《1互联网采纳与使用打印.doc》由会员分享，可在线阅读，更多相关《1互联网采纳与使用打印.doc（16页珍藏版）》请在三一办公上搜索。
1、对互联网特征、需求、风行程度的认知：互联网在中国的采纳与使用 本文于2002发表于Communication Research 传播研究期刊第20卷第4期，pp.466-495。何舟为香港城市大学英文与传播系副教授。本研究经费由香港大学资助委员会CERG基金项目（CityU 1152/00H/9040555）提供。本文的部分发现已于2000国际传播协会年会（华盛顿）“互联网在华人中的使用与影响”研讨组 上另文发表。摘要互联网近年来在世界上人口最多的中国得到迅速发展。为了分析中国受众的互联网采纳与使用，本研究围绕扩散过程中的三个核心变量认知（即，perceived characteristics
2、 of the Internet对互联网特征的认知）、动机（即，perceived need for the Internet对互联网需求的认知）、社会环境（即，perceived popularity of the Internet对互联网风行程度的认知）发展出一个综合性的研究框架。与传统的创新扩散研究不同，本文把互联网采纳定义为一个包含四个可以互相转化的类别的变量，以考察人们为何中断互联网采纳。本文还把互联网使用整合到扩散过程中来，从而研究人们对互联网进行“再创造”的过程。来自北京和广州2500名住户的调查数据大体上支持了本文所提出的理论模型。特别值得一提的是，虽然所有三个变量都对互联网采
3、纳有显著影响，对互联网需求的认知（PNI）是唯一能显著预测互联网使用的变量。本文突出了从理论出发进行新媒体研究的重要性。引言1999年3月比尔盖次访问中国，推出了维纳斯电脑（Venus Computer）这款廉价机顶盒。它能帮助中国消费者把有线电视连上互联网（微软1999年）。有鉴于微软强大的技术和财力支持，维纳斯电脑似乎就是13亿中国人上网所需要的东西。出人意料的是，对于这项便宜好用、兼容性强、且极富弹性的技术，中国受众并没有显示出多大兴趣。 但同时，互联网正在以惊人的速度在中国发展。我们的调查结果表明，大城市中有超过四分之一的居民正在使用互联网。考虑到互联网在中国所面临的诸多障碍，如政府对
4、内容的严密控制（Huang & Hao, 1998）、信息基础设施建设不足、普通消费者难以接受的运营成本、以英语为主导的互联网所带来的语言障碍等等，这个发展速度可谓奇迹。创新扩散论是帮助我们解读这个奇迹的首要理论工具。它为本研究提供了一个必不可少的起点。然而，本文主旨不是在中国环境中对创新扩散论做一次简单的验证，虽然这样做或许会非常有趣和有意义。我们希望通过拓展、修正、以及介绍一批新概念来提升现有的扩散研究。中国提供了一个合适的研究地点，在这里我们得以展开大型的追踪性田野调查。但是我们的理论概念却并不仅适用于中国或局限于互联网，而且我们的研究发现也可以推广到其它社会和其它媒体技术。理论框架走出
5、“重创新偏见”扩散研究的“最大缺陷”就是所谓的“重创新偏见”（pro-innovation bias），即强调人们对创新的采纳和忽视人们对创新的拒绝、中断采纳、以及再创造（Rogers, 1995, p.100）。虽然“重创新偏见”是由研究经费来源，逻辑、方法和政治上的考虑所导致的，Rogers（1995, p.105）指出，它已经把扩散研究带到一个尴尬境地，使我们“对创新成功知之甚多，对创新失败知之甚少。”最终，这种偏见阻碍了我们对扩散过程的充分认识，因为并不是所有的创新都是成功的。事实上，拒绝、中断或再创造有的时候比成功更有研究价值。尽管许多研究者认识到了这个偏见，但付诸行动对它进行纠正的
6、人却很少（Rogers, 1995）。互联网研究的短短历史也未能幸免于此。虽然有关互联网扩散的文献与日俱增，大多数研究结果都是重复我们早已知道的发现，如社会经济地位对互联网采纳的影响。将近十年过去了，我们对创新（即互联网）认知和采纳（或拒绝）动机还是一知半解，而对互联网的中断采纳和再创造过程则更加是毫无所知。图一：各类因素对互联网采纳和使用的影响个人特征年龄性别教育程度家庭收入职业婚姻状况创新性等等对互联网特征的认知（PCI）相对优越性兼容性易用性效果可展示性社会地位对互联网需求的认知 （PNI）新闻需求工作资讯需求个人资讯需求表达需求娱乐需求人际交往需求对互联网风行程度的认知 （PPI）家庭
