牛阮霞　宋瑞　毛麗娟

［摘? ? 要］信任是連接共享住宿房源供給方和需求方并促成交易達(dá)成的關(guān)鍵因素。文章基于信任建立模型，嘗試探究供給方——共享住宿平臺(tái)房東的信任建立機(jī)制，考察影響房東信任建立的主要因素及房東信任對(duì)其持續(xù)使用共享住宿平臺(tái)這一行為意愿的影響。研究結(jié)果表明：平臺(tái)因素中的安全保障、隱私保護(hù)、平臺(tái)服務(wù)、感知易用性、感知有用性顯著正向影響房東對(duì)平臺(tái)的信任；房東因素中的熟悉度并未顯著影響房東對(duì)平臺(tái)的信任；房客因素中的互動(dòng)性和房客的聲譽(yù)顯著正向影響房東對(duì)房客的信任；房東對(duì)平臺(tái)的信任可轉(zhuǎn)移到對(duì)房客的信任；房東對(duì)平臺(tái)的信任和對(duì)房客的信任顯著正向影響房東持續(xù)使用平臺(tái)的意愿；信任中介了信任影響因素（制度因素、技術(shù)因素、認(rèn)知因素、情感因素）與房東持續(xù)使用平臺(tái)意愿之間的關(guān)系。文章在理論上深化和拓展了共享住宿房東信任研究，并為共享住宿平臺(tái)管理提供了啟示。

［關(guān)鍵詞］共享住宿；房東；信任建立模型；信任建立機(jī)制

［中圖分類號(hào)］F59

［文獻(xiàn)標(biāo)識(shí)碼］A

［文章編號(hào)］1002-5006（2023）08-0062-15

DOI： 10.19765/j.cnki.1002-5006.2023.08.010

引言

近年來(lái)，隨著互聯(lián)網(wǎng)技術(shù)的普及應(yīng)用和個(gè)性化消費(fèi)的日漸盛行，共享住宿得以快速發(fā)展。作為對(duì)傳統(tǒng)住宿業(yè)的顛覆性創(chuàng)新，共享住宿通過(guò)第三方平臺(tái)將擁有自有或租賃住宅的房東與有意愿購(gòu)買(mǎi)短期住宿產(chǎn)品的房客對(duì)接起來(lái)，并為其提供在線交易服務(wù)。根據(jù)房東主體的不同，共享住宿包含P2P（peer to peer）、B2C（business to consumer）以及C2B2C（consumer to business to consumer）等交易模式[1]。國(guó)內(nèi)共享住宿市場(chǎng)以P2P模式為主，其房源數(shù)量與市場(chǎng)規(guī)模占比接近80%[1]，本文重點(diǎn)關(guān)注P2P模式下出租自有房源的個(gè)人房東。在該模式下，共享住宿產(chǎn)品的交付需要房東將珍貴的個(gè)人房產(chǎn)分享給陌生房客，房客也將入住陌生人——房東所提供的房屋[2]，并與房東進(jìn)行線上和線下互動(dòng)。這一過(guò)程的發(fā)生有賴于雙方對(duì)彼此信任的建立。因此，在傳統(tǒng)上崇尚熟人社交而現(xiàn)代社會(huì)信任機(jī)制尚不健全的中國(guó)，共享住宿平臺(tái)須盡力消除在線消費(fèi)環(huán)境中普遍存在的諸多障礙（如信息不對(duì)稱、缺乏可視化物理形態(tài)等）[3]，并設(shè)法在作為陌生人的房東和房客以及二者與平臺(tái)之間建立起信任關(guān)系。2022年5月，Airbnb宣布暫時(shí)退出中國(guó)大陸市場(chǎng)，引起業(yè)內(nèi)外廣泛關(guān)注，其退出固然涉及各種復(fù)雜因素，但從長(zhǎng)期來(lái)看，本土化不足導(dǎo)致的房源量增長(zhǎng)緩慢確在一定程度上制約了其競(jìng)爭(zhēng)力。數(shù)據(jù)顯示，截至2021年底，途家房源數(shù)量230萬(wàn)套，木鳥(niǎo)民宿房源數(shù)量135萬(wàn)套，而Airbnb房源數(shù)量只有15萬(wàn)套1。Airbnb退出中國(guó)大陸市場(chǎng)之后，途家、小豬民宿、美團(tuán)民宿等平臺(tái)紛紛推出系列舉措吸引Airbnb房東入駐?？梢?jiàn)，目前房源量仍是衡量共享住宿平臺(tái)發(fā)展水平的重要指標(biāo)之一，如何建立房東信任、吸引更多房東對(duì)共享住宿平臺(tái)而言至關(guān)重要。

對(duì)于共享住宿領(lǐng)域的信任問(wèn)題，已有不少學(xué)者給予關(guān)注。相關(guān)文獻(xiàn)多從需求方視角出發(fā)，分析共享住宿平臺(tái)房客信任的影響因素以及信任對(duì)房客購(gòu)買(mǎi)意愿的影響，研究結(jié)果為共享住宿平臺(tái)如何促進(jìn)房客信任建立提供了借鑒。實(shí)際上，作為典型的雙邊市場(chǎng)，共享住宿平臺(tái)的發(fā)展依賴供需雙方的共同參與，供給方——房東的信任研究同樣值得關(guān)注。隨著共享住宿行業(yè)競(jìng)爭(zhēng)的加劇，越來(lái)越多的共享住宿平臺(tái)意識(shí)到吸引更多房東、增加房源供應(yīng)量是持續(xù)發(fā)展的關(guān)鍵所在[4]。然而，對(duì)于房東而言，要將貴重的家庭資產(chǎn)和自己的生活空間分享給陌生人居住，存在較大風(fēng)險(xiǎn)。也就是說(shuō)，與傳統(tǒng)電子商務(wù)市場(chǎng)供應(yīng)商相比，共享住宿的房東要“讓陌生人住進(jìn)家”通常面臨更多額外風(fēng)險(xiǎn)，如隱私泄露、物品被盜、房源遭受破壞等。事實(shí)證明，感知風(fēng)險(xiǎn)的增加會(huì)加劇房東的不信任感，而這正是阻礙房東參與共享住宿的主要因素之一[5]。因此，從供給方視角探究共享住宿中房東的信任建立機(jī)制尤為重要。

本文借助在線消費(fèi)信任研究中使用較為普遍的信任建立模型（trust building model，TBM），并充分考慮共享住宿的特征——買(mǎi)賣(mài)雙方交互性極強(qiáng)，因此，房東信任建立機(jī)制更為復(fù)雜——對(duì)其加以拓展。具體而言，本文以信任建立模型為基礎(chǔ)，按照“信任影響因素-信任-行為意愿”這一邏輯主線，通過(guò)引入房東因素（熟悉度）和房客因素（聲譽(yù)、感知相似性、互動(dòng)性）對(duì)原模型加以拓展來(lái)分析影響房東信任建立的主要因素及其對(duì)持續(xù)使用平臺(tái)意愿的影響。為分析房東信任建立的內(nèi)在機(jī)理，本文進(jìn)一步對(duì)房東信任的轉(zhuǎn)移以及房東信任在信任影響因素和持續(xù)使用平臺(tái)意愿之間的中介作用予以檢驗(yàn)。

1 文獻(xiàn)綜述

1.1 電子商務(wù)中的信任研究

基于信任在促進(jìn)交易中的重要性，學(xué)者們分別從社會(huì)學(xué)、心理學(xué)、經(jīng)濟(jì)學(xué)、管理學(xué)等視角進(jìn)行了深入研究[6]。Mayer等首次提出組織信任整合模型。在該模型中，信任被定義為“無(wú)論控制或監(jiān)督受托人的能力如何，委托人都預(yù)期受托人將執(zhí)行對(duì)委托人而言重要的特定行為，從而容忍受托人可能導(dǎo)致的傷害行為的程度”[7]。隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，交易渠道逐漸由線下轉(zhuǎn)移到線上。在線交易環(huán)境中，由于買(mǎi)賣(mài)雙方之間存在時(shí)空距離，交易過(guò)程中的不確定性和感知風(fēng)險(xiǎn)較大，信任問(wèn)題成為制約買(mǎi)賣(mài)雙方交易的主要因素之一[8]。為此，研究者主要從以下3個(gè)方面對(duì)電子商務(wù)中的信任問(wèn)題進(jìn)行探究。

首先，多數(shù)學(xué)者從需求方視角研究信任問(wèn)題。研究?jī)?nèi)容集中在消費(fèi)者對(duì)平臺(tái)和網(wǎng)絡(luò)供應(yīng)商信任的影響因素及其作用結(jié)果。其中，消費(fèi)者對(duì)平臺(tái)信任的影響因素主要包括第三方支付服務(wù)[9-10]、隱私和安全披露政策[9]、平臺(tái)認(rèn)證[9]、網(wǎng)站質(zhì)量[8，11]等。消費(fèi)者對(duì)網(wǎng)絡(luò)供應(yīng)商信任的影響因素主要包括反饋機(jī)制[8，10]、供應(yīng)商聲譽(yù)[8]、退貨政策[9]等。消費(fèi)者在對(duì)平臺(tái)和網(wǎng)絡(luò)供應(yīng)商建立信任的基礎(chǔ)上，會(huì)產(chǎn)生一系列行為意愿，如保存網(wǎng)站主頁(yè)[9]、采納供應(yīng)商建議[8]、提供個(gè)人信息[8-9]、購(gòu)買(mǎi)產(chǎn)品或服務(wù)[10，12-13]的意愿等。此外，消費(fèi)者信任也會(huì)對(duì)實(shí)際購(gòu)買(mǎi)行為產(chǎn)生影響。例如Pavlou和Gefen通過(guò)對(duì)亞馬遜在線拍賣(mài)網(wǎng)站消費(fèi)者的跟蹤調(diào)查發(fā)現(xiàn)，消費(fèi)者信任對(duì)實(shí)際的交易行為有積極影響[10]。

其次，部分學(xué)者從供給方視角研究信任問(wèn)題。研究?jī)?nèi)容集中在供給方對(duì)平臺(tái)信任的影響因素及信任的作用結(jié)果。Kang等[14]、Kim等[15]的研究發(fā)現(xiàn)，平臺(tái)認(rèn)證、第三方印章、內(nèi)部動(dòng)機(jī)、外部動(dòng)機(jī)等正向影響了眾籌網(wǎng)站投資人對(duì)平臺(tái)的信任。滴滴平臺(tái)的反饋機(jī)制、司機(jī)保護(hù)機(jī)制和糾紛解決機(jī)制正向影響了司機(jī)對(duì)平臺(tái)的信任[16]。信任的作用結(jié)果包括投資人投資眾籌項(xiàng)目的意愿[14-15]和供給方參與平臺(tái)的意愿[16]等。

