103

旅游与服务管理

共享住宿平台上房东持续参与意愿的影响机理研究：

平台网络效应的视角

○ 池毛毛  刘姝君  卢新元  罗 博

摘要 随着共享经济在各行各业的渗透发展，共享

住宿平台开始对旅游行业产生重要影响。尽管有一些国外

旅游管理文献开始从行为角度研究旅行者参与共享住宿

平台的内在行为动机，但缺乏从平台网络效应视角分析

平台两边参与者如何影响彼此的平台参与行为，尤其缺

乏房东角度的研究。本研究基于信息系统持续使用的相

关文献，从共享住宿平台房东的角度，以同边网络效应

和跨边网络效应视角探索房东对共享住宿平台持续参与

意愿的影响机理。本文利用收集到的 288 名房东一手调

查数据，采用 S t a t a13.0 对研究模型进行检验。研究结

果发现 ：（1）房东对平台的感知有用性和满意度对持续

参与意愿具有显著的正向影响作用 ；（2）跨边网络效应

在感知有用性对平台满意度的作用中呈正向调节作用；（3）

同边网络效应在感知有用性对平台满意度和持续参与意

愿的作用中呈倒 U 型调节作用。该发现为共享住宿平台

的长期稳定发展提供了一定理论依据，并对旅游行业如

何接纳和发展共享经济模式具有现实意义。

关键词 共享住宿平台 ；房东持续参与意愿 ；同边网

络效应 ；跨边网络效应

引言

近些年，共享经济（又称为协作消费）的发展对旅

游行业产生了重要影响，[1,2] 其中共享平台（如共享住宿、

共享汽车等）被视为对传统旅游行业的一种“创新性破

坏”。[3-5]A i r b n b、小猪短租、途家和蚂蚁短租等共享住

宿平台作为协作消费的主要形式之一，为房东和租客用

户提供服务，房东只需将个人闲置房源登记在平台上，

租客用户就可通过搜索获取房源信息，并与房东联系完

成交易。[1,6] 这一新的商业模式受到一些拥有闲置房源

者和旅游者的欢迎。共享住宿平台也已经与金融、人事、

汽车共享和音乐 / 视频共享一样，成为当前最主要的五

大共享经济领域。[7] 共享住宿平台的持续稳定发展已经

引起共享经济和旅游从业者的广泛关注。

当前关于共享住宿平台的研究主要聚焦在旅游管理

领域，相关文献已经开始从共享住宿平台的需求方（即

消费者）来研究相关平台（如 A i r b n b）的参与意愿 [3,7]

和使用动机，[8] 为共享住宿平台的持续稳定发展提供相

关建议。G u t t e n t a g 等通过对 800 名游客的网络调查，

共识别出交互性、房屋有益性、经历新颖性、共享经济

精神和当地真实性等五个影响游客选择 A i r b n b 的主要

动机。[8]S o 等基于计划行为理论（T P B），采用混合方

法研究影响 A i r b n b 用户参与平台活动的态度和行为意

图的主要动机和限制因素，其中动机方面补充了价格价

值，限制因素则包括认知风险、不信任和不安全性。[3]

Ya n g 等针对美国 34694 个调查点数据，采用 L o g i t 模

型研究旅行者选择共享住宿的主要动因，包括旅行特

作者简介 池毛毛，华中师范大学信息管理学院讲师、博士，研究方向为平台经济及其商务价值、企业电子商务管理、

企业数字化战略等 ；刘姝君，华中师范大学信息管理学院硕士研究生，研究方向为电商平台治理 ；卢新元，华中师范

大学信息管理学院教授、博士，研究方向为社交网络平台 ；罗博，华中师范大学信息管理学院副教授、博士，研究方

向为信息用户与信息行为

基金资助 本文受国家自然科学基金项目（71801104）、国家社会科学基金项目（18CTQ025）、中央高校基本科研业务

费（CCNU18QN041）资助

103-113Nankai Business Review  Vol. 22, 2019, No. 4, pp

104

旅游与服务管理征（Tr i p o g r a p h i c s）、过去旅行经历、技术悟性（Te c h

S a v v i n e s s）、社会人口统计特征以及目的地共享住宿供

应和犯罪率等。[7]

从现有旅游管理研究可以看出，由于共享住宿平台

的应用还处于起步阶段，文献主要集中在旅行者对该平

台的参与意愿和动机研究。当前研究还存在如下两点局

限 ：（1）共享住宿平台是一种典型的双边市场，[9] 住宿

的供给方即房东对于平台的发展也至关重要，而当前对

于房东的平台持续参与意愿还未有文献涉及；（2）平台网

络效应是网络平台长期稳定运营的影响要素，[10,11] 也会影

响到平台双边参与者的参与行为。[9,12] 而当前旅游管理

文献主要从行为角度（如计划行为理论）研究旅行者选

择共享住宿平台的内在行为动机，缺乏从同边和跨边网

络效应视角分析平台两边参与者如何影响彼此的平台参

与行为。为了弥补当前研究的不足，本研究基于信息系

统持续使用的相关文献，从共享住宿平台供给方（房东）

的角度，以及同边网络效应和跨边网络效应的视角，探

索房东对于共享住宿平台持续参与意愿的影响机理。

一、理论背景和研究假设

1. 共享经济和共享住宿平台

共享经济（又称为协作消费）是以互联网社区平台

为中介的一种基于 P2P 的商品 / 服务获取、给予或共享

的活动，通过盈利或公益的形式提高闲置资源的社会利

用率。[13] 共享住宿平台（如 A i r b n b）作为共享经济在旅

游管理领域的主要应用之一，对旅游行业的发展产生了

重要影响。当前文献主要围绕共享住宿平台对旅游和酒

店行业的影响、[14,15] 共享住宿平台的使用意愿和动机，

以及共享住宿平台中超赞房东的形成和作用等三个方面

开展研究。首先，关于共享住宿平台对传统旅游业的影

响，Navío-Marco 等通过对信息技术对旅游业影响的相

关文献梳理，提出了共享住宿平台对于传统旅游业中房

东和顾客价值共创的新需求。[16]Z e r v a s 等则定量分析了

近十年 A i r b n b 进入德克萨斯州后对德州酒店行业的影

响，研究发现在奥斯汀（德州首府），A i r b n b 的住宿供

应量最高，并负向影响该地区酒店收益（达到 8%-10%），

而这种负向影响主要对廉价酒店和非商务酒店的收益影

响最大。[17]

其次，关于共享住宿平台使用意愿和动机的研究，

相关文献涉及了影响游客选择共享住宿平台的主要因素，[3,8]

包括价格价值、[3] 交互性、房屋有益性、经历新颖性、

共享经济精神以及当地真实性。[8] 研究者还探索了旅行

特征、[7,18] 过去旅行经历、[7,18] 技术悟性、[7] 社会人口统

计特征 [7,18] 以及目的地共享住宿供应和犯罪率 [7] 等对

参与 A i r b n b 的影响。近年来，研究者开始进一步对共

享住宿平台持续使用或再次购买开展研究。[19-21]L i a n g

等研究了两种不同类型的信任（对平台的信任和对房东

的信任）在满意度和重复购买意愿之间的中介作用。[21]

Wa n g 等则基于技术接受模型和创新扩散理论，研究顾

客再次购买共享住宿平台服务的意愿。[19]M a o 等整合了

计划行为理论（TPB）和前景理论（PT），并结合 Airbnb

的相关变量（包括独特的经历期望、熟悉度和电子口碑

等），分析了旅行者重复购买意愿的影响机理。[20]

