隐私关注对移动个性化服务采纳的影响——基于用户主观认知视角的实证研究

郭飞鹏,琚春华

(1.浙江工商大学 现代商贸研究中心,浙江 杭州 310018;2.浙江工商大学 管理工程与电子商务学院,浙江 杭州 310018;3.浙江经贸职业技术学院 信息技术系, 浙江 杭州 310018)

一、 引 言

伴随着移动智能终端和无线网络技术的快速发展，用户对随时随地能够方便地获取互联网信息和服务的需求也日渐增长，移动商务服务正在向着更深、更广的维度不断突破发展[1]。作为移动商务“杀手锏”应用的移动个性化服务发展(Mobile Personalized Service，MPS)更是迅猛[2]。该服务通过云计算、上下文感知、智能信息处理等大数据挖掘技术对移动用户进行网络行为分析，采集用户显示与隐式偏好数据完成其兴趣和消费习惯等的挖掘，并提供高质量的个性化服务[3]。然而，高质量的MPS需要持续获取用户的基础信息、网络行为信息、隐式偏好信息等内容，而且推荐效果的好坏与系统获取用户信息的丰富程度密切相关[4]。虽然目前知名平台的推荐系统安全性较高，但是网络用户隐私信息泄露、不正当访问和非法使用等问题频发，所带来的负面影响已经无法让用户“置身事外”，用户对隐私关注的程度达到了空前的高度，从而阻碍了用户采纳MPS的主观意愿。

目前，国内外学者在隐私关注和个性化推荐研究中取得了一定的成果。Li[5]研究基于Cluster推荐的个体隐私策略机制，剖析基于用户的协同过滤推荐过程中的隐私关注问题，提出一种将个体私密信息进行加密和匿名处理方法，保护用户隐私信息。Jiang[6]研究设计了一个用户隐私关注影响网络行为意愿的概念模型，但只是对国内外理性行为理论进行了归纳总结，并未做进一步的实证研究。总体上，现有研究大多是从管理学的制度文化因素、企业管理角度，以及隐私保护技术角度提出隐私关注管理启示，但往往忽略了MPS中用户主观心理对隐私的认知影响。随着移动商务的发展，用户在采纳MPS过程中不仅对需求是否满足感兴趣，更多地开始关注推荐方式、隐私设置等内容，不断利用自身认知水平和社交群体来对网络服务进行安全评估，包括移动商务服务商营销手段是否安全信任、私密信息设置是否可以自己掌控，以及自身及家人隐私信息是否会泄露等。

因此，MPS需要重点解决用户采纳服务时的隐私关注问题，探索影响用户隐私关注影响因素的内在认知机理、心理行为等理论；同时重点研究如下几个问题：考虑哪些因素会影响用户隐私关注，不同的因素对用户隐私关注行为有什么影响，用户采纳服务意愿受隐私关注的影响程度如何？本文通过结构方程模型分析方法研究隐私关注影响因素之间以及隐私关注与采纳MPS的关系，并根据实证分析结果对所采纳因素和隐私关注之间的关系进行剖析，帮助移动商务企业深层次理解消费者的隐私心理，降低用户对其服务的隐私关注程度，解决用户由于隐私担忧而导致不愿意或者放弃采纳MPS的问题，从而增加用户满意度和用户忠诚度。

二、 理论假设与研究模型

论文模型主要从两方面进行创新研究：一是从用户主观认知角度出发，综合TAM模型、理性行为理论以及CFIP理论，从用户隐私感知和人格特质两方面，建立用户对MPS的釆纳模型，并研究各因素间的相互影响关系；二是结合移动互联网具有的社会性，引入社交群体影响作为自变量来研究群体因素对用户隐私关注的影响。

