基于自我认同视角研究SNS用户持续使用行为

热米娜·阿布都卡的尔

摘要：

以SNS用户持续使用行为为研究对象，以信息系统持续使用理论模型为基础框架，针对SNS的社会特性加入了社会认同和自我认同以及习惯等因素，建立了SNS用户持续使用行为模型，通过结构方程模型对研究模型和假设进行了实证研究。结果表明：社会认同和自我认同对SNS用户的持续使用有正向影响，社会认同对SNS持续使用的影响大于自我认同对SNS用户持续使用的影响。

关键词：

SNS；持续使用；行为模型；社会认同；自我认同

中图分类号：

F49

文献标识码：A

文章编号：1672-3198（2014）01-0170-03

1 引言

社交网站（SNS）即Social Network Service，是指在“实名交友”的基础上，基于用户之间共同的兴趣、爱好、活动等，在网络平台上构建的一种社会关系网络服务，是目前社会化媒体中较为主流的一种形式。根据中国互联网络信息中心的最新报告统计，截至2013年6月底，我国社交网站用户规模达到2.88亿，较2012年年底社交网站用户数增加了1295万，增长了4.7%。社交网站用户数量上的增长率放缓，但用户规模增长的绝对数值依然比较高，表明我国社交网站已经进入了成熟期。目前社交网站面对的压力不仅是同行间的竞争，还要来自微博、即时通信等替代应用的挑战。在快速发展的环境中如何留住新老用户，减少用户流失率，培养社交网站的持续使用用户成为至关重要的问题。

国内外关于SNS持续使用的研究主要集中网站的技术层面、网站提供的服务、信任隐私以及网站的流行等方面。SNS作为虚拟社区不仅具有信息系统的特性也具有了社区的社会特性。SNS的社会特性以及网站与用户之间的互动而形成的关系，将对用户的参与行为产生影响。本文以SNS用户的认同视角为切入点，以信息系统持续使用理论模型为理论框架，建立了加入自我认同和社会认同因素的SNS用户持续使用行为模型，丰富了当前对信息系统用户持续使用的研究。

2 文献综述

2.1 信息系统持续使用——基于ECT的期望确认理论

期望确认理论ECT最初由Oliver（1980）提出，Oliver认为消费者重复购买产品或服务的意愿主要由初始使用的满意度来决定的，而满意度由期望和确认程度共同决定。Bhattacherjee（2001）在研究电子银行系统持续使用时，把ECT理论运用到信息系统持续使用中，提出了适合信息系统持续使用的期望确认模型ECM（图1）。Bhattacherjee认为信息系统持续使用行为和重复购买产品行为相似，都由初始的满意度来决定，都会被初始使用（信息系统或产品）的经验所影响等。

2.2 SNS持续使用研究综述

Xiao.Ling Jin（2009）等在ECM.IS模型的基础上，加入娱乐价值和情感承诺两个变量，对204名中国用户继续参与网络社区的意愿进行研究，结果发现满意度和情感承诺均是继续参与意愿影响因素。殷国鹏（2010）以期望确认理论为基础，引入了感知趣味性、结构嵌入性、感知隐私风等因素，建立了SNS持续使用意愿模型。结果表明，感知有用性和感知隐私风险对用户使用意图没有显著影响。Kuan-Yu Lin等（2011）采用网络外部性和动机理论来研究SNS持续使用时发现趣味性是影响用户持续使用社交网站的首要因素。Lin Lu（2011）认为社会互动关系（结构维度），价值共享（结构维度），信任（关系维度）是face book用户持续使用意愿的重要因素。Ya Ping Chang，Dong Hong Zhu（2012）以信息系统持续使用期望确认理论为基础，加入了感知社会资本和流畅体验，建立了个SNS持续使用模型。

2.3 网络环境下社会认同和自我认同的研究

社会认同理论由Tajfel等人在20世纪70年代提出。1986年Tajfel和Turner把社会认同理论从个体和群体两个层面进行了区分，认为个体从人际和群体互动中分别获得角色身份和群体身份，前者是个体通过不断的自我展示而获得的自我认同，后者是个体通过自我归类得到社会认同。杨宜音（2002）认为，个体在社会活动中需要获得自我认同和社会认同。自我认同是通过不断发现自我与个体所在的社会群体之间的差异来获得。社会认同是个体所在的社会群体与其他社会群体之间的差异来获得。Schau和Muniz（2002）研究证明，在虚拟社区中，同时存在个体感知到的理想自我形象与虚拟社区中的自我形象的差异，而获得的虚拟自我认同和个体感知到虚拟自我形象和虚拟社群形象的差异而获得的社会认同。