7、成员中首属群体中同行中普通大众中互联网的采纳持续采纳者（现网民）中断采纳者（前网民）潜在采纳者（潜在网民）持续非采纳者（非网民）互联网使用浏览网上新闻搜索工作相关信息搜索个人感兴趣信息网上聊天与讨论收发电子邮件网上游戏与娱乐Rogers（1995, pp. 106-112）提出了一系列克服“重创新偏见”的办法，比如在扩散进行过程中展开追踪调查（来观察人们对它的拒绝、中断采纳、或再创造），多问“为什么”（即认知和动机），以及考察创新接受、拒绝或再创造的社会宏观背景。基于上述策略，我们发展了一个综合性的理论框架，分别强调了认知、动机和社会环境对互联网采纳、拒绝、中断采纳、以及再创造的影响（见图一）
8、。采纳类别如图一所示，我们的理论模型包括两个因变量：互联网采纳和使用。作为扩散研究一直以来的自变量，创新采纳一般被定义为二项变量（采纳/拒绝）或一个线性连续变量（从创新者到早期采纳者、早期追随者、晚期追随者、再到局外者）。我们对这个变量进行了修正，使它包括四个动态的类别，即“持续采纳者（现网民）”、“中断采纳者（前网民）”、“潜在采纳者（潜在网民）”、和“持续非采纳者（非网民）”。和二项或连续分类方法相比，这个新的分类方法具有其独特优势。例如，它让我们不仅可以研究互联网采纳的中断，而且可以研究从采纳到拒绝的动态过程。正如我们早先对美国人报纸订阅行为的研究表明（Zhu & Weaver, 198
9、9），人们中断订阅的原因有很多。有些人是因为迁居他乡，一旦在新地方定居下来，他们就会重新订阅。因此，除了社会流动性更大，这些中断订阅者和持续订阅者并没有显著差别。还有一些人，他们最初是受到折扣的吸引而订阅报纸，但后来却发现自己并不需要它而中断订阅。这些人和最初就对促销伎俩不屑一顾的非订阅者很相近。虽然报纸和互联网在技术上有很大不同，我们相信两者的扩散过程在根本上是一致的。有些网民因为暂时的原因中断互联网采纳，而随着环境的改变有些非网民迟早会加入到互联网俱乐部中来。从人们从一个类别转换为另一个类别的原因和时间上，我们可以得到许多有益发现。本研究是一项长期追踪性研究的“第一波”，因此不可能考察跨类
10、别转换的时续。但是，我们的研究表明，这个分类方法能帮助我们从跨区域的调查数据中发掘丰富的信息。从采纳到使用我们的理论模型把互联网使用当作第二个因变量，从而把采纳后阶段整合到（至少是部分整合到）扩散过程中来。一般来说，对任何创新的使用都包括一些再创造过程。众所周知，互联网是一种持续再创造的技术。因此，它为我们提供了独一无二的研究扩散过程中的再创造的机会。和普通的电子产品不一样，采纳互联网远不止是一个简单的购买决定。互联网的采纳后过程（使用）可能更加有趣且含义丰富。另一方面，传统媒体使用对技能要求不高，而互联网使用不仅仅需要硬件投资，也需要知识和技能的提高。然而创新扩散论对我们理解采纳后阶段没有多
11、大帮助。因此，我们把目光转向了使用于满足理论。这个理论是大众传播学研究中的一个传统取向，但是过去被人们武断地与扩散研究割裂开来。使用与满足理论把媒体采纳或接触作为既定条件，重点关注人们如何使用媒体来满足社会及心理需求（Rubin, 1994）。用该理论来研究互联网，则采纳仅仅是起点，而不是终点。正如采纳不仅包括接受或拒绝，采纳后过程（使用）也涵盖了广泛的领域，比如信息搜索、休闲、建立与维持社会关系、个人实现等等。因此，非常有必要弄明白导致互联网使用和采纳的原因是否一致。通过把创新扩散论和使用与满足理论结合起来，我们确认了三个理论概念，以代表互联网采纳与使用背后的推动力。它们的影响力在控制住各类
