技術接受模型(TAM)關鍵變量前因分析

張李義　張　然

(武漢大學信息管理學院，武漢，430072)

技術接受模型(TAM)關鍵變量前因分析

張李義張然

(武漢大學信息管理學院，武漢，430072)

技術接受模型(TAM)自1986年由Davis提出以來，就得到了廣泛的驗證和應用。為增強模型的解釋能力，針對關鍵變量感知有用性和感知易用性衍生了大量的前因變量。本文根據來源和作用對象不同對這些前因變量進行提煉、整合，明確前因變量與關鍵變量之間的關系，并指出現有研究的不足之處及今后技術接受模型變革的研究方向。

技術接受模型感知有用性感知易用性技術因素環境因素個人因素

1　引言

技術接受一直是信息系統領域研究的重點，在眾多理論模型中，Davis 的技術接受模型(Technology Acceptance Model, TAM)被認為是最權威，最穩健和精簡的模型之一。1986年Davis[1]在其博士論文中首次提出了技術接受模型，模型以理性行為理論(theory of reasoned action, TRA)為基礎,驗證組織環境下系統外部變量對個人信息系統使用意圖的影響。TAM模型提出了兩個影響用戶接受的關鍵變量：感知有用性(perceived usefulness, USEF)，反映一個人認為使用一個具體系統對他工作業績提高的程度；感知易用性(perceived ease of use, EOU)，反映一個人認為容易使用一個具體系統的程度。

TAM模型提出以來，由于其簡單的模型結構和權威的影響性，經過眾多學者的實證驗證，其應用領域已由最初的計算機辦公系統擴展到信息系統領域的任意一種技術應用。為了增強模型的解釋能力，學者紛紛引入不同的外部變量對TAM模型進行擴展(如圖1)。引入的外部變量，一部分作為獨立變量直接影響使用意圖，另一部分則通過TAM模型的其他變量間接影響使用意圖。本文研究的關注點就是間接變量中對感知有用性和感知易用性起作用的變量。

圖1　經典TAM模型

現有TAM模型綜述研究主要分為兩類：第一類研究關注于模型在某一領域的應用情況，如電子商務、衛生保健、在線學習、娛樂系統；第二類研究關注于模型本身發展的整體概況。就TAM模型本身而言，其發展已經相當成熟，為了系統地認識TAM模型的發展現狀和不足，本文將TAM模型分解，對其關鍵變量(感知有用性和感知易用性)的前因變量進行了分類歸納。根據歸納結果，總結了技術接受

模型研究的現狀和不足之處，并針對性地提出TAM模型的改進建議，正是本文的目的所在。

2　文獻收集方法

為了確保文獻質量及其影響性，本文選擇Web of Science數據庫作為檢索對象，分別以“TAM”和“technology acceptance model”為關鍵詞，限定研究領域為信息系統、計算機科學、社會科學和經濟學。同時為了觀察研究的時間效果，沒有對時間進行限定，最終有效文獻起止年限為1995年至2014年3月。按照以下標準進行初步篩選：

(1)文章使用TAM模型進行實證研究；

(2)文章對TAM模型進行擴展的同時保留了TAM模型基本框架：感知有用性和感知易用性被保留；

(3)文章實驗方法描述完整，實驗結果可獲得且有效。

為取得更精確的結果，通過閱讀全文進行復核，排除實驗模型中不包含感知有用性或感知易用性前因變量的文獻，最終篩選出有效文獻179篇。有效文獻涉及會議論文和期刊論文，其中會議論文30篇，期刊論文149篇。文獻的發表年份分布如圖2。

圖2　文獻發表年份分布圖

從圖2上，可以直觀地觀察到關于TAM模型關鍵變量前因研究的有效文獻發表年份從1996年開始。這一結果與張楠，郭迅華，陳國青[2]三位學者之前對TAM模型發展的研究相吻合。1995年之前是TAM模型引入和驗證時期，聚焦于原始TAM模型本身；1995年之后才是TAM模型的理論整合和修正時期以及應用時期，不同的外部變量被引入TAM模型。

