×

基于SEM-ANN的因素对ERP系统扩展使用的影响研究。 (英语) Zbl 07073954号

摘要:本研究的主要目的是验证两步结构方程建模(SEM)和人工神经网络(ANN)方法与单步SEM方法相比能够获得更好的深入研究结果的假设。该方法用于确定哪些因素对企业资源规划(ERP)系统的扩展使用具有统计显著影响。研究模型和假设关系基于技术接受模型(TAM)。大多数关于ERP验收的研究都是使用基于SEM的研究方法进行的。本文的目的是用人工神经网络方法扩展传统上基于扫描电镜技术的TAM基础研究。在本研究的第一步中,使用SEM技术确定哪些因素对ERP系统的扩展使用具有统计显著影响;第二步,使用ANN模型对从SEM中获得的显著预测因子的相对影响进行排序。本研究的主要发现是,使用多分析两步SEM-ANN方法提供了两个重要的好处。首先,它可以对SEM分析获得的结果进行额外验证。其次,这种方法不仅能够捕捉前因和因变量之间的线性关系,还能够捕捉复杂的非线性关系,并能够更精确地测量每个预测因子的相对影响。

MSC公司:

900亿 运筹学与管理科学
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Ahani A、Rahim NZA、Nilasi M(2017)《中小企业社会CRM采用预测:一种组合的SEM-神经网络方法》。计算人体行为75:560-578。https://doi.org/10.1016/j.chb.2017.05.032 ·doi:10.1016/j.chb.2017.05.032
[2] Ajzen I(1991)计划行为理论。器官行为-人类衰退过程50:179-211。https://doi.org/10.1016/j.chb.2017.05.032 ·doi:10.1016/j.chb.2017.05.032
[3] Amoako-Gyampah K,Salam AF(2004)ERP实施环境中技术接受模型的扩展。信息管理41:731-745。https://doi.org/10.1016/j.im.2003.08.010 ·doi:10.1016/j.im.2003.08.010
[4] Bradley J,Lee CC(2007)ERP培训与用户满意度:案例研究。Int J Enterp Inf Syst 3(4):33-55。https://doi.org/10.4018/jeis.2007100103 ·doi:10.4018/jeis.2007100103
[5] Bueno S,Salmeron JL(2008),基于TAM的ERP成功建模。交互计算20(6):515-523。https://doi.org/10.1016/j.intcom.2008.08.003 ·doi:10.1016/j.intcom.2008.08.003
[6] Calisir F、Gumussoy CA、Bayram A(2009)预测使用企业资源规划系统的行为意图——技术接受模型的探索性扩展。Manag Res新闻32(7):597-613。https://doi.org/10.1108/01409170910965215 ·doi:10.1108/01409170910965215
[7] Chan FTS,Chong AYL(2012)一种SEM-神经网络方法,用于理解组织间系统标准采用和绩效的决定因素。Decis支持系统54:621-630。https://doi.org/10.1016/j.dss.2012.08.09 ·doi:10.1016/j.dss.2012.08.09
[8] Chin WW(1998)关于结构方程建模的问题和观点。管理信息系统Q 22(1):7-16
[9] Chin-WW等人(1996年)测量交互效应的偏最小二乘潜在变量建模方法:来自蒙特卡罗研究和语音邮件情感/采纳研究的结果。收录:俄亥俄州克利夫兰市第十七届国际信息系统会议记录
[10] Chong AYL(2013a)预测移动商务采用决定因素:一种神经网络方法。专家系统应用40:523-530。https://doi.org/10.1016/j.eswa.2012.07.068 ·doi:10.1016/j.eswa.2012.07.068
[11] Chong AYL(2013b)一种两阶段的SEM-神经网络方法,用于理解和预测移动商务采用的决定因素。专家系统应用40(4):1240-1247。https://doi.org/10.1016/j.eswa.2012.08.067 ·doi:10.1016/j.eswa.2012.08.067
[12] Chong AYL,Bai R(2014)《预测中小企业采用开放式IOS:一种集成的SEM-神经网络方法》。专家系统应用41(1):221-229。https://doi.org/10.1016/j.eswa.2013.07.023 ·doi:10.1016/j.eswa.2013.07.023
[13] Cohen J(1988)《行为科学的统计力量分析》。马哈瓦·劳伦斯·埃尔鲍姆·Zbl 0747.62110号
[14] Davis FD(1989)感知有用性、感知易用性和用户对信息技术的接受度。管理信息系统Q13(3):319-340
[15] Davis FD、Bagozzi RP、Warshaw PR(1989)《用户对计算机技术的接受:两种理论模型的比较》。《管理科学》35(8):982-1003。https://doi.org/10.1287/mnsc.35.8.982 ·doi:10.1287/mnsc.35.8982
[16] Fishbein M,Ajzen I(1975)《信念、态度、意图和行为:理论和研究导论》。Addison-Wesley,阅读
[17] Fornell C,Larcker DF(1981)用不可观测变量和测量误差评估结构方程模型。J Mark Res 18(1):39-50