12、人口和社会经济特征之后仍然显著。因为人口和社会经济特征在媒体扩散和使用中的影响已经被反复论证，本研究仅会把它们当作控制变量，不会提出有理论意义的相关假设。另外一方面，本模型的三个自变量则代表了过去互联网研究经常忽视的三个方面：认知（即，perceived characteristics of the Internet对互联网特征的认知）、动机（即，perceived need for the Internet对互联网需求的认知）、社会环境（即，perceived popularity of the Internet对互联网风行程度的认知）。对互联网特征的认知（Perceived Charact
13、eristics of the Internet, PCI）我们认为，扩散研究的最重大发现是，创新的采纳与该创新的客观特征（如技术优点或经济价值）的关系往往不如它与该技术的主观特征（如潜在采纳者对其优点和价格的主观认知）的关系强。Rogers（1995）证明，人们对创新的如下五个特征的评价对采纳决策至关重要：相对优越性（人们在多大程度上认为某创新比旧技术好），兼容性（人们在多大程度上认为某创新与现有的价值观、需要、过去的经验相一致），复杂性（人们在多大程度上认为创新难以使用），可观测性（人们在多大程度上可以观测到创新的效果），可试性（人们在多大程度上可以对创新进行试用）。Rogers对创新特征
14、认知的分类旨在涵盖从消费产品到组织革新等等所有创新。但是，许多有关信息技术的研究发现，前面提到的某些特征（如相对优越性和兼容性）在实证研究中难以分辨，而另外一些特征则包括明确的亚特征（如可观测性可分为效果可展示性与效果显著性）（Moore & Benbasat, 1999）。研究者还提出了一些新的认知特征，例如社会地位（人们在多大程度上认为使用某创新可以提高他们在社会中的形象与地位）和自愿性（创新使用在多大程度上是出于自愿或自由意志）（Tornatzky & Klein, 1982）。在上述大量且分散的文献基础上，本研究提出了五种与互联网采纳和使用特别相关的认知特征：相对优越性、兼容性、易用性
15、（复杂性的反面）、效果可展示性（作为可观测性的一部分）及社会地位。上述五个特征构成对互联网特征的认知（PCI）的操作化概念。为求间洁且避免重迭，我们把另外一些常见的特征，如可试性、效果显著性（可观测性的另一部分）和自愿性剔除在外。假设1a：对互联网特征评价越好的人越有可能采纳它。假设1b：对互联网特征评价越好的人越有可能使用它。对互联网风行程度的认知 (Perceived Popularity of the Internet, PPI)扩散理论强调社会制度在新媒体采纳与使用上的重要性（Rogers，1995）。但是，对社会制度的影响的实证调查却如凤毛麟角。Mcleod 和Blumber（198
16、7）注意到，造成这种匮乏的主要原因是社会制度的影响只能通过跨国比较来认识，但是这样的比较研究数据却往往难以获得。对社会制度的认知这一概念提供了一个间接的但有效的研究角度。例如，Rogers在他的创新扩散模型中，明确地把对社会规范的认知（Perceived Social Norms, PSN）当作对社会制度认知的一个操作化测量方法（Rogers, 1995）。其它扩散论学者使用“社会氛围”，“社会压力”，“文化时尚”， “搭便车”等概念来描述社会规范认知在扩散过程中所扮演的核心角色。社会规范认知（PSN）的核心假设是，对新媒体技术的采纳与使用也许并非出于实际需要，而是迫于所感知的社会压力。它和扩
17、散研究的社会关系网络视角不谋而合。后者认为，事实上或感知上的“临界群体”（critical mass）是决定扩散曲线是否“起飞”的下限。普遍认为，社会规范在中国这样一个集体主义社会中的影响力更大。在中国，人们对新媒体技术，如有线电视、VCD播放器和手机等表现出极大的热情。令人惊奇的是，这些新媒体在中国特别是在城市人口中的普及率，比许多工业化国家还高。这一点很难从传统经济学的购买力研究上得到解释。以中国的消费标准来看，手机是昂贵的奢侈品。平均来讲，购买一个手机要花费国人两个月的工资，而每个月的服务费则相当于个人月收入的10。然而，目前中国有超过9千万的手机用户，30%为城市人口 2000年12月
