【智能快递柜使用意愿的影响因素实证探究14000字（论文）】

智能快递柜使用意愿的影响因素实证研究摘要近年来，我国的快递行业迅猛发展，物流行业中的“最后一公里配送”成为企业关注的焦点。等待时间长、人工成本增大、派送时间冲突等问题严重制约着物流行业的效率。而“最后一公里配送”也成为物流行业中节约成本和人类劳动力向科技转型的重要问题。智能快递柜的出现，提高了配送的效率，在一定程度上解决了物流最后一公里配送的问题，节约了物流成本。智能快递柜在后疫情时代具有广阔的发展前景，因此，本文基于整合技术接受与使用模型（UTAUT）的相关理论来探讨消费者对智能快递柜的使用意愿及行为，为我国智能快递柜企业的发展提出有建设性的参考意见。关键词：智能快递柜；影响因素分析；UTAUT模型；感知风险目录一、绪论 KMO和巴特利特检验KMO取样适切性量数。0.834巴特利特球形度检验近似卡方1591.213自由度190.000显著性0.000在进行效度分析时，KMO的值越接近1，则表明变量之间的相关性越强，可见上表，本文的KMO值为0.834，说明本文的测量题目和选项有较好的收敛度。且其显著性低于0.01，说明本数据的整体效度较高，可以进入后续数据的探索性因子分析工作。表12总方差解释成分初始特征值提取载荷平方和旋转载荷平方和总计方差百分比累积%总计方差百分比累积%总计方差百分比累积%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。 本数据的总计初始特征均大于1，可以提取到五个因子，且累积旋转载荷平方和为68%，处于60%-80%之间，是合理的。且认为这一测量量表的效度良好。图5碎石图由碎石图可知，在4出现拐点，因此因子取2-6个比较合适，本文取5个因子，处于2-6之间，是合理的。表15旋转后的成分矩阵a因子1234516.我愿意将智能快递柜推荐给身边的人0.78915.我愿意去学习使用智能快递柜0.76020.我以后还会继续使用智能快递柜0.75917.如果有需要，我将会使用智能快递柜0.7282.智能快递柜可以提高我的效率0.5365.智能快递柜使用方法很容易学习0.6954.智能快递柜保护了我的隐私0.6536.智能快递柜使用界面清晰明了0.6381.智能快递柜可以随时使用0.5603.智能快递柜操作方便、使用便捷0.5419.亲朋好友都在使用智能快递柜0.84010.亲朋好友推荐我使用智能快递柜0.83819.我经常向别人推荐使用智能快递柜0.79518.我已经长时间使用智能快递柜0.64913.缺乏当面验货环节而担心售后时间的延长0.78514.担心智能快递柜储存条件导致商品变质，如生鲜食品等0.76311.使用智能快递柜担心造成个人信息泄露0.6228.使用智能快递柜是一种潮流0.791提取方法：主成分分析法。

旋转方法：凯撒正态化最大方差法。a.旋转在15次迭代后已收敛。根据旋转因子矩阵表，将20个题项归类为5个因子，每个因子的负荷大于0.500，且不存在双重因子负荷的情况，每个维度的测量题目和选项都与理论相符合，表明本文的测量量表具有良好的效度。3、相关性分析表14相关性M(平均值)SD(标准差)绩效期望努力期望社会影响风险感知使用意愿使用行为绩效期望4.0410.6271努力期望4.1940.604.868**1社会影响3.4530.662.443**.441**1风险感知3.5920.6690.037-0.0560.0341使用意愿4.0190.655.648**.605**.490**0.0911使用行为3.5480.806.499**.480**.583**0.102.573**1**.在0.01级别（双尾），相关性显著。由相关性分析可知，绩效期望、努力期望和社会影响的回归系数通过显著性检验，说明绩效期望、努力期望和社会影响与使用意愿之间呈相关关系，表明这三个变量对智能快递柜的使用意愿在95%下有显著影响。4、使用意愿影响因素的多元线性回归分析表15模型参数表RR方调整后R方标准估算的错误德宾-沃森F显著性.682a0.4650.4500.485531.91332.549.000b由上表可知，R方的值为0.465，大于0.4，因此该模型的拟合度较好，说明本研究模型具有较好的解释水平。且自变量显著性小于0.05，说明在95%的水平下显著。表16回归模型未标准化系数标准化系数t显著性共线性统计B标准错误β容忍度VIF(常量)0.4330.3611.2000.232绩效期望0.2870.0910.2753.1480.0020.4682.138努力期望0.3370.0940.3113.6000.0000.4792.086社会影响0.2130.0690.2153.1010.0020.7441.344风险感知0.0780.0590.0791.3270.1860.9981.002由上表可知，VIF值的范围为1.002至2.138，所有的值都大于0.2且小于5，表明该模型满足共线性的要求。