公众对无人驾驶网约车的接受度调查分析

摘要 随着无人驾驶技术的快速发展，无人驾驶网约车作为新兴交通出行方式逐渐进入公众视野，然而公众对其接受度受多重因素影响。为探究无人驾驶网约车公众接受度的影响机制，研究基于技术接受模型（TAM）、刺激-认知-反馈理论（SOR）和人格五因素模型，采用线上问卷调查法收集了全国范围内487名18岁以上公众的数据。通过SPSS、Amos软件和PROCESS宏程序分析发现：（1）36-45岁、高收入、高学历及居住于大城市的群体对无人驾驶网约车接受度更高；（2）感知有用性（β=0.51，p<0.001）、感知易用性（β=0.22，p<0.001）和感知交互性（β=0.45，p<0.001）对无人驾驶网约车的接受度有显著正向影响，且通过人机信任和感知收益的中介作用间接影响接受意愿；（3）人格特质在感知有用性、感知易用性、感知交互性与接受意愿之间起调节作用，其中外向性和开放性主要调节感知有用性、感知易用性、感知交互性对感知收益、感知风险和人机信任的影响路径，而宜人性则同时调节感知有用性、感知易用性、感知交互性与感知收益、感知风险和人机信任、感知收益、感知风险和人机信任与接受意愿之间的关系。研究结果表明，提升无人驾驶网约车的实用价值、优化用户体验，同时考虑不同人格特质人群的心理特点，将有效促进无人驾驶网约车的社会接受度。关键词：无人驾驶网约车，技术接受度模型，感知收益与风险，人格，人机信任

ABSTRACTWiththerapiddevelopmentofautonomousdrivingtechnology,autonomousride-hailingserviceshavegraduallyemergedasanewtransportationoptioninpubliclife.However,publicacceptanceisinfluencedbymultiplefactors.Toinvestigatethemechanismsaffectingpublicacceptanceofautonomousride-hailingservices,thisstudyintegratedtheTechnologyAcceptanceModel(TAM),Stimulus-Organism-Response(SOR)theory,andtheFive-FactorModelofpersonality.Datawerecollectedfrom487Chineseadultsaged18andabovethroughonlinesurveysandanalyzedusingSPSS,Amos,andPROCESS.Keyfindingsrevealed:(1)Groupsaged36-45,withhigherincomes,highereducationlevels,andresidinginmajorcitiesshowedgreateracceptanceofautonomousride-hailingservices;(2)Perceivedusefulness(β=0.51,p<0.001),easeofuse(β=0.22,p<0.001),andinteractivity(β=0.45,p<0.001)hadsignificantpositiveeffectsonacceptance,withtheseeffectsmediatedbyhuman-machinetrustandperceivedbenefits;(3)Personalitytraitsmoderatedtherelationshipsbetweenperceivedusefulness,perceivedeaseofuse,perceivedinteractivityandacceptanceintention.Specifically,extraversionandopennessprimarilymoderatedtheeffectsofthesethreefactorsonperceivedbenefits,perceivedrisks,andhuman-machinetrust.Agreeablenesssimultaneouslymoderatedboththerelationshipsbetweenthethreefactors(perceivedusefulness,easeofuse,interactivity)andthemediators(perceivedbenefits,risks,trust),aswellasbetweenthemediatorsandacceptanceintention.Thefindingsindicatethatimprovingthepracticalvalueofautonomousride-hailingservices,optimizinguserexperience,andconsideringpsychologicalcharacteristicsofdifferentpersonalitytypescaneffectivelyenhancepublicacceptanceofthistechnology.Keywords:Autonomousride-hailing,TechnologyAcceptanceModel(TAM),Perceivedbenefitsandrisks,Personalitytraits,Human-machinetrust

目录摘要 1ABSTRACT 21问题提出 52研究综述 52.1核心概念界定 52.1.1无人驾驶 52.1.2接受度 62.1.3感知有用性、感知易用性、感知交互性 62.1.4感知收益和感知风险 62.1.5人机信任 72.1.6人格 72.2理论基础 72.2.1刺激-认知-反馈理论（SOR） 72.2.2信任理论 82.3无人驾驶技术接受度现状研究 82.4无人驾驶技术接受度的因素研究 92.4.1感知有用性、易用性及交互性对无人驾驶技术接受的影响 92.4.2感知风险、感知收益与人机信任对接受度的影响 102.4.3感知有用性、易用性和交互性与感知风险、感知收益的关系 102.4.4感知有用性、感知易用性和感知交互性与人机信任的关系 112.4.5人格 113对象与方法 123.1调查对象 123.2研究工具 143.2.1感知有用性量表 143.2.2感知易用性量表 153.2.3感知交互性量表 153.2.4感知收益量表 153.2.5感知风险量表 163.2.6人机信任量表 163.2.7接受意愿量表 173.2.8大五人格问卷简版 173.3程序及数据处理 174结果 184.1共同方法偏差检验 184.2无人驾驶网约车公众接受度现状 184.3不同群体对无人驾驶网约车的接受度分析 184.4影响无人驾驶网约车接受度的多元线性回归分析 204.5影响无人驾驶网约车接受度的路径分析 204.5.1中介效应分析 204.5.2有调节的中介模型 225讨论 315.1公众对无人驾驶网约车的接受度 315.2影响无人驾驶网约车接受度的内在机制 325.3启示 335.4研究不足与展望 336结论 33参考文献 35致谢 40

