数字图书馆信息质量、系统质量与服务质量整合研究

孟猛+朱庆华

〔摘 要〕 [目的]为提高数字图书馆的信息质量、系统质量及服务质量，增加用户感知效果，增强用户黏性。[方法]本文以理性行为理论、技术接受模型、技术接受与利用整合理论为基础，通过引入信息系统成功模型的信息质量、系统质量、服务质量三个变量，结合已有研究成果，构建数字图书馆信息质量、系统质量及服务质量整合模型。运用探索性因子分析、验证性因子分析、结构方程模型对数字图书馆的用户行为意愿进行实证研究，并利用R语言编写程序，计算该模型的统计力。[结果与建议]结果显示，信息质量对感知有用正向影响显著、系统质量对信息质量以及服务质量和感知有用正向影响显著、服务质量对感知易用正向影响显著等。该模型统计力非常高，表明对本文的分析结果有足够的信心。根据对研究结果的讨论，提出了如何提高数字图书馆的信息质量、系统质量及服务质量的建议。[意义与局限]最后对本文的研究意义和局限性进行了探讨。

〔关键词〕数字图书馆；信息质量；系统质量；服务质量；结构方程模型；R语言

DOI：10.3969/j.issn.1008-0821.2017.08.001

〔中图分类号〕G250.76 〔文献标识码〕A 〔文章编号〕1008-0821（2017）08-0003-09

〔Abstract〕[Objective] In order to improve the information quality，system quality and service quality of Digital Library increase the users Perception effect and enhance the users stickiness. [Methods] The article was based on Theory of Reasoned Action，Technology Acceptance Model and the Unified Theory of Acceptance and Use of Technology，by introducing three variables of the Information System Success Model： Information Quality，System Quality and Service Quality，and combined with existing research results and constructed the integration model of information quality，system quality and service quality of Digital Library. And the Exploratory Factor Analysis，Confirmatory Factor Analysis and Structural Equation Model were used for empirical research on user behavior intention of Digital library，and the Statistical power of the integration model was calculated by compiling R language program. [Results/Proposals] The results showed that information quality has a significant impact on perceived usefulness，system quality has a significant impact on information quality，service quality and perceived usefulness，and service quality has a significant impact on perceived ease of use. The statistical power of the model was very high，which showed that the results of the article have enough confidence. According to discuss the results of the study，the article put forward some proposals on how to improve the information quality，system quality and service quality of the Digital Library.

[Implications/ Limitations] Finally，the implications and limitations of the study were discussed.

〔Key words〕digital Library；information quality；system quality；service quality；structural equation modeling；R language

数字图书馆是一个以数字资源建设为基础、以用户需求为中心、以各种信息技术为手段的综合信息资源服务系统平台，其在用户信息检索、挖掘、利用等过程中扮演着重要角色。近年来，随着人类由IT时代进入DT时代后，信息数量急剧增长，用户对信息需求有了更高要求，使得数字图书馆由“以资源建设为中心”向“以用户服务为中心”转变，提高用户满意度，增加用户感知效果，增强用户黏性。从近几年来国内外学者的研究成果看，主要集中在三个方面。第一，用户满意度方面，胡昌平等[1]认为用户满意度是数字图书馆服务质量的重要衡量指标，并运用结构方程模型对高校数字图书馆用户满意度影响因素及这些因素之间的关系进行研究。研究发现，信息供给、信息检索及个性化服务质量直接影响用户满意度；Masrek和Gaskin [2]为了检验用户满意度的决定因素，通过结构方程模型对一种基于重新指定的信息系统成功模型进行分析测试。结果表明，信息质量、系统质量、服务质量、感知有用性、感知易用性和认知吸收是数字图书馆用户满意度非常重要的预测因素；Lee， Seung Ah和Kim， Heesop [3]以及Lee和Baek [4]也开展了相关研究。第二，用户行为方面，刘锦宏等[5]以用戶行为关系理论和科技接受模型为基础，构建移动数字图书馆用户行为模型并开展实证调查研究。并根据研究结论，提出如何提高数字图书馆的普及率，吸引更多用户使用移动数字图书馆的建议；易红[6]、张聪[7]及DeLone和McLean [8]也都开展了相关研究。第三，人机交互方面，李月琳等[9]探讨用户与数字图书馆不同维度交互及对交互绩效的影响。结果显示，技术维度的“界面易用性”、“导航清晰性”和“栏目信息组织合理性”，信息维度的“所获信息充分性”及任务维度的“获得任务所需信息的信心”对数字图书馆的交互绩效有显著影响；刘国晓等[10]从人机交互的角度探讨影响用户技术接受的三个方面：用户、系统、服务，并通过因子分析对这三个方面进行公因子提取，得到修正后的用户技术接受影响因素。