绩效期望、努力期望和社会影响的显著性均小于等于0.05,因此这三个变量对使用意愿显著成立，而风险感知的显著性为0.186，大于0.05，对使用意愿的影响不显著。对于风险感知对智能快递柜的使用意愿影响不显著提出以下合理解释：从信息风险上来说。由上文智能快递柜的使用方式可知，消费者首先通过关注微信公众号并绑定账户，系统发送短信取件码给用户，用户再通过短信取件码或二维码取件。此过程只通过取件码和二维码作为凭证取快递，和在快递站点取件所透露的信息无差别，所以对于智能快递柜和其他的取件方式的使用意愿而言，消费者风险感知对智能快递柜的使用意愿相较于其他三个维度的影响不大。根据题目及选项RP1提出解释，若消费者担心接收到垃圾短信，可自主选择取消关注微信公众号，并通过支付宝自主获取物流信息。对于用户的身份信息，如电话号码和用户名等，顺丰已推出的“丰密面单”，和菜鸟也推出了“菜鸟隐私面单”等等用户信息保护措施，用户名为自定义，快递员通过APP所看到的用户电话号码隐藏中间四位数，推出“脱敏呼叫”的举措进而解决信息安全问题。在整个物流派件的方式中，信息安全的保护做得越来越好，所以不论是选择使用智能快递柜亦或是其他的取件方式，信息安全的感知风险并没有太大的区别，以至于对于智能快递柜的使用行为没有明显的影响。5、结构方程（1）模型的调整及路径分析本研究根据前文提出的初始模型和问卷调查的结果，在AMOS22.0软件中绘制出影响用户使用智能快递柜的意愿和行为的结构方程模型，如下图所示。图6初始模型由上文的多元线性回归分析可知，风险感知对使用意愿的路径（RP-BI）显著不成立，因此把RP从模型中移除，调整后的用户使用意愿与使用行为模型如下图所示。图7调整后的模型（2）模型的拟合分析本文所使用的是SEM分析以检验模型的拟合度。在SEM分析中有常用的几种模型估计方法，分别是极大似然估计法(ML)、渐进分布自由法(ADF)、一般化最小平方法(GLS)、最小平方法(ULS)等，而本篇所采用的是极大似然估计法（ML）。模型计算出来的变量的协方差矩阵与实际测量的样本协方差矩阵二者之间的相似度就是模型拟合度，在AMOS软件中所呈现出的是模型与测量题目和选项之间的拟合程度，如果模型可以体现变量在实际生活中的相关关系，即拟合度较高，以下为影响用户对智能快递柜的使用意愿和使用行为的结构方程进行运算后的模型图以及相关的数据。表17CMINModelNPARCMINDFPCMIN/DFDefaultmodel38163.26982.0001.991Saturatedmodel120.0000Independencemodel15877.789105.0008.360由上表可知，该模型的卡方与自由度的比值为1.991，小于3，是合理的，说明模型的拟合度比较好。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，详细总结如下表所示：表21结果潜在变量模型适配指数值与评价模型适配度类型适配指数合理的取值范围测量模型适配结果是否符合标准绝对适配度RMSEA值<0.080.076是比较适配度CFI值>0.90.904是简约适配度PCFI值>0.50.629是PNFI值>0.50.552是因此，得出结论此模型的拟合度良好。（3）智能快递柜使用意愿和行为的假设检验表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所有的路径系数中，可以发现用户对智能快递柜的使用意愿影响因素按照影响程度由大到小排序依次是：绩效期望、努力期望及社会影响。绩效期望到使用意愿的路径系数为0.642，绩效期望对智能快递柜的使用意愿有正向影响，假设1成立,即绩效期望越高，用户对智能快递柜的使用意愿越强烈；努力期望对使用意愿的路径系数为0.374，努力期望对智能快递柜的使用意愿有正向影响，假设2成立，即努力期望越高，用户对智能快递柜的使用意愿越强烈。社会影响到使用意愿的路径系数为0.733，假设3成立,即社会影响越高，用户对智能快递柜的使用意愿越强烈。五、研究结论（一）研究结论本文通过理论知识和实证分析研究建立起了用户对智能快递柜的使用意愿和使用行为模型，检验了本研究所有的测量题目和选项，并得出结论：绩效期望、努力期望、社会影响对用户使用智能快递柜有正向影响是成立的，而风险感知对用户使用智能快递柜有负向影响时不成立的。