最后，少數(shù)學(xué)者從供需雙方視角探討信任問(wèn)題。研究?jī)?nèi)容集中在供需雙方關(guān)系對(duì)信任的影響。例如在B2B情境中，完全依賴會(huì)對(duì)企業(yè)雙方的相互信任形成正向影響，而依賴不對(duì)稱的影響則因企業(yè)性質(zhì)的不同而有所差別[17]。在C2C情境下，信息互動(dòng)和情感互動(dòng)可促進(jìn)成員間的相互信任[18]。

1.2 共享住宿中的信任研究

在傳統(tǒng)電子商務(wù)情境中，交易雙方以線上互動(dòng)為主。在共享住宿情境中，買(mǎi)賣(mài)雙方既有預(yù)訂時(shí)的線上互動(dòng)，也有入住時(shí)的線下互動(dòng)[19-20]。高交互性增加了用戶的感知風(fēng)險(xiǎn)和不確定性。因此，近年來(lái)國(guó)內(nèi)外學(xué)術(shù)界開(kāi)始從兩個(gè)方面關(guān)注共享住宿中的信任問(wèn)題。

一是關(guān)于房客信任的研究。鑒于房客購(gòu)買(mǎi)行為對(duì)共享住宿平臺(tái)持續(xù)經(jīng)營(yíng)的重要性，現(xiàn)有文獻(xiàn)多從房客視角出發(fā)，探討影響其信任的各種因素。這些因素主要涉及共享住宿平臺(tái)和房東兩個(gè)方面。就平臺(tái)方面而言，主要包含制度因素和技術(shù)因素。共享住宿平臺(tái)提供的制度涉及保險(xiǎn)保障[21]、隱私保護(hù)[22]、損失補(bǔ)償[23]、第三方信用體系的引入[24]等，而技術(shù)因素則是指房客對(duì)共享住宿平臺(tái)網(wǎng)站質(zhì)量的感知。例如Yang等[19]、石巋然等[25]的研究指出，房客在使用共享住宿網(wǎng)站時(shí)感知到的有用性、易用性、安全性正向影響房客對(duì)平臺(tái)的信任。就房東方面而言，主要包括聲譽(yù)因素、情感因素和視覺(jué)因素。房東獲得的聲譽(yù)評(píng)價(jià)越正面，房客的感知風(fēng)險(xiǎn)和不確定性程度越低，從而越易對(duì)房東產(chǎn)生信任[20]。情感因素更多地與買(mǎi)賣(mài)雙方之間的互動(dòng)聯(lián)系在一起，房東和房客之間積極有效的互動(dòng)方式可增加雙方的親密度和情感紐帶，從而有助于信任的建立[19，26]。Ert等[27]、Ert和Fleischer[28]的研究揭示了視覺(jué)因素對(duì)可信度的影響，結(jié)果顯示，房東個(gè)人照片中的面部表情、性別、年齡、是否與他人合影、照片質(zhì)量等均會(huì)顯著影響房客對(duì)房東的感知信任。

二是關(guān)于房東信任的研究。與相對(duì)豐碩的房客信任研究相比，現(xiàn)有文獻(xiàn)對(duì)房東信任問(wèn)題尚未有充分關(guān)注。目前，僅有少數(shù)國(guó)外學(xué)者從房東視角探討共享住宿中的信任問(wèn)題。Mittendorf最早關(guān)注到這一問(wèn)題，并在2016年的一篇文章中證實(shí)，熟悉度和信任傾向是影響房東信任的主要因素，房東信任會(huì)直接影響房東在Airbnb上出租房源以及接受預(yù)訂請(qǐng)求的意愿[29]。之后，Wang等以Airbnb為例，研究了社會(huì)價(jià)值取向、社會(huì)效用、金錢(qián)獎(jiǎng)勵(lì)、系統(tǒng)質(zhì)量、信息質(zhì)量和隱私保護(hù)等因素對(duì)房東信任的影響[4]。

1.3 研究述評(píng)

綜上，由于共享住宿平臺(tái)信任關(guān)系的多主體和交互性特征，現(xiàn)有研究分別從需求方和供給方視角探究了共享住宿中的信任問(wèn)題。房客視角下，基于“住進(jìn)陌生人家里”的風(fēng)險(xiǎn)擔(dān)憂，國(guó)外學(xué)者主要關(guān)注共享住宿平臺(tái)的安全保障機(jī)制以及房東視覺(jué)信息和非視覺(jué)信息的影響，國(guó)內(nèi)學(xué)者更關(guān)注平臺(tái)的制度保障和網(wǎng)站質(zhì)量，對(duì)房東因素的關(guān)注較少。房東視角下，基于“讓陌生人住進(jìn)家”的風(fēng)險(xiǎn)擔(dān)憂，國(guó)外學(xué)者主要探究了經(jīng)濟(jì)因素、社會(huì)因素以及技術(shù)因素對(duì)房東信任的影響，國(guó)內(nèi)研究尚未涉及。

總體來(lái)看，現(xiàn)有研究還存在一些局限。首先，對(duì)房東視角關(guān)注不足。僅有兩篇國(guó)外論文初步探索了Airbnb房東的信任問(wèn)題?？紤]到共享住宿是典型的雙邊市場(chǎng)以及房東參與共享住宿的重要性，有必要進(jìn)一步拓展房東視角的研究。其次，缺乏中國(guó)情境研究。由于不同國(guó)家社會(huì)信用體系建設(shè)進(jìn)程存在差異，對(duì)“共享經(jīng)濟(jì)”的理解也有所不同，共享住宿平臺(tái)的房東行為可能呈現(xiàn)出不同特征。因此，有必要研究中國(guó)情境下共享住宿平臺(tái)房東信任的建立。最后，對(duì)房東信任建立機(jī)制的研究不足。在影響房東信任的前因變量中，已有研究探討了共享住宿平臺(tái)的隱私保護(hù)、網(wǎng)站質(zhì)量等因素的影響，對(duì)房東因素以及房客因素的影響探討不足。此外，已有研究將房東信任視作一維變量，對(duì)雙邊市場(chǎng)中房東信任的層次性，以及房東信任在共享住宿平臺(tái)和房客之間的轉(zhuǎn)移研究不足。

2 理論基礎(chǔ)與研究假設(shè)

2.1 信任建立模型

由McKnight等提出的信任建立模型認(rèn)為，消費(fèi)者對(duì)網(wǎng)絡(luò)供應(yīng)商信任的建立遵循“信任的前因變量-信任-信任的行為變量”這一邏輯，即前因變量在促進(jìn)消費(fèi)者信任建立的基礎(chǔ)上，會(huì)使消費(fèi)者產(chǎn)生一系列行為[8]。其中，信任的前因變量有結(jié)構(gòu)保障、對(duì)網(wǎng)絡(luò)供應(yīng)商聲譽(yù)和網(wǎng)站質(zhì)量的感知。信任由依賴網(wǎng)絡(luò)供應(yīng)商的意愿和對(duì)網(wǎng)絡(luò)供應(yīng)商的信任兩個(gè)變量組成。消費(fèi)者在綜合權(quán)衡對(duì)網(wǎng)絡(luò)供應(yīng)商的信任和感知風(fēng)險(xiǎn)的基礎(chǔ)上，產(chǎn)生采納網(wǎng)絡(luò)供應(yīng)商建議、與網(wǎng)絡(luò)供應(yīng)商共享個(gè)人信息、購(gòu)買(mǎi)網(wǎng)絡(luò)供應(yīng)商產(chǎn)品或服務(wù)等一系列行為意愿。

目前，信任建立模型被廣泛應(yīng)用于B2C在線購(gòu)物網(wǎng)站[12-13]、證券網(wǎng)站[30]、眾籌網(wǎng)站[31]中消費(fèi)者對(duì)網(wǎng)站和交易另一方的信任建立過(guò)程。近年來(lái)，隨著共享住宿的興起以及信任在促進(jìn)買(mǎi)賣(mài)雙方交易中重要性的提升，信任建立模型在共享住宿中的應(yīng)用逐漸增多。例如Yang等以信任建立模型為框架構(gòu)建了Airbnb房客的“信任-依戀”模型，探究了認(rèn)知因素和情感因素如何影響房客對(duì)Airbnb平臺(tái)和房東的信任和依戀，進(jìn)而對(duì)其持續(xù)使用平臺(tái)的意愿產(chǎn)生影響 [19]。Mao等以信任建立模型為基礎(chǔ)，研究了網(wǎng)站社會(huì)臨場(chǎng)感、感知隱私、感知安全等因素是如何通過(guò)建立信任進(jìn)而對(duì)Airbnb房客持續(xù)使用平臺(tái)的意愿產(chǎn)生影響[22]。上述研究驗(yàn)證了信任建立模型在共享住宿情境中的適用性。因此，使用此模型探討共享住宿平臺(tái)房東的信任建立機(jī)制具有合理性。

2.2 研究假設(shè)

在應(yīng)用信任建立模型分析時(shí)，我們注意到，該模型是在傳統(tǒng)電子商務(wù)情境下提出的，而共享住宿既具有傳統(tǒng)電子商務(wù)的典型特征，也具有P2P交易的新特征。因此，本文依據(jù)信任建立模型“信任的前因變量-信任-信任的行為變量”的邏輯框架，結(jié)合共享住宿的特征，構(gòu)建共享住宿房東信任建立機(jī)制研究框架（圖1）。其中，信任的前因變量包含平臺(tái)因素、房東因素和房客因素三大類。平臺(tái)因素中的制度因素和技術(shù)因素是基于信任建立模型提出的。信任建立模型中的結(jié)構(gòu)保障是指共享住宿平臺(tái)為保證交易環(huán)境的相對(duì)安全而提供的制度保障措施，本文特指制度因素，包括安全保障、隱私保護(hù)、平臺(tái)服務(wù)3個(gè)變量。信任建立模型中的網(wǎng)站質(zhì)量是指房東對(duì)共享住宿平臺(tái)提供的技術(shù)支持的感知，本文特指技術(shù)因素，包含感知易用性和感知有用性兩個(gè)變量。房東因素和房客因素則是考慮到共享住宿平臺(tái)買(mǎi)賣(mài)雙方的交互性特征由本文筆者提出的，是對(duì)信任建立模型的拓展。其中，房東因素是指房東對(duì)共享住宿平臺(tái)的熟悉度，房客因素包含基于認(rèn)知的聲譽(yù)和感知相似性變量，以及基于情感的互動(dòng)性變量。此外，考慮到房東信任對(duì)象的雙重性，本文中的信任包含兩個(gè)變量，分別是房東對(duì)共享住宿平臺(tái)的信任以及房東對(duì)房客的信任。信任的行為變量是指房東持續(xù)使用共享住宿平臺(tái)的意愿。

2.2.1? ? 基于信任建立模型的假設(shè)

