共享住宿平台房东信任建立机制研究

牛阮霞　宋瑞　毛丽娟

［摘    要］信任是连接共享住宿房源供给方和需求方并促成交易达成的关键因素。文章基于信任建立模型，尝试探究供给方——共享住宿平台房东的信任建立机制，考察影响房东信任建立的主要因素及房东信任对其持续使用共享住宿平台这一行为意愿的影响。研究结果表明：平台因素中的安全保障、隐私保护、平台服务、感知易用性、感知有用性显著正向影响房东对平台的信任；房东因素中的熟悉度并未显著影响房东对平台的信任；房客因素中的互动性和房客的声誉显著正向影响房东对房客的信任；房东对平台的信任可转移到对房客的信任；房东对平台的信任和对房客的信任显著正向影响房东持续使用平台的意愿；信任中介了信任影响因素（制度因素、技术因素、认知因素、情感因素）与房东持续使用平台意愿之间的关系。文章在理论上深化和拓展了共享住宿房东信任研究，并为共享住宿平台管理提供了启示。

［关键词］共享住宿；房东；信任建立模型；信任建立机制

［中图分类号］F59

［文献标识码］A

［文章编号］1002-5006（2023）08-0062-15

DOI： 10.19765/j.cnki.1002-5006.2023.08.010

引言

近年來，随着互联网技术的普及应用和个性化消费的日渐盛行，共享住宿得以快速发展。作为对传统住宿业的颠覆性创新，共享住宿通过第三方平台将拥有自有或租赁住宅的房东与有意愿购买短期住宿产品的房客对接起来，并为其提供在线交易服务。根据房东主体的不同，共享住宿包含P2P（peer to peer）、B2C（business to consumer）以及C2B2C（consumer to business to consumer）等交易模式[1]。国内共享住宿市场以P2P模式为主，其房源数量与市场规模占比接近80%[1]，本文重点关注P2P模式下出租自有房源的个人房东。在该模式下，共享住宿产品的交付需要房东将珍贵的个人房产分享给陌生房客，房客也将入住陌生人——房东所提供的房屋[2]，并与房东进行线上和线下互动。这一过程的发生有赖于双方对彼此信任的建立。因此，在传统上崇尚熟人社交而现代社会信任机制尚不健全的中国，共享住宿平台须尽力消除在线消费环境中普遍存在的诸多障碍（如信息不对称、缺乏可视化物理形态等）[3]，并设法在作为陌生人的房东和房客以及二者与平台之间建立起信任关系。2022年5月，Airbnb宣布暂时退出中国大陆市场，引起业内外广泛关注，其退出固然涉及各种复杂因素，但从长期来看，本土化不足导致的房源量增长缓慢确在一定程度上制约了其竞争力。数据显示，截至2021年底，途家房源数量230万套，木鸟民宿房源数量135万套，而Airbnb房源数量只有15万套1。Airbnb退出中国大陆市场之后，途家、小猪民宿、美团民宿等平台纷纷推出系列举措吸引Airbnb房东入驻。可见，目前房源量仍是衡量共享住宿平台发展水平的重要指标之一，如何建立房东信任、吸引更多房东对共享住宿平台而言至关重要。

对于共享住宿领域的信任问题，已有不少学者给予关注。相关文献多从需求方视角出发，分析共享住宿平台房客信任的影响因素以及信任对房客购买意愿的影响，研究结果为共享住宿平台如何促进房客信任建立提供了借鉴。实际上，作为典型的双边市场，共享住宿平台的发展依赖供需双方的共同参与，供给方——房东的信任研究同样值得关注。随着共享住宿行业竞争的加剧，越来越多的共享住宿平台意识到吸引更多房东、增加房源供应量是持续发展的关键所在[4]。然而，对于房东而言，要将贵重的家庭资产和自己的生活空间分享给陌生人居住，存在较大风险。也就是说，与传统电子商务市场供应商相比，共享住宿的房东要“让陌生人住进家”通常面临更多额外风险，如隐私泄露、物品被盗、房源遭受破坏等。事实证明，感知风险的增加会加剧房东的不信任感，而这正是阻碍房东参与共享住宿的主要因素之一[5]。因此，从供给方视角探究共享住宿中房东的信任建立机制尤为重要。

本文借助在线消费信任研究中使用较为普遍的信任建立模型（trust building model，TBM），并充分考虑共享住宿的特征——买卖双方交互性极强，因此，房东信任建立机制更为复杂——对其加以拓展。具体而言，本文以信任建立模型为基础，按照“信任影响因素-信任-行为意愿”这一逻辑主线，通过引入房东因素（熟悉度）和房客因素（声誉、感知相似性、互动性）对原模型加以拓展来分析影响房东信任建立的主要因素及其对持续使用平台意愿的影响。为分析房东信任建立的内在机理，本文进一步对房东信任的转移以及房东信任在信任影响因素和持续使用平台意愿之间的中介作用予以检验。

1 文献综述

1.1 电子商务中的信任研究

基于信任在促进交易中的重要性，学者们分别从社会学、心理学、经济学、管理学等视角进行了深入研究[6]。Mayer等首次提出组织信任整合模型。在该模型中，信任被定义为“无论控制或监督受托人的能力如何，委托人都预期受托人将执行对委托人而言重要的特定行为，从而容忍受托人可能导致的伤害行为的程度”[7]。随着互联网技术的发展，交易渠道逐渐由线下转移到线上。在线交易环境中，由于买卖双方之间存在时空距离，交易过程中的不确定性和感知风险较大，信任问题成为制约买卖双方交易的主要因素之一[8]。为此，研究者主要从以下3个方面对电子商务中的信任问题进行探究。

首先，多数学者从需求方视角研究信任问题。研究内容集中在消费者对平台和网络供应商信任的影响因素及其作用结果。其中，消费者对平台信任的影响因素主要包括第三方支付服务[9-10]、隐私和安全披露政策[9]、平台认证[9]、网站质量[8，11]等。消费者对网络供应商信任的影响因素主要包括反馈机制[8，10]、供应商声誉[8]、退货政策[9]等。消费者在对平台和网络供应商建立信任的基础上，会产生一系列行为意愿，如保存网站主页[9]、采纳供应商建议[8]、提供个人信息[8-9]、购买产品或服务[10，12-13]的意愿等。此外，消费者信任也会对实际购买行为产生影响。例如Pavlou和Gefen通过对亚马逊在线拍卖网站消费者的跟踪调查发现，消费者信任对实际的交易行为有积极影响[10]。

其次，部分学者从供给方视角研究信任问题。研究内容集中在供给方对平台信任的影响因素及信任的作用结果。Kang等[14]、Kim等[15]的研究发现，平台认证、第三方印章、内部动机、外部动机等正向影响了众筹网站投资人对平台的信任。滴滴平臺的反馈机制、司机保护机制和纠纷解决机制正向影响了司机对平台的信任[16]。信任的作用结果包括投资人投资众筹项目的意愿[14-15]和供给方参与平台的意愿[16]等。

最后，少数学者从供需双方视角探讨信任问题。研究内容集中在供需双方关系对信任的影响。例如在B2B情境中，完全依赖会对企业双方的相互信任形成正向影响，而依赖不对称的影响则因企业性质的不同而有所差别[17]。在C2C情境下，信息互动和情感互动可促进成员间的相互信任[18]。

1.2 共享住宿中的信任研究

在传统电子商务情境中，交易双方以线上互动为主。在共享住宿情境中，买卖双方既有预订时的线上互动，也有入住时的线下互动[19-20]。高交互性增加了用户的感知风险和不确定性。因此，近年来国内外学术界开始从两个方面关注共享住宿中的信任问题。

