第二节　数据分析

一、实证研究设计与数据收集

（一）量表设计与信效度检验

通过李克特（Likert）5点量表测量用户的实际感受和使用经历，基于前人的成熟量表及网上大厅的实际情况，并深入访谈相关专家，本文设计出测量用户接受度的量表。研究预调查的量表发放数量为100份，共回收90份，其中有效问卷数量为83份，有效回收率为83.0%。量表的Cronbach's Alpha值为0.899，信度大于0.8，表明量表具有较好的信度，具有一致性和可靠性。

KMO和Bartlett的球形度检验，衡量进行因子分析的适合程度。数据结果表明KMO值为0.677，大于0.5；Bartlett的球形度检验结果P值显著，表明问卷适合进行因子分析。本量表的大部分题目均借鉴于国外核心期刊的成熟量表，其本身已得到了多次检验，所以本研究的量表具有良好的信度与效度。

（二）样本的描述性统计

为了减少受访用户的单一性造成有偏结果，本研究在北京市各个公安分局抽取目标人群，问卷发放量为300份，成功回收238份，剔除无效问卷后，有效问卷为204份，有效回收率为68.0%。

本次调查的性别分布中，男性为100人，比例为49.0%；女性为104人，比例为51.0%。年龄分布中，20岁及以下有6人，占2.9%；21至30岁有80人，占39.2%；31至40岁有104人，占51.0%；41至50岁有12人，占5.9%；51岁以上有2人，占1.0%。本次抽样调查的性别与年龄分布符合社会人口分布水平，也符合网上大厅的实际使用情况。

二、实证数据分析与假设检验

（一）数据检查

本书使用结构方程模型进行数据分析。首先，检查数据的样本量是否符合要求，网上大厅的样本量为204个，大于150，符合样本量要求。其次，对用户接受度模型的12个潜在变量进行测量模型分析，剔除不显著或路径系数低的指标变量。此外，将同一测量模型的指标变量汇总求和，以防止多重共线性导致模型非正定的问题。

极大似然法（Maximum Likelihood，ML）是结构方程模型的内定方法，使用ML法的要求是数据的正态性分布。数据的正态性检验结果符合偏度（Skew）小于3，峰度（Kurtosis）小于8的正态性条件，样本数据为正态分布。

（二）结构方程模型分析

用户接受度模型基于TAM以及TPB，通过明确前因变量进行创新，并非探索性分析，用户接受度模型的质量与拟合效果能得到较好的保证，模型的拟合结果如图1-4所示。

在结构方程模型中，除SumISQ对于Attitude的系数不显著外，其他变量之间的系数均显著，且变量因果关系与预期效果相吻合。在模型的适配度方面，各个指数均达到良好或可接受水平。

从适配度结果以及模型图的变量关系可知，网上大厅的用户接受度模型质量良好。

（三）假设检验

根据数据分析结果，对之前提出的研究假设进行验证，结果发现大多数假设得到了支持。