2022, Vol. 49文章信息
引用本文 |
基金项目
- 国家自然科学基金（71633002）；广东省普通高校青年创新人才项目（2018WQNCX294）
作者简介
- 刘雪凡（1997—），女，在读硕士生，研究方向为食品安全与供应链管理，E-mail：2540276249@qq.com.
通讯作者
- 文晓巍（1973—），男，博士，教授，研究方向为食品安全与供应链管理，E-mail：wxwcn@scau.edu.cn.
文章历史
- 收稿日期：2022-02-15
【研究意义】2022年中央一号文件《中共中央国务院关于做好2022年全面推进乡村振兴重点工作的意见》强调，要大力开展绿色高质高效行动、健全农产品全产业链监测预警体系[1]。同时，农业农村部印发的《数字农业农村发展规划（2019—2025年）》指出，我们现在正处于农业农村数字化发展的机遇期，推动农业农村高质量发展，必须要把握时代的发展趋势，提升农业农村的数字化生产水平，推动农业农村数字化技术的应用和推广。据统计，2007—2016年，我国食品安全事件总数超过25万件，平均每天有近70件食品安全事件爆发。在整个食品供应链中，农业是食品安全的源头，为了提升食品安全水平，解决农业发展中的问题，要以数字化为引领，推动农业的数字化发展水平[2]。构建农产品质量安全数字化追溯平台，是推动农业数字化发展、提高农产品质量安全水平的重要手段。2016年农业部印发的《关于加快推进农产品质量安全追溯体系建设的意见》也指出，要加快搭建农产品信息化追溯平台，将农产品的追溯管理延伸至源头。因此，研究农产品追溯平台的使用情况具有重要的现实意义。
【前人研究进展】在农业食品领域中，可追溯性的应用已经得到了广泛的研究[3]。Aung等[4]研究介绍了有关食品供应链安全和质量可追溯性的全面信息，认为应该将市场力量、消费者需求和政府法规融合在一起，将供应链的可见性提升到一个新的水平，这样从“农场到餐桌”的食品可追溯性才能成为现实。Islam等[5]认为农业食品领域中的可追溯性是一种访问有关食品特定信息的能力，这些信息已被捕获并与整个供应链中的产品记录标识相结合。很多学者认为农业食品领域中的可追溯性有助于提高农产品质量安全管理的效率、提升消费者对农产品质量安全的信心、降低信息不对称问题[3, 6]。通过梳理文献，发现大部分有关农产品可追溯的研究多集中在可追溯体系的发展现状[7]、可追溯系统的设计与开发[8-9]、可追溯参与行为主体研究[10-11]、可追溯体系对农户行为的影响[12]、消费者对可追溯农产品的支付意愿[13]、购买意愿[14-15]及购买行为[16]等方面，而探讨消费者对农产品质量安全数字化追溯平台使用意图的研究较为少见。胡云锋等[17]指出目前农产品质量安全追溯平台存在服务对象过窄、可持续服务能力弱等问题。也有学者指出之前的研究多集中于可追溯性上，在食品安全方面，消费者也很重要，应将可追溯性延展到消费者[4]。消费者在农业和食品系统中扮演着至关重要的作用，没有消费者的参与，商品或服务的销售、购买以及新产品的开发都将变得困难或不可能[18-19]，因此有必要研究影响消费者使用农产品追溯平台的因素。
【本研究切入点】以消费者为研究对象，对影响其使用农产品数字化追溯平台的因素加以分析，探讨消费者对于农产品数字化追溯平台的知识、感知有用性、态度对使用意图影响的内在机理。【拟解决的关键问题】构建数字化追溯平台，不仅仅需要政府的监管，农产品生产者的质量安全自我管理，还需要消费者的参与。本研究在技术接受模型（Technology Acceptance Model，TAM）的基础上，从消费者的角度探究影响其使用数字化追溯平台的因素，并针对性的提出相应的对策，在理论上丰富有关农产品可追溯的研究，为推广农产品质量安全数字化追溯平台、实现农业高质量发展提供参考。
1 理论基础与研究假设本研究考虑了技术接受模型的核心变量即感知有用性（Perceived usefulness，PU）、对技术的态度（Attitude，ATT），以及相关的结果变量即使用意图（Intention，IU）。此外，一些外部因素，即消费者对数字化追溯平台的相关知识（Knowledge，KN）也被纳入其中。
1.1 技术接受模型技术接受模型由Davis[20]首先提出，它包括用户动机的核心变量（感知易用性、感知有用性、对技术的态度）和结果变量（行为意图、技术使用）。在这些变量中，感知有用性（PU）和感知易用性（Perceived ease of use，PEOU）被认为是直接或间接解释结果的核心变量[21]。在本研究随机调研的291名消费者中，90% 以上的人员未听说过或使用过相关的农产品质量安全追溯平台，因此考虑到大多数消费者没有使用相关农产品质量安全追溯平台的经历，本研究主要关注感知有用性、态度和行为意图，而没有考虑感知易用性和实际的使用行为。许多研究表明，感知有用性直接影响着用户的使用态度（ATT）和使用意图（IU），如果产品被证明有用，个体更有可能对该产品形成积极的态度，并形成使用该产品的意愿[22]。另外，有学者指出，一些外部变量如消费者对某些特定产品的知识（KN）与感知有用性和态度显著相关[23]。