（1）制度因素對(duì)平臺(tái)信任的影響

制度因素對(duì)信任的影響是指委托人認(rèn)為已具備有利的條件保證交易環(huán)境的相對(duì)安全，從而對(duì)受托人完成期望行為可靠性的評(píng)估過(guò)程 [32]。電子商務(wù)市場(chǎng)中，買(mǎi)賣(mài)雙方需要與網(wǎng)絡(luò)中未知的另一方進(jìn)行交易，交易過(guò)程中的不確定性和感知風(fēng)險(xiǎn)較大[21]。因此，作為連接買(mǎi)賣(mài)雙方的中介平臺(tái)往往通過(guò)第三方印章、信用卡擔(dān)保、保險(xiǎn)覆蓋、隱私協(xié)議等方式降低交易風(fēng)險(xiǎn)，為用戶營(yíng)造可信賴的交易環(huán)境，并促進(jìn)在線交易[31]。本文中，制度因素是指共享住宿平臺(tái)的制度保障措施，如安全保障、隱私保護(hù)、平臺(tái)服務(wù)等。

安全保障是指共享住宿平臺(tái)通過(guò)制定保障措施為房東提供安全可靠的交易環(huán)境。已有研究表明，共享住宿平臺(tái)可通過(guò)提供保障金、保險(xiǎn)賠償?shù)劝踩Ｕ洗胧┨嵘脩粜湃蝃21-23]。隱私保護(hù)是指共享住宿平臺(tái)的隱私政策對(duì)房東個(gè)人信息免遭未經(jīng)授權(quán)的使用或披露的保護(hù)[33]。Kim等的研究表明，隱私保護(hù)有助于降低用戶的感知風(fēng)險(xiǎn)，并通過(guò)增加可信度促進(jìn)在線交易的發(fā)生[33]。Wang等通過(guò)對(duì)Airbnb房東的調(diào)查發(fā)現(xiàn)，共享住宿平臺(tái)隱私政策的感知有效性正向影響房東對(duì)平臺(tái)的信任[4]。平臺(tái)服務(wù)是指共享住宿平臺(tái)對(duì)房東提供的總體服務(wù)支持。Wang等的研究發(fā)現(xiàn)，共享住宿平臺(tái)的服務(wù)質(zhì)量正向影響房東對(duì)平臺(tái)的信任[4]。

由是，本文提出如下假設(shè)：

H1：制度因素正向影響房東對(duì)平臺(tái)的信任

H1a～H1c：安全保障、隱私保護(hù)、平臺(tái)服務(wù)正向影響房東對(duì)平臺(tái)的信任

（2）技術(shù)因素對(duì)平臺(tái)信任的影響

技術(shù)因素是指房東對(duì)共享住宿平臺(tái)所提供的技術(shù)支持的感知。根據(jù)技術(shù)接受模型，用戶的兩種認(rèn)知信念——感知易用性和感知有用性影響用戶使用技術(shù)的態(tài)度[34]。本文中，感知易用性是指房東認(rèn)為通過(guò)共享住宿平臺(tái)的技術(shù)支持系統(tǒng)學(xué)會(huì)在平臺(tái)上出租房屋的難易程度。研究表明，感知易用性會(huì)對(duì)信任產(chǎn)生積極影響[35-37]。感知有用性是指房東認(rèn)為通過(guò)使用共享住宿平臺(tái)的技術(shù)支持系統(tǒng)可以提高其房源出租效率的程度。Gefen和Straub認(rèn)為，用戶所感知的網(wǎng)站有用性越高，越有助于降低感知風(fēng)險(xiǎn)和不確定性，從而增加對(duì)網(wǎng)站的信任[35]。

由是，本文提出如下假設(shè)：

H2：技術(shù)因素正向影響房東對(duì)平臺(tái)的信任

H2a～H2b：感知易用性、感知有用性正向影響房東對(duì)平臺(tái)的信任

（3）信任對(duì)房東持續(xù)使用平臺(tái)意愿的影響

房東對(duì)平臺(tái)和房客的信任通過(guò)降低不確定性和感知風(fēng)險(xiǎn)，在一定程度上可增加房東在共享住宿平臺(tái)上出租房屋的意愿[10]。信任的這一作用機(jī)制在理性行為理論[11]和信任建立模型[8]中均有體現(xiàn)。具體來(lái)講，房東對(duì)平臺(tái)的信任意味著房東相信平臺(tái)已經(jīng)建立了有效機(jī)制來(lái)保護(hù)其免受意外事件的傷害[4]；房東對(duì)房客的信任意味著房東在主觀上排除了所信任對(duì)象的不良投機(jī)行為，從而使其對(duì)不確定性和風(fēng)險(xiǎn)的感知降低到可控水平，并產(chǎn)生一系列行為意愿[7，11，29]。已有少數(shù)學(xué)者關(guān)注到共享住宿情境中信任對(duì)房東持續(xù)使用平臺(tái)意愿的影響。Mittendorf的研究表明，房東對(duì)Airbnb平臺(tái)和房客的信任顯著正向影響房東在Airbnb上出租房源和接受預(yù)訂請(qǐng)求的意愿[29]。Wang等也證實(shí)了房東對(duì)共享住宿平臺(tái)的信任正向影響房東持續(xù)使用平臺(tái)的意愿[4]。

由是，本文提出如下假設(shè)：

H3：房東對(duì)平臺(tái)的信任正向影響房東持續(xù)使用平臺(tái)的意愿

H4：房東對(duì)房客的信任正向影響房東持續(xù)使用平臺(tái)的意愿

2.2.2? ? 信任建立模型拓展后的假設(shè)

信任建立模型更多關(guān)注平臺(tái)因素對(duì)房東信任的影響，而共享住宿中的信任關(guān)系具有多主體、多層次和交互性特點(diǎn)[3]?？紤]到共享住宿情境下房東和房客高交互性特征，本文在信任建立模型的基礎(chǔ)上，引入房東因素（熟悉度）和房客因素（聲譽(yù)、感知相似性、互動(dòng)性）作為前因變量，探討其對(duì)房東信任的影響，從而充分反映共享住宿信任關(guān)系特征。

（1）經(jīng)驗(yàn)因素對(duì)平臺(tái)信任的影響

經(jīng)驗(yàn)因素對(duì)信任的影響是指委托人通過(guò)在與受托人的重復(fù)交互中累積的經(jīng)驗(yàn)或知識(shí)，而對(duì)受托人的信任水平進(jìn)行評(píng)估的過(guò)程[8]。本文中，經(jīng)驗(yàn)因素特指熟悉度，即房東對(duì)共享住宿平臺(tái)網(wǎng)站界面、功能、服務(wù)、交易流程等的了解程度。已有研究證實(shí)，熟悉度影響信任的建立[33，38-39]。在共享住宿情境中，房東通過(guò)與共享住宿平臺(tái)一次次的交互形成對(duì)平臺(tái)的信任。若房東在初次使用共享住宿平臺(tái)過(guò)程中獲得了良好體驗(yàn)，則通常會(huì)重復(fù)使用該平臺(tái)，對(duì)其更加熟悉，進(jìn)而促使房東對(duì)平臺(tái)未來(lái)履行義務(wù)的期望增加，由此產(chǎn)生信任。Mittendorf通過(guò)對(duì)Airbnb平臺(tái)189名房東的調(diào)查研究證實(shí)了這一點(diǎn)，即房東對(duì)Airbnb平臺(tái)越熟悉，對(duì)平臺(tái)的信任度越高[29]。

由是，本文提出如下假設(shè)：

H5：熟悉度正向影響房東對(duì)平臺(tái)的信任

（2）認(rèn)知因素對(duì)房客信任的影響

認(rèn)知因素對(duì)信任的影響是指委托人對(duì)受托人是否具有可信任屬性的理性預(yù)期[40]。Lewis和Weigert認(rèn)為，委托人選擇在何種情況、在哪些方面信任受托人，是基于委托人是否找到了對(duì)方值得信任的證據(jù)[41]，這種證據(jù)建立在對(duì)受托人的過(guò)去表現(xiàn)、專業(yè)知識(shí)和其他可用線索的理性判斷基礎(chǔ)上[42]。本研究中，認(rèn)知因素包含房客聲譽(yù)和感知相似性。

聲譽(yù)是一種公眾輿論，它代表一個(gè)群體對(duì)一個(gè)實(shí)體或個(gè)人特征的集體評(píng)價(jià)[27]。Wu等的研究表明，在P2P市場(chǎng)中，用戶的評(píng)論內(nèi)容或其他評(píng)價(jià)指標(biāo)所形成的聲譽(yù)質(zhì)量，是影響買(mǎi)賣(mài)雙方信任建立的關(guān)鍵因素[26]。在共享住宿情境中，房客的聲譽(yù)質(zhì)量通常通過(guò)其他房東對(duì)房客的在線評(píng)論內(nèi)容和數(shù)量傳遞給未來(lái)房東。聲譽(yù)質(zhì)量越高，說(shuō)明房客在以往入住過(guò)程中的行為表現(xiàn)越好，從而有助于減輕未來(lái)房東與房客交易時(shí)的感知風(fēng)險(xiǎn)和不確定性，增強(qiáng)房東對(duì)房客的信任。

感知相似性是指委托人對(duì)受托人是否具有和自己相似的興趣、價(jià)值觀、人口特征等的感知[43]。相關(guān)文獻(xiàn)表明，個(gè)體之間的感知相似性對(duì)信任的建立和發(fā)展產(chǎn)生積極影響[43-44]。Lamberton和Rose的研究發(fā)現(xiàn)，感知相似性可喚起房東對(duì)房客的積極正面認(rèn)知，從而減少對(duì)交易風(fēng)險(xiǎn)的擔(dān)憂，增強(qiáng)房東對(duì)房客的信任[45]。Edelman等通過(guò)一項(xiàng)針對(duì)Airbnb的實(shí)驗(yàn)研究發(fā)現(xiàn)，相較于非裔美國(guó)人的房客，白人房東更傾向于接待白人房客[46]。Su和Mattila通過(guò)對(duì)Airbnb用戶的調(diào)查發(fā)現(xiàn)，房東和房客性別的一致性影響雙方信任的建立，這在女性消費(fèi)者群體中表現(xiàn)得尤為突出[47]。