1问题提出近年来，无人驾驶技术在全球范围内快速发展，成为交通出行领域的重要创新方向。美国、德国等发达国家纷纷将无人驾驶汽车纳入国家战略重点；我国在该领域的发展同样迅猛，特斯拉、蔚来、小米等企业积极布局无人驾驶技术研发，各级政府也相继出台支持政策，推动产业落地。作为无人驾驶技术的重要应用场景，无人驾驶网约车正逐步进入公众视野。相比传统网约车，无人驾驶网约车具有安全性能更高、运营成本更低、服务时间更长等潜在优势。然而，小米、特斯拉等企业发生的无人驾驶事故也让部分公众对这项新技术持观望态度。当前，无人驾驶网约车的发展仍面临技术可靠性、成本控制、法规完善等多重挑战（刘颖琦，李晓华，2023）。在此背景下，研究公众对无人驾驶网约车的接受度显得尤为重要。准确把握公众的态度和顾虑，不仅有助于企业优化产品设计和服务模式，也能为政府部门制定相关政策提供参考，从而推动我国无人驾驶技术的健康有序发展。本研究聚焦无人驾驶网约车的公众接受度，在现状分析的基础上，尝试探讨影响公众对无人驾驶网约车接受意愿的因素及作用机制。2研究综述2.1核心概念界定2.1.1无人驾驶无人驾驶即车辆自主控制技术，是计算机、人工智能等多领域高速发展的产物。作为交通领域的热门话题，无人驾驶已经成为全球各国发展的重点项目。无人驾驶归属于自动驾驶，是自动驾驶技术发展的最高阶段。从技术层面来看，根据国际汽车自动化工程师学制定的标准，自动驾驶汽车的自动化程度被划分为6个等级，L0级别（无自动化阶段），是指系统不能提供任何的自动化功能，只能提供个别风险预警（如车辆偏离报警）。L1级别（部分辅助驾驶），是指系统只具备单一功能的辅助驾驶（如保持车道直行），且需要驾驶员全程监管；L2级别（部分驾驶辅助阶段），系统能够实现方向控制和速度调节等多功能辅助驾驶，但在此期间，驾驶员必须始终保持对车辆行驶状态的关注；L3级别（条件自动驾驶阶段），系统可在特定驾驶场景（例如封闭高速公路环境）中自主执行驾驶操作，但需要人类驾驶员在系统发出接管请求时及时进行人工干预；L4级别（高度自动驾驶阶段），系统能够自主完成所有动态驾驶任务，但其驾驶范围会受到区域或气象条件等客观因素的制约；L5级别（完全自动驾驶），是指系统能够在任何条件下进行完全自主的驾驶任务，无需驾驶员的干预（张行，孙航，2022）。相比传统的汽车，无人驾驶汽车具备更加安全、高效的优势，研究显示，无人驾驶汽车可以减少或避免由于驾驶员操作问题而导致的交通事故，从而提高道路安全性（曹世龙，汪一帆，辛宇洋，2020）。无人驾驶网约车作为无人驾驶汽车发展的一种形式，具备了无人驾驶汽车的优势。在全球各地不断发展的同时为公众带来了便利。2.1.2接受度接受度是指个体或群体对某个事物的认可和接纳程度，包括态度、购买意愿和行为等。接受度概念最早起源于Rogers（2003）的激活扩散模型，该模型中将接受度定义为个体决定采用全面创新产品的阶段。后接受度概念不断发展，在Davis（2000）技术接受模型的雏形中，将接受度的操作性定义确定为个体的使用意愿和行为。在应用方面，接受度被广泛应用于各大领域。经济领域，Slade等人（2015）基于UnifiedTheoryofAcceptanceandUseofTechnology2（UTAUT2）模型，发现绩效期望和社会影响显著影响用户对移动支付的接受度；医疗健康领域，牛彩丽等人（2025）针对甲状腺癌患者疾病的心理适应情况进行研究，分析影响患者心理适应的关键因素，为改善患者对疾病的认知及态度提供了科学依据；交通领域，Sina等人（2018）的分析发现，信任和感知安全性是影响无人驾驶接受度的核心因素。2.1.3感知有用性、感知易用性、感知交互性技术接受度模型中的核心概念——感知有用性和感知易用性，最早是由FredD.Davis在1986年提出的。其中感知有用性是指个体对某项技术系统是否能显著改善工作效能的判断；感知易用性则表示为用户对于掌握特定技术或系统所投入精力的评估，即对个体而言，该项技术或系统使用的容易程度。感知交互性是指个体对系统或技术能否提供双向、即时、可控的交互体验的主观评估。学界对感知交互性的解释具有多维视角，有学者（Van&Mendeetal,2017）认为感知交互性包括用户对技术特征的可操作性认知、人机信息交换的流畅性评估、使用体验的情感反馈以及这三种的结合。2.1.4感知收益和感知风险感知收益是指个体在使用新技术或新产品时，对可能产生的积极后果的主观评估。这一概念源自于Davis（1989）的技术接受模型（TAM）中的“感知有用性”，Rogers（2003）的创新扩散理论进一步将其细化为“相对优势”。将感知风险（PR）定义为个体在使用系统或技术时，对可能产生的负面后果的主观认知。感知风险这一概念最早出现于Bauer（1960）的风险理论，理论强调感知风险在个体决策过程中具有重要作用，会影响个体的决策判断。之后，该概念被广泛应用于信息系统领域，用于研究用户对新技术的接受度。2.1.5人机信任人机信任是指在模糊或具有潜在风险的环境中，个体(如驾驶员)认为代理(如自动驾驶系统)能有效支持其达成某个目标(如驾驶任务)的心理倾向。这一概念最早由Mayer等人（1995）在组织行为学领域提出，并被Lee和See（2004）引入人机交互领域，强调信任是用户与技术系统之间的一种心理契约，当用户无法完全掌控系统时（如自动驾驶的复杂路况决策），信任成为用户接受技术并依赖其完成任务的关键要素。2.1.6人格人格是指一个人特有的思维、情感和行为模式，它决定了我们如何理解和应对周围的世界（Allport,1937）。这种稳定的心理特征会深刻影响我们的日常行为、情绪反应和思考方式。同时Allport认为人格是个体心理系统的核心，具有独特性、一致性和稳定性，并贯穿于个体与环境的互动中。2.2理论基础2.2.1刺激-认知-反馈理论（SOR）刺激-认知-反馈理论也叫做SOR理论，是解释个体如何通过外部刺激触发认知评估，并最终产生行为反馈的心理学理论。该理论最早起源于行为主义，其核心观点是个体的情感体验和行为反应主要受外部刺激的直接影响，在此过程中，个体经过对外部刺激的主观认知和评价后，采取相应的行为反应。其核心三阶段包括：（1）刺激：外部环境传递的信号或者个体的外部因素；（2）认知：个体对刺激的解读与评估；（3）反馈：基于认知产生的最终的意愿或行为输出。刺激-认知-反馈理论作为揭示人类行为的内在机制的重要理论框架，其核心价值在于系统性地阐释了外部环境、内在认知与行为反应之间的动态交互过程。因此，刺激-认知-反馈理论的实证价值已获得多领域研究的反复验证。王文韬等人（2020）融合刺激-认知-反馈理论探究人们不持续使用智能健康手环的内在机制；在旅游业方面，宋蒙蒙等人（2019）通过刺激-认知-反馈研究社交网络行为对旅游意愿和行为的影响。一系列研究表明，刺激-认知-反馈被人们广泛接受和应用，以研究和揭示人们接受意愿和行为的内在机制。故此，我们采用刺激-认知-反馈来探讨公众对无人驾驶网约车的接受意愿具有一定的理论支撑。2.2.2信任理论信任理论起源于心理学、社会学与组织行为学，旨在解释个体或群体在不确定情境下对他人或事物的依赖行为。Deutsch在1958年通过囚徒困境实验，将信任定义为“个体在风险中依赖他人行为的意愿”，之后由Rotter在1967年首次提出信任理论，他认为信任是建立在社会普遍信任的基础之上的，而后对此概念进行深化，提出了具有持续稳定性特征的人际信任理论。随着信任概念的不断深化和发展，Lee&See(2004)将人际信任扩展至人机交互领域，定义自动化信任为“对系统达成目标的积极预期。信任理论的发展脉络，从社会普遍信任到Rotter的人际信任，再到齐美尔的人格信任与系统信任，直至Lee&See的自动化信任，其概念的不断深化推动着应用领域的持续扩展。如今，该理论已广泛渗透至心理学、组织行为学、人工智能、自动驾驶、数字经济等多个领域，成为解释人机协作、团队管理、平台经济等行为的核心框架。