最后，目前针对共享住宿平台供应方的研究还比较

少，主要围绕如何成为超赞房东（S u p e r h o s t）及其对业

绩的影响研究。Gunter 对旧金山和湾区的研究发现，获

得（和保持）优秀的评级是成为超赞房东的重要标准，

而且商业 Airbnb 的提供者将更有可能成为超赞房东。[22]

L i a n g 等发现，A i r b n b 的超赞房东徽章系统将会给房东

带来更多评论和更高的评分。[23]L e e 等采用 PL S 结构方

程探索 Airbnb 房东依附对心理所有权的影响机制。[24]

综上所述，目前共享住宿平台研究的多是旅客的共

享平台参与意愿，缺少从房东角度探索共享住宿平台的持

续参与意愿研究。[21] 而且目前文献主要从行为或心理学角

度探索共享住宿平台的参与意愿和动机，缺乏从平台经济

的视角（例如网络效应视角）来研究平台参与。[20]

2. 平台网络效应

在平台的相关文献中，用户（如买方和卖方）之间

交换商品、服务和信息等的交易场所，[25,26] 至少一侧具

有“跨群网络外部性”（即网络效应）就可以算作双边

市场。[27] 共享住宿平台就是一个典型的双边市场，连接

了房东和租客两个特定群体，通过相关机制不断激发正

的网络效应（Network Effects），在满足房东和租客两方

需求的前提下，实现平台稳健长期发展。[10] 网络效应是

平台发展壮大的关键因素之一，包括同边网络效应和跨

边网络效应。[9,28] 其中，同边网络效应指平台一边用户

数量的增加会对该边用户的效用产生影响，跨边网络效

应表现为平台一边用户数量的增加会影响另一边用户的

效用。网络效应的存在对平台参与者行为产生了重要的

影响，平台企业都希望能够激发正的网络效应（即数量

和效用成正相关），如滴滴与美团的补贴大战就是希望

能够到达网络效应的引爆点，保障平台的发展。[29,30]

关于平台网络效应的研究，目前文献主要集中传统

电子商务平台 [11] 和软件开发平台，[12] 探索了同边网络效

应（直接网络效应）和跨边网络效应（有些文献也称间

接网络效应或交叉网络效应 [9]）给平台运营带来的影响。

103-113南开管理评论  第22卷, 2019年第4期第 页

105

旅游与服务管理如 C h u 等研究了淘宝平台中的直接网络效应和跨边网络

效应，实证发现对于平台的增长，直接网络效应的作用

比较小，并发现淘宝平台的双边都存在较大的正向跨边

网络效应。[11]S o n g 等也针对 Fi r e Fo x 生态系统研究了两

种平台治理（平台更新和 A p p 审核时长）对于跨边网络

效应的影响机理。[12] 杨丽通过对淘宝网的分化与竞争的

研究发现，平台网络效应能够为平台用户带来质量效应。[31]

综上所述，平台网络效应对平台双边发展具有重要的现

实意义，然而当前共享住宿平台的文献还缺乏对平台网

络效应的探讨，尤其缺乏网络效应对房东持续参与平台

意愿影响的研究。

3. 信息系统持续使用研究

信息系统持续使用指用户能够在将来持续使用某

种信息系统（如某个网站、A P P 等），是信息系统领域

（I S）的重要研究方向。但信息系统采纳或接受后，企

业更加关心如何保留用户（即让用户持续使用信息系

统），这事关整个企业信息系统项目或商业模式的成败。

目前 I S 领域关于信息系统持续使用主要基于三个模型

开展实证研究，即技术接受模型、期望确认理论和创新

扩散理论。本文分别针对基于这三类模型或理论开展的

信息系统持续使用研究进行梳理。

期望确认理论（Expect at ion Conf i r mat ion T heor y，

E C T）早期应用在市场营销领域研究消费者购买产品或

服务后的行为。Bhat t acher jee 等将期望确认理论引入信

息系统持续使用的情境中，提出信息系统持续使用的期

望确认模型（E C M- I S C），[32 ,33] 模型引入了期望确认度

和感知有用性，认为用户的感知有用性和满意度会影响

其持续使用意愿，期望确认度是感知有用性和满意度的

重要前因。[32] 该模型包括四个主要变量 ：期望确认度、

感知有用性、满意度和持续使用意愿。Bhat t acher jee 以

网络银行的顾客作为研究对象，采用实证研究方法验

证了期望确认度对感知有用性和满意度的正向影响、感

知有用性对满意度和持续使用意愿的正向影响、满意度

对持续使用意愿的正向影响。[32]Bha t t a che r je e 等通过引

入信息技术自我效能和促进条件等变量得到扩展的信息

系统持续使用理论模型（E E C M），[33] 该模型突出了个体

差异和外部环境对信息系统持续使用的影响。目前，基

于期望确认理论的信息系统持续使用模型在信息系统的

持续使用研究（包括门户网站、在线学习系统、社交网

络等）方面得到广泛应用。[34] 例如，A m b a l ov 采用元分

析的方法对 51 篇使用 E C T 的信息系统持续使用文献进

行分析，支持初始模型并提出未来研究可能考虑的一些

调节变量。[34] 国内学者李武等借鉴基于期望确认的信息

系统持续使用模型，研究了大学生社会化阅读 App 持续

使用意愿及发生机理。[35]

技术接受模型（Te c h n o l o g y A c c e p t a n c e M o d e l，

TA M）则主要应用于信息系统接受或采纳的初始行为

研究。对于信息系统的持续使用研究，大量文献针对

TA M 进行扩展以用于研究用户的信息系统持续使用行

为。G e f e n 将持续使用意愿和习惯变量引入 TA M 模型

发现，习惯变量对有经验用户的感知有用性、感知易用

性和持续使用意愿均有显著正向影响，而且感知有用

性和感知易用性也正向影响用户的持续使用意愿。[36]

Ro c a 等基于 TA M 模型，引入认知质量和认知使用研究

电子学习服务的持续使用行为。[37] 也有学者基于发展的

TA M 模型，即统一的技术接受模型（U TAU T），增加了

努力期望、社会影响、便利条件和信任等因素对于信息

系统持续使用的影响。[38]

创新扩散理论（Diffusion of Innovat ions，DOI）主

要应用于信息系统采纳的研究中，该理论在信息系统运

用中主要将一般信息系统或技术视为一种创新，认为相

对优势、兼容性、复杂性、可试性和可观测性等五大感

知会影响对创新的采纳。因此，许多研究者利用该模型

进行信息系统的持续使用研究。如 P a r t h a s a r a t h y 等基

于创新扩散理论研究用户对在线服务的采纳后行为，并

利用个人特征和感知信念来区别两类不同的使用者（即

潜在的不持续使用者和潜在的持续使用者）。该结果发

现，持续使用者所感知到的有用性、兼容性、外部影响、

人际影响、利用率和网络外部性比不持续使用者更强。[39]

W u 等将创新扩散阶段作为移动支付持续采纳行为的调

节变量，发现相比市场初期，在市场增长期感知有用性

对于技术接受的作用更强。[40]

