上个月一个做企业内部审批系统的朋友拿着问卷结果来找我，说调研了三百多号人，结论是“大家都觉得这东西挺有用，但就是不怎么用”。他想用技术接受模型TAM做一次归因分析，我扫了一眼他的问卷就基本能猜到结果不会好看——题目全在问“您觉得这个功能有用吗”“您觉得界面友好吗”，这不叫技术接受模型TAM，这叫把TAM当成问卷模板抄了一遍。TAM真正值钱的地方不在那两个名词，而在“信念—态度—意向—行为”这条传导链上，以及每个节点该用什么方式去测量、去证伪、去落到产品决策里。

这篇东西面向三类人：做产品/运营、需要给功能改版找依据的；做用户研究、问卷收回一堆数据不知道怎么分析的；写论文做实证、卡在量表设计和结构方程模型上的。我会把这个框架拆到能直接抄作业的程度——两个核心信念到底怎么定义、题项怎么写、样本量怎么算、信效度不达标怎么救、路径不显著怎么解释。看完你至少能做到两件事：设计出一份不会被同行挑刺的TAM问卷，以及拿回数据后知道每一步该跑什么指标、阈值卡在哪。

1. 先把模型拆成一台能运转的机器

1.1 两个核心信念为什么是这两个

上世纪八十年代中后期，有研究者在博士论文里提出了一个很朴素的假设：人愿不愿意用一个系统，取决于两件事——他觉得这东西有没有用，以及他觉得这东西好不好用。前一个叫感知有用性（Perceived Usefulness，PU），指的是用户主观上认为使用某个系统能提升自己的工作绩效的程度；后一个叫感知易用性（Perceived Ease of Use，PEOU），指的是用户认为使用该系统不需要付出额外努力的程度。

这两个变量之所以能站住脚，是因为它们把“人为什么不用”这个巨大的黑箱压缩成了两个可测量、可干预的维度。你回头看任何一个失败的系统，归因基本都能落进这两格里：要么是“用了也没解决我的问题”（有用性不足），要么是“为了解决这个问题我得先学三天”（易用性不足）。这种二分法的价值在于可操作性——有用性问题要靠功能设计和业务匹配去解，易用性问题要靠交互和信息架构去解，两件事的责任人、迭代节奏、验证方法完全不同。混在一起谈“用户体验不好”，最后往往是两边都没改。

但这里有个特别容易踩的坑：很多人把PU理解成“功能多不多”“功能够不够强”。不是的。PU的落脚点是绩效，是任务完成速度、产出质量、工作量的减少。一个功能极其丰富但跟用户当前任务不搭边的系统，PU是低的。我在做B端工具调研时习惯把PU再拆成三层去问：任务匹配度（这个系统能不能覆盖我日常的主要工作流）、效率收益（同样的事我是不是能更快做完）、质量收益（做出来的东西是不是更少返工）。三层分开问，收回来的数据才能指导改版，否则你只知道“有用性得分3.8”，改无可改。

1.2 从信念到行为的传导链条

原始模型里，这条链是这样的：外部变量影响PU和PEOU，PEOU正向影响PU（因为越容易用，用户越容易感知到它的价值），两者共同影响使用态度（Attitude Toward Using），态度影响行为意向（Behavioral Intention，BI），意向最终影响实际使用（Actual Use）。

这条链里我最想强调的是PEOU指向PU的那条箭头，它经常被忽略，但它是整个模型最有洞察力的一笔。逻辑很直白：一个系统如果学习成本高到让人望而却步，用户根本走不到“发现它有用”那一步。换句话说，易用性是有用性的前置门槛，而不是并列关系。这解释了为什么很多功能很强但上手难的工具会死在冷启动阶段——不是价值不够，是价值还没来得及被感知，用户已经流失了。