[18] Garson GD(2016)偏最小二乘:回归和结构方程模型。Asheboro Statistical Associates Publishers出版社
[19] Gnana Sheela K,Deepa SN(2013)《神经网络中隐藏神经元数量固定方法综述》。数学问题工程2013:1-12。https://doi.org/10.1155/2013/425740 ·doi:10.1155/2013/425740
[20] Hackle P,Wsestlud A(2000)《顾客满意度测量的结构方程建模》。总质量管理11:820-825
[21] Henseler J、Ringle CM、Sinkovics RR(2009)《偏最小二乘路径建模在国际营销中的应用》。新查尔国际标记20:277-319
[22] Henseler J,Ringle CM,Sarstedt M(2015)基于方差的结构方程建模中评估判别无效性的新标准。《科学院学报》43(1):115-135。https://doi.org/10.1007/s11747-014-0403-8 ·doi:10.1007/s11747-014-0403-8
[23] Henseler J、Hubona G、Ray PA(2016)《在新技术研究中使用PLS路径建模:更新指南》。工业管理数据系统116(1):2-20。https://doi.org/10.1108/IMDS-09-2015-0382 ·doi:10.1108/IMDS-09-2015-0382
[24] Hew T-S、Leong L-Y、Ooi K-B、Chong AY-L(2016)移动娱乐采用的预测驱动因素:两阶段SEM-人工神经网络分析。计算机信息系统杂志56(4):352-370。https://doi.org/10.1080/08874417.2016.1164497 ·doi:10.1080/08874417.2016.1164497
[25] Hew J-J,Badaruddin MNBA,Moorthy MK(2017)制定智能手机回购决策流程:品牌依恋和性别重要吗?Telemat通知34(4):34-56。https://doi.org/10.1016/j.tele.2016.12.009 ·doi:10.1016/j.tele.2016.12.009
[26] Hew J-J、Leong L-Y、Tan GW-H、Lee V-H、Ooi K-B(2018)《移动社交旅游购物:多中介模型的双重阶段分析》。Tour Manag旅游管理66:121-139。https://doi.org/10.1016/j.tourman.2017.10.005 ·doi:10.1016/j.tourman 2017年10月10日
[27] Hsieh JJPA,Wang W(2007)解释员工对复杂信息系统的广泛使用。欧洲信息系统杂志16(3):216-227。https://doi.org/10.1057/palgrave.ejis.3000663 ·doi:10.1057/palgrave.ejis.3000663
[28] Hsu S-H,Chen W-H,Hsieh M-J(2006)基于PLS、LISREL、EQS和ANN的SEM的稳健性测试,用于测量客户满意度。总质量管理17(3):355-371
[29] Hwang YJ(2005)《企业系统采用的调查:不确定性规避、内在动机和技术接受模型》。欧洲信息系统杂志14(2):150-161。https://doi.org/10.1057/palgrave.ejis.3000532 ·doi:10.1057/palgrave.ejis.3000532
[30] Jimoh L,Eshiemokhai E,Hambali Z(2014)《国际教育研究期刊文献计量分析》,2004-2012年。信息知识管理4(12):42-48
[31] Kwahk K-Y,Lee JN(2008)ERP实施中变革准备的作用:理论基础和实证验证。信息管理45(7):474-481。https://doi.org/10.1016/j.im.2008.07.002 ·doi:10.1016/j.im.2008.07.002
[32] Lee DH,Lee SM,Olson DL,Chung SH(2010)组织支持对ERP实施的影响。工业管理数据系统110(2):269-283。https://doi.org/10.1108/02635571011020340 ·doi:10.1108/02635571011020340
[33] Leong L-Y,Hew T-S,Tan GWH,Ooi KB(2013)预测支持NFC的移动信用卡受理的决定因素:神经网络方法。专家系统应用40:5604-5620。https://doi.org/10.1016/j.eswa.2013.04.018 ·doi:10.1016/j.eswa.2013.04.018
[34] Leong L-Y、Hew T-S、Lee V-H、Ooi K-B(2015)低成本和全服务航空公司之间SERVPERF、客户满意度和忠诚度之间关系的SEM人工神经网络分析。专家系统应用42:6620-6634
[35] Li Y,He T,Song Y,Yang Z,Zhou R(2018)影响捐赠者向中国慈善众筹项目捐赠意愿的因素:基于UTAUT的模型。信息通讯社21(3):404-415。https://doi.org/10.1080/1369118X.2017.1282530 ·doi:10.1080/1369118X.2017.1282530
[36] Liébana-Cabanilas F,MarinkovićV,KalinićZ(2017)预测移动商务接受前因的半神经网络方法。国际信息管理杂志37:14-24。https://doi.org/10.1016/j.ijinfomgt.2016.10.008 ·doi:10.1016/j.ijinfomgt.2016.10.008