3 研究模型与假设

本文以信息系统持续使用模型（ECM—ISC）为基础，整合社会认同理论，加入了社会认同和自我认同两个变量，建立了本研究的模型（图2）。

基于整合模型，提出了基本假设：

H1：用户满意度对SNS用户的持续使用意愿有正向影响。

H2：用户的期望确认度对SNS用户的满意度有正向影响。

H3：用户的期望确认度对SNS用户的感知有用性有正向影响。

H4：感知有用性对SNS用户的满意度有正向影响。

H5：感知有用性对SNS用户持续使用意愿有正向影响。

Kosflles（2005）指出，虚拟自我认同是网民以自身经验对行为的反思性的理解。黄厚铭（2001）虚拟空间中的个体借助他人来建立虚拟自我形象，并在人际互动关系中探索和构建自我认同。用户的自我认同会对社区互动与他人建立信任的关系产生影响，而信任是虚拟社区用户满意度的一个重要因素。由此可以提出研究假设

H6：自我认同对SNS用户的满意度产生正向影响。

Bagozzi & Dholakia（2002）等认为在情感层面上，社会认同意味着成员的情感参与感，研究人员把它定性为是爱慕或情感承诺。基于情感的社会认同能培养成员在社区中的忠诚度和公民行为（Bergami & Bagozzi， 2000；Meyer Stanley，2002），并有效的解释了消费者在营销环境下与企业保持忠诚关系的意愿（Bhattacharya & Sen， 2003）。Chan（2001）等认为，用户在虚拟社区中所感受到的社区感对用户的参与程度有正向的影响。Kim（2004）等在研究发现，虚拟社区感对在线旅游社区用户的的忠诚度有积极的作用，而用户忠诚能提高用户重复访问旅游社区的频率。由此可以提出研究假设endprint

H7：社会认同对SNS用户满意度正向影响。

虚拟社区的自我认同与社会认同是相互关联的。虚拟社区用户在网上通过自我展示和表现建立虚拟角色身份，用户虚拟角色的履行程度从虚拟社区用户互动中得到反应，进而影响其对虚拟自我感的评价（Burke，1994），并对虚拟社群的参与行为产生影响。因此，在虚拟社区中自我认同的完成程度会影响社会认同。Lou（2008）认为虚拟社区用户自我认同与社会认同是同时存在的，且自我认同对社会认同有显著的正向影响，对于互动活动对成员的社会认同有着部分中介作用。由此提出研究假设

H8：自我认同对社会认同产生正向影响。

4 研究设计

4.1 量表设计

本研究是涉及到6个变量，变量的所有测量项目基本上借鉴已有文献。问卷设计采用通行的Likert 7级量表形式，从完全不同意、比较不同意、不同意、不确定、同意、比较同意、完全同意，每个变量至少有3个及以上的测量项。概念测量项目详见表1。

4.2 数据收集

本次调查在问卷星上发放问卷300份，收回有效问卷263份，问卷有效率为87%。其中，样本基本分布情况为：男性占总样本比例为46%，女性占总样本比为53%；大学本科及以上占总样本比例89%；年龄段主要分布在18～25岁，占总样本比例为67%，其次是26～35岁，占总样本的30%。各类职业中，学生占总样本的60%。互联网使用经验3年以上的大约占了62%。

5 数据分析结果

5.1 信度效度检验

量表的可靠性通过信度分析来检验，信度检验通常以CronbachS α系数检验潜变量的测量指标间的一致性。α系数大于0.7，组合信度（CR）大于0.6表示量表具有较好的可信度。通过SPSS20计算出各指标的α系数和CR值。根据表2的数据，测量α系数均在0.73～0.86之间，组合信度均在0.78～0.89之间，表示测量指标是可信的。

效度检验包括聚合效度检验和区分效度检验，通常采用检验性因子分析来检验聚合效度和区别效度。据表二中所示，所有指标的标准因子载荷均大于0.5，所以量表具有较好的聚合效度。区别效度通过AVE进行检验，表三是各变量的相关系数矩阵，其对角线上的数字表示的是对应变量AVE的平方根。可以看出，各变量的AVE的平方根值均大于0.74，并且所有变量的AVE的平方根大于与其他变量的相关系数，所以研究模型具有较好的区别效度。