目前，技术接受模型已被用于消费者的意愿和行为研究，包括消费者对电动汽车的使用意图[23]、对健身app的使用意愿[24]、对农产品可追溯体系的接受意愿[6]等，这些研究均证明了技术接受模型在研究消费者意愿和行为方面的可靠性。
1.2 研究假设1.2.1 感知有用性、使用态度、使用意图 Davis[20]将感知有用性定义为个体认为使用特定技术可以提高其工作绩效并有助于实现价值目标的程度。数字化追溯平台是一种更高效、更安全、更方便的农产品追溯平台，可以提升消费者的购物体验，保障消费者的安全。将这一变量应用于农产品数字化追溯平台，即消费者认为数字化追溯平台有助于获取相关的农产品信息，减少获取相关信息的成本以及节省获取相关信息的时间等。在技术接受模型中，感知有用性直接影响个人对产品的态度和接受程度[21]。如果数字化追溯平台被证明是一种有用的工具，则个体更有可能对该平台形成积极的态度，并形成使用意图[21]。
态度指的是对特定对象或特定行为的积极或消极评价[25]。在技术接受模型中，个人对特定产品的态度对个体使用该项产品的意图有积极影响[22]。当个体对数字化追溯平台持积极态度时，其使用数字化追溯平台的意图也会增加；反之，如果个体对数字化追溯平台持消极态度，其使用数字化追溯平台的意图也会随之减少。研究表明，对特定产品的态度会显著影响消费者使用新产品的行为意图[23]。
行为意图指的是个体实施特定行为的意图。在技术接受模型中，感知有用性和态度对行为意图有直接的影响作用[20]，且3者之间的关系已在多项研究中得以证实[22-23]。基于以上分析，提出以下假设：
H1：消费者对数字化追溯平台的感知有用性正向影响消费者的态度。
H2：消费者对数字化追溯平台的感知有用性正向影响消费者的使用意图。
H3：消费者对数字化追溯平台的态度正向影响消费者的使用意图。
1.2.2 消费者对农产品数字化追溯平台的相关知识 Wang等[23]研究表明，知识是行为研究中的一个重要结构，在消费者的行为决策中起着至关重要的作用，个人对产品的了解会显著影响他们使用该产品的态度和意图。基于前人的研究，可以合理地预测，在农业食品领域中，对数字化追溯平台有更多了解的人更倾向于形成对数字化追溯平台的积极态度，也更有可能使用该平台。如果消费者对数字化追溯平台有更多的了解，例如熟悉数字化平台的好处，了解数字化平台的用途（方便自己收集相关的农产品信息、有利于应对农产品质量安全问题等），他们就更有可能持积极的态度并增加使用意图。此外，Liu等[22]研究表明，消费者对产品的相关知识与消费者对该产品的感知价值和感知有用性相关。基于同样的逻辑，可以合理地预测，当消费者对数字化平台的好处与用途有更多的了解时，他们更有可能相信数字化追溯平台是有用的，能够为他们和整个社会带来好处。基于以上分析，提出以下假设：
H4：消费者对于数字化追溯平台的相关知识正向影响消费者的感知有用性。
H5：消费者对于数字化追溯平台的相关知识正向影响消费者的态度。
H6：消费者对于数字化追溯平台的相关知识正向影响消费者的使用意图。
基与以上研究假设，本研究模型如图 1所示。
|
| 图 1 研究模型 Fig. 1 Research model |
2 研究设计 2.1 变量测量
调查问卷包括两大部分：一是消费者的个人特征，包括性别、年龄、受教育程度、使用智能手机的年限、希望平台具备的功能模块、使用其他农产品质量安全追溯平台或软件的情况等测量题目；二是问卷的主体部分，主要包括感知有用性、态度、使用意图、知识等测量题项。参考已有的成熟测量表，并结合本研究实际情况，采用李克特五点量表进行测量，程度分1（不同意）、2（较不同意）、3（一般）、4（较同意）、5（非常同意）5级，具体测量题项见表 1。
|
2.2 数据采集
本研究利用问卷星平台采用线上发放问卷的方式，共回收有效问卷291份。回收的问卷涉及全国多个省（区、市），包括广东（21.6%）、湖南（19.9%）、江苏（10.7%）、浙江（6.5%）、北京（5.8%）、福建（3.8%）、湖北（3.4%）、上海（3.4%）、安徽（3.1%）、陕西（2.4%）、四川（2.4%）、河南（1.7%）、山东（1.7%）、海南（1.7%）、贵州（1.4%）、广西（1.4%）、山西（1.0%）、河北（1.0%）、云南（1.0%）、辽宁（1.0%）、吉林（1.0%）、重庆（0.7%）、甘肃（0.7%）、黑龙江（0.7%）、天津（0.7%）、江西（0.7%）、青海（0.3%）。在291名调查对象中，男性占48.5%，女性占51.5%；18~25岁、26~30岁、31~40岁、41~50岁、51~60岁的成年人分别占总样本的18.9%、21.6%、21.3%、23.3%、9.9%；64.8% 的受访者具备大专及以上学历，19.9% 的受访者具备高中或中专学历，初中及以下的受访者占15.1%。在使用智能手机的年限中，87.5% 的受访者有5年及以上的使用年限，6.8% 的受访者有2~4年的使用年限，5.4% 的受访者有2年以下的使用年限。从表 2可以看出，本研究样本在性别、年龄、受教育程度方面分布较为均为，样本具有一定的代表性。
3 实证结果分析 3.1 信度和收敛效度