18、在北京和广州的调查发现两地41成年市民使用手机。由此可以相信，推动人们采纳手机的社会力量也会驱使人们上网，毕竟互联网在过去的几年内已经吸引了前所未有的媒体关注。简言之，无论是现有的理论还是中国实际情况都要求我们从实证角度检测社会规范认知（PSN）对互联网采纳与使用的影响。为了使它更加具体化，我们采用“对互联网风行程度的认知”（PPI）来作为社会规范认知的操作化定义，并提出以下假设：假设2a：认为互联网在社会中越风行的人越有可能采纳它。假设2b：认为互联网在社会中越风行的人越有可能使用它。对互联网需要的认知使用与满足理论考察社会和心理需求如何推动人们使用不同的媒体来满足需求（Rubin，1994
19、）。在众多文献中，使用与满足理论的两个分支与互联网研究特别相关，因为它们关注的是需求“如何”（how）指导媒体消费，而不是受众需求是“什么”（what）。第一个分支是期望价值理论（Expectancy-Value Theory, Palmgreen & Rayburm, 1985）。该理论认为媒体使用受到人们认知到的媒体所能提供的功能和对此功能重要性的主观评价的综合影响。此论点可用一个非线性方程式来表述：公式一GSi = bi ei 公式一其中GSi 表示个人从该媒体获得的对需求i的满足，bi是个人对媒体是否具有满足需求i的功能的信念，而ei则是个人对媒体此项功能的情感评估。期望价值论明确地阐
20、述了这样一个理念，即，受众主动且有目的地使用媒体，且使用之后获得（或未获得）的满足来自于一个对期望与价值判断（如对个人目标的重要性）的核算过程。Rosengren （1974）提供了媒体使用的另一种解释。他认为，受众选择某一特定媒体渠道来满足需求有两个前提条件：对现有渠道感到不满（即“问题”）和感知到其它可供选择的渠道（即“解决”）。只有当问题与可能的解决方案均得到确定时，人们才会有使用某一个特定媒体的动机。这就是问题解决理论（problem-solution theory），它为我们研究各种选择性方案（即不同的媒体渠道或内容）的相互竞争提供了一个有效的理论分析工具。把期望价值理论和问题解决理
21、论相结合，我们提出了一个新的概念，即“新媒体需求”（Perceived Need for New Media, PNNM）。这个概念认为，当且仅当人们发觉其生活中某一重要需求已经无法被传统媒体满足、却可以被新媒体满足的时候，他们才会使用新媒体（Zhu & He, 2002）。上述观点可以通过下面这个乘法方程式得到正式表述公式二其中，PNNMi是某人i认知到的对新媒体需求的总量，SIij 是其对新媒体在满足某一特定需求j方面的预期满意度，SOij 是其对传统媒体在满足需求j方面的预期满意度，而Iij 是需求j相对于其它需求的重要程度。与Palmgreen和 Rayburm的模型（见公式一）把所有
22、媒体形式统一地看成满足个人需求的一个整体渠道不同，我们的PPNM操作化定义强调不同媒体渠道（如新媒体和旧媒体）之间的竞争是人们采纳与使用新媒体的推动力。在当前研究中，我们把对互联网需求的认知（perceived need for the Internet, PNI）当作PNNM在互联网研究中的一个特定版本，并通过下面两个假设来检验其影响：假设3a：认知到更大的互联网需求的人越有可能采纳它。假设3b：认知到更大的互联网需求的人越有可能使用它。研究方法抽样过程因研究经费所限，本研究只在北京和广州两个城市进行。北京和广州属于是中国最大城市和中国最发达地区。选择这两个城市的原因是它们能够代表中国未来的
23、发展趋势。正如我们在研究电视在中国时所发现的，新媒体技术在中国的扩散仅仅是时间的问题，大城市要比其它地区领先几年（Zhu, 1997c; 1999）。因此，我们有理由相信在北京和广州两地的研究发现在不久的将来也会适用于其它地区。在许多大城市中（比如还有上海），我们单单选择北京和广州，因为他们分别代表北方（北京）和南方（广州），同时也是为了使中国大陆调查可以和我们在香港的调查进行比较（Zhu & He, 2002）。虽然电话访问在中国主要城市的可行性与日俱增，我们仍然决定采取面访的方式来完成我们费时颇长的问卷调查。网民的面访时间约为30分钟，非网民的面访时间约为20分钟。北京和广州的样本，我们是