后来简化版的模型去掉了“态度”这个中介，让PU和PEOU直接指向行为意向。这个改动在实证上争议不小，但在应用层面反而更实用：态度这个东西在问卷里最容易混进情绪和品牌好感，测出来不干净；而意向更接近可观测的行为前兆。我个人的做法是，如果是做产品决策，用简化版，把精力放在PU、PEOU和BI三个构念上；如果是做学术研究，保留态度变量并说明取舍理由，审稿人一般能接受。

需要说清楚的一点是，意向不等于行为。模型最后那个“实际使用”环节，横截面问卷是测不出来的。你想验证意向到行为的转化，得靠行为数据——功能使用频次、任务完成率、留存曲线。我见过不少报告拿自评的“我经常使用”当作实际使用，这在方法上是站不住的。

1.3 这个框架的边界在哪里

TAM是个体层面的采纳模型，它解释的是“一个人面对一个新系统时的决策过程”。它不解释组织层面的采购决策，不解释网络效应带来的被动使用，也不解释强制性场景。这点很关键：当系统是公司强制要求使用的，用户没有“采纳与否”的自由，模型里“意向→使用”这条路径基本失效，这时候研究重心应该转向依从度、使用深度和使用质量。

所以每次有人问我“我们这个是内部系统，用TAM合不合适”，我的回答都是：可以用，但你得把因变量换掉。别测“是否愿意使用”，测“使用深度”“功能覆盖广度”“主动使用与被动触发的比例”。模型骨架不变，变量定义跟着场景走，这才是正确用法。

2. 变量怎么定义才不落空

2.1 感知有用性不是“有用”两个字

量表设计是整个研究里最脏最累也最见功力的环节。我见过太多问卷，四个题项翻来覆去问同一个意思，数据分析的时候CR高得离谱（0.95以上），看着很漂亮，实际上是题项冗余，内容效度差得远。判断标准很简单：如果一个题项删掉，剩下的题项能不能完全覆盖这个概念？能，说明它是重复的。

PU的题项要贴着具体任务写。拿协作工具举例，不要写“这个系统很有用”，要写“使用这个系统能让我更快地完成文档协作”“使用这个系统减少了我在信息同步上的重复沟通”“使用这个系统让我交付的文档质量更高”。三个题项分别对应速度、工作量、质量，这是PU的三个不同侧面，内容效度就站得住。

还有一个细节：参照系要明确。是跟原来的工作方式比，还是跟竞品比？题项里必须说清楚。我通常在问卷开头用一段引导语锁定参照：“以下问题请基于您过去一个月使用XX系统完成日常工作的实际体验作答，并与您此前的工作方式进行比较。”没有这段引导，用户各按各的理解答，数据的方差里有一大半是噪音。

2.2 感知易用性最容易被误读

PEOU的定义是“不需要付出额外努力的程度”，注意落脚点是努力，不是“界面好看”。这两者天差地别。界面做得再精致，如果导航逻辑反人类，PEOU照样低；界面丑但是操作路径短、符合直觉，PEOU反而高。

把PEOU拆开，我一般用三个维度：上手成本（第一次用要学会需要多久）、认知负担（用的时候要不要一直想下一步该点哪）、纠错成本（操作错了能不能轻松退回）。这三个维度对应的题项分别是“我能在没有他人指导的情况下完成主要操作”“这个系统的操作流程符合我的直觉”“操作失误后我可以很容易地恢复到之前的状态”。

这里有个特别常见的实操陷阱：反向题。很多量表为了防直线作答，会插一两道反向题，比如“我觉得这个系统很难用”。理论上很对，实际上在现代问卷里经常制造麻烦——用户答题时容易漏看否定词，导致反向题的载荷很低甚至为负，最后不得不删。我的经验是，如果样本量足够（300以上）并且你打算做严格的质量控制，可以用；如果样本紧张或者受访者是在手机上填的，干脆别用反向题，改用随机排序和注意力检测题更靠谱。

