淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


系統識別號 U0002-2107201914550000
中文論文名稱 使用者採用理財機器人創新抵制因素之研究
英文論文名稱 An exploratory study on investors resist the innovation of Robo-advisor
校院名稱 淡江大學
系所名稱(中) 資訊管理學系碩士在職專班
系所名稱(英) On-the-Job Graduate Program in Advanced Information Management
學年度 107
學期 2
出版年 108
研究生中文姓名 徐嫈婷
研究生英文姓名 Ying-Ting Hsu
學號 706630042
學位類別 碩士
語文別 中文
口試日期 2019-06-01
論文頁數 77頁
口試委員 指導教授-吳錦波
委員-吳錦波
委員-施盛寶
委員-楊婉秀
中文關鍵字 金融科技  理財機器人  創新抵制  抗拒改變  產品涉入 
英文關鍵字 Fintech  Robo-advisor  Innovation Resistance  Resistance to Change  Personal Involvement Inventory 
學科別分類
中文摘要 金融科技的發展,將金融服務和資訊科技進行結合,衍生出提供投資理財和資產配置服務的理財機器人。理財機器人為財富管理市場帶來巨大變革也創造出了新的商業模式,在臺灣,理財機器人尚處於初期發展階段,市場空間極大,具有廣大商機和機會,且臺灣金融監理機關也強力支持該項業務之發展。
多數學者對於理財機器人之研究,皆是以正向觀點進行探討,因此,本研究旨在指出使用者對於理財機器人採用抵制因素,並找出哪些是需要克服的障礙,提供理財機器人服務提供業者在擬定推廣或行銷策略、提升理財機器人的使用率等議題上有所貢獻。
本研究透過網路問卷調查方式,並以SmartPLS3.0為統計分析工具,研究架構以創新抵制理論為基礎,抗拒改變和產品涉入為使用者抵制採納前階段行為。研究結果顯示,價值障礙和傳統障礙是使用者採用理財機器人創新抵制重要因素,而抗拒改變對創新抵制的功能性障礙和心理性障礙均會使使用者採用理財機器人產生正向影響,另外,產品涉入對創新抵制的功能性障礙和心理性障礙均會使使用者採用理財機器人產生負向影響。
英文摘要 With the development of Fintech, financial services and information technology are combined to generate a Robo-adviser that provides investment and financial planning and asset allocation services. Robo-adviser not only can be regarded as a massive change, but also create a new business model in the wealth management market. In Taiwan, as Robo-adviser is still in its early stage of development, there is huge room in this market and a large number of business opportunities. Moreover, the development of this business has obtained strong support from the Taiwan Financial Supervision Authority.
Most scholars discuss research on Robo-adviser from the positive point of view and therefore, the purpose of this research is pointing out the factors why investors resist the adoption of Robo-adviser. Moreover, this research has dedicated itself to some issues that find out which obstacles need to be overcome, providing Robo-adviser services, providing mapping out promotion or marketing strategies for financial operators, increasing the use of Robo-adviser and so on.
This research adopts the method of an online questionnaire survey and employs SmartPLS3.0 as the statistical analysis tool. The framework is based on Innovation Resistance Theory, and Resistance to Change and Personal Involvement Inventory are two behaviors of investors in the stage before resistance to adoption. The results show that the Value barrier and Tradition barrier are two material factors for investors with innovation resistance to adopting Robo-adviser. While resistance to change to the functional disturbance and the psychogenic disorder of innovation resistance will have a positive impact on investors' adoption of Robo-adviser, the personal involvement inventory to the functional disturbance and the psychogenic disorder of innovation resistance will have a negative impact on investors' adoption of Robo-adviser.
論文目次 目錄

第壹章 緒論 1
第一節 研究背景與動機 1
第二節 研究問題與目的 3
第貳章 理論發展與假說 5
第一節 理財機器人(Robo-advisor,RA)概述 5
第二節 創新抵制(Innovation resistance、IRT) 16
第三節 創新抵制5項障礙 19
第四節 抗拒改變與創新抵制的關係 22
第五節 產品涉入與創新抵制的關係 23
第參章 研究方法 25
第一節 研究架構 25
第二節 研究變數操作型定義與衡量題項 26
第三節 研究設計 34
第四節 資料分析方法 34
第肆章 研究結果與分析 36
第一節 樣本描述性統計分析 36
第二節 各構面題項之敘述統計 39
第三節 問卷量表信度與效度檢驗 40
第四節 模型配適度檢驗 45
第五節 結構模型檢定與假說驗證 45
第伍章 研究討論 58
第一節 研究發現與討論 58
第陸章 研究結論與建議 62
第一節 研究結論 62
第二節 管理意涵 62
第三節 研究限制與後續研究建議 64
參考文獻 65
附錄 69
附錄一、本研究正式問卷 69
附錄二、本研究採用臺灣某金融機構投資人風險偏好問卷分析表 75
附錄三、本研究模型路徑分析結果 77