24、通过“多阶段、先等比、后配额”随机抽样法取得。第一阶段，随机抽取250个居委会，北京100个，广州150个，然后搜集抽中居委会的所有住户地址组成样本框架本次抽样调查是三年跟踪调查的首次。由于以往两城市调查样本流失率较高，我们特意加大了样本量。在第二阶段，从每一抽中的居委会中随机抽出30个住户，北京的3000个，广州的4500个组成初始样本。在最后阶段，从每一住户中，随机抽出一名18至74岁的成年居民。如果抽中的住宅中无人居住或抽中的被访者不在家，访问员在不同日期与不同时间作五次回访。我们委托当地市场调查研究公司于2000年11月至12月进行入户调查。最终样本有2664名被访者，其中1116名来
25、自北京，1548名来自广州。在95的置信水平上，此样本的抽样误差约为/-1.9%。根据美国舆论研究协会（AAPOR 2000）第三计算公式RR3 RR3=I/（I+P+R+NC+eU），其中I是成功数，P是访问中断数，R是拒绝数，NC是未能接触数，eU是身份不明者中合格者之估计数。参见The American Association for Public Opinion Research （2000）。，调查成功率总体为50，其中北京是61，广州39。随后，我们对数据进行加权处理，以消除非随机抽样所带来的误差。首先，我们把广州的样本减小39以等同北京样本数，这样以来，样本总量降低到2232，每
26、个城市各占一半。然后，我们根据各个城市人口的年龄和性别的交叉分布来进一步对数据加权。与初始样本相比较，加权后的样本在主要统计数据上（如网民比率）更加保守。下面报告的所有数据，都是以加权后的样本为基础的。变量测量互联网采纳 如前所述，我们把互联网采纳定义为一个包含四个可以互相转化的类别的变量。为了测量它，我们询问被访者两个问题：“你是否使用互联网？”和“如果不是，你在今后一年内是否会用？”被访者被明确告知，上网不但包括浏览网页，而且包括收发电子邮件、网上聊天、购物、炒股等其它行为。根据对上述两个问题的回答，被访者被分为四类：（1） 持续采纳者（现网民），（2）中断采纳者（前网民），（3）潜在采纳
27、者（潜在网民，有可能在一年内上网），和（4）持续非采纳者（非网民，不可能在近期上网）。互联网使用 如前所述，互联网使用是一个多维概念，在测量的时候，既可以关注上网时间，也可以关注上网频率、所访问网站及内容的类型、以及其它方面。我们所使用的方法或许是最基本的，那就是测量网民花在以下六种活动上的时间（分钟/周）：（1）浏览网上新闻，（2）搜索工作或学习相关的信息，（3）搜索个人感兴趣的信息，（4）网上聊天与讨论，（5）收发电子邮件，（6）网上游戏与娱乐。从理论上来说，以上六个上网时间项目肯定是互相相关的，因为每人每天的时间固定为24小时，所以各项上网活动的时间分配遵循“零和游戏”（zero-sum
28、 game）规则。我们的实证调查数据表明，这六个变量之间有较弱的正相关关系，相关系数从.05（网上聊天和搜索个人感兴趣的信息）和.07（收发邮件和网上娱乐）到.30（收发邮件和搜索工作相关信息）和.34（浏览新闻和收发邮件）。因为相关性比较弱，这六个变量不能合成为一个综合指数，所以，在统计分析种，它们被分别当作独立变量。 对互联网特征的认知 PCI涵盖五个方面，包括相对优越性、兼容性、易用性、效果可展示性及社会地位。针对每个特征，我们都使用了两项问题从五级量表上予以测量（问题参见附录）。如表一所示，中国受众对互联网相对优越性的评价最高，在五级量表上，其均值为3.68；其次是效果可展示性，其均值
29、为 3.26；最后是兼容性，其均值为3.16。受众对易用性的评价较中立，其均值为 2.98；而对社会地位的评价最低，其均值为2.57。结果还表明，五个特征的测量方法都有较高的内在信度（internal reliability） 信度是指使用相同的技术（如问卷）来测量同一个对象时，得到相同结果的机率（Babbie, 1998）。一般来说，如果各项问题之间一致性比较高，即相关性比较高，信度就比较高。在统计学上，一般使用Cronbachs a来报告信度。，其Cronbachs a从.66到.89不等。同时，对五个特征之间的内在相关性的研究表明，它们之中的四项（社会地位除外）高度相关。也就是说，至少在