通过以上文献梳理，本文的总结如下：（1）信息系

统持续使用意向的高频影响因素、感知有用性和满意度，

是影响信息系统持续使用的关键要素；（2）当前的主

要模型（如基于 E C T、TA M 和 D OI 的改进或整合模型）

主要针对消费者 / 用户的重复购买或使用研究，即多针

对平台需求方。平台供给方与平台需求方存在期望差异，

如在共享住宿平台中的房东参与共享平台更多希望自己

的闲置资源能够得到有效利用。而只有在一个具有正向

网络效应的平台上这点才能够实现，房东持续参与共享

平台的行为会更多受到共享住宿平台网络效应的影响。

因此，本研究将以信息系统持续使用模型为基础，重点

研究网络效应（包括同边网络效应和跨边网络效应）在

高频影响因素（如感知有用性、满意度）和房东持续参

与共享住宿平台中的影响机理。

103-113Nankai Business Review  Vol. 22, 2019, No. 4, pp

106

旅游与服务管理4. 感知有用性和平台满意度

感知有用性是信息系统持续使用相关文献中重要

的研究变量。在共享住宿平台中，感知有用性是房东用

户感知到的共享住宿平台对自身的有用程度。当房东感

到参与共享住宿平台能够获得更多用户、提高交易效率

并获取增值服务时，房东对该平台的满意度就会增加。

以往研究已经在移动 A p p、网络银行、手机银行和虚拟

社区等情景下，发现了顾客感知有用性对满意度的增进

作用。[32 ,35,41]Wang 等在对 Airbnb 的研究中，也证实了消

费者的认知有用性将会积极影响其使用平台的态度。[19]