3　前因變量分類

3.1按變量來源分類

在179篇有效文獻中，學者擴展TAM模型時選擇關鍵變量(感知有用性和感知易用性)的前因變量各不相同。通過歸納整理，發現這些前因變量的來源有兩種：①吸收其他理論模型中的變量；②根據情境應用添加的變量。

3.1.1模型來源前因變量

2003年，Venkatesh等[3]融合了以下八種理論模型：創新擴散理論(IDT)、理性行為理論(TRA)、計劃行為理論(TPB)、技術任務適配模型(TTF)、PC利用模型(MPCU)、動機模型(MM)、社會認知理論(SCT)、復合TAM/TPB模型(C-TAM-TPB)，提出了技術采納與利用整合理論(UTAUT)。這一理論可說是達到了TAM模型融合其他理論模型的頂峰。盡管UTAUT模型由于感知有用性和感知易用性的缺失而不在本文研究范圍內，它所包含的八種理論模型仍然是眾多學者進行TAM模型擴展的主要參考模型。除去復合TAM/TPB模型和TPB理論，其他六種模型在本次研究的有效文獻中均有涉及。值得注意的是創新擴散理論在TAM模型中的應用情況，現有研究對于創新擴散理論的應用并不充分，在選取感知有用性和感知易用性的前因變量時，研究更關注于創新本身的5個要素：相對優越性、兼容性、復雜性、可試驗性和可觀察性，對于創新擴散的過程則沒有考慮。

此外，TAM模型還融入了許多社會心理學模型，如自我效能理論(SET)、創新抵制模型(MIR)、期望確認理論(ECT)、社會臨場感理論(SP)、社會交換理論(SET)、沉浸理論(FT)、使用與滿足理論(U&G)、獲得-交易效用理論(ATUT)。表1羅列了所有模型來源前因變量，由于不同文獻對同一前因變量的研究結果可能存在差異，因此列表中選用驗證文獻數量最多的一項結果作為該前因變量與感知有用性、感知易用性之間的一般關系。

由表1的數據可以發現，對自我效能理論的驗證占到了有效文獻總數的11.2%，數量是所有前因變量之首。顯然，自我效能對于感知有用性、感知易用性的作用結果在20篇文獻中并不一致。Young[4-6]等人認為自我效能可以提升個體對系統有用性的感知；Booker[7-10]等更多學者認為自我效能對個體感知易用性有積極作用；Chow[11-13]等人則認為自我效能對感知易用性和感知有用性同時產生積極影響。然而，從定義上來看，自我效能和感知易用性是相同的概念，內涵一樣。

Joo和Sang[14]整合了使用與滿足理論與技術接受模型，通過對韓國境內智能手機使用影響因素的調查，最終得出結論：程序化使用動機(尋求陪伴、消磨時間、放松)與工具化使用動機(查找信息)都對智能手機用戶的感知有用性和感知易用性產生積極影響，而且工具化使用動機明顯比程序化使用動機更有效。

3.1.2情境來源前因變量

TAM模型展示了個體是否使用某一信息系統的決策過程。這一決策過程由于信息系統(情境)的變化，前因變量也隨之變化,Sumak[15]等人對電子商務領域TAM模型的外部變量研究中，將模型的擴展變量概括為五類：技術因素、社會因素、組織因素、個體因素和質量因素。事實上，技術因素最終需要通過信息系統來展示，所以可以將技術因素和用戶與信息系統交互過程中感知到的質量因素合并，歸結為系統變量。組織因素和社會因素均是信息系統與個體之外的變量，可以合并為環境變量。因此，本文對情境來源變量的分類精簡為：個體變量、系統變量、環境變量。

