1. TAM2模型与结构方程模型基础第一次接触技术接受模型TAM时我盯着那些感知有用性、使用态度的术语发懵——直到把手机里的外卖App代入才豁然开朗。TAM2作为经典TAM的扩展版本新增了社会影响和认知工具等外部变量就像解释为什么同事都用某款软件后我也会觉得它好用这类现象。结构方程模型SEM则是验证这类复杂关系的利器它能同时处理潜变量如用户态度和观测变量如问卷评分。在真实项目中踩过的坑告诉我样本量不足200时模型估计会像用模糊镜头拍照。有次分析在线教育平台数据发现样本只有150份CFA结果波动得像过山车最后不得不重新收集数据。样本量、正态分布和测量工具质量是SEM分析的三大基石缺一不可。2. 研究设计与测量工具开发2.1 概念模型构建构建TAM2模型就像搭积木底层是感知易用性和感知有用性两块基础积木上层叠加社会影响和使用意向等组件。我在电商平台用户研究中曾增加价格敏感度作为调节变量结果发现对高单价商品技术易用性的影响会减弱20%。理论框架需要明确每个构念的定义比如感知有用性在在线医疗场景可操作化为节省就诊时间的程度。2.2 量表选择与改编直接套用经典量表翻过车——某次用Davis的TAM量表测老年人结果Cronbachs α值低至0.6。后来发现我认为系统能提升工作效率的表述对退休群体无效。量表适配需要三步走回溯原量表的开发文献进行焦点小组访谈预测试时监控项目-总分相关系数建议0.53. 数据收集与预处理3.1 抽样策略线上调查最容易掉进样本偏差的陷阱。有次分析在线课程数据回收的500份问卷中80%是女性导致性别调节效应完全失真。分层抽样配合问卷星的人口筛选题能有效控制样本结构我常用的配额标准包括年龄18-25/26-35/36使用频率周均3次以下/以上设备类型移动端/PC端3.2 数据清洗处理过一份神奇的数据——某受访者在1-5分的量表上全部选3。这种直线型回答要用马氏距离结合响应时间筛查。SPSS操作路径SELECT IF (MAX(V1 TO V20) - MIN(V1 TO V20)) 1. EXECUTE.共同方法偏差检验推荐Harman单因子检验但AMOS的CFA方法更可靠。有次发现CMV解释量达45%通过加入方法因子才拯救了模型。4. 信效度检验实战4.1 信度分析克隆巴赫α系数不是越高越好某金融APP研究中出现α0.95检查发现是反向题编码错误。组合信度(CR)更稳定AMOS计算步骤运行验证性因子分析点击Plugins Validity and Reliability Test查看CR列阈值0.74.2 效度检验三部曲4.2.1 探索性因子分析(EFA)主轴因子法斜交旋转的组合最适合量表开发。有次用主成分分析提取出双因子但理论上是单维构念改用主轴法后载荷矩阵更清晰。关键指标KMO0.7累计方差解释率60%交叉载荷0.44.2.2 验证性因子分析(CFA)拟合指标就像体检报告CFI0.9算及格0.95优秀RMSEA0.08可接受。遇到拟合不佳时我常通过MI值释放某些误差项相关如系统响应快和操作流畅的误差相关。4.2.3 区分效度HTMT指标比Fornell-Larcker准则更敏感。某智能家居研究发现感知易用性与使用意向的HTMT值为0.89通过增加系统学习成本测量题才降到0.82。AMOS操作Tools Calculate Estimates View Text Output HTMT Matrix5. 结构方程模型构建5.1 路径分析第一次画AMOS路径图时把调节效应画成了中介被导师圈出来打了三个问号。标准化系数解释更直观0.1-0.3 弱效应0.3-0.5 中等效应0.5 强效应5.2 模型修正遇到卡方值爆表别慌按这个顺序检查释放MI10的参数删除不显著路径p0.05增加外生变量相关有次模型CFI卡在0.88发现是遗漏了感知风险到使用意向的路径增加后直接提升到0.93。5.3 结果可视化AMOS默认输出的小数位数不够论文要求通过以下设置调整View Interface PropertiesFormats New Format命名为std3设置为z.zzz 最终输出的模型图会像期刊要求那样保留三位小数。