30、互联网扩散阶段，中国受众很少对互联网的上述四项特征予以区别。因此，在随后的分析中，为避免它们之间的多维相关影响统计结果， 我们将这四个相关度很高的特征合成一个综合指数（ACED），这个指数共涵盖八项问题，代表相对优越性兼容性易用性效果可展示性（Cronbachs a=.88）。而社会地位将作为一个单独变量。表一：对互联网特征的认知（PCI）的五个方面的均值、 标准差、内在信度和之间的相关系数 对互联网特征的认知（PCI）的五个层面相对优越性兼容性易用性效果可展示性社会地位均值3.683.162.983.262.57标准差.901.001.03.94.96Cronbachs a.89.86.80
31、.74.66相对优越性1.00兼容性.60*1.00易用性.39*.57*1.00效果可展示性.48*.50*.54*1.00社会地位.17*.22*.15*.25*1.00* p .05; * p .01; * p .001.对互联网的风行程度的认知 为测量PPI，我们请被访者回答以下四个问题：（1）家庭成员中的网民人数；（2）亲戚、朋友与熟人中网民所占比例；（2）同行中网民所占比例；（3）普通社会大众中网民所占比例（问题参见附录）。结果表明，四个变量之间的相关关系非常微弱，相关系数从.13 （同行中网民比例与普通大众中网民比例）到.37（家中网民数与亲戚朋友中网民所占比例）。这意味着，被访
32、者没有感觉到周边有普遍一致地接受或拒绝互联网的社会氛围。因此，在随后的统计分析中，四个变量将作为独立的预测因素。对互联网需求的认知 如前所述，PPI涉及六个方面：新闻需求、个人资讯需求、工作学习资讯需求、娱乐需求、表达需求、人际交往需求。针对上述每一个方面，我们我们分别采用三个问题来进行测量：（1）传统媒体能在多大程度上满足这个需求？（2）互联网能在多大程度上满足这个需求？（3）这个需求有多重要？被访者按照五级量表回答前两个问题，而回答第三个问题则是对六个需求的重要性进行排序。将问题2与问题1之差乘以问题3，就是每个需求的综合得分。例如，如果一个被访者认为新闻需求最重要（6），并认为传统媒体完
33、全不能满足此需求（=1），而互联网可以完全满足此去求（5），则此人在互联网新闻需求一项得分为24（51）6）。又如，如果一个被访者认为娱乐需求倒数第二重要（2），并认为传统媒体可以大体上满足此需求（4），而互联网部分满足此需求（3），则此人在互联网娱乐需求一项上得分为2（34）2）。如表二所示，所有六项需求的均值都大于零（即稍微偏向互联网），工作学习资讯需求得分最高，随后依次是表达需求、人际交往需求、娱乐需求、个人资讯需求和新闻需求。正如在测量PCI（对互联网特征的认知）所发现的，六个需求之间也有很强的相关度。因此可以被合成为一个综合变量（Cronbachs a=.74）。表二、对互联网需求的
34、认知（PNI）的六个方面的均值、 标准差、最大最小值和之间的相关系数新闻个人资讯工作学习资讯娱乐表达人际交往均值.45.931.48.811.311.19标准差4.834.444.643.523.273.39最大值242024242424最小值-24-20-18-16-12-18新闻1.00个人资讯.48*1.00工作学习资讯.37*.44*1.00娱乐.32*.41*.41*1.00表达.23*.25*.30*.30*1.00人际交往.19*.23*.27*.32*.34*1.00* p .05; * p .01; * p .001.控制变量 本研究的三个自变量（对互联网特征、风行程度、需求
35、的认知）代表受众的心理状态，它们很有可能受到个人或家庭的人口特征和社会经济特征的影响。因此，有必要控制人口与社会经济变量，以防止三个自变量对互联网采纳与使用所产生的虚假影响。在统计分析中，我们一共使用了八个控制变量，包括年龄、性别、教育程度、职业、婚姻状况、家庭收入、手机和和传呼机的采纳（用以测量个人在采纳其它传播信技术上的创新性）。研究发现互联网在中国的扩散与使用根据被访者是否上网以及是否会在今后一年内上网这两个问题，我们使用了四个迥然不同的类别以代表北京和广州两地居民的互联网采纳现状。2664个被访者中，27为“持续采纳者（现网民）”；9为“中断采纳者（前网民）”，他们曾经上网但目前停止了