由是，本文提出如下假設(shè)：

H6：認(rèn)知因素正向影響房東對(duì)房客的信任

H6a～H6b：房客的聲譽(yù)、感知相似性正向影響房東對(duì)房客的信任

（3）情感因素對(duì)房客信任的影響

情感因素對(duì)信任的影響是指委托人對(duì)受托人是否具有可信任屬性的情感評(píng)估[48]。認(rèn)知因素對(duì)信任的影響建立在對(duì)受托人的過(guò)去表現(xiàn)、專業(yè)知識(shí)和其他可用線索的理性判斷基礎(chǔ)之上，與其不同的是，情感因素對(duì)信任的影響則更多地建立在雙方互動(dòng)體驗(yàn)過(guò)程中所產(chǎn)生的情感信念基礎(chǔ)上[49]。在共享住宿情境中，房東和房客會(huì)有多階段的互動(dòng)體驗(yàn)，買(mǎi)賣(mài)雙方之間的互動(dòng)對(duì)信任的影響已在相關(guān)文獻(xiàn)中得到證實(shí)。例如Yang等通過(guò)對(duì)Airbnb用戶的調(diào)查發(fā)現(xiàn)，房東和房客之間通過(guò)頻繁的溝通和信息交流形成的良性互動(dòng)，顯著影響了房客對(duì)房東情感信任的建立[19]。Lu等指出，當(dāng)房東采用更具親和力的個(gè)人風(fēng)格與房客互動(dòng)時(shí)，房客對(duì)房東的信任度會(huì)增加[50]。

由是，本文提出如下假設(shè)：

H7：互動(dòng)性正向影響房東對(duì)房客的信任

2.2.3? ? 房東對(duì)平臺(tái)的信任對(duì)房東對(duì)房客信任的影響

在共享住宿情境中，房東是在與平臺(tái)和潛在房客互動(dòng)的基礎(chǔ)上完成交易的。因此從房東角度來(lái)看，其信任對(duì)象包括平臺(tái)和房客[23]。其中，房東對(duì)平臺(tái)的信任是指房東相信共享住宿平臺(tái)會(huì)誠(chéng)實(shí)、可靠地制定并執(zhí)行適當(dāng)?shù)囊?guī)則和處罰，以限制房客在平臺(tái)上的機(jī)會(huì)主義行為[10]；房東對(duì)房客的信任是指房東對(duì)房客的仁慈、正直、能力等信任屬性的感知[32]。根據(jù)信任轉(zhuǎn)移理論，當(dāng)目標(biāo)對(duì)象與信任源對(duì)象相關(guān)聯(lián)時(shí)，委托人對(duì)信任源對(duì)象的信任可轉(zhuǎn)移到對(duì)未知的目標(biāo)對(duì)象的信任[51]。由此，我們可認(rèn)為，由于房客與共享住宿平臺(tái)存在密切關(guān)聯(lián)，房東對(duì)共享住宿平臺(tái)的信任可能轉(zhuǎn)移到對(duì)平臺(tái)上房客的信任。具體來(lái)講，若房東相信共享住宿平臺(tái)是可靠的，則傾向于認(rèn)為平臺(tái)會(huì)制定適當(dāng)?shù)囊?guī)則來(lái)管理和約束房客的機(jī)會(huì)主義行為，將一些可信度較低的潛在房客排除在外，從而增加房東對(duì)共享住宿平臺(tái)房客的信任[52]。

由是，本文提出如下假設(shè)：

H8：房東對(duì)平臺(tái)的信任正向影響房東對(duì)房客的信任

2.2.4? ? 信任的中介作用

信任的中介作用在諸多文獻(xiàn)中得到驗(yàn)證。McKnight等通過(guò)構(gòu)建電子商務(wù)信任建立模型證實(shí)，消費(fèi)者對(duì)電子供應(yīng)商的信任會(huì)在網(wǎng)站的結(jié)構(gòu)保障、聲譽(yù)、質(zhì)量等因素與購(gòu)買(mǎi)意愿之間起到中介作用[8]。在共享住宿情境中，Mao等在電子商務(wù)信任建立模型的基礎(chǔ)上，構(gòu)建了共享住宿中的信任模型，通過(guò)對(duì)前一年使用過(guò)Airbnb平臺(tái)的美國(guó)旅游者的調(diào)研，證實(shí)了房客對(duì)房東的信任部分中介了平臺(tái)信任和重復(fù)購(gòu)買(mǎi)意愿之間的關(guān)系[22]。Lu等采用標(biāo)準(zhǔn)化的實(shí)驗(yàn)方法驗(yàn)證了共享住宿房客對(duì)房東信任的中介作用，結(jié)果表明，房客對(duì)房東的信任在客主初始互動(dòng)與轉(zhuǎn)換意愿之間發(fā)揮中介作用[50]。

由是，本文提出如下假設(shè)：

H9：房東對(duì)平臺(tái)的信任在房東對(duì)平臺(tái)信任的影響因素和房東持續(xù)使用平臺(tái)意愿的關(guān)系中起中介作用

H10：房東對(duì)房客的信任在房東對(duì)房客信任的影響因素和房東持續(xù)使用平臺(tái)意愿的關(guān)系中起中介作用

3 研究設(shè)計(jì)

本文采用問(wèn)卷調(diào)查法收集數(shù)據(jù)。具體研究過(guò)程如下：量表開(kāi)發(fā)和問(wèn)卷設(shè)計(jì)；通過(guò)小范圍的預(yù)調(diào)研修正初始問(wèn)卷，并在此基礎(chǔ)上形成正式問(wèn)卷；對(duì)共享住宿平臺(tái)的房東開(kāi)展問(wèn)卷調(diào)查；對(duì)問(wèn)卷數(shù)據(jù)進(jìn)行共同方法偏差檢驗(yàn)、描述性統(tǒng)計(jì)分析、信度和效度分析、回歸分析、中介效應(yīng)檢驗(yàn)，驗(yàn)證研究假設(shè)是否成立。

3.1 問(wèn)卷設(shè)計(jì)

問(wèn)卷包含4個(gè)部分。第一部分為調(diào)研說(shuō)明，介紹調(diào)研背景、目的及共享住宿平臺(tái)的概念。第二部分為篩選題，為了更精準(zhǔn)地找到共享住宿平臺(tái)的房東這一樣本群體，特設(shè)置4道篩選題。第三部分為變量測(cè)量量表，此部分所有題項(xiàng)均采用Likert 7級(jí)量表，1代表非常不同意，7代表非常同意。第四部分為受訪者的人口統(tǒng)計(jì)學(xué)特征，包括房東的性別、年齡、學(xué)歷、身份和經(jīng)營(yíng)時(shí)長(zhǎng)。

變量測(cè)量量表中，除安全保障和平臺(tái)服務(wù)外，其他均根據(jù)國(guó)外文獻(xiàn)中使用過(guò)的成熟量表和問(wèn)項(xiàng)進(jìn)行測(cè)量。其中，熟悉度的4個(gè)測(cè)量題項(xiàng)來(lái)自Mittendorf[29]的研究，用以測(cè)量房東對(duì)共享住宿平臺(tái)網(wǎng)站界面、功能、服務(wù)、交易流程等的了解程度。隱私保護(hù)的4個(gè)測(cè)量題項(xiàng)來(lái)自Mao等[22]的研究，用以測(cè)量房東對(duì)共享住宿平臺(tái)的隱私政策能否有效保護(hù)房東個(gè)人信息免遭泄露可能性的感知[33]。感知易用性的4個(gè)測(cè)量題項(xiàng)來(lái)自Kucukusta等[53]的研究，用以測(cè)量房東學(xué)會(huì)在平臺(tái)上出租房屋的難易程度的感知。感知有用性的4個(gè)測(cè)量題項(xiàng)來(lái)自Kucukusta等[53]的研究，用以測(cè)量房東對(duì)使用共享住宿平臺(tái)提高其房源出租效率程度的感知。房客聲譽(yù)的4個(gè)測(cè)量題項(xiàng)來(lái)自Yang等[19]的研究，用以測(cè)量房東對(duì)房客聲譽(yù)質(zhì)量的感知。感知相似性的4個(gè)測(cè)量題項(xiàng)來(lái)自Lu等[43]的研究，用以測(cè)量房東對(duì)房客是否具有和自己相似的個(gè)人特征的感知?；?dòng)性的4個(gè)測(cè)量題項(xiàng)來(lái)自Yang等[19]的研究，用以測(cè)量房東對(duì)在共享住宿平臺(tái)上與房客的互動(dòng)過(guò)程中所產(chǎn)生的情感評(píng)估。房東對(duì)平臺(tái)信任的3個(gè)測(cè)量題項(xiàng)來(lái)自Hong和Cho[13]的研究，用以測(cè)量房東對(duì)共享住宿平臺(tái)總體信任的感知。房東對(duì)房客信任的3個(gè)測(cè)量題項(xiàng)來(lái)自Hong和Cho[13]的研究，用以測(cè)量房東對(duì)共享住宿平臺(tái)上房客群體總體信任的感知。房東持續(xù)使用平臺(tái)意愿的3個(gè)測(cè)量題項(xiàng)來(lái)自Yang等[19]的研究，用以測(cè)量房東持續(xù)使用共享住宿平臺(tái)的意愿。

本文借鑒相關(guān)文獻(xiàn)開(kāi)發(fā)了安全保障變量量表，并獨(dú)立開(kāi)發(fā)了平臺(tái)服務(wù)變量量表。安全保障變量量表的開(kāi)發(fā)過(guò)程如下：首先，在深入閱讀文獻(xiàn)的基礎(chǔ)上，確定借鑒電子商務(wù)文獻(xiàn)中的結(jié)構(gòu)保障[35]、感知安全[33]量表擬定題項(xiàng)（主要包含安全支付和網(wǎng)站擔(dān)保）；其次，為使量表題項(xiàng)更加契合共享住宿情境，對(duì)第三方評(píng)論網(wǎng)站Trustpilot上Airbnb房東的747條評(píng)論內(nèi)容進(jìn)行詞頻分析，初步確定影響房東信任的安全保障因素；再次，對(duì)共享住宿平臺(tái)的10位個(gè)人房東進(jìn)行訪談，進(jìn)一步提煉影響房東信任的安全保障因素，最終將房客身份驗(yàn)證、第三方擔(dān)保支付系統(tǒng)、房東保證金計(jì)劃和保險(xiǎn)、安全的交易環(huán)境4個(gè)題項(xiàng)納入安全保障量表，用以測(cè)量房東對(duì)共享住宿平臺(tái)能否提供安全可靠的交易環(huán)境的感知。平臺(tái)服務(wù)變量尚無(wú)可資借鑒的文獻(xiàn)，其量表開(kāi)發(fā)過(guò)程如下：首先，通過(guò)對(duì)房東評(píng)論內(nèi)容的詞頻分析，確定影響房東信任的平臺(tái)服務(wù)因素（主要包括快速響應(yīng)能力、個(gè)性化服務(wù)能力），而后對(duì)房東進(jìn)行訪談，最終將專業(yè)服務(wù)、快速響應(yīng)、個(gè)性化服務(wù)、誠(chéng)信服務(wù)4個(gè)題項(xiàng)納入平臺(tái)服務(wù)量表，用以測(cè)量房東對(duì)共享住宿平臺(tái)提供的總體服務(wù)支持的感知。

