【智能快遞柜使用意愿的影響因素實(shí)證探究14000字（論文）】

智能快遞柜使用意愿的影響因素實(shí)證研究摘要近年來，我國的快遞行業(yè)迅猛發(fā)展，物流行業(yè)中的“最后一公里配送”成為企業(yè)關(guān)注的焦點(diǎn)。等待時(shí)間長、人工成本增大、派送時(shí)間沖突等問題嚴(yán)重制約著物流行業(yè)的效率。而“最后一公里配送”也成為物流行業(yè)中節(jié)約成本和人類勞動力向科技轉(zhuǎn)型的重要問題。智能快遞柜的出現(xiàn)，提高了配送的效率，在一定程度上解決了物流最后一公里配送的問題，節(jié)約了物流成本。智能快遞柜在后疫情時(shí)代具有廣闊的發(fā)展前景，因此，本文基于整合技術(shù)接受與使用模型（UTAUT）的相關(guān)理論來探討消費(fèi)者對智能快遞柜的使用意愿及行為，為我國智能快遞柜企業(yè)的發(fā)展提出有建設(shè)性的參考意見。關(guān)鍵詞：智能快遞柜；影響因素分析；UTAUT模型；感知風(fēng)險(xiǎn)目錄一、緒論 KMO和巴特利特檢驗(yàn)KMO取樣適切性量數(shù)。0.834巴特利特球形度檢驗(yàn)近似卡方1591.213自由度190.000顯著性0.000在進(jìn)行效度分析時(shí)，KMO的值越接近1，則表明變量之間的相關(guān)性越強(qiáng)，可見上表，本文的KMO值為0.834，說明本文的測量題目和選項(xiàng)有較好的收斂度。且其顯著性低于0.01，說明本數(shù)據(jù)的整體效度較高，可以進(jìn)入后續(xù)數(shù)據(jù)的探索性因子分析工作。表12總方差解釋成分初始特征值提取載荷平方和旋轉(zhuǎn)載荷平方和總計(jì)方差百分比累積%總計(jì)方差百分比累積%總計(jì)方差百分比累積%16.82034.10134.1016.82034.10134.1013.49717.48717.48722.49812.48946.5902.49812.48946.5902.95414.77132.25831.9239.61656.2051.9239.61656.2052.91414.57246.83141.3336.66362.8681.3336.66362.8682.30111.50358.33351.0455.22368.0921.0455.22368.0921.9529.75868.09260.8584.29072.38270.7483.74176.12280.7143.56979.69190.5872.93482.625100.5332.66385.288110.4782.38987.678120.3941.96889.645130.3581.78991.434140.3171.58593.019150.2891.44494.464160.2751.37595.838170.2521.26197.100180.2211.10798.207190.2131.06399.270200.1460.730100.000提取方法：主成分分析法。 本數(shù)據(jù)的總計(jì)初始特征均大于1，可以提取到五個(gè)因子，且累積旋轉(zhuǎn)載荷平方和為68%，處于60%-80%之間，是合理的。且認(rèn)為這一測量量表的效度良好。圖5碎石圖由碎石圖可知，在4出現(xiàn)拐點(diǎn)，因此因子取2-6個(gè)比較合適，本文取5個(gè)因子，處于2-6之間，是合理的。表15旋轉(zhuǎn)后的成分矩陣a因子1234516.我愿意將智能快遞柜推薦給身邊的人0.78915.我愿意去學(xué)習(xí)使用智能快遞柜0.76020.我以后還會繼續(xù)使用智能快遞柜0.75917.如果有需要，我將會使用智能快遞柜0.7282.智能快遞柜可以提高我的效率0.5365.智能快遞柜使用方法很容易學(xué)習(xí)0.6954.智能快遞柜保護(hù)了我的隱私0.6536.智能快遞柜使用界面清晰明了0.6381.智能快遞柜可以隨時(shí)使用0.5603.智能快遞柜操作方便、使用便捷0.5419.親朋好友都在使用智能快遞柜0.84010.親朋好友推薦我使用智能快遞柜0.83819.我經(jīng)常向別人推薦使用智能快遞柜0.79518.我已經(jīng)長時(shí)間使用智能快遞柜0.64913.缺乏當(dāng)面驗(yàn)貨環(huán)節(jié)而擔(dān)心售后時(shí)間的延長0.78514.擔(dān)心智能快遞柜儲存條件導(dǎo)致商品變質(zhì)，如生鮮食品等0.76311.使用智能快遞柜擔(dān)心造成個(gè)人信息泄露0.6228.使用智能快遞柜是一種潮流0.791提取方法：主成分分析法。

旋轉(zhuǎn)方法：凱撒正態(tài)化最大方差法。a.旋轉(zhuǎn)在15次迭代后已收斂。根據(jù)旋轉(zhuǎn)因子矩陣表，將20個(gè)題項(xiàng)歸類為5個(gè)因子，每個(gè)因子的負(fù)荷大于0.500，且不存在雙重因子負(fù)荷的情況，每個(gè)維度的測量題目和選項(xiàng)都與理論相符合，表明本文的測量量表具有良好的效度。3、相關(guān)性分析表14相關(guān)性M(平均值)SD(標(biāo)準(zhǔn)差)績效期望努力期望社會影響風(fēng)險(xiǎn)感知使用意愿使用行為績效期望4.0410.6271努力期望4.1940.604.868**1社會影響3.4530.662.443**.441**1風(fēng)險(xiǎn)感知3.5920.6690.037-0.0560.0341使用意愿4.0190.655.648**.605**.490**0.0911使用行為3.5480.806.499**.480**.583**0.102.573**1**.在0.01級別（雙尾），相關(guān)性顯著。由相關(guān)性分析可知，績效期望、努力期望和社會影響的回歸系數(shù)通過顯著性檢驗(yàn)，說明績效期望、努力期望和社會影響與使用意愿之間呈相關(guān)關(guān)系，表明這三個(gè)變量對智能快遞柜的使用意愿在95%下有顯著影響。4、使用意愿影響因素的多元線性回歸分析表15模型參數(shù)表RR方調(diào)整后R方標(biāo)準(zhǔn)估算的錯(cuò)誤德賓-沃森F顯著性.682a0.4650.4500.485531.91332.549.000b由上表可知，R方的值為0.465，大于0.4，因此該模型的擬合度較好，說明本研究模型具有較好的解釋水平。且自變量顯著性小于0.05，說明在95%的水平下顯著。表16回歸模型未標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)化系數(shù)t顯著性共線性統(tǒng)計(jì)B標(biāo)準(zhǔn)錯(cuò)誤β容忍度VIF(常量)0.4330.3611.2000.232績效期望0.2870.0910.2753.1480.0020.4682.138努力期望0.3370.0940.3113.6000.0000.4792.086社會影響0.2130.0690.2153.1010.0020.7441.344風(fēng)險(xiǎn)感知0.0780.0590.0791.3270.1860.9981.002由上表可知，VIF值的范圍為1.002至2.138，所有的值都大于0.2且小于5，表明該模型滿足共線性的要求?？冃谕?、努力期望和社會影響的顯著性均小于等于0.05,因此這三個(gè)變量對使用意愿顯著成立，而風(fēng)險(xiǎn)感知的顯著性為0.186，大于0.05，對使用意愿的影響不顯著。對于風(fēng)險(xiǎn)感知對智能快遞柜的使用意愿影響不顯著提出以下合理解釋：從信息風(fēng)險(xiǎn)上來說。由上文智能快遞柜的使用方式可知，消費(fèi)者首先通過關(guān)注微信公眾號并綁定賬戶，系統(tǒng)發(fā)送短信取件碼給用戶，用戶再通過短信取件碼或二維碼取件。此過程只通過取件碼和二維碼作為憑證取快遞，和在快遞站點(diǎn)取件所透露的信息無差別，所以對于智能快遞柜和其他的取件方式的使用意愿而言，消費(fèi)者風(fēng)險(xiǎn)感知對智能快遞柜的使用意愿相較于其他三個(gè)維度的影響不大。根據(jù)題目及選項(xiàng)RP1提出解釋，若消費(fèi)者擔(dān)心接收到垃圾短信，可自主選擇取消關(guān)注微信公眾號，并通過支付寶自主獲取物流信息。對于用戶的身份信息，如電話號碼和用戶名等，順豐已推出的“豐密面單”，和菜鳥也推出了“菜鳥隱私面單”等等用戶信息保護(hù)措施，用戶名為自定義，快遞員通過APP所看到的用戶電話號碼隱藏中間四位數(shù)，推出“脫敏呼叫”的舉措進(jìn)而解決信息安全問題。在整個(gè)物流派件的方式中，信息安全的保護(hù)做得越來越好，所以不論是選擇使用智能快遞柜亦或是其他的取件方式，信息安全的感知風(fēng)險(xiǎn)并沒有太大的區(qū)別，以至于對于智能快遞柜的使用行為沒有明顯的影響。5、結(jié)構(gòu)方程（1）模型的調(diào)整及路徑分析本研究根據(jù)前文提出的初始模型和問卷調(diào)查的結(jié)果，在AMOS22.0軟件中繪制出影響用戶使用智能快遞柜的意愿和行為的結(jié)構(gòu)方程模型，如下圖所示。圖6初始模型由上文的多元線性回歸分析可知，風(fēng)險(xiǎn)感知對使用意愿的路徑（RP-BI）顯著不成立，因此把RP從模型中移除，調(diào)整后的用戶使用意愿與使用行為模型如下圖所示。圖7調(diào)整后的模型（2）模型的擬合分析本文所使用的是SEM分析以檢驗(yàn)?zāi)Ｐ偷臄M合度。在SEM分析中有常用的幾種模型估計(jì)方法，分別是極大似然估計(jì)法(ML)、漸進(jìn)分布自由法(ADF)、一般化最小平方法(GLS)、最小平方法(ULS)等，而本篇所采用的是極大似然估計(jì)法（ML）。模型計(jì)算出來的變量的協(xié)方差矩陣與實(shí)際測量的樣本協(xié)方差矩陣二者之間的相似度就是模型擬合度，在AMOS軟件中所呈現(xiàn)出的是模型與測量題目和選項(xiàng)之間的擬合程度，如果模型可以體現(xiàn)變量在實(shí)際生活中的相關(guān)關(guān)系，即擬合度較高，以下為影響用戶對智能快遞柜的使用意愿和使用行為的結(jié)構(gòu)方程進(jìn)行運(yùn)算后的模型圖以及相關(guān)的數(shù)據(jù)。表17CMINModelNPARCMINDFPCMIN/DFDefaultmodel38163.26982.0001.991Saturatedmodel120.0000Independencemodel15877.789105.0008.360由上表可知，該模型的卡方與自由度的比值為1.991，小于3，是合理的，說明模型的擬合度比較好。表18BaselineComparisonsModelNFI

Delta1RFI

rho1IFI

Delta2TLI

rho2CFIDefaultmodel.926.916.916.923.904Saturatedmodel1.0001.0001.000Independencemodel.000.000.000.000.000表19RMSEAModelRMSEALO90HI90PCLOSEDefaultmodel.076.059.092.008Independencemodel.00表20Parsimony-AdjustedMeasuresModelPRATIOPNFIPCFIDefaultmodel.843.552.629Saturatedmodel.000.000.000Independencemodel1.000.000.000由Amos分析得出以上表格，詳細(xì)總結(jié)如下表所示：表21結(jié)果潛在變量模型適配指數(shù)值與評價(jià)模型適配度類型適配指數(shù)合理的取值范圍測量模型適配結(jié)果是否符合標(biāo)準(zhǔn)絕對適配度RMSEA值<0.080.076是比較適配度CFI值>0.90.904是簡約適配度PCFI值>0.50.629是PNFI值>0.50.552是因此，得出結(jié)論此模型的擬合度良好。（3）智能快遞柜使用意愿和行為的假設(shè)檢驗(yàn)表22RegressionWeights:(Groupnumber1-Defaultmodel)EstimateS.E.C.R.PLabelUI<PE.642.1494.308***par_11UI<EE.374.1083.463***par_12UI<SI.733.1405.236***par_14UB<UI1.057.1785.951***par_13PE3<PE1.000PE2<PE1.103.2304.789***par_1PE1<PE1.445.2805.164***par_2EE3<EE1.000EE2<EE.822.1037.948***par_3EE1<EE.805.0958.446***par_4SI2<SI1.000SI1<SI1.209.2195.518***par_5SI3<SI.447.1645.732***par_6UB1<UB1.000UB2<UB.732.1395.262***par_7UB3<UB1.013.1506.737***par_8UI1<UI1.000UI2<UI1.237.1488.331***par_9UI3<UI.871.1207.264***par_10所有的路徑系數(shù)中，可以發(fā)現(xiàn)用戶對智能快遞柜的使用意愿影響因素按照影響程度由大到小排序依次是：績效期望、努力期望及社會影響?？冃谕绞褂靡庠傅穆窂较禂?shù)為0.642，績效期望對智能快遞柜的使用意愿有正向影響，假設(shè)1成立,即績效期望越高，用戶對智能快遞柜的使用意愿越強(qiáng)烈；努力期望對使用意愿的路徑系數(shù)為0.374，努力期望對智能快遞柜的使用意愿有正向影響，假設(shè)2成立，即努力期望越高，用戶對智能快遞柜的使用意愿越強(qiáng)烈。社會影響到使用意愿的路徑系數(shù)為0.733，假設(shè)3成立,即社會影響越高，用戶對智能快遞柜的使用意愿越強(qiáng)烈。五、研究結(jié)論（一）研究結(jié)論本文通過理論知識和實(shí)證分析研究建立起了用戶對智能快遞柜的使用意愿和使用行為模型，檢驗(yàn)了本研究所有的測量題目和選項(xiàng)，并得出結(jié)論：績效期望、努力期望、社會影響對用戶使用智能快遞柜有正向影響是成立的，而風(fēng)險(xiǎn)感知對用戶使用智能快遞柜有負(fù)向影響時(shí)不成立的。

六、快遞柜的推廣使用建議（一）企業(yè)方面1、更注重設(shè)計(jì)創(chuàng)新從測量題目和選項(xiàng)EE3（我認(rèn)為智能快遞柜的使用界面清晰明了）和SI1（我認(rèn)為使用智能快遞柜是一種潮流）中的結(jié)果可知，大多數(shù)使用者認(rèn)為使用智能快遞柜是一種潮流，使用者不僅追求實(shí)用性，對外觀設(shè)計(jì)和時(shí)尚潮流也有一定追求，智能快遞柜的使用者大多為中青年，可以將流行元素結(jié)合智能快遞柜進(jìn)行設(shè)計(jì)，以滿足用戶的對于智能快遞柜的審美需求，在用戶界面簡潔的基礎(chǔ)上更加出彩。2、宣傳使用智能快遞柜的意義通過本文的研究可知，社會影響對于用戶使用智能快遞柜有正向影響，所以當(dāng)使用智能快遞柜具有積極的意義時(shí)，更能發(fā)揮社會影響的作用，例如低碳高效等意義，一旦被賦予，便會得到一部分人群的追捧和支持，進(jìn)而形成人際中的正向循環(huán)，得到更多人的支持。3、探索新的變現(xiàn)方式在研讀前人所發(fā)表的文獻(xiàn)時(shí)所有的學(xué)者都不約而同的指出智能快遞柜最大的缺點(diǎn)是成本過高，而成本中最有可能降低的是運(yùn)營成本，運(yùn)營成本可以通過植入廣告，以及創(chuàng)新一些新的營銷模式以增加其變現(xiàn)的方式。（二）政府方面1、出臺相應(yīng)的鼓勵政策從題項(xiàng)SI2（朋友同事都在使用智能快遞柜）和SI3（朋友同事推薦我使用智能快遞柜）中的結(jié)果可知，若周圍的人都在使用智能快遞柜，用戶對于智能快遞柜的戒備心理會放松，使用意愿會增加。政府的政策引導(dǎo)將會有利于大眾積極使用智能快遞柜，用戶群體越大越有利于吸引更多的用戶參與使用。例如近兩年突發(fā)的新冠疫情，政府鼓勵使用無接觸配送，以預(yù)防病毒的傳播和感染。此時(shí)的無接觸配送最好的方式莫過于使用智能快遞柜，用戶群體大而散，監(jiān)督困難，企業(yè)相對而言較好監(jiān)督，所以企業(yè)配合對于智能快遞柜的發(fā)展有很大的影響。

參考文獻(xiàn)ADDINEN.REFLIST[1]胡雪梅,孫劍青.智能快遞柜在末端配送的發(fā)展現(xiàn)狀與對策研究[J].湖北農(nóng)機(jī)化,2020,(08):48.[2]田穎.無接觸式配送模式下智能快遞柜發(fā)展優(yōu)化對策[J].物流工程與管理,2020,42(04):110-112.[3]尚玉冰,基于顧客滿意的智能快遞柜尺寸配比優(yōu)化及收益分配研究,浙江理工大學(xué),2017.[4]<陳林松.基于模糊PID的快遞存取裝置存取速度控制的研究[D].浙江科技學(xué)院,2019..pdf>.[5]何小宇.基于機(jī)器視覺的智能快遞柜終端系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D].杭州電子科技大學(xué),2018.[6]王莉.數(shù)字化校園背景下高校智能快遞柜使用需求調(diào)查分析[J].開封大學(xué)學(xué)報(bào),2017,31(02):40-42.[7]黃媛,林麗,劉涵,朱成琳,張夢凡.“互聯(lián)網(wǎng)+”背景下高校校園智能快遞柜選址設(shè)置——以南京林業(yè)大學(xué)為例[J].物流科技,2020,43(12):46-50.DOI:10.13714/ki.1002-3100.2020.12.012.[8]馮斌.智能快件箱布局規(guī)劃與運(yùn)營模式研究[D].北京交通大學(xué),2015.[9]麻珂,丁猛.基于功效系數(shù)法的物流作業(yè)績效評價(jià)[J].西南民族大學(xué)學(xué)報(bào)(人文社會科學(xué)版),2015,36(04):147-151.[10]張熠,徐藝玲,程慧平,金玲.UTAUT模型在國內(nèi)IT/IS采納實(shí)證研究中的應(yīng)用現(xiàn)狀分析[J].現(xiàn)代情報(bào),2018,38(11):123-129.[11]徐蕾，王建瓊，查建平．基于UTAUT的微型企業(yè)電子商務(wù)采納行為研究[J]．中央財(cái)經(jīng)大學(xué)學(xué)報(bào).2014(7)：107一l12．.[12]VENKATESHv’MORRISMG，DAVISGB，eta1．UserAcceptanceofInformationTechnology：TowardaUnifiedView[J]．MISQuarterly，2003，27(3)425—478．.[13]CHANGHH，F(xiàn)UCS，JAINHT，ModifyingUTAUTandInnovationDiffusionTheorytoRevealOnlineShoppingBehavior：FamiliarityandPerceivedRiskasMediators[J]．InformationDevelopment，2016，32(5)：1757—1773．.[14]LAICF．LAIK、v’JORDANE．AnExtendedUTAUTModelfortheStudyofNegativeUserAdoptionBehaviorsofMobileCommerce[C]／／ProceedingsoftheNinthInternationalConferenceonElectronicBusiness，2009：720—728．.[15]聶雯卿.特征感知與UTAUT對共享單車使用意愿和行為的影響研究[D].重慶交通大學(xué),2019.[16]許新巧，鄧佳.基于UTAUT模型的高職學(xué)生接受和使用圖書館信息素養(yǎng)教育微課學(xué)習(xí)影響因素實(shí)證研究［J］．圖書館研究，2019(2):101－102.[17]甄偉紅，高霄.大學(xué)生采納手機(jī)App進(jìn)行英語學(xué)習(xí)的影響因素探究［J］．考試與評價(jià)，2017(1):92－93.[18]CroninJr，SteVenA，Taylor．Measumgse州cequality：areexaminationandextension【J】．JoumalofMarketing，1992，(56)：55-68．.[19]Velll(ateshV，MorrisMG，DaVisGB，eta1．UserAcc印tanceofinfomationTecllllology：TowardaUnifiedView【J】．MISQuarterly，2003(3)：425-478．.[20]嚴(yán)安．基于UTAUT的百度產(chǎn)品用戶使用行為影響因素研究[J】．現(xiàn)代情報(bào)，2012(11)：100一104+122．.[21]蘇婉，畢新華，王磊．基于UTAUT理論的物聯(lián)網(wǎng)用戶接受模型研究[J】．情報(bào)科學(xué)，2013，31(05)：128一132．.[22]AganValR，KarahannaE．Timeflieswhenyou’rehaVing如n：Cognitiveabso印tion