5.2 结构方程检验

在测量模型经过实证检验后，我们就可以利用PLS方法检验概念之间的结构关系模型。如图2所示，研究模型的实证结果主要包括以下几点：

（1）研究模型的R2整体达到了0.488，说明它可以解释SNS用户持续使用行为接近50%变动方差，表明总体研究模型的解释能力较强。

（2）结构模型结果分析表明，研究假设H1～H4，H6～H11均得到了数据统计的有效支持，显著性水平均小于0.05，用户的满意度与SNS用户持续意愿之间的路径系数最高（0.571），感知有用性对SNS用户持续使用意愿和满意度的影响不显著。以前的研究大多是功能型信息系统的持续使用，用户感知的系统有用性是重要的因素，而SNS属于享乐型信息系统，用户的选择使用不受感知有用性的影响。

（3）期望确认度显著的影响用户的满意度和感知有用性，社会认同对满意度的影响程度高于自我认同对满意度的影响，自我认同对社会认同也有显著的影响作用。SNS具有强烈的社会特性，用户使用SNS的满意度受到用户在虚拟社区中构建的身份以及在虚拟互动中与他人的关系等因素的影响。

参考文献

[1]Bhattacherjee A. Understanding information systems continuance： an expectation-confirmation model[J]. MIS quarterly， 2001， 25（3）： 351-370.

[2]Bhattacherjee A， Premkumar G. Understanding changes in belief and attitude toward information technology usage： a theoretical model and longitudinal test[J]. MIS quarterly， 2004， 28（2）：229-254.

[3]Chiu C M， Hsu M H， Wang E T G. Understanding knowledge sharing in virtual communities： an integration of social capital and social cognitive theories[J]. Decision support systems， 2006， 42（3）：1872-1888.

[4]Chang Y P， Zhu D H. The role of perceived social capital and flow experience in building users continuance intention to social networking sites in China[J]. Computers in Human Behavior， 2012， 28（3）：995-1001.

[5]Dholakia U M， Bagozzi R P， Pearo L K. A social influence model of consumer participation in network-and small-group-based virtual communities[J]. International journal of research in marketing， 2004， 21（3）：241-263.

[6]Bagozzi R P， Dholakia U M. Intentional social action in virtual communities[J]. Journal of interactive marketing， 2002， 16（2）： 2-21.

[7]Schau H J， Muniz Jr A M. Brand communities and personal identities： Negotiations in cyberspace[J]. Advances in consumer research， 2002， 29（1）： 344-349.

[8]楼天阳，陆雄文.虚拟社区成员心理联结机制的概念模型：基于身份与纽带视角[J].营销科学学报，2009，5（3）：50-60.endprint

H7：社会认同对SNS用户满意度正向影响。

虚拟社区的自我认同与社会认同是相互关联的。虚拟社区用户在网上通过自我展示和表现建立虚拟角色身份，用户虚拟角色的履行程度从虚拟社区用户互动中得到反应，进而影响其对虚拟自我感的评价（Burke，1994），并对虚拟社群的参与行为产生影响。因此，在虚拟社区中自我认同的完成程度会影响社会认同。Lou（2008）认为虚拟社区用户自我认同与社会认同是同时存在的，且自我认同对社会认同有显著的正向影响，对于互动活动对成员的社会认同有着部分中介作用。由此提出研究假设

H8：自我认同对社会认同产生正向影响。

4 研究设计

4.1 量表设计

本研究是涉及到6个变量，变量的所有测量项目基本上借鉴已有文献。问卷设计采用通行的Likert 7级量表形式，从完全不同意、比较不同意、不同意、不确定、同意、比较同意、完全同意，每个变量至少有3个及以上的测量项。概念测量项目详见表1。

4.2 数据收集

本次调查在问卷星上发放问卷300份，收回有效问卷263份，问卷有效率为87%。其中，样本基本分布情况为：男性占总样本比例为46%，女性占总样本比为53%；大学本科及以上占总样本比例89%；年龄段主要分布在18～25岁，占总样本比例为67%，其次是26～35岁，占总样本的30%。各类职业中，学生占总样本的60%。互联网使用经验3年以上的大约占了62%。