從表2數據可以看出，情境來源前因變量的研究主要集中在個體變量和系統變量上，這與技術接受的主體(人)和作用對象(信息系統)相吻合。同時，對于環境變量的研究則明顯減少。隨著信息系統技術的發展，單機作業模式幾乎不再存在，互聯網時代信息系統的網絡外部性帶來更高的效能。因此，個體在做出信息系統接受的決策過程中必定受環境影響，環境變量在研究中同樣不可小覷。

個體變量的子變量人口統計因素(性別、年齡)并不對感知有用性或感知易用性有直接作用，通常是通過調節其他變量而間接影響。Padilla-Meléndez[16]等人發現在線學習環境下，趣味性對于有用性的影響由于性別的差異而不同，男性對于有用性的重視更甚于趣味性，女性則可能由于趣味性的影響而覺得被測試系統有用而采納該系統?？梢?，男性比女性更為理性。個體特性因素則與用戶特質(心理狀態、計算機經驗/知識)有關，個體特性變量的選擇與實驗樣本密切相關，其作用結果也因人而異。Hsu[17]等人研究臺灣境內博客對消費者網購意向的影響，指出信任對個體感知有用性有積極影響。Celik[18]等人驗證了土耳其境內電子商務接受模型，指出購物樂趣對感知有用性的作用遠遠大于信任對感知有用性的作用。

系統變量對感知有用性或感知易用性的影響不可一概而論，不同系統中，用戶對于情境變量的訴求也不同。商品評價系統更關注信息質量對有用性和易用性的影響；電子政務和自助服務系統則重點關注系統服務質量的作用。Cyr[19]等人認為網站的美術設計可以提升用戶的感知有用性和感知易用性；Lambert[20]等人則在對中小型律師行調研后得出，律師事務系統的美術性設計降低了系統的專業性，進而對系統的有用性和易用性產生消極影響。游戲等娛樂系統中，則是互動性、運動感知等前因變量起正向作用。

表1　模型來源變量

注：U：usefulness；E：ease of use；“”積極影響，“(n)”消極影響

表2　情境來源變量

注：每篇文獻所研究的前因變量數目N≥1。

環境變量對感知有用性或感知易用性的影響主要是社會影響，其研究數量占到環境變量研究的52.63%。社會影響來源分兩種：①人際交往(朋友、同事、上級等)；②外界交往(媒體報道、專家意見、其他非個人信息)。Lopez-Nicolas[21]等人認為移動設備和移動服務使人們無論何時何地都可以進行社會化連接。這種社會化互動積極影響用戶對社會地位的感知，進而影響用戶的感知有用性。Hung[22]等人指出在知識庫系統接受過程中，外在動機(聲譽、互惠)和內在動機(利他)都對感知有用性和感知易用性有正向作用。Shan[23]等人研究證明在商務智能系統接受模型中組織相關因素(形象、管理支持)對感知易用性有積極影響。

3.2按變量作用對象分類

相同的前因變量在不同的文獻模型中作用對象(感知有用性或感知易用性)或作用結果(影響系數)不可能完全相同。為了更好地了解前因變量的影響性，研究以作用對象為分類標準，選取最大β值作為該變量的最大作用效果繪制表3。且因有效文獻涉及多個研究領域，因此注明最大β值來源，使研究更嚴謹。

現有文獻研究對信息系統感知有用性的研究數量遠遠大于感知易用性的研究。系統質量最大β值來源，再次證明系統質量對感知有用性的影響與其應用領域密切相關，而感知易用性更多的是與系統技術因素有關。信任因素是感知有用性的重要前因變量，本次研究中信任對感知有用性影響的研究數量占到了信任研究總數的83.3%。期望確認，即期望與實際績效的比較結果，對感知有用性的影響，將對個體的再次或持續使用系統起重要作用。