一是关于房客信任的研究。鉴于房客购买行为对共享住宿平台持续经营的重要性，现有文献多从房客视角出发，探讨影响其信任的各种因素。这些因素主要涉及共享住宿平台和房东两个方面。就平台方面而言，主要包含制度因素和技术因素。共享住宿平台提供的制度涉及保险保障[21]、隐私保护[22]、损失补偿[23]、第三方信用体系的引入[24]等，而技术因素则是指房客对共享住宿平台网站质量的感知。例如Yang等[19]、石岿然等[25]的研究指出，房客在使用共享住宿网站时感知到的有用性、易用性、安全性正向影响房客对平台的信任。就房东方面而言，主要包括声誉因素、情感因素和视觉因素。房东获得的声誉评价越正面，房客的感知风险和不确定性程度越低，从而越易对房东产生信任[20]。情感因素更多地与买卖双方之间的互动联系在一起，房东和房客之间积极有效的互动方式可增加双方的亲密度和情感纽带，从而有助于信任的建立[19，26]。Ert等[27]、Ert和Fleischer[28]的研究揭示了视觉因素对可信度的影响，结果显示，房东个人照片中的面部表情、性别、年龄、是否与他人合影、照片质量等均会显著影响房客对房东的感知信任。

二是关于房东信任的研究。与相对丰硕的房客信任研究相比，现有文献对房东信任问题尚未有充分关注。目前，仅有少数国外学者从房东视角探讨共享住宿中的信任问题。Mittendorf最早关注到这一问题，并在2016年的一篇文章中证实，熟悉度和信任倾向是影响房东信任的主要因素，房东信任会直接影响房东在Airbnb上出租房源以及接受预订请求的意愿[29]。之后，Wang等以Airbnb为例，研究了社会价值取向、社会效用、金钱奖励、系统质量、信息质量和隐私保护等因素对房东信任的影响[4]。

1.3 研究述评

综上，由于共享住宿平台信任关系的多主体和交互性特征，现有研究分别从需求方和供给方视角探究了共享住宿中的信任问题。房客视角下，基于“住进陌生人家里”的风险担忧，国外学者主要关注共享住宿平台的安全保障机制以及房东视觉信息和非视觉信息的影响，国内学者更关注平台的制度保障和网站质量，对房东因素的关注较少。房东视角下，基于“让陌生人住进家”的风险担忧，国外学者主要探究了经济因素、社会因素以及技术因素对房东信任的影响，国内研究尚未涉及。

总体来看，现有研究还存在一些局限。首先，对房东视角关注不足。仅有两篇国外论文初步探索了Airbnb房东的信任问题。考虑到共享住宿是典型的双边市场以及房东参与共享住宿的重要性，有必要进一步拓展房东视角的研究。其次，缺乏中国情境研究。由于不同国家社会信用体系建设进程存在差异，对“共享经济”的理解也有所不同，共享住宿平台的房东行为可能呈现出不同特征。因此，有必要研究中国情境下共享住宿平台房东信任的建立。最后，对房东信任建立机制的研究不足。在影响房东信任的前因变量中，已有研究探讨了共享住宿平台的隐私保护、网站质量等因素的影响，对房东因素以及房客因素的影响探讨不足。此外，已有研究将房东信任视作一维变量，对双边市场中房东信任的层次性，以及房东信任在共享住宿平台和房客之间的转移研究不足。

2 理论基础与研究假设

2.1 信任建立模型

由McKnight等提出的信任建立模型认为，消费者对网络供应商信任的建立遵循“信任的前因变量-信任-信任的行为变量”这一逻辑，即前因变量在促进消费者信任建立的基础上，会使消费者产生一系列行为[8]。其中，信任的前因变量有结构保障、对网络供应商声誉和网站质量的感知。信任由依赖网络供应商的意愿和对网络供应商的信任两个变量组成。消费者在综合权衡对网络供应商的信任和感知风险的基础上，产生采纳网络供应商建议、与网络供应商共享个人信息、购买网络供应商产品或服务等一系列行为意愿。

目前，信任建立模型被广泛应用于B2C在线购物网站[12-13]、证券网站[30]、众筹网站[31]中消费者对网站和交易另一方的信任建立过程。近年来，随着共享住宿的兴起以及信任在促进买卖双方交易中重要性的提升，信任建立模型在共享住宿中的应用逐渐增多。例如Yang等以信任建立模型为框架构建了Airbnb房客的“信任-依恋”模型，探究了认知因素和情感因素如何影响房客对Airbnb平台和房东的信任和依恋，进而对其持续使用平台的意愿产生影响 [19]。Mao等以信任建立模型为基础，研究了网站社会临场感、感知隐私、感知安全等因素是如何通过建立信任进而对Airbnb房客持续使用平台的意愿产生影响[22]。上述研究验证了信任建立模型在共享住宿情境中的适用性。因此，使用此模型探讨共享住宿平台房东的信任建立机制具有合理性。

2.2 研究假设

在应用信任建立模型分析时，我们注意到，该模型是在传统电子商务情境下提出的，而共享住宿既具有传统电子商务的典型特征，也具有P2P交易的新特征。因此，本文依据信任建立模型“信任的前因变量-信任-信任的行为变量”的逻辑框架，结合共享住宿的特征，构建共享住宿房东信任建立机制研究框架（图1）。其中，信任的前因变量包含平台因素、房东因素和房客因素三大类。平台因素中的制度因素和技术因素是基于信任建立模型提出的。信任建立模型中的结构保障是指共享住宿平台为保证交易环境的相对安全而提供的制度保障措施，本文特指制度因素，包括安全保障、隐私保护、平台服务3个变量。信任建立模型中的网站质量是指房东对共享住宿平台提供的技术支持的感知，本文特指技术因素，包含感知易用性和感知有用性两个变量。房东因素和房客因素则是考虑到共享住宿平台买卖双方的交互性特征由本文笔者提出的，是对信任建立模型的拓展。其中，房东因素是指房东对共享住宿平台的熟悉度，房客因素包含基于认知的声誉和感知相似性变量，以及基于情感的互动性变量。此外，考虑到房东信任对象的双重性，本文中的信任包含两个变量，分别是房东对共享住宿平台的信任以及房东对房客的信任。信任的行为变量是指房东持续使用共享住宿平台的意愿。

2.2.1    基于信任建立模型的假设

（1）制度因素对平台信任的影响

制度因素对信任的影响是指委托人认为已具备有利的条件保证交易环境的相對安全，从而对受托人完成期望行为可靠性的评估过程 [32]。电子商务市场中，买卖双方需要与网络中未知的另一方进行交易，交易过程中的不确定性和感知风险较大[21]。因此，作为连接买卖双方的中介平台往往通过第三方印章、信用卡担保、保险覆盖、隐私协议等方式降低交易风险，为用户营造可信赖的交易环境，并促进在线交易[31]。本文中，制度因素是指共享住宿平台的制度保障措施，如安全保障、隐私保护、平台服务等。

安全保障是指共享住宿平台通过制定保障措施为房东提供安全可靠的交易环境。已有研究表明，共享住宿平台可通过提供保障金、保险赔偿等安全保障措施提升用户信任[21-23]。隐私保护是指共享住宿平台的隐私政策对房东个人信息免遭未经授权的使用或披露的保护[33]。Kim等的研究表明，隐私保护有助于降低用户的感知风险，并通过增加可信度促进在线交易的发生[33]。Wang等通过对Airbnb房东的调查发现，共享住宿平台隐私政策的感知有效性正向影响房东对平台的信任[4]。平台服务是指共享住宿平台对房东提供的总体服务支持。Wang等的研究发现，共享住宿平台的服务质量正向影响房东对平台的信任[4]。