为了测量变量之间的内部一致性，本研究使用了Cronbach’s alpha和组成信度（CR）。Hair等[27]研究指出Cronbach’s alpha的下限值为0.6，本研究每个变量的Cronbach’s alpha均大于要求的最低值0.6[27]，组成信度（CR）均在0.8以上，大于要求的最低值0.7[28]。因此，本研究中使用的所有变量都是可靠和一致的。此外，本研究还采用了因素负荷量和平均抽取方差（AVE）评估变量的收敛效度，所有项目的因素负荷量均高于建议水平的0.6[29]，平均抽取方差（AVE）值均在0.5以上[28]（表 3）。
3.2 区别效度
Fornell等[28]在其研究中指出，当发现与自身结构相关的项目能够很好地解释该结构，而对其他结构的解释却很弱时，就可以说区别效度已经得到了证实。从区别效度的分析结果（表 4）可以看出，每个结构的AVE平方根（AVs）均高于其相关值，证实本研究的量表具有区别效度。
3.3 模型假设检验
为了确定概念模型与实际发生情况的吻合程度，需要估计不同的拟合指数。Jackson等[30]在其研究中总结了在论文中最常报告的几种指标，主要有chi-square/df、CFI、TLI、GFI、AGFI、RMSEA、SRMR。表 5结果显示，与模型相关的拟合度指标结果表明，所有参数均在可接受范围内，这证实模型的拟合度良好。
本研究使用结构方程统计分析软件AMOS24.0对模型进行实证分析检验，包含β值、显著性水平的模型如图 2所示，数据分析结果（表 6）显示，感知有用性对态度（H1：β=0.345，P < 0.001）和使用意图（H2：β=0.164，P < 0.001）在P < 0.001水平上均有显著的正向影响，态度对使用意图（H3：β=0.161，P < 0.01）在P < 0.01水平上有显著的正向影响，知识对感知有用性（H4：β=0.676，P < 0.001）和态度（H5：β=0.394，P < 0.001）在P < 0.001水平上均有显著的正向影响，而知识对使用意图没有直接影响。综上所述，除假设6外，其余假设均得到支持，其中知识对感知有用性（H4）的影响最大。
|
| 图 2 模型分析结果 Fig. 2 Model analysis results |
3.4 中介效应检验
由表 6可知，知识对使用意图没有直接的影响关系，为进一步了解知识和使用意图之间的关系，我们进行了中介效应分析，结果见表 7。从表 7可以看出，知识通过感知有用性对使用意图有显著的间接影响（β=0.111，P < 0.05，CI：0.025~0.236），知识通过态度对使用意图有显著的间接影响（β=0.363，P < 0.05，CI：0.000~0.116）。此外，知识通过感知有用性和态度（β=0.038，P < 0.05，CI：0.000~0.107）同时间接影响着使用意图。这表明感知有用性和态度在知识和使用意图之间起中介作用，并且感知有用性在知识与态度以及使用意图之间起多重中介作用。
4 讨论
本研究实证结果表明，消费者对数字化追溯平台的感知有用性对消费者态度（H1）和使用意图（H2）有显著的正向影响，态度对消费者使用数字化追溯平台的意图（H3）有显著的正向影响，这与技术接受模型的研究假设一致。感知有用性被证实是消费者使用数字化追溯平台态度和意图的重要预测因子，这意味着当消费者感知到数字化追溯平台的更多有用性时，他们更倾向于使用数字化追溯平台。因此，一些强调数字化追溯平台对消费者有用性的措施将有助于提高消费者对数字化追溯平台的使用意图。
消费者对于数字化追溯平台的知识对感知有用性（H4）、态度（H5）有显著的正向影响。事实上，已经有一些研究检验了知识在激励消费者形成行为意图方面的积极作用[23]。本研究在前人研究的基础上，进一步丰富了知识在技术接受模型中的相关应用。当消费者可以掌握更多有关数字化追溯平台的相关知识时，他们可以感知到的数字化平台的有用性也就越强烈，想要使用数字化追溯平台的态度也就越积极，这一发现也为数字化追溯平台的推广及应用提供了重要启示。我国目前已有多个省（区、市）上线有关农产品质量安全数字化追溯平台，这些平台将政府机构、农产品生产经营者以及广大的消费者联系起来，有助于实现农产品的高质量发展，提升消费者对农产品质量安全的信心。然而，在本研究随机调研的291名消费者中，鲜少有人知道且使用过相关的农产品追溯平台。结合这一现实问题，考虑到消费者对数字化追溯平台的知识对感知有用性和态度的积极作用，对消费者进行数字化追溯平台相关知识的普及可以被认为是提高消费者对数字化追溯平台使用意图的有效途径。
虽然知识通过态度以及感知有用性对使用意图之间的间接影响关系得到了验证，但知识对使用意图（H6）的直接影响关系没有得到支持。由于目前在农业领域中，数字化追溯平台仍处于一个探索的阶段，大部分人对数字化追溯平台仍持谨慎态度，再加上感知风险对消费者接受创新技术和产品有负面影响[23]。这也就是说，消费者虽然了解数字化追溯平台的优势及用途，但还是会受到使用数字化追溯平台可能带来的风险的影响。因此，即使消费者熟悉数字化平台的好处，了解数字化平台的用途，但直接形成相应行为意图的可能性还是比较小，这也可能是为什么H6在实证分析中没有得到支持的原因之一。
5 结论与建议本研究利用扩展的技术接受模型研究消费者对农产品数字化追溯平台的使用意图，从理论上解释了影响消费者使用数字化追溯平台的3个因素，结论如下：（1）感知有用性和态度作为技术接受模型的核心变量，显著正向影响着消费者对数字化追溯平台的使用意图。（2）知识对感知有用性和态度有显著的正向影响作用，且知识通过感知有用性和态度间接影响着消费者的使用意图。（3）知识对消费者使用数字化追溯平台的意图没有直接的影响关系，这可能与感知风险有关。