例如，李琪等人（2020）基于信任理论，研究了消费者社区团购行为的影响因素。有研究显示，在风险和模糊情境下，信任是影响消费者行为的决定性因素。（Pavlou&Xue，2007）2.3无人驾驶技术接受度现状研究无人驾驶网约车作为无人驾驶技术的产物，正逐渐在欧美国家及中国等市场兴起。在国内，随着百度、小马智行等多家企业于各大城市开展无人驾驶网约车的试运营，公众对无人驾驶技术的认知度和体验意愿显著提升。然而，技术安全性与伦理争议仍是影响公众接受度的重要因素（邢祥玉，张春勤，姚文彬，2025）。相关报告显示，中国消费者对无人驾驶汽车的信任度位居全球前列，这反映出公众对无人驾驶技术的认知度和接受度均有所提升，这一趋势主要得益于政策扶持与产业推广的双重助力（崔立勇，卜文娟，2018）。吕斌等人（2024）针对无人驾驶车辆设备工程技术应用中的用户体验与接受度展开研究，指出安全性和可靠性是影响用户接受度的关键因素，这进一步凸显了技术安全性对公众大规模接受无人驾驶技术的制约作用。国际方面，英国政府大力支持无人驾驶汽车的发展，允许到2025年在英国道路上更广泛地推广自动驾驶汽车，这表明政府在积极推动无人驾驶技术发展，侧面反映出国外在努力提升公众对无人驾驶技术的接受度（Moran，2022）。然而不少研究表明，技术安全性、伦理争议等方面仍存在相应空白，影响了公众对无人驾驶的信任度，从而进一步深刻制约着国外大众对无人驾驶技术的接受愿意（Bagloee，Tavana，Asadi&Oliver，2016；Hegner,Beldad&Brunswick,2019）。2.4无人驾驶技术接受度的因素研究2.4.1感知有用性、易用性及交互性对无人驾驶技术接受的影响技术接受度模型是信息系统领域用于解释和预测用户对新技术接受行为的经典理论框架，由FredDavis于1986年提出，并在1989年的文章中进一步完善。该模型最初用来解释在信息系统领域影响用户的原因，其核心变量为感知有用性和感知易用性。模型指出，外部变量通过感知有用性（PU）和感知易用性（PE）影响用户态度，态度继而驱动行为意向，最终导致实际使用行为的发生。模型结构如下图所示：图1技术接受模型（1）外部变量：作为模型中的前置因素，指影响用户对技术感知的情境因素或技术特征；（2）感知有用性：感知有用性是指个体对某项技术系统是否能显著改善工作效能的判断；（3）感知易用性：表示为用户对于掌握特定技术或系统所投入精力的评估；（4）行为态度：个体对某项技术的情感倾向和价值评估（正向或负向），受感知有用性和感知易用性双重影响。（5）行为意愿：个体主观上使用某项技术的意愿程度。（6）实际行为：人们实际所采取的行动，包括频率、时长、深度等。技术接受模型被广泛应用于心理、医疗、信息系统等多个领域。在心理方面，Adams（1992）将技术接受模型与心理测量学相结合，用于测量其核心变量——感知有用性和感知易用性与技术之间的关系，并就量表进行测量学分析。医疗方面，冀杨等人（2025）基于技术接受模型对北京市属医院智慧服务建设对患者就医体验进行分析，从而为智慧服务建设做出进一步改进。同时，技术接受模型也曾应用于计算机领域（Venkatesh，2000），用于研究用户对于计算机技术的使用意愿。在无人驾驶领域，张拓涵（2021）的研究表明，技术接受模型适用于无人驾驶汽车的相关研究。陈坚（2019）等人研究发现，感知有用性正向影响公众选择使用无人驾驶公交车的意愿。有学者通过调研发现，用户对自动驾驶技术的接受度和感知有用性呈高度相关（Buckley2018）。Davis（2000）在技术接受模型的理论扩展的研究中表明，感知易用性显著影响用户的接受度。实证分析表明，感知有用性和感知易用性作为关键性因素，可以正向预测用户对无人驾驶汽车的接受意愿（魏潇潇，2019）。同时，有学者指出感知交互性对接受意愿具有直接的影响，它是影响用户接受意愿的核心因素之一（郭燕茹,2021）。张拓涵（2021）基于结构方程模型分析验证了感知交互性对无人驾驶汽车接受意愿的显著正向影响，研究指出，良好的感知交互性能够降低用户对无人驾驶技术的不信任感，从而提高其接受意愿。故此，我们提出假设：H1：感知有用性、感知易用性、感知交互性可以预测公众对无人驾驶网约车的接受意愿。2.4.2感知风险、感知收益与人机信任对接受度的影响收益风险理论认为个体的决策行为是对潜在收益和风险进行主观权衡的结果。在投资学领域，收益和风险呈负相关，低风险与高收益相对应，高风险对应低收益，即风险收益均衡。随着该理论的不断发展，收益风险理论开始应用于技术领域的研究，人们在评估某一技术的接受度时，往往会主观评估该技术的收益与风险，从而做出决策行为（Starr，1969）。Bronfman和Vázquez(2011)通过实证研究发现，公众对监管技术的接受意愿同时受到感知风险和感知收益的双重影响。其他研究也表明，人们对新技术收益和风险的感知影响人们的接受意愿。通常而言，感知风险对个体的使用意图和使用行为存在反向作用，比如Lee（2008）等认为感知风险对自动驾驶用户的使用意愿有负面影响；前人理论研究表明，人们对技术的接受度受到感知收益和感知风险的影响。陈晓琳等人（2021）在对互联网居家护理服务的实证研究表明，产妇群体对该服务的采纳程度受感知收益、感知风险、信任的共同影响。在旅游领域，研究发现，旅游者对智能推荐系统的接受意愿与同种因素有关，其中，信任是影响用户接受意愿的重要因素之一（龚钰凰，2021）。同样的，在人工智能领域领域，吴俊等人（2024）的研究发现，信任对于技术接受模型中的感知有用性、感知易用性和采纳意愿均有显著的正向影响。故此，我们提出如下假设：H2：感知风险负向预测公众对无人驾驶网约车的接受愿意；H3：感知收益正向预测公众对无人驾驶网约车的接受愿意；H4：人机信任正向预测公众对无人驾驶网约车的接受愿意；2.4.3感知有用性、易用性和交互性与感知风险、感知收益的关系前人研究显示，感知有用性和感知易用性与感知风险、感知收益有密切的联系。Bhattacherjee（2001）在研究中显示感知收益受感知有用性和感知易用性的双重作用，故我们认为感知有用性和感知易用性越高，感知收益越高；感知有用性和感知易用性同样对感知风险具有一定的影响。Johnson（2010）等人的研究表明，人们对无人驾驶技术感知有用性的提高，会使得人们增强对无人驾驶技术的信任，从而降低对其中风险的感知；Venkatesh等人(2003)通过整合技术接受模型(TAM)与计划行为理论发现，感知易用性与感知风险之间存在显著的负向关联，这一结论为理解无人驾驶网约车的感知易用性与感知风险提供了理论支撑。龙稚芸（2014）在有关线上消费的研究中指出，线上交互的质量会影响用户的感知风险。类似地，在无人驾驶领域，感知交互性的质量也可能影响用户对系统安全性和可靠性的感知，进而影响感知风险。进一步研究显示，感知风险和感知收益是决定大众接受意愿的直接因素，而信任是影响感知风险和感知收益的重要因素（张田，2020）。故此，我们提出假设：H5：感知有用性、感知易用性、感知交互性对感知风险有负向作用；H6：感知有用性、感知易用性、感知交互性对感知收益有正向作用；2.4.4感知有用性、感知易用性和感知交互性与人机信任的关系聂勇浩、罗景月（2013）基于结构方程模型分析新浪微博、腾讯QQ等平台用户数据，发现感知有用性和信任均显著促进个人的分享行为，且信任在感知有用性与分享行为的意愿间起部分中介作用。同时，信任在感知有用性和感知易用性对接受意愿的影响中起中介作用；代宝、刘业政（2012）基于TAM模型，验证了感知有用性通过信任间接影响用户持续使用意愿。有学者通过结构方程模型验证，感知交互性通过信任的中介作用影响无人驾驶接受意愿。这一路径在老年群体中尤为显著，表明信任是交互性转化为接受意愿的关键桥梁。（邵宾玉,2020）魏潇潇在对无人驾驶汽车有关的研究中显示，感知交互性对接受意愿的影响存在“技术层-社会层”双路径。