1. 用户隐私倾向。用户隐私倾向(People Disposition Toward Privacy，PDP)表示一个人对于隐私的态度(开放还是保守)，同时强调人与人之间对隐私关注的差异程度，不同的人对于隐私的态度不一样。例如：存在一些人他们特别反感自己的身份资料和位置信息被他人获取，且很少在微博和微信等社交APP中分享自己的评论与经历；而有些人却主动分享自己的地理位置，并通过图片的方式转发自己的私密信息。Mike[7]认为互联网使用经验(即频率和熟悉程度)对用户在线隐私关注显著影响。另外，随着人社会阅历的不断增加以及心理的日益成熟，用户对隐私方面的认知也会变得更加复杂(Wolfe&Laufer)[8]。所以，一般情况下个人在隐私关注方面具有差异性和长久性特征[9]。在本文研究中，论文将用户隐私倾向定义为在使用各种移动商务服务中愿意或多或少暴露个人信息的倾向。一般来说，如果一个人的隐私倾向高，那么他可能在接受的MPS比他人更加关注个人隐私。因此本研究提出

H1：用户隐私倾向会正向的影响用户隐私关注。

2. 用户内控点。用户内控点(Internal Locus of Control，ILC)指某一个体认为自身可以通过主观意志和努力操控自己行为的能力[10]。Rotter[11]提出了内部—外部尺度测量方法，其中内部指的是内部控制即内控点，表示个人相信自己能够控制自己生活，外部是指外部控制，表示个人认为自己的生活是命运、机遇等受不可控的因素控制。Bansal[12]研究认为，一个人的内控点会对隐私关注产生影响。一般来说，如果一个人的内控点较高，那么他会积极主动去控制一些事情的发生，认为一些行为要受到自己的控制，如是否暴露自己的个人信息，暴露的程度等。本文选择用户内控点作为影响隐私关注的因素之一。用户在使用MPS时，服务提供商可能出于某种目的未经用户允许将用户个人信息与第三方分享，这会激发用户的控制力，如果用户内控点高，隐私关注就越高。因此本研究提出

H2：内控点会正向影响用户隐私关注。

3. 用户开放性。开放性属于心理学大五人格中的一种，指的是一个人的好奇心、智力以及愿意尝试新事物和体验新环境的倾向。如果一个人拥有高开放性，则其被发现是更具有发散性思维，更倾向于喜欢学习和体验[13]。Barrick[14]发现高开放性的人更愿意去选择尝试和经历各种各样的新事物，而不是坚持以前旧的事物。Junglas&Spitzmuler[15]研究提出一个人的开放性程度对于隐私关注是有影响的，且发现不同性格的人有不同的隐私关注心理倾向。Choi&Chi[16]也表明，基于无线互联网技术的移动商务是一个新兴的领域，拥有各式各样的应用服务，包括GPS导航服务、LBS服务、SNS社交服务等，不同性格特质的用户会对隐私关注不同，进而影响他们的行为意愿。本文认为高开放性的用户将有较低的隐私关注，更愿意接受各种创新应用；反之，较低开放性的用户将有较高的隐私关注。因此本研究提出

H3：开放性会负向影响用户隐私关注。

4. 用户随和性。随和性代表一个人在人际交往过程中会选择追求中庸的思想，减少与他人的冲突[17]。Daniel[18]等人通过实证研究了随和性的人一般受孔子思想(儒家思想)、集体主义、关系等影响，会对信息共享行为产生影响，其隐私的意识淡薄。人们普遍愿意相信、尊敬那些具有良好信用的人并且极少怀疑这样一类人。Korzaan等[19]从用户性格角度出发研究了随和性对消费者隐私的影响，也发现随和性会对隐私关注产生影响。Costapt[20]发现用户“大五人格”的随和性会造成其隐私担忧。随和性高的人，一般而言他们都是和睦友好、善于和人打交道、容易相信朋友相信他人，而随和性较弱的人，倾向于保持和他人的距离、不容易相信新鲜事物和人、相对来说比较容易怀疑别人。因此，低随和性的人遭受隐私威胁的几率比较小。高随和性的人更倾向于相信他人和很少怀疑自己所处的周遭环境，这就降低了他们的隐私关注。因此，低随和性的人比较会怀疑他人行为是否对自己有伤害。那么他们在使用MPS的时候可能会怀疑自己的信息会不会被暴露。因此本研究提出