国内外学者在数字图书馆用户满意度、用户行为及人机交互方面已有一定的研究，对数字图书馆提高用户满意度、增加用户感知效果、增强用户黏性，提供有益参考。但还未发现整合数字图书馆信息质量、系统质量及服务质量，研究在信息检索过程中用户对数字图书馆的感知效果及使用态度和意向。鉴于此，本文以理性行为理论（TRA）[11]、技术接受模型（TAM）[12]、技术接受与利用整合理论（UTAUT）[13]为基础，通过引入DeLone和McLean [8]的信息系统成功模型的信息质量、系统质量、服务质量三个变量，结合Wixom和Todd [14]以及Xu等[15]的研究成果，构建数字图书馆信息质量、系统质量及服务质量整合模型。运用探索性因子分析、验证性因子分析、结构方程模型（Structural Equation Modeling，SEM）对数字图书馆用户的感知效果及使用态度和意向进行实证研究。以期对提高数字图书馆的信息质量、系统质量及服务质量，增加用户感知效果，增强用户黏性具有一定的实践指导意义。

1 概念模型与研究假设

1.1 概念模型

技术接受模型（TAM）将社会心理学中的理性行为理论（TRA）运用到管理信息系统（MIS），通过感知有用、感知易用、使用态度、使用意向以及外部变量等因素，解释和预测人们对信息技术的接受程度[16-17]。数字图书馆作为提供信息资源的平台，用户在信息检索过程中的感知效果直接影响后续的使用态度和意向。基于此，本文通过对理性行为理论（TRA）[11]、技术接受模型（TAM）[12]、技术接受与利用整合理论（UTAUT）[13]以及DeLone和McLean [8]的信息系统成功模型的研究，参照Wixom和Todd [14]及Xu等[15]的研究成果，综合考虑数字图书馆管理信息系统特性，提出基于TAM的数字图书馆信息质量、系统质量及服务质量整合模型，如图1所示。在该模型中，信息质量[18]是指用户对数字图书馆所提供信息支持信息需求的感知，通常与信息质量有关的属性是准确性、及时性、精确性、完整性、相关性等；系统质量[18]是指用户对数字图书馆在检索和传递信息中的性能感知，测量系统质量的属性一般是可用性、可靠性、有效性、效率等[19]；LibQUAL[20]基于SERVQUAL[21][22]的概念模型，将服务质量定义为“用户感知和期望之间的差异”，与服务质量有关的主要属性是可访问性、可靠性、集成性、响应性等[18-19]。关于数字图书馆信息质量、系统质量及服务质量三者的关系，本文将提出假设并进行实证研究。

1.2 研究假设

1）信息质量。信息质量是指用户对数字图书馆所提供信息支持信息需求的感知。如果数字图书馆能提供及时、完整、准确的信息服务，提高信息检索的查全率和查准率等，那么用户在使用数字图书馆时，感知有用性将会增加。同时，用户在评价服务质量时，不仅考虑与服务有关的因素，还考虑对信息质量的感知。由此，提出如下假设：

H1a：信息质量正向影响用户对数字图书馆的感知有用性。

H1b：用户对信息质量的感知正向影响用户对服务质量的感知。

2）系统质量。Xu等[15]认为当用户被要求评估信息質量或服务质量时，他们会自然而然地考虑系统质量，也就是说当用户评价信息质量或服务质量时，他们不仅评估与信息质量或服务质量有关的因素，而且也会评估和描绘他们对系统质量的感知。系统质量是指用户对数字图书馆在检索和传递信息中的性能感知。如果数字图书馆运行可靠、性能稳定、容易访问，灵活适应用户各种信息需求，及时回应用户信息检索请求，那么用户在使用数字图书馆时，感知有用性和感知易用性将会增加。由此，提出如下假设：

