推荐联系其他的拍卖从业者（通过统一发放答卷时的名单记录和问卷中的提示信息，以避免发生重复）发放问卷，总共发放950份，回收896份，其中有效问卷799份。表2为样本数据的描述性统计，可见样本频度分布较均匀，调查效果也较理想。

（三）资料分析方法及数据质量

通过SmartPLS软件，本文使用偏最小二乘法（PLS）对模型进行拟合，偏最小二乘法（PLS）与结构方程模型（SEM）相辅相成，在SEM大样本模型的基础上，解决了非正态分布、共线性等问题。在对模型进行拟合之前先做了信度及效度检验，同时用于构建交互作用的变量首先进行中心化，以消除多重共线性的影响。

表3和表4列示了信度、效度、相关性及因素载荷等数据。表3中的因素载荷分析显示数据的一致性及区别效度完全满足要求，其中因素负载均大于06，表明各测量指标均收敛于其所对应的潜变量。同时各个潜变量的组成信度（Composite Reliability， CR）均大于08，克隆巴赫系数（Cronbachs alpha， α）均大于09，进一步表明各潜变量具有较好的内部一致性。

表4对角线数据为平均变异萃取量（Average Variance Extracted， AVE）的平方根，各潜变量AVE值均大于标准值05，表示各个潜变量均能解释超过50%的所属指标的变异，说明测量模型有较好的信度和收敛效度。为了区别效度可以通过比较AVE的平方根与相关系数进行检验，表4中对角线数据均大于其所在纵向与横向数据，说明各变量之间有着显著的区别度。

由模型拟合结果（见表5），模型的基本结构（模型1及模型2）除了感知易用对感知价值的作用外，其它关系全部显著得到验证，反映在当前互联网应用的普及趋势中，用户体验友善成为应用开发成熟表现，而易用性对于互联网商务应用的用户感知价值不是优先的因素。

在没有包含交互项目时，感知风险和感知有用对感知价值有显著的正向作用，感知费用具有显著的负向作用，而且在互联网的电子商务应用方面，感知风险是用户感知价值中最突出的关注部分。感知价值、社会影响及助益环境对使用意愿有显著的正向作用。

当模型加入交互项目后（模型2），对假设8至10进行检验。假设8得到部分验证，感知价值对使用意愿的影响会受到年龄和工作中互联网使用时长调节的假设得到支持，性别的调节作用则不显著，而年轻且工作中上网很少的从业者更容易受到感知价值对于使用意愿的影响。

假设9并没有在结果中得到支持，加入性别、年龄和工作中上网时长等因素的调节作用后，社会影响对于使用意愿的影响作用不再显著，主观规范因素并不在基础TAM模型中，而且其对于使用意愿的影响作用在不同应用的实证研究中结果显著性变动也比较大，需要在不同情境中的科技应用中进一步讨论社会影响或者主观规范方面的因素对于使用意愿的影响作用。

假设10也得到部分支持，其中性别的调节作用没有得到支持，助益情境对使用意愿的影响会受到年龄和工作中上网时长调节的假设得到支持，而年长的、工作中上网很少的从业者更容易受到其在网络拍卖的助益情境对于此业务使用意愿的影响。

（四）数据结果分析

数据具体分析结果体现出感知价值概念表现了用户的成本收益上的较完整认知，在研究中可以有效反映传统拍卖从业者会关注网络拍卖业务的多元化价值内容，并显著影响用户的接受意愿，所以能够替代整合性科技接受模型UTAUT中绩效期望和付出期望的两大因素，形成联系感知价值的用户接受模型。结果还进一步显示从业者对于网络拍卖的感知价值来源，主要考量的是感知风险，这也符合电子商务应用中用户对互联网风险的关注。感知费用和感知有用对于感知价值的影响也比较突出，感知费用代表了企业中用户使用新兴科技应用需负担的成本，而感知有用则是用户认为的科技使用的收益。感知易用的因素在研究结果中对于感知价值的影响并不显著，可能原因是现阶段互联网应用在用户体验上大多具有友善界面，譬如网上商城购物、互联网社交互动等，从业者对于网络拍卖的感知易用存在易用预期。