根据研究结论，提出如下建议：（1）在推广数字化追溯平台时，应首先考虑普及有关数字化追溯平台的相关知识。政府人员及其数字化追溯平台的开发机构可以利用微博、微信、抖音等社交媒体软件上线一些关于数字化追溯平台的培训视频，介绍数字化追溯平台的用途、性能、属性、优势等，向消费者传达有关数字化追溯平台的相关信息，从而可以让消费者更好的了解数字化追溯平台。（2）在消费者充分了解字化追溯平台后，引导消费者形成数字化追溯平台对自己获取有关农产品相关信息的有用性感知，培养消费者对数字化追溯平台的积极态度。从而激励消费者形成使用农产品数字化追溯平台的意图，促进数字化追溯平台的推广及应用。
同时，本研究也存在一定的局限：本研究仅强调了知识对消费者使用数字化追溯平台意图方面的影响作用，而没有关注其他因素的影响作用，比如感知风险、感知利益、便利性等，这也是下一步的研究方向；研究只测量了消费者对数字化追溯平台的使用意图，而没有考虑消费者的实际使用行为。有学者指出，消费者的行为意图和实际行为之间可能会存在一定的偏差[31]，说明使用意图并不一定会导致实际行为的发生。这在以后的研究中也需要考虑。
| [1] |
中共中央国务院关于做好二〇二二年全面推进乡村振兴重点工作的意见[N]. 人民日报, 2022-02-23(01). DOI: 10.28655/n.cnki.nrmrb.2022.001907. Opinions of the CPC Central Committee and the State Council on Doing a Good Job in Comprehensively Promoting the Key Work of Rural Revitalization in 2022[N]. People's Daily, 2022-02-23(01). DOI: 10.28655/n.cnki.nrmrb.2022.001907. |
| [2] |
易加斌, 李霄, 杨小平, 焦晋鹏. 创新生态系统理论视角下的农业数字化转型: 驱动因素、战略框架与实施路径[J]. 农业经济问题, 2021(7): 101-116. DOI:10.13246/j.cnki.iae.20210603.002 YI J B, LI X, YANG X P, JIAO J P. Agricultural digital transformation from the perspective of innovation ecosystem theory: Driving factors, strategic framework and realization path[J]. Issues in Agricultural Economy, 2021(7): 101-116. DOI:10.13246/j.cnki.iae.20210603.002 |
| [3] |
LATINO M E, MENEGOLI M, LAZOI M, et al. Voluntary traceability in food supply chain: a framework leading its implementation in Agriculture 4.0[J]. Technological Forecasting and Social Change, 2022, 178: 121564. DOI:10.1016/j.techfore.2022.121564 |
| [4] |
AUNG M M, CHANG Y S. Traceability in a food supply chain: Safety and quality perspectives[J]. Food Control, 2014, 39: 172-184. DOI:10.1016/j.foodcont.2013.11.007 |
| [5] |
ISLAM S, CULLEN J M. Food traceability: A generic theoretical framework[J]. Food Control, 2021, 123: 107848. DOI:10.1016/j.foodcont.2020.107848 |
| [6] |
徐姝, 夏凯, 蔡勇. 消费者对农产品可追溯体系接受意愿的影响因素研究——基于扩展的技术接受模型视角[J]. 贵州财经大学学报, 2019(1): 82-92. DOI:10.3969/j.issn.1003-6636.2019.01.009 XU S, XIA K, CAI Y. Study on the Influential factors of consumer acceptance for the food traceability system-Based on an extended technology acceptance model perspective[J]. Journal of Guizhou University of Finance and Economics, 2019(1): 82-92. DOI:10.3969/j.issn.1003-6636.2019.01.009 |
