LBS的隐私关注与采纳意向的模型构建及实证

张 嵩，赵佳莉，吴剑云

(青岛大学 商学院，山东 青岛 266071)

0 引言

近年来，无线通信、智能客户端等技术的不断完善，使基于位置服务(Location-Based Service, LBS)在军事、医疗、社交等各个领域都得到了广泛发展。LBS旨在根据用户位置提供个性化服务，但与此同时，有关位置信息泄露的问题层出不穷，引发了用户的隐私关注。对企业而言，了解影响用户隐私关注的因素、对用户隐私进行保护显得极为重要。本研究的关键在于考察用户隐私关注的影响因素以及隐私关注所导致的结果，以促进用户采纳基于位置的服务，进而提高基于位置服务的发展水平。

随着用户隐私意识的不断增强，隐私关注成为学者研究的热点[1-3]，涉及电子商务、社交网站、智慧医疗等领域，所应用的理论包括计划行为理论[4-5]、技术接受模型[6-7]、隐私信任模型[8-9]、隐私计算理论[1,3-4]等，关于隐私关注的研究主要集中于两方面：①隐私关注的影响因素[10-11]，如网站声誉、信任、信息类型、人口统计学特征等；②隐私关注的行为结果[12-13]，其观点为隐私关注与其他内生变量(如信任、经济补偿、个性化关注等)共同作用，影响用户的隐私行为，如社交网站用户的信息分享与发展新关系的行为、电子商务网站用户的重复购买与推荐给他人的行为。此外，在LBS领域，许多学者从LBS的技术与应用发展、隐私保护技术改进等方面进行研究[14]，很少有学者对用户的隐私关注问题进行实证研究。

LBS的用户作为使用服务的主体，是研究中首先需要考虑的因素。对于LBS的用户而言，使用个性化定制服务与保护位置隐私是一对矛盾共同体，用户的采纳意向出于对感知收益与感知风险的衡量，如果感知到的收益大于风险，则用户就会产生采纳意向。本研究从LBS用户的角度出发，根据服务的特性，将前因变量→隐私关注→结果(Antecedents→Privacy Concerns→Outcomes, APCO)框架引入LBS研究中，然后结合隐私计算理论，将用户所受到的内外部影响作为隐私关注的前因变量，构建LBS用户的隐私关注及采纳意向模型，揭示LBS用户的隐私关注的前因后果。

1 理论背景和研究假设

1.1 APCO模型

APCO模型由H.J.Smith[15]提出。Smith首先以隐私关注为因变量，对其他学者的观点进行整合，指出隐私关注的5个前因变量,即隐私经历、隐私认知、个性差异、人口统计变量和文化或氛围;其次以隐私关注为自变量，在隐私计算理论与隐私行为结果的基础上进行研究，最终得出APCO模型，并指出模型结果可能受到隐私悖论的影响。APCO模型如图1所示。

许多学者针对这一具有普适性的模型根据不同情景进行改进，以适应其研究背景特点，如社交网站、医疗体系等情景。Lankton等[16]在研究Facebook用户隐私问题时，引入了APCO模型，对其进行改进并定义了模型中的构念，将隐私经历改为经历，将人口统计变量具体化为性别，将收益具体化为愉悦感，将行为反应具体化为4种行为(改变隐私设置、限制好友人数、区别好友、持续使用)；Kenny等[17]在研究市民医疗信息隐私关注时也以APCO为框架，结合医疗信息的特点对模型进行修改，并从个人特点(健康状况、人口统计变量)、个人认知(认知信息敏感、媒体覆盖相关隐私的认知、现有隐私侵略)和个人信念(信任、风险)3个方面对医疗信息隐私关注的前因变量进行描述，将隐私关注结果简化为采纳意向；Borena等[18]在研究低收入国家的社交网络隐私关注问题时，针对低收入国家用户特点对APCO模型进行了修改，将个性差异分为偏执狂与社会批判者，然后以人口统计变量为调节变量，将隐私关注结果简化为隐私保护行为。