H2a：用户对系统质量的感知正向影响用户对信息质量的感知。

H2b：用户对系统质量的感知正向影响用户对服务质量的感知。

H2c：系统质量正向影响用户对数字图书馆的感知有用性。

H2d：系统质量正向影响用户对数字图书馆的感知易用性。

3）服务质量。服务质量是指用户对数字图书馆感知和期望之间的差异，也就是满足用户需求的程度。如果数字图书馆能够给用户提供个性化自动信息推荐、在线咨询参考等服务，

用户就不需要为了获取想要的服务，花费时间和精力去查找，从而感知数字图书馆的好处。如果数字图书馆能够向用户提供各种使用教育培训及APP、QQ、微信等服务，用户就会更好地使用数字图书馆，感知易用性将会增加。由此，提出如下假设：

H3a：服务质量正向影响用户对数字图书馆的感知有用性。

H3b：服务质量正向影响用户对数字图书馆的感知易用性。

4）感知易用。感知易用是指用户认为数字图书馆很容易使用。当用户感觉数字图书馆不需要长时间学习或培训就可以很容易使用，他们就会尝试去使用。但是，当用户感觉数字图书馆很难使用，很大程度上将会影响用户对数字图书馆的感知有用性，也就是说用户的感知有用性将受到感知易用的影响。由此，提出如下假设：

H4a：感知易用性正向影响用户对数字图书馆的使用态度。

H4b：感知易用性正向影响用户对数字图书馆的感知有用性。

5）感知有用。感知有用是指用户认为数字图书馆可以提高工作效能。当数字图书馆能够满足用户需求、提高用户效率、改善用户绩效时，用户将具备足够的动力去使用它。而且，Davis[12]等通过实证研究得出结论感知有用性是信息技术使用意向的主要决定因素。由此，提出如下假设：

H5a：感知有用性正向影响用户对数字图书馆的使用态度。

H5b：感知有用性正向影响用户对数字图书馆的使用意向。

6）使用态度。使用态度是指用户对数字图书馆持久性的评价、感觉。当用户认为使用数字图书馆检索信息是一个不错的主意、有效的想法、明智的选择时，他们愿意经常使用数字图书馆检索信息，乐意推荐身边的朋友使用数字图书馆，未来还愿意继续使用数字图书馆检索信息。由此，提出如下假设：

H6：使用态度正向影响用户对数字图书馆的使用意向。

2 研究变量与样本估算

2.1 研究变量

本文将数字图书馆信息质量、系统质量及服务质量整合模型的变量界定为7个研究变量，分别是信息质量、系统质量、服务质量、感知有用、感知易用、使用态度和使用意向。研究变量的概念定义及相关文献的资料来源如表1所示。

2.2 样本估算

结构方程模型（SEM）作为一种大样本分析方法，根据Hair等[23]的建议，一般样本数应为观测变量的10～15倍。本文研究模型观测变量为23个，按照Hair等[23]的建议，样本量应为230～345个。同时，本文结合MacCallum， Browne和Sugawara[24]的研究，通过R语言编程计算样本数，设H0：RMSEA=0.05，在模型整体统计力（Power）为0.8，对立假设H1：RMSEA=0.07，预估自由度224的情形下，计算样本数约为139.0625个。因此，本文研究的样本数为233个，满足结构方程模型（SEM）分析对样本数的要求。

