变量测度的影响研究：虚拟和现实的一致性与感知价值分析

在变量的测度上，本研究主要借鉴了相对比较成熟的构念本身的测度方式的构念的构建。基于现有的成熟构念，本研究在现有文献的基础上对相关构念进行检索，并结合不同的构念本身的概念定义进一步进行处理综合归纳，得到符合本研究目的的量表。

5.1.3.1　虚拟和现实一致性

基于本研究的设计，虚拟和现实的一致性本身主要包含三个维度，即习惯的一致性、体验的一致性以及功能价值的一致性。从以往的研究来看，对于这一量表本身的构建测度主要有以下几种方式：客观的、推断的和主观感知的（Hayashi et al.，2004）。

首先，客观的测度方式主要通过外部判断者的判定来实现（Hayashi et al.，2004）。相关的判定结果依据一定的评估过程进行，这一评估过程是通过现有的标准而进行的（Olshavsky& Miller，1972）。其次，则是通过推断方式来实现，这一构念的形成主要基于比较理论，比较理论认为体验差距是用户在使用前对产品的预期和用户使用后感知到的产品绩效的一种代数差，即体验差距的测量用用户最初的预期减去用户体验到的绩效，体验差距通过个体最初对相关产品的预期与使用后对相关产品的认知的属性排列的变化来进行推断（Swan& Trawick，1981）。最后一种则是主观感知。主观感知主要通过量表的方法来实现，让消费者主观地评判其个人体验到的相关消费，并通过与其个人最初的预期的比较来实现（Tse& Wilton，1988）。本研究基于对相关技术特性的考虑，主要采用了主观认知的方式来进行体验差距的测度，即在研究的过程中，通过量表的形式测量消费者相关虚拟化的消费服务与现实服务之间的差距来体现。即这种体验差距是基于现有消费体验的预期的，通过对虚拟服务后的体验差异的比较得到。

Peter et al.（1993）认为不同的测量方式可能会带来不同的研究结果。而在现有的研究中，主要以主观测量的方式居多（Chiu et al.，2005）。而Dabholkar et al.（2000）则主观认知相比于推断的方法在测量的信度上会更高。在信息技术采纳的研究领域里，大部分的研究对这一研究也主要采用了主观测量的方式。研究者通过对Sheth et al.（1991），Parasuraman&Grewal（2000），Bhattacherjee（2001a），Bhattacherjee（2001b），Bhattacherjee &Premkumar（2004），Thong et al.（2006），Venkatesh et al.（2012）等人根据信息系统领域中体验差距、习惯行为以及功能价值本身的测量方式，对现有的研究测度依据相关定义以及现有的测度方式进行了必要的修正。最后参考了Sheth et al.（1991），Parasuraman& Grewal（2000），Bhattacherjee（2001b），Venkatesh et al.（2012）开发的体验、习惯和功能价值的量表，并结合本研究的需要进行了适当的修正，见表5.2。

表5.2　虚拟和现实一致性的量表

5.1.3.2　感知有用性

现有的研究中感知有用性测定主要体现为技术本身的功能性价值。在现有的研究中，TAM理论已经证明有用性对于技术接受的重要性，不同的学者也在不同的实践背景下进一步验证了相关结论的可靠性（Adams et al.，1992），但这些研究本身和Davis（1989）的研究在测度上是非常接近的。Hendrickson，Massey&Cronan（1993）基于TAM理论对这一理论的两个核心构想即感知易用性和感知有用性进行了测试，发现感知有用性认知的量表的信度系数为0.89～0.96，而感知易用性的信度系数为0.90～0.94。虽然Davis本身设计的这一量表有着很高的信度和效度，但是不少的学者还是会根据本身研究的特性和研究背景的选择对相关的量表进行适当的修正，而事实上修正的量表也具有很高的信度和效度（Thong et al.，2006；Moon&Kim，2001；Eriksson&Nilsson，2007）。因此，本研究将以Davis（1989）开发的感知有用性量表为基础，依据本身研究问题的特殊性，对相关研究量表的指标进行适当的调整，同时参照（Moon& Kim，2001；Eriksson& Nilsson，2007；Hong et al.，2006；Thong et al.，2006）等人的量表，结合模拟现实服务的虚拟服务技术如网络购物本身的服务特性和技术特性进行了必要的修正，见表5.3。