由是，本文提出如下假设：

H1：制度因素正向影响房东对平台的信任

H1a～H1c：安全保障、隐私保护、平台服务正向影响房东对平台的信任

（2）技术因素对平台信任的影响

技术因素是指房东对共享住宿平台所提供的技术支持的感知。根据技术接受模型，用户的两种认知信念——感知易用性和感知有用性影响用户使用技术的态度[34]。本文中，感知易用性是指房东认为通过共享住宿平台的技术支持系统学会在平台上出租房屋的难易程度。研究表明，感知易用性会对信任产生积极影响[35-37]。感知有用性是指房东认为通过使用共享住宿平台的技术支持系统可以提高其房源出租效率的程度。Gefen和Straub认为，用户所感知的网站有用性越高，越有助于降低感知风险和不确定性，从而增加对网站的信任[35]。

由是，本文提出如下假设：

H2：技术因素正向影响房东对平台的信任

H2a～H2b：感知易用性、感知有用性正向影响房东对平台的信任

（3）信任对房东持续使用平台意愿的影响

房东对平台和房客的信任通过降低不确定性和感知风险，在一定程度上可增加房东在共享住宿平台上出租房屋的意愿[10]。信任的这一作用机制在理性行为理论[11]和信任建立模型[8]中均有体现。具体来讲，房东对平台的信任意味着房东相信平台已经建立了有效机制来保护其免受意外事件的伤害[4]；房东对房客的信任意味着房东在主观上排除了所信任对象的不良投机行为，从而使其对不确定性和风险的感知降低到可控水平，并产生一系列行为意愿[7，11，29]。已有少数学者关注到共享住宿情境中信任对房东持续使用平台意愿的影响。Mittendorf的研究表明，房东对Airbnb平台和房客的信任显著正向影响房东在Airbnb上出租房源和接受预订请求的意愿[29]。Wang等也证实了房东对共享住宿平台的信任正向影响房东持续使用平台的意愿[4]。

由是，本文提出如下假设：

H3：房东对平台的信任正向影响房东持续使用平台的意愿

H4：房东对房客的信任正向影响房东持续使用平台的意愿

2.2.2    信任建立模型拓展后的假设

信任建立模型更多关注平台因素对房东信任的影响，而共享住宿中的信任关系具有多主体、多层次和交互性特点[3]。考虑到共享住宿情境下房东和房客高交互性特征，本文在信任建立模型的基础上，引入房东因素（熟悉度）和房客因素（声誉、感知相似性、互动性）作为前因变量，探讨其对房东信任的影响，从而充分反映共享住宿信任关系特征。

（1）经验因素对平台信任的影响

经验因素对信任的影响是指委托人通过在与受托人的重复交互中累积的经验或知识，而对受托人的信任水平进行评估的过程[8]。本文中，经验因素特指熟悉度，即房东对共享住宿平台网站界面、功能、服务、交易流程等的了解程度。已有研究证实，熟悉度影响信任的建立[33，38-39]。在共享住宿情境中，房东通过与共享住宿平台一次次的交互形成对平台的信任。若房东在初次使用共享住宿平台过程中获得了良好体验，则通常会重复使用该平台，对其更加熟悉，进而促使房东对平台未来履行义务的期望增加，由此产生信任。Mittendorf通过对Airbnb平台189名房东的调查研究证实了这一点，即房东对Airbnb平台越熟悉，对平台的信任度越高[29]。

由是，本文提出如下假设：

H5：熟悉度正向影响房东对平台的信任

（2）认知因素对房客信任的影响

认知因素对信任的影响是指委托人对受托人是否具有可信任属性的理性预期[40]。Lewis和Weigert认为，委托人选择在何种情况、在哪些方面信任受托人，是基于委托人是否找到了对方值得信任的证据[41]，这种证据建立在对受托人的过去表现、专业知识和其他可用线索的理性判断基础上[42]。本研究中，认知因素包含房客声誉和感知相似性。

声誉是一种公众舆论，它代表一个群体对一个实体或个人特征的集体评价[27]。Wu等的研究表明，在P2P市场中，用户的评论内容或其他评价指标所形成的声誉质量，是影响买卖双方信任建立的关键因素[26]。在共享住宿情境中，房客的声誉质量通常通过其他房东对房客的在线评论内容和数量传递给未来房东。声誉质量越高，说明房客在以往入住过程中的行为表现越好，从而有助于减轻未来房东与房客交易时的感知风险和不确定性，增强房东对房客的信任。

感知相似性是指委托人对受托人是否具有和自己相似的兴趣、价值观、人口特征等的感知[43]。相关文献表明，个体之间的感知相似性对信任的建立和发展产生积极影响[43-44]。Lamberton和Rose的研究发现，感知相似性可唤起房东对房客的积极正面认知，从而减少对交易风险的担忧，增强房东对房客的信任[45]。Edelman等通过一项针对Airbnb的实验研究发现，相较于非裔美国人的房客，白人房东更倾向于接待白人房客[46]。Su和Mattila通过对Airbnb用户的调查发现，房东和房客性别的一致性影响双方信任的建立，这在女性消费者群体中表现得尤为突出[47]。

由是，本文提出如下假设：

H6：认知因素正向影响房东对房客的信任

H6a～H6b：房客的声誉、感知相似性正向影响房东对房客的信任

（3）情感因素对房客信任的影响

情感因素对信任的影响是指委托人对受托人是否具有可信任属性的情感评估[48]。认知因素对信任的影响建立在对受托人的过去表现、专业知识和其他可用线索的理性判断基础之上，与其不同的是，情感因素对信任的影响则更多地建立在双方互动体验过程中所产生的情感信念基础上[49]。在共享住宿情境中，房东和房客会有多阶段的互动体验，买卖双方之间的互动对信任的影响已在相关文献中得到证实。例如Yang等通过对Airbnb用户的调查发现，房东和房客之间通过频繁的沟通和信息交流形成的良性互动，显著影响了房客对房东情感信任的建立[19]。Lu等指出，当房东采用更具亲和力的个人风格与房客互动时，房客对房东的信任度会增加[50]。

由是，本文提出如下假设：

H7：互动性正向影响房东对房客的信任

2.2.3    房东对平台的信任对房东对房客信任的影响

在共享住宿情境中，房东是在与平台和潜在房客互动的基础上完成交易的。因此从房东角度来看，其信任对象包括平台和房客[23]。其中，房东对平台的信任是指房东相信共享住宿平台会诚实、可靠地制定并执行适当的规则和处罚，以限制房客在平台上的机会主义行为[10]；房东对房客的信任是指房东对房客的仁慈、正直、能力等信任属性的感知[32]。根据信任转移理论，当目标对象与信任源对象相关联时，委托人对信任源对象的信任可转移到对未知的目标对象的信任[51]。由此，我们可认为，由于房客与共享住宿平台存在密切关联，房东对共享住宿平台的信任可能转移到对平台上房客的信任。具体来讲，若房东相信共享住宿平台是可靠的，则倾向于认为平台会制定适当的规则来管理和约束房客的机会主义行为，将一些可信度较低的潜在房客排除在外，从而增加房东对共享住宿平台房客的信任[52]。