自我效能變量不僅是感知易用性的重要前因，也是感知有用性和感知易用性共同前因研究最多的單一變量。這一結果很好理解，自我效能與感知易用性內涵一致， 且TAM模型的一個重要結論就是感知易用性對感知有用性有積極作用。因此，這一結論移植到自我效能變量上同樣適用。程序化使用動機(尋求陪伴、消磨時間、放松)追求的是系統的享樂價值，且程序化使用動機對系統感知有用性的影響比感知易用性小得多。理論上講，享樂因素的作用結果應該能夠進一步證明這一結論。事實上，無論是享樂單獨影響感知有用性(β=0.705)或感知易用性(β=0.884)，還是同時影響感知有用性(β=0.57)和感知易用性(β=0.63)，享樂對感知易用性的影響都比感知有用性大。

表3　前因變量作用對象表

注：有效文獻中性別、年齡以及其他起調節作用的前因變量未統計在表中；起消極作用的前因變量，其最大β值取絕對值最大值。

4　討論與建議

TAM模型提出至今，學者對該模型進行了大量的理論和實證研究。本文對現有研究成果進行系統性地提煉、分析，明確了前因變量及其影響的關鍵變量之間的關系。同時，發現當前研究還存在一些不足之處。

(1)前因變量研究的結果具有高度的一致性，研究并沒有取得實質性的理論進展?，F有的TAM模型研究只是單純的原始TAM模型復制，雖然增加了許多外部變量，但是模型的原始驗證關系沒有太大改變。同時，不同學者對于不同領域的TAM模型的驗證，前因變量對關鍵變量的作用效果保持高度的一致性。在不同的研究中，同一前因變量對感知有用性或感知易用性的影響都為積極(消極)影響，只有極個別情況下研究結果會存在差異。所以，進行TAM模型創新性研究，提出具有獨特性的研究結論，意義重大。

(2)前因變量之間具有因果關系，對關鍵變量起調節作用。研究中發現，系統質量、社會臨場感、熟悉感、習慣都直接影響個體對系統的信任[24-28]。兼容性和風險規避能夠提升個體的自我效能[29-30]；趣味性、創新和自我效能可以引起認知專注[31-33]；互動和系統設計增強個體享樂性[34-35]；不公平感知則必然影響個體的風險感知(β=0.94)[36]。這些變量在模型中同時具有雙重身份，不僅本身是關鍵變量的前因，也是關鍵變量前因的前因，然而大多數研究中都忽略了后者，在未來的研究中應該予以關注。

(3)感知易用性作用弱化，在TAM模型中地位下降。首先，多組實驗證明，相較于系統的易用性，個體采納新技術時更依賴于系統的有用性[37-38]。無論是相關系數還是路徑系數，感知有用性都明顯高于感知易用性。其次，Venkatesh等人[3]在研究中發現感知易用性只在信息系統前期使用中有直接影響，在后期使用中這種影響則不存在。這說明隨著用戶的相關信息系統經驗增加，感知易用性的作用將被其他因素超越，其作用弱化。再次，在多項研究中發現，只有通過感知有用性的調節作用，感知易用性才會影響用戶使用意圖[39-41]。

Hernandez[42]等人的研究則從感知易用性本身入手，證明感知易用性的作用弱化。研究驗證了互聯網接受對自我效能的影響系數高達0.874，即只要用戶接受互聯網，就會有較高的自我效能，會認為使用某個系統很容易，與感知易用性內涵一致。數據顯示，2013年12月止，中國的互聯網普及率達到45.8%，其中移動互聯網占到81%[43]。此外，2012年國際電信聯盟報告指出，全球家庭互聯網普及率到2015年有望達到40%[44]。因此，在現有的互聯網環境下，依據Hernandez的結論，研究用戶的感知易用性并沒有太大的意義。本次研究中感知易用性前因變量的有效文獻研究數量比感知有用性少得多，也證明了這一論點。所以，尋找可替代感知易用性變量的技術接受模型，意義重大。

