技术接受模型(TAM)关键变量前因分析

张李义　张　然

(武汉大学信息管理学院，武汉，430072)

技术接受模型(TAM)关键变量前因分析

张李义张然

(武汉大学信息管理学院，武汉，430072)

技术接受模型(TAM)自1986年由Davis提出以来，就得到了广泛的验证和应用。为增强模型的解释能力，针对关键变量感知有用性和感知易用性衍生了大量的前因变量。本文根据来源和作用对象不同对这些前因变量进行提炼、整合，明确前因变量与关键变量之间的关系，并指出现有研究的不足之处及今后技术接受模型变革的研究方向。

技术接受模型感知有用性感知易用性技术因素环境因素个人因素

1　引言

技术接受一直是信息系统领域研究的重点，在众多理论模型中，Davis 的技术接受模型(Technology Acceptance Model, TAM)被认为是最权威，最稳健和精简的模型之一。1986年Davis[1]在其博士论文中首次提出了技术接受模型，模型以理性行为理论(theory of reasoned action, TRA)为基础,验证组织环境下系统外部变量对个人信息系统使用意图的影响。TAM模型提出了两个影响用户接受的关键变量：感知有用性(perceived usefulness, USEF)，反映一个人认为使用一个具体系统对他工作业绩提高的程度；感知易用性(perceived ease of use, EOU)，反映一个人认为容易使用一个具体系统的程度。

TAM模型提出以来，由于其简单的模型结构和权威的影响性，经过众多学者的实证验证，其应用领域已由最初的计算机办公系统扩展到信息系统领域的任意一种技术应用。为了增强模型的解释能力，学者纷纷引入不同的外部变量对TAM模型进行扩展(如图1)。引入的外部变量，一部分作为独立变量直接影响使用意图，另一部分则通过TAM模型的其他变量间接影响使用意图。本文研究的关注点就是间接变量中对感知有用性和感知易用性起作用的变量。

图1　经典TAM模型

现有TAM模型综述研究主要分为两类：第一类研究关注于模型在某一领域的应用情况，如电子商务、卫生保健、在线学习、娱乐系统；第二类研究关注于模型本身发展的整体概况。就TAM模型本身而言，其发展已经相当成熟，为了系统地认识TAM模型的发展现状和不足，本文将TAM模型分解，对其关键变量(感知有用性和感知易用性)的前因变量进行了分类归纳。根据归纳结果，总结了技术接受

模型研究的现状和不足之处，并针对性地提出TAM模型的改进建议，正是本文的目的所在。

2　文献收集方法

为了确保文献质量及其影响性，本文选择Web of Science数据库作为检索对象，分别以“TAM”和“technology acceptance model”为关键词，限定研究领域为信息系统、计算机科学、社会科学和经济学。同时为了观察研究的时间效果，没有对时间进行限定，最终有效文献起止年限为1995年至2014年3月。按照以下标准进行初步筛选：

(1)文章使用TAM模型进行实证研究；

(2)文章对TAM模型进行扩展的同时保留了TAM模型基本框架：感知有用性和感知易用性被保留；

(3)文章实验方法描述完整，实验结果可获得且有效。

为取得更精确的结果，通过阅读全文进行复核，排除实验模型中不包含感知有用性或感知易用性前因变量的文献，最终筛选出有效文献179篇。有效文献涉及会议论文和期刊论文，其中会议论文30篇，期刊论文149篇。文献的发表年份分布如图2。

图2　文献发表年份分布图

从图2上，可以直观地观察到关于TAM模型关键变量前因研究的有效文献发表年份从1996年开始。这一结果与张楠，郭迅华，陈国青[2]三位学者之前对TAM模型发展的研究相吻合。1995年之前是TAM模型引入和验证时期，聚焦于原始TAM模型本身；1995年之后才是TAM模型的理论整合和修正时期以及应用时期，不同的外部变量被引入TAM模型。

3　前因变量分类

3.1按变量来源分类

在179篇有效文献中，学者扩展TAM模型时选择关键变量(感知有用性和感知易用性)的前因变量各不相同。通过归纳整理，发现这些前因变量的来源有两种：①吸收其他理论模型中的变量；②根据情境应用添加的变量。