為提高量表的信度和效度，研究中特作如下安排：首先，采用翻譯和反向翻譯的方法確保量表措辭的準(zhǔn)確性；其次，邀請(qǐng)3位旅游管理專業(yè)的導(dǎo)師和5位博士生對(duì)量表的邏輯性、全面性和題項(xiàng)之間的非重合性進(jìn)行檢查，并根據(jù)其意見(jiàn)對(duì)量表進(jìn)行完善；最后，形成初始問(wèn)卷，在正式調(diào)研之前選擇小規(guī)模樣本進(jìn)行預(yù)調(diào)研。2021年12月，通過(guò)在共享住宿平臺(tái)的百度貼吧、共享住宿平臺(tái)房東的微信群、QQ群中發(fā)送問(wèn)卷鏈接，共收集到有效問(wèn)卷150份。數(shù)據(jù)分析結(jié)果顯示，預(yù)調(diào)研問(wèn)卷中12個(gè)變量的Cronbachs α系數(shù)處于0.832～0.934之間，均大于0.7的標(biāo)準(zhǔn)，修正后的項(xiàng)與總計(jì)相關(guān)性（corrected item-total correlation， CITC）值在0.630～0.894之間，均大于0.4的標(biāo)準(zhǔn)，12個(gè)變量各題項(xiàng)的項(xiàng)刪除后Cronbachs α系數(shù)均小于各變量的Cronbachs α系數(shù)，通過(guò)了信度檢驗(yàn)。效度分析方面，熟悉度、隱私保護(hù)、感知易用性、感知有用性、房客的聲譽(yù)、感知相似性、互動(dòng)性、對(duì)平臺(tái)的信任、對(duì)房客的信任、持續(xù)使用意愿10個(gè)變量的各題項(xiàng)是在借鑒國(guó)外文獻(xiàn)成熟量表的基礎(chǔ)上開(kāi)發(fā)而成的，因此具有較好的內(nèi)容效度。本文自行開(kāi)發(fā)的安全保障、平臺(tái)服務(wù)量表探索性因子分析的結(jié)果與預(yù)期一致。綜上，預(yù)調(diào)研的量表可用于下一階段的正式調(diào)研。

3.2 數(shù)據(jù)收集

在預(yù)調(diào)研基礎(chǔ)上，確定正式調(diào)研問(wèn)卷的量表內(nèi)容，共包含熟悉度、安全保障、隱私保護(hù)、平臺(tái)服務(wù)、感知易用性、感知有用性、房客的聲譽(yù)、感知相似性、互動(dòng)性、對(duì)平臺(tái)的信任、對(duì)房客的信任、持續(xù)使用意愿12個(gè)變量。每個(gè)變量下設(shè)3～4個(gè)題項(xiàng)，共包含45個(gè)題項(xiàng)。正式調(diào)查與預(yù)調(diào)查的調(diào)查對(duì)象均為共享住宿平臺(tái)（具體涉及Airbnb、途家、小豬民宿、木鳥(niǎo)民宿、美團(tuán)民宿等）的房東。2022年1月，通過(guò)蜂鳥(niǎo)問(wèn)卷收集數(shù)據(jù)，共收到有效問(wèn)卷900份，問(wèn)卷數(shù)量達(dá)到了Mundfrom等[54]所建議的標(biāo)準(zhǔn)。

從樣本結(jié)構(gòu)來(lái)看，參與正式調(diào)查的900名房東群體中，男性449人，女性451人，男女比例均衡；年齡方面，31～45歲的房東共計(jì)800人，占88.9%；學(xué)歷方面，擁有本科學(xué)歷的房東共計(jì)816人，占90.7%；房東身份方面，兼職房東共計(jì)702人，占78.0%，專職房東共計(jì)198人，占22.0%；經(jīng)營(yíng)時(shí)長(zhǎng)方面，經(jīng)營(yíng)時(shí)長(zhǎng)在1年及以下的房東共計(jì)4人，占0.4%，經(jīng)營(yíng)時(shí)長(zhǎng)在1～2年的房東共計(jì)78人，占8.7%，經(jīng)營(yíng)時(shí)長(zhǎng)在2年及以上的房東共計(jì)818人，占90.9%。此次調(diào)研的樣本統(tǒng)計(jì)特征與國(guó)家信息中心發(fā)布的《中國(guó)共享住宿發(fā)展報(bào)告2018》中的房東樣本特征基本吻合。

4 數(shù)據(jù)分析

本文采用SPSS 26.0和AMOS 24.0軟件進(jìn)行數(shù)據(jù)分析。前者主要用于樣本的描述性統(tǒng)計(jì)分析、數(shù)據(jù)的信度分析、模型的主效應(yīng)和中介效應(yīng)檢驗(yàn)；后者用于數(shù)據(jù)的效度分析、共同方法偏差檢驗(yàn)。

4.1 共同方法偏差的控制與檢驗(yàn)

為降低數(shù)據(jù)收集過(guò)程中可能存在的共同方法偏差問(wèn)題，本文特進(jìn)行如下過(guò)程控制：首先，并未告知受訪者此次調(diào)研的精確主題；其次，采用匿名方式收集問(wèn)卷；之后，采用Malhotra等[55]提出的單因子驗(yàn)證性因子分析方法對(duì)共同方法偏差進(jìn)行統(tǒng)計(jì)檢驗(yàn)。結(jié)果如表1所示：χ2/df=24.539，RMSEA=0.162，SRMR=0.1409，NFI=0.432，RFI=0.405，IFI=0.443，TLI=0.415，CFI=0.442，單因子模型的擬合效果很不理想。因此，樣本數(shù)據(jù)不存在嚴(yán)重的共同方法偏差問(wèn)題。

4.2 信度和效度分析

本文采用Cronbachs α系數(shù)對(duì)正式調(diào)研數(shù)據(jù)的信度進(jìn)行檢驗(yàn)。檢驗(yàn)結(jié)果如表2所示，12個(gè)變量的Cronbachs α系數(shù)處于0.853～0.956之間，均大于0.7的標(biāo)準(zhǔn)，說(shuō)明各變量題項(xiàng)之間的內(nèi)部一致性較高，具有較高信度。

采用驗(yàn)證性因子分析對(duì)量表的收斂效度和區(qū)分效度進(jìn)行檢驗(yàn)。驗(yàn)證性因子模型的整體擬合結(jié)果如表1所示，χ2/df=的值為2.979，小于3；RMSEA為0.047，小于0.05；SRMR為0.0297，小于0.05；NFI為0.936，RFI為0.928，IFI為0.956，TLI為0.951，CFI為0.956，均大于0.90；驗(yàn)證性因子模型的整體擬合度良好。收斂效度的檢驗(yàn)結(jié)果如表2所示，12個(gè)變量所有題項(xiàng)的標(biāo)準(zhǔn)化因子載荷均在0.709以上，大于0.5，各個(gè)變量的組合信度均在0.857以上，大于0.7，平均方差萃取量均在0.601以上，大于0.5。3個(gè)指標(biāo)均達(dá)到了Bagozzi[56]和Segars[57]所建議的收斂效度判斷標(biāo)準(zhǔn)要求，可見(jiàn)，本文的問(wèn)卷量表具有良好的收斂效度。區(qū)分效度的檢驗(yàn)結(jié)果如表3所示，12個(gè)變量的平均方差萃取量的平方根均大于對(duì)應(yīng)變量間的相關(guān)系數(shù)，達(dá)到了Bagozzi[56]所建議的區(qū)分效度判斷標(biāo)準(zhǔn)要求，可見(jiàn)，本文的問(wèn)卷量表具有良好的區(qū)分效度。

從相關(guān)系數(shù)的輸出結(jié)果來(lái)看，安全保障、隱私保護(hù)、平臺(tái)服務(wù)、感知易用性、感知有用性分別與對(duì)平臺(tái)的信任之間具有顯著的相關(guān)性，房客的聲譽(yù)、感知相似性、互動(dòng)性、對(duì)平臺(tái)的信任分別與對(duì)房客的信任之間具有顯著的相關(guān)性，對(duì)平臺(tái)的信任、對(duì)房客的信任分別與持續(xù)使用意愿之間具有顯著的相關(guān)性，可進(jìn)一步做回歸分析。

4.3 主效應(yīng)檢驗(yàn)

采用回歸分析對(duì)主效應(yīng)進(jìn)行檢驗(yàn)。多重共線性的檢驗(yàn)結(jié)果顯示，各變量的方差膨脹系數(shù)（variance inflation factor， VIF）均小于5，表明不存在嚴(yán)重的多重共線性問(wèn)題?；貧w分析的檢驗(yàn)結(jié)果如表4所示。安全保障（β=0.068，p＜0.05）、隱私保護(hù)（β=0.170，p＜0.001）、平臺(tái)服務(wù)（β=0.087，p＜0.05）、感知易用性（β=0.183，p＜0.001）、感知有用性（β=0.271，p＜0.001）對(duì)平臺(tái)信任有顯著正向影響，熟悉度不會(huì)對(duì)平臺(tái)信任產(chǎn)生顯著影響（β=-0.025，p＞0.05）。因此，H1a、H1b、H1c、H2a、H2b得到支持，H5未得到支持。房客聲譽(yù)（β=0.182，p＜0.001）、互動(dòng)性（β=0.256，p＜0.001）、平臺(tái)信任（β=0.542，p＜0.001）對(duì)房東對(duì)房客的信任產(chǎn)生顯著影響，感知相似性（β=0.028，p＞0.05）不會(huì)對(duì)房東對(duì)房客的信任產(chǎn)生顯著影響。因此，H6a、H7、H8得到支持，H6b未得到支持。房東對(duì)平臺(tái)的信任（β=0.326，p＜0.001）、房東對(duì)房客的信任（β=0.191，p＜0.001）會(huì)對(duì)房東持續(xù)使用平臺(tái)的意愿產(chǎn)生顯著影響。H3、H4得到支持。

4.4 中介效應(yīng)檢驗(yàn)

