蕭文龍 部落格 Mac Shiau(blog)

Predicting and explaining intentions and behavior 系列 1/3

By 劉暢 & 蕭文龍 (Wen-Lung Shiau)

長久以來意圖(intention)是用來預測和解釋行為(behavior)的重要因子。 因此，許多理論也用來研究影響人們意圖的因素，例如，TRA, TPB, TAM, UTAUT, MM, Efficacy, ECT-IS, (Shiau & Chau 2016; Shiau etal., 2020). 然而，意圖無法充分 預測和解釋行為的原因，尚需要深入研究。 Sutton（1998）在《Predicting and Explaining Intentions and Behavior: How Well Are We Doing?》研究中對使用理性行為理論（TRA）和計劃行為理論（TPB）進行的meta分析表明，這些模型平均解釋了40% 到50%的意圖（intention）方差，以及19%到38%的行為（behavior）方差。

此研究進一步評估了這些模型在預測和解釋意圖和行為方面的表現。 討論了預測和解釋之間的區別，可以判斷預測性能的不同比較標準，使用被解釋方差百分比作為效應大小的衡量標準，並提出了模型不能充分進行預測的9個原因：1） 意圖可能會改變 。 2）意向可能是暫時的。 3）違反相容原則（預測因素（意圖）和標準（行為）應在特異性或普遍性的同一水平上進行測量。這些措施應該與四個組成部分相匹配：行動、目標、時間和環境。 ）4）違反比例對應。 5）意圖和行為的反應類別數量不相等。 （意圖被概念化為從0到1的主觀機率連續體，而行為則被認為是一種二分的Yes or No反應。）6）意圖和/或行為測量中的隨機測量誤差。 7）意圖或行為的範圍/變異數限制。 8）測量方法的邊際分佈不符（獲得相關性1.0的必要條件）。 9）意圖可能不是行為的充分原因。

Reference

• Sutton, S. (1998). Predicting and explaining intentions and behavior: How well are we doing?. Journal of applied social psychology, 28(15), 1317-1338.
• Shiau, W.-L. and Chau, Patrick Y. K. (2016) “Understanding behavioral intention to use a cloud computing classroom: A multiple model-comparison approach”, Information & Management Vol. 53 Iss: 3, pp 355–365 (35doi–365 ( :10.1016/j.im.2015.10.004) (SSCI, 2015 IF= 2.163, 5-year Impact Factor: 3.175, Ranks Q1, 25/144 - Information Science & Library Science, ESI 1% Q1, 25/144 - Information Science & Library Science, ESI 1% Q1, highartic
• Shiau, W.-L., Yuan, Y., Pu, X., Ray, S. and Chen, C. C. (2020), "Understanding Fintech continuance: perspectives from self-efficacy and ECT-IS theories", Industrial Management & Data Systems, Vol. 120 No. 9, pp. 1659-1689 (SCI, Q2,2019 IF= 3.329，5-year Impact Factor : 4.379) ESI 1% high cited article