感知价值、社会影响和助益情境对于使用意愿都具有显著的影响作用，感知价值和助益情境对于接受意愿的影响明显受到用户年龄的调节作用，譬如年长的用户更容易受到助益情境对于接受意愿的影响，所以对于年长用户投入更多资源增进他们对于新兴科技应用的知识和使用过程中的帮助支持，有利于提高此用户群体的使用意愿。另外，用户工作上网时长也存在相似的调节作用，工作中上网时长增长会使得用户更容易受到感知价值和助益情境对于接受意愿的影响，企业建设组织的IT基础架构和宽带网络可以帮助员工增加IT新兴应用的使用体验，减少对于相关业务创新的抵触。

四、结论

通过对于科技接受意愿和行为领域的文献研究，在技术接受模型的理论深化里将感知价值联系在UTAUT整合科技接受模型中，联系感知价值的整合用户接受模型被运用对中国传统拍卖从业者的网络拍卖接受意愿进行实证研究，数据结果显示新模型具有较好的解释力，在互联网新兴应用的用户接受研究中，可以拓宽既有理论的深化研究，发展出继承经典体系脉络，进一步整合和联系的接收模型；对于致力于电子商务业务创新的企业，实证研究的检验结果能够帮助理解用户的感知价值构成和接受意愿的关键因素。

感知价值中主要因素（除感知易用以外）对于感知价值具有显著作用，尤其是感知风险尤为突出。感知价值概念可以丰富UTAUT整合科技接受模型，具有较好的研究可延展性，而感知价值的概念定义和维度构建在后续的科技接受行为研究可以被发展应用出更多元的内容，使得可以更完整解释和理解用户在不同应用情境中的价值感知。另外，社会影响和助益情境两大主干因素对于使用意愿的影响作用在研究中被检验显著，为企业的基于互联网的业务创新中提示了环境氛围和条件准备的作用，也可以参考UTAUT2消费者接受模型加入其它的主干因素。

实证研究还检验了年龄、性别和工作中上网时长等因素对于模型主干关系的调节作用，尽管性别的调节作用没得到结果支持，而年龄、工作中上网时长在感知价值和助益情境对于使用意愿的影响关系中具有明显的调节作用，显示讨论个体用户特征（诸如性别、年龄、经验和教育水平等）对于用户接受行为研究具有实际意义，能帮助理解特定特征的用户群体在科技应用接受意愿和行为方面的差异和联系。此外，模型中加入多个调节变量会给数据分析和结果解释带来更高的要求，需要探讨数据处理和分析方法上的创新。

参考文献：

[1] Hasker， Kevin， Sickles， Robin， eBay in the Economic Literature： Analysis of an Auction Marketplace[J].Review of Industrial Organization， 2010， 37（1）.

[2] 中国商务部.中国电子商务报告（2012）[R].Free Press， 2013.

[3] Lucking-Reiley， David， Auctions on the Internet： What′s being Auctioned and How[J].Journal of Industrial Economics， 2000， 48（3）.

[4] 李东进，吴波，武瑞娟.中国消费者购买意向模型——对Fishbein合理行为模型的修正[J].管理世界， 2009（1）.

[5] 朱阁，马龙，Sangwan Sunanda.基于社会认知理论的消费者采用模型和实证研究[J].南开管理评论， 2010，13（3）.

[6] 李凯，孙旭丽，严建援.移动支付系统使用意愿影响因素分析——基于交换理论的实证研究[J]. 管理评论， 2013（3）.

[7] Davis F.D.，Bagozzi R.P.，Warshaw P.R. User Acceptance of Computer Technology： A Comparison of Two Theoretical Models[J].Management Science， 1989， 35（8）.

[8] Venkatesh， V. and Davis， F.D. A theoretical extension of the technology acceptance model： four longitudinal filed studies[J].Management Science， 2000， 46（2）.