由是，本文提出如下假设：

H8：房东对平台的信任正向影响房东对房客的信任

2.2.4    信任的中介作用

信任的中介作用在诸多文献中得到验证。McKnight等通过构建电子商务信任建立模型证实，消费者对电子供应商的信任会在网站的结构保障、声誉、质量等因素与购买意愿之间起到中介作用[8]。在共享住宿情境中，Mao等在电子商务信任建立模型的基础上，构建了共享住宿中的信任模型，通過对前一年使用过Airbnb平台的美国旅游者的调研，证实了房客对房东的信任部分中介了平台信任和重复购买意愿之间的关系[22]。Lu等采用标准化的实验方法验证了共享住宿房客对房东信任的中介作用，结果表明，房客对房东的信任在客主初始互动与转换意愿之间发挥中介作用[50]。

由是，本文提出如下假设：

H9：房东对平台的信任在房东对平台信任的影响因素和房东持续使用平台意愿的关系中起中介作用

H10：房东对房客的信任在房东对房客信任的影响因素和房东持续使用平台意愿的关系中起中介作用

3 研究设计

本文采用问卷调查法收集数据。具体研究过程如下：量表开发和问卷设计；通过小范围的预调研修正初始问卷，并在此基础上形成正式问卷；对共享住宿平台的房东开展问卷调查；对问卷数据进行共同方法偏差检验、描述性统计分析、信度和效度分析、回归分析、中介效应检验，验证研究假设是否成立。

3.1 问卷设计

问卷包含4个部分。第一部分为调研说明，介绍调研背景、目的及共享住宿平台的概念。第二部分为筛选题，为了更精准地找到共享住宿平台的房东这一样本群体，特设置4道筛选题。第三部分为变量测量量表，此部分所有题项均采用Likert 7级量表，1代表非常不同意，7代表非常同意。第四部分为受访者的人口统计学特征，包括房东的性别、年龄、学历、身份和经营时长。

变量测量量表中，除安全保障和平台服务外，其他均根据国外文献中使用过的成熟量表和问项进行测量。其中，熟悉度的4个测量题项来自Mittendorf[29]的研究，用以测量房东对共享住宿平台网站界面、功能、服务、交易流程等的了解程度。隐私保护的4个测量题项来自Mao等[22]的研究，用以测量房东对共享住宿平台的隐私政策能否有效保护房东个人信息免遭泄露可能性的感知[33]。感知易用性的4个测量题项来自Kucukusta等[53]的研究，用以测量房东学会在平台上出租房屋的难易程度的感知。感知有用性的4个测量题项来自Kucukusta等[53]的研究，用以测量房东对使用共享住宿平台提高其房源出租效率程度的感知。房客声誉的4个测量题项来自Yang等[19]的研究，用以测量房东对房客声誉质量的感知。感知相似性的4个测量题项来自Lu等[43]的研究，用以测量房东对房客是否具有和自己相似的个人特征的感知。互动性的4个测量题项来自Yang等[19]的研究，用以测量房东对在共享住宿平台上与房客的互动过程中所产生的情感评估。房东对平台信任的3个测量题项来自Hong和Cho[13]的研究，用以测量房东对共享住宿平台总体信任的感知。房东对房客信任的3个测量题项来自Hong和Cho[13]的研究，用以测量房东对共享住宿平台上房客群体总体信任的感知。房东持续使用平台意愿的3个测量题项来自Yang等[19]的研究，用以测量房东持续使用共享住宿平台的意愿。

本文借鉴相关文献开发了安全保障变量量表，并独立开发了平台服务变量量表。安全保障变量量表的开发过程如下：首先，在深入阅读文献的基础上，确定借鉴电子商务文献中的结构保障[35]、感知安全[33]量表拟定题项（主要包含安全支付和网站担保）；其次，为使量表题项更加契合共享住宿情境，对第三方评论网站Trustpilot上Airbnb房东的747条评论内容进行词频分析，初步确定影响房东信任的安全保障因素；再次，对共享住宿平台的10位个人房东进行访谈，进一步提炼影响房东信任的安全保障因素，最终将房客身份验证、第三方担保支付系统、房东保证金计划和保险、安全的交易环境4个题项纳入安全保障量表，用以测量房东对共享住宿平台能否提供安全可靠的交易环境的感知。平台服务变量尚无可资借鉴的文献，其量表开发过程如下：首先，通过对房东评论内容的词频分析，确定影响房东信任的平台服务因素（主要包括快速响应能力、个性化服务能力），而后对房东进行访谈，最终将专业服务、快速响应、个性化服务、诚信服务4个题项纳入平台服务量表，用以测量房东对共享住宿平台提供的总体服务支持的感知。

为提高量表的信度和效度，研究中特作如下安排：首先，采用翻译和反向翻译的方法确保量表措辞的准确性；其次，邀请3位旅游管理专业的导师和5位博士生对量表的逻辑性、全面性和题项之间的非重合性进行检查，并根据其意见对量表进行完善；最后，形成初始问卷，在正式调研之前选择小规模样本进行预调研。2021年12月，通过在共享住宿平台的百度贴吧、共享住宿平台房东的微信群、QQ群中发送问卷链接，共收集到有效问卷150份。数据分析结果显示，预调研问卷中12个变量的Cronbachs α系数处于0.832～0.934之间，均大于0.7的标准，修正后的项与总计相关性（corrected item-total correlation， CITC）值在0.630～0.894之间，均大于0.4的标准，12个变量各题项的项删除后Cronbachs α系数均小于各变量的Cronbachs α系数，通过了信度检验。效度分析方面，熟悉度、隐私保护、感知易用性、感知有用性、房客的声誉、感知相似性、互动性、对平台的信任、对房客的信任、持续使用意愿10个变量的各题项是在借鉴国外文献成熟量表的基础上开发而成的，因此具有较好的内容效度。本文自行开发的安全保障、平台服务量表探索性因子分析的结果与预期一致。综上，预调研的量表可用于下一阶段的正式调研。

3.2 数据收集

在预调研基础上，确定正式调研问卷的量表内容，共包含熟悉度、安全保障、隐私保护、平台服务、感知易用性、感知有用性、房客的声誉、感知相似性、互动性、对平台的信任、对房客的信任、持续使用意愿12个变量。每个变量下设3～4个题项，共包含45个题项。正式调查与预调查的调查对象均为共享住宿平台（具体涉及Airbnb、途家、小猪民宿、木鸟民宿、美团民宿等）的房东。2022年1月，通过蜂鸟问卷收集数据，共收到有效问卷900份，问卷数量达到了Mundfrom等[54]所建议的标准。

从样本结构来看，参与正式调查的900名房东群体中，男性449人，女性451人，男女比例均衡；年龄方面，31～45岁的房东共计800人，占88.9%；学历方面，拥有本科学历的房东共计816人，占90.7%；房东身份方面，兼职房东共计702人，占78.0%，专职房东共计198人，占22.0%；经营时长方面，经营时长在1年及以下的房东共计4人，占0.4%，经营时长在1～2年的房东共计78人，占8.7%，经营时长在2年及以上的房东共计818人，占90.9%。此次调研的样本统计特征与国家信息中心发布的《中国共享住宿发展报告2018》中的房东样本特征基本吻合。

4 数据分析

本文采用SPSS 26.0和AMOS 24.0软件进行数据分析。前者主要用于样本的描述性统计分析、数据的信度分析、模型的主效应和中介效应检验；后者用于数据的效度分析、共同方法偏差检验。