H4：随和性会负向影响用户隐私关注。

5. 用户外向性。外向性的人倾向于体验积极向上的生活。外向的人是善于社交的、健谈的、有活力的，他们往往更可能做出高风险行为[21]。McCrae[22]发现外向的人更喜欢提供和获取信息，如更喜欢在社交平台上分享自己的心情，更喜欢混迹各种论坛、社区获取各种信息。相反，Bermudez[23]研究发现内向的人往往在人际交往中比较被动，他们被认为为话语较少、喜欢独处、沟通贫乏，一般比较脆弱。所以内向的人对隐私的入侵比较敏感，更不喜欢暴露自己隐私信息。本文认为内向的人相比于外向的人对隐私关注度更高。因此本研究提出

H5：用户外向性会负向影响用户隐私关注。

6. 社交群体影响。用户隐私关注不仅会因为个体不一样而产生差异，而且其所处的社会环境也会对隐私关注行为产生重要的影响，特别是社交群体的影响。Li[24]认为同一社交圈中的朋友往往有着相似的隐私关注，即如果一个人他的朋友比较关注隐私，那么他也会比较关注隐私。他们通过对基于位置的社交服务研究发现了朋友关系和隐私关注存在显著的相关关系。将上述影响定义为用户之间的社交群体影响(Social Influence，用SI表示)[25]。另外，Gong[26]在进行网络用户隐私关注影响实证研究中，直接计算出社交群体影响的具体值，发现了对用户具有较大的影响。Yong[27]通过用户在新事物的采纳意愿和隐私关注方面验证了社交群体对个体的影响。这些研究表明用户周围的社交群体会影响用户的隐私关注以及他们是否要接受新的服务和产品。因此本研究提出

H6：社交群体影响会正向影响用户隐私关注。

7. 隐私关注与采纳意愿。“隐私关注”用以测量消费者对信息隐私的担忧/关注程度、感知态度、控制能力[28]。Awad[29]在其网络隐私关注影响因素的研究中得出，随着隐私关注水平的不断提升，用户在注册时填写个人基础信息的意向却反而越来越低。Van Slyke等[30]研究也发现用户对信息隐私的关注会影响他们在特定环境下进行网络交易的意向。Wirtz等[31]研究发现隐私关注的提升将导致用户使用更高级别的回应，如伪造信息，使用提高隐私的技术，以及拒绝购买等。Sheng[32]等人发现在移动互联网服务的采纳研究中，隐私关注是阻碍移动服务采纳意愿的重要因素。Sreenivasan[33]在对移动商务位置服务的研究中也证实隐私关注负向的影响用户的采纳意愿。另一方面，通过中间变量影响采纳行为也说明隐私关注对采纳行为的影响作用，比如Malhotra[34]&Goslingsd[35]论述了隐私关注对行为意愿产生作用是以风险感知为中间变量进行影响的。周涛[36]在研究分析移动电子商务时，证明隐私的关注是影响消费者是否采纳移动商务的重点考虑因素。因此本研究提出

H7：隐私关注会负向影响用户对MPS采纳意愿。

最后，为了保证测量的精准度，本文借鉴CFIP量表测量隐私关注，将隐私关注分为4个维度。Junglas[15]3研究发现在CFIP四个维度上对隐私关注进行剖析能够增大方差的解释度。所以本文将隐私关注分为二次使用、信息错误、信息收集和不适当访问四个单因素融入研究模型，建立的研究模型如图1所示。

图1 面向用户隐私关注问题的移动个性化服务采纳行为理论模型

三、 实证研究设计与分析

1. 量表设计。首先，对模型中的变量进行量化，即设计各个潜变量的测量量表；其次，本文在借鉴了国内外学者相关研究的基础上，创新性地从移动用户主观认知视角来对隐私倾向、内控点、开放性、外向性、随和性、社交群体影响6个隐私关注影响因素和采纳MPS意愿进行测量，总共设计了35个指标分别对模型中的变量进行测量。具体在变量的测量上，本文采用李克特7级量表，分别是(1)完全不同意(2)不同意(3)有点不同意(4)中立(5)有点同意(6)同意(7)完全同意。具体本研究的量表设计主要是通过以下三个步骤实现的。

第一步骤：相关文献查找与阅读。为了使量表题项设计的合理规范，本文阅读了大量的参考文献并结合论文研究主题进行了修改。对于隐私关注的测量，由于本研究是在移动商务新情景下进行的，且从主观认知角度出发研究分析用户心理因素对隐私关注的影响。因此，采用CFIP量表来提升测量的精准性，即通过四个维度对移动商务服务下用户隐私关注进行测量，并结合个性化服务具体情景，修改和优化6个隐私关注影响因素以及MPS采纳意愿等变量的题项，使其更加适合本文研究，最后对这些内容进行组织编排，形成一个初步的问卷题项。