采用SPSS 26.0中的PROCESS宏程序，將放回抽樣次數(shù)設(shè)置為 5000，置信區(qū)間設(shè)置為95%，在控制房東的性別、年齡、學(xué)歷、身份、經(jīng)營(yíng)時(shí)長(zhǎng)的基礎(chǔ)上，對(duì)房東對(duì)平臺(tái)信任和房客信任的中介效應(yīng)進(jìn)行Bootstrapping檢驗(yàn)，檢驗(yàn)結(jié)果如表5所示。在“經(jīng)驗(yàn)因素→房東對(duì)平臺(tái)的信任→持續(xù)使用意愿”路徑中，中介效應(yīng)95%的置信區(qū)間為（-0.0444，0.0138），包含0，說(shuō)明不存在中介效應(yīng)。在“制度因素→房東對(duì)平臺(tái)的信任→持續(xù)使用意愿”路徑中，總效應(yīng)95%的置信區(qū)間為（0.0270，0.3460），不包括0。直接效應(yīng)95%的置信區(qū)間為（-0.1062，0.1946），包括0。中介效應(yīng)95%的置信區(qū)間為（0.0801，0.2044），不包括0。因此，房東對(duì)平臺(tái)的信任在制度因素和房東持續(xù)使用平臺(tái)意愿之間的中介效應(yīng)顯著。在“技術(shù)因素→房東對(duì)平臺(tái)的信任→持續(xù)使用意愿”路徑中，總效應(yīng)95%的置信區(qū)間為（0.2520，0.4860），不包括0。直接效應(yīng)95%的置信區(qū)間為（0.0691，0.3171），不包括0。中介效應(yīng)95%的置信區(qū)間為（0.1193，0.2396），不包括0。因此，房東對(duì)平臺(tái)的信任在技術(shù)因素和房東持續(xù)使用平臺(tái)意愿之間的中介效應(yīng)顯著。H9得到部分支持。

在“認(rèn)知因素→房東對(duì)房客的信任→持續(xù)使用意愿”路徑中，總效應(yīng)95%的置信區(qū)間為（0.0660，0.3040），不包括0。直接效應(yīng)95%的置信區(qū)間為（-0.0468，0.1834），包括0。中介效應(yīng)95%的置信區(qū)間為（0.0702，0.1706），不包括0。因此，房東對(duì)房客的信任在認(rèn)知因素和房東持續(xù)使用平臺(tái)意愿之間的中介效應(yīng)顯著。在“情感因素→房東對(duì)房客的信任→持續(xù)使用意愿”路徑中，總效應(yīng)95%的置信區(qū)間為（0.2580，0.3970），不包括0。直接效應(yīng)95%的置信區(qū)間為（0.0698，0.2489），不包括0。中介效應(yīng)95%的置信區(qū)間為（0.1121，0.2273），不包括0。因此，房東對(duì)房客的信任在情感因素和房東持續(xù)使用平臺(tái)意愿之間的中介效應(yīng)顯著。H10得到支持。

5 研究結(jié)論與啟示

5.1 研究結(jié)論

本文以信任建立模型為基礎(chǔ)，結(jié)合共享住宿P2P的特征，構(gòu)建了共享住宿平臺(tái)房東信任建立機(jī)制理論框架，并通過(guò)實(shí)證研究得出如下結(jié)論。

其一，平臺(tái)因素中的制度因素和技術(shù)因素均顯著正向影響房東對(duì)平臺(tái)的信任，但影響程度存在差異。從標(biāo)準(zhǔn)化回歸系數(shù)來(lái)看，技術(shù)因素的影響程度大于制度因素。這與Wang等[4]的研究一致，在其研究中，技術(shù)支持對(duì)房東信任的影響最大。具體地，在技術(shù)因素中，感知有用性影響程度最大，其次是感知易用性?？梢?jiàn)，房東在使用共享住宿平臺(tái)過(guò)程中，最關(guān)注的是平臺(tái)提供的技術(shù)支持系統(tǒng)能否提高其房屋出租效率，其次是房東使用技術(shù)支持系統(tǒng)學(xué)會(huì)在平臺(tái)上出租房屋的難易程度。在制度因素中，隱私保護(hù)的影響程度最大，平臺(tái)服務(wù)和安全保障的影響程度次之。相較于房客而言，房東在注冊(cè)和登記房源信息時(shí)，需提供諸如電話號(hào)碼、家庭住址、身份證、銀行賬戶等個(gè)人信息，因此房東更關(guān)注平臺(tái)對(duì)隱私信息的保護(hù)措施。Wang等[4]、Yang等[19]在對(duì)共享住宿用戶信任進(jìn)行研究時(shí)也得出了類似的結(jié)論。此外，若共享住宿平臺(tái)的保障措施能真實(shí)有效地保障房東權(quán)益，且在房東權(quán)益受損時(shí)能提供及時(shí)有效的解決方案，則會(huì)顯著增加房東對(duì)平臺(tái)的信任。

其二，房客因素中的聲譽(yù)和互動(dòng)性顯著正向影響房東對(duì)房客的信任，其中，互動(dòng)性的影響程度最大。這說(shuō)明，房東將自己的房源出租給作為陌生人的房客是需要承擔(dān)較大風(fēng)險(xiǎn)的，若房客在入住過(guò)程中能與房東保持積極互動(dòng)，將有助于增加房東對(duì)房客的信任。房客聲譽(yù)的影響次之。在買(mǎi)賣(mài)雙方信息不對(duì)稱的情況下，房東通過(guò)對(duì)房客聲譽(yù)質(zhì)量的評(píng)估形成基于認(rèn)知的信任，聲譽(yù)評(píng)價(jià)高的房客入住期間更容易遵守房屋守則、愛(ài)護(hù)房源設(shè)施和物品，房東的感知信任也較高。Zhang等[20]、Ert等[27]的研究也證實(shí)了聲譽(yù)對(duì)房客信任的積極影響。

其三，房東因素中的熟悉度和房客因素中的感知相似性并未對(duì)房東信任產(chǎn)生積極影響。這與Mittendorf[29]、Edelman等[46]、Su和Mattila[47]的研究結(jié)論相反。一個(gè)可能的解釋是，與國(guó)外共享住宿業(yè)相比，國(guó)內(nèi)共享住宿業(yè)的發(fā)展有其獨(dú)特性。如房東通常在不同的共享住宿平臺(tái)同時(shí)上線房源，熟悉度只是增加了房東對(duì)共享住宿平臺(tái)的了解程度，是否對(duì)平臺(tái)信任產(chǎn)生影響還取決于房東過(guò)去使用平臺(tái)的體驗(yàn)質(zhì)量。感知相似性并未對(duì)房東信任產(chǎn)生積極影響，這與國(guó)內(nèi)共享住宿業(yè)“重住宿、輕分享”的經(jīng)營(yíng)現(xiàn)狀有關(guān)。國(guó)內(nèi)共享住宿平臺(tái)的房東大多選擇以整套出租的方式出租房源，房東和房客共處一室的機(jī)會(huì)較少，房東對(duì)感知相似性的關(guān)注也會(huì)隨之降低。

其四，房東對(duì)平臺(tái)的信任和對(duì)房客的信任顯著正向影響房東持續(xù)使用平臺(tái)的意愿。這與Mittendorf[29]的研究結(jié)論一致，說(shuō)明信任通過(guò)降低房東的感知風(fēng)險(xiǎn)和不確定性，從而對(duì)房東持續(xù)使用平臺(tái)的意愿產(chǎn)生了積極影響。從標(biāo)準(zhǔn)化回歸系數(shù)來(lái)看，房東對(duì)平臺(tái)信任的影響效果大于房東對(duì)房客信任的影響效果，說(shuō)明房東對(duì)平臺(tái)的信任是影響房東持續(xù)使用平臺(tái)意愿的重要因素。

其五，房東對(duì)平臺(tái)的信任可轉(zhuǎn)移到房東對(duì)房客的信任。這說(shuō)明，當(dāng)房東對(duì)共享住宿平臺(tái)產(chǎn)生信任時(shí)，他們更傾向于認(rèn)為平臺(tái)已經(jīng)通過(guò)制度或技術(shù)保障因素對(duì)房客進(jìn)行了有效篩選和約束，降低了房東在出租房源過(guò)程中的感知不確定性，從而也對(duì)房客產(chǎn)生信任。

其六，信任中介了信任影響因素（制度因素、技術(shù)因素、認(rèn)知因素、情感因素）與房東持續(xù)使用平臺(tái)意愿之間的關(guān)系。這說(shuō)明，制度因素、技術(shù)因素、認(rèn)知因素、情感因素通過(guò)促進(jìn)房東的信任降低了房東的感知風(fēng)險(xiǎn)，進(jìn)而對(duì)房東持續(xù)使用平臺(tái)意愿產(chǎn)生積極影響。

5.2 管理啟示

就共享住宿平臺(tái)而言，有效獲取房東信任、增加房源供應(yīng)量是其提升競(jìng)爭(zhēng)力的關(guān)鍵所在，而作為陌生人的房客要提升預(yù)訂請(qǐng)求被接受的概率也要獲取房東的信任。本文研究結(jié)論對(duì)此具有啟示意義。

對(duì)于共享住宿平臺(tái)而言，可從制度和技術(shù)兩個(gè)方面著力。一是重視制度因素對(duì)房東信任的影響作用，并從隱私保護(hù)、平臺(tái)服務(wù)和安全保障等方面完善平臺(tái)的制度保障措施，切實(shí)保障房東的權(quán)益。共享住宿平臺(tái)可采用先進(jìn)的網(wǎng)絡(luò)安全技術(shù)（防火墻、加密和訪問(wèn)控制等）確保房東個(gè)人信息的安全性，加大對(duì)服務(wù)支持的投入，確保線上第一時(shí)間響應(yīng)房東的需求，線下提供采購(gòu)安裝服務(wù)、房客接待以及退房后的保潔服務(wù)等，進(jìn)一步擴(kuò)大房東保障金和財(cái)產(chǎn)保險(xiǎn)的保障范圍并完善房東申請(qǐng)賠償?shù)某绦虻?。二是重視技術(shù)因素對(duì)房東信任的影響作用，從感知易用性、感知有用性方面提升房東的信任度。共享住宿平臺(tái)可通過(guò)簡(jiǎn)潔方便的搜索功能、設(shè)計(jì)合理的導(dǎo)航功能、形式多樣的信息展示，指導(dǎo)潛在房東如何在平臺(tái)上發(fā)布房源和管理房源，增加房東的感知易用性；也可通過(guò)新技術(shù)的開(kāi)發(fā)不斷更新和完善網(wǎng)站的功能設(shè)計(jì)（如即時(shí)速訂功能、日歷管理功能、定價(jià)指導(dǎo)功能、經(jīng)營(yíng)數(shù)據(jù)管理功能等），為房東更有效地出租房源提供幫助，增加房東的感知有用性。

對(duì)于作為陌生人的房客來(lái)講，要重視聲譽(yù)質(zhì)量和互動(dòng)性對(duì)房東信任的影響。房客可通過(guò)完善個(gè)人主頁(yè)信息，入住前按照房東要求提供身份驗(yàn)證；入住期間遵守房東制定的房屋守則，通過(guò)愛(ài)護(hù)房源設(shè)施和物品等方式獲得較高的聲譽(yù)評(píng)價(jià)；入住過(guò)程中出現(xiàn)問(wèn)題時(shí)，及時(shí)與房東溝通，增強(qiáng)與房東的互動(dòng)。這些將有助于增加房東對(duì)房客的信任，從而降低未來(lái)預(yù)訂請(qǐng)求被拒絕的可能性。