技术层交互性（如界面友好度、操作便捷性）直接影响用户初次体验意愿；社会层交互性（如车辆对行人意图的识别与响应）则通过塑造社会信任间接影响长期使用意愿。（魏潇潇，2019）故此，我们提出假设：H7：感知有用性、感知易用性、感知交互性对人机信任有正向作用；2.4.5人格在技术接受研究领域，人格特质的作用越来越受到重视。例如李晓科（2021)在对医疗平台使用意愿的研究发现，人格特质在感知有用性、感知易用性对行为意向的影响中起到调节作用。类似的，朱珠（2022）在研究中构建了感知有用性和感知脆弱性双重中介模型，探讨了用户偏好推荐与用户身份特征对消费者采纳推荐信息的影响机制，研究发现，人格特质（如开放性、宜人性）可能调节消费者对推荐框架有用性和脆弱性的感知，进而影响其接受意愿。国内外相关研究已初具规模，涵盖了多种影响因素和理论模型，为后续研究提供了重要的理论基础和实证支持。但分析发现，国内外研究多集中于产品特征、用户风险感知、社会环境等方面，有关人格对技术的影响较少，故本研究引入人格作为调节变量，探讨无人驾驶网约车接受度的影响机制。故此，我们提出以下假设：H8：人格增强感知有用性、感知易用性、感知交互性对接受意愿的影响；H9：人格增强感知有用性、感知易用性、感知交互性对感知收益、人机信任的影响；H10：人格削弱知有用性、感知易用性、感知交互性对感知风险的影响；H11：人格增强感知收益、人机信任对接受愿意的影响；H12：人格削弱感知风险对接受愿意的影响；综合以上假设，我们构建出以下模型图2本研究理论模型3对象与方法3.1调查对象本研究采用线上调查方式，通过专业的在线调研工具问卷星（/vm/mnpj53F.aspx#）收集数据，调查对象为全国范围内18岁以上的群体。总计获得518份问卷，运用如下标准筛选有效问卷：1.质量控制题（此题请选“是”）选择正确；2.问卷答题时间不少于180秒。剔除无效数据后，回收有效问卷487份，问卷有效率约为94%。其中，男性有效问卷225份，女性有效问卷262份，分别占比46.20%和53.80%。月收入水平在3000元以下占比27.93%，3000-6000元月收入群体占比38.81%，6000元以上占比33.26%。具体人口学信息如下表所示。表SEQ表格\*ARABIC1参与者的社会人口学特征变量水平人数百分比性别男22546.20%女26253.80%年龄18-25岁15932.64%26-35岁17335.52%36-45岁5711.70%46-55岁5210.68%56岁以上469.45%现居住地直辖市/省会城市14629.98%地级市12024.64%县级市/市辖区8918.28%乡镇农村13227.10%月收入3000元以下13627.93%3000-6000元18938.81%6000元以上16233.26%文化程度高中及以下5811.91%专科9920.33%本科及以上33067.76%最常用的出行方式私家车14329.36%公共交通28057.49%步行/自行车469.45%其他183.70%是否有驾照是35172.07%否13627.93%是否了解或接触过无人驾驶网约车是38879.67%否9920.33%3.2研究工具本次研究问卷分为三大部分，第一部分为社会人口学信息问卷，第二部分基于前人量表和无人驾驶网约车特性，生成有关公众对无人驾驶网约车的态度和接受意愿问卷，囊括感知有用性（6项）、感知易用性（4项）、感知交互性（5项）、感知收益（5项）、感知风险（6项）、人机信任（12项）、以及接受意愿（4项）7大部分，每一个题目运用李克特七级量表进行测量，共有“非常不同意”、“不同意”、“稍微不同意”、“中立/一般”、“稍微同意”、“同意”、“非常同意”七个选项，由被调查者基于自己的认知和感受进行作答。第三部分为人格问卷，采用大五人格简化量表，对被调查者人格属性进行测量，同样采用李克特七级量表进行测量，分为“非常不符合”、“不符合”、“稍微不符合”、“中立/一般”、“稍微符合”、“符合”、“非常符合”七个选项，由被调查者基于对自己以及他人对自己的评价做出选择。具体来说，本次研究问卷设计的详细内容如下：3.2.1感知有用性量表感知有用性(PerceivedUsefulness,PU)在本研究中定义为个体对无人驾驶网约车提升出行效用的主观评估，测量参考Lu等人(2019)开发的标准化量表，量表Cronbach’sα信度系数为0.86，基本满足团体施测的信度要求。题目如表2所示。表2感知有用性量表编号题项描述参考来源PU1无人驾驶网约车能准确地理解我的要求和意愿Lu等（2019）PU2无人驾驶网约车能快速且高效地处理路上遇到的问题PU3无人驾驶网约车比人类更可靠PU4无人驾驶网约车比人类更容易预测PU5无人驾驶网约车相比人类出错会更少PU6如果我使用无人驾驶网约车，我会安全到达目的地3.2.2感知易用性量表感知易用性（Perceivedeaseofuse）在本研究中定义为个体主观上认为学习和使用无人驾驶网约车的简易程度，测量参考Lu等人(2019)开发的标准化量表量表，量表Cronbach’sα信度系数为0.83，基本满足团体施测的信度要求。题目如表3所示。表3感知易用性量表编号题项描述参考来源PE1我很快就能学会如何与无人驾驶网约车互动Lu等（2019）PE2学会使用无人驾驶网约车对我来说是一件很容易的事情PE3与无人驾驶网约车互动并不需要很复杂的脑力劳动PE4无人驾驶网约车的相关操作对我来说很容易理解3.2.3感知交互性量表感知交互性（PerceivedInteractivity）在本研究中是指个体对无人驾驶网约车能否提供双向、即时、可控的交互体验的主观评估。测量参考Jee等人（2002）以及Chen等人（2007）的标准化量表，量表Cronbach’sα信度系数为0.85，基本满足团体施测的信度要求。题目如表4所示。表4感知交互性量表编号题项描述参考来源PI1与无人驾驶网约车互动就像与一位善于交际、知识渊博、热情好客的人交谈Jee等人（2002）Chen等人（2007）PI2无人驾驶网约车对我的需求会很敏感PI3我与无人驾驶网约车有着良好的互动体验PI4我和无人驾驶网约车的互动很密切PI5我和无人驾驶网约车的互动水平很高3.2.4感知收益量表感知收益在本研究中是指个体对无人驾驶网约车可能产生的积极后果和价值的主观评估。测量参考了Anderson、Bansal等提出的标准化量表，量表Cronbach’sα信度系数为0.83，基本满足团体施测的信度要求。题目如表5所示。表5感知收益量表编号题项描述参考来源PB1无人驾驶网约车可以减少交通事故Anderson等（2014）Bansal等（2016）Howard和Dai等（2014）PB2无人驾驶网约车能提高燃油经济性PB3无人驾驶网约车可以减少车辆排放和污染PB4无人驾驶网约车可以降低运输成本PB5无人驾驶网约车可以增加目前无法驾驶的人的机动性3.2.5感知风险量表本研究将感知风险界定为个体在使用无人驾驶网约车过程中，对其安全性、可靠性等方面潜在问题的忧虑程度。测量参考了Anderson、Bansal等提出的标准化量表，量表Cronbach’sα信度系数为0.92，基本满足团体施测的信度要求。题目如表6所示。表6感知风险量表编号题项描述参考来源PR1我很担心无人驾驶网约车的设备和系统故障Anderson等（2014）Bansal等（2016）PR2我很担心无人驾驶网约车的法律责任问题和道德困境问题PR3我很担心无人驾驶系统可能被黑客攻击PR4我很担心无人驾驶网约车的隐私泄露问题PR5我很担心无人驾驶网约车和传统车辆共用道路PR6我很担心无人驾驶网约车无法应对多变的天气和地形3.2.6人机信任量表个体在模糊或危险的情境下认为无人驾驶网约车能够实现安全驾驶的态度。测量采用了Jian等（2000）提出的标准化量表，量表Cronbach’sα信度系数为0.85，基本满足团体施测的信度要求。题目如表7所示。