因此，共享房屋平台的参与同其他虚拟社区一样，如果

房东感知到该平台的有用性将会提升其对产品或服务的

满意度。由此本文提出假设 ：

H1 ：感知有用性正向影响平台满意度

5. 感知有用性和持续参与意愿

平台持续参与意愿是指房东参与某个共享住宿平台

后会持续参与该平台的行为意愿。对于共享住宿平台来

说，持久稳定的房源供应将是平台发展的关键。平台提

供方需要提升平台持续参与意愿，如在美团外卖、滴滴

外卖及饿了么平台的外卖大战中，各平台为了抢占市场，

采取强制商家“二选一”的做法，将在其他平台注册的

商家强行关停。除了使用这种具有争议性的方法外，提

升自身平台的感知有用性也是提升房东持续参与意愿的

关键。当前对消费者的研究发现，共享住宿平台的有用

性（如价格价值、交互性、房屋有益性、经历新颖性等）

成为顾客选择该平台的主要因素。[3,8] 因此，提升房东对

于共享住宿平台的有用性感知，如在平台交互性、经济

利益和增值价值等方面的感知，将有效提升房东的持续

参与意愿。由此本文提出假设 ：

H2 ：感知有用性正向影响房东的持续参与意愿

6. 平台满意度和持续参与意愿

满意度是信息系统持续使用相关文献中重要的中

介变量，[32 ,33] 本研究的平台满意度是房东对共享住宿平

台提供的产品或服务所感到的满意程度。房东用户对共

享住宿平台参与的满意度越高，说明该平台越能够满足

用户的需求。由于存在路径依赖和机会成本，用户不会

花费更多成本去重新参与其他平台，其持续参与该平台

的意愿就越高。Wa n g 等发现，便利设施、租客和房东

关系都会影响到租客的满意度，进而影响其选择 Airbnb

平台的意愿。[19] 因此，共享住宿平台同其他的产品或服

务一样，消费者对该平台的满意度越高，就越会形成消

费者对该平台的忠诚度并产生持续参与行为。[35] 故本文

提出假设 ：

H3 ：平台满意度正向影响房东的持续参与意愿

7. 同边网络效应的调节效应

当平台某一边用户数量增加时，会影响同一边用户

的效用。[25,42] 本研究中的同边网络效应是房东感知到的

参与某共享房屋平台时，其他房东数量增加而产生的期

望效用。对于平台的供应方（如房东和商家等），同边

网络效应更多表现出同边用户的竞争关系，即产生负的

外部性。[25] 孙耀吾等指出，在电子商务平台上，同边用

户竞争的激烈程度会降低其盈利能力，[43] 从而降低满意

度。然而，在共享住宿平台上，房东之间除了竞争外，

还可以和平台上的其他房东进行房源合并，进而扩大自

身影响。如小猪短租允许房东之间互相发布房源信息等。

在共享住宿平台上，房东之间的合作能够使他们与租客

之间的交流协商更加及时，达到双赢效果。因此，房东

之间是一种竞争与人合作并存的关系。当房东数量增加

时，房东能感受到合作的机会增大，产生正向效用，从

而增加满意度。正向的同边网络效应也会增加房东用户

满意度，从而提高用户持续参与意愿。然而，当房东数

量增加到一定量后，房东所感知的竞争力也会增大，此

时同边网络将产生负向效用，进而降低满意度，房东会

考虑退出该平台，降低房东持续参与意愿。因此本文认

为，同边网络效应在对感知有用性对于房东满意度和持

续参与意愿的作用中呈现倒 U 型调节作用。在平台扩展

初期，同边网络效应将正向调节感知有用性对房东满意

度和持续参与意愿的作用。而平台房东数量过多，同边

网络效应将会负向调节感知有用性对房东满意度和持

续参与意愿的作用。本文提出假设 ：

H4a ：同边网络效应在感知有用性对平台满意度中

呈倒 U 型调节作用

H4b ： 同边网络效应在感知有用性对持续参与平台

意愿中呈倒 U 型调节作用

8. 跨边网络效应的调节效应

平台一边用户规模的增加将会影响另外一边用户的

效用。[25] 本研究认为，房东参与某共享住宿平台的效用

将会随着该平台注册或使用的租客用户数量的增加而提

高，这种效应即为跨边网络效应。C h u 等发现，在 C2C

的淘宝平台中跨边网络效应作用明显，而且这种跨边网

络效应是非对称的，即卖方对于买方的跨边网络效应

要高于买方对于卖方的跨边网络效应。[11]Song 等基于软

件开发平台 F i r e Fo x 生态系统研究发现，用户规模对于

软件开发数量和种类产生长期的跨边网络效应，而软件

开发数量和种类对于用户规模只会产生短期的跨边网络

效应。[12] 作为共享住宿平台的供应方，当房东感知到平

103-113南开管理评论  第22卷, 2019年第4期第 页

107

旅游与服务管理台上的客源充足稳定并且下单量多，就会产生更高的满

意度，从而更好地和平台用户交流，获得更多潜在客户，

其持续参与意愿也会提高。因此，本文提出假设 ：

H5a ：跨边网络效应在感知有用性对平台满意度中

呈正向调节作用

H5b ：跨边网络效应在感知有用性对持续参与平台

意愿中呈正向调节作用

二、研究设计

1. 测量工具和变量测量

本研究测量工具尽可能沿用现有的成熟量表（选自

旅游管理和管理信息系统等学科的权威杂志），并结合

我国共享住宿平台的特点。对于英文量表，按照翻译和

回译的程序，通过对比确保了问卷翻译的准确性和有效

性。初始问卷形成后，前后共选取 12 位共享住宿平台

房东进行预调查，并根据预调查结果对初始问卷进行调

整。本次调查问卷主要包括三大部分 ：第一部分是房东

的基本信息，包括性别、年龄、职业及共享房屋平台的

使用情况 ；第二部分为量表主体部分，包括研究模型的

5 个变量，每个变量采用 3-5 个指标进行测度，并采用

李克特 7 级量表进行测量 ；第三部分为房东对共享住宿

平台的建议部分。

感知有用性主要采用 So 等 [3] 和 Bh at t a che r je e [32] 的

量表，反映房东对共享住宿平台有用性感知，主要采用

4 个题项测量，包括对共享住宿平台的平台交互性、经

济利益和增值价值等方面的感知 ；平台满意度修改自

Wa n g 等 [19] 对 A i r b n b 平台满意度的量表，反映房东对

共享住宿平台的满意度，主要采用 3 个题项测量，包括

平台服务和产品的满意度等 ；持续参与意愿主要改编于

Mao 等 [20] 关于旅行者重复使用 Airbnb 行为意愿的量表，

反映房东对共享住宿平台的持续参与意愿，采用 3 个

题项测量，包括继续在该平台发布房源信息等 ；同边网

络效应和跨边网络效应并没有成熟量表可供借鉴，基于

McInt y re 等、[9]Pa rker 等 [25] 的研究，结合对共享住宿平

台房东的访谈设计了 10 个题项，由 2 名研究者进行两

阶段 Q 分类（Q- s o r t i n g）的内容效度评估，[44] 题项与

相应构念的平均准确率达到 95%，据此得到了同边网络

效应和跨边网络效应两个构念。

本文还将房东的性别、职业、年龄、平台类型、房

屋使用性质和房东收入水平等特征变量作为控制变量。

其中，性别采用虚拟变量方式测量 ；职业、年龄、房屋

使用性质和房东收入水平采用定类变量表征 ；平台类型

采用虚拟变量方式测量，包括小猪短租、Airbnb、途家、

蚂蚁短租和美团榛果等类型。

2. 数据收集和样本特征

本研究主要采用问卷调查方法收集一手数据，调

查包括预调查和正式调查两个阶段。其中预调查时间

为 2018 年 3 月 12 日至 4 月 6 日。问卷 调查对 象为在

A i r b n b、小猪短租、途家等国内主要的共享住宿平台上

发布房源的房东。主要通过如下方式收集问卷 ：（1）在

共享住宿平台房东的相关社交平台（Q Q、微信和贴吧）

中转发 ；（2）在社交平台中和房东取得直接联系，让其

将调查问卷转发至相关房东群（作为激励，调查小组将

收藏并转发房东房源信息），预调查最终共收集到问卷

145 份。根据预调查的问卷数据进行初步分析，包括探

索性因子分析和验证性因子分析等，结合部分专家的意

见，对部分题项进行修改和删除，最后得到正式研究的

量表。正式调查阶段则从 2019 年 1 月 10 日至 2 月 10 日，

与数据调查公司（文华轩市场调查公司）签订需求数量

为 300 份的样本服务。除未认真填写的（包括量表得分

全部一致，填写时间短）无效问卷 12 份，得到有效问

卷 288 份，问卷的有效回收率为 96%。

本研究所调查房东的人口统计信息情况如下（表

1）：房东性别基本均衡，女性偏多 ；年龄以青壮年为

主 ；房东主要使用五大共享住宿平台，包括小猪短租、

A i r b n b、途家、蚂蚁短租和美团榛果 ；职业以自由职业

和私营业主为主。样本基本和共享住宿平台房东的总体

情况一致。

3. 共同方法偏差检验

本文基于如下程序设计问卷来减少共同方法偏差

的问题。[45] 例如，力求开发清晰且简明的问卷、采用匿

名方式收集问卷。问卷回收后，本文采用两种主流方法

进行共同方法偏差的检验。首先进行 H a r m a n 单因素检

验，发现第一个因子占所有解释变量为 28.65%，小于

50%。其次采用标签变量（Marker Var iable）的方法，[46,47]

103-113Nankai Business Review  Vol. 22, 2019, No. 4, pp

108

旅游与服务管理

表1 样本基本特征（N=288）性别 数量 百分比（%） 年龄 数量 百分比（%）

男性 113 39.24 18-24 岁 22 7.64

女性 175 60.76 25-30 岁 44 15.28

共享住宿平台 数量 百分比（%） 31-35 岁 79 27.43

小猪短租 69 23.96 36-40 岁 94 32.64

Airbnb 71 24.65 41 岁以上 49 17.01

途家 56 19.44 职业 数量 百分比（%）

美团榛果 58 20.14 企业员工 43 14.93

蚂蚁短租 24 8.33 私营业主 63 21.88

其他 10 3.47 自由职业者 99 34.38

房东年收入 数量 百分比（%） 政府及事业单位 55 19.10

12 万以下 74 25.69 其他 28 9.72

13 万 -20 万 78 27.08 房屋使用性质 数量 百分比（%）

21 万 -30 万 91 31.60 纯租用 264 91.67

31 万及以上 45 15.63 租用兼自用 24 8.33

选择相关系数最低的一项（即房屋使用性质和同边网

络效应，见表 3）计算每个变量的偏相关系数。该结果

通过共同方法偏差调整后（C M V-A d j u s t e d）的相关系

数与原先相比没有发生显著变化（r ≤ 0.041，p >0.05）。

之后利用共同方法偏差调整后的相关系数计算模型回归

系数的前后变化，结果同样显示感知有用性、平台满意

度等的回归系数前后差异在 0.091-0.132（卡方差异性

检验同样也不显著）。以上分析结果表明，本次测量中

的共同方法偏差不显著。

三、研究结果

1. 信度和效度分析

本研究结合 S P S S22.0 和 A M O S18.0 对调查量表进

行信度和效度分析。首先，通过 S P S S22.0 进行探索性

因子分析（E FA），删除了因子负荷低于 0.5 的题项（表

2），K M O 统计量为 0.921，并在 0.001 显著水平下通过

检验。此次探索性因子分析提取出感知有用性（P U）、

平台满意度（P S）、持续参与意愿（C P I）、同边网络效

应（SNE）和跨边网络效应（CNE）等五个因子，并解释

了 83.86% 的方差，因此量表具有比较好的效度。此外，

所有保留构念的 C r a n b a c h`s α系数和组成信度（C . R .）

均在 0.8 以上，确保了本研究量表的信度。[48,49]

同时，本文采用 A M O S 18.0 进行验证性因子分析

（C FA），结果显示模型拟合优度良好（R M S E A=0.031，

χ2/df =1.455，GFI=0.893，CFI=0.934，NFI=0.941），[50]

因子负载在 0.70 以上，所有构念平均萃取方差（AV E）

均在 0.6以上，说明本研究构念拥有良好的聚合效度。[48,49]