4.1 共同方法偏差的控制与检验

为降低数据收集过程中可能存在的共同方法偏差问题，本文特进行如下过程控制：首先，并未告知受访者此次调研的精确主题；其次，采用匿名方式收集问卷；之后，采用Malhotra等[55]提出的单因子验证性因子分析方法对共同方法偏差进行统计检验。结果如表1所示：χ2/df=24.539，RMSEA=0.162，SRMR=0.1409，NFI=0.432，RFI=0.405，IFI=0.443，TLI=0.415，CFI=0.442，单因子模型的拟合效果很不理想。因此，样本数据不存在严重的共同方法偏差问题。

4.2 信度和效度分析

本文采用Cronbachs α系数对正式调研数据的信度进行检验。检验结果如表2所示，12个变量的Cronbachs α系数处于0.853～0.956之间，均大于0.7的标准，说明各变量题项之间的内部一致性较高，具有较高信度。

采用验证性因子分析对量表的收敛效度和区分效度进行检验。验证性因子模型的整体拟合结果如表1所示，χ2/df=的值为2.979，小于3；RMSEA为0.047，小于0.05；SRMR为0.0297，小于0.05；NFI为0.936，RFI为0.928，IFI为0.956，TLI为0.951，CFI为0.956，均大于0.90；验证性因子模型的整体拟合度良好。收敛效度的检验结果如表2所示，12个变量所有题项的标准化因子载荷均在0.709以上，大于0.5，各个变量的组合信度均在0.857以上，大于0.7，平均方差萃取量均在0.601以上，大于0.5。3个指标均达到了Bagozzi[56]和Segars[57]所建议的收敛效度判断标准要求，可见，本文的问卷量表具有良好的收斂效度。区分效度的检验结果如表3所示，12个变量的平均方差萃取量的平方根均大于对应变量间的相关系数，达到了Bagozzi[56]所建议的区分效度判断标准要求，可见，本文的问卷量表具有良好的区分效度。

从相关系数的输出结果来看，安全保障、隐私保护、平台服务、感知易用性、感知有用性分别与对平台的信任之间具有显著的相关性，房客的声誉、感知相似性、互动性、对平台的信任分别与对房客的信任之间具有显著的相关性，对平台的信任、对房客的信任分别与持续使用意愿之间具有显著的相关性，可进一步做回归分析。

4.3 主效应检验

采用回归分析对主效应进行检验。多重共线性的检验结果显示，各变量的方差膨胀系数（variance inflation factor， VIF）均小于5，表明不存在严重的多重共线性问题。回归分析的检验结果如表4所示。安全保障（β=0.068，p＜0.05）、隐私保护（β=0.170，p＜0.001）、平台服务（β=0.087，p＜0.05）、感知易用性（β=0.183，p＜0.001）、感知有用性（β=0.271，p＜0.001）对平台信任有显著正向影响，熟悉度不会对平台信任产生显著影响（β=-0.025，p＞0.05）。因此，H1a、H1b、H1c、H2a、H2b得到支持，H5未得到支持。房客声誉（β=0.182，p＜0.001）、互动性（β=0.256，p＜0.001）、平台信任（β=0.542，p＜0.001）对房东对房客的信任产生显著影响，感知相似性（β=0.028，p＞0.05）不会对房东对房客的信任产生显著影响。因此，H6a、H7、H8得到支持，H6b未得到支持。房东对平台的信任（β=0.326，p＜0.001）、房东对房客的信任（β=0.191，p＜0.001）会对房东持续使用平台的意愿产生显著影响。H3、H4得到支持。

4.4 中介效应检验

采用SPSS 26.0中的PROCESS宏程序，将放回抽样次数设置为 5000，置信区间设置为95%，在控制房东的性别、年龄、学历、身份、经营时长的基础上，对房东对平台信任和房客信任的中介效应进行Bootstrapping检验，检验结果如表5所示。在“经验因素→房东对平台的信任→持续使用意愿”路径中，中介效应95%的置信区间为（-0.0444，0.0138），包含0，说明不存在中介效应。在“制度因素→房东对平台的信任→持续使用意愿”路径中，总效应95%的置信区间为（0.0270，0.3460），不包括0。直接效应95%的置信区间为（-0.1062，0.1946），包括0。中介效应95%的置信区间为（0.0801，0.2044），不包括0。因此，房东对平台的信任在制度因素和房东持续使用平台意愿之间的中介效应显著。在“技术因素→房东对平台的信任→持续使用意愿”路径中，总效应95%的置信区间为（0.2520，0.4860），不包括0。直接效应95%的置信区间为（0.0691，0.3171），不包括0。中介效应95%的置信区间为（0.1193，0.2396），不包括0。因此，房东对平台的信任在技术因素和房东持续使用平台意愿之间的中介效应显著。H9得到部分支持。

在“认知因素→房东对房客的信任→持续使用意愿”路径中，总效应95%的置信区间为（0.0660，0.3040），不包括0。直接效应95%的置信区间为（-0.0468，0.1834），包括0。中介效应95%的置信区间为（0.0702，0.1706），不包括0。因此，房东对房客的信任在认知因素和房东持续使用平台意愿之间的中介效应显著。在“情感因素→房东对房客的信任→持续使用意愿”路径中，总效应95%的置信区间为（0.2580，0.3970），不包括0。直接效应95%的置信区间为（0.0698，0.2489），不包括0。中介效应95%的置信区间为（0.1121，0.2273），不包括0。因此，房东对房客的信任在情感因素和房东持续使用平台意愿之间的中介效应显著。H10得到支持。

5 研究结论与启示

5.1 研究结论

本文以信任建立模型为基础，结合共享住宿P2P的特征，构建了共享住宿平台房东信任建立机制理论框架，并通过实证研究得出如下结论。

其一，平台因素中的制度因素和技术因素均显著正向影响房东对平台的信任，但影响程度存在差异。从标准化回归系数来看，技术因素的影响程度大于制度因素。这与Wang等[4]的研究一致，在其研究中，技术支持对房东信任的影响最大。具体地，在技术因素中，感知有用性影响程度最大，其次是感知易用性。可见，房东在使用共享住宿平台过程中，最关注的是平台提供的技术支持系统能否提高其房屋出租效率，其次是房东使用技术支持系统学会在平台上出租房屋的难易程度。在制度因素中，隐私保护的影响程度最大，平台服务和安全保障的影响程度次之。相较于房客而言，房东在注册和登记房源信息时，需提供诸如电话号码、家庭住址、身份证、银行账户等个人信息，因此房东更关注平台对隐私信息的保护措施。Wang等[4]、Yang等[19]在对共享住宿用户信任进行研究时也得出了类似的结论。此外，若共享住宿平台的保障措施能真实有效地保障房东权益，且在房东权益受损时能提供及时有效的解决方案，则会显著增加房东对平台的信任。

其二，房客因素中的声誉和互动性显著正向影响房东对房客的信任，其中，互动性的影响程度最大。这说明，房东将自己的房源出租给作为陌生人的房客是需要承担较大风险的，若房客在入住过程中能与房东保持积极互动，将有助于增加房东对房客的信任。房客声誉的影响次之。在买卖双方信息不对称的情况下，房东通过对房客声誉质量的评估形成基于认知的信任，声誉评价高的房客入住期间更容易遵守房屋守则、爱护房源设施和物品，房东的感知信任也较高。Zhang等[20]、Ert等[27]的研究也证实了声誉对房客信任的积极影响。