36、 但是，前网民中的三分之二（即6的被访者）准备恢复上网，我们把他们称作“回归网民”，而剩下的三分之一（即3的被访者）打算继续做前网民。；20为“潜在网民”，他们可能在一年内上网；44为“非网民”，这些人在短期内不会上网。（如图二）现网民（27%)你今后一年内是否会用？您是否用使用互联网？是否是否一年内肯定/可能用一年内不可能用 您现在是否还在使用？前网民（9%)潜在网民（20%)非网民（44%)回归网民（6%)前网民（3%)图二：2000年12月北京与广州居民的互联网采纳状况样本中的网民平均每周上网9小时。与之相比较，他们每周看电视时间为14.3小时，读报时间为7.0小时，听广播时间为2.8小
37、时，健身时间为3.7小时，与家人共度时间为8.8小时，与亲朋好友、同学同事共度时间为7.2小时。他们上网最主要是搜索工作或学习相关信息（每周136分钟），其次是浏览新闻（104分钟）和网上聊天与讨论（90分钟）。上网收发邮件（65分钟）、搜索个人感兴趣的信息（61分钟）和网上游戏与娱乐（58分钟）的时间最少。目前并不上网的人的家庭收入和手机传呼机采纳率和网民的非常接近，但是他们的年纪明显更大、教育程度更低，且更有可能是女性、失业退休人员、或已婚人士。在他们之中，潜在网民往往要年轻一些、教育程度高一些，且更有可能是男性，对互联网的了解也比那些不可能上网的人多一些。在各种各样不上网的原因中，没有电
38、脑排在最前面（58），其次是上网太贵（30）、没有相关知识（24）、没有兴趣（22）、家中电脑没有上网（15）、担心对小孩的负面影响（15）、以及没有时间（12）。互联网采纳的决定因素为了检验假设1a，假设2a，和假设3a（即对互联网特征、风行程度、需求的认知对互联网采纳的影响），我们把三个心理认知概念作为自变量，大量个人特征作为控制变量，以及互联网采纳的四个类别作为因变量，进行了一个多元统计分析。由于因变量是一个类别变量，我们决定使用多元logistic回归（Multinomial Logistic Regression, MLR）。表三报告了MLR分析结果。表三：预测互联网采纳类别的多元l
39、ogistic（MLR）回归系数非网民vs.现网民潜在网民vs.现网民前网民vs.现网民对互联网特征的认知 （PCI）优越性兼容性易用性效果可展示性（ACED）-1.329*-.713*-.561*社会地位.037.064-.098对互联网风行程度的认知（PPI）家庭成员中-2.883*-2.362*-1.640*首属群体中-.229-.135-.229同行中-.637*-.362*-.250普通大众中.267.275.153对互联网需求的认知 （PNI）-.104*-.088*.009控制变量年龄.060*.043*.021性别 (女=0)-.647*-.639*-.166教育程度-.456
40、*-.360*-.189职业 (学生=0)失业/退休1.367*.199-.338蓝领.950.092-.354白领.010-.325-.526其它.649.042-.445婚姻状况 (单身=0)已婚1.147*.912*.629*孤寡离异.786-.059-.077家庭收入-.028.012-.007其它新科技的采纳手机-.335.014.250传呼机-.030.165-.136常数7.867*3.999*3.173*McFadden Pseudo R2.380个案数1,971* p .05; * p .01; * p .001.在我们解释表三的时候，需要注意以下三点。首先，表中的MLR回归