将APCO模型引入LBS用户的隐私关注研究中，对该模型进行修改以适应LBS的情景，能够更全面地了解用户隐私关注的前因变量及其与采纳意向的关系。LBS情境下，用户对服务的熟悉程度与其他用户的口碑分别从主观与客观方面代表APCO模型中的隐私经历，而个人位置信息的隐私敏感度是由个性差异导致的对隐私认知的不同，因此将APCO模型中的隐私认知与个性差异整合成为一个潜变量——位置隐私信息敏感度；文化/氛围变量则更具体化为微观的主观规范与宏观的国家隐私政策;在隐私关注的结果部分，结合LBS的特点，引入隐私计算理论，研究用户的采纳意向影响机制。

1.2 隐私计算理论

Culnan & Armstrong[19]根据社会交换理论，提出隐私计算理论，认为用户在进行信息披露时，会对感知收益与感知风险进行权衡计算。在权衡过程中，如果潜在用户感受到潜在的隐私风险小于收益，则将淡化对隐私和信息安全的关注，选择披露个人信息。其中：感知收益是潜在用户对利益的预估，而感知风险是用户对披露个人信息后将会出现的负面影响的估计。

Xu等[3]以隐私计算模型分析了用户隐私披露的行为意向，提出用户披露隐私后感知收益与感知风险影响用户的隐私披露行为，而经济补偿又影响感知收益，主观规范和政府规范影响感知风险。也有学者在研究云工作流路程被忽略的隐私保护需求时考虑到隐私与成本感知的因素[20]。Sarathy等[21]认为用户在权衡交换收益和两种隐私信念后才会决定是否进行信息披露；Sipior等[22]在研究在线社会网络的隐私问题时应用了隐私计算理论；Njenga等[23]认为技术接受模型(Technology Acceptance Model, TAM)中的感知有用性与感知易用性影响感知收益，机构隐私保障降低感知风险，感知收益与感知风险共同影响行为意向。

在LBS背景下隐私计算理论同样适用。LBS最大的问题是享受服务与隐私保护的矛盾，享受服务是感知收益的代表，隐私关注是感知风险的代表，用户对两者权衡的结果决定了用户的采纳意向。

1.3 模型的构建及假设的提出

本文通过梳理文献，结合LBS的特点，以APCO模型为框架，以隐私计算理论为基础，构建了LBS用户的隐私关注及采纳意向模型，如图2所示。

1.3.1 前因变量

熟悉程度指用户对信息接收者提供产品和服务的经验与认知，经验与认知来自于用户与信息接收方进行交易的过程。熟悉程度产生于用户经历的过程，随着使用产品和服务经历的增多，用户对接收者的熟悉程度也随之增加，对披露隐私信息后果的担忧及隐私关注程度降低。Gefen[24]指出熟悉程度会直接正面影响用户的搜寻和购买意图；Bhattacherjee[25]也证明了熟悉度对信任和交易意愿的直接影响。有关熟悉程度对风险和信任影响的大量研究证明，信息接受者的熟悉程度对隐私关注有重要的影响。因此提出以下假设：

假设1用户的熟悉程度对其位置信息隐私关注有负向作用。

口碑是用户接收到的外界关于LBS的评价，口碑是公众对该服务的评价，而公众的评价则来自公众对该服务的体验经历与认知，如果公众对该服务的体验经历良好，则评价会较高，用户就认为该服务质量较高，对隐私的担忧程度就会降低。研究证明，口碑良好可以有效减轻用户的隐私忧虑程度，例如Kim等[26]提高口碑影响电子商务活动中消费者的隐私关注。因此提出如下假设：