所有构念 AVE 的平方根（表 3 对角线黑体数字）均大于

构念与其他构念的相关系数，表明量表具有比较高的区

分效度。本文计算每个构念的因子得分，将该构念得分

表2 信度和效度分析

构念 指标题项 负载Cronbach

αC.R. AVE

感知有用性（PU）

该共享住宿平台能提高工作效率（如闲置房屋得到了利用）

0.812***

0.845 0.882 0.653

该共享住宿平台能让我获得更多优质租户

0.754***

该共享住宿平台使我和租户更好地交流（如线上线下的良好社交体验）

0.777***

该共享住宿平台提供的增值服务多（保洁、装修和智能锁等）

0.883***

平台满意度（PS）

我对该共享住宿平台提供的服务很满意

0.865***

0.865 0.908 0.767我非常满意在该共享住宿平台上共享房屋

0.898***

使用该共享住宿平台让我感到很满意

0.863***

持续参与意愿

（CPI）

我会经常参与该共享住宿平台 0.798***

0.830 0.883 0.716我愿意继续使用该共享住宿平台 0.864***

我愿意推荐其他有房朋友使用该共享住宿平台

0.875***

同边网络效应

（SNE）

该共享住宿平台的房东用户数量多

0.821***

0.864 0.892 0.734

该共享住宿平台房东较为友善，易于合作

0.453（删除）

该共享住宿平台房东与我志同道合

0.881***

该共享住宿平台房东收益好 0.363（删除）

使用该共享住宿平台的房东会越来越多

0.867***

跨边网络效应

（CNE）

该共享住宿平台活跃用户多 0.851***

0.800 0.878 0.707

该共享住宿平台的用户下单量多 0.454（删除）

该共享住宿平台用户素质高 0.785***

该共享住宿平台用户黏度大 0.312（删除）

该共享住宿平台未来还会有更多的房客

0.883***

注 ：*** p<0.001， C.R. 表示组成信度（Composite Reliability）

表3 描述性统计和相关矩阵1 2 3 4 5 6 7 8 9 10 11

PU 0.808

PS 0.663** 0.876

CPI 0.531**0.482** 0.846

SNE 0.612** 0.524**0.348** 0.857

CNE 0.618**0.550**0.578**0.519** 0.841

SEX 0.112* 0.132* 0.086 0.044 0.288* ----

OCC -0.066 0.119 0.121* -0.021 0.086 -0.095 ----

AGE -0.114* 0.100 0.095 0.090 0.055 -0.044 0.024 ----

PTY -0.021 0.066 -0.105* 0.022 0.031 0.115* 0.023 0.052 ----

UTY 0.024 -0.032 0.015 0.011 0.029 0.015 -0.016 0.022 0.115* ----

INC 0.118* 0.044 -0.085 0.078 0.120 -0.095 0.086 0.082 0.095 0.074 ----

均值 5.453 5.342 5.123 4.987 5.133 0.608 2.868 3.361 2.747 2.372 0.083

标准差 0.622 0.742 0.862 0.834 0.913 0.122 1.143 1.438 1.294 0.872 0.875

注 ：** p< 0.01，*p< 0.05 ；SEX ：性别，OCC ：职业，AGE ：年龄，PTY：平台类型，UTY：房屋使用性质，INC ：房东年收入 ；对角线数据为 AVE 平方根

作为下一步数据分析的基础。[51] 另外，本文主要构念之

间的相关系数在 0.3-0.7，低于 Bagozzi 等提出的 0.8 的

阈值。[52] 构念的描述性统计信息和相关矩阵详见表 3。

2. 假设检验

为验证前文所提出的假设，本文采用 S t a t a13.0 的

层级回归方法检验如下两组计量模型 ：

103-113南开管理评论  第22卷, 2019年第4期第 页

109

旅游与服务管理PSi=α0+α1×PU+α2×SNE+α3×CNE+α4×PU×SNE

+α5×PU×CNE+α6×SNE2+α7×PU×SNE2+α8×SEX

+α9×OCC+α10×AGE+α11×PTY+α12×UTY

+α13×INCOME+δi （1）

CPIi=β0+β1×PU+β2×PS+β3×CNE+β4×SNE+β5×PU×SNE

+β6×PU×CNE+β7×SNE2+β8×PU×SNE2+β9×SEX

+β10×OCC+β11×AGE+β11×PTY+β12×UTY

+β13×INCOME+εi （2）

其中，α0 和β0 为常数项，δi 和εi 为模型的随机

扰动项。

表4 假设检验（平台满意度）

变量平台满意度（PS）

模型a1 模型a2 模型a3常数项 6.876*** 4.432*** 4.786***

控制变量

SEX YES YES YES

OCC YES YES YES

PTY YES YES YES

UTY YES YES YES

INC YES YES YES

AGE YES YES YES

自变量

PU 假设 1 0.394*** 0.312***

SNE 0.212** 0.194*

CNE 0.381*** 0.361***

SNE2 -0.254*** -0.386**

交互项

PU×SNE 0.236***

PU×SNE2 假设 4a -0.345**

PU×CNE 假设 5a 0.184**

R2 0.094 0.756 0.813

调整后 R2 0.083 0.704 0.784

ΔR2 0.083 0.621 0.701

F 统计量（ΔR2） 3.895** 67.343*** 58.378***

VIF 1.934 1.981 2.288

注： *** p< 0.001，** p< 0.01，*p< 0.05；YES 为该变量作为虚拟变量纳入模型分析；SEX：性别，OCC ：职业，AGE ：年龄，PTY：平台类型，UTY：房屋使用性质，INC ：房东年收入