第二步骤：访谈。为了进一步优化问卷题项，本研究将初步的问卷题项交于自己的导师、相关研究员、硕博士研究生审阅，并根据他们审阅后提出的意见进一步修改问卷题项，消除问卷中语法问题，以及修改因表述不当而引起歧义的语句，形成第二版问卷题项，用于小样本测试。

第三步骤：小样本测试。试先在小部分群体中发放问卷，收回151份有效样本，根据信度与效度分析结果对量表进行改进，删除一些题项，最终形成正式的问卷。

第四步骤：样本描述性统计分析。最终回收的有效问卷421份，有效问卷的回收率达到84.1%。详细样本统计结果如下表1所示。

表1 样本描述性统计分析

从上表可以看出：在所有样本中，男性占48.69%，女生占51.31%，男女性别分布较合理；28～35岁占78.69%，以年轻群体为主；学历水平主要是本科和研究生为主，本科51.85%，研究生28.4%。

2. 调查问卷的信度与效度分析。(1)信度检验。在本研究中，信度检验采用最常用的Cronbach’s Alpha(α)系数进行衡量。本文对样本数据进行Cronbach’s Alpha(α)信度分析，从表2所示的各变量的信度检验结果中得出，本文中各变量的Cronbach’s Alpha值均大于0.7，故认为信度比较高[37]。因此，本文的测量模型具有良好的信度水平，所得数据可用于进一步的分析。

表2 信度分析结果

(2)效度检验。对于本研究的内容效度检验，由于问卷所使用的题项主要是借鉴了现有文献研究使用的成熟量表，并在其基础上进行修改，而且最终发放的问卷是在小样本的预测试和修正基础上形成的，因此该问卷可以认为具有较好的内容效度。对于结构效度分析，本研究采用SPSS软件进行探索性因子分析的方法对问卷数据进行分析。做因子分析之前，需要先进行KMO检验和Barrlett球形检验来判断回收的数据样本是不是合适做因子分析。经过分析，得出本文的Barrlett球形检验和KMO检验结果如表3所示，可以看到KMO值为0.76大于0.7，Bartlett球形检验卡方显著性概率为0.000小于0.05，说明问卷数据适合作因子分析[38]。

表3 KMO和Barrlett球形检验

接下来，本文使用主成分分析法对问卷数据进行因子分析。根据特征值大于1原则和最大方差法正交旋转进行主成分因子的抽取，对公共因子进行正交旋转，得到11个因子，累计方差达到76.935%。具体结果如表4所示。

表4 样本的解释方差

(续表)

从结果可看出，35个题项被分为11个构面，累积贡献率达到76.935%，解释力度较强，这11个因子可以解释大部分的变量，几乎可以涵盖所有信息。根据“因子载荷矩阵”计算，其中所有题项对应因子的载荷全部大于0.5，说明本文问卷变量的题项比较理想，不需要删除测量变量中的题项。

四、 假设检验结果和讨论

本文基于SEM对每条假设路径系数进行计算，并对问卷整体数据路径进行分析，具体采用AMO17.0软件验证各变量之间关系是否显著，图2为最终模型的路径系数。为了便于观察实证分析的结果数据，将6个隐私关注影响因素与4维隐私关注的路径系数以及是否支持假设的结果梳理出来，见表5所示，便于清晰获取变量之间的路径系数以及假设验证是否成立情况。