假设2口碑对用户位置信息隐私关注有负向影响作用。

Adams[27]利用扎根理论从信息敏感度、信息接收者及信息使用3个方面研究消费者隐私问题。信息敏感度是用户对被传输数据的感知及信息接收者对信息的理解，包括消费者对信息重要与否的感知和对个人隐私数据被泄露后危害的关注程度；Okazaki[28]在对移动广告进行研究时发现信息敏感度会增加用户的隐私关注程度；Malhotra等[29]则认为越是敏感的信息，用户自愿披露的阻力越大。国内外大量研究表明，用户的信息敏感度对其隐私关注具有显著影响。因此提出假设：

假设3用户位置隐私信息敏感度对其位置信息隐私关注有正向作用。

主观规范属于社会心理学范畴，指个人对是否采取某项特定行为所感受到的社会压力，即预测他人行为时，对个人行为决策具有影响力的个人或团体对个人是否采取某项特定行为所发挥的影响大小。在理性行为理论模型、计划行为理论模型、技术接受模型中，主观规范与行为意向直接相关，其关于隐私行为的研究已经证明主观规范将影响用户的选择。赵玲[30]在对虚拟社区成员参与行为进行研究时发现归属感使成员有共享知识的意向；Lehikoinen等[31]提出社会文化显著影响社交网站用户隐私披露行为。因此提出如下假设：

假设4主观规范对用户的位置信息隐私关注有正向作用。

国家隐私政策包括行业对隐私保护的政策以及国家在隐私方面的立法。隐私权概念产生于1890年的美国，哈佛大学法学院教授路易斯和塞缪尔在《哈佛法学评论》上发表了一篇被称为具有“开拓性”的题为《隐私权》的论文，其面世标志着隐私权理论的诞生。Xu等[2]认为对隐私政策感知的有效性会降低隐私风险，进而降低用户的隐私关注程度;还有学者认为对法律的信任会降低社交网站用户的的隐私关注程度。国外大量研究证明：如果行业与国家都能很好地保护个人隐私权，则用户的隐私关注程度将随之降低。因此提出如下假设：

假设5国家隐私政策对用户的位置信息隐私关注有负向作用。

1.3.2 隐私关注

用户对自己的位置信息隐私关注程度越高，使用服务时所感知到的因位置信息泄露而带来的后果越严重，感知风险也越高。大量研究表明，隐私关注与感知风险呈正相关关系。周涛等[32]在对移动商务用户的采纳行为进行实证研究时，认为隐私关注显著影响感知风险。因此提出如下假设：

假设6用户位置信息隐私关注对其感知风险具有正向作用。

1.3.3 结果

根据隐私计算理论可知，用户的采纳意向源于用户对感知收益与感知风险的衡量，大量不同背景的关于隐私关注的研究也证实了这一观点。Sipior等[1]在研究在线社交网络用户的隐私问题时引入了隐私计算理论；Xu等[3]研究了用户在LBS情景下的隐私计算对采纳意向的影响。隐私计算理论恰好能解释LBS中的享受服务与隐私保护这一矛盾。用户感知到的关于隐私泄露后的风险越高，越不愿意采纳位置服务；相反，用户感知到的收益越高，越愿意采纳该服务。因此提出如下假设：

假设7用户的感知收益对其采纳行为具有正向作用。

假设8用户的感知风险对其采纳行为具有负向作用。

2 研究设计

2.1 构念定义及操作化

根据现有文献和本文的研究背景，对构念进行定义，并开发相应量表。量表开发一般有两种方法：①通过文献回顾与访谈，自行开发量表；②采用现有量表。为了提高量表的信度与效度，本文采用现有量表。表1所示为构念的定义及测量项的主要来源。

表1 构念定义和测量项

2.2 数据收集

具体设计方面，采用李克特5级量表法编制问卷，从1～5分别表示“非常不同意”～“非常同意”。进行数据收集时，选取有过LBS使用经历的用户作为调查的目标人群。最终回收问卷412份，排除无效问卷后，得到386份有效问卷，有效率为93.69%。Schwab[40]建议样本数量最少为量表题项总数的10倍，该样本数量符合其对结构方程的要求。

