旅游APP服务软件持续使用研究数据分析

    本篇论文目录导航：

　　【题目】移动APP旅游服务使用意愿影响因素探析
　　【第一章】用户视角下移动旅游服务APP使用研究绪论
　　【第二章】国内外移动旅游服务综述
　　【第三章】旅游信息系统持续使用行为相关理论模型
　　【4.1 - 4.4】旅游服务移动APP用户影响研究模型与数据
　　【4.5  4.6】旅游APP服务软件持续使用研究数据分析
　　【第五章】发展移动旅游服务的对策与建议
　　【结论/参考文献】移动旅游服务APP用户需求研究结论与参考文献
　　
　　4.5 数据分析

　　4.5.1 信度分析。

　　信度分为内在信度和外在信度，内在信度是指整个量表或者一组问题的测量结果是否具有一致性，外在信度是指不同时间的测量结果是否一致，由于时间等条件限制，本文仅对内在信度进行测量。检测信度的方法主要有重测信度法、复本信度法、折半信度法、α 信度系数法四种，本文信度测量采用目前最常用的 α 信度系数法。信度系数是衡量测量结果好坏的重要指标之一，大多数学者认为信度系数在 0.9 以上则表示信度非常好，0.8-0.9 之间则表示可以接受，0.7-0.8 之间则表示需要较大的修订，0.7 以下就说明量表需要重新设计，需要注意的是 α 信度系数与量表条目的多少有关，数目越多系数越大，当量表的数目为 4 个或以下时很有可能出现低于 0.6.通过 SPSS19.0 信度分析功能对整个量表和分量表的稳定性进行测量，得出整个量表 Cronbach's 系数为 0.855,各个变量的系数也都在 0.764-0.927 之间，说明问卷的数据稳定性可以接受。

　　4.5.2 效度分析。

　　效度即有效性，效度分析是为了衡量测量工具对测量对象有效度量的程度测量的准确程度。问卷的效度主要包括内容效度、效标效度、建构效度，常用的是内容效度、建构效度。

　　内容效度又称逻辑效度，用来衡量量表的题项是否可以代表测量的主题，本文在大量文献的量表基础上修改为适用于移动 APP 旅游服务的量表，所以内容效度较好，能够较好反映测量主题。建构效度用来衡量测量出理论构念的程度，不仅要有理论逻辑支撑，还需要通过所获取数据的检验，所以相对来说该检验方法比较严谨。建构效度分为收敛效度、区别效度，建构效度的检验通常采用因素分析方法完成，在进行因素分析前需要对调查结果的 KMO 值进行检验是否适用于因素分析[106].KMO 值位于 0-1,越接近于 1 越适合因子分析，如果 KMO 值位于 0.9 以上表示非常适合；0.5 以下表示极不适合。本文采用 SPSS19.0 计算调查结果的 KMO 值为 0.883,说明调查结果适合采用因素分析方法进行效度分析。

　　因素分析的抽取方法有七种，本文采用主成分分析法来测量问卷的建构效度，如表所示，共提取 7 个主成分，各个测量指标有且仅有一个因素负荷量大于 0.5,累积方差解释贡献率为 76.128%,达到了主成分分析最低要求 60%,所以问卷的效度良好。

　　4.5.3 描述性统计分析。

　　4.5.3.1 用户基本信息。

　　利用 SPSS19.0 对 543 位被调查用户的基本信息进行统计与分析，情况如图示，从中可以得出：

　　（1）用户的性别构成情况。男性占 38.80%,女性占 61.20%,女性多于男性。

　　（2）用户的年龄构成情况。由于移动 APP 旅游服务属于比较新的事物，使用者多为年轻人，所以本文把年龄段划分为四个阶段，包括 20 岁以下、20-25 岁、26-30 岁、30-35 岁、36 岁以上，其中 20-25 岁年龄段的用户最多，占 51.16%,其次是 26-30 岁年龄段的用户，占 30.23%,20 岁以下、30-35 岁以上用户相对较少，分别为 11.60%、10.80%,36 岁以上用户最少为 3.11%,年龄的比例状况也证明了移动 APP 旅游服务的使用者多为年轻人。

　　（3）用户的职业构成情况。问卷设计的职业构成主要包括：学生、公务员/事业单位人员、企业职员、其他。职业构成中学生、企业职员相对较多，分别为 37.2%、26.4%,公务员/事业单位人员占 19.4%、其他占 17.10%.