图2 研究模型路径分析注：*** 表示显著性水平P<0.001，** 表示显著性水平P<0.01，* 表示显著性水平P<0.05，ns表示P>0.05

假设路径标准化系数T值检验结果H1a用户隐私倾向→信息收集0.601***9.27支持H1b不适当访问0.342***4.27支持H1c信息错误0.325***3.89支持H1d二次使用0.552***6.87支持H2a内控点→信息收集0.092ns1.78不支持H2b不适当访问0.232**3.15支持H2c信息错误0.337***4.13支持H2d二次使用0.178**2.85支持H3a开放性→信息收集-0.268***3.64支持H3b不适当访问-0.123*2.14支持H3c信息错误-0.223**3.12支持H3d二次使用-0.121*2.23支持H4a随和性→信息收集-0.253***3.53支持H4b不适当访问-0.176**2.75支持H4c信息错误-0.315***3.73支持H4d二次使用-0.153**2.63支持H5a外向性→信息收集-0.112*2.12支持H5b不适当访问-0.072ns1.61不支持H5c信息错误-0.048ns0.92不支持H5d二次使用-0.082ns1.71不支持H6a社交群体影响→信息收集0.123*2.21支持H6b不适当访问0.114*2.13支持H6c信息错误0.208**3.09支持H6d二次使用0.108*2.03支持H7a信息收集→采纳意愿-0.502***6.01支持H7b不适当访问→采纳意愿-0.451***5.35支持H7c信息错误→采纳意愿-0.187**2.91支持H7d二次使用→采纳意愿-0.245***3.31支持

为了评估构建模型的质量，本文使用Hoyle[39]的建议采用一些拟合指数来评估模型拟合度。Kline[40]对拟合的指数设置一些参考值，来评估模型是否合理。Kline[41]认为x2/df值要小于3，RMSEA值小于0.08，GFI>0.90，CFI>0.90，AGFI>0.80。若同时满足上述条件，则可以说明模型拟合得较好，路径系数能够反映出实际的数据。

表6 模型拟合指数表

如表6所示，各拟合指标都符合参考值条件，因此，本研究中数据对模型的拟合度是理想的。

五、 结论、启示与展望

本文从移动用户主观认知的创新视角出发探索和研究哪些因素会影响用户的隐私关注，从而影响其对MPS的采纳意愿。根据前面章节的实证分析结果表明，6个因素分别对隐私关注的4个维度产生全部或部分的显著影响，对应的7个假设被全部或者部分验证。此外，论文也证实了用户隐私关注负向的影响其采纳MPS的意愿。具体结论如下：

首先，从表5可以看出，用户隐私倾向对隐私关注信息收集、错误使用、不正当访问、二次使用都有显著正向影响。根据标准化的系数发现，隐私倾向越高的用户越担心自己信息被收集。所以提供MPS企业需要充分了解用户的需求，与用户建立相对透明和信任的关系，保证用户的知情权，让用户了解自己哪些信息会被收集。另外，建立安全机制保证用户个人信息不会被错误使用，以及被第三方非法使用。由于高内控点用户一般做决策时喜欢依据自身意愿，对自身行为有强烈的掌控，且不大会受到外部环境的影响，所以在采纳MPS时对个人信息被收集不大敏感。但比较在意自己的隐私信息错误，不正当访问和二次使用。因此，企业需要耗费一定时间和资金加强安全系统，更好的保护用户隐私。

其次，用户开放性对隐私关注四个维度中都有显著的影响关系，这是因为用户开放性越高，越乐于去体验和接受各种新的MPS应用，越喜欢冒险，挑战刺激的东西，那么他们就越不会在意自己信息被收集、信息错误、被不正当访问、二次使用等情况；对于用户随和性，用户随和性负向影响隐私关注四个维度，这是因为用户随和性越高，越容易相信他身边的人和周围环境，一定程度下减少了用户隐私关注；对于外向性用户，只与信息收集关系显著，这是由于外向的人善于社交，一般热衷于体验各种新颖的移动互联网企业中的应用产品，愿意注册会员来采纳各种MPS，所以往往对企业收集的个人信息比较不敏感。但是从二次使用、不正当访问、错误信息的均值(二次使用=5.21，不正当访问=5.35，错误信息=5.36)可以看出，无论用户开放性高低，他们都对自己个人信息错误，第三方非授权访问个人信息，以及未经同意企业将个人信息分享给第三方等行为比较担心。