3 数据来源及模型分析

3.1 量表设计与数据采集

根据模型中所涉及的研究变量，在参考国内外学者研究中的量表结构的基础上，进行问卷设计。所有测量题项的衡量尺度均采用李克特（Likert）五级等距量表，其中“1”为很不同意、“2”为不同意、“3”为一般、“4”为同意、“5”为很同意。本次问卷调查时间为2016年10～12月，调查对象为对南京大学、东南大学、海南大学、南京审计大学、中南林业科技大学的在校研究生和本科生。其中，南京大学、东南大学、南京审计大学进行现场发放纸质问卷，海南大学、中南林业科技大学通过邮寄方式发放纸质问卷。每所学校发放问卷100份，共发放问卷500份，回收问卷465份，回收率为93%，剔除全部选“1”或“5”及其它无效问卷32份，有效问卷433份，有效率为86.6%。其中，200份问卷用于探索性因子分析，233份问卷用于验证性因子分析及结构方程路径分析。

3.2 探索性因子分析

信度分析主要基于真分数测量理论，用于测度指标体系的内部一致性；效度分析用于测度问卷的逻辑结构合理性。本文采用SPSS24.0对回收的200份有效问卷进行信度和效度分析，其中问卷的信度分析采用Cronbachs Alpha系数；效度分析采用KMO和巴特利特检验球形度检验。结果显示，所有变量的Cronbachs Alpha>0.7；KMO值均大于0.5，且Sig.值均为0.000。说明样本测量数据可信、量表总体有效，适合做结构方程分析。但是在做结构方程分析之前，还需要进行验证性因子分析。

3.3 验证性因子分析

1） 收敛效度的验证。Thomopson[25]认为做结构方程模型分析之前应先对测量模型进行分析，Segars[26]和 Jackson等[27]也认为做结构模型之前一定要评估测量模型。据此，本文采用AMOS22.0，对测量模型进行验证性因子分析，结果如表2所示。从表2可知，信息质量、系统质量、服务质量、感知有用、感知易用、使用态度和使用意向的因素负荷量在0.524～0.948之间，且显著；组成信度在0.722～0.851之间，平均方差萃取量在0.398～0.658之间，符合Hair等[28]及Fornell和Larcker[29]的标准：因素负荷量>0.5，组成信度>0.6，平均方差萃取量>0.5，多元相关系数的平方>0.5。该模型除系统质量的平均方差萃取量低于0.5外，但仍属于可接受范围，其余均符合标准，因此七个构念均具有收敛效度。

2） 区别效度的验证。区别效度分析用于验证模型构念之间相关性在统计上是否有差异。Bagozzi和Yi建议平均方差萃取量（AVE）的算术平方根应大于构念之间Pearson相关数的绝对值，此时表明构念之间有较好的区分效度[30]。据此，本文进行了区分效度的验证，结果如表3所示。从表3可知，对角线粗体字为平均方差萃取量（AVE）算术平方根，下三角为构念之间的Pearson相关系数。该模型除服务质量、系统质量的区分效度稍低外，仍可以接受，因此该模型构念之间具有区别效度。

通过对测量模型收敛效度和区别效度的验证，该模型可以做结构方程分析。

3.3 结构方程路径分析

3.3.1 模型路径系数分析

本文采用AMOS22.0对该模型的路径关系进行了分析，除信息质量对服务质量H1b、系统质量对感知易用H2d、服务质量对感知有用H3a的路径系数不显著外，其它都显著。通过删除H1b、H2d、H3a这三条路径，对假设检验进一步分析，检验结果均显著影响，如表4所示。

3.3.2 模型整体拟合度与正态分析

SEM分析的必要条件是要有不错的模型拟合度指标[31]，模型拟合度指标越好说明SEM理论模型矩阵与样本矩阵越接近。本文模型拟合度指標参照Iacobucci[32]的建议：卡方与自由度之比（CMIN/DF）约为3；拟合优度指数（GFI）、调整拟合优度指数（AGFI）、比较拟合指数（CFI）约为0.9；近似误差均方根（RMSEA）在0.9以内，以及Doll[33]的建议：拟合优度指数（GFI）>0.8、调整拟合优度指数（AGFI）<0.9，表示该模型是可以接受的。而且，SEM分析需要观测数据符合正态分布，Gao等[34]认为单变量正态是指样本中每一个变量的分布，多变量正态是指样本中所有变量的联合分布。Kline[35]建议单变量正态：每个观测变量的skewness和kurtosis值得绝对值应在3～10之间；Bentler[36]建议多变量正态：Multivariates C.R.≤5。经正态评估发现，符合单变量正态，但是Multivariates C.R.= 21.113，不符合多变量正态。原因在于变量与变量之间相关比较高，容易违反多变量正态，导致卡方值膨胀，拟合度变差，低估标准误，影响显著性估计。因此，需要采用Bollen-Stine bootstrap进行模型整体拟合度修正[37-39]，并根据所有拟合度指数的计算方法重新计算模型整体拟合度指数，如表5所示。从表5可知，模型拟合度较好，可以接受，修正后的数字图书馆信息质量、系统质量及服务质量整合模型标准化路径系数图，如图2所示。