2.3 量表设计的具体操作

下面这张表是我常用的构念—题项对照，可以直接拿去改。量表用7点李克特（1=非常不同意，7=非常同意），5点在结构方程模型里信息量偏少，容易出现峰度问题，能上7点就上7点。

表格里每个构念都留了一个“总体判断”题项，这是故意的。总体题项在统计上往往会拉高模型拟合，但它的信息量其实很低，建议在正式分析时单独标记，必要时做敏感性分析——把总体题项删掉重跑一次，看看结论稳不稳。如果一删总体题项路径系数就翻车，说明你的模型是靠一个笼统印象撑着的，实质解释力有限。

提示：题项数量控制在每个构念3到5个。少于3个，构念识别不稳；多于5个，受访者疲劳会显著拉低后半部分的答题质量，而且容易出现题项间残差相关，破坏单维性。

3. 实证落地的完整流程

3.1 研究设计与样本量计算

样本量是新手最容易拍脑袋的地方。“发了两百份，回来一百八”听着挺多，但如果模型里有6个构念、20个题项，180个样本做协方差结构方程模型是偏紧的。两种主流的估算方式我都给你。

第一种是题项倍数法，简单粗暴：样本量 = 题项数 × 10 到 15。20个题项就是200到300。这是下限思维，够用但不精细。

第二种是基于最小路径系数的反推法，专门给偏最小二乘路径建模用的。公式是 n ≥ (2.486 / |β_min|)²，其中2.486对应5%显著性水平下的临界值。代入几个常见值：预期最小路径系数0.30，需要约69个样本；0.20，需要约155个；0.15，需要约275个。你看看自己的假设路径里最弱的那条大概是多少，心里就有数了。

还有第三种，用功效分析工具（G*Power这类）按中等效应量f²=0.15、显著性0.05、功效0.80来算，多元回归场景下大约需要80到100个样本。综合三种方法，我一般按**最保守那个往上加20%**来定，因为问卷总有废卷。

这里必须点一句方法论上的选择：样本量小于200，别硬上协方差结构方程模型（CB-SEM），容易不收敛或者出Heywood case（负的误差方差）。这个量级用偏最小二乘（PLS-SEM）更稳，它对样本量和正态性都宽容得多。反过来，如果你的目的是检验模型整体拟合优度、比较竞争模型，样本量又足够（300以上），CB-SEM更合适。选错了方法，出来的结果自己都不敢信。

3.2 数据收集与清洗

清洗规则要在收数据之前就定好，不能等看到数据再挑。我固定的四条剔除标准是这样的：

1. 作答时长：低于中位数的三分之一直接剔。比如中位数是360秒，低于120秒的全删。
2. 直线作答：同一页所有题项答案完全相同，且该页题项数超过5个的，标记为可疑，再看其他指标。
3. 注意力检测题：在问卷中段插一道“本题请选择‘比较同意’”，答错直接剔。这一条能干掉5%到10%的无效样本。
4. 缺失值：单个样本缺失超过10%的题项，整份删除；缺失比例低的用FIML或者多重插补，别用均值填补，那会人为压缩方差。

清洗完还要看分布。偏度绝对值超过2、峰度绝对值超过7的题项要警惕，说明答案高度集中，可能是题项表述有社会赞许倾向（比如“我认为注重数据安全很重要”这种，谁都不会选不同意）。这种题项放进去只会污染模型。

3.3 测量模型检验：信度、效度、共线性

测量模型没通过，结构模型跑了也是白跑。这一步的检查顺序我是固定的：载荷 → 内部一致性 → 收敛效度 → 区分效度 → 共线性。

第一步看外部载荷。标准化载荷低于0.70的题项先标记，低于0.50的直接考虑删除。但如果删了之后构念只剩两个题项，那就得权衡——两个题项的构念在识别上是不稳的，宁可保留一个0.65的题项也不要只剩两个。