(4)前因變量多為理性測度，非理性因素研究有限。這一現狀與技術接受模型的起源有一定關系。TAM模型植根于理性行為理論(TRA)，TRA理論有三個基本假設：①通常人類是理性的，并基于整體觀以及系統觀處理、應用其所獲得的信息；②人類的社會行為不會受到無意識的誘因或力量的影響；③人類的行為是完全可以自我控制的。但是，實際上個體做出使用信息系統的決策過程并不總是理性的，可能受到好奇、憤怒、沖動、害怕等情緒的影響。Terzis等人[45]研究了個體情感反饋對計算機評價系統應用的影響，發現情感反饋(高興、害怕、傷心)對系統的感知有用性、感知易用性以及行為意圖都有直接影響，并且情感反饋對行為意圖的影響(β=0.24)明顯比感知有用性(β=0.11)、感知易用性(β=0.18)大。雖然少數學者嘗試在模型中添加焦慮、憤怒等前因變量，可是大多數情況下被測試者只是理性的面對一份羅列使用系統可能發生的狀況的問卷，因此他們的答案也只是一個理性的預測結果，并不能真實反映非理性因素的影響效果。提出適用于非理性環境的技術接受模型，是當前亟待解決的課題之一。

(5)加強TAM模型負向前因變量的研究，提升企業、組織防護意識。正向前因揭示了信息系統接受的促進因素，企業、組織可以增強正向前因，主動出擊，提升用戶對系統的接受度。負向前因的研究則能夠幫助企業、組織認識系統應用阻礙，有意識的防范阻礙因素，攻防結合，更好地推廣信息系統。TAM模型的正向前因變量研究已經相當成熟，對負向前因的研究還很少，值得學者加以關注。

(6)做好原型系統研究，為企業、組織提供針對性建議。TAM模型的初衷是為了解決信息系統中巨額投入與期望回報不相符的現象。TAM模型提出在系統測試階段以媒體介紹(文本、錄像等)代替實際操作的方法來預測個體的使用意圖，降低系統推廣的經濟、時間成本。顯然，現有TAM模型研究的對象大都是使用中的成熟系統。成熟的信息系統研究可以讓企業、組織借鑒成功系統的模式，但并不具有針對性，對原型系統的研究可以避免盲目引進，使企業、組織及時做出調整，兼顧技術引進與工作效率。

(7)實驗結果存在人為作用。人為作用并不是指故意編改實驗數據，而是實驗樣本和實驗方法的選擇造成實驗數據失真，通用性減弱。本次研究90%左右的文獻選擇了大學生作為研究對象。大學生群體相較于其他群體有更高的同質性，且擁有豐富的計算機技能和經驗以及創新精神，屬于創新擴散中的較早期使用者。因此大學生做試驗樣本，無形中增強了實驗數據的效果。

本次研究中179篇有效文獻只有4篇文獻創設了實驗情境，而不是直接發布網絡問卷。發布網絡問卷的做法增強了實驗的遺留效應。問卷在實驗問題的設計上，往往采用項目分組的方法，即感知有用性或感知易用性問題分別排列在一起，相似的問題設置對被測試者之后的回答有提示作用。同時調查通常使用自我報告的形式，虛榮心理的存在，也會使得被測試者修飾問卷答案，使實驗數據膨脹。Straub[46]等人將信息系統使用的測量分為兩類：主觀的自我報告形式和客觀的計算機記錄形式。實驗證明自我報告系統使用與計算機記錄系統使用之間并沒有明顯的聯系，且自我報告測試結果與感知有用性(β=0.623)、感知易用性(β=0.109)之間的關系明顯強于客觀計算機記錄的結果(βUSEF=0.173，βEOU=0.115)。

因此，在未來的研究中，應該盡可能的避免單一的實驗方法，選用學生作為實驗樣本時要將其隱含的個體特性進行考量。

5　總結

為適應信息技術的不斷發展，增強TAM模型的解釋能力，經過理論和實證驗證，衍生了大量的外部變量。本文通過分解原始TAM模型，對關鍵變量的前因變量進行系統性分析，以點帶面，針對性地研究模型的發展現狀及不足之處，為技術接受模型的變革提供了理論依據。就管理意義而言，企業、組織能夠根據前因變量的歸納結果，增強信息系統的促進前因，有意識地避免阻礙前因，更好地指導信息系統的推廣應用。