3.1.1模型来源前因变量

2003年，Venkatesh等[3]融合了以下八种理论模型：创新扩散理论(IDT)、理性行为理论(TRA)、计划行为理论(TPB)、技术任务适配模型(TTF)、PC利用模型(MPCU)、动机模型(MM)、社会认知理论(SCT)、复合TAM/TPB模型(C-TAM-TPB)，提出了技术采纳与利用整合理论(UTAUT)。这一理论可说是达到了TAM模型融合其他理论模型的顶峰。尽管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围内，它所包含的八种理论模型仍然是众多学者进行TAM模型扩展的主要参考模型。除去复合TAM/TPB模型和TPB理论，其他六种模型在本次研究的有效文献中均有涉及。值得注意的是创新扩散理论在TAM模型中的应用情况，现有研究对于创新扩散理论的应用并不充分，在选取感知有用性和感知易用性的前因变量时，研究更关注于创新本身的5个要素：相对优越性、兼容性、复杂性、可试验性和可观察性，对于创新扩散的过程则没有考虑。

此外，TAM模型还融入了许多社会心理学模型，如自我效能理论(SET)、创新抵制模型(MIR)、期望确认理论(ECT)、社会临场感理论(SP)、社会交换理论(SET)、沉浸理论(FT)、使用与满足理论(U&G)、获得-交易效用理论(ATUT)。表1罗列了所有模型来源前因变量，由于不同文献对同一前因变量的研究结果可能存在差异，因此列表中选用验证文献数量最多的一项结果作为该前因变量与感知有用性、感知易用性之间的一般关系。

由表1的数据可以发现，对自我效能理论的验证占到了有效文献总数的11.2%，数量是所有前因变量之首。显然，自我效能对于感知有用性、感知易用性的作用结果在20篇文献中并不一致。Young[4-6]等人认为自我效能可以提升个体对系统有用性的感知；Booker[7-10]等更多学者认为自我效能对个体感知易用性有积极作用；Chow[11-13]等人则认为自我效能对感知易用性和感知有用性同时产生积极影响。然而，从定义上来看，自我效能和感知易用性是相同的概念，内涵一样。

Joo和Sang[14]整合了使用与满足理论与技术接受模型，通过对韩国境内智能手机使用影响因素的调查，最终得出结论：程序化使用动机(寻求陪伴、消磨时间、放松)与工具化使用动机(查找信息)都对智能手机用户的感知有用性和感知易用性产生积极影响，而且工具化使用动机明显比程序化使用动机更有效。

3.1.2情境来源前因变量

TAM模型展示了个体是否使用某一信息系统的决策过程。这一决策过程由于信息系统(情境)的变化，前因变量也随之变化,Sumak[15]等人对电子商务领域TAM模型的外部变量研究中，将模型的扩展变量概括为五类：技术因素、社会因素、组织因素、个体因素和质量因素。事实上，技术因素最终需要通过信息系统来展示，所以可以将技术因素和用户与信息系统交互过程中感知到的质量因素合并，归结为系统变量。组织因素和社会因素均是信息系统与个体之外的变量，可以合并为环境变量。因此，本文对情境来源变量的分类精简为：个体变量、系统变量、环境变量。

从表2数据可以看出，情境来源前因变量的研究主要集中在个体变量和系统变量上，这与技术接受的主体(人)和作用对象(信息系统)相吻合。同时，对于环境变量的研究则明显减少。随着信息系统技术的发展，单机作业模式几乎不再存在，互联网时代信息系统的网络外部性带来更高的效能。因此，个体在做出信息系统接受的决策过程中必定受环境影响，环境变量在研究中同样不可小觑。