表5.3　感知有用性量表

5.1.3.3　感知娱乐性

感知娱乐性最初来源于心理学，用于表达个体对一项活动本身参与过程中的感受。相关研究最初由Davis et al.（1992）引入IS领域，作为传统工具性技术本身技术特性的重要补充，娱乐性是除有用性和易用性外一个非常重要的技术接受的影响因素。在其研究之后，对于非工具性技术本身的接受的研究都将这一变量作为非常重要的基础影响因素。因此，目前很多涉及感知娱乐性的研究，都主要还是基于Davis et al.（1992）提出的量表进行适当地修正，例如：Igbaria et al.（1996），Lin et al.（2005），Moon&Kim（2001），Yu et al.（2005），Van der Heijden（2004），Thong et al.（2006），Teo et al.（1999），Hackbarth et al.（2003），Venkatesh et al.（2012）等研究。这些研究中，感知娱乐性的测量都是以Davis et al.（1992）的量表为基础进一步依据本身研究的特性和研究本身场景的设定而进行修正的。但对于整体的理论基础上的修正和定义本身所包括的基本内涵没有太大的变化，因此本书将主要借鉴Venkatesh et al.（2012）对娱乐性信息系统研究中所采用的量表，因为本研究所涉及的网络系统在很大程度上和Venkatesh et al.（2012）本身所定义的娱乐性信息系统存在相似性，因此选择他们的量表具有一定的合理性。同时参考Moon& Kim（2001）对网络这一客体研究时采用的感知娱乐性的相关题项，见表5.4。

表5.4　感知娱乐性量表

5.1.3.4　感知易用性

前面在探讨感知有用性的过程中，已经表明感知易用性和感知有用性是Davis（1989）在提出TAM理论的基础之上开发出来的构念，这一构念作为技术接受领域的重要基础构念，被现有的研究者广泛采纳和不断修正。Davis（1989）本身所开发和定义的感知有用性和感知易用性这两个变量构念的有效性也得到了很好的证实。因此，对于信息系统的接受而言，参考原始的Davis（1989）开发的感知易用性的量表具有一定的合理性，但由于本研究在研究对象和研究情境上已经存在很大变化，因此可以依据语言和适用情境进行适当的修正。本研究将参照Moon&Kim（2001），Venkatesh&Davis（2000），Eriksson& Nilsson（2007），Hong et al.（2006），Thong et al.（2006）等前人对Davis（1989）量表的修正，见表5.5。

表5.5　感知易用性量表(www.xing528.com)

5.1.3.5　用户满意

Cardozo（1965）指出，测量用户的满意程度是一个相对复杂的过程，尤其是个体可能存在多种不同的满意来源，在不同的时间段内受到不同因素的影响都会改变个体的满意程度。因此对于情境的设定就显得尤为重要。从第三章文献综述过程中的定义整理来看，目前学术界对于用户满意存在多种不同的定义方式，因此也具有多种不同的测度方式。如Haddrell（1994）的研究显示，在测度关于客户满意的研究中，用户测度客户满意的量表多达40多种。不过Danaher& Haddrell（1996）对这种现象进行了合理的归纳，指出用户满意本身的测度可以划归为三个基本门类，即绩效测量、满意测量和一致性测量。在现有的信息系统的研究中，主要以绩效测量和一致性测量两种方式进行较多，而且也显示出比较好的信度和效度（Doll&Torkzadeh，1988）。但对于在ECM和ECM-IT领域的研究，现有的研究主要从认知（cognitive）和情感（affective）对用户满意进行满意测量。如Spreng et al.（1996），Bhattacherje（2001a，2001b），Mc Kinney&Yoon（2002）以及Bhattacherjee&Premkumar（2004）等研究中都利用满意测量的方式对用户满意进行测度，并且得到很高的测量效度（信度系数值都超过0.9）。Thong et al.（2006）在针对移动商务用户的研究中，也采用了满意测量的方式，发现满意测量具有很高的测量效度。为保持和现有的ECM、ECM-IT理论研究的一致性，本研究主要采用了满意测量的方式来测度用户满意，见表5.6。