第二步看内部一致性。Cronbach's α和组合信度（CR）都要看，阈值都是0.70。α有个已知缺陷：它假设所有题项等权，实际不可能，所以α偏低不一定真有问题；而CR考虑了载荷差异，更准。两个都低于0.70才需要动手，只有一个低，看CR为准。

第三步算收敛效度，核心指标是平均方差提取量（AVE），阈值0.50。手算公式是 AVE = Σλ² / [Σλ² + Σ(1−λ²)]。举个例子，某构念四个题项的标准化载荷是0.82、0.79、0.85、0.77：

• 载荷平方和：0.6724 + 0.6241 + 0.7225 + 0.5929 = 2.6119
• 误差方差和：(1−0.6724) + (1−0.6241) + (1−0.7225) + (1−0.5929) = 1.3881
• AVE = 2.6119 / (2.6119 + 1.3881) =0.653

顺手把CR也算了：载荷和 = 3.23，平方 = 10.4329，CR = 10.4329 / (10.4329 + 1.3881) =0.883。两个指标都过线，这个构念可以留。这套计算我建议你至少手算一遍，算过一次之后对数据的直觉会完全不一样。

第四步看区分效度，两个指标并行：Fornell-Larcker准则要求每个构念AVE的平方根大于它与其他构念的相关系数；HTMT要求构念间异质—单质比低于0.85（概念相近的构念）或0.90（概念差异大的构念）。我一般以HTMT为主，因为它对区分效度的检验更敏感，Fornell-Larcker在载荷普遍偏高时会失效。

第五步查共线性，看VIF，严格标准是低于3，宽松标准低于5。VIF超标通常意味着题项之间表述太像，或者构念本身没区分开。

3.4 结构模型与中介效应检验

测量模型过关之后，才轮到你真正关心的假设检验。这一段我用R的lavaan做示范，逻辑和Python的semopy完全一致。

library(lavaan) model <- ' # 测量模型 PU =~ PU1 + PU2 + PU3 + PU4 PEOU =~ PE1 + PE2 + PE3 + PE4 BI =~ BI1 + BI2 + BI3 # 结构模型 PU ~ PEOU BI ~ PU + PEOU ' fit <- sem(model, data = df, estimator = "MLR", missing = "fiml") summary(fit, fit.measures = TRUE, standardized = TRUE, ci = TRUE)

拟合指标我卡这几条：CFI和TLI大于0.90（0.95以上更稳），RMSEA小于0.08（0.06以下更好），SRMR小于0.08。如果用的是PLS，主要看SRMR和NFI，同时看R²和Q²。

R²的解释阈值我沿用经典分法：0.19左右算弱，0.33左右算中等，0.67以上算强。行为意向这类因变量，R²落在0.35到0.55之间是常态，谁要是报个0.85，我第一反应是查共同方法偏差，而不是觉得模型牛。Q²必须大于0，证明模型有预测相关性。

路径系数的显著性看Bootstrap，重抽样次数至少5000次，用偏差校正的百分位区间，95%置信区间不含0就算显著。中介效应也是同一套：看间接效应的Bootstrap区间，别用Sobel检验，那个假设正态分布，在小样本下容易失真。

提示：报告路径系数一定要给标准化系数和f²效应量。f²的阈值是0.02（小）、0.15（中）、0.35（大）。一个p值显著但f²只有0.01的路径，实务意义基本为零，别在汇报PPT里把它当重大发现。

4. 后续版本怎么选：增量到底加了什么

4.1 从TAM到TAM2、TAM3的演进逻辑

原始模型最大的软肋是它没有解释“信念从哪来”。为什么有人觉得有用，有人觉得没用？原始模型把这块甩给了“外部变量”，等于留了个黑洞。后续版本的迭代，本质上都是在填这个洞。