其三，房东因素中的熟悉度和房客因素中的感知相似性并未对房东信任产生积极影响。这与Mittendorf[29]、Edelman等[46]、Su和Mattila[47]的研究结论相反。一个可能的解释是，与国外共享住宿业相比，国内共享住宿业的发展有其独特性。如房东通常在不同的共享住宿平台同时上线房源，熟悉度只是增加了房东对共享住宿平台的了解程度，是否对平台信任产生影响还取决于房东过去使用平台的體验质量。感知相似性并未对房东信任产生积极影响，这与国内共享住宿业“重住宿、轻分享”的经营现状有关。国内共享住宿平台的房东大多选择以整套出租的方式出租房源，房东和房客共处一室的机会较少，房东对感知相似性的关注也会随之降低。

其四，房东对平台的信任和对房客的信任显著正向影响房东持续使用平台的意愿。这与Mittendorf[29]的研究结论一致，说明信任通过降低房东的感知风险和不确定性，从而对房东持续使用平台的意愿产生了积极影响。从标准化回归系数来看，房东对平台信任的影响效果大于房东对房客信任的影响效果，说明房东对平台的信任是影响房东持续使用平台意愿的重要因素。

其五，房东对平台的信任可转移到房东对房客的信任。这说明，当房东对共享住宿平台产生信任时，他们更倾向于认为平台已经通过制度或技术保障因素对房客进行了有效筛选和约束，降低了房东在出租房源过程中的感知不确定性，从而也对房客产生信任。

其六，信任中介了信任影响因素（制度因素、技术因素、认知因素、情感因素）与房东持续使用平台意愿之间的关系。这说明，制度因素、技术因素、认知因素、情感因素通过促进房东的信任降低了房东的感知风险，进而对房东持续使用平台意愿产生积极影响。

5.2 管理启示

就共享住宿平台而言，有效获取房东信任、增加房源供应量是其提升竞争力的关键所在，而作为陌生人的房客要提升预订请求被接受的概率也要获取房东的信任。本文研究结论对此具有启示意义。

对于共享住宿平台而言，可从制度和技术两个方面着力。一是重视制度因素对房东信任的影响作用，并从隐私保护、平台服务和安全保障等方面完善平台的制度保障措施，切实保障房东的权益。共享住宿平台可采用先进的网络安全技术（防火墙、加密和访问控制等）确保房东个人信息的安全性，加大对服务支持的投入，确保线上第一时间响应房东的需求，线下提供采购安装服务、房客接待以及退房后的保洁服务等，进一步扩大房东保障金和财产保险的保障范围并完善房东申请赔偿的程序等。二是重视技术因素对房东信任的影响作用，从感知易用性、感知有用性方面提升房东的信任度。共享住宿平台可通过简洁方便的搜索功能、设计合理的导航功能、形式多样的信息展示，指导潜在房东如何在平台上发布房源和管理房源，增加房东的感知易用性；也可通过新技术的开发不断更新和完善网站的功能设计（如即时速订功能、日历管理功能、定价指导功能、经营数据管理功能等），为房东更有效地出租房源提供帮助，增加房东的感知有用性。

对于作为陌生人的房客来讲，要重视声誉质量和互动性对房东信任的影响。房客可通过完善个人主页信息，入住前按照房东要求提供身份验证；入住期间遵守房东制定的房屋守则，通过爱护房源设施和物品等方式获得较高的声誉评价；入住过程中出现问题时，及时与房东沟通，增强与房东的互动。这些将有助于增加房东对房客的信任，从而降低未来预订请求被拒绝的可能性。

5.3 进一步讨论

经过十多年的发展，我国共享住宿业正经历由追求“量”到重视“质”的转变。不可否认的是，房源量仍是评价共享住宿平台发展水平的重要指标之一。因此，如何消除房东的信任障碍、吸引更多房东、增加房源供应量对共享住宿平台的发展尤为重要。本文在以平台因素作为主要影响因素的信任建立模型基础上，加入反映共享住宿买卖双方高交互性特征的房东因素（熟悉度）和房客因素（声誉、感知相似性、互动性），以“信任影响因素-房东信任-持续使用平台意愿”为逻辑，构建共享住宿房东信任建立的理论框架。研究成果响应了Su和Mattila[47]、Agag和Eid[58]、Li和Tsai[59]等从房东端审视共享住宿信任问题的呼吁，拓展了共享住宿用户信任研究的视角，弥补了现有文献对房东信任研究的不足。与此同时，本文也进一步拓展了信任建立模型，突破以往单纯从平台因素解释信任行为的局限，为进一步剖析房东信任建立的内在机理提供了研究思路和实证支持。

值得注意的是，对于“让陌生人住进家”的房东来讲，其信任的建立是一个复杂的决策过程，由于篇幅和研究重点所限，本文对这一问题的研究仍有局限，未来可从以下方面持续关注。首先，信任在本质上是随时间变化的、复杂的动态认知过程。对于房东而言，在线上交易阶段和房源出租阶段，信任的影响因素是不同的。本文收集的数据为集中于一个时间段的截面数据，尚未对处于不同阶段的房东信任进行动态研究，未来可使用实验法、文本分析法、访谈法等，收集不同时间点的纵向数据，进一步分析共享住宿房东信任建立的动态过程。其次，本文采用问卷分析法，探讨了虚拟情境中房东信任的建立机制，将房东持续使用平台的意愿作为房东实际使用行为的代理变量。未来可采用大数据分析法搜集共享住宿平台的客观数据，探讨真实情境中影响房东信任的主要因素，以及信任对房东持续使用共享住宿平台出租房源行为的影响。最后，根据房东和房客之间的互动形式，共享住宿平台一般分为免费型、互惠型和租赁型等类型。本文主要研究在租赁型平台出租自有房源的个人房東的信任建立机制，并未涉及职业房东。考虑到中国情境的特殊性，以途家等为代表的租赁型平台中，职业房东的比例逐步上升，未来可进一步研究职业房东和个人房东信任建立机制的差异，也可将研究范围扩大至免费型和互惠型平台。

参考文献（References）

[1] 国家信息中心. 中国共享住宿发展报告2018[EB/OL]. [2021-12-20]. http：//www.sic.gov.cn/News/568/9241.htm. [National Information Center. China report on sharing accommodation development 2018[EB/OL]. [2021-12-20]. http：//www.sic.gov.cn/News/568/9241.htm.]

[2] STHAPIT E， BJORK P. Sources of distrust： Airbnb guests perspectives[J]. Tourism Management Perspectives， 2019， 31： 245-253.

[3] 张闯， 郝凌云. 交易型数字平台中的信任： 研究现状与展望[J]. 经济管理， 2022， 44（8）： 190-208. [ZHANG Chuang， HAO Lingyun. Trust in transactional digital platforms： Literature review and future prospects[J]. Business and Management Journal， 2022， 44（8）： 190-208.]

[4] WANG Y， ASAAD Y， FILIERI R. What makes hosts trust Airbnb？ Antecedents of hosts trust toward Airbnb and its impact on continuance intention[J]. Journal of Travel Research， 2020， 59（4）： 686-703.

[5] ALDRIDGE A， WHITE M， FORCHT K. Security considerations of doing business via the Internet： Cautions to be considered[J]. Internet Research， 1997， 7（1）： 9-15.

[6] 徐峰， 張新， 梁乙凯， 等. 信任构建机制对共享民宿预订量的影响——基于Airbnb的实证研究[J]. 旅游学刊， 2021， 36（12）： 127-139. [XU Feng， ZHANG Xin， LIANG Yikai， et al. The effects of trust-building mechanisms on peer-to-peer accommodation booking： An empirical study on Airbnb[J]. Tourism Tribune， 2021， 36（12）： 127-139.]