再次，用户隐私关注会受到社交群体的显著影响。从数据结果显示，社交群体影响会对用户个人隐私信息，以及第三方不正当访问，个人信息不正确，被他人使用等方面产生关注。与用户社交关系强的人如亲密的朋友、家人等更能影响人们对隐私的态度和行为。移动互联网中用户之间形成了一个社交圈，如果圈内的好友、亲人在体验MPS时个人信息(地理位置等)被泄露或者信息出错且造成安全隐患，又或者他们的私人信息在未授权时被不正当访问、出现在其他第三方平台，那么将引发用户对其自身隐私问题的担忧，从而产生了隐私关注，最终降低或者放弃使用MPS意愿。因此，针对上述问题，移动互联网企业在信息收集和信息保护层面要充分考虑用户的需求，避免用户对企业产生不信任，从而产生不良的群体效应。

论文的研究结果不仅能够帮忙我们更好的研究用户隐私关注的心理机制，而且对于移动互联网服务商来说，可以对客户进行主观隐私认知分析和精准个性化服务。最后，后续研究将重点讨论根据考虑不同隐私关注强度和隐私偏好度的MPS需求设计相应的移动个性化推荐方法，将本文提出的隐私关注影响因素测量，并融入到具体的方法中实现高质量的个性化服务。

[1]中国互联网络信息中心(CNNIC).第38次中国互联网络发展状况统计报告[R].北京:中国互联网络信息中心,2016.

[2]艾媒咨询.2015中国移动电子商务市场年度研究报告[EB/OL].(2015-03-02)[2017-05-27].http:// www.iimedia.cn/36543.html.

[3]COLOMO-PALACIOS R,GARCIA-PENALVO F J,STANTCHEV V,et al.Towards a Social and Context-aware Mobile Recommendation System for Tourism[J].Pervasive & Mobile Computing,2017,38(2):505-515.

[4]PHELPS J,NOWAK G,FERRELL E.Privacy Concerns and Consumer Willingness to Provide Personal Information [J].Journal of Public Policy & Marketing,2013,19(1):27-41.

[5]LI D S,LV Q,XIA H H,et al.Pistis:A Privacy-preserving Content Recommender System for Online Social Communities[C]// Proceedings of IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology.Washington:IEEE Computer Society,2011:79-86.

[6]JIANG X,JI S B.Conceptual Model of the Factors Influencing Consumer Online Privacy Concern and Behavior Intention [J].Science Technology and Management,2009,11(5):71-74.

[7]YAO M Z,RICE R E,WALLIS K.Predicting User Concerns about Online Privacy[J].Journal of the Association for Information Science and Technology,2007,58(5):710-722.

[8]WOLFE M,LAUFER R.The Concept of Privacy in Childhood and Adolescence[J].Privacy,1974,35(3):29-54.

[9]BUSS A.Psychological Dimensions of the Self [J].American Psychological Association,2001,45(3):32-46.

[10]WU K W,HUANG S Y,YEN D C,et al.The Effect of Online Privacy Policy on Consumer Privacy Concern and Trust[J].Computers in Human Behavior,2012,28(3):889-897.

[11]ROTTER LB.Generalized Expectancies for Internal Versus External Control of Reinforcement [J].Psychological Monographs:General and Applied,1966,80(1):1-28.

[12]BANSAL G,ZAHEDI F M,GEFEN D.Do Context and Personality Matter? Trust and Privacy Concerns in Disclosing Private Information Online[J].Information & Management,2016,53(1):1-21.

[13]JUDGET T A,HELLER D,MOUNT M K.Five-factor Model of Personality and Job Satisfaction:a Meta-analysis[J].Journal of Applied Psychology,2002,87(3):530-541.

[14]BARRICK M R,MOUNT MK,JUDGET T A.Personality and Performance at the Beginning of the New Millennium:What Do We Know and Where Do We Go Next?[J].International Journal of Selection and Assessment.2001,9 (1-2):9-30.

[15]JUNGLAS I,SPITZMULLER C.Personality Traits and Privacy Perceptions:An Empirical Study in the Context of Location-based Services [C] // International Conference on Mobile Business.IEEE,2006:36-47.

[16]CHOI S S,CHO M K.Consumer’s Privacy Concerns and Willingness to Provide Personal Information in Location-Based Services[C]// International Conference on Advanced Communication Technology.IEEE,2007:2196-2199.

[17]MCCRAE R R,COSTA P T.Adding Liebe and Arbeit:the Full Five-factor Model and Well-being [J].Personality and Social Psychology Bulletin,1992,17(2):227-232.