| [7] |
张驰, 张晓东, 王登位, 王亚辉. 农产品质量安全可追溯研究进展[J]. 中国农业科技导报, 2017, 19(1): 18-28. DOI:10.13304/j.nykjdb.2016.196 ZHANG C, ZHANG X D, WANG D W, WANG Y H. Research progress on safety traceability of agricultural product quality[J]. Journal of Agricultural Science and Technology, 2017, 19(1): 18-28. DOI:10.13304/j.nykjdb.2016.196 |
| [8] |
郑业鲁, 刘晓珂, 郭洛先, 黄红星, 钟宁江, 曾祥银. 基于供应链的蔬菜安全溯源系统的设计与实现[J]. 广东农业科学, 2016, 43(1): 145-150. DOI:10.16768/j.issn.1004-874X.2016.01.026 ZHENG Y L, LIU X K, GUO L X, HUANG H X, ZHONG N J, ZENG X Y. Design and implementation of vegetable safety traceability system based on supply chain[J]. Guangdong Agricultural Sciences, 2016, 43(1): 145-150. DOI:10.16768/j.issn.1004-874X.2016.01.026 |
| [9] |
ISLAM S, CULLEN J M, MANNING L. Visualising food traceability systems: A novel system architecture for mapping material and information flow[J]. Trends in Food Science & Technology, 2021, 112: 708-719. DOI:10.1016/j.tifs.2021.04.020 |
| [10] |
吴秀敏, 严莉. 食用农产品企业建立可追溯系统经济效益影响因素实证分析——以四川、河南两省80家企业为例[J]. 广东农业科学, 2012, 39(11): 219-223. DOI:10.16768/j.issn.1004-874X.2012.11.018 WU X M, YAN L. Edible agricultural products enterprises to estabilsh a traceability system economic benefits influence factors emprirical analysis-The samples for 80 enterprises from sichuan and Henan province[J]. Guangdong Agricultural Sciences, 2012, 39(11): 219-223. DOI:10.16768/j.issn.1004-874X.2012.11.018 |
| [11] |
郭锦墉, 肖剑. 内部治理结构、外部支持与农民合作社农产品质量可追溯参与行为[J]. 农业经济与管理, 2022(1): 93-106. GUO J Y, XIAO J. Govering structure, external support and farmer cooperatives' traceability participation of agricultural product quality[J]. Agricultural Economics and Management, 2022(1): 93-106. |
| [12] |
王萌, 沈鑫琪, 乔娟. 食品可追溯体系对养殖户用药行为的影响——对信息传递、政策情境机制的检验[J]. 南京农业大学学报(社会科学版), 2021, 21(4): 168-178. DOI:10.19714/j.cnki.1671-7465.2021.0066 WANG M, SHEN X Q, QIAO J. The impact of food traceability system on the drug use behavior of farmers: A test of information transmission and policy situation mechanism[J]. Journal of Nanjing Agricultural University(Social Sciences Edition), 2021, 21(4): 168-178. DOI:10.19714/j.cnki.1671-7465.2021.0066 |
| [13] |