5 数据分析结果

5.1 信度效度检验

量表的可靠性通过信度分析来检验，信度检验通常以CronbachS α系数检验潜变量的测量指标间的一致性。α系数大于0.7，组合信度（CR）大于0.6表示量表具有较好的可信度。通过SPSS20计算出各指标的α系数和CR值。根据表2的数据，测量α系数均在0.73～0.86之间，组合信度均在0.78～0.89之间，表示测量指标是可信的。

效度检验包括聚合效度检验和区分效度检验，通常采用检验性因子分析来检验聚合效度和区别效度。据表二中所示，所有指标的标准因子载荷均大于0.5，所以量表具有较好的聚合效度。区别效度通过AVE进行检验，表三是各变量的相关系数矩阵，其对角线上的数字表示的是对应变量AVE的平方根。可以看出，各变量的AVE的平方根值均大于0.74，并且所有变量的AVE的平方根大于与其他变量的相关系数，所以研究模型具有较好的区别效度。

5.2 结构方程检验

在测量模型经过实证检验后，我们就可以利用PLS方法检验概念之间的结构关系模型。如图2所示，研究模型的实证结果主要包括以下几点：

（1）研究模型的R2整体达到了0.488，说明它可以解释SNS用户持续使用行为接近50%变动方差，表明总体研究模型的解释能力较强。

（2）结构模型结果分析表明，研究假设H1～H4，H6～H11均得到了数据统计的有效支持，显著性水平均小于0.05，用户的满意度与SNS用户持续意愿之间的路径系数最高（0.571），感知有用性对SNS用户持续使用意愿和满意度的影响不显著。以前的研究大多是功能型信息系统的持续使用，用户感知的系统有用性是重要的因素，而SNS属于享乐型信息系统，用户的选择使用不受感知有用性的影响。

（3）期望确认度显著的影响用户的满意度和感知有用性，社会认同对满意度的影响程度高于自我认同对满意度的影响，自我认同对社会认同也有显著的影响作用。SNS具有强烈的社会特性，用户使用SNS的满意度受到用户在虚拟社区中构建的身份以及在虚拟互动中与他人的关系等因素的影响。

参考文献

[1]Bhattacherjee A. Understanding information systems continuance： an expectation-confirmation model[J]. MIS quarterly， 2001， 25（3）： 351-370.

[2]Bhattacherjee A， Premkumar G. Understanding changes in belief and attitude toward information technology usage： a theoretical model and longitudinal test[J]. MIS quarterly， 2004， 28（2）：229-254.

[3]Chiu C M， Hsu M H， Wang E T G. Understanding knowledge sharing in virtual communities： an integration of social capital and social cognitive theories[J]. Decision support systems， 2006， 42（3）：1872-1888.

[4]Chang Y P， Zhu D H. The role of perceived social capital and flow experience in building users continuance intention to social networking sites in China[J]. Computers in Human Behavior， 2012， 28（3）：995-1001.

[5]Dholakia U M， Bagozzi R P， Pearo L K. A social influence model of consumer participation in network-and small-group-based virtual communities[J]. International journal of research in marketing， 2004， 21（3）：241-263.

[6]Bagozzi R P， Dholakia U M. Intentional social action in virtual communities[J]. Journal of interactive marketing， 2002， 16（2）： 2-21.

[7]Schau H J， Muniz Jr A M. Brand communities and personal identities： Negotiations in cyberspace[J]. Advances in consumer research， 2002， 29（1）： 344-349.

[8]楼天阳，陆雄文.虚拟社区成员心理联结机制的概念模型：基于身份与纽带视角[J].营销科学学报，2009，5（3）：50-60.endprint

H7：社会认同对SNS用户满意度正向影响。

虚拟社区的自我认同与社会认同是相互关联的。虚拟社区用户在网上通过自我展示和表现建立虚拟角色身份，用户虚拟角色的履行程度从虚拟社区用户互动中得到反应，进而影响其对虚拟自我感的评价（Burke，1994），并对虚拟社群的参与行为产生影响。因此，在虚拟社区中自我认同的完成程度会影响社会认同。Lou（2008）认为虚拟社区用户自我认同与社会认同是同时存在的，且自我认同对社会认同有显著的正向影响，对于互动活动对成员的社会认同有着部分中介作用。由此提出研究假设