表7人机信任量表编号题项描述参考来源HT1该系统是不可信的Jian等（2000）HT2该系统的运作方式隐匿、不为人知HT3我对该系统的意图、行动或操作存疑HT4我对该系统持谨慎态度HT5该系统的行动可能会导致事故的发生，甚至会造成人员伤亡HT6我对该系统充满信心HT7该系统可以提供安全保障HT8该系统是完善的HT9该系统是值得信赖的HT10该系统是可靠的HT11我信任该系统HT12我熟悉该系统3.2.7接受意愿量表接受意愿指的是人们愿意接受无人驾驶网约车的程度。测量参考了Osswald、Choi等（2012）提出的标准化量表，量表Cronbach’sα信度系数为0.84，基本满足团体施测的信度要求。题目如表8所示。表8接受意愿量表编号题项描述参考来源YY1如果无人驾驶网约车将来在市场上可用，我会考虑使用无人驾驶网约车Osswald等（2012）Choi和Ji（2015）YY2如果可能的话，我打算把无人驾驶网约车作为日常出行的工具YY3如果我被问到关于无人驾驶网约车的想法，我会表达一些支持它的观点YY4我会向别人推荐无人驾驶网约车3.2.8大五人格问卷简版采用Costa和McCrae（1992）编制的大五人格问卷简版（NEO-FFI），作为测量公众人格特质的工具。问卷共有60个项目，分为神经质、外向性、开放性、宜人性、尽责性五个维度，每个维度12项目。采用李克特七级评分，每个项目按1-7进行评分，1代表非常不符合，2代表不符合，3代表稍微不符合，4代表一般，5代表稍微符合，6代表符合，7代表非常符合。为了避免被试的反应定势，在各维度中设置反向计分项目以控制应答偏差。问卷源自NEO人格量表体系，与完整版NEO-PI-R具有显著相关性（r>0.70），继承了原量表良好的心理测量学特性。原量表各维度的平均信度系数为0.78（Cronbach'sα）。在本研究中，量表各维度的平均一致性系数为0.70，基本满足团体施测的信度要求。3.3程序及数据处理本研究采用线上问卷调查法收集数据，通过专业问卷调查平台“问卷星”进行问卷发放。在问卷首页明确说明研究目的、学术用途说明及匿名性承诺，以确保被试知情同意。所有数据采用Excel进行基础性的整理与存储，随后将规范化的数据导入SPSS27.0进行统计分析。为检验研究假设中的中介效应及有调节的中介效应，本研究同时运用AMOS26.0结构方程模型分析软件以及Hayes（2018）开发的PROCESS宏程序（Version4.1）进行数据分析。在统计分析过程中，将性别、年龄、居住地等人口统计学变量作为控制变量纳入模型，以控制潜在混淆因素的影响。4结果4.1共同方法偏差检验由于本问卷为自陈问卷，且通过线上方式收集，可能存在共同方法偏差。在问卷收集阶段，为控制测量误差，首先确保匿名性，其次部分条目采取反向计分等方式平衡一部分误差。在数据处理分析阶段，采用按照Harman单因子检验方法对共同方法偏差进行检验。结果显示，未经旋转得到特征根大于1的因子共14个，且第一个因子变量解释率为25.75%，远小于40%表明该研究不存在严重的共同方法偏差。（周浩，龙立荣，2004)4.2无人驾驶网约车公众接受度现状表8呈现了487名18岁以上公众无人驾驶网约车的接受度得分。结果表明，18岁以上公众无人驾驶网约车的接受意愿总体较高（M=5.06/7）。各题项均值介于4.91-5.24之间，其中题目‘如果无人驾驶网约车将来在市场上可用，我会考虑使用无人驾驶网约车’得分最高（M=5.24），题目‘如果可能的话，我打算把无人驾驶网约车作为日常出行的工具’得分最低（M=4.91）。表9公众无人驾驶网约车接受度情况（M±SD）项均值接受意愿5.06±1.40如果无人驾驶网约车将来在市场上可用，我会考虑使用无人驾驶网约车5.25±1.39如果可能的话，我打算把无人驾驶网约车作为日常出行的工具4.91±1.54如果我被问到关于无人驾驶网约车的想法，我会表达一些支持它的观点5.12±1.40我会向别人推荐无人驾驶网约车4.96±1.444.3不同群体对无人驾驶网约车的接受度分析对公众无人驾驶网约车的接受意愿进行分析发现，结果见表10。结果提示，男性和女性对无人驾驶网约车的接受意愿不存在显著差异；年龄段在36-45岁的公众对无人驾驶网约车的接受度最高，且显著高于18-25岁、26-35岁、46-55岁、56岁以上的年龄群体；现居住地在直辖市或省会城市的群体对无人驾驶网约车的接受度最高，且显著高于地级市、县级市或市辖区、乡镇农村区域的群体；月收入水平在6000元以上的群体对无人驾驶网约车的接受度最高，显著高于月收入为3000元以下和3000-6000元的群体；文化程度为本科及以上的群体对无人驾驶网约车的接受度最高，且显著高于文化程度为高中及以下、专科的群体；常用出行方式为公共交通（公交、地铁、出租车等）的群体对无人驾驶网约车的接受度最高，且显著高于常用出行方式为私家车、步行或自行车以及其他出行方式的群体；持有驾照的群体对无人驾驶网约车的接受度显著高于未持有驾照的群体；了解和接触过无人驾驶网约车的群体的接受度显著高于未了解和接触过无人驾驶网约车的群体。表10公众对无人驾驶网约车接受意愿分析表变量分组接受意愿均分M(SD)t/FCohensD/偏η²性别男5.11(1.25）0.87女5.02(1.12)年龄18-25岁4.87(1.06)22.19***0.1626-35岁5.39(0.92)36-45岁5.63(0.74)46-55岁3.98(1.74)56岁以上4.95(1.25)现居住地直辖市/省会城市5.32(0.98)11.94***0.07地级市5.31(1.00)县级市/市辖区4.98(1.03)乡镇农村4.59(1.47)月收入3000元以下4.72(1.22)9.05***0.033000-6000元5.09(1.08)6000元以上5.30(1.21)文化程度高中及以下4.54(1.54)6.90***0.04专科5.02(1.27)本科及以上5.16(1.06)最常用出行方式私家车5.08(1.21)4.67**0.03公共交通（公交、地铁、出租车等）5.15(1.09)步行/自行车4.74(1.35)其他4.24(1.60)是否有驾照是5.19(1.18)4.08**0.03否4.71(1.36)是否无人驾驶网约车了解和接触是5.23(1.05)6.64***0.08否4.38(1.43)注：*p<0.05;**p<0.01;***p<0.0014.4影响无人驾驶网约车接受度的多元线性回归分析以感知有用性、感知易用性、感知交互性、感知风险、感知收益、人机信任为自变量，无人驾驶网约车接受度为因变量进行多元线性回归。结果表明，感知有用性、感知易用性、感知交互性、感知收益、人机信任均显著的正向预测无人驾驶网约车接受度，提示感知有用性、感知易用性、感知交互性、对无人驾驶网约车接受度具有重要作用。感知风险的影响显著，但较为微弱，需进行进一步分析。表11无人驾驶网约车接受度的多元线性回归变量回归系数标准误标准化回归系数tp常数-0.800.19-4.140.000感知有用性0.170.000感知易用性0.230.030.226.830.000感知交互性0.180.000感知风险0.050.020.065.250.026感知收益0.200.040.295.250.000人机信任0.350.040.287.870.000注：F=261.233，p＜0.001；R²=0.766，调整R²=0.763。4.5影响无人驾驶网约车接受度的路径分析4.5.1中介效应分析（1）模型路径分析本研究旨在探讨无人驾驶技术接受度的内在机制，引入感知收益（MPB）、感知风险（MPR）和人机信任（MHT）作为中介变量，构建结构方程模型进行分析。根据中介效应检验流程，首先采用SPSS统计软件中的PROCESS插件，选择模型4对潜在中介变量的影响路径进行实证检验，在控制相关变量后，各路径系数如表12所示。表12中介效应的结构方程模型接受意愿感知收益感知风险人机信任接受愿意常数0.11