第二代版本主要补的是社会影响和工具性认知两条线。社会影响这条线上加了主观规范（我认为重要的人觉得我该不该用）、自愿性（我用是不是被要求的）和经验（我用类似系统用了多久）；工具性认知这条线把PU的前因拆得更细，包括工作相关性、产出质量、结果可证明性，还有印象（用这个系统能不能提升我在组织里的形象）。这几条里，主观规范对PU的影响会随着经验增加而减弱，这个调节效应是有意思的发现——新人容易被周围人影响，老手更看实际效果。

第三代版本把火力集中到了PEOU的前因上，引入了锚定—调整的视角。“锚”指的是用户接触系统之前就带着的信念，比如计算机自我效能（我能不能搞定这类工具）、感知外部控制（有没有人能帮我）、计算机焦虑（我怕不怕弄坏东西）、计算机可玩性（我好不好奇想试试）；“调整”指的是实际使用后形成的判断，比如感知愉悦和客观可用性。这个框架解释了一个很常见的现象：同样一个系统，给两组不同背景的人用，PEOU评分能差出一个量级，因为他们的“锚”根本不一样。

4.2 该选哪个版本，我给你一张对照表

选型上我的建议很直接：先问你要解决什么问题，再问模型。如果你只是想知道“这个功能为什么没人用”，原始TAM的三个构念足够了，把题项写扎实比堆构念有用得多。如果是要说服管理层“推广要靠培训还是靠上级发文”，那得上带社会影响和便利条件的整合版。如果研究对象跨越了明显不同的人群（比如一线操作岗和管理岗），调节变量必须加，否则你算出来的是两群人的平均值，谁都不代表。

还有一个常被忽略的点：构念不是越多越好。每加一个构念，问卷长度增加，作答质量下降，模型识别难度上升，最后往往是数据质量拖累了整个研究。我见过一个加了十一个构念的模型，收回来的问卷后半段全是直线作答，作者还在纠结为什么便利条件的路径不显著——答案很简单，没人认真答。

5. 常见问题与排查实录

5.1 数据层面的四个高频故障

故障一：共同方法偏差。所有变量都来自同一份问卷、同一个时间点、同一个受访者，这是横截面研究的通病。检验方法用Harman单因子检验，未旋转的第一个因子解释方差超过50%，说明偏差严重。但说实话，这个方法太宽松，很多有问题的数据也能过。更靠谱的做法是从设计阶段就控制：题项随机排序、PU和BI之间插入若干无关题项做时间分隔、有条件的话从不同来源取因变量（比如自评意向配后台使用数据）。事后补救可以用标记变量法，找一个理论上与其他构念都无关的变量（比如“我对颜色的偏好”）放进模型，看它的载荷。

故障二：区分效度不达标。HTMT跑到0.92，最常见的原因是PU和BI的题项表述太像。你写“这个系统提升了我的工作效率”和“我愿意继续使用这个系统提升效率”，用户读起来就是一回事。救法有顺序：先看交叉载荷，删掉那个在两个构念上都载荷超过0.4的题项，一次只删一个，删完重跑；如果删完还是不行，说明是概念层面没区分开，只能重新设计题项重收数据。别想着靠统计手段硬掰，掰出来的结论站不住。

故障三：路径系数符号反了。PEOU对BI的系数是负的，这在小样本或者高共线性下会出现。先查VIF，如果PU和PEOU的相关系数超过0.8，说明两个构念在用户认知里根本就是一回事（“好用”和“有用”在某些产品里确实难分），这时候要么合并构念，要么换测量方式。如果VIF正常，看样本量和Bootstrap稳定性，重抽样5000次区间跨零就别硬解释了。

故障四：易用性路径不显著。这个特别常见，也特别容易被人误解成“易用性不重要”。真相往往是：你的样本里大部分是老用户，他们早就跨过了学习门槛，易用性对他们的后续意向确实没影响了。验证方法很简单，按使用时长分组做多群组分析，新用户组里PEOU的路径系数通常会显著高于老用户组。如果确认是这个原因，结论就应该写成“易用性在采纳初期起决定作用，随经验积累其影响被有用性替代”，这个结论比硬报一个显著系数有价值得多。