[37] Liébana-Cabanilas F,Marinkovic V,Ramos de Luna I,Kalinic Z(2018)预测移动支付接受度的决定因素:一种混合SEM-神经网络方法。技术预测Soc变化5:254。https://doi.org/10.1016/j.techfore.2017.12.015 ·doi:10.1016/j.techfore.2017年12月15日
[38] Liu L,Ma Q(2006)感知系统性能:扩展技术接受模型的测试。器官最终用户计算杂志18(3):1-24。https://doi.org/10.1145/1161345.1161354 ·doi:10.145/1161345.1161354
[39] 卢J,春生Y,刘C,姚杰(2003)《无线互联网技术接受模型》。互联网Res-Electron网络应用政策13(3):206-222。https://doi.org/10.1108/10662240310478222 ·doi:10.1108/10662240310478222
[40] Mei B,Brown GTL,Teo T(2018)理解职前英语作为外语教师对中华人民共和国计算机辅助语言学习2.0的接受。《教育计算研究杂志》56(1):74-104。https://doi.org/10.1177/0735633117700144 ·doi:10.1177/0735633117700144
[41] Nah FF,Tan X,Teh SH(2004)《最终用户接受企业系统的实证调查》。信息资源管理J 17(3):32-53。https://doi.org/10.4018/irmj.2004070103 ·doi:10.4018/irmj.2004070103
[42] Negnevitsky M(2011)《人工智能:智能系统指南》,第3版。培生教育,埃塞克斯
[43] Ooi K-B,Tan GWH(2016)《移动技术接受模型:使用移动用户探索智能手机信用卡的调查》。专家系统应用59:33-46。https://doi.org/10.1016/j.eswa.2016.04.015 ·doi:10.1016/j.eswa.2016.04.015
[44] Panahian H(2011)神经网络模型和非线性多元回归模型预测股市指数:伊朗资本市场研究。美国科学研究杂志18:35-51
[45] Priyadarshinee P、Raut RD、Jha MK、Gardas BB(2017)了解和预测云计算采用的决定因素:两阶段混合SEM-神经网络方法。计算Hum Behav 76:341-362。https://doi.org/10.1016/j.chb.2017.07.027 ·doi:10.1016/j.chb.2017.07.027
[46] Pu X,Chan FTS,Chong AYL(2016)为制造业供应链集成开发统一的开放式电子物流标准扩散模型。主题:PACIS 2016会议记录亚太信息系统会议
[47] Ringle CM、Wende S、Becker J-M(2015)SmartPLS 3。SmartPLS股份有限公司,Boeningstedt。http://www.smartpls.com。2016年2月8日访问
[48] Roy SK、Balaji MS、Kesharwani A、Sekhon H(2017)《印度互联网银行应用预测:感知风险视角》。J Strateg Mark 25(5-6):418-438。https://doi.org/10.1080/0965254X.2016.1148771 ·doi:10.1080/0965254X.2016.1148771
[49] Sánchez-Mena A,Martí-Parreño J,AldáS-Manzano J(2018)教师使用教育视频游戏的意图:性别和年龄的调节作用。Innov教育教学国际。https://doi.org/10.1080/14703297.2018.1433547 ·doi:10.1080/147032097.2018.1433547
[50] Scherer R、Tondeur J、Siddiq F、Baran E(2018)技术态度对职前教师技术、教学和内容知识的重要性:比较结构方程建模方法。计算Hum Behav 80:67-80。https://doi.org/10.1016/j.chb.2017.11.003 ·doi:10.1016/j.chb.2017.11.003
[51] Sezgin E,Özkan Yildirim S,Yildirim S(2018)理解在实践中使用mHealth应用程序的看法:医生的观点。Inf Dev 34(2):182-200。https://doi.org/10.1177/026666916684180 ·doi:10.1177/02666666916684180
[52] Sharma SK(2017)将认知前因融入TAM以解释手机银行行为意图:一个SEM-神经网络模型。信息系统前端。https://doi.org/10.1007/s10796-017-9775-x ·doi:10.1007/s10796-017-9775-x
[53] Sharma SK、Joshi A、Sharma H(2016)预测高等教育中Facebook使用情况的多分析方法。计算人体行为55:340-353。https://doi.org/10.1016/j.chb.2015.09.020 ·doi:10.1016/j.chb.2015.09.020
[54] Shibata K,Ikeda Y(2009)大规模分层神经网络中隐藏神经元数量对学习的影响。摘自:2009年ICROS-SICE国际联合会议记录(ICCASSICE’09),第5008-5013页