[9] Kim， Hee-Woong，Chan， Hock Chuan，Gupta， Sumeet. Value-based Adoption of Mobile Internet： An empirical investigation[J].Decision Support Systems， 2007， 43（1）.

[10]Venkatesh， V.， Morris， M. G.， Davis， G. B.， and Davis， F. D. User Acceptance of Information Technology： Toward a Unified View[J].MIS Quarterly， 2003， 27（3）.

[11]Ajzen， I.， Fishbein， M. Attitudes and the Attitude-Behavior Relation： Reasoned and Automatic Processes[J].European Review of Social Psychology， 2000， 11（1）.

[12]enkatesh， V.， Davis F.D. A Model of the Antecedents of Perceived Ease of Use： Development and Test[J].Decision Sciences， 1996， 27（3）.

[13]Chau， P. Y. K.， Hu， P. J. H. Information Technology Acceptance by Individual Professionals： A Model Comparison Approach[J].Decision Sciences，2001，32（4）.

[14]Elena Karahanna， Detmar W. Straub. The psychological origins of perceived usefulness and ease-of-use[J].Information and Management， 1999， 35（4）.

[15]Taylor， Shirley，Todd， Peter A. Understanding Information Technology Usage： A Test of Competing Models[J].Information Systems Research， 1995， 6（2）.

[16]Hu， P. J.， Chau， P. Y. K.， Sheng， O. R. L.， and Tam， K. Y. Examining the technology acceptance model using physician acceptance of telemedicine technology[J].Journal of Management Information Systems， 1999， 16（2）.

[17]Legris， P.， Ingham， J.， and Collerette， P. Why do people use information technology？ A critical review of the technology acceptance model[J]. Information and Management， 2003， 40（3）.

[18]Frolick， M. N. and Chen， L. D. Assessing m-commerce opportunities[J].Information Systems Management， 2004， 21（2）.

[19]Svendsen， Gunnvald B.，Johnsen， Jan-Are K.，Alms-Srensen， Live，Vitters， Joar，Personality and technology acceptance： the influence of personality factors on the core constructs of the Technology Acceptance Model[J].Behaviour & Information Technology， 2013， 32 （4）： 34-323.

[20]Adams， D. A.， Nelson， R. R.， and Todd， P. A. Perceived usefulness， ease of use， and usage of information technology： a replication[J].MIS Quarterly， 1992， 16（2）.

[21]Straub， Detmar，Limayen， Moez. Measuring System Usage： Implications for IS Theory Testing[J].Management Science， 1995， 41（8）.

[22]Chan S.C.，Lu M. Understanding Internet Banking Adoption and User Behavior： A Hong Kong Perspective[J].Journal of Global Information Management， 2004， 12（3）.

[23]Kim， Hee-Woong，Chan， Hock Chuan，Gupta， Sumeet， Value-based Adoption of Mobile Internet： An empirical investigation[J].Decision Support Systems， 2007， 43（1）.

[24]Shiau， Wen-Lung，Chau， Patrick Y.K. Understanding blog continuance： a model comparison approach[J].Industrial Management & Data Systems， 2012， 112（4）.

[25]Cheng， Shu-Yun，Tsai， Ming-Tien， Cheng， Nai-Chang， Chen， Kun-Shiang. Predicting intention to purchase on group buying website in TaiwanVirtual community， critical mass and risk[J].Online Information Review， 2012， 36（5）.

[26]Keeney， Ralph L. The Value of Internet Commerce to the Customer[J].Management Science， 1999，45（4）.

[27]Moon， Ji-Won， Kim， Young-Gul， Extending the TAM for a World-Wide-Web context[J].Information & Management， 2001， 38（4）.

[28]Sheth， Jagdish N.，Newman， Bruce I.，Gross， Barbara L.， Why We Buy What We Buy： A Theory of Consumption Values[J].Journal of Business Research， 1991， 22（2）.

[29]Grewal， D.， Monroe， K.， Krishnan， R. The Effects of Price-Comparison Advertising on Buyers′ Perceptions of Acquisition Value， Transaction Value， and Behavioral Intentions[J].Journal of Marketing， 1998， 62（2）.