5.2 常见问题速查表

5.3 几条只有踩过才懂的实操心得

别在同一个样本上既做探索又做验证。想改题项，就先拿50到80份做预调研，跑探索性因子分析看维度清不清，改完再正式发。我吃过这个亏：正式数据收完发现两个题项挤在一个因子上，想删又舍不得样本，最后只能在讨论部分硬解释，特别难受。

问卷长度控制在7分钟以内。超过这个时长，后半段的作答质量断崖式下跌，而这个下跌恰好会影响你的因变量（通常放在最后）。把最关键的构念往前放，人口学信息放最后。

预调研一定要做认知访谈。找5个人，让他们边填边说思路。你会发现至少有两三个题项被理解成了完全不同的意思，这种问题靠统计检验是发现不了的。

报告里要写清楚“未支持”的假设。只报显著路径是学术不端的边缘行为，实务报告里也一样。不显著的路径往往包含最有价值的信息，比如“便利条件不影响意向”可能意味着你的用户根本不知道自己有哪些支持资源，这直接指向一个沟通策略问题。

6. 把模型结论翻译成产品动作

6.1 得分出来之后怎么定优先级

数据跑完，PU均值5.6、PEOU均值3.9、BI均值4.2，然后呢？很多报告到这里就结束了，留下一堆数字没人知道该干什么。我的做法是把三个构念的得分做一个二维定位：横轴PEOU、纵轴PU，把用户群按中位数切成四个象限，每象限对应一套动作。

这个表的价值在于它能挡住很多无效需求。产品经理最喜欢说“用户觉得难用，我们优化一下界面”，但如果人群落在“低价值低门槛”那一格，界面优化得再漂亮也没用，问题出在功能本身没解决真问题。

6.2 定量之外必须补定性

结构方程模型能告诉你“PEOU影响BI，系数0.34”，但它永远告诉你为什么。为什么觉得难用？是找不到入口，还是流程步骤太多，还是权限申请卡了三天？这些只能靠访谈挖。

我的标准配置是：问卷收完后，从四个象限各抽3到5人做30分钟访谈，问三个问题——“你最近一次用它是什么时候，当时想干什么”“中间卡在哪了”“后来你换成了什么办法”。第三个问题尤其重要，用户放弃一个系统之后一定会找个替代方案，那个替代方案才是你真正的竞争对手，而它往往不在你的竞品清单里。

访谈结果回来之后，把原话贴到对应的题项旁边。比如PE2“操作流程符合我的使用习惯”得分只有3.1，下面贴着“我得先想清楚这东西归哪个部门管，才能找到入口”。这句话的信息密度比一个路径系数高得多，它能直接变成一条需求。

6.3 这套东西的复用价值

最后说个我个人觉得最有意思的扩展方向：TAM不只能用来评一个已经存在的系统，它还能在上线之前当预测工具用。做法是拿可点击原型做测试，让目标用户完成三个核心任务，然后立刻填PU和PEOU量表。原型阶段的PEOU得分和上线后的实际采纳率相关性相当高，我做过几次内部对比，方向都是对的。这比等到产品上线半年再复盘要省钱得多。

另外，如果你手上有多期数据，可以尝试做纵向追踪。同一批用户，上线第一个月、第三个月、第六个月各测一次，你能看到PEOU的影响逐步让位给PU，这条曲线本身就是很好的内部汇报材料——它证明了早期投入在引导和易用性上的资源没有白花，只是它的作用有明确的时间窗。

我自己做这类分析这些年，最大的体会是：模型本身不产生洞察，产生洞察的是你对每个题项背后那句用户原话的理解。系数跑出来只是把问题定位到了某个区间，真正的答案永远在用户嘴里，在后台日志里，在你愿不愿意花半天时间跟着一个真实用户把他的工作流走一遍。这套框架最大的作用，是让你在走这一遍之前，就知道该重点看什么。