3.4 R语言程序编写与统计力鉴定

本文采用Maccallum[40]的统计力分析方法计算该模型的统计力，该方法基于RMSEA和非中心卡方分布对三个不同的零假设进行测试。这三个零假设中，前两个是接近适配假设（the close-fit hypothesis）（H0：ε0≤0.05）和精确适配假设（the exact-fit hypothesis）（H0：ε0=0），第三个假设是非接近适配假设（the not-close-fit hypothesis）或（H0：ε0≥0.05），也就是接近适配假设（the close-fit hypothesis）反向。据此，本文以H0：ε0=0.05，分别计算H1：ε1=0.01和H1：ε1=0.08数字图书馆信息质量、系统质量及服务质量整合模型的统计力。通过编写R语言程序，计算结果为在0.9991668～0.9999346之间，表明该模型统计力非常高，对本文的分析结果有足够的信心。

4 结论

4.1 结果讨论

本文在总结已有研究成果的基础上，通过整合数字图书馆信息质量、系统质量及服务质量，构建数字图书馆信息质量、系统质量及服务质量整合模型，开展用户在信息检索过程中对数字图书馆的感知效果及使用态度和意愿的研究，这是本文的创新之处。根据本文构建的概念模型，提出研究假设和问卷设计并进行相应的数据采集，结合探索性因子分析、验证性因子分析、结构方程路径分析以及R语言编写程序计算模型统计力，研究发现如下结论：

4.1.1 信息質量对感知有用正向影响显著

刘锦宏等[5]研究发现内容质量对感知有用有正向影响关系。Wixom和Todd[14]以及Xu[15]认为信息质量对信息满意度有显著影响，进一步影响用户对数字图书馆的感知有用性。如果数字图书馆能够向用户提供及时、全面、无差错的信息服务，提高用户检索信息的查全率和查准率等，用户会认为数字图书馆很有用，使用意愿也会增加。因此，建议应加强数字图书馆信息资源的建设，比如电子期刊库（万方期刊数据库、维普期刊数据库、中国知网期刊数据库、Elsevier ScienceDirect、SpringerLink等）、电子图书库（超星数据库、方正数据库、SpringerLink等）、学位论文库（商业学位论文数据库（国内外）、自建学位论文数据库等）以及多媒体资源库（视频数据库、特色资源库、光盘库、PPT数据库、图片数据库、音乐数据库等）。

4.1.2 系统质量对信息质量、服务质量和感知有用正向影响显著

Xu等[15]认为当用户评价信息质量或服务质量时，他们不仅评估与信息质量或服务质量有关的因素，而且也会评估和描绘他们对系统质量的感知。刘锦宏等[5]研究发现系统质量对内容质量有正向影响关系。如果数字图书馆运行可靠、性能稳定、容易访问，而且能够灵活适应用户各种信息需求，并及时回应用户信息检索的请求，用户会认为使用数字图书馆能够满足自身需求、提高效率、提升成绩，进而影响使用态度和意愿。因此，建议加强数字图书馆硬件、软件、服务、人员等投入力度，具体可根据GB/T 20984-2007标准给出的资产分类方法[41]，确保数字图书馆系统运行可靠、性能稳定，满足用户的各种信息需求，同时做好数字图书馆信息安全管理工作。