　　（3）用户的学历构成情况。被调查的对象中学历为高中/中专及以下的用户占 2.3%、学历为大专的用户占 17.1%、学历为本科的用户占 43.4%、学历为硕士及以上的用户占37.2%.从学历的构成比例可以看出高学历用户使用移动 APP 旅游服务占多数。

　　（3）用户的月收入/生活费构成情况。被调查对象的月收入/生活费在 2000 元以下的用户比例为 25.60%,2000-4000 元的用户比例为 41.10%,4000-6000 元的用户比例为20.20%,6000-8000 元以上的用户比例为 9.17%,8000 元以上的用户较少为 3.93%.从调查结果看出，2000-4000 元的用户使用移动 APP 旅游服务相对较多。

　　4.5.3.2 用户使用情况。

　　本文对用户的使用情况进行统计，结果如表所示：

　　（1）用户使用时间情况。被调查用户每天使用智能手机的时间相对较长，1-3 个小时、3-6 个小时、6 小时以上分别为 29.50%、36.40%、30.20%,1 个小时以下的仅为 3.90%,说明使用移动 APP 旅游服务的用户对智能手机的粘度强；使用移动 APP 年限中 6 个月以下、6 个月-1 年的用户占大多数，分别为 50.40%、25.60%,1-3 年的比例为 15.50%,3 年以上的比例最小为 8.50%,移动 APP 是新事物，用户的使用年限比较短，76%的用户使用年限在 1 年以下。

　　（2）用户使用移动 APP 旅游服务分类情况。使用过的移动 APP 旅游服务中百度地图、嘀嘀、掌上公交等交通类的用户最多占 93.0%,其次是携程、去哪儿、途牛等预订类，在路上、蝉游记、面包旅行等分享类，分别占 72.10%、50.40%,蚂蜂窝、穷游、百度旅游等资讯类用户比例较小，占 28.70%;用户经常使用的移动 APP 旅游服务比例排序情况与使用过的一致，分别为 41.10%、36.40%、15.50%、7.00%.（2014 上半年移动旅行应用行业报告---中文互联网数据资讯中心）4.5.4 测量指标分析。

　　本文采用李克特五点式问卷对用户持续使用移动 APP 旅游服务意愿情况进行调查，如表所示，从各个变量的结果可以看出，用户的有用感知总均值得分最高为 4.14,且其观测指标中 PU3 得分最高为 4.46,表明多数用户认为移动 APP 旅游服务对自己的帮助比较大，实用价值高，尤其是对认为移动 APP 旅游服务可以及时满足自己的需求；其次是持续使用意愿总均值得分为 4.12,从认可程度的百分比得出 70%多的用户选择"同意"以上，由此可以看出用户对移动 APP 旅游服务的粘度强且愿意推荐给周围的亲戚朋友；易用感知得分为 3.91,用来测量易用性感知的三个指标均值都较高，由于本次调查的用户多数为年轻人，年轻人对新事物学习能力比较强，所以对移动 APP 旅游服务的易用性认可程度也较高；然后是满意度总均值得分为 3.79,从认可程度的百分比可以看出选择"同意"和"一般"的用户较多，说明移动 APP 旅游服务的满意度还有很大提升空间；期望确认度得分为 3.63,选择"同意"和"一般"的用户较多，对从三个测量指标可以得知用户对移动 APP 旅游服务的信息质量、服务水平、总体确认度得分都在 4 分以下，说明用户体验方面做的还不够好；最后娱乐感知选择"一般"和"同意"的用户居多，但是相对来说，总均值得分较低为 3.50,说明被调查用户从移动 APP 旅游服务中感受的乐趣较少，可能是由于此次被调查对象中分享类用户偏少；成本感知的得分最低为 2.51,第一、三、四问项选择"不同意"和"一般"的用户比例较高，表明用户认为为移动 APP 旅游服务付出的成本是可以接受的，目前用户使用移动 APP 旅游服务多数是利用碎片时间在公交、餐厅等地方进行，再加上现在 WIFI 覆盖范围越来越广，且移动 APP 基本上都可以免费下载，甚至有的可以享受离线服务，所以用户对于时间、精力等的感知度低，第二个问项是选择"同意"和"一般"的用户比例较高，得分最低为 2.26,用户认为移动 APP旅游服务花费流量较多，当用户在没有 WIFI 覆盖的地方查询地图、上传图片等使用时对流量的成本感知度较高。