[7] MAYER R C， DAVIS J H， SCHOORMAN F D. An integrative model of organizational trust[J]. Academy of Management Review， 1995， 20（3）： 709-734.

[8] MCKNIGHT D H， CHOUDHURY V， KACMAR C. The impact of initial consumer trust on intentions to transact with a web site： A trust building model[J]. The Journal of Strategic Information Systems， 2002， 11（3/4）： 297-323.

[9] WANG S， BEATTY S E， FOXX W. Signaling the trustworthiness of small online retailers[J]. Journal of Interactive Marketing， 2004， 18（1）： 53-69.

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

[11] CHEN X， HUANG Q， DAVISON R M， et al. What drives trust transfer？ The moderating roles of seller-specific and general institutional mechanisms[J]. International Journal of Electronic Commerce， 2015， 20（2）： 261-289.

[12] KIM D J， FERRIN D L， RAO H R. Trust and satisfaction， two stepping stones for successful e-commerce relationships： A longitudinal exploration[J]. Information Systems Research， 2009， 20（2）： 237-257.

[13] HONG I B， CHO H. The impact of consumer trust on attitudinal loyalty and purchase intentions in B2C e-marketplaces： Intermediary trust vs. seller trust[J]. International Journal of Information Management， 2011， 31（5）： 469-479.

[14] KANG M， GAO Y， WANG T， et al. Understanding the determinants of funders investment intentions on crowdfunding platforms[J]. Industrial Management & Data Systems， 2016， 116（8）： 1800-1819.

[15] KIM M J， BONN M， LEE C K. The effects of motivation， deterrents， trust， and risk on tourism crowdfunding behavior[J]. Asia Pacific Journal of Tourism Research， 2019， 25（3）： 244-260.

[16] GUO J， LIN J， LI L. Building users intention to participate in a sharing economy with institutional and calculative mechanisms： An empirical investigation of Didi in China[J]. Information Technology for Development， 2021， 27（4）： 645-669.

[17] MALLAPRAGADA G， GREWAL R， MEHTA R， et al. Virtual interorganizational relationships in business-to-business electronic markets： heterogeneity in the effects of organizational interdependence on relational outcomes[J]. Journal of the Academy of Marketing Science， 2015， 43（5）： 610-628.

[18] CHEN J， ZHANG C， XU Y. The role of mutual trust in building members loyalty to a C2C platform provider[J]. International Journal of Electronic Commerce， 2009， 14（1）： 147-171.

[19] YANG S B， LEE K， LEE H， et al. In Airbnb we trust： Understanding consumers trust-attachment building mechanisms in the sharing economy[J]. International Journal of Hospitality Management， 2018， 83： 198-209.

[20] ZHANG L， YAN Q， ZHANG L. A computational framework for understanding antecedents of guests perceived trust towards hosts on Airbnb[J]. Decision Support Systems， 2018， 115： 105-116.

[21] MOHLMANN M. Digital trust and peer-to-peer collaborative consumption platforms： A mediation analysis[R]. Leonard N. Stern School of Business， New York University， New York. DOI： 10.2139/ssrn.2813367.

[22] MAO E， JONES M F， LI M， et al. Sleeping in a strangers home： A trust formation model for Airbnb[J]. Journal of Hospitality and Tourism Management， 2019， 42： 67-76.

[23] HAN H， KOO C， CHUNG N. Implication of the fit between Airbnb and host characteristics： A trust-transfer perspective[C]//Proceedings of the 18th Annual International Conference. New York： 2016： 1-6.

[24] 謝雪梅， 石娇娇. 共享经济下消费者信任形成机制的实证研究[J]. 技术经济， 2016， 35（10）： 122-127. [XIE Xuemei， SHI Jiaojiao. Empirical research on formation mechanism of consumer trust in sharing economy[J]. Technology Economics， 2016， 35（10）： 122-127.]

[25] 石岿然， 赵银龙， 宋穗. 共享平台服务需求者信任演化的影响因素[J]. 中国流通经济，2020， 34（7）： 68-78. [SHI Kuiran， ZHAO Yinlong， SONG Sui. Analysis on factors influencing trust evolution of sharing economy platform service users[J]. China Business and Market， 2020， 34（7）： 68-78.]

[26] WU J， MA P， XIE K L. In sharing economy we trust： The effects of host attributes on short-term rental purchases[J]. International Journal of Contemporary Hospitality Management， 2017， 29（11）： 2962-2976.

[27] ERT E， FLEISCHER A， MAGEN N. Trust and reputation in the sharing economy： The role of personal photos in Airbnb[J]. Tourism Management， 2016， 55： 62-73.

[28] ERT E， FLEISCHER A. The evolution of trust in Airbnb： A case of home rental[J]. Annals of Tourism Research， 2019， 75： 279-287.

[29] MITTENDORF C. What trust means in the sharing economy： A provider perspective on Airbnb[C]//Proceedings of the Twenty-second Americas Conference on Information Systems. San Diego， 2016： 1-10.

[30] KIM M S， AHN J H. Management of trust in the e-marketplace： The role of the buyers experience in building trust[J]. Journal of Information Technology， 2007， 22（2）： 119-132.

[31] MOYSIDOU K， HAUSBERG J P. In crowdfunding we trust： A trust-building model in lending crowdfunding[J]. Journal of Small Business Management， 2020， 58（3）： 511-543.

[32] MCKNIGHT D H， CHERVANY N L. What trust means in e-commerce customer relationships： An interdisciplinary conceptual typology[J]. International Journal of Electronic Commerce， 2001， 6（2）： 35-59.

[33] KIM D J， 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.

[34] DAVIS F D. Perceived usefulness， perceived ease of use， and user acceptance of information technology[J]. MIS Quarterly， 1989， 13（3）： 319-340.

[35] GEFEN D， STRAUB K D W. Trust and TAM in online shopping： An integrated model[J]. MIS Quarterly， 2003， 27（1）： 51-90.

[36] WU I L， CHEN J L. An extension of trust and TAM model with TPB in the initial adoption of on-line tax： An empirical study [J]. International Journal of Human-Computer Studies， 2005， 62（6）： 784-808.

[37] CARLOS F， MIGUEL G， GURREA R. The role played by perceived usability， satisfaction and consumer trust on website loyalty[J]. Information & Management， 2006， 43（1）： 1-14.

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

[39] BHATTACHERJEE A. Individual trust in online firms： Scale development and initial test[J]. Journal of Management Information Systems， 2002， 19（1）： 211-241.

[40] KOMIAKS Y X， BENBASAT I. The effects of personalization and familiarity on trust and adoption of recommendation agents[J]. MIS Quarterly， 2006， 30（4）： 941-960.

[41] LEWIS J D， WEIGERT A. Trust as a social reality[J]. Social Forces， 1985， 63（4）： 967-985.

[42] JOHNSON D， GRAYSON K. Cognitive and affective trust in service relationships[J]. Journal of Business Research， 2005， 58（4）： 500-507.

[43] LU Y， ZHAO L， WANG B. From virtual community members to C2C e-commerce buyers： Trust in virtual communities and its effect on consumers purchase intention[J]. Electronic Commerce Research & Applications， 2010， 9： 346-360.

[44] MCALLISTER D J. Affect- and Cognition-based trust as foundations for interpersonal cooperation in organizations[J]. Academy of Management Journal， 1995， 38（1）： 24-59.

[45] LAMBERTON C P， ROSE R L. When is ours better than mine？ A framework for understanding and altering participation in commercial sharing systems[J]. Social Science Electronic Publishing， 2011， 76（4）： 109-125.