4.1.3 服务质量对感知易用正向影响显著

Masrek和Gaskin[2]研究发现数字图书馆的服务质量对用户满意度有显著影响，而且该结论已被Lee， Seung Ah和Kim， Heesop [3]以及Lee和Baek [4]的研究证实。因此，数字图书馆如果能够积极向用户开展各种服务工作，比如根据用户行为习惯和偏好，实现个性化定制，包括信息自动推送、书目自动推荐等，用户就不需要为了获取想要的服务，花费时间和精力去查找，将会增强用户黏性，增加用户满意度。同时，数字图书馆如果能够向用户提供各种数据库系统的使用教育培训以及APP、QQ、微信等服务，用户就会感觉到数字图书馆很容易使用。

4.1.4 感知易用对感知有用正向影响显著

该结论已被Davis等[12]、Wixom和Todd[14]、Xu等[15]的研究证实。如果用户在使用数字图书馆的过程中，感觉到数字图书馆的操作简单、易学、交互界面清晰，而且容易找到用户所需要的信息，那么将会增加用户对数字图书馆的感知有用性。因此，建议数字图书馆应加强页面设计工作，比如使用合适的背景、颜色、字体和版面对数字图书馆信息资源进行展示，同时采用导航工具条、网站地图等整合显示各种信息资源，引导用户沿着正确路线检索信息资源，防止“迷航”。

4.1.5 感知有用对使用态度和使用意向正向影响显著

Davis等[12]通过实证研究得出结论感知有用性是信息技术使用意向的主要决定因素。Wixom和Todd[14]、Xu等[15]认为感知有用直接影响使用态度和使用意向。因此，当数字图书馆能够满足用户信息检索需求、提高用户工作效率、改善用户工作绩效时，用户将具备足够的动力去使用它，而且用户使用意向也将增加。

4.1.6 使用态度对使用意向正向影响显著

刘锦宏等[5]、Davis等[12]、Venkatesh等[13]、Wixom和Todd[14]、Xu等[15]研究发现用户对信息系统的使用态度对其使用意向有显著影响。因此，如果用户发现使用数字图书馆检索信息是一个很好的主意、有效的想法、明智的选择时，他们对数字图书馆使用的倾向、意愿将会增加，而且愿意经常使用数字图书馆查询信息，并乐意推荐身边的朋友使用数字图书馆，而且未来还愿意继续使用数字图书馆查询信息。

4.2 研究意义与局限性

本文研究的目的是探讨如何提高数字图书馆的信息质量、系统质量以及服务质量，进而增加用户感知效果，增强用户黏性。基于此，本文构建了数字图书馆信息质量、系统质量及服务质量整合模型，并运用探索性因子分析法、验证性因子分析法、结构方程模型分析法对数字图书馆的用户行为意愿进行了实证研究，通过编写R语言程序，对数字图书馆信息质量、系统质量及服务质量整合模型的统计力进行了计算。该研究的意义包括两个方面：一、理论方面：在以理性行为理论（TRA）、技术接受模型（TAM）、技术接受与利用整合理论（UTAUT）为基础，研究数字图书馆用户行为、满意度以及人机交互方面，还未发现整合信息质量、系统质量以及服务质量进行图书馆用户行为研究。未来的研究者可利用该模型对如何提高数字图书馆的信息质量、系统质量以及服务质量作进一步的探索。二、实践方面：该研究对提高提高数字图书馆的信息质量、系统质量以及服务质量有一定的实践指导意义，数字图书馆工作人员可根据本文的研究开展相应的工作，从而达到提高数字图书馆用户感知效果，增强用户黏性的目的。

当然，本文的研究也有一定的不足之处。主要集中在两个方面：一、由于所搜集的样本来自高校，只能在一定程度上反映高校数字图书馆信息质量、系统质量以及服务质量的情况，对非高校用户关于数字图书馆信息质量、系统质量以及服务质量的情况并不了解。未来的研究可以考虑这类群体的情况反馈，尤其公共数字图书馆用户对数字图书馆信息质量、系统质量以及服务质量的情况反馈。二、该模型中系统质量与服务质量的构念之间标准化路径系数为0.88，稍微有点偏高，表明系统质量与服务质量的构念之间可能受共线性问题的影响。尽管该模型统计力非常高，而且对分析结果有足够的信心，但是本文下一步的研究将探索通过构建系统质量与服务质量的二阶模型或应用偏最小二乘法[42]来解决共线性问题。

参 考 文 献

[ 1 ]胡昌平，胡媛，严炜炜. 高校数字图书馆服务的用户满意度实证研究[J]. 国家图书馆学刊，2013，（6）：23-32.