圖目錄

圖1、全球理財機器人管理資產AUM 2
圖2、全球理財機器人用戶數量 2
圖3、理財機器人服務平台 7
圖4、理財機器人平台運作架構 15
圖5、使用者創新抵制類型 17
圖6、S. Ram與Sheth (1989)提出之創新抵制來源因素 18
圖7、本研究之研究架構 25
圖8、本研究結構模型分析結果 47
圖9、年齡分群之路徑關係-亨利族 50
圖10、年齡分群之路徑關係-其他年齡族群 50
圖11、性別分群之路徑-女性 52
圖12、性別分群之路徑-男性 52
圖13、投資風險屬性分群之路徑關係-穩健型 54
圖14、投資風險屬性分群之路徑關係-積極型 55
圖15、使用經驗分群之路徑關係-有使用經驗 57
圖16、使用經驗分群之路徑關係-無使用經驗 57

表目錄

表1、我國自動化投資顧問服務作業要點規範 6
表2、臺灣各業者理財機器人平台 11
表3、使用障礙衡量題項 26
表4、價值障礙衡量題項 27
表5、風險障礙衡量題項 28
表6、傳統障礙衡量題項 29
表7、印象障礙衡量題項 29
表8、抗拒改變衡量題項 30
表9、產品涉入衡量題項 31
表10、創新抵制衡量題項 32
表11、使用者風險屬性衡量題項 33
表12、本研究回收樣本人口變數統計 38
表13、受訪者現在或曾經使用過各業者理財機器人採用情形 38
表14、本研究各構面題項敘述統計 39
表15、因素負荷量未達檢驗標準之題項 41
表16、各構面信度檢定表 41
表17、因素負荷量與交叉負荷量檢定表 43
表18、區別效度檢定表 44
表19、本研究模型R Square決定係數值檢定表 46
表20、本研究假說路徑關係檢定表 48
表21、年齡分群之路徑關係檢定表 49
表22、性別分群之路徑關係檢定表 51
表23、投資風險屬性分群之路徑關係檢定表 54
表24、有使用經驗與沒有使用經驗的路徑關係檢定表 56
表25、「使用者對理財機器人採用情形」問卷 69
表26、本研究採用臺灣某金融機構投資人風險偏好問卷分析表 75
參考文獻 尤美淑 (2017)。金融科技服務創新對投資人信任感之探討-以理財機器人為例,國立東華大學。
甘哲娜(2017)。基於IRT理論的在線旅遊網站潛在消費者採納前階段行為研究-以泰國消費者為例。[A Study of Potential Consumer Online Travel Website Pre-Adoption Behavior Based on IRT Theory: A Case Study of Thai Consumers]。管理學報,2017年11月,1690-1699。
李沃牆(2018)。臺灣機器人理財的發展與監理。會計研究月刊,(391),20-24。
李來錫、謝明晃(2006)。社群信任、產品涉入與認知風險對於虛擬社群購買動機之影響研究。[Effects of Community Trust, Production Involvement and Perceived Risks to Online Purchase Intention of Virtual Communities]。行銷評論,3(2),149-168。
周令珩(2018)。以科技接受模型探討金融市場導入機器人理財之可行性。大同大學。
周桂酉(2013)。探討消費者不使用行動銀行的主要因素:並以數位生活型態為干擾變數。實踐大學。
林佳誼(2016)。聰明理財,亨利族來了-20~35歳數位原住民全解析。遠見雜誌,12-34。
林書弘、陳牧言(2017)。理財機器人對數位經濟的影響與衝擊。TANET2017臺灣網際路研討會,1435-1438。
林鈺凱(2018)。機器人理財之風險管理功能與監理法制探討。國立政治大學。
洪志麟、賴冠妤、陳國瑞、呂馥伊(2016)。機器人投資顧問(Robo-Advisor)國外實務及相關法令與管理措施之研究。協合國際法律事務所。
洪旗能(2018)。與機器人共舞-以科技接受模式探討銀行行員與機器人協同工作的接受因素。國立臺灣科技大學。
翁禮祺、廖文華、蒯思齊(2016)。金融科技之理財機器人系統架構。TANET2016 臺灣網際網路研討會,427-432。
張弘一(2017)。理財機器人的崛起對於財富管理之銀行理財專員的影響。淡江大學。
陳莉貞、蘇秀玲、郭怡君(2018)。我國發展機器人理財顧問之研究。財團法人中華民