再生资源“互联网+”回收意愿影响因素分析

2020-03-24魏洁，王琳

科技管理研究 2020年2期

魏洁，王琳

（杭州电子科技大学管理学院，浙江杭州 310018）

1 研究背景

近年来，随着经济的快速发展，自然资源被大量消耗，经济持续发展受到资源的严重制约，再生资源回收迫在眉睫。据《中国再生资源回收行业发展报告（2018）》显示，截至2017年年底，我国十大类别的再生资源回收总量达2.82亿t，比2016年增长11%；预计到2020年，再生资源回收总量将达3.5亿t［1］。然而，目前我国再生资源回收率低于60%，与部分发达国家80%～90%的回收率存在很大差距［2］。随着互联网技术的发展，再生资源“互联网+”回收以其独特的优势进入了公众的视野，该模式相比于传统回收模式而言，具有回收效率高、回收成本低的优势。然而，面对这种新型的回收模式，民众的接受程度到底如何？为此，我们提出对再生资源的“互联网+”回收意愿影响因素分析。

技术接受模型（technology acceptance model，TAM）最初由Davis［3］提出，TAM以其对信息技术领域广泛的适用性和简约性被广泛地应用于对新信息技术接受意愿的研究中。Ong等［4］基于来自140名工程师的样本，检验了TAM在解释工程师接受电子学习程度中的适用性；Heijden等［5］基于TAM探讨了影响消费者在电子商务网站上在线购买意向的因素。但由于信息技术和管理任务的多样性，TAM的现实意义被大大减弱，因此很多学者将TAM与其他模型整合或加入其他因素进行拓展，其中以与计划行为理论（theory of planned behavior，TPB）和任务技术适配模型（task-technology fit，TTF）的整合最为广泛。杨翾等［6］将TPB与TAM整合并引入感知风险等因素，探究了消费者对于余额宝等支付增值产品的使用行为；Klopping等［7］将TTF与TAM整合，研究消费者对电子商务的接受程度，证实了任务技术适配与感知有用性之间有显著的相关性。在对消费者参与“互联网+”回收影响因素的研究方面，王昶等［8］基于TAM和TPB，引入收益-风险分析理论，构建居民参与“互联网+”回收意愿模型并进行了实证分析；许民利等［9］将交易成本理论、信任理论与TAM整合，构建居民参与“互联网+”回收意愿的模型；李春发等［10］则基于TAM和信息传播理论探究网络口碑对居民参与“互联网+”废旧手机回收的作用。

而本文研究的再生资源“互联网+”回收模式，相较于传统的回收模式，具有明显的网络技术特征，因此区别于以往研究，为分析“互联网+”回收的技术特征对居民参与“互联网+”回收的影响，本研究在TAM、TPB的基础上增加引入TTF，构建了TAM-TPB-TTF整合模型，研究居民参与再生资源“互联网+”回收意愿的影响因素，以期为再生资源“互联网+”回收的良好发展提出建议，促进提高再生资源回收率，为建设资源节约型社会作出贡献。

2 模型整合与假设

将互联网技术创新地应用到再生资源回收中，属于新信息技术的范畴，考虑到居民的行为会受到外界因素和新技术自身特征的影响，因此，本文以TAM、TPB、TTF 3个模型为理论基础提出整合模型，以适用于再生资源“互联网+”回收意愿的影响因素分析。

2．1 技术接受模型

TAM中两个关键因素是感知有用性和感知易用性，其中感知有用性指用户在使用某一新信息技术时，感知到对其工作任务的有用程度，感知易用性指用户感知到新信息技术容易使用的程度；而系统设计特征、任务特征、用户特征等外部环境因素可以影响感知有用性和感知易用性。TAM最初主要用于研究人们对计算机的接受和使用行为，随着互联网的发展，现用于研究人们对网络服务的接受和使用行为。本文研究居民参与再生资源“互联网+”回收意愿的影响因素，因此适合用TAM进行研究。

2．2 计划行为理论

Ajzen［11］在1991年提出了计划行为理论（TPB）。TPB认为行为态度、主观规范和知觉行为控制通过影响行为意向来间接作用于实际行为。TPB是解释“态度-行为”关系的社会心理学理论，该模型被广泛应用到新行为的理论研究之中。再生资源“互联网+”回收是传统回收模式的创新，居民是否参与会受到自身态度和他人的影响，所以本文适合用TPB进行研究。

2．3 任务技术适配模型

Goodhue等［12］在1995年提出了任务技术适配模型(TTF)，认为个人绩效是由任务技术适配决定的，而任务技术适配受到任务特征、技术特征和用户特征三方面的共同影响。任务技术适配是指信息技术能够支持工作任务的程度，通过对认知心理和认知行为的描述，反映出信息技术如何作用于个人绩效，同时也反映了信息技术和工作需求之间的关系。居民在使用“互联网+”回收平台时，感知其对回收工作的支持程度，所以本文适合用TTF进行研究。