然而，事物都有其生命周期，TAM模型提出至今近三十年，未來的發展狀況還未可知。單從現有的研究現狀來看，TAM模型的未來并不樂觀?，F有研究還只是模型的簡單復制，這樣的研究對于TAM模型的發展沒有太大的意義。盡管學者在模型復制過程中不斷地調整引入變量，但是并沒有取得任何實質性的理論進展。這些調整實際上也是由TAM模型精簡的結構，穩健的測度所決定的。因此，借鑒TAM模型的由來方式，依據現有的知識，以TAM模型為起點，改進模型，將是未來研究的重中之重。

[1]DavisFD.Atechnologyacceptancemodelforempiricallytestingnewend-userinformationsystems:theoryandresults[D].MassachusettsInstituteofTechnology, 1985:1-291

[2]張楠，郭迅華，陳國青.行為建模角度信息技術采納研究綜述[J].科學管理研究,2009, 27(4):13-19

[3]VenkateshV,MorrisMG,DavisGB,etal.Useracceptanceofinformationtechnology:towardaunifiedview[J].MISQuarterly, 2003, 27(3):425-478

[4]YoungLD,LehtoMR.UseracceptanceofYouTubeforprocedurallearning:Anextensionofthetechnologyacceptancemodel[J].Computers&Education, 2013,61:193-208

[5]ChenYY.Whydoconsumersgointernetshoppingagain?Understandingtheantecedentsofrepurchaseintention[J].JournalofOanizationalComputingandElectronicCommerce, 2012,22(1):38-63

[6]WangW,LiX,Hsieh,JP.ThecontingenteffectofpersonalITinnovativenessandITself-efficacyoninnovativeuseofcomplexIT[J].Behaviour&InformationTechnology, 2013,32(11):1105-1124

[7]BookerLD,DetlorB,SerenkoA.Factorsaffectingtheadoptionofonlinelibraryresourcesbybusinessstudents[J].JounaloftheAmericanSocietyforInformationScienceandTechnology, 2012, 63(12):2503-2520

[8]GuJC,LeeSC,SuhYH.Determinantsofbehavioralintentiontomobilebanking[J].ExpertSystemswithApplications, 2009, 36(9):11605-11616

[9]NovO,YeC.Users’personalityandperceivedeaseofuseofdigitallibraries:Thecaseforresistancetochange[J].JournaloftheAmericanSocietyorInformationScienceandTechnology, 2008, 59(5):845-851

[10]BaderA,BaldaufM,LeinertS.Mobiletourismservicesandtechnologyacceptanceinamaturedomestictourismmarket:ThecaseofSwitzerland[C].InformationandCommunicationTechnologiesinTourism2012,Helsingborg, 2012:296-307

[11]ChowM,HeroldDK,ChooTM.ExtendingthetechnologyacceptancemodeltoexploretheintentiontouseSecondLifeforenhancinghealthcareeducation[J].Computers&Education, 2012,59(4):1136-1144

[12]ChenHR,TsengHF.Factorsthatinfluenceacceptanceofweb-basede-learningsystemsforthein-serviceeducationofjuniorhighschoolteachersinTaiwan[J].EvaluationandProgramPlanning, 2012, 35(3):398-406

[13]SunKS,HuangCN,ChenYP.Amodelofthedeterminantsofpurchaseofhomesecurityandremotecontrolequipments[C].HongKong,InternationalConferenceonIndustrialEngineeringandEngineeringManagementIEEM, 2009:1042-1046

[14]JooJ,SangY.ExploringKoreans’smartphoneusage:Anintegratedmodelofthetechnologyacceptancemodelandusesandgratificationstheory[J].ComputersinHumanBehavior, 2013,29: 2512-1518