本研究的假设分别针对以上两个模型进行检验。计

量模型（1）的因变量是平台满意度，首先在模型 a1 中

纳入控制变量，包括性别、职业和年龄等 ；其次，模

型 a2 在模型 a1 的基础上纳入感知有用性、同边网络效

应、跨边网络效应以及同边网络效应的平方项。检验结

果（表 4）表明，感知有用性对平台满意度（β=0.394 ；

p <0.001）产生显著正向作用，假设 1 得到了支持。最

后，模型 a3 在模型 a2 基础上纳入交互项，P U×S N E、

P U×S N E2、P U×C N E，检验结果显示 P U×C N E 的交

互项显著为正（β=0.184 ；p <0.01），证明了跨边网络

效应在感知有用性和平台满意度间的正向调节作用，

即 H5a 得到支持 ；交互项 P U×S N E2 的值则显著为负

（β=-0.345 ；p <0.01），证明了同边网络效应在感知有

用性对平台满意度中呈倒 U 型调节作用的存在，假设

4a 得到支持。另外，所有回归模型的方差膨胀因子在

1.934-2.288，表明本模型计算过程不存在严重的多重共

线性问题。为进一步分析结果，绘制出倒 U 作用的交互图。

从图 2 中可以发现，同边网络效应的倒 U 作用，在高感

知有用性的情况下作用明显，即同边网络效应对于平台

满意度的影响存在理论上的平衡点，而不是盲目追求最

大化。而在低感知有用性的情况下，这种倒 U 作用不太

明显，表明如果共享住宿平台本身的质量和内容上不过

关，这种同边网络效应的作用也不会太大。

计量模型（2）的因变量是持续参与意愿，首先

在模型 b1 中纳入控制变量，包括性别、职业和年龄

等 ；其次，模型 b2 在模型 b1 的基础上加入感知有用

性、平台满意度、同边网络效应、跨边网络效应以及同

边网络效应的平方项。检验结果（表 5）表明，感知有

用性（β=0.365 ；p <0.001）和平台满意度（β=0.314 ；

p <0.01）对持续参与意愿产生显著正向作用，假设 2 和

假设 3 得到了支持。最后，模型 b3 在模型 b2 基础上纳

入交互项，PU×SNE、PU×SNE2、PU×CNE，检验结果

表明 PU×CNE 的交互项并不显著（β=0.099 ；p>0.05），

H5b 并未得到本样本数据的支持 ；而交互项 P U×S N E2

的值显著为负（β=-0.124 ；p <0.01），证明了同边网络

效应在感知有用性对持续参与意愿中也呈倒 U 型调节

作用，假设 4b 得到支持。另外，所有回归模型的方差

膨胀因子在 2.232-2.896，表明本模型计算过程不存在

严重的多重共线性问题。同理，绘制出倒 U 作用的交互

图。如图 3 所示，无论在何种感知有用性水平下，同边

网络效应的倒 U 型作用都比较明显。但相比而言，在高

感知有用性的情况下，同边网络效应的倒 U 型作用更加

明显。

3. 进一步分析和鲁棒性检验

本部分将进一步分析平台满意度在感知有用性和持

续参与意愿之间的中介作用，采用 Bootst rapping 法检验

103-113Nankai Business Review  Vol. 22, 2019, No. 4, pp

110

旅游与服务管理感知有用性、平台满意度和持续参与意愿的中介作用，

将 Boot s t r appi ng 的再抽样次数设置为 5000。结果证实

了平台满意度在感知有用性和持续参与意愿之间的中介

作用（效应估计值 0.128，95% 置信区间不包含 0）。表5 假设检验（持续参与意愿）

变量持续参与意愿（CPI）

模型b1 模型b2 模型b3

常数项 3.233*** 4.132*** 5.678***

控制变量

SEX YES YES YES

OCC YES YES YES

PTY YES YES YES

UTY YES YES YES

INC YES YES YES

AGE YES YES YES

自变量

PU 假设 2 0.365*** 0.318***

PS 假设 3 0.314** 0.298**

SNE 0.154* -0.132*

CNE 0.389*** 0.374***

SNE2 -0.320*** -0.309***

交互项

PU×SNE -0.055

PU×SNE2 假设 4b -0.124**

PU×CNE 假设 5b 0.099

R2 0.086 0.678 0.739

调整后 R2 0.068 0.601 0.689

ΔR2 0.068 0.533 0.621

F 统计量（ΔR2） 3.632** 43.238*** 54.648***

VIF 2.232 2.652 2.896

注： *** p<0.001，** p<0.01，*p<0.05；YES 为该变量作为虚拟变量纳入模型分析；SEX：性别，OCC ：职业，AGE ：年龄，PTY：平台类型，UTY：房屋使用性质，INC ：房东年收入