[55] Shih YY,Huang SS(2009)ERP系统的实际使用:扩展技术接受视角。《技术研究与实践杂志》41(3):263-276。https://doi.org/10.1016/j.im.2003.08.010 ·doi:10.1016/j.im.2003.08.010
[56] Shivers-Blackwell SL,Charles AC(2006)《准备,准备,行动:检查学生使用ERP技术的准备情况》。管理开发杂志25(8):795-805。https://doi.org/10.1108/02621710610684268 ·doi:10.1108/02621710610684268
[57] Sim JJ、Tan GW-H、Wong JCJ、Ooi K-B、Hew T-S(2014)《理解和预测移动音乐接受的动机——一种多阶段MRA-人工神经网络方法》。Telemat通知31:569-584。https://doi.org/10.1016/j.tele.2013.11.005 ·doi:10.1016/j.tele.2013.11.005
[58] Sternad S,Bobek S(2013),基于TAM的外部因素,与企业接受ERP解决方案有关。国际信息系统项目管理1(4):25-38
[59] 斯特纳德,S。;Bobek,S。;Chatterjee,SR(编辑),企业ERP业务解决方案验收,283-294(2014),新德里
[60] Sternad S,Gradišar M,Bobek S(2011)外部因素对常规ERP使用的影响。工业管理数据系统111(9):1511-1530。https://doi.org/10.1108/02635571111182818 ·doi:10.1108/0263557111182818
[61] Sun Y,Bhattacherjee A,Ma Q(2009)《将技术使用扩展到工作环境:感知到的工作兼容性在ERP实施中的作用》。信息管理46(6):351-356。https://doi.org/10.1016/j.im.2009.06.003- ·doi:10.1016/j.i.m.2009.06.003-
[62] Tabachnick GB,Fidell LS(2013),使用多元统计。波士顿皮尔逊
[63] Tan GW-H,Ooi K-B,Leong L-Y,Lin B(2014)《使用移动学习的行为意向驱动因素预测:一种混合SEM-神经网络方法》。计算人类行为36:198-213。https://doi.org/10.1016/j.cb.2014.03.052 ·doi:10.1016/j.chb.2014.03.052
[64] Teo A-C、Tan GW-H、Ooi K-B、Hew T-S、Yew K-T(2015)移动支付中便捷性和速度的影响。工业管理数据系统115(2):311-331。https://doi.org/10.1108/IMDS-08-2014-0231 ·doi:10.1108/IMDS-08-2014-0231
[65] Tren S(2008)多层感知器:近似顺序和必要的隐藏单元数。IEEE Trans神经网络19(5):836-844
[66] Umble EJ、Haft RR、Umble MM(2002)《企业资源规划:实施程序和CSF》。《欧洲运营研究杂志》146(2):241-257。https://doi.org/10.1016/S0377-2217(02)00547-7 ·Zbl 1011.90522号 ·doi:10.1016/S0377-2217(02)00547-7
[67] Uzoka FME、Abiola RO、Nyangeresi R(2008)产品和组织结构对使用扩展技术接受模型进行erp收购的影响。国际企业信息系统杂志4(2):67-83。https://doi.org/10.4018/jeis.2008040105 ·doi:10.4018/jeis.2008040105
[68] Van Eck NJ,Waltman L(2011)《使用VOSviewer进行文本挖掘和可视化》。ISSI新闻7(3):50-54
[69] Venkatesh V,Bala H(2008)《技术接受模型3和干预研究议程》。《决策科学》39(2):273-315。https://doi.org/10.1111/j.1540-5915.2008.00192.x ·doi:10.1111/j.1540-5915.2008.00192.x
[70] Venkatesh V,Davis FD(2000)技术接受模型的理论扩展:四项纵向实地研究。《管理科学》46(2):186-205。https://doi.org/10.1287/mnsc.46.2.186.11926 ·doi:10.1287/mnsc.46.2186.11926
[71] Wallace TF,Kremzar MH(2001)《ERP:实现——企业资源规划成功实施者指南》。纽约威利
[72] Yadav R,Sharma SK,Tarhini A(2016)一种了解和预测移动商务采用情况的多分析方法。企业信息管理杂志29(2):222-237。https://doi.org/10.1108/JEIM-04-2015-0034 ·doi:10.1108/JEIM-04-2015-0034
[73] Youngberg E,Olsen D,Hauser K(2009)企业资源规划系统环境中专业自主最终用户接受度的决定因素。国际新闻管理杂志29(2):138-144。https://doi.org/10.1016/j.ijinfomgt.2008.06.001 ·doi:10.1016/j.ijinfomgt.2008.06.001
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。