[15]SumakB,PusnikM,HerickoM.Towardsane-businessacceptancemodel:identificationofexternalfactors[C].Cavtat,ProceedingsOGtheITI2012 34thInternationalConferenceonInformationTechnologyInterfaces(ITI), 2012:305-310

[16]Padilla-MelendezA,DelAguila-ObraAR,Garrido-MorenoA.Perceivedplayfulness,genderdifferencesandtechnologyacceptancemodelinablendedlearningscenario[J].Computers&Education, 2013,63: 306-317

[17]HsuCL,LinCC,ChiangHS.Theeffectsofbloggerrecommendationsoncustomers’onlineshoppingintentions[J].INTERNETRESEARCH, 2013, 23(1):69-88

[18]CelikHE,YilmazV.Extendingthetechnologyacceptancemodelforadoptionofe-shoppingbyconsumersinTurkey[J].JournalofElectronicCommerceeResearch, 2011, 12(2):152-164

[19]CyrD,HeadM,IvanovA.Designaestheticsleadingtom-loyaltyinmobilecommerce[J].Information&Management, 2006, 43(8):950-963

[20]LambertJTJr.PursuitoftheElusiveAntecedents:ActionResearchUnveilsFactorsInfluencingTechnologyAdoptionbySmallLawFirms[J].SystemicPracticeandActionResearch, 2010, 23(3):251-267

[21]Lopez-NicolasC,Molina-CastilloFJ,BouwmanH.Anassessmentofadvancedmobileservicesacceptance:ContributionsfromTAManddiffusiontheorymodels[J].Information&Management, 2008, 45(6):359-364

[22]HungSY,LaiHM,ChangWW.Knowledge-sharingmotivationsaffectingR&Demployees’acceptanceofelectronicknowledgerepository[J].Behaviour&InformationTechnology, 2011, 30(2):213-230

[23]ShanSQ,ShenHB,LuX.Evaluatingbusinessintelligenceacceptancewiththetechnologymodel[C].Beijing,Proceedingsofthe38thInternationalConferenceonComputersandIndustrialEngineering,VOLS1-3, 2008 :2756-2767

[24]HaS,StoelL.Consumere-shoppingacceptance:Antecedentsinatechnologyacceptancemodel[J].JournalofBusinessResearch, 2009, 62:565-571

[25]HassaneinK,HeadM.Manipulatingperceivedsocialpresencethroughthewebinterfaceanditsimpactonattitudetowardsonlineshopping[J].InternationalJournalofHuman-ComputerStudies, 2007, 65: 689-708

[26]LeeCB,WanGH.Includingsubjectivenormandtechnologytrustinthetechnologyacceptancemodel:Acaseofe-ticketinginChina[J].TheDATABASEforAdvancesinInformationSystems, 2010, 41(4):40-51

[27]LiaoCC,PalviaP,LinHN.Therolesofhabitandwebsitequalityine-commerce[J].InternationalJournalofInformationManagement, 2006,26(6)：469-483

[28]GefenD,KarahannaE,StraubDW.TrustandTAMinonlineshopping:Anintegratedmodel[J].MISQuarterly, 2003, 27(1):51-90

[29]WuJH,WangSC,LinLM.Mobilecomputingacceptancefactorsinthehealthcareindustry:Astructuralequationmodel[J].InternationalJournalofMedicalInformatics, 2007,76: 66-77

[30]HwangY,GrantD.Behavioralaspectsofenterprisesystemsadoption:Anempiricalstudyonculturalfactors[J].ComputersinHumanBehavior, 2011, 27:988-996

[31]AgarwalR,KarahannaE.Timeflieswhenyou’rehavingfun:Cognitiveabsorptionandbeliefsaboutinformationtechnologyusage[J].MISQuarterly, 2000,24 (4): 665-694

[32]ChenYY,HuangHL,HuangWN.Confirmationofexpectationsandsatisfactionwiththeinternetshopping:Theroleofinternetself-efficacy[J].ComputerandInformationScience, 2010, 3:14-22