对于统计结果的鲁棒性，本文通过如下步骤进行保

证 ：首先，自变量的误差项应服从正态分布。Shapi ro-

Wilk`s W 检验显示，感知有用性（w=0.943，p=0.431）、平

台满意度（w=0.951，p=0.682）、持续参与意愿（w=0.954，

p =0.872）、同边网络效应（w =0.977，p =0.452）和跨边网

络效应（w =0.956，p =0.781）的残差均不显著。本模型

的自变量误差项均服从正态性假定。其次，本研究采用

G×Powe r 软件包计算 288 个样本量是否具备足够的统计

效力。计算结果显示，研究模型的统计效力均达到 0.99

以上，因此样本量可以解释本研究模型。

四、研究结论与讨论

1. 研究结论和理论贡献

本研究旨在从平台网络效应视角探索房东对于共享

住宿平台的持续参与意愿的影响机理。基于相关信息系

统持续使用文献和平台网络效应视角，本研究通过共享

住宿平台上 288 位房东调查数据的实证研究，证实了房

东对平台的感知有用性和满意度对持续参与意愿具有显

著的正向影响 ；跨边网络效应在感知有用性对平台满意

度的作用中呈正向调节作用 ；同边网络效应在感知有用

性对平台满意度和持续参与意愿的作用中呈倒 U 型调节

作用。本文得到三方面的结论和理论贡献 ：

第一，感知有用性和满意度对持续参与意愿存在

显著正向影响，感知有用性对满意度也存在显著正向影

响关系。假设 1、假设 2 和假设 3 得到证实，该结论进

一步支持信息系统持续使用模型及其延伸模型，[32] 同

时支持了 Wa ng 等、[19]Ya ng 等 [7] 和 Lia ng 等 [21] 的研究，

即共享住宿平台满意度有助于产生持续参与意愿，共

享住宿平台的有用性感知将会提升平台满意度和持续

参与意愿。但是他们主要基于行为角度（如计划行为理

论）研究平台需求方（如旅行者）对共享住宿平台（如

Airbnb）的参与意愿。目前文献还未探索平台供给方（如

房东）的平台参与意愿。因此，本研究的理论贡献在于

基于信息系统持续使用的相关文献，揭示了房东对共享

住宿平台的持续参与意愿的机理，并发现平台满意度在

感知有用性和持续参与意愿之间的中介作用，丰富了当

前共享住宿平台的参与意愿和动机研究。

第二，跨边网络效应在感知有用性对平台满意度中

呈正向调节作用，而跨边网络效应在感知有用性对持续

参与平台意愿中的调节作用并不显著。研究假设 5a 得到

支持，该发现表明房东的平台满意度受到跨边网络效应

的正向调节影响，即在对平台感知有用性的情况下，该

共享住宿平台的租客数量和质量的增加将会提升平台房

东的平台满意度。该发现与先前研究在软件开发平台和

C2C 电商平台中跨边网络效应的发现基本一致。[11,12] 然

而，研究假设 5b 没有得到支持，说明跨边网络效应并

不会强化房东感知有用性，进而影响平台参与意愿 ；而

是需要通过强化房东感知有用性提升平台满意度，进而

增强平台持续参与意愿。类似网约车的乘客端和司机端

是一种相互增值的状态，具有正向跨边网络效应，在共

享住宿的房东方，一旦被平台上的优质和众多房客吸引，

103-113南开管理评论  第22卷, 2019年第4期第 页

111

旅游与服务管理形成平台粘性，房东和房客价值的叠加效果才容易出现。

另外，A i r b n b 调整中国区服务费率，房客的服务费率从

平均 13%下调为 0，将会激发高的跨边网络效应。因此

本结论的主要理论贡献在于，发现了信息系统持续使用

的相关文献中感知有用性的重要边界条件，即跨边网络

效应在感知有用性对平台满意度中的正向调节作用。

第三，同边网络效应在感知有用性和平台满意度、

感知有用性和持续参与意愿之间产生倒 U 型调节作用。

这表明在感知有用性对平台满意度和持续参与意愿的作

用过程中，当房东感知到平台上的房东用户数量和质量

增加时，在平台发展前期房东因为可以有合作关系而产

生正向影响的期望（即正的网络效应）。而当房东数量

增加达到一定水平时，平台内的竞争关系将会削弱房东

的平台满意度和持续参与意愿。这一发现与 C h u 等的观

点有一定差异，[11] 他们通过对淘宝网的研究发现了在平

台需求方（即买方）存在较小的正向同边网络效应，而

在平台供给方（即卖方）的同边网络效应并不显著。导

致这种差异的原因可能是，同边网络效应对于平台绩

效（如平台满意度、持续参与意愿等）的影响并不是一

个简单的线性关系，而是本研究所发现的倒 U 型调节作

用。例如，根据 2017-2018 共享经济行业报告，共享住

宿平台经过积累形成较高的网络效应。其中，小猪短租

2015-2017 年的市场规模增长了 12 倍。但它在成熟市场

（如北上广等城市）的同边网络效应正在渗透下沉，可

能是由于同边网络效应的倒 U 型调节作用。在平台发展

的成熟期，过多的房东及房源会导致竞争加剧，使得市

场规模出现一定的下降。因此本结论的理论贡献在于，

发现了同边网络效应的调节作用取决于平台自身的有用

性感知，而且同边网络效应对于平台满意度和持续参与

意愿的影响均存在理论上的均衡点，因而不能盲目扩张

平台的规模。

2. 实践启示

本文的主要结论为促进共享住宿平台的长期稳定发

展提供了一定的依据，对旅游行业如何接纳和发展共享

经济模式有重要的实践启示，主要体现在如下三方面 ：

首先，重视平台有用性感知和平台满意度对于房东

持续参与意愿的正向影响。共享住宿平台应从用户规模

效应、交互性和增值服务等方面让房东感知到平台的有用

性。本文还发现了平台满意度在感知有用性和持续参与

意愿中的关键中介作用。为此，共享住宿平台需要提升房

东对平台的感知有用性，特别要增强平台满意度促进房东

持续参与意愿，保障共享住宿平台的长期稳定发展。

其次，重视跨边网络效应对于房东平台满意度和持

续参与意愿的影响。本文发现了跨边网络效应在感知有

用性和平台满意度之间的正向调节作用。这表明共享住

宿平台需要进一步加强平台需求方的治理，具体包括 ：

（1）需要规范用户的行为并增加其失信成本，减少其对

房屋的不当使用行为 ；（2）当房东和房客产生利益冲突

时，共享平台主体作为协调方，需要及时解决问题，保

障双方合法利益。

最后，重视同边网络效应在不同平台发展时期对房

东平台满意度和持续参与意愿的影响。在平台发展初期，

很多共享住宿平台都通过各种优惠活动（如现金奖励、

免费保洁等）来快速获取更多的房东及其房源，这正是

有效利用正向同边网络效应的结果。本研究发现，同边

网络效应对于平台满意度和持续参与意愿等的影响是一

种倒 U 型调节作用。因此平台管理者不能盲目扩展房东

规模，在平台发展到一定规模时，需要适当控制房东和

房源规模，努力提升房东和房源质量。这样才能有效避

免负的同边网络效应对共享住宿平台的负面影响。例如，

共享住宿巨头 A i r b n b 宣布房东的服务费率从 3% 上调至

10%，该政策反映出平台对于房东同边网络效应的控制，

即提高房东和房源的质量，而不是盲目扩大房东规模，

从而增加房东平台参与的满意度和持续参与意愿。

参考文献

[1] Zhu, G., So, K. K. F., Hudson, S.. Inside the Sharing Economy: Understanding Consumer Motivations behind the Adoption of Mobile Applications. International Journal of Contemporary Hospitality Management, 2017, 29(3): 2218-2239.

[2] 杨德进 , 徐虹 . 互联网新动能激发旅游业七大战略性变革 . 旅游学刊 , 2016, 31(5): 1-3.

[3] So, K. K. F., Oh, H., Min, S.. Motivations and Constraints of Airbnb Consumers: Findings from a Mixed-methods Approach. Tourism Management, 2018, (67): 224-236.

[4] Guttentag, D.. Airbnb: Disruptive Innovation and the Rise of an Informal Tourism Accommodation Sector. Current Issues in Tourism, 2015, 18(12): 1192-1217.

[5] Guttentag, D. A., Smith, S. L. J.. Assessing Airbnb as a Disrup-tive Innovation Relative to Hotels: Substitution and Comparative Performance Expectations. International Journal of Hospitality Management, 2017, (64): 1-10.

[6] Blal, I., Singal, M., Templin, J.. Airbnb s̀ Effect on Hotel Sales Growth. International Journal of Hospitality Management, 2018, (73): 85-92.

[7] Yang, Y., Tan, K. P. S., Li, X.. Antecedents and Consequences of Home-sharing Stays: Evidence from a Nationwide Household Tourism Survey. Tourism Management, 2019, (70): 15-28.

[8] Guttentag, D., Smith, S., Potwarka, L.. Why Tourists Choose Airbnb: A Motivation-based Segmentation Study. Journal of

103-113Nankai Business Review  Vol. 22, 2019, No. 4, pp

112

旅游与服务管理Travel Research, 2017, 57(1): 1-18.

[9] McIntyre, D. P., Srinivasan, A.. Networks, Platforms, and Strat-egy: Emerging Views and Next Steps. Strategic Management Journal, 2017, 38(1): 141-160.

[10] 李雷 , 赵先德 , 简兆权 . 网络环境下平台企业的运营策略研究 . 管理科学学报 , 2016, 19(3): 15-33.

[11] Chu, J., Manchanda, P.. Quantifying Cross and Direct Network Effects in Online Consumer-to-Consumer Platforms. Marketing Science, 2016, 35(6): 870-893.

[12] Song, P., Xue, L., Rai, A.. The Ecosystem of Software Platform: A Study of Asymmetric Cross-side Network Effects and Plat-form Governance. MIS Quarterly, 2018, 42(1): 121-142.

[13] Hamari, J., Sjöklint, M., Ukkonen, A.. The Sharing Economy: Why People Participate in Collaborative Consumption. Journal of the Association for Information Science and Technology, 2016, 67(9): 2047-2059.

[14] Heo, C. Y.. Sharing Economy and Prospects in Tourism Re-search. Annals of Tourism Research, 2016, (58): 166-170.

[15] Fang, B., Qiang, Y., Law, R.. Effect of Sharing Economy on Tourism Industry Employment. Annals of Tourism Research, 2016, (57): 264-267.

[16] Navío-Marco, J., Ruiz-Gómez, L. M., Sevilla-Sevilla, C.. Prog-ress in Information Technology and Tourism Management: 30 Years on and 20 Years after the Internet-revisiting Buhalis & Law s̀ Landmark Study about eTourism. Tourism Management, 2018, (69): 460-470.

[17] Zervas, G., Proserpio, D., Byers, J. W.. The Rise of the Sharing Economy: Estimating the Impact of Airbnb on the Hotel Indus-try. Journal of Marketing Research, 2017, 54(5): 687-705.

[18] Poon, K. Y., Huang, W. J.. Past Experience, Traveler Personali-ty, and Tripographics on Intention to Use Airbnb. International Journal of Contemporary Hospitality Management, 2017, 29(6): 2425-2443.

[19] Wang, C., Jeong, M.. What Makes You Choose Airbnb Again? An Examination of Users` Perceptions toward the Website and Their Stay. International Journal of Hospitality Management, 2018, (74): 162-170.

[20] Mao, Z., Lu, J.. Why Travelers Use Airbnb Again? An Integra-tive Approach to Understanding Travelers` Repurchase Intention. International Journal of Contemporary Hospitality Management, 2017, 29(2): 2464-2482.

[21] Liang, L. J., Choi, H. C., Joppe, M.. Exploring the Relationship between Satisfaction, Trust and Switching Intention, Repurchase Intention in the Context of Airbnb. International Journal of Hos-pitality Management, 2018, (69): 41-48.

[22] Gunter, U.. What Makes an Airbnb Host a Superhost? Empirical Evidence from San Francisco and the Bay Area. Tourism Man-agement, 2017, (66): 26-37.

[23] Liang, S., Schuckert, M., Law, R.. Be A “Superhost”: The Im-portance of Badge Systems for Peer-to-Peer Rental Accommo-dations. Tourism Management, 2017, (60): 454-465.

[24] Lee, H., Yang, S. B., Koo, C.. Exploring the Effect of Airbnb

Hosts` Attachment and Psychological Ownership in the Sharing Economy. Tourism Management, 2019, (70): 284-294.

[25] Parker, G. G., Van Alstyne, M. W., Choudary, S. P.. Platform Revolution: How Networked Markets Are Transforming the Economy and How to Make Them Work for You. W.W. Norton & Company, 2016.

[26] Tiwana, A.. Platform Ecosystems: Aligning Architecture, Gov-ernance, and Strategy. Elsevier Inc. 2014.

[27] Hagiu, A., Wright, J.. Multi-sided Platforms. International Jour-nal of Industrial Organization, 2015, (43): 162-174.