5.3 進(jìn)一步討論

經(jīng)過(guò)十多年的發(fā)展，我國(guó)共享住宿業(yè)正經(jīng)歷由追求“量”到重視“質(zhì)”的轉(zhuǎn)變。不可否認(rèn)的是，房源量仍是評(píng)價(jià)共享住宿平臺(tái)發(fā)展水平的重要指標(biāo)之一。因此，如何消除房東的信任障礙、吸引更多房東、增加房源供應(yīng)量對(duì)共享住宿平臺(tái)的發(fā)展尤為重要。本文在以平臺(tái)因素作為主要影響因素的信任建立模型基礎(chǔ)上，加入反映共享住宿買(mǎi)賣(mài)雙方高交互性特征的房東因素（熟悉度）和房客因素（聲譽(yù)、感知相似性、互動(dòng)性），以“信任影響因素-房東信任-持續(xù)使用平臺(tái)意愿”為邏輯，構(gòu)建共享住宿房東信任建立的理論框架。研究成果響應(yīng)了Su和Mattila[47]、Agag和Eid[58]、Li和Tsai[59]等從房東端審視共享住宿信任問(wèn)題的呼吁，拓展了共享住宿用戶信任研究的視角，彌補(bǔ)了現(xiàn)有文獻(xiàn)對(duì)房東信任研究的不足。與此同時(shí)，本文也進(jìn)一步拓展了信任建立模型，突破以往單純從平臺(tái)因素解釋信任行為的局限，為進(jìn)一步剖析房東信任建立的內(nèi)在機(jī)理提供了研究思路和實(shí)證支持。

值得注意的是，對(duì)于“讓陌生人住進(jìn)家”的房東來(lái)講，其信任的建立是一個(gè)復(fù)雜的決策過(guò)程，由于篇幅和研究重點(diǎn)所限，本文對(duì)這一問(wèn)題的研究仍有局限，未來(lái)可從以下方面持續(xù)關(guān)注。首先，信任在本質(zhì)上是隨時(shí)間變化的、復(fù)雜的動(dòng)態(tài)認(rèn)知過(guò)程。對(duì)于房東而言，在線上交易階段和房源出租階段，信任的影響因素是不同的。本文收集的數(shù)據(jù)為集中于一個(gè)時(shí)間段的截面數(shù)據(jù)，尚未對(duì)處于不同階段的房東信任進(jìn)行動(dòng)態(tài)研究，未來(lái)可使用實(shí)驗(yàn)法、文本分析法、訪談法等，收集不同時(shí)間點(diǎn)的縱向數(shù)據(jù)，進(jìn)一步分析共享住宿房東信任建立的動(dòng)態(tài)過(guò)程。其次，本文采用問(wèn)卷分析法，探討了虛擬情境中房東信任的建立機(jī)制，將房東持續(xù)使用平臺(tái)的意愿作為房東實(shí)際使用行為的代理變量。未來(lái)可采用大數(shù)據(jù)分析法搜集共享住宿平臺(tái)的客觀數(shù)據(jù)，探討真實(shí)情境中影響房東信任的主要因素，以及信任對(duì)房東持續(xù)使用共享住宿平臺(tái)出租房源行為的影響。最后，根據(jù)房東和房客之間的互動(dòng)形式，共享住宿平臺(tái)一般分為免費(fèi)型、互惠型和租賃型等類型。本文主要研究在租賃型平臺(tái)出租自有房源的個(gè)人房東的信任建立機(jī)制，并未涉及職業(yè)房東?？紤]到中國(guó)情境的特殊性，以途家等為代表的租賃型平臺(tái)中，職業(yè)房東的比例逐步上升，未來(lái)可進(jìn)一步研究職業(yè)房東和個(gè)人房東信任建立機(jī)制的差異，也可將研究范圍擴(kuò)大至免費(fèi)型和互惠型平臺(tái)。

參考文獻(xiàn)（References）

[1] 國(guó)家信息中心. 中國(guó)共享住宿發(fā)展報(bào)告2018[EB/OL]. [2021-12-20]. http：//www.sic.gov.cn/News/568/9241.htm. [National Information Center. China report on sharing accommodation development 2018[EB/OL]. [2021-12-20]. http：//www.sic.gov.cn/News/568/9241.htm.]

[2] STHAPIT E， BJORK P. Sources of distrust： Airbnb guests perspectives[J]. Tourism Management Perspectives， 2019， 31： 245-253.

[3] 張闖， 郝凌云. 交易型數(shù)字平臺(tái)中的信任： 研究現(xiàn)狀與展望[J]. 經(jīng)濟(jì)管理， 2022， 44（8）： 190-208. [ZHANG Chuang， HAO Lingyun. Trust in transactional digital platforms： Literature review and future prospects[J]. Business and Management Journal， 2022， 44（8）： 190-208.]

[4] WANG Y， ASAAD Y， FILIERI R. What makes hosts trust Airbnb？ Antecedents of hosts trust toward Airbnb and its impact on continuance intention[J]. Journal of Travel Research， 2020， 59（4）： 686-703.

[5] ALDRIDGE A， WHITE M， FORCHT K. Security considerations of doing business via the Internet： Cautions to be considered[J]. Internet Research， 1997， 7（1）： 9-15.

[6] 徐峰， 張新， 梁乙凱， 等. 信任構(gòu)建機(jī)制對(duì)共享民宿預(yù)訂量的影響——基于Airbnb的實(shí)證研究[J]. 旅游學(xué)刊， 2021， 36（12）： 127-139. [XU Feng， ZHANG Xin， LIANG Yikai， et al. The effects of trust-building mechanisms on peer-to-peer accommodation booking： An empirical study on Airbnb[J]. Tourism Tribune， 2021， 36（12）： 127-139.]

[7] MAYER R C， DAVIS J H， SCHOORMAN F D. An integrative model of organizational trust[J]. Academy of Management Review， 1995， 20（3）： 709-734.

[8] MCKNIGHT D H， CHOUDHURY V， KACMAR C. The impact of initial consumer trust on intentions to transact with a web site： A trust building model[J]. The Journal of Strategic Information Systems， 2002， 11（3/4）： 297-323.

[9] WANG S， BEATTY S E， FOXX W. Signaling the trustworthiness of small online retailers[J]. Journal of Interactive Marketing， 2004， 18（1）： 53-69.

[10] PAVLOU P A， GEFEN D. Building effective online marketplaces with institution-based trust[J]. Information Systems Research， 2004， 15（1）： 37-59.

[11] CHEN X， HUANG Q， DAVISON R M， et al. What drives trust transfer？ The moderating roles of seller-specific and general institutional mechanisms[J]. International Journal of Electronic Commerce， 2015， 20（2）： 261-289.

[12] KIM D J， FERRIN D L， RAO H R. Trust and satisfaction， two stepping stones for successful e-commerce relationships： A longitudinal exploration[J]. Information Systems Research， 2009， 20（2）： 237-257.

[13] HONG I B， CHO H. The impact of consumer trust on attitudinal loyalty and purchase intentions in B2C e-marketplaces： Intermediary trust vs. seller trust[J]. International Journal of Information Management， 2011， 31（5）： 469-479.

[14] KANG M， GAO Y， WANG T， et al. Understanding the determinants of funders investment intentions on crowdfunding platforms[J]. Industrial Management & Data Systems， 2016， 116（8）： 1800-1819.

[15] KIM M J， BONN M， LEE C K. The effects of motivation， deterrents， trust， and risk on tourism crowdfunding behavior[J]. Asia Pacific Journal of Tourism Research， 2019， 25（3）： 244-260.

[16] GUO J， LIN J， LI L. Building users intention to participate in a sharing economy with institutional and calculative mechanisms： An empirical investigation of Didi in China[J]. Information Technology for Development， 2021， 27（4）： 645-669.

[17] MALLAPRAGADA G， GREWAL R， MEHTA R， et al. Virtual interorganizational relationships in business-to-business electronic markets： heterogeneity in the effects of organizational interdependence on relational outcomes[J]. Journal of the Academy of Marketing Science， 2015， 43（5）： 610-628.

[18] CHEN J， ZHANG C， XU Y. The role of mutual trust in building members loyalty to a C2C platform provider[J]. International Journal of Electronic Commerce， 2009， 14（1）： 147-171.

[19] YANG S B， LEE K， LEE H， et al. In Airbnb we trust： Understanding consumers trust-attachment building mechanisms in the sharing economy[J]. International Journal of Hospitality Management， 2018， 83： 198-209.

[20] ZHANG L， YAN Q， ZHANG L. A computational framework for understanding antecedents of guests perceived trust towards hosts on Airbnb[J]. Decision Support Systems， 2018， 115： 105-116.

[21] MOHLMANN M. Digital trust and peer-to-peer collaborative consumption platforms： A mediation analysis[R]. Leonard N. Stern School of Business， New York University， New York. DOI： 10.2139/ssrn.2813367.

[22] MAO E， JONES M F， LI M， et al. Sleeping in a strangers home： A trust formation model for Airbnb[J]. Journal of Hospitality and Tourism Management， 2019， 42： 67-76.

[23] HAN H， KOO C， CHUNG N. Implication of the fit between Airbnb and host characteristics： A trust-transfer perspective[C]//Proceedings of the 18th Annual International Conference. New York： 2016： 1-6.

[24] 謝雪梅， 石嬌嬌. 共享經(jīng)濟(jì)下消費(fèi)者信任形成機(jī)制的實(shí)證研究[J]. 技術(shù)經(jīng)濟(jì)， 2016， 35（10）： 122-127. [XIE Xuemei， SHI Jiaojiao. Empirical research on formation mechanism of consumer trust in sharing economy[J]. Technology Economics， 2016， 35（10）： 122-127.]

[25] 石巋然， 趙銀龍， 宋穗. 共享平臺(tái)服務(wù)需求者信任演化的影響因素[J]. 中國(guó)流通經(jīng)濟(jì)，2020， 34（7）： 68-78. [SHI Kuiran， ZHAO Yinlong， SONG Sui. Analysis on factors influencing trust evolution of sharing economy platform service users[J]. China Business and Market， 2020， 34（7）： 68-78.]

[26] WU J， MA P， XIE K L. In sharing economy we trust： The effects of host attributes on short-term rental purchases[J]. International Journal of Contemporary Hospitality Management， 2017， 29（11）： 2962-2976.

[27] ERT E， FLEISCHER A， MAGEN N. Trust and reputation in the sharing economy： The role of personal photos in Airbnb[J]. Tourism Management， 2016， 55： 62-73.

[28] ERT E， FLEISCHER A. The evolution of trust in Airbnb： A case of home rental[J]. Annals of Tourism Research， 2019， 75： 279-287.