　　4.5.5 结构方程模型分析。

　　4.5.5.1 模型评价与修正。

　　本文采用 AMOS 17.0 对假设的结构方程模型进行检验与分析，验证假设路径是否成立及各个观测变量与潜变量、潜变量之间的关系，研究影响用户对移动 APP 旅游服务持续使用意愿的因素。首先是模型设定，根据建立的概念模型绘制出结构方程模型图；其次是模型评价与修正，根据导入问卷数据后 AMOS 软件输出的报告结果来评价模型的适配程度，对于模型适配结果不理想的情况，可通过软件给出的修正指示（ModificationIndices）对模型修正，模型适配理想后确定为最终模型；然后是假设验证，对各变量间关系的假设进行检验；最后是路径分析，对各个潜变量之间的标准化路径系数进行研究。

　　根据本文 7 个变量的假设路径建立移动 APP 旅游服务持续使用意愿结构方程模型，如图所示，其中椭圆中的变量为潜在变量，椭圆间的箭头为潜在变量的影响关系，矩形中的变量即观测变量，圆形为各个变量的误差（e 为误差，rest 为内因潜变量的误差）。

　　通过 AMOS 软件对结构方程模型解算，得出问卷数据与结构方程模型的适配度，本文选取常用的绝对与相对拟合指标分析模型的拟合度，如表。从适配指标的结果可以看出，NC 指标的值为 1.691,小于可接受上限 3,RMSEA 指标的值为 0.073,小于可接受上限 0.8,IFI、RFI 指标的值分别为 0.913、0.911,大于可接受下限 0.9,其他指标都未达到理想值。因此需要对模型进行修正。

　　模型修正一般是为了数据和结构方程模型拟合或者拟合的更理想，对结构模型的修正可以通过以下两种方法完成：一、释放原假设路径中明显不显著的路径，二是根据AMOS 软件输出报告中的 MI 值提示进行修正。MI 值提示的主要是误差项间不同程度的共变关系，软件内定的 MI 临界值为 4,共变关系大于 4 的都会显示在报告中，而这些误差项在初始模型中并没有设定相关，所以根据 MI 值的提示通过对误差变量间进行双向箭头连接，建立共变关系，释放参数。参数释放从最大的 MI 值开始，且逐一释放每个参数。本文根据报告中的 MI 值对误差项间建立共变关系，逐一释放参数。移动 APP旅游服务持续使用意愿模型修正之后的指标适配指标如表 4-8 所示。从修正后移动 APP旅游服务持续使用意愿模型的拟合指数得出，虽然 GFI、NFI 值未达到下限 0.9,RMR略微高于 0.5,但已十分接近理想值，其他指标都达到理想值，且与初始模型相比拟合度更好，因此修正后的模型良好，可以接受。

　　4.5.5.2 假设验证与分析。

　　根据修正后模型输出的报告结果可以得出移动 APP 旅游服务持续使用意愿的假设路径是否显著及各变量间影响大小，如表所示。

　　从表中可以看出，本文假设的 14 条路径中有 3 条路径 P 值大于 0.05,表明这三条影响路径不显著，分别为：娱乐性感知正向影响满意度，成本感知负向影响持续使用意愿，易用性感知正向影响持续使用意愿。其他路径的显著性都小于 0.05,说明路径回归系数不等于 0,其中期望确认正向影响娱乐性和易用性感知、满意度，易用性和娱乐性感知正向影响有用性感知，有用性感知、满意度正向影响持续使用意愿，这些路径都在0.001 水平上显著。