六、快递柜的推广使用建议（一）企业方面1、更注重设计创新从测量题目和选项EE3（我认为智能快递柜的使用界面清晰明了）和SI1（我认为使用智能快递柜是一种潮流）中的结果可知，大多数使用者认为使用智能快递柜是一种潮流，使用者不仅追求实用性，对外观设计和时尚潮流也有一定追求，智能快递柜的使用者大多为中青年，可以将流行元素结合智能快递柜进行设计，以满足用户的对于智能快递柜的审美需求，在用户界面简洁的基础上更加出彩。2、宣传使用智能快递柜的意义通过本文的研究可知，社会影响对于用户使用智能快递柜有正向影响，所以当使用智能快递柜具有积极的意义时，更能发挥社会影响的作用，例如低碳高效等意义，一旦被赋予，便会得到一部分人群的追捧和支持，进而形成人际中的正向循环，得到更多人的支持。3、探索新的变现方式在研读前人所发表的文献时所有的学者都不约而同的指出智能快递柜最大的缺点是成本过高，而成本中最有可能降低的是运营成本，运营成本可以通过植入广告，以及创新一些新的营销模式以增加其变现的方式。（二）政府方面1、出台相应的鼓励政策从题项SI2（朋友同事都在使用智能快递柜）和SI3（朋友同事推荐我使用智能快递柜）中的结果可知，若周围的人都在使用智能快递柜，用户对于智能快递柜的戒备心理会放松，使用意愿会增加。政府的政策引导将会有利于大众积极使用智能快递柜，用户群体越大越有利于吸引更多的用户参与使用。例如近两年突发的新冠疫情，政府鼓励使用无接触配送，以预防病毒的传播和感染。此时的无接触配送最好的方式莫过于使用智能快递柜，用户群体大而散，监督困难，企业相对而言较好监督，所以企业配合对于智能快递柜的发展有很大的影响。

参考文献ADDINEN.REFLIST[1]胡雪梅,孙剑青.智能快递柜在末端配送的发展现状与对策研究[J].湖北农机化,2020,(08):48.[2]田颖.无接触式配送模式下智能快递柜发展优化对策[J].物流工程与管理,2020,42(04):110-112.[3]尚玉冰,基于顾客满意的智能快递柜尺寸配比优化及收益分配研究,浙江理工大学,2017.[4]<陈林松.基于模糊PID的快递存取装置存取速度控制的研究[D].浙江科技学院,2019..pdf>.[5]何小宇.基于机器视觉的智能快递柜终端系统设计与实现[D].杭州电子科技大学,2018.[6]王莉.数字化校园背景下高校智能快递柜使用需求调查分析[J].开封大学学报,2017,31(02):40-42.[7]黄媛,林丽,刘涵,朱成琳,张梦凡.“互联网+”背景下高校校园智能快递柜选址设置——以南京林业大学为例[J].物流科技,2020,43(12):46-50.DOI:10.13714/ki.1002-3100.2020.12.012.[8]冯斌.智能快件箱布局规划与运营模式研究[D].北京交通大学,2015.[9]麻珂,丁猛.基于功效系数法的物流作业绩效评价[J].西南民族大学学报(人文社会科学版),2015,36(04):147-151.[10]张熠,徐艺玲,程慧平,金玲.UTAUT模型在国内IT/IS采纳实证研究中的应用现状分析[J].现代情报,2018,38(11):123-129.[11]徐蕾，王建琼，查建平．基于UTAUT的微型企业电子商务采纳行为研究[J]．中央财经大学学报.2014(7)：107一l12．.[12]VENKATESHv’MORRISMG，DAVISGB，eta1．UserAcceptanceofInformationTechnology：TowardaUnifiedView[J]．MISQuarterly，2003，27(3)425—478．.[13]CHANGHH，FUCS，JAINHT，ModifyingUTAUTandInnovationDiffusionTheorytoRevealOnlineShoppingBehavior：FamiliarityandPerceivedRiskasMediators[J]．InformationDevelopment，2016，32(5)：1757—1773．.[14]LAICF．LAIK、v’JORDANE．AnExtendedUTAUTModelfortheStudyofNegativeUserAdoptionBehaviorsofMobileCommerce[C]／／ProceedingsoftheNinthInternationalConferenceonElectronicBusiness，2009：720—728．.[15]聂雯卿.特征感知与UTAUT对共享单车使用意愿和行为的影响研究[D].重庆交通大学,2019.[16]许新巧，邓佳.基于UTAUT模型的高职学生接受和使用图书馆信息素养教育微课学习影响因素实证研究［J］．图书馆研究，2019(2):101－102.[17]甄伟红，高霄.大学生采纳手机App进行英语学习的影响因素探究［J］．考试与评价，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]严安．基于UTAUT的百度产品用户使用行为影响因素研究[J】．现代情报，2012(11)：100一104+122．.[21]苏婉，毕新华，王磊．基于UTAUT理论的物联网用户接受模型研究[J】．情报科学，2013，31(05)：128一132．.[22]AganValR，KarahannaE．Timeflieswhenyou’rehaVing如n：Cognitiveabso印tion