41、系数代表某人成为某类互联网采纳者而非基准类（即，现网民）的机率。因为这样的logit统计语言报告起来比较麻烦且读者理解起来也比较费力，我们将使用大家更为熟悉的OLS回归语言来解释结果。因此，当我们说“X对Y有显著影响”的时候，就意味着X能够显著影响Y成为类别A而非类别B。其次，因为现网民被用作基准类，负的回归系数意味着某人成为对比类别的机率低而成为现网民的机率高。最后，虽然互联网采纳的四个类别可以组成六对对比组，MLR分析只对其中三组进行了对比，分别把现网民和前网民、潜在网民、非网民进行对比。把回归系数除以相应的标准差（表三没有予以报告）就可以得到各自变量对三组对比影响力的统计显著水平。对假设
42、1a的检验 PCI由两个综合量表组成，ACED（相对优越性兼容性易用性效果可展示性）对六对对比组中的五对（现网民与前网民之间对比除外）有显著影响，而社会地位则对任何一对都没有影响。PCI的显著影响的方向正如我们预期：现网民对互联网特征的评价最高，其后依次为前网民、潜在网民和非网民。因此，假设1a被基本证实。对假设2a的检验 PPI的四个变量中，两个对互联网采纳有显著影响。家中网民数对六对比对比组都有显著影响且方向与假设一致。同行中网民比例也显著影响了六对对比组中的四对（现网民vs.前网民和现网民vs.潜在网民除外）。PPI的显著影响也和我们的预期一致：两个极端类别所构成的对比组（现网民vs.非
43、网民）的差异最大，而接近类别的对比组的差异较小。假设2a大体上获得了支持。对假设3a的检验 PNI只有一个综合指数，它对六对对比组中的四对有显著影响（现网民vs.前网民和潜在网民vs. 非网民除外），而且方向与假设一致。对互联网的需求越强越有可能采纳它。因此，假设3a大体上获得了证实。然而，和PCI与PPI相比，PNI的影响力相对要小一些。个人特征的影响 在这里出现了几个普遍趋势。首先，年龄、性别和教育程度能够把样本分成两个大类别，其一是现网民与前网民，其二是潜在网民与非网民。出人意料是，职业和家庭收入没有显著影响，这意味着中国人对互联网的采纳与经济因素无关。婚姻状况是一个显著预测变量，单身的
44、人比已婚的人更有可能上网。最后，手机和传呼机的采纳和互联网采纳之间没有直接关系。模型的总体表现 为了评价三个自变量总体的影响力，我们建立了两个模型：“基准模型”（baseline）和理论模型（theoretical）。基准模型只包括八个控制变量，它能解释总体方差的21%。理论模型包括八个控制变量以及三个理论概念（PCI, PPI, PNI），它能解释总体方差的38%。也就是说，在控制住八个人口和社会经济变量以后，对互联网特征、风行程度和需求的认知一起解释了18%的样本总体方差，这在统计学上具有相当高的显著性（2 = 863.3, df = 21, p .001）。总体来说，我们的数据对理论模型
45、给予了强力支持，它突出了PCI，PPI，PNI这三项概念在转型社会的互联网采纳过程中所扮演的重要角色。互联网使用的决定因素前面对互联网采纳的统计分析使用了全部样本（N=2232），但是对互联网使用的分析只涉及来自现网民（N603）的调查数据。如前所述，我们用来测量互联网使用的六个变量互相之间适度相关，这让我们决定使用一般线性回归（General Linear Model, GLM）来把六个上网时间项目作为因变量集（而不是一个综合指数），并把它们同时与自变量和控制变量进行回归分析。对GLM回归结果的解释和OLS回归从本质上来说是相同的。表四：预测上网时间的一般线性模型（GLM）回归系数总体检测(
46、F-ratio for Wilks l )上网时间（分钟/周）浏览新闻收发电邮网上聊天与讨论搜索工作信息搜索个人信息网上游戏与娱乐对互联网特征的认知 （PCI）优越性兼容性易用性效果可展示性（ACED）1.664.3132.03*19.70*19.905.8111.68社会地位.66-5.20-8.51-1.225.37-.6510.14对互联网风行程度的认知（PPI）家庭成员中.98-7.5514.316.251.826.7213.14首属群体中.26-8.53-10.60-.74-1.55-4.98-10.31同行中.8117.1117.27-.619.72-5.986.70普通大众中.50-.887.4811.4312.375.03