[18]DANIEL E,GEER J R.Identity as Privacy [J].IEEE Security and Privacy,2013,11(1):96-97.

[19]KORZAAN M L,BOSWELL K T.The Influence of Personality Traits and Information Privacy Concerns on Behavioral Intentions[J].Journal of Computer Information Systems,2016,48(4):15-24.

[20]COSTA P T,MCCRAE R R,DYED A.Facet Scales for Agreeableness and Conscientiousness:a Revision of the Neo Personality Inventory[J].Personal Individual Differences,1991:12(9):887-898.

[21]GULLONE E,MOOR E.Adolescent Risk-taking and the Five-factor Model of Personality [J].Journal of Adolescence,2000,23(4):393-407.

[22]MCCRAE R,COSTA P T.Validation of the Five-factor Model of Personality Across Instruments and Observers [J].Journal of Personality & Social Psychology,1987,52(1):81-90.

[23]BERMUDEZ J.Personality and Health-protective Behavior[J].European Journal of Personality,1999,13(2):83-103.

[24]LI N,CHEN G.Sharing Location in Online Social Networks[J].IEEE Network.,2010,24(5):20-25.

[25]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.

[26]GONG Z,JIN Y.The Influence of Perceived Privacy upon the Trust in E-commerce[C]// International Conference on Future Infornation Technology & Management Engineering, United Kingdom,2008:141-143.

[27]YONG J P,CAMPBELL S W,KWAKB N.Affect,Cognition and Reward:Predictors of Privacy Protection Online[J].Computers in Human Behavior,2012,28(3):1019-1027.

[28]LUO X.Trust Production and Privacy Concerns on The Internet:A Framework Based on Relationship Marketing and Social Exchange Theory [J].Industrial Marketing Management,2002,31(2):111-118.

[29]AWAD N F,KRISHNAN M S.The Personalization Privacy Paradox:An Empirical Evaluation of Information Transparency and the Willingness to Be Profiled online for Personalization [J].MIS Quarterly,2006,30(1):13-28.

[30]SLYKE C,SHIM J T,JOHNSON R,et al.Concern for Information Privacy and Online Consumer Purchasing[J].Journal of the Association for Information Systems,2006,7(6):415-444.

[31]WIRTZ J,LWIN M O,WILLIAMS J D.Causes and Consequences of Consumer Online Privacy Concern[J].International Journal of Industry Management,2007,18(4):326-348.

[32]HONG S,NAH F H,SIAU K.An Experimental Study on Ubiquitous Commerce Adoption:Impact of 290 Personalization and Privacy Concerns [J].Journal of the AIS,2008,9(6):344-376.

[33]SREENIVASAN J,NOOR M N M.A Conceptual Framework on Mobile Commerce Acceptance and Usage Among Malaysian Consumers:The Influence of Location,Privacy,Trust and Purchasing Power[J].WSEAS Transactions on Information Science and Applications,2010,7(5):661-670.

[34]MALHOTRA N K,KIM S S,AGARWAL J.Internet Users’ Information Privacy Concerns (IUIPC):The Construct,the Scale,and a Causal Model [J].Information Systems Research,2004,15(4):336-355.

[35]GOSLING S D,RENTFROW P J,WILLIAM B S.A Very Brief Measure of the Big-five Personality Domains [J].Journal of Research in Personality,2003,37(6):504-528.

[36]周涛,鲁耀斌.隐私关注对移动商务用户采纳行为影响的实证分析[J].管理学报,2010(7):1046-1051.

[37]VASKE J J,BEAMAN J,SPONARSKI C C.Rethinking Internal Consistency in Cronbach’s Alpha[J].Leisure Sciences,2017,39(2):163-173.

[38]卢纹岱,吴喜之.SPSS统计分析[M].4版.北京:电子工业出版社,2011:101-143.

[39]XU H.The Effects of Self-Construal and Perceived Control on Privacy Concerns[C]// International Conference on Information Systems.Montreal:DBLP,2007:125.

[40]HOYLE R H.Structural Equation Modeling:Concepts,Issues,and Applications[M].Thousand Oaks:SAGE publications Inc.,1995:10-23.

[41]KLINE R B.Principles and Practice of Structural Equation Modeling[J].Journal of the American Statistical Association,2010,101(12):121-143.