(0.72)0.63**

(3.95)4.06**

(11.93)1.69**

(10.48)-0.80**

(-4.14)感知有用性0.35**

(8.91)0.39**

(9.19)-0.25**

(-2.77)0.32**

(7.33)0.17**

(4.25)感知易用性0.32**

(9.25)0.25**

(6.79)0.40**

(5.01)0.05

(1.19)0.23**

(6.82)感知交互性0.32**

(8.99)0.26**

(6.72)-0.05

(-0.57)0.25**

(6.28)0.18**

(5.20)感知收益0.20**

(5.25)感知风险0.05*

(2.24)人机信任0.35**

(7.87)R20.720.650.050.460.766调整R20.720.640.050.460.76F值F(3,48)=408.34***F(3,48)=292.21***F(3,48)=8.66***F(3,48)=137.74***F(6,48)=261.23***注：*p<0.05;**p<0.01;***p<0.001;括号里面为t值结果表明，感知有用性、感知有用性、感知交互性对接受意愿的总效应均显著（β=0.35/0.3/0.320，p<0.01），满足中介分析前提。其次，在感知收益、感知风险、人机信任作为中介变量的回归模型中，路径系数表明：感知有用性不仅能直接提升感知收益（β=0.39）和人机信任（β=0.32），还会降低感知风险（β=-0.25），且所有a路径（自变量→中介变量）均显著（p<0.01）。加入中介变量后，感知收益（β=0.20）、人机信任（β=0.35）对接受意愿的b路径（中介变量→因变量）显著，而感知有用性、感知有用性、感知交互性的直接效应（c'）仍显著但减弱，证明存在部分中介。值得注意的是，感知易用性→人机信任路径不显著（β=0.05，p=0.23），说明感知易用性对人机信任的路径不成立。表13中介作用效应量项c

总效应a*b

中介效应c’