3 数据分析

3.1 描述性统计分析

样本中男性占44.04%，女性占55.96%，比例接近1∶1;年龄方面，青年用户作为主力军，18岁～34岁的用户占90.68%。受教育程度方面，本科学历人数占47.41%，比重最大。根据以上统计结果可以看出，LBS的用户学历较高，且大部分处于青年时期，这也表明了LBS被青年群体广泛使用，有着良好的发展趋势，基本符合LBS使用者的总体特征，说明数据来源较好。

3.2 结构方程建模

研究采用SmartPLS作为统计分析工具，因为最小二乘法的的结构方程分析法(Partial Least Squares Structural Equation Modeling, PLS-SEM)对样本数据与变量是否为正态分布的要求较为宽松。结构方程建模步骤采用较为常用的两步骤法：首先评价测量模型，确保测量的信度与效度；然后评价结构模型，以检验研究假设与理论模型的质量。

3.2.1 测量模型

一般研究根据信度与效度对测量模型的质量进行评价。SmartPLS为研究提供的参考指标如表2所示。

表2 测量模型的质量参数

续表2

信度用来评价测量结果的可信赖程度与一致性，表2中的组合信度和克隆巴赫α系数用来评价信度，一般如果两者均大于0.7，则说明模型具有良好的信度。由表2可知，所有潜变量的组合信度值均大于0.8，克隆巴赫α系数值均大于0.7。

效度用来评价测量模型的真实程度，一般分为内容效度与结构效度两方面。因为本文所有测量项均来自国内外已经成熟的量表，所以能够保证测量模型的内容效度。结构效度又包括收敛效度与区别效度。表2中的标准化因子载荷与平均方差提取量(AVE)用来评价收敛效度，Fornell等[41]认为两者均大于0.5才能表明模型具有良好的收敛效度。由表2可知，测量项的标准化因子载荷在0.712～0.948之间，潜变量的AVE均大于0.5，说明量表的收敛效度良好。区别效度通过比较AVE的平方根与变量之间相关系数的绝对值进行评价，如果AVE的平方根大于各变量之间的相关系数的绝对值，则说明模型具有较好的区别效度。表3对角线部分是AVE的平方根，对角线之外是变量之间相关系数的绝对值，由表3可以看出，所有潜变量的AVE平方根都大于变量之间相关系数的绝对值，说明该模型具有良好的区别效度。

表3 区别效度分析

3.2.2 结构模型

SmartPLS对结构模型进行检验时，需要用内生变量的R2与路径系数对模型进行评价。R2表示内生变量被外生变量解释的程度，R2越大表明内生变量被解释的程度越大；路径系数表示两个变量之间的关系强弱程度。在社会科学研究中，若R2达到0.66以上，则说明模型具有重要的拟合效果；若R2在0.35～0.66之间，则说明模型的拟合效果较好；若R2在0.17～0.35之间，则表明模型拟合效果较弱。图3所示为结构模型的检验结果，其中*p<0.05,**p<0.01,***p<0.001。在外生变量中，位置信息隐私关注的R2=72.7%，即被熟悉程度、口碑、位置隐私信息敏感度、主管规范和国家隐私政策5个因素解释了72.7%，感知风险的R2=68.5%，采纳意向的R2=35.0%，说明该模型拟合效果较好。

表4所示为路径系数、T值与假设检验结果，除假设5以外，其他假设全部支持。在隐私关注的前因变量中，位置信息隐私敏感度与主观规范对位置信息隐私关注的影响最大，其路径系数分别为0.429(p<0.001)和0.277(p<0.001)，而国家隐私政策对位置信息隐私关注的影响不明显；隐私关注的结果中，隐私关注对感知风险的影响显著，其路径系数为0.828(p<0.001)，感知风险与感知收益对采纳意向的影响也得到数据支持，其路径系数分别为-0.321(p<0.001)和0.747(p<0.001)。