[ 2 ] Masrek M N，Gaskin J E. Assessing Users Satisfaction with Web Digital Library：the Case of Universiti Teknologi MARA[J]. International Journal of Information and Learning Technology，2016，33（1）：36-56.

[ 3 ]Lee，Seung Ah and Kim，Heesop. Evaluation of Digital Library System Using a User Satisfaction Index[J]. Discourse and Policy in Social Science，2010，3（1）：123-145.

[ 4 ] Lee M H，Baek H J. Evaluation of Specialized Library Service Quality and User Satisfaction in the Digital Environment[J]. ????????? ?25? ?1?，2014，25（1）.

[ 5 ]刘锦宏，余思慧，徐麗芳. 移动数字图书馆用户行为模型构建研究[J]. 大学图书馆学报，2015，（05）：93-98.

[ 6 ]易红，张冰梅，宋微. 市民移动阅读选择偏好性和持续使用性影响因素的实证研究[J]. 图书馆理论与实践，2015，（01）：32-37.

[ 7 ]张聪，何剑峰. 个体创新性对移动图书馆使用行为意向的影响研究[J]. 图书馆理论与实践，2017，（01）：108-112.

[ 8 ] Delone W H，Mclean E R. The DeLone and McLean Model of Information Systems Success：A Ten-Year Update[J]. Journal of Management Information Systems，2003，19（4）：9-30.

[ 9 ]李月琳，肖雪，仝晓云. 数字图书馆中人机交互维度与用户交互绩效的关系研究[J]. 图书情报工作，2014，（02）：38-46，120.

[ 10 ]刘国晓，颜端武，许应楠. 用户技术接受影响因素的探索性研究[J]. 情报理论与实践，2012，（01）：20-24.

[ 11 ] Fishbein M，Ajzen I. Belief，Attitude，Intention and Behaviour：an Introduction to Theory and Research[J]. Philosophy & Rhetoric，1975，41（4）：842-844.

[ 12 ] 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）：982-1003.

[ 13 ] Venkatesh V，Morris M G，Davis G B，et al. User Acceptance of Information Technology：Toward a Unified View[J]. Mis Quarterly，2003，27（3）：425-478.

[ 14 ] Wixom B H，Todd P A. A Theoretical Integration of User Satisfaction and Technology Acceptance[J]. Information Systems Research，2005，16（1）：85-102.

[ 15 ] Xu J，Benbasat I，Cenfetelli R T. Integrating Service Quality With System and Information Quality：an Empirical Test in the E-service Context[J]. Mis Quarterly，2013，37（3）：777-794.

[ 16 ]马卓，郭沫含. 基于用户感知的数字图书馆微服务持续使用意愿影响因素研究[J]. 情报探索，2016，（12）：17-22.

[ 17 ]高芙蓉. 信息技术接受模型研究的新进展[J]. 情报杂志，2010，（06）：170-176.

[ 18 ] Alexandru B. Balog，A. （2011）. Testing a Multidiensional and Hierarchical Quality Assessment Model for Digital Libraries[J]. Studies in Informatics & Control，2011，20（3）：233-246.

[ 19 ] Masrek M N，Jamaludin A，Mukhtar S A. Evaluating Academic Library Portal Effectiveness：A Malaysian Case Study[J]. Library Review，2010，59（3）：198-212.

[ 20 ] Edgar B. Questioning LibQUAL+：Critiquing its Assessment of Academic Library Effectiveness[J]. Proceedings of the American Society for Information Science & Technology，2007，43（1）：1-17.

[ 21 ] Parasuraman A，Zeithaml V A，Berry L L. A conceptual model of Service Quality and its Implications for Future Research[J]. Journal of Marketing，1985，49（4）：41-50.

[ 22 ] Parasuraman A，Zeithaml V A，Berry L L. SERVQUAL：A Multiple-item Scale for Measuring Consumer Perceptions of Service Quality.[J]. Journal of Retailing，1988，64（1）：12-40.