直接效应效应占比结论感知有用性=>感知收益=>接受意愿0.350.080.1722.56%部分中介感知有用性=>感知风险=>接受意愿0.35-0.010.16.89%遮掩效应感知有用性=>人机信任=>接受意愿0.350.110.17231.56%部分中介感知有用性=>感知收益=>接受意愿0.320.050.216.08%部分中介感知易用性=>感知风险=>接受意愿0.320.020.235.91%部分中介感知易用性=>人机信任=>接受意愿0.320.020.2340%中介作用不显著感知交互性=>感知收益=>接受意愿0.320.050.1816.37%部分中介感知交互性=>感知风险=>接受意愿0.32-0.000.180%中介作用不显著感知交互性=>人机信任=>接受意愿0.320.090.1826.80%部分中介在明确中介路径显著性的基础上，进一步通过对效应量分析从而明确各中介变量的实际作用。表13显示，不同中介路径存在显著差异。感知有用性通过人机信任的中介效应最强（效应值0.110，占比31.56%），其次是感知收益（效应值0.08，占比22.56%），而感知风险则呈现遮掩效应（效应值-0.01，反向抑制6.89%）。对于感知交互性，人机信任的中介效应同样显著（效应值0.09，占比26.80%），但感知风险的路径不显著。值得注意的是，感知易用性的中介作用较弱，仅感知收益路径达到16.080%的效应占比，且其通过人机信任的路径效应量为0（95%CI包含0）。这揭示了人机信任是提升接受意愿的关键中介变量，而感知风险的作用机制还未明晰，需进一步探讨。4.5.2有调节的中介模型为进一步探究人格调节作用的影响，根据温忠麟和叶宝娟(2014)提出的方法，本研究以感知有用性、感知易用性、感知交互性作为自变量，人格作为调节变量，接受愿意作为因变量，使用SPSS的PROCESS宏程序检验人格在模型中的调节作用。（1）人格在感知有用性、感知有用性、感知交互性对接受意愿的直接调节作用表14分析了人格特质（外向性、开放性、宜人性）在感知有用性、感知有用性、感知交互性对接受意愿的调节作用。结果表明，外向性正向预测了感知有用性、感知易用性、感知交互性对接受愿意的影响（β=0.90，β=0.82，β=0.95，p<0.01）；开放性正向预测了感知有用性、感知易用性、感知交互性对接受愿意的影响（β=0.90，β=0.82，β=0.95，p<0.01）；感知有用性和开放性的交互项以及感知交互性和开放性的交互项显著负向预测了接受意愿（β=-0.15，β=-0.15，p<0.01）；宜人性负向预测了感知有用性、感知易用性、感知交互性对接受愿意的影响（β=-1.21，β=-1.33，β=-1.32，p<0.01）；感知易用性和宜人性的交互项显著正向预测了接受意愿（β=-0.22，p<0.01）。研究显示，外向性和开放性特质削弱了感知有用性和交互性对接受意愿的正向作用，而宜人性特质则强化了感知易用性对接受意愿的积极影响。不过，各具体人格特质对感知易用性与接受意愿之间关系的调节作用存在差异：宜人性的调节效应显著，而外向性和开放性的调节作用不显著。即假设H8得到部分验证。表14人格在感知有用性、感知易用性、感知交互性对接受意愿的直接调节作用回归方程整体拟合指数回归系数显著性结果变量预测变量RR2FBt接受愿意感知有用性0.750.74156.53***0.894.21**外向性0.903.18**感知有用性*外向性-0.14-2.96接受愿意感知易用性0.750.74155.32***0.442.42*外向性0.822.80**感知易用性*外向性-0.04-1.00接受愿意感知交互性0.740.73150.24***0.140.80外向性0.953.28**感知交互性*外向性0.020.55接受愿意感知有用性0.750.74156.36***0.974.10**开放性1.063.28**感知有用性*开放性-0.15-2.97**接受愿意感知易用性0.740.74152.95***0.401.78开放性0.962.87**感知易用性*开放性-0.03-0.66接受愿意感知交互性0.750.75162.32***0.955.00**开放性1.314.11**感知交互性*开放性-0.15-3.67**接受愿意感知有用性0.730.72145.18***0.291.11宜人性-1.21-3.25**感知有用性*宜人性-0.00-0.05接受愿意感知易用性0.750.75160.02***-0.65-2.62**宜人性-1.33-3.60**感知易用性*宜人性0.223.83**接受愿意感知交互性0.740.73148.38***0.562.48*宜人性-1.32-3.62**感知交互性*宜人性-0.07-1.37注：*p<0.05;**p<0.01;***p<0.001（2）外向性的调节作用由表15可知，外向性人格特质在模型中表现出系统的调节效应。具体而言，外向性显著调节了感知有用性、感知易用性、感知交互性对中介变量的影响路径：在感知有用性路径中，外向性不仅强化了其对感知风险的负向影响（β=-0.59，p<0.001），还增强了其对人机信任的正向作用（β=0.15，p<0.001）；在感知易用性路径中，外向性削弱了其对感知收益的正向效应（β=-0.10，p<0.01），但同时强化了其对感知风险的负向作用（β=-0.45，p<0.001）和人机信任的正向影响（β=0.10，p<0.001）；在感知交互性路径方面，外向性同样表现出显著的调节作用，既弱化了其对感知风险的负向效应（β=-0.48，p<0.001），又增强了其对人机信任的促进作用（β=0.13，p<0.001）。值得注意的是，外向性还削弱了感知收益对接受意愿的正向预测作用（β=-0.08，p<0.05）。表15外向性的调节作用项βSEt95%CI感知有用性×外向性→感知风险-0.590.05-13.14***[-0.68,-0.50]感知有用性×外向性→人机信任0.150.026.44***[0.10,0.19]感知易用性×外向性→感知收益-0.100.03-2.95**[-0.17,-0.03]感知易用性×外向性→感知风险-0.450.05-8.24***[-0.55,-0.34]感知易用性×外向性→人机信任0.100.033.22***[0.03,0.16]感知交互性×外向性→感知风险-0.480.05-19.11***[-0.57,-0.38]感知交互性×外向性→人机信任0.130.025.29***[0.08,0.18]感知收益×外向性→接受愿意-0.080.03-2.43**[-0.14,0.02]注：*p<0.05;**p<0.01;***p<0.001为更清晰地展现其中的有调节的中介效应，进一步分析在不同路径下外向性的调节作用。感知有用性×外向性→感知风险随着外向性水平的升高，感知有用性对感知风险的预测作用发生方向性转变：低外向性（M-1SD）：β=0.54，t=8.18，p<0.001，95%CI[0.41,0.67]。高外向性（M+1SD）：β=-0.64，t=-8.17，p<0.001，95%CI[-0.79,-0.49]。即随着外向性水平的提高，感知有用性对感知风险的预测作用呈降低趋势。感知有用性×外向性→人机信任外向性显著调节了感知有用性对人机信任的正向预测作用。随着外向性水平的提升，感知有用性对人机信任的促进作用逐渐增强：低外向性（M-1SD）：β=0.31，t=9.11，p<0.001，95%CI[0.24,0.38]；高外向性（M+1SD）：β=0.61，t=15.04，p<0.001，95%CI[0.53,0.69]。感知易用性×外向性→感知收益外向性削弱了感知易用性对感知收益的正向预测作用，随着外向性水平的提高，感知易用性对感知收益的积极影响显著减弱。低外向性（M-1SD）：β=0.66，t=16.96，p<0.001，95%CI[0.58,0.73]；高外向性（M+1SD）：β=0.46，t=6.78，p<0.001，95%CI[0.33,0.59]。感知易用性×外向性→感知风险随着外向性水平的提高，感知易用性对感知风险由显著正向预测转变为显著负向预测：低外向性（M-1SD）：β=0.52，t=8.35，p<0.001，95%CI[0.40,0.64]。高外向性（M+1SD）：β=-0.37，t=-3.44，p<0.01，95%CI[-0.58,-0.16]。即随着外向性水平的提高，感知易用性对感知风险的预测作用逐渐减弱。感知易用性×外向性→人机信任外向性强化了感知易用性对人机信任的正向作用，即随着外向性水平的提高，感知易用性对人机信任的正向作用逐渐增强。低外向性（M-1SD）：β=0.24，t=6.96，p<0.001，95%CI[0.17,0.31]。高外向性（M+1SD）：β=0.44，t=7.22，p<0.001，95%CI[0.42,0.56]。感知交互性×外向性→感知风险随着外向性水平的提高，感知交互性对感知风险的影响由正向预测转变为负向预测：低外向性（M-1SD）：β=0.47，t=7.08，pp<0.001，95%CI[0.34,0.66]。高外向性（M+1SD）：β=-0.49，t=-5.52，p<0.001，95%CI[-0.66,-0.31]。即即随着外向性水平的提高，感知交互性对感知风险的预测作用逐渐减弱。感知交互性×外向性→人机信任外向性提升了感知交互性对人机信任的积极影响，交互性对信任的促进作用随外向性增强而显著提升：低外向性（M-1SD）：β=0.29，t=8.52，p<0.001，95%CI[0.23,0.36]。高外向性（M+1SD）：β=0.55，t=12.09，p<0.001，95%CI[0.46,0.64]。感知收益×外向性→接受意愿在感知交互性→感知收益→接受愿意的路径中，随着外向性水平的升高，感知收益对接受意愿的预测作用呈现减弱趋势：低外向性（M-1SD）：β=0.39，t=8.30，p<0.001，95%CI[0.30,0.49]。高外向性（M+1SD）：β=0.23，t=4.27，p<0.001，95%CI[0.13,0.34]。