表4 假设检验结果

续表4

注：*p<0.05,**p<0.01,***p<0.001

假设5未通过假设检验，与国外许多关于隐私关注的研究结果不一致。可能因为隐私权的意识与法律皆起源于国外，国外大部分公民对与隐私相关的法律政策比较熟悉，也比较重视，认知度较高，公民认为自己的隐私受到国家法律政策的保障，从而放松了对隐私的关注，降低了其隐私忧虑程度，所以在国外的研究中，国家法律政策的保障对用户隐私关注的影响较明显。相比而言，国内与隐私相关的法律政策起步较晚，公民对国家法律政策的认知较晚，而且几乎没有相关的法律政策案例，导致个人对国家隐私法律政策的作用认识较少，感知模糊，因此在国内，国家法律政策的保障对减轻隐私关注所起的作用不大。

4 结束语

在LBS情境下，本文结合其享受服务与隐私关注为一对矛盾的特点，以隐私计算理论为基础，指出隐私关注影响感知风险，用户以享受服务为感知收益对两者进行均衡，进而产生采纳服务的意向。研究从用户角度出发，为LBS的提供者提供参考，使其能采取相应措施减轻用户的隐私关注，使用户采纳服务，并将APCO模型引入LBS情景中，全方位研究LBS用户的隐私关注。研究的不足之处在于参与调查的用户年龄过于集中，其他年龄段用户的数量较少，导致研究结果有一定的年龄局限性。

研究结果对LBS的提供者具有以下重要意义：①熟悉程度能够减轻用户隐私关注，可以通过加大广告力度，扩大服务使用范围来增加用户对该服务的熟悉程度，促进产生采纳意向；②可以通过改善服务口碑来减轻用户的隐私关注度，使用户愿意采纳该服务；③因为用户本身敏感程度影响隐私关注，所以应该改进位置信息加密技术，并向用户保证将隐私泄露的可能性降到最低；④主观规范对隐私关注具有正向影响，应该对主动将产品服务推荐给其他人的用户采取奖励措施；⑤通过提高服务质量、加强使用位置服务的益处，提高用户的感知收益，促进用户的采纳行为。

现阶段国内大部分研究主要建立在国外学者提出的理论之上，较少针对国内的情景进行研究，因此未来将重点根据中国的实际情景研究LBS用户的隐私关注;另外，鉴于当前国民隐私法律意识薄弱，未来研究可以着眼于完善国家隐私法律政策、增强用户的隐私保障上，为国家进一步完善法律提供指导意见。

[1] SIPIOR J C, WARD B T, CONNOLLY R, et al. Privacy in online social networking:applying a privacy calculus model[EB/OL].[2016-08-13].http://aisel.aisnet.org/pacis2013/99/,2013.

[2] XU H, DINEV T, SMITH J, et al. Information privacy concerns:linking individual perceptions with institutional privacy assurances[J]. Journal of the Association for Information Systems,2011,12(12):798-824.

[3] XU H, TEO H H, TAN B C Y, et al. The role of push-pull technology in privacy calculus:the case of location-based services[J]. Journal of Management Information Systems,2009,26(3):135-173.

[4] SHI Shuo. Factors affect privacy disclosure on social network sites:integrity privacy calculate theory and TPB model[D]. Nanjing:Nanjing University,2011(in Chinese).[石 硕.社交网站用户隐私披露行为探究:隐私计算理论与TPB模型的整合[D].南京：南京大学,2011.]

[5] LI Xuefeng, CHEN Xi. Factors affecting privacy disclosure on social network sites:an integrated model[C]//Proceedings of International Conference on Multimedia Information Networking and Security.Washington,D.C.,USA:IEEE,2010:315-319.

[6] NJENGA K, NDLOVU S. On privacy calculus and underlying consumer concerns influencing mobile banking subscriptions[J]. Information Security South Africa,2012,3(3):1-9.