[28] Anderson, E. G., Parker, G. G., Tan, B.. Platform Performance Investment in the Presence of Network Externalities. Informa-tion Systems Research, 2014, 25(1): 152-172.

[29] 陈威如 , 王诗一 . 平台转型 . 中信出版社 , 2016.[30] 陈威如 , 余卓轩 . 平台战略 . 中信出版社 , 2013.[31] 杨丽 . 平台分化、交叉平台效应与平台竞争——以淘宝网的分

化与竞争为例 . 研究与发展管理 , 2018, 30(1): 151-160.[32] Bhattacherjee, A.. Understanding Information Systems Continu-

ance: An Expectation-confirmation Model. MIS Quarterly, 2001, 25(3): 351-370.

[33] Bhattacherjee, A., Perols, J., Sanford, C.. Information Technol-ogy Continuance: A Theoretic Extension and Empirical Test. Journal of Computer Information Systems, 2008, 49(1): 17-26.

[34] Ambalov, I. A.. A Meta-analysis of Is Continuance: An Eval-uation of the Expectation-Confirmation Model. Telematics & Informatics, 2018, 35(6): 1561-1571.

[35] 李武 , 赵星 . 大学生社会化阅读 APP 持续使用意愿及发生机

理研究 . 中国图书馆学报 , 2016, 42(1): 52-65.[36] Gefen, D.. TAM or Just Plain Habit: A Look at Experienced On-

line Shoppers. Journal of Organizational & End User Comput-ing, 2003, 15(July): 1-13.

[37] Roca, J. C., Chiu, C. M., Martínez, F. J.. Understanding E-learn-ing Continuance Intention: An Extension of the Technology Acceptance Model. International Journal of Human-Computer Studies, 2006, 64(8): 683-696.

[38] Venkatesh, V., Thong, J. Y. L., Chan, F. K. Y.. Extending the Two-stage Information Systems Continuance Model: Incorpo-rating UTAUT Predictors and the Role of Context. Information Systems Journal, 2011, 21(6): 527-555.

[39] Parthasarathy, M., Bhattacherjee, A.. Understanding Post-adop-tion Behavior in the Context of Online Services. Information Systems Research, 1998, 9(4): 362-379.

[40] Wu, J., Liu, L., Huang, L.. Consumer Acceptance of Mobile Payment across Time: Antecedents and Moderating Role of Diffusion Stages. Industrial Management & Data Systems, 2017, 117(8): 1761-1776.

[41] 林家宝 , 鲁耀斌 , 徐勇 . 手机银行用户满意度与忠诚度研究 . 信息系统学报 , 2012, (1): 97-107.

[42] Van Alstyne, M. W., Parker, G. G., Choudary, S. P.. Pipelines, Platforms, and the New Rules of Strategy. Harvard Business Re-view, 2016, 94(4): 54-62.

[43] 孙耀吾 , 旷冶 . 软件平台开放度对主导企业绩效影响研究——

103-113南开管理评论  第22卷, 2019年第4期第 页

113

旅游与服务管理基于平台吸引力的调节作用 . 科学学与科学技术管理 , 2016, 37(5): 44-54.

[44] Moore, G. C., Benbasat, I.. Development of an Instrument to Measure the Perceptions of Adopting an Information Technolo-gy Innovation. Information Systems Research, 1991, 2(3): 192-222.

[45] Podsakoff, P. M., MacKenzie, S. B., Lee, J. Y.. Common Method Biases in Behavioral Research: A Critical Review of the Litera-ture and Recommended Remedies. Journal of Applied Psycholo-gy, 2003, 88(5): 879-903.

[46] Lindell, M. K., Whitney, D. J.. Accounting for Common Method Variance in Cross-sectional Research Designs. Journal of Ap-plied Psychology, 2001, 86(1): 114-121.

[47] Malhotra, N. K., Kim, S. S., Patil, A.. Common Method Vari-ance in Is Research: A Comparison of Alternative Approaches and a Reanalysis of Past Research. Management Science, 2006, 52(12): 1865-1883.

[48] Gefen, D., Straub, D. W., Boudreau, M. C.. Structural Equation Modeling and Regression: Guidelines For Research Practice. Communications of the Association for Information Systems, 2010, 4(7): 1-78.

[49] Gefen, D., Rigdon, E. E., Straub, D.. An Update and Extension to SEM Guidelines for Administrative and Social Science Re-search. MIS Quarterly, 2011, 35(2): III-XII.

[50] Hu, L. T., Bentler, P. M.. Cutoff Criteria for Fit Indexes in Co-variance Structure Anaysis: Conventional Criteria Versus New Alternatives. Structural Equation Modeling a Multidisciplinary Journal, 1999, 6(1): 1-55.

[51] Tang, X., Rai, A.. How Should Process Capabilities Be Com-bined to Leverage Supplier Relationships Competitively? Euro-pean Journal of Operational Research, 2014, 239(1): 119-129.

[52] Bagozzi, R. P., Yi, Y., Phillips, L. W.. Assessing Construct Va-lidity in Organizational Research. Administrative Science Quar-terly, 1991, 3(36): 421-458.

The Influencing Mechanism of the Re-participation In-tention of Host in the Shared Accommodation Platform: The Perspective of Platform Network Effects Chi Maomao, Liu Shujun, Lu Xinyuan, Luo BoSchool of Information Management, Central China Normal UniversityAbstract With the penetration of the shared economy in all trades

and professions, the shared accommodation platform has an increas-

ingly important impact on the tourism industry. Recently, there are

some literatures on tourism management that have begun to study

the motivation of re-purchase intention of travelers in the shared

accommodation platform (e.g., Airbnb) from the perspective of user

behavior. Yet, in spite of this valuable work, there is still a lack of

literatures on how participants on both sides of the shared accom-

modation platform influence each other's platform participation be-

haviors from the perspective of platform network effects, especially

from the host perspective. Based on the relevant literatures related

to the continuous use of information systems, this study explores

the impact mechanism of the re-participation intention of the host

in the shared accommodation platform from the perspective of

same-side network effects and cross-side network effects. By con-

solidating the information systems continuance model, this research

proposes a conceptual model showing how the re-participation in-

tention of hosts is affected by the perceived usefulness and platform

satisfaction through the moderation of network effects. This paper

contributes to the knowledge bases of both re-participation behav-

ior and network effects literatures. Using the 288 first-hand survey

data collected from hosts in the shared accommodation platform,

we tested the research model by Stata13.0 and uncovered three main

findings in our study. Firstly, the perceived usefulness and plat-

form satisfaction of hosts have a significant positive effect on their

re-participation intention in the shared accommodation platform.

Also, the perceived usefulness positively influences the platform

satisfaction of hosts. Secondly, the cross-side network effects have

a positive moderating effect on the relationship between perceived

usefulness and platform satisfaction of the hosts. Finally, the same-

side network effects have an inverse U-shaped moderating effect

on the relationships between the perceived usefulness and platform

satisfaction, as well as the relationships between perceived useful-

ness and the re-participation intention of the hosts. In addition to

contributions to construct and measure items, this research provides

a theoretical guidance for the sustainable development of the shared

accommodation platform. Our findings also have some important

practical significance for the tourism industry on how to adopt and

develop the shared economy. This paper lays the foundations for

the deeper exploration of platform re-participation intention in the

future.

Key Words Shared Accommodation Platform; The Re-participation

Intention of Host; Same-side Network Effects; Cross-side Network

Effects

103-113Nankai Business Review  Vol. 22, 2019, No. 4, pp