2．4 整合模型

TAM和TPB都是在理性行为理论的基础上衍生出来的，TAM是用于信息技术采纳研究的专用模型，TPB是用于解释个体行为的普适模型，由于两者存在内在的逻辑关系，将其进行整合在理论上是可行的［13］。但TAM的不足在于其主要是通过用户的心理和行为研究用户对新信息技术的接受情况，缺少对工作任务的关注，容易造成对信息技术的有用认知与该信息技术对特定任务的有用认知之间的混淆［14］。TTF的不足在于其尽管考虑了工作任务和信息技术之间的适配程度，却忽视了适配度对用户心理的影响，从而缺少了一个从任务技术适配到技术使用之间的桥梁。所以，将TAM与TTF整合可以互补。本文借鉴了其他学者的模型整合思路，选取各模型的核心因素，TAM与TPB以使用态度为结合点，TTF中的任务技术适配作为一个影响感知有用性和感知易用性的因素，提出了再生资源“互联网+”回收意愿分析模型（如图1）。

2．5 研究假设

2.5.1 基于TAM模型的假设

在本研究背景下，感知有用性指用户感知“互联网+”回收对回收效率的提高程度，即用户认为使用“互联网+”回收相对于传统回收是更方便快捷的；感知易用性指用户感知“互联网+”回收平台的易用程度，即用户认为使用“互联网+”回收平台是简单的、方便的、不需要花太多时间精力去学习的；使用态度指用户对使用“互联网+”回收平台持赞成或是否定态度，赞成程度越高，使用意愿越强，反之使用意愿越弱［15］。用户对“互联网+”回收平台有使用意愿才会产生实际使用行为。因此，本研究作出以下假设：

H1：感知有用性对再生资源“互联网+”回收平台的使用态度有显著的正向影响。

H2：感知易用性对再生资源“互联网+”回收平台的使用态度有显著的正向影响。

H3：感知易用性对感知有用性有显著的正向影响。

H4：使用态度对再生资源“互联网+”回收的使用意愿有显著的正向影响。

2.5.2 基于TPB模型的假设

主观规范是指用户采取行为时受到具有影响力的团体或个人的影响程度，即人们决定要不要采用“互联网+”回收这种方式时会参考对自己有重要影响的人的意见，如行业专家或家人朋友。用户对“互联网+”回收比较陌生时，会较多地听取别人的意见，主观规范的作用就更明显。随着“互联网+”回收的普及，用户经验增多，主观规范对用户的作用就会降低。知觉行为控制是反映用户的经验和预期的阻碍，当用户认为自己所掌握的资源与机会愈多、所预期的阻碍愈少，则知觉行为控制就愈强。因此，本研究作出以下假设：

H5：主观规范对再生资源“互联网+”回收平台的使用意愿有显著的正向影响。

H6：知觉行为控制对再生资源“互联网+”回收平台的使用意愿有显著的正向影响。

2.5.3 基于TTF模型的假设

任务技术适配是指当一个事物能很好地适配所支持的工作时，这个事物就会被采纳，即当再生资源“互联网+”回收平台能够为居民回收带来便利并提高效率，那么就说任务技术适配程度高。在整合模型中，影响任务技术适配的因素有任务特征和技术特征。任务特征是用户因有回收需求而利用“互联网+”回收平台进行回收的活动，以及其他多样化的需求；技术特征反映了再生资源“互联网+”回收平台的关键技术，即当用户查询回收报价等信息时，回收平台能够快速提供准确、完整的信息，对用户发出的回收需求能够及时响应并提供服务，并且能够确保用户资金和信息的安全。因此，本研究作出以下假设：

H7：任务特征对任务技术适配有显著的正向影响。

H8：技术特征对任务技术适配有显著的正向影响。

H9：任务技术适配对再生资源“互联网+”回收平台的使用意愿有显著的正向影响。

H10：任务技术适配对感知有用性有显著的正向影响。

H11：任务技术适配对感知易用性有显著的正向影响。

图1 再生资源“互联网+”回收意愿分析TAM-TPB-TTF整合模型

3 研究设计

3．1 问卷设计

本文采用调查问卷的形式进行数据收集，从而对模型进行验证。问卷由两部分组成，一部分是调查对象的人口统计特征，包括性别、年龄、学历、地区；另一部分是整合模型中所有变量的测量项，这一部分采用Likert5级量表的形式对测量项进行评分，1～5分别代表非常不赞同、不赞同、一般、赞同、非常赞同。测量项均借鉴于相关研究的成熟量表，并结合再生资源“互联网+”回收的相关内容进行设计。