[7] LU Yewei, HU Zhiyan. Influencing factors on the intention of private information provided by personal on line[J]. Shanghai Management Science,2008,30(5):36-39(in Chinese).[卢叶微,胡治严.对个人在线提供信息隐私意愿的影响因素研究[J].上海管理科学,2008,30(5):36-39.]

[8] DWYER C, HILTZ S, PASSERINI K 2007. Trust and privacy concern within social networking sites:a comparison of Facebook and MySpace[EB/OL].[2016-08-13].http://aisel.aisnet.org/amcis2007/339/,2007.

[9] LIU C, MARCHEWKA J T, LU J, et al. Beyond concern—a privacy-trust-behavioral intention model of electronic commerce[J]. Information & Management,2004,42(2):289-304.

[10] AN Zhaoyu. The study of influencing factors that affect LBS users’ privacy concern in social APPs[D]. Jinan:Shandong University of Finance and Economics,2015(in Chinese).[安昭宇.社交App中LBS用户隐私关注的影响因素研究[D].济南:山东财经大学,2015.]

[11] ZHOU Yongjie. The study of factors that influence privacy concern of check-in services[D]. Dalian:Dalian Maritime University,2013(in Chinese).[周永杰.LBS签到服务中隐私关注及影响因素研究[D].大连：大连海事大学,2013.]

[12] ZHANG Zhijie, LYU Tingjie. Empirical study of users’ acceptance model on mobile LBS[J]. Journal of Beijing University of Posts and Telecommunications:Social Science Edition,2012,14(1):56-61(in Chinese).[张志杰,吕廷杰.移动LBS用户接受模型的实证研究[J].北京邮电大学学报:社会科学版,2012,14(1):56-61.]

[13] WANG Yuan, YANG Shu, XU Yifeng, et al. The impact of perceived emergency and essentiality on perceived privacy risk, privacy concern and intention to use in mobile LBS environment:an example of China mobile and unicom[C]//Proceedings of International Conference on Mobile Business. Washington, D.C., USA:IEEE,2009:267-272.

[14] ZHOU Aoying, Yang Bin, JIN Cheqing et al. Location-based sevices:architecture and progress[J]. Chinese Journal of Computers,2011,34(7):1155-1171(in Chinese).[周傲英,杨 彬,金澈清,等.基于位置的服务：架构与进展[J].计算机学报,2011,34(7):1155-1171.]

[15] SMITH H J, DINEV T, XU H. Information privacy research:an interdisciplinary review[J]. Mis Quarterly,2011,35(4):989-1015.

[16] LANKTON N, JOHNTRIPP. A quantitative and qualitative study of Facebook privacy using the antecedent-privacy concern-outcome macro model[EB/OL].[2016-08-13].http://aisel.aisnet.org/amcis2013/ISSecurity/General Presentations/21/,2013.

[17] KENNY G, CONNOLLY R. Citizens’ health information privacy concerns:a multifaceted approach[EB/OL].[2016-08-13].https://aisel.aisnet.org/ecis2015_rip/22.

[18] BORENA B, BELANGER F, EJIGU D, et al. Conceptualizing information privacy concern in low-income countries: an ethiopian language instrument for social network sites contex[EB/OL].[2016-08-13].http://aisel.aisnet.org/amcis2015/ISSecurity/GeneralPresentations/45/,2015.

[19] CULNAN M J, ARMSTRONG P K. Information privacy concerns, procedural fairness, and impersonal trust:an empirical investigation[J]. Organization Science,1999,10(1):104-115.

[20] WEN Yiping, LIU Jianxun, CHEN Congyang. Privacy-aware and cost-aware workflow scheduling in clouds[J]. Computer Integrated Manufacturing Systems,2016,22(2):294-301(in Chinese).[文一凭,刘建勋,陈聪阳.隐私与成本感知的云工作流调度方法[J].计算机集成制造系统,2016,22(2):294-301.]