[30]Laurent， B.， Jeans-Charles， C.， Christian， C. Internet consumer value of university students： E-mail-vs.-Web users[J].Journal of Retailing and Consumer Services， 2002，9（2）： 61-69.

[31]Chen， Z.， Dubinsky， A. J. A Conceptual Model of Perceived Customer Value in E-Commerce： A Preliminary Investigation[J].Psychology & Marketing， 2003，20（4）： 323-347.

[32]Swaid， Samar I.， Wigand， Rolf T. The Effect of Perceived Site-to-Store Service Quality on Perceived Value and Loyalty Intentions in Multichannel Retailing[J]. International Journal of Management， 2012，29（3）.

[33]Anderson， J. E.， Schwager， P. H.， Kerns， R. L. The Drivers for Acceptance of Tablet PCs by Faculty in a College of Business[J].Journal of Information Systems Education， 2006， 17（4）.

[34]陈华平，唐军. 移动支付的使用者与使用行为研究[J].管理科学， 2006，19（6）.

[35]Chang， I. C.， Hwang， H. G.， Hung， W. F.， Li， Y. C. Physicians′ acceptance of pharmacokinetics-based clinical decision support systems[J].Expert Systems With Applications， 2007， 33（2）.

[36]周涛，鲁耀斌，张金隆.整合TTF与UTAUT视角的移动银行使用者采纳行为研究[J].管理科学，2009（22）：75-82.

[37]Curtis， L.， Edwards， C.， Fraser K. L.， Gudelsky， S.， Holmquist， J.， Thornton， K.， Sweetser， K. D. Adoption of social media for public relations by nonprofit organizations[J].Public Relations Review， 2010， 36（1）.

[38]Gonzalez， George C.， Sharma， Pratyush Nidhi， Galletta， Dennis， Factors Influencing the Planned Adoption of Continuous Monitoring Technology[J].Journal of Information Systems， 2012， 26（2）.

[39]Venkatesh， V.，L. Thong， James Y.，Xu， Xin. Consumer Acceptance and Use of Information Technology： Extending the Unified Theory of Acceptance and Use of Technology， MIS Quarterly， 2012， 36（1）.

[40]Kim， Hee-Woong， Kankanhalli， Atreyi. Investigating User Resistance to Information Systems Implementation： A Status Quo Bias Perspective[J].MIS Quarterly， 2009， 33（3）.

[41]Chang， En-Chi， Tseng， Ya-Fen. Research note： E-store image， perceived value and perceived risk[J].Journal of Business Research， 2013， 66（7）.

[42]Bellman， Steven， Lohse， Gerald L.， Johnson， Eric J. Predictors of Online Buying Behavior[J].Communications of the ACM， 1999， 42（12）.

[43]Pavlou，Paul A，Fygenson， Mendel. Understanding and Predicting Electronic Commerce Adoption： An Extension of the Theory of Planned Behavior[J].MIS Quarterly， 2006， 30（1）.

[44]Loh， Lawrence， Ong， Yee-Shyuan.The adoption of Internet-based stock trading： a conceptual framework and empirical results[J].Journal of Information Technology， 1998， 13（2）.

[45]Yi-Shun Wang， Yu-Min Wang， Kevin P.， Hsin-Hui Lin， Tzung-I Tang. Determinants of user acceptance of Internet banking： an empirical study[J].International Journal of Service Industry Management， 2003， 14（5）.

[46]Hsiu-Fen Lin. Applicability of the Extended Theory of Planned Behavior in Predicting Job Seeker Intentions to Use Job-Search Websites[J].International Journal of Selection & Assessment， 2010， 18（1）.

[47]Ajzen， I. The Theory of Planned Behavior[J].Organizational Behavior and Human Decision Processes， 1991， 50（2）.

[48]Meng-Hsiang Hsu， Chao-Min Chiu. Predicting electronic service continuance with a decomposed theory of planned behaviour[J].Behaviour & Information Technology， 2004， 23（5）.