3．2 数据收集

通过线上形式发放并回收问卷638份，剔除无效问卷162份后，有效问卷为476份，问卷有效率是74.6%。研究对象为对再生资源“互联网+”回收平台有所了解或使用过的人（以下简称样本）。根据对调查对象的描述性统计分析，其中男性占40.55%，女性占59.45%；年龄主要集中在18～40岁之间，占总样本的73.95%；学历主要以高中和本科为主，占总样本的78.57%；调查对象所在地区以我国东部和中部居多，西部较少。具体统计特征如表1所示。

表1 样本统计特征分析

3．3 数据分析

数据分析从量表的信度分析、效度分析和模型的路径分析三方面展开，用到的分析工具是SPSS 24.0和Amos 21.0，以下分析是在剔除标准载荷较小的题项PBC1后进行的。

3.3.1 信度分析

信度分析是验证量表是否具有良好的内部一致性，用内部一致性系数（Cronbach' s Alpha）进行检验，内部一致性系数大于0.7表明量表内部一致性良好，具有较高的信度。应用SPSS 24.0的可靠性分析功能，分析结果如表2所示，各因子的内部一致性系数均大于0.7，表明量表信度良好。

3.3.2 效度分析

效度分析包含内容效度和结构效度。内容效度分析是检验量表设计的题项能否反映所测量的因子。本研究量表是基于已有研究中所采用的题项修改而成，因此具有良好的内容效度。结构效度指量表的测试结果能够说明理论假设的程度，常用探索性因子分析和验证性因子分析进行检验。探索性因子分析应用SPSS 24.0的因子分析功能，抽样适合性检验（KMO）值大于0.7并且Bartlett's球状检验显著性水平为0表明量表具有良好的结构效度。如表2所示，结果显示，除任务特征和知觉行为控制两项外，其他因子的KMO值均大于0.7，但任务特性和知觉行为控制两因子的KMO值也均在0.5以上的接受范围之内，所有因子的Bartlett's球状检验显著性水平均为0，表明量表的结构效度良好。

为进一步检验量表的效度，应用Amos 21.0对量表进行验证性因子分析，结果显示，各题项的标准载荷值均大于0.5，组合信度均大于0.7，表明每个因子中的题目均一致地解释了该因子；平均方差提取量均大于0.5，表明量表具有良好的收敛度。

表2 样本量表信度和效度分析

表2（续）

3.3.3 路径分析

在问卷信度、效度都良好的基础上，为检验本研究的假设是否成立，使用Amos 21.0，采用最大似然法对再生资源“互联网+”回收意愿整合模型进行路径分析，结果如图2所示。

图2 样本路径分析数据

数据与模型的适配度指数采用了绝对适配度指数GFI、AGFI、RMSEA，增值适配度指数CFI和简约适配度指数卡方自由度比共5个指标，适配结果如表3所示，各项适配度指数均达标，表明样本数据与模型的拟合度良好，路径分析结果有效。

表3 样本模型适配度指数

3.3.4 结果分析

路径分析结果显示（如表4），模型对使用态度的拟合度为72%，对使用意愿的拟合度为76%。这里的拟合优度即为可决系数R2，是通过多元线性回归分析得到的，取值范围在0到1之间，越接近于1说明模型对样本数据的拟合度越好。分析结果表明，本研究模型能较好地解释居民对再生资源“互联网+”回收平台的使用意愿。

表4 样本假设检验汇总

表4（续）

根据表（4）可以得出：

（1）从结果的显著性来看，在居民对再生资源“互联网+”回收平台使用意愿的影响因素中，使用态度的影响作用最强，主观规范次之，显然，居民对“互联网+”回收平台有积极的使用态度会更容易产生使用意愿，但目前回收平台的应用并不广泛，所以主观规范的作用更易凸显。而在影响居民对再生资源“互联网+”回收平台使用态度方面，感知有用性起着决定性作用，它依靠互联网平台和专业的回收处理技术，可以方便快捷地提高再生资源的回收工作，既解决了居民的回收问题，又可以使再生资源更大程度地得以利用。

（2）从结果的非显著性来看，知觉行为控制和任务技术适配对再生资源“互联网+”回收平台使用意愿没有显著的正向影响。在互联网如此普及的情况下，居民有足够的资源和能力使用“互联网+”回收平台，所以知觉行为控制并不能对“互联网+”回收平台的使用意愿产生显著影响。任务技术适配虽然对使用意愿也没有显著影响，但其可以通过感知有用性和感知易用性产生间接的影响。由于再生资源“互联网+”回收平台的使用并不广泛，其功能和特征还未被充分挖掘，所以任务特征对任务技术适配没有显著影响。此外，感知易用性并没有对再生资源“互联网+”回收平台的使用态度产生显著影响，由于在网络时代，人们早已对各种手机软件和网站运用自如，易用并不足以影响居民对再生资源“互联网+”回收平台的使用态度，但其可以通过促进感知有用性进而对使用态度产生正向影响。