个体变量的子变量人口统计因素(性别、年龄)并不对感知有用性或感知易用性有直接作用，通常是通过调节其他变量而间接影响。Padilla-Meléndez[16]等人发现在线学习环境下，趣味性对于有用性的影响由于性别的差异而不同，男性对于有用性的重视更甚于趣味性，女性则可能由于趣味性的影响而觉得被测试系统有用而采纳该系统。可见，男性比女性更为理性。个体特性因素则与用户特质(心理状态、计算机经验/知识)有关，个体特性变量的选择与实验样本密切相关，其作用结果也因人而异。Hsu[17]等人研究台湾境内博客对消费者网购意向的影响，指出信任对个体感知有用性有积极影响。Celik[18]等人验证了土耳其境内电子商务接受模型，指出购物乐趣对感知有用性的作用远远大于信任对感知有用性的作用。

系统变量对感知有用性或感知易用性的影响不可一概而论，不同系统中，用户对于情境变量的诉求也不同。商品评价系统更关注信息质量对有用性和易用性的影响；电子政务和自助服务系统则重点关注系统服务质量的作用。Cyr[19]等人认为网站的美术设计可以提升用户的感知有用性和感知易用性；Lambert[20]等人则在对中小型律师行调研后得出，律师事务系统的美术性设计降低了系统的专业性，进而对系统的有用性和易用性产生消极影响。游戏等娱乐系统中，则是互动性、运动感知等前因变量起正向作用。

表1　模型来源变量

注：U：usefulness；E：ease of use；“”积极影响，“(n)”消极影响

表2　情境来源变量

注：每篇文献所研究的前因变量数目N≥1。

环境变量对感知有用性或感知易用性的影响主要是社会影响，其研究数量占到环境变量研究的52.63%。社会影响来源分两种：①人际交往(朋友、同事、上级等)；②外界交往(媒体报道、专家意见、其他非个人信息)。Lopez-Nicolas[21]等人认为移动设备和移动服务使人们无论何时何地都可以进行社会化连接。这种社会化互动积极影响用户对社会地位的感知，进而影响用户的感知有用性。Hung[22]等人指出在知识库系统接受过程中，外在动机(声誉、互惠)和内在动机(利他)都对感知有用性和感知易用性有正向作用。Shan[23]等人研究证明在商务智能系统接受模型中组织相关因素(形象、管理支持)对感知易用性有积极影响。

3.2按变量作用对象分类

相同的前因变量在不同的文献模型中作用对象(感知有用性或感知易用性)或作用结果(影响系数)不可能完全相同。为了更好地了解前因变量的影响性，研究以作用对象为分类标准，选取最大β值作为该变量的最大作用效果绘制表3。且因有效文献涉及多个研究领域，因此注明最大β值来源，使研究更严谨。

现有文献研究对信息系统感知有用性的研究数量远远大于感知易用性的研究。系统质量最大β值来源，再次证明系统质量对感知有用性的影响与其应用领域密切相关，而感知易用性更多的是与系统技术因素有关。信任因素是感知有用性的重要前因变量，本次研究中信任对感知有用性影响的研究数量占到了信任研究总数的83.3%。期望确认，即期望与实际绩效的比较结果，对感知有用性的影响，将对个体的再次或持续使用系统起重要作用。

自我效能变量不仅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单一变量。这一结果很好理解，自我效能与感知易用性内涵一致， 且TAM模型的一个重要结论就是感知易用性对感知有用性有积极作用。因此，这一结论移植到自我效能变量上同样适用。程序化使用动机(寻求陪伴、消磨时间、放松)追求的是系统的享乐价值，且程序化使用动机对系统感知有用性的影响比感知易用性小得多。理论上讲，享乐因素的作用结果应该能够进一步证明这一结论。事实上，无论是享乐单独影响感知有用性(β=0.705)或感知易用性(β=0.884)，还是同时影响感知有用性(β=0.57)和感知易用性(β=0.63)，享乐对感知易用性的影响都比感知有用性大。

表3　前因变量作用对象表

注：有效文献中性别、年龄以及其他起调节作用的前因变量未统计在表中；起消极作用的前因变量，其最大β值取绝对值最大值。

4　讨论与建议

TAM模型提出至今，学者对该模型进行了大量的理论和实证研究。本文对现有研究成果进行系统性地提炼、分析，明确了前因变量及其影响的关键变量之间的关系。同时，发现当前研究还存在一些不足之处。