[46] EDELMAN B， LUCA M， SVIRSKY D. Racial discrimination in the sharing economy： Evidence from a field experiment[J]. American Economic Journal Applied Economics， 2017， 9（2）： 1-22.

[47] SU N， MATTILA A S. Does gender bias exist？ The impact of gender congruity on consumers Airbnb booking intention and the mediating role of trust[J]. International Journal of Hospitality Management， 2019， 89： 1-7.

[48] SWIFT P E， HWANG A. The impact of affective and cognitive trust on knowledge sharing and organizational learning[J]. The Learning Organization， 2013， 20（1）： 20-37.

[49] GONG X， ZHANG K Z K， CHEN C， et al. What drives trust transfer from web to mobile payment services？ The dual effects of perceived entitativity[J]. Information & Management， 2020， 57（7）： 1-57.

[50] LU L， CAI R， KING C. Building trust through a personal touch： Consumer response to service failure and recovery of home-sharing[J]. Journal of Business Research， 2020， 117： 99-111.

[51] SIA C L， LIM K H， LEUNG K， et al. Web strategies to promote internet shopping： Is cultural-customization needed？[J]. MIS Quarterly， 2009， 33（3）： 491-512.

[52] XIAO L， MI C， ZHANG Y， et al. Examining consumers behavioral intention in O2O commerce from a relational perspective： An exploratory study[J]. Information Systems Frontiers， 2019， 21（5）： 1045-1068.

[53] KUCUKUSTA D， LAW R， BEABES A， et al. Re-examining perceived usefulness and ease of use in online booking： The case of Hong Kong online users[J]. International Journal of Contemporary Hospitality Management， 2015， 27（2）： 185-198.

[54] MUNDFROM D J， SHAW D G， KE T L. Minimum sample size recommendations for conducting factor analyses[J]. International Journal of Testing， 2005， 5（2）： 159-168.

[55] MALHOTRA N K， KIM S S， PATIL A. Common method variance in IS research： A comparison of alternative approaches and a reanalysis of past research[J]. Management Science， 2006， 52（12）： 1865-1883.

[56] BAGOZZI R P. Evaluating structural equation models with unobservable variables and measurement error： A comment[J]. Journal of Marketing Research， 1981， 18（3）： 375-381.

[57] SEGARS A H. Assessing the unidimensionality of measurement： A paradigm and illustration within the context of information systems research[J]. Omega， 1997， 25（1）： 107-121.

[58] AGAG G， EID R. Examining the antecedents and consequences of trust in the context of peer-to-peer accommodation[J]. International Journal of Hospitality Management， 2019， 81： 180-192.

[59] LI C Y， TSAI M C. What makes guests trust Airbnb？ Consumer trust formation and its impact on continuance intention in the sharing economy[J]. Journal of Hospitality and Tourism Management， 2022， 50： 44-54.

Research on the Hosts Trust-building Mechanism in Peer-to-Peer

Sharing Accommodation Platforms

NIU Ruanxia1， SONG Rui2，3， MAO Lijuan4

（1. Department of Resource Management， Tangshan Normal University， Tangshan 063000， China;

2. Business School， University of Chinese Academy of Social Sciences， Beijing 102488， China;

3. China National Academy of Economic Strategy， Chinese Academy of Social Sciences， Beijing 100006， China;

4. Research Institute for Eco-civilization， Chinese Academy of Social Sciences， Beijing 100710， China）

Abstract： Airbnb has used the slogan， “Trust is what makes it work.” Trust is a key factor in connecting the supply and demand sides of peer to peer （P2P） sharing accommodation and facilitating transactions， a typical two-sided market. Trust， therefore， plays an important role in the sharing accommodation industrys development. However， the existing literature pays greater attention to guests trust from the demand-side perspective， while largely ignoring hosts trust from the supply-side perspective. Amid intensifying industry competition， P2P accommodation platforms are increasingly realizing that attracting more hosts and increasing the supply of listings is the driving force for a platforms sustainable development. Hosts trust， therefore， needs to be explored from the supply-side perspective， to remove hosts trust barrier and increase their willingness to participate in P2P sharing accommodation. Based on the trust-building model， this study aimed to explore the hosts trust-building mechanism in P2P sharing accommodation platforms from the supply-side perspective. It then examined the main factors affecting the building of hosts trust and the impact of such trust on hosts willingness to continue using a platform. Data were collected via a questionnaire surveying 900 hosts on P2P sharing accommodation platforms. AMOS and SPSS software were used for regression analysis and a mediation effect test. The results suggest as the following. （1） Among the platform factors， both institutional and technical factors have a significant positive impact on hosts trust in the platform， but the degree of impact differs. Perceived usefulness has the greatest impact， followed by ease of use， privacy protection， platform service， and security assurance. （2） Perceived familiarity of the host as a factor does not significantly affect hosts trust in the platform. （3） Interactivity and the guests reputation as factors have a significant positive impact on the hosts trust in the guest， while perceived similarity has no positive impact. （4） The hosts trust in the platform can be transferred to their trust in the guest. （5） The hosts trust in the platform and the guest have a significant positive impact on the hosts willingness to continue using the platform. （6） Trust mediates the relationship between trust-influencing factors （institutional， technical， cognitive， and emotional） and hosts willingness to continue using the platform. Theoretically， this study expands the perspective of user trust research in sharing accommodation and helps offset the shortcomings of the existing literature on hosts trust. Additionally， based on the trust-building model and with platform factors as the main influencing factors， this study added guest factors and a host factor， which reflect the high interaction characteristics of buyers and sellers involved in sharing accommodation. This overcomes the previous limitations of explaining trust behavior solely from platform factors and provides research ideas for further analyzing the mechanism of hosts trust building. Practically， this study can inform management of sharing accommodation platforms regarding effectively obtaining hosts trust and increasing the supply of listings. It also provides valuable advice and reference for guests to effectively obtain hosts trust， which increases the probability that booking requests will be accepted.

Keywords： peer-to-peer （P2P） accommodation; host; trust-building model （TBM）; trust-building mechanism

[責任编辑：周小芳；责任校对：郑    果]

［基金项目］本研究受唐山师范学院博士基金项目“旅游民宿共享平台用户信任的分阶段演化机制研究”（2022A05）资助。[This study was supported by a grant from the Doctoral Fund Project of Tangshan Normal University （to NIU Ruanxia）（No. 2022A05）.]

［收稿日期］2022-05-04； ［修订日期］2022-09-06

［作者简介］牛阮霞（1986—），女，河南辉县人，博士，讲师，研究方向为共享经济和旅游者行为，E-mail：baiyun867@126.com；宋瑞（1972—），女，陕西西安人，博士，教授/研究员，研究方向为旅游产业与休闲经济、旅游政策，E-mail：songrui@cass.org.cn，通讯作者；毛丽娟（1989—），女，重庆人，博士后。

1谢青. 爱彼迎深耕6年后宣布退出中国大陆， 民宿市场“蛋糕”再划分？[EB/ OL]. [2022-05-25]. http：//m.k618.cn/yc_new/yc_wzlb/202205/t20220525_18405995.html.

引用格式：牛阮霞， 宋瑞， 毛丽娟. 共享住宿平台房东信任建立机制研究[J]. 旅游学刊， 2023， 38（8）： 62-76. [NIU Ruanxia， SONG Rui， MAO Lijuan. Research on the hosts trust-building mechanism in peer-to-peer sharing accommodation platforms[J]. Tourism Tribune， 2023， 38（8）： 62-76.]