应瑞瑶, 侯博, 陈秀娟, 徐玲玲. 消费者对可追溯食品信息属性的支付意愿分析: 猪肉的案例[J]. 中国农村经济, 2016(11): 44-56. YING R Y, HOU B, CHEN X J, XU L L. Analysis of consumers' willingness to pay for traceable food information attributes: The case of pork[J]. Chinese Rural Economy, 2016(11): 44-56. |
| [14] |
张海峰, 王珺, 万陆, 李玉芝. 广州市消费者对可追溯猪肉消费意愿及影响因素的实证研究[J]. 广东农业科学, 2016, 43(9): 183-192. DOI:10.16768/j.issn.1004-874X.2016.09.027 ZHANG H F, WANG J, WAN L, LI Y Z. Consumers' preferences and willingness to pay for traceable pork in Guangzhou[J]. Guangdong Agricultural Sciences, 2016, 43(9): 183-192. DOI:10.16768/j.issn.1004-874X.2016.09.027 |
| [15] |
康娟, 李志刚. 基于ABC态度模型的可追溯农产品购买意愿研究[J]. 北方园艺, 2020(3): 149-157. KANG J, LI Z G. Research on the purchase intention of agricultural products based on the tricomponent attitude model[J]. Northern Horticulture, 2020(3): 149-157. |
| [16] |
刘增金, 乔娟, 王晓华. 品牌可追溯性信任对消费者食品消费行为的影响——以猪肉产品为例[J]. 技术经济, 2016, 35(5): 104-111. DOI:10.3969/j.issn.1002-980X.2016.05.016 LIU Z J, QIAO J, WANG X H. Influence of brand's traceability trust on consumers' food consumption behavior: taking pork products as example[J]. Journal of Technology Economics, 2016, 35(5): 104-111. DOI:10.3969/j.issn.1002-980X.2016.05.016 |
| [17] |
胡云锋, 孙九林, 张千力, 韩月琪. 中国农产品质量安全追溯体系建设现状和未来发展[J]. 中国工程科学, 2018, 20(2): 57-62. HU Y F, SUN J L, ZHANG Q L, HAN Y Q. Current status and future development proposal for Chinese agricultural product quality and safety traceability[J]. Strategic Study of CAE, 2018, 20(2): 57-62. |
| [18] |
BENSON T, LAVELLE F, SPENCE M, ELLIOTT C T, DEAN M. The development and validation of a toolkit to measure consumer trust in food[J]. Food Control, 2020, 110: 106988. DOI:10.1016/j.foodcont.2019.106988 |
| [19] |
NUTTAVUTHISIT K, THOGERSEN J. The Importance of consumer trust for the emergence of a market for green products: the case of organic food[J]. Journal of Business Ethics, 2017, 140(2): 323-337. DOI:10.1007/s10551-015-2690-5 |
| [20] |
DAVIS F D. Perceived usefulness, perceived ease of use, and user acceptance of information technology[J]. Mis Quarterly, 1989, 13(3): 319-340. DOI:10.2307/249008 |
| [21] |
MARANGUNIć N, GRANIć A. Technology acceptance model: A literature review from 1986 to 2013[J]. Universal Access in the Information Society, 2015, 14(1): 81-95. DOI:10.1007/s10209-014-0348-1 |