（3）开放性的调节作用由表16可知，开放性人格特质在模型中表现出显著的调节效应。在感知有用性路径中，开放性显著削弱了其对感知收益的正向影响（β=-0.10，p<0.001），同时强化了其对感知风险的负向影响（β=-0.65，p<0.001），并增强了其对人机信任的促进作用（β=0.14，p<0.001）。在感知易用性路径方面，开放性减弱了其对感知收益的正向作用（β=-0.17，p<0.01），增强了其对感知风险的负向影响（β=-0.53，p<0.001），并强化了其对人机信任的积极贡献（β=0.10，p<0.01）。同时，开放性还削弱了感知风险对接受意愿的负向预测作用（β=-0.05，p<0.05）。对于感知交互性路径，开放性同样展现出显著的调节模式：它弱化了交互性对感知收益的正向作用（β=-0.12，p<0.001），增强了其对感知风险的负向影响（β=-0.57，p<0.001），同时加强了其对建立人机信任的积极影响（β=0.12，p<0.001）。表16开放性的调节作用项βSEt95%CI感知有用性×开放性→感知收益-0.100.03-3.97***[-0.16,-0.50]感知有用性×开放性→感知风险-0.650.04-14.68***[-0.73,-0.56]感知有用性×开放性→人机信任0.140.025.55***[0.08,0.18]感知易用性×开放性→感知收益-0.170.03-4.98**[-0.24,-0.10]感知易用性×开放性→感知风险-0.530.05-9.85***[-0.63,-0.42]感知易用性×开放性→人机信任0.100.033.17**[0.04,0.17]感知风险×开放性→接受意愿-0.050.02-2.02[-0.09,-0.00]感知交互性×开放性→感知收益-0.120.03-14.57***[-0.17,-0.07]感知交互性×开放性→感知风险-0.570.04-13.20***[-0.66,-0.49]感知交互性×开放性→人机信任0.120.025.26***[0.08,0.17]注：*p<0.05;**p<0.01;***p<0.001为更清晰地展现其中的有调节的中介效应，进一步分析在不同路径下开放性的调节作用。感知有用性×开放性→感知收益开放性人格显著调节了感知有用性对感知收益的影响。随着开放性水平的提高，感知有用性对感知收益的正向作用逐渐减弱：低开放性（M-1SD）：β=0.78，t=21.08，p<0.001，95%CI[0.71,0.85]。高开放性（M+1SD）：β=0.57，t=12.81，p<0.001，95%CI[0.48,0.66]。感知有用性×开放性→感知风险随着开放性水平的提高，感知有用性对感知风险的影响由正向预测转变为负向预测：低开放性（M-1SD）：β=0.54，t=8.72，p=0.006，95%CI[0.42,0.66]。高开放性（M+1SD）：β=-0.75，t=-10.04，p<0.001，95%CI[-0.90,-0.61]。即随着开放性水平的提高，感知有用性对感知风险的预测作用逐渐减弱。感知有用性×开放性→人机信任开放性人格显著调节了感知有用性对人机信任的影响，随着开放性水平的提高，感知有用性对人机信任的促进作用逐渐增强：低开放性（M-1SD）：β=0.38，t=10.87，p<0.001，95%CI[0.31,0.44]。高开放性（M+1SD）：β=0.65，t=15.54，p<0.001，95%CI[0.57,0.73]。感知易用性×开放性→感知收益随着开放性水平的提高，感知易用性对感知风险的积极影响逐渐减弱：低开放性（M-1SD）：β=0.69，t=17.72，p<0.001，95%CI[0.62,0.77]。高开放性（M+1SD）：β=0.36，t=5.48，p<0.001，95%CI[0.23,0.49]。感知易用性×开放性→感知风险随着开放性水平的提高，感知易用性对感知风险的影响由正向预测转变为负向预测：低开放性（M-1SD）：β=0.69，t=9.35，p<0.001，95%CI[0.46,0.70]。高开放性（M+1SD）：β=-0.48，t=-4.59，p<0.001，95%CI[-0.68,-0.27]。即随着开放性水平的提高，感知易用性对感知风险的预测作用逐渐减弱。感知易用性×开放性→人机信任开放性提升了感知易用性对人机信任的积极影响，随着开放性水平的提高，感知易用性对人机信任的积极影响逐渐增强：低开放性（M-1SD）：β=0.29，t=7.75，p<0.001，95%CI[0.22,0.37]。高开放性（M+1SD）：β=0.50，t=7.94，p<0.001，95%CI[0.38,0.63]。感知风险×开放性→接受意愿在感知易用性→感知风险→接受意愿的路径中，随着开放性水平的提高，感知风险对接受意愿的预测作用呈现减弱趋势，并在高开放性群体中变得不显著：低开放性（M-1SD）：β=0.10，t=2.70，p<0.01，95%CI[0.03,0.18]。高开放性（M+1SD）：β=0.01，t=0.33，p=0.74（不显著）。即对于低开放性个体，感知风险能显著提升接受意愿；而对于高外向性个体，感知风险的影响不再显著。感知交互性×开放性→感知收益开放性人格显著调节了感知交互性对感知收益的影响，随着开放性水平的提高，感知交互性对收益的积极影响逐渐减弱：低开放性（M-1SD）：β=0.72，t=19.15，p<0.001，95%CI[0.64,0.79]。高开放性（M+1SD）：β=0.48，t=11.15，p<0.001，95%CI[0.39,0.56]。感知交互性×开放性→感知风险随着开放性水平的提高，感知交互性对感知风险的影响由正向预测转变为负向预测：低开放性（M-1SD）：β=0.55，t=8.92，p<0.001，95%CI[0.43,0.67]。高开放性（M+1SD）：β=-0.59，t=-8.24，p<0.001，95%CI[-0.73,-0.45]。即随着开放性水平的提高，感知交互性对感知收益的预测作用逐渐减弱。感知交互性×开放性→人机信任开放性人格显著调节了感知交互性对人机信任的影响，随着开放性水平的提高，感知交互性对人机信任的促进作用逐渐增强：低开放性（M-1SD）：β=0.33，t=9.84，p<0.001，95%CI[0.27,0.40]。高开放性（M+1SD）：β=0.58，t=15.02，p<0.001，95%CI[0.51,0.66]。（4）宜人性的调节作用表17显示，宜人性人格特质在模型中表现出显著的调节效应。在感知有用性、感知易用性、感知交互性对中介变量的影响路径中，宜人性显著增强了感知有用性对感知收益（β=0.12，p<0.001）和人机信任（β=0.13，p<0.001）的正向作用，同时削弱了其对感知风险的负面影响（β=-0.17，p<0.001）。宜人性强化了感知易用性对感知收益（β=0.21，p<0.001）和人机信任（β=0.15，p<0.001）的积极效应。对于感知交互性路径，宜人性同样表现出显著的促进作用，包括提升其对感知收益（β=0.09，p<0.01）和人机信任（β=0.08，p<0.01）的积极影响，同时降低其对感知风险的负面作用（β=-0.14，p<0.01）。在中介变量对接受意愿的影响路径中，宜人性表现出双重作用：一方面削弱了感知收益对接受意愿的正向预测（β=-0.09，p<0.01），另一方面却强化了人机信任对接受意愿的促进作用（β=0.16，p<0.001）。此外，宜人性还弱化了感知风险对接受意愿的负面影响（β=0.05，p<0.05）。表17宜人性的调节作用项βSEt95%CI感知有用性×宜人性→感知收益0.120.033.96***[0.59,0.17]感知有用性×宜人性→感知风险-0.170.05-3.32***[-0.28,-0.07]感知有用性×宜人性→人机信任0.130.034.80***[0.08,0.18]感知易用性×宜人性→感知收益0.210.045.22***[0.13,0.29]感知易用性×宜人性→人机信任0.150.043.87***[0.07,0.22]感知收益×宜人性→接受愿意-0.090.03-2.66**[-0.16,-0.02]人机信任×宜人性→接受愿意0.080.041.99***[0.01,0.16]感知交互性×宜人性→感知收益0.090.032.99**[0.03,0.16]感知交互性×宜人性→感知风险-0.140.05-2.66**[-0.24,-0.04]感知交互性×宜人性→人机信任0.080.033.05**[0.02,0.14]感知风险×宜人性→接受愿意0.050.022.01*[0.00,0.09]人机信任×宜人性→接受愿意0.160.043.54***[0.07,0.25]注：*p<0.05;**p<0.01;***p<0.001为更清晰地展现其中的有调节的中介效应，进一步分析在不同路径下外向性的调节作用。感知有用性×宜人性→感知收益宜人性人格显著调节了感知有用性性对感知收益的影响，随着宜人性水平的提高，感知有用性对感知收益的正向影响逐渐增强：低宜人性（M-1SD）：β=0.60，t=12.44，p<0.001，95%CI[0.51,0.69]。高宜人性（M+1SD）：β=0.83，t=22.39，p<0.001，95%CI[0.76,0.91]。感知有用性×宜人性→感知风险随着宜人性水平的提高，感知有用性对感知风险的影响由正向预测转变为负向预测：低宜人性（M-1SD）：β=0.14，t=1.66，p=0.098。高宜人性（M+1SD）：β=-0.21，t=-3.11，p<0.01，95%CI[-0.34,-0.08]。即随着宜人性水平的提高，感知有用性对感知风险的预测作用逐渐减弱。感知有用性×宜人性→人机信任随着宜人性水平的提高，感知有用性对人机信任的正向作用逐渐增强：低宜人性（M-1SD）：β=0.39，t=8.94，p<0.001，95%CI[0.30,0.47]。高宜人性（M+1SD）：β=0.64，t=19.19，p<0.001，95%CI[0.58,0.71]。感知易用