　　通过对移动 APP 旅游服务持续使用意愿修正后路径 P 值的显著性来验证路径假设是否成立，表格整理如下。

　　通过显著性检验的11条路径确定为最终模型，并依据标准化路径系数得到移动APP旅游服务持续使用意愿的各个变量间的影响程度。

　　（1）用户感知、满意度与持续使用意愿的影响。

　　本文的移动 APP 旅游服务持续使用意愿研究模型中假设了 4 个变量影响持续使用意愿，结果表明，H9 娱乐性感知正向影响持续使用意愿、H11 成本感知负向影响持续使用意愿两条路径不成立，H13 有用性感知正向影响持续使用意愿、H14 满意度正向影响持续使用意愿两条路径成立。在 ECM-IT 模型中有用性感知和满意度是影响持续使用意愿的重要因素，本文的结果也证明了有用性感知和满意度是影响用户持续使用移动APP 旅游服务意愿的重要决定因素，满意度、有用性对持续使用意愿的影响系数分别为0.472、0.383,满意度的影响程度最大，用户无论是在体验还是使用的过程中，尤其是对于新用户来说满意度越高就越会持续使用移动 APP 旅游服务。本文增加的娱乐性感知、成本感知两个变量均对持续使用意愿没有直接影响，分别通过有用性感知、满意度产生影响。娱乐性感知变量下的 4 个问项中的均值得分相对来说虽然偏低，但是表示认可移动 APP 旅游服务有娱乐性的用户比例相对较高，分别为 52%、44%、36%、52%,说明移动 APP 旅游服务的使用能够给用户带来乐趣或者减轻工作/学习压力，而本文研究的娱乐性感知未对持续使用意愿产生影响，可能是由于有用性感知、满意度对用户在持续使用移动 APP 旅游服务意愿的影响或者解释力远大于娱乐性感知。成本感知变量下的 4 个问项中选择"一般"的用户较多分别占 46.5%、47.3%、51.9%,其余用户选择"不同意"居多，表明用户并没有认为使用移动 APP 旅游服务所付出的成本是高的，所以成本感知没有对用户持续使用意愿产生直接影响。

　　（2）期望确认度、用户感知与有用性、满意度的影响。

　　有用性感知和满意度作为持续使用移动 APP 旅游服务意愿的重要决定因素，提高用户的有用性感知和满意度以增加用户的持续使用意愿。本文模型中假设了四个变量对满意度产生影响，H7 易用性感知正向影响满意度路径不成立，H5 期望确认度正向影响满意度、H10 成本感知负向影响满意度、H12 有用性感知正向影响满意度三条路径成立，H5、H12 假设路径与 ECM-IT 模型中的结论一致，影响系数分别为 0.516、0.189,增加的成本感知变量对满意度的影响系数为-0.159,说明用户对移动 APP 旅游服务满意度由期望确认度和有用性感知、成本感知三个变量决定，其中期望确认度对满意度的影响系数仍然最大，是影响用户对移动 APP 旅游服务满意度的重要因素，易用性感知对满意度没有产生直接影响可能是由于被调查的用户大部分属于青年人，认为提供旅游服务的移动 APP 操作非常简单，从而未对满意度产生影响。

　　模型中假设三个变量对有用性感知产生影响，H4 期望确认度正向影响有用性感知、H6 易用性感知正向影响有用性感知、H8 娱乐性感知正向影响有用性感知均成立，H4的研究假设成立与 ECM-IT 中的结论一致。期望确认度、易用性感知、娱乐性感知对有用性感知的影响系数分别为 0.222、0.413、0.310,其中易用性的影响系数最大，提供旅游服务的移动 APP 的操作简单、容易掌握，会极大的提高用户的旅游效率，提供用户的旅游体验等。

　　（3）期望确认度与用户感知的影响。

　　期望确认度变量用来测量用户使用移动 APP 旅游服务后，与使用前及使用后随着经验的增加感受的差距。模型中的 H4、H5 证明用户在使用移动 APP 旅游服务时的体验比其预想的好，用户的有用性感知和满意度都会受到影响，随之进一步增强使用该旅游服务的意愿，除此之外，本文还假设期望确认度对其他变量产生影响，结果表明，H1期望确认度正向影响易用性感知、H2 期望确认度正向影响娱乐性感知、H3 期望确认度负向影响成本感知四条假设路径均成立，期望确认度对娱乐感知、易用性感知、成本感知的影响系数分别为 0.413,0.381、-0.289,由此可以看出用户期望确认度的重要性。