H8：自我认同对社会认同产生正向影响。

4 研究设计

4.1 量表设计

本研究是涉及到6个变量，变量的所有测量项目基本上借鉴已有文献。问卷设计采用通行的Likert 7级量表形式，从完全不同意、比较不同意、不同意、不确定、同意、比较同意、完全同意，每个变量至少有3个及以上的测量项。概念测量项目详见表1。

4.2 数据收集

本次调查在问卷星上发放问卷300份，收回有效问卷263份，问卷有效率为87%。其中，样本基本分布情况为：男性占总样本比例为46%，女性占总样本比为53%；大学本科及以上占总样本比例89%；年龄段主要分布在18～25岁，占总样本比例为67%，其次是26～35岁，占总样本的30%。各类职业中，学生占总样本的60%。互联网使用经验3年以上的大约占了62%。

5 数据分析结果

5.1 信度效度检验

量表的可靠性通过信度分析来检验，信度检验通常以CronbachS α系数检验潜变量的测量指标间的一致性。α系数大于0.7，组合信度（CR）大于0.6表示量表具有较好的可信度。通过SPSS20计算出各指标的α系数和CR值。根据表2的数据，测量α系数均在0.73～0.86之间，组合信度均在0.78～0.89之间，表示测量指标是可信的。

效度检验包括聚合效度检验和区分效度检验，通常采用检验性因子分析来检验聚合效度和区别效度。据表二中所示，所有指标的标准因子载荷均大于0.5，所以量表具有较好的聚合效度。区别效度通过AVE进行检验，表三是各变量的相关系数矩阵，其对角线上的数字表示的是对应变量AVE的平方根。可以看出，各变量的AVE的平方根值均大于0.74，并且所有变量的AVE的平方根大于与其他变量的相关系数，所以研究模型具有较好的区别效度。

5.2 结构方程检验

在测量模型经过实证检验后，我们就可以利用PLS方法检验概念之间的结构关系模型。如图2所示，研究模型的实证结果主要包括以下几点：

（1）研究模型的R2整体达到了0.488，说明它可以解释SNS用户持续使用行为接近50%变动方差，表明总体研究模型的解释能力较强。

（2）结构模型结果分析表明，研究假设H1～H4，H6～H11均得到了数据统计的有效支持，显著性水平均小于0.05，用户的满意度与SNS用户持续意愿之间的路径系数最高（0.571），感知有用性对SNS用户持续使用意愿和满意度的影响不显著。以前的研究大多是功能型信息系统的持续使用，用户感知的系统有用性是重要的因素，而SNS属于享乐型信息系统，用户的选择使用不受感知有用性的影响。

（3）期望确认度显著的影响用户的满意度和感知有用性，社会认同对满意度的影响程度高于自我认同对满意度的影响，自我认同对社会认同也有显著的影响作用。SNS具有强烈的社会特性，用户使用SNS的满意度受到用户在虚拟社区中构建的身份以及在虚拟互动中与他人的关系等因素的影响。

参考文献

[1]Bhattacherjee A. Understanding information systems continuance： an expectation-confirmation model[J]. MIS quarterly， 2001， 25（3）： 351-370.

[2]Bhattacherjee A， Premkumar G. Understanding changes in belief and attitude toward information technology usage： a theoretical model and longitudinal test[J]. MIS quarterly， 2004， 28（2）：229-254.

[3]Chiu C M， Hsu M H， Wang E T G. Understanding knowledge sharing in virtual communities： an integration of social capital and social cognitive theories[J]. Decision support systems， 2006， 42（3）：1872-1888.

[4]Chang Y P， Zhu D H. The role of perceived social capital and flow experience in building users continuance intention to social networking sites in China[J]. Computers in Human Behavior， 2012， 28（3）：995-1001.

[5]Dholakia U M， Bagozzi R P， Pearo L K. A social influence model of consumer participation in network-and small-group-based virtual communities[J]. International journal of research in marketing， 2004， 21（3）：241-263.

[6]Bagozzi R P， Dholakia U M. Intentional social action in virtual communities[J]. Journal of interactive marketing， 2002， 16（2）： 2-21.

[7]Schau H J， Muniz Jr A M. Brand communities and personal identities： Negotiations in cyberspace[J]. Advances in consumer research， 2002， 29（1）： 344-349.

[8]楼天阳，陆雄文.虚拟社区成员心理联结机制的概念模型：基于身份与纽带视角[J].营销科学学报，2009，5（3）：50-60.endprint