[29] MITTENDORF C. What trust means in the sharing economy： A provider perspective on Airbnb[C]//Proceedings of the Twenty-second Americas Conference on Information Systems. San Diego， 2016： 1-10.

[30] KIM M S， AHN J H. Management of trust in the e-marketplace： The role of the buyers experience in building trust[J]. Journal of Information Technology， 2007， 22（2）： 119-132.

[31] MOYSIDOU K， HAUSBERG J P. In crowdfunding we trust： A trust-building model in lending crowdfunding[J]. Journal of Small Business Management， 2020， 58（3）： 511-543.

[32] MCKNIGHT D H， CHERVANY N L. What trust means in e-commerce customer relationships： An interdisciplinary conceptual typology[J]. International Journal of Electronic Commerce， 2001， 6（2）： 35-59.

[33] KIM D J， FERRIN D L， RAO H R. A trust-based consumer decision-making model in electronic commerce： The role of trust， perceived risk， and their antecedents[J]. Decision Support Systems， 2008， 44（2）： 544-564.

[34] DAVIS F D. Perceived usefulness， perceived ease of use， and user acceptance of information technology[J]. MIS Quarterly， 1989， 13（3）： 319-340.

[35] GEFEN D， STRAUB K D W. Trust and TAM in online shopping： An integrated model[J]. MIS Quarterly， 2003， 27（1）： 51-90.

[36] WU I L， CHEN J L. An extension of trust and TAM model with TPB in the initial adoption of on-line tax： An empirical study [J]. International Journal of Human-Computer Studies， 2005， 62（6）： 784-808.

[37] CARLOS F， MIGUEL G， GURREA R. The role played by perceived usability， satisfaction and consumer trust on website loyalty[J]. Information & Management， 2006， 43（1）： 1-14.

[38] GEFEN D. E-commerce： The role of familiarity and trust[J]. Omega， 2000， 28（6）： 725-737.

[39] BHATTACHERJEE A. Individual trust in online firms： Scale development and initial test[J]. Journal of Management Information Systems， 2002， 19（1）： 211-241.

[40] KOMIAKS Y X， BENBASAT I. The effects of personalization and familiarity on trust and adoption of recommendation agents[J]. MIS Quarterly， 2006， 30（4）： 941-960.

[41] LEWIS J D， WEIGERT A. Trust as a social reality[J]. Social Forces， 1985， 63（4）： 967-985.

[42] JOHNSON D， GRAYSON K. Cognitive and affective trust in service relationships[J]. Journal of Business Research， 2005， 58（4）： 500-507.

[43] LU Y， ZHAO L， WANG B. From virtual community members to C2C e-commerce buyers： Trust in virtual communities and its effect on consumers purchase intention[J]. Electronic Commerce Research & Applications， 2010， 9： 346-360.

[44] MCALLISTER D J. Affect- and Cognition-based trust as foundations for interpersonal cooperation in organizations[J]. Academy of Management Journal， 1995， 38（1）： 24-59.

[45] LAMBERTON C P， ROSE R L. When is ours better than mine？ A framework for understanding and altering participation in commercial sharing systems[J]. Social Science Electronic Publishing， 2011， 76（4）： 109-125.

[46] EDELMAN B， LUCA M， SVIRSKY D. Racial discrimination in the sharing economy： Evidence from a field experiment[J]. American Economic Journal Applied Economics， 2017， 9（2）： 1-22.

[47] SU N， MATTILA A S. Does gender bias exist？ The impact of gender congruity on consumers Airbnb booking intention and the mediating role of trust[J]. International Journal of Hospitality Management， 2019， 89： 1-7.

[48] SWIFT P E， HWANG A. The impact of affective and cognitive trust on knowledge sharing and organizational learning[J]. The Learning Organization， 2013， 20（1）： 20-37.

[49] GONG X， ZHANG K Z K， CHEN C， et al. What drives trust transfer from web to mobile payment services？ The dual effects of perceived entitativity[J]. Information & Management， 2020， 57（7）： 1-57.

[50] LU L， CAI R， KING C. Building trust through a personal touch： Consumer response to service failure and recovery of home-sharing[J]. Journal of Business Research， 2020， 117： 99-111.

[51] SIA C L， LIM K H， LEUNG K， et al. Web strategies to promote internet shopping： Is cultural-customization needed？[J]. MIS Quarterly， 2009， 33（3）： 491-512.

[52] XIAO L， MI C， ZHANG Y， et al. Examining consumers behavioral intention in O2O commerce from a relational perspective： An exploratory study[J]. Information Systems Frontiers， 2019， 21（5）： 1045-1068.

[53] KUCUKUSTA D， LAW R， BEABES A， et al. Re-examining perceived usefulness and ease of use in online booking： The case of Hong Kong online users[J]. International Journal of Contemporary Hospitality Management， 2015， 27（2）： 185-198.

[54] MUNDFROM D J， SHAW D G， KE T L. Minimum sample size recommendations for conducting factor analyses[J]. International Journal of Testing， 2005， 5（2）： 159-168.

[55] MALHOTRA N K， KIM S S， PATIL A. Common method variance in IS research： A comparison of alternative approaches and a reanalysis of past research[J]. Management Science， 2006， 52（12）： 1865-1883.

[56] BAGOZZI R P. Evaluating structural equation models with unobservable variables and measurement error： A comment[J]. Journal of Marketing Research， 1981， 18（3）： 375-381.

[57] SEGARS A H. Assessing the unidimensionality of measurement： A paradigm and illustration within the context of information systems research[J]. Omega， 1997， 25（1）： 107-121.

[58] AGAG G， EID R. Examining the antecedents and consequences of trust in the context of peer-to-peer accommodation[J]. International Journal of Hospitality Management， 2019， 81： 180-192.

[59] LI C Y， TSAI M C. What makes guests trust Airbnb？ Consumer trust formation and its impact on continuance intention in the sharing economy[J]. Journal of Hospitality and Tourism Management， 2022， 50： 44-54.

Research on the Hosts Trust-building Mechanism in Peer-to-Peer

Sharing Accommodation Platforms

NIU Ruanxia1， SONG Rui2，3， MAO Lijuan4

（1. Department of Resource Management， Tangshan Normal University， Tangshan 063000， China;

2. Business School， University of Chinese Academy of Social Sciences， Beijing 102488， China;

3. China National Academy of Economic Strategy， Chinese Academy of Social Sciences， Beijing 100006， China;

4. Research Institute for Eco-civilization， Chinese Academy of Social Sciences， Beijing 100710， China）

Abstract： Airbnb has used the slogan， “Trust is what makes it work.” Trust is a key factor in connecting the supply and demand sides of peer to peer （P2P） sharing accommodation and facilitating transactions， a typical two-sided market. Trust， therefore， plays an important role in the sharing accommodation industrys development. However， the existing literature pays greater attention to guests trust from the demand-side perspective， while largely ignoring hosts trust from the supply-side perspective. Amid intensifying industry competition， P2P accommodation platforms are increasingly realizing that attracting more hosts and increasing the supply of listings is the driving force for a platforms sustainable development. Hosts trust， therefore， needs to be explored from the supply-side perspective， to remove hosts trust barrier and increase their willingness to participate in P2P sharing accommodation. Based on the trust-building model， this study aimed to explore the hosts trust-building mechanism in P2P sharing accommodation platforms from the supply-side perspective. It then examined the main factors affecting the building of hosts trust and the impact of such trust on hosts willingness to continue using a platform. Data were collected via a questionnaire surveying 900 hosts on P2P sharing accommodation platforms. AMOS and SPSS software were used for regression analysis and a mediation effect test. The results suggest as the following. （1） Among the platform factors， both institutional and technical factors have a significant positive impact on hosts trust in the platform， but the degree of impact differs. Perceived usefulness has the greatest impact， followed by ease of use， privacy protection， platform service， and security assurance. （2） Perceived familiarity of the host as a factor does not significantly affect hosts trust in the platform. （3） Interactivity and the guests reputation as factors have a significant positive impact on the hosts trust in the guest， while perceived similarity has no positive impact. （4） The hosts trust in the platform can be transferred to their trust in the guest. （5） The hosts trust in the platform and the guest have a significant positive impact on the hosts willingness to continue using the platform. （6） Trust mediates the relationship between trust-influencing factors （institutional， technical， cognitive， and emotional） and hosts willingness to continue using the platform. Theoretically， this study expands the perspective of user trust research in sharing accommodation and helps offset the shortcomings of the existing literature on hosts trust. Additionally， based on the trust-building model and with platform factors as the main influencing factors， this study added guest factors and a host factor， which reflect the high interaction characteristics of buyers and sellers involved in sharing accommodation. This overcomes the previous limitations of explaining trust behavior solely from platform factors and provides research ideas for further analyzing the mechanism of hosts trust building. Practically， this study can inform management of sharing accommodation platforms regarding effectively obtaining hosts trust and increasing the supply of listings. It also provides valuable advice and reference for guests to effectively obtain hosts trust， which increases the probability that booking requests will be accepted.

Keywords： peer-to-peer （P2P） accommodation; host; trust-building model （TBM）; trust-building mechanism

[責(zé)任編輯：周小芳；責(zé)任校對(duì)：鄭? ? 果]

［基金項(xiàng)目］本研究受唐山師范學(xué)院博士基金項(xiàng)目“旅游民宿共享平臺(tái)用戶信任的分階段演化機(jī)制研究”（2022A05）資助。[This study was supported by a grant from the Doctoral Fund Project of Tangshan Normal University （to NIU Ruanxia）（No. 2022A05）.]

［收稿日期］2022-05-04； ［修訂日期］2022-09-06

［作者簡(jiǎn)介］牛阮霞（1986—），女，河南輝縣人，博士，講師，研究方向?yàn)楣蚕斫?jīng)濟(jì)和旅游者行為，E-mail：baiyun867@126.com；宋瑞（1972—），女，陜西西安人，博士，教授/研究員，研究方向?yàn)槁糜萎a(chǎn)業(yè)與休閑經(jīng)濟(jì)、旅游政策，E-mail：songrui@cass.org.cn，通訊作者；毛麗娟（1989—），女，重慶人，博士后。

1謝青. 愛(ài)彼迎深耕6年后宣布退出中國(guó)大陸， 民宿市場(chǎng)“蛋糕”再劃分？[EB/ OL]. [2022-05-25]. http：//m.k618.cn/yc_new/yc_wzlb/202205/t20220525_18405995.html.

引用格式：牛阮霞， 宋瑞， 毛麗娟. 共享住宿平臺(tái)房東信任建立機(jī)制研究[J]. 旅游學(xué)刊， 2023， 38（8）： 62-76. [NIU Ruanxia， SONG Rui， MAO Lijuan. Research on the hosts trust-building mechanism in peer-to-peer sharing accommodation platforms[J]. Tourism Tribune， 2023， 38（8）： 62-76.]