Predicting and explaining intentions and behavior 系列 1/3 

By 刘畅 & 萧文龙 (Wen-Lung Shiau)

长久以来意图(intention)是用来预测和解释行为(behavior)的重要因子。因此，许多理论也用来研究影响人们意图的因素，例如，TRA, TPB, TAM, UTAUT, MM, Efficacy, ECT-IS, (Shiau & Chau 2016; Shiau etal., 2020). 然而，意图无法充分预测和解释行为的原因，尚需要深入研究。Sutton（1998）在《Predicting and Explaining Intentions and Behavior: How Well Are We Doing?》研究中对使用理性行为理论（TRA）和计划行为理论（TPB）进行的meta分析表明，这些模型平均解释了40%到50%的意图（intention）方差，以及19%到38%的行为（behavior）方差。

此研究进一步评估了这些模型在预测和解释意图和行为方面的表现。讨论了预测和解释之间的区别，可以判断预测性能的不同比较标准，使用被解释方差百分比作为效应大小的衡量标准，并提出了模型不能充分进行预测的9个原因：1） 意图可能会改变。2）意向可能是暂时的。3）违反相容原则（预测因素（意图）和标准（行为）应在特异性或普遍性的同一水平上进行测量。这些措施应该与四个组成部分相匹配：行动、目标、时间和环境。）4）违反比例对应。5）意图和行为的反应类别数量不相等。（意图被概念化为从0到1的主观概率连续体，而行为则被认为是一种二分的Yes or No反应。）6）意图和/或行为测量中的随机测量误差。7）意图或行为的范围/方差限制。8）测量方法的边际分布不匹配（获得相关性1.0的必要条件）。9）意图可能不是行为的充分原因。

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 (doi: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% high cited article

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