[33]KarahannaE,AgarwalR,AngstCM.Reconceptualizingcompatibilitybeliefsintechnologyacceptanceresearch[J].MISQuarterly, 2006, 30(4):781-804

[34]LewisW,AgarwalR,SambamurthyV.Sourcesofinfluenceonbeliefsaboutinformationtechnologyuse:Anempiricalstudyofknowledgeworkers[J].MISQuarterly,2003,27(4):657-678

[35]BalogA;PribeanuC.Theroleofperceivedenjoymentinthestudents’acceptanceofanaugmentedrealityteachingplatform:Astructuralequationmodelingapproach[J].Studiesininformaticsandcontrol, 2010, 19(3):319-330

[36]LinCH,LinIC,RoanJS.Barrierstophysicians’adoptionofhealthcareinformationtechnology:Anempiricalstudyonmultiplehospitals[J].JournalofMedicalSystems, 2012,36:1965-1977

[37]KeilM,BeranekPM,KonsynskiBR.Usefulnessandeaseofuse:Fieldstudyevidenceregardingtaskconsiderations[J].DecisionSupportSystem, 1995,13:75-91

[38]SchepersJ,WetzelsM.Ameta-analysisofthetechnologyacceptancemodel:Investigatingsubjectivenormandmoderationeffects[J].Information&Management, 2007, 40: 90-103

[39]VenkateshV,DavisFD.Amodeloftheantecedentsofperceivedeaseofuse:Developmentandtest[J].DecisionSciences, 1996, 27: 451-481

[40]VenkateshV,DavisFD.Atheoreticalextensionofthetechnologyacceptancemodel:Fourlongitudinalfieldstudies[J].ManagementScience, 2000, 46: 186-204

[41]GefenD,StraubD.TherelativeimportanceofperceivedeaseofuseinISadoption[J].JournaloftheAssociationforInformationSystem. 2000, 1(1),Article8,http://www.cis.gsu.edu/dstraub/Courses/MGS%209940/2007/Tim-Mathieu-Betrice%20choice.pdf

[42]HernandezB,JimenezJ,MartinMJ.Theimpactofself-efficacy,easeofuseandusefulnessone-purchasing:Ananalysisofexperiencede-shoppers[J].InteractingwithComputers, 2009, 21:146-156

[43]CNNIC. 2013年中國互聯網發展狀況統計報告(摘要)[EB/OL].[2013-07-22].http://www.icasc.cn/news/content--100--10012910010007126.html

[44] 中文互聯網數據資訊中心. 國際電信聯盟：預計2015年全球家庭互聯網普及率達到40%[EB/OL] . [2012-09-27].http://www.199it.com/archives/70657.html

[45]TerzisV,MoridisCN,EconomidesAA.Theeffectofemotionalfeedbackonbehavioralintentiontousecomputerbasedassessment[J].Computers&Education, 2012,59:710-721

[46]StraubD,LimayemM,Karahanna-EvaristoE.Measuringsystemusage:ImplicationsforIStheorytesting[J].ManagementScience, 1995, 41:1328-1342

An Analysis for Precursory Variables of Core Variables of Technology Acceptance Model (TAM)

Zhang LiyiZhang Ran

(School of Information Management, Wuhan University, Wuhan 430072)

Technology acceptance model has been widely verified and applied since it was put forward by Davis in 1986. To improve the model, a mass of antecedents of core variables of TAM model are evolved. In this paper, these antecedents are classified by origins and objects. The relationships between the antecedents and core variables are analyzed. Last, some discussions and suggestions have been given on future researches for the modification of technology acceptance model.

Technology acceptance modelPerceived usefulnessPerceived ease of useTechnology variablesEnvironment variablesIndividual variables

張李義，男，教授，博士，研究方向：電子商務理論與技術；張然，女，碩士生，研究方向：電子商務、技術接受模型改進，Email:zhangran624@whu.edu.cn。

F224；G202

A

2095-2171(2015)02-0011-10

10.13365/j.jirm.2015.02.011

2014-04-11)