[21] SARATHY R, LI H. Understanding online information disclosure as a privacy calculus adjusted by exchange fairness[EB/OL].[2016-08-13].http://aisel.aisnet.org/icis2007/21/,2007.

[22] SIPIOR J C, WARD B T, CONNOLLY R, et al. 2013. Privacy in online social networking: applying a privacy calculus model[EB/OL].[2016-08-13].http://aisel.aisnet.org/cgi/viewcontent.cgi?article=1099&context=pacis2013/,2013.

[23] NJENGA K, NDLOVU S. On privacy calculus and underlying consumer concerns influencing mobile banking subscriptions[C]//Proceedings of Conference on Information Security South Africa. Washington, D.C., USA:IEEE,2012:1-9.

[24] GEFEN D. E-commerce:the role of familiarity and trust[J]. Omega,2000,28(6):725-737.

[25] BHATTACHERJEE A. Individual trust in online firms:scale development and initial test[J]. Journal of Management Information Systems,2002,19(1):211-242.

[26] KIM K K, PRABHAKAR B. Initial trust and the adoption of B2C e-commerce:the case of internet banking[J]. ACM Sigmis Database,2004,35(2):50-64.

[27] ADAMS A. Users’ perception of privacy in multimedia communication[C]//Proceedings of Chi 99 Extended Abstracts on Human Factors in Computing Systems.New York, N.Y.,USA:ACM,1999:53-54.

[28] OKAZAKI H. Fight against TRALI[J]. ISBT Science Series,2009,4(2):375-382.

[29] MALHOTRA N K, 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.

[30] ZHAO Ling. Empirical research on members’ participation in virtual communities[D]. Wuhan:Huazhong University of Science & Technology,2011(in Chinese).[赵 玲.虚拟社区成员参与行为的实证研究[D].武汉：华中科技大学,2011.]

[31] LEHIKOINEN J T, LEHIKOINEN J, HUUSKONEN P. Understanding privacy regulation in ubicomp interactions[J]. Personal & Ubiquitous Computing,2008,12(8):543-553.

[32] ZHOU Tao, LU Yaobin. The impact of privacy concern on mobile commerce users’ adoption behavior[J]. Chinese Journal of Management,2010,7(7):1046-1051(in Chinese).[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(7):1046-1051.]

[33] DIAO Su. The study of consumer privacy concerns and adoption behavior in electronic commerce[D].Beijing:Beijing University of Posts and Telecommunications,2010(in Chinese).[刁 塑.新兴电子商务消费者隐私关注与采纳行为研究[D].北京：北京邮电大学,2010.]

[34] HUI K L, TEO H H, LEE S Y T. The value of privacy assurance:an exploratory field experiment,” MIS Quarterly, forthcoming[EB/OL].[2016-08-13].http://www.comp.nus.edu.sg/～lung/PrivacyAssurance.pdf.2006.

[35] SHEEHAN K B, HOY M G. Dimensions of privacy concern among online consumers[J]. Journal of Public Policy & Marketing,2000,19(1):62-73.

[36] SHIBCHURN J, YAN X. Information disclosure on social networking sites:an intrinsic-extrinsic motivation perspective[J]. Computers in Human Behavior,2015,44(44):103-117.

[37] KRASNOVA H, VELTRI N F. Privacy calculus on social networking sites:explorative evidence from Germany and USA[C]//Proceedings of the 43rd Hawaii International Conference on System Sciences. Washington, D.C., USA:IEEE Computer Society,2010:1-10.

[38] PAVLOU P A, GEFEN D. Building effective online marketplaces with institution-based trust[J]. Information Systems Research,2004,15(1):37-59.

[39] DAN J K, FERRIN D L, RAO H R. A trust-based consumer decision-making model in electronic commerce:the role of trust, perceived risk, and their antecedents[J]. Decision Support Systems,2008,44(2):544-564.

[40] SCHWAB D P. Construct validity in organizational behavior[J]. Research in Organizational Behavior,1980,2(1):3-43.

[41] 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.