表5.6　感知满意度量表

5.1.3.6　继续使用意向

继续使用意向最早出现在消费者行为的研究中，但在这些传统的研究中主要将继续使用意向作为行为意向的一个维度，其测量的题项数量一般都在3个左右。就传统的研究而言，为构建起足够的效度支撑，一个构念最好能够用大于或者等于3个以上的题项来进行测度。继续使用意向最初被引入信息系统领域是Bhattacherjee（2001a）的研究，在这个研究中Bhattacherjee（2001a）首次提出了ECM-IT理论，并认为用户是不是会继续使用和采纳行为是有差别的，这种差别导致用户本身的满意程度在用户行为的决定上起到决定性作用。因此，Bhattacherjee（2001a）认为继续使用意向应该是独立于采纳行为的独特的变量。Bhattacherjee（2001b）构建的量表的信度达到0.83。因此，本研究将主要借鉴Bhattacherjee（2001b）对继续使用意向的测量方式通过对Mathieson（1991）继续使用意向的测度进行整合、扩充、修正。同时本研究还借鉴Thong et al.（2006）等关于移动商务网络用户在测度用户移动商务网络继续使用意向时的相关题项，对题项进行必要的修正和更改，见表5.7。

表5.7　使用意向量表

5.1.3.7　控制变量

（1）性别、年龄

将性别和年龄作为控制变量主要是考虑到了个体本身的独特差异。对于不同年龄和性别的个体来讲，在事物本身的接受能力尤其是在新兴技术本身的解释能力上是存在差异的，如对于年轻的个体而言，他们更加善于去接触和学习新兴技术，同时对于相对年轻的群体而言，他们也更加容易受到社会思潮的影响，来自好友的推荐、社会系统的推荐等都会在很大程度上改变这些群体对新兴事物的接受程度。再者就是对于个体而言，习惯的形成和个体的年龄层次也有很大的关系，通常而言，年纪大的人对传统生活方式会显得更加自在；而对于年轻的群体，由于生活所处的时代的关系，在虚拟和现实中随意转换可能会显得更加自如，即形成的习惯会比较容易在一定程度上改变。年长的个体可能更加倾向于稳定的生活状态，而年轻的个体可能倾向于相对活跃的生活态度。这就导致两种个体对于技术本身的接受上可能会存在一定的差异。

（2）经验

个体经验是获取或者改变个体使用相关技术的重要基础，学习效应的存在对个体在技术采纳或者满意度的改变上具有一定的影响。从理论上来讲，经验有助于个人获取在一个行业内部的隐性知识，长期利用相关技术的人对相关技术本身的技术性诀窍、隐性知识会具有更高的专业性背景知识，这样专业性知识的获取将能够有助于其更加熟练地运用相关技术、获取必要的信息和寻找潜在的机会等。

（3）消费基础（网络消费和实际总体消费）

消费基础主要包含网络消费和现实消费两种。增加这一变量的目的在于体现个体本身的消费习惯以及本身的消费经验。如果个体在网络中消费数量占现实总体消费数量比重相对较高，那么可能说明个体本身在习惯的形成中已经趋向于更加适应网络型的消费模式，对于不同的个体而言，这种差异可能会影响习惯一致性对于个体最终技术本身的接受。同时消费数量的多少在很大程度上能够体现个体消费经验的多少，一般而言，消费数量大的个体在消费经验上会相对比较高，而经验会在很大程度上影响个体本身的满意程度和最终技术的接受意向。