| [22] |
LIU Y, HONG Z, ZHU J. Promoting green residential buildings: Residents' environmental attitude, subjective knowledge, and social trust matter[J]. Energy Policy, 2018, 112(1): 152-161. DOI:10.1016/j.enpol.2017.10.020 |
| [23] |
WANG S, JING W, LI J. Policy implications for promoting the adoption of electric vehicles: Do consumer's knowledge, perceived risk and financial incentive policy matter[J]. Transportation Research Part A Policy & Practice, 2018, 117: 58-69. DOI:10.1016/j.tra.2018.08.014 |
| [24] |
崔洪成. 移动健身App使用意愿研究——基于技术准备度与技术接受模型(TRAM)[J/OL]. 中国体育科技: 1-10[2022-04-19]. DOI: 10.16470/j.csst.2020116. CUI H C. Research on the usage willingness of mobile fitness app-Based on technology readiness and technology acceptance model(traM)[J/OL]. China Sport Science and Technology: 1-10[2022-04-19]. DOI: 10.16470/j.csst.2020116. |
| [25] |
AJZEN I. The theory of planned behavior[J]. Organizational Behavior and Human Decision Processes, 1991, 50(2): 179-221. |
| [26] |
CHIU Y B, LIN C P, TANG L L. Gender differs: Assessing a model of online purchase intentions in e-tail service[J]. International Journal of Service Industry Management, 2005, 16(5): 416-435. |
| [27] |
HAIR J, Jr BLACK W C, BABIN B J. Multivariate data analysis(7th ed.)[M]. Upper Saddle River, NJ: Prentice Hall, 2010.
|
| [28] |
FORNELL C, LARCKEER D F. Evaluating structural equation models with unobservable variables and measurement error[J]. Journal of Marketing Research, 1981, 18(1): 39-50. DOI:10.1177/002224378101800312 |
| [29] |
CNIN W W. Issues and opinion on structural equation modeling[J]. MIS Quarterly, 1998, 22(1): 7-16. |
| [30] |
JACKSON D L, GILLASPY J A, PURC-STEPHENSON R. Reporting practices in confirmatory factor analysis: an overview and some recommendations[J]. Psychological Methods, 2009, 14(1): 6-23. DOI:10.1037/a0014694 |
| [31] |
SULTAN P, TARAFDER T, PEARSON D. Intention-behaviour gap and perceived behavioural control-behaviour gap in theory of planned behaviour: moderating roles of communication, satisfaction and trust in organic food consumption[J]. Food Quality and Preference, 2020, 81: 103838. DOI:10.1016/j.foodqual.2019.103838 |
（责任编辑 邹移光）