[ 23 ] Hair J F，Anderson R E，Tatham R L，et al. Multivariate Data Analysis，5th Ed[J]. New Jersey：Prentice Hall，1998.

[ 24 ] Maccallum R C，Browne M W，Sugawara H M. Power Analysis and Determination of Sample Size for Covariance Structure Modeling.[J]. Psychological Methods，1996，1（2）（2）：130-149.

[ 25 ] Thompson B. Exploratory and Confirmatory Factor Analysis：Understanding Concepts and Applications[M]. American Psychological Association，2004.

[ 26 ] Segars A H. Assessing the Unidimensionality of Measurement：A Paradigm and Illustration Within the Context of Information Systems Research[C].1997：107-121.

[ 27 ] Jackson D L，Gillaspy J A，Purcstephenson R. Reporting Practices in Confirmatory Factor Analysis：an Overview and Some Recommendations[J]. Psychological Methods，2009，14（1）：6-23.

[ 28 ] Hair J F，Black W C，Babin B J，et al. Multivariate Data Analysis （7th Edition）.Prentice Hall，New Jersey，USA，February，2009.

[ 29 ] Fornell C，Larcker D F. Evaluating Structural Equation Models With Unobservable Variables and Measurement Error[J]. Journal of Marketing Research，1981，18（1）：39-50.

[ 30 ] Bagozzi R P，Yi Y. On the Evaluation of Structural Equation Models[J]. Journal of the Academy of Marketing Science，1988，16（1）：74-94.

[ 31 ] Byrne，Barbara M. Structural Equation Modeling With AMOS：Basic Concepts，Applications，and Programming，Second Edition[M]. Structural Equation Modeling with AMOS：Basic Concepts，Applications，and Programming . Routledge，2009：343-344.

[ 32 ]Iacobucci D. Structural Equations Modeling：Fit Indices，Sample Size，and Advanced Topics[J]. Journal of Consumer Psychology，2010，20（1）：90-98.

[ 33 ] Doll W J，Xia W，Torkzadeh G. A Confirmatory Factor Analysis of the End-User Computing Satisfaction Instrument[J]. Mis Quarterly，1994，18（4）：453-461.

[ 34 ] Gao S， Mokhtarian P L， Johnston R A. Non-normality of Data in Structural Equation Models[M].Transportation Research Record： Journal of the Transportation Research Board. 2017：116-124.

[ 35 ] Kline R B. Principles and Practice of Structural Equation Modeling[M]. Guilford Press，2005.

[ 36 ] Bentler P M. EQS ：Structural Equations Program Manual[M]. BMDP Statistical Software，2006.

[ 37 ] Bollen K A，Stine R A，Bollen K A，et al. Bootstrapping Goodness-of-Fit Measures in Structural Equation Models[J]. Sociological Methods & Research，1992，21（2）：205-229.

[ 38 ] Fisher M J，King J. The Self-directed Learning Readiness Scale for Nursing Education Revisited：A Confirmatory Factor Analysis[J]. Nurse Education Today，2010，30（1）：44-8.

[ 39 ] Craig K. Enders. An SAS Macro for Implementing，the Modified Bollen-Stine Bootstrap for Missing Data：Implementing the Bootstrap Using Existing Structural Equation Modeling Software[J]. Structural Equation Modeling A Multidisciplinary Journal，2009，12（4）：620-641.

[ 40 ] Maccallum R C， Browne M W， Sugawara H M. Power Analysis and Determination of Sample Size for Covariance Structure Modeling[J]. Psychological Methods， 1996， 1（2）：130-149.

[ 41 ] GB/T 20984-200.信息安全技术—信息安全风险评估规范[S].北京：中華人民共和国国家质量监督检验检疫总局，2007.

[ 42 ] Wold S，Ruhe A，Wold H，et al. The Collinearity Problem in Linear Regression. The Partial Least Squares （PLS） Approach to Generalized Inverses[J]. Siam Journal on Scientific & Statistical Computing，2006，5（3）：735-743.

（本文责任编辑：郭沫含）