(1)前因变量研究的结果具有高度的一致性，研究并没有取得实质性的理论进展。现有的TAM模型研究只是单纯的原始TAM模型复制，虽然增加了许多外部变量，但是模型的原始验证关系没有太大改变。同时，不同学者对于不同领域的TAM模型的验证，前因变量对关键变量的作用效果保持高度的一致性。在不同的研究中，同一前因变量对感知有用性或感知易用性的影响都为积极(消极)影响，只有极个别情况下研究结果会存在差异。所以，进行TAM模型创新性研究，提出具有独特性的研究结论，意义重大。

(2)前因变量之间具有因果关系，对关键变量起调节作用。研究中发现，系统质量、社会临场感、熟悉感、习惯都直接影响个体对系统的信任[24-28]。兼容性和风险规避能够提升个体的自我效能[29-30]；趣味性、创新和自我效能可以引起认知专注[31-33]；互动和系统设计增强个体享乐性[34-35]；不公平感知则必然影响个体的风险感知(β=0.94)[36]。这些变量在模型中同时具有双重身份，不仅本身是关键变量的前因，也是关键变量前因的前因，然而大多数研究中都忽略了后者，在未来的研究中应该予以关注。

(3)感知易用性作用弱化，在TAM模型中地位下降。首先，多组实验证明，相较于系统的易用性，个体采纳新技术时更依赖于系统的有用性[37-38]。无论是相关系数还是路径系数，感知有用性都明显高于感知易用性。其次，Venkatesh等人[3]在研究中发现感知易用性只在信息系统前期使用中有直接影响，在后期使用中这种影响则不存在。这说明随着用户的相关信息系统经验增加，感知易用性的作用将被其他因素超越，其作用弱化。再次，在多项研究中发现，只有通过感知有用性的调节作用，感知易用性才会影响用户使用意图[39-41]。

Hernandez[42]等人的研究则从感知易用性本身入手，证明感知易用性的作用弱化。研究验证了互联网接受对自我效能的影响系数高达0.874，即只要用户接受互联网，就会有较高的自我效能，会认为使用某个系统很容易，与感知易用性内涵一致。数据显示，2013年12月止，中国的互联网普及率达到45.8%，其中移动互联网占到81%[43]。此外，2012年国际电信联盟报告指出，全球家庭互联网普及率到2015年有望达到40%[44]。因此，在现有的互联网环境下，依据Hernandez的结论，研究用户的感知易用性并没有太大的意义。本次研究中感知易用性前因变量的有效文献研究数量比感知有用性少得多，也证明了这一论点。所以，寻找可替代感知易用性变量的技术接受模型，意义重大。

(4)前因变量多为理性测度，非理性因素研究有限。这一现状与技术接受模型的起源有一定关系。TAM模型植根于理性行为理论(TRA)，TRA理论有三个基本假设：①通常人类是理性的，并基于整体观以及系统观处理、应用其所获得的信息；②人类的社会行为不会受到无意识的诱因或力量的影响；③人类的行为是完全可以自我控制的。但是，实际上个体做出使用信息系统的决策过程并不总是理性的，可能受到好奇、愤怒、冲动、害怕等情绪的影响。Terzis等人[45]研究了个体情感反馈对计算机评价系统应用的影响，发现情感反馈(高兴、害怕、伤心)对系统的感知有用性、感知易用性以及行为意图都有直接影响，并且情感反馈对行为意图的影响(β=0.24)明显比感知有用性(β=0.11)、感知易用性(β=0.18)大。虽然少数学者尝试在模型中添加焦虑、愤怒等前因变量，可是大多数情况下被测试者只是理性的面对一份罗列使用系统可能发生的状况的问卷，因此他们的答案也只是一个理性的预测结果，并不能真实反映非理性因素的影响效果。提出适用于非理性环境的技术接受模型，是当前亟待解决的课题之一。

(5)加强TAM模型负向前因变量的研究，提升企业、组织防护意识。正向前因揭示了信息系统接受的促进因素，企业、组织可以增强正向前因，主动出击，提升用户对系统的接受度。负向前因的研究则能够帮助企业、组织认识系统应用阻碍，有意识的防范阻碍因素，攻防结合，更好地推广信息系统。TAM模型的正向前因变量研究已经相当成熟，对负向前因的研究还很少，值得学者加以关注。

(6)做好原型系统研究，为企业、组织提供针对性建议。TAM模型的初衷是为了解决信息系统中巨额投入与期望回报不相符的现象。TAM模型提出在系统测试阶段以媒体介绍(文本、录像等)代替实际操作的方法来预测个体的使用意图，降低系统推广的经济、时间成本。显然，现有TAM模型研究的对象大都是使用中的成熟系统。成熟的信息系统研究可以让企业、组织借鉴成功系统的模式，但并不具有针对性，对原型系统的研究可以避免盲目引进，使企业、组织及时做出调整，兼顾技术引进与工作效率。

(7)实验结果存在人为作用。人为作用并不是指故意编改实验数据，而是实验样本和实验方法的选择造成实验数据失真，通用性减弱。本次研究90%左右的文献选择了大学生作为研究对象。大学生群体相较于其他群体有更高的同质性，且拥有丰富的计算机技能和经验以及创新精神，属于创新扩散中的较早期使用者。因此大学生做试验样本，无形中增强了实验数据的效果。

本次研究中179篇有效文献只有4篇文献创设了实验情境，而不是直接发布网络问卷。发布网络问卷的做法增强了实验的遗留效应。问卷在实验问题的设计上，往往采用项目分组的方法，即感知有用性或感知易用性问题分别排列在一起，相似的问题设置对被测试者之后的回答有提示作用。同时调查通常使用自我报告的形式，虚荣心理的存在，也会使得被测试者修饰问卷答案，使实验数据膨胀。Straub[46]等人将信息系统使用的测量分为两类：主观的自我报告形式和客观的计算机记录形式。实验证明自我报告系统使用与计算机记录系统使用之间并没有明显的联系，且自我报告测试结果与感知有用性(β=0.623)、感知易用性(β=0.109)之间的关系明显强于客观计算机记录的结果(βUSEF=0.173，βEOU=0.115)。

因此，在未来的研究中，应该尽可能的避免单一的实验方法，选用学生作为实验样本时要将其隐含的个体特性进行考量。

5　总结

为适应信息技术的不断发展，增强TAM模型的解释能力，经过理论和实证验证，衍生了大量的外部变量。本文通过分解原始TAM模型，对关键变量的前因变量进行系统性分析，以点带面，针对性地研究模型的发展现状及不足之处，为技术接受模型的变革提供了理论依据。就管理意义而言，企业、组织能够根据前因变量的归纳结果，增强信息系统的促进前因，有意识地避免阻碍前因，更好地指导信息系统的推广应用。

然而，事物都有其生命周期，TAM模型提出至今近三十年，未来的发展状况还未可知。单从现有的研究现状来看，TAM模型的未来并不乐观。现有研究还只是模型的简单复制，这样的研究对于TAM模型的发展没有太大的意义。尽管学者在模型复制过程中不断地调整引入变量，但是并没有取得任何实质性的理论进展。这些调整实际上也是由TAM模型精简的结构，稳健的测度所决定的。因此，借鉴TAM模型的由来方式，依据现有的知识，以TAM模型为起点，改进模型，将是未来研究的重中之重。

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

[2]张楠，郭迅华，陈国青.行为建模角度信息技术采纳研究综述[J].科学管理研究,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年中国互联网发展状况统计报告(摘要)[EB/OL].[2013-07-22].http://www.icasc.cn/news/content--100--10012910010007126.html

[44] 中文互联网数据资讯中心. 国际电信联盟：预计2015年全球家庭互联网普及率达到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

张李义，男，教授，博士，研究方向：电子商务理论与技术；张然，女，硕士生，研究方向：电子商务、技术接受模型改进，Email:zhangran624@whu.edu.cn。

F224；G202

A

2095-2171(2015)02-0011-10

10.13365/j.jirm.2015.02.011

2014-04-11)