　　4.5.6 特定群体分析。

　　为了进一步了解某一控制变量的不同，用户持续使用移动 APP 旅游服务意愿影响因素间的关系是否会发生变化，本文从用户的性别、年龄和职业三方面进行进一步的研究。利用结构方程模型，在模型与数据适配良好情况下，分别对影响不同群体持续使用
 

　　4.6 本章小结
　　
　　本章在期望确认理论模型基础上，加入娱乐性感知、成本感知来研究变量间的影响关系，并根据国内外的成熟量表设计移动 APP 旅游服务持续使用意愿量表，采用问卷的方式对使用者进行调查和分析后得出如下结论：

　　（1）根据被调查用户的基本信息和使用情况分析结果得出，移动 APP 旅游服务的使用者女性比例多于男性；用户年龄以年轻人为主，集中于 20-30 岁；使用者职业分布较为均衡，学生偏多；用户群体学历较高，本科以上学历用户占 80.6%;2000-4000 月收入。被调查用户每天使用手机时间较长，使用 1 小时以下的用户仅占 3.90%;使用过和经常使用的移动 APP 旅游服务类型都以交通类、预订类为主。

　　（2）通过测量指标调查结果的均值和百分比等得出，用户对移动 APP 旅游服务的有用性感知得分最高，说明多数用户使用移动 APP 旅游服务主要是因为其可以随时随地服务，且方便快捷、效率高，能够满足自己更多的需求，总体有用性感知高；其次是持续使用意愿，多数用户不但愿意持续使用移动 APP 旅游服务，也愿意推荐给周围的亲戚朋友，用户粘度强；移动 APP 旅游服务的用户以年轻人为主，所以易用性感知普遍较高；其次是满意度和期望确认度，得分都较低，说明移动 APP 旅游服务需要做更多的努力；娱乐感知四个测量指标的得分都偏低，用户从移动 APP 旅游服务中感受的乐趣较少；最后是成本感知，多数用户认为移动 APP 旅游服务所付出的成本较低。

　　（3）本文通过结构方程对假设的 14 条路径进行验证和分析，得出，期望确认度→有用性感知、期望确认度→满意度、有用性感知→满意度、有用性感知→持续使用意愿、满意度→持续使用意愿这五条路径是 ECM-IT 中的假设路径，全部成立，表明期望确认模型完全适用于移动 APP 旅游服务，通过对以往研究的总结，增添的九条研究路径中，期望确认度→易用性感知、期望确认度→娱乐性感知、期望确认度→成本感知、易用性感知→有用性感知、娱乐性感知→有用性感知、成本感知→满意度六条路径也都成立，易用性感知→满意度、娱乐性感知→持续使用意愿、成本感知→持续使用意愿三条假设路径不成立。通过对路径影响系数的分析得出，有用性感知和满意度是影响持续使用移动 APP 旅游服务意愿最重要的因素，而期望确认度是影响满意度最大的因素，易用性感知是影响有用性感知最大的因素，娱乐感知、成本感知、易用性感知都受期望确认度的影响。

　　（4）通过对性别、年龄、职业不同群体的研究发现，用户持续使用移动 APP 旅游服务意愿影响因素间的关系总体保持一致，部分变量间的关系与整个样本的研究结果不同。根据性别划分，男性和女性在期望确认度→易用性感知、期望确认度→有用性感知、易用性感知→有用性感知、易用性感知→满意度的影响关系有差异；根据年龄划分，25岁及以下和 25 岁以上在期望确认度→有用性感知、期望确认度→成本感知、娱乐感知→有用性感知、易用性感知→满意度这 4 条路径的影响关系不同；按职业划分，学生与非学生在期望确认度→成本感知、娱乐感知→有用性感知、成本感知→满意度、有用性感知→满意度、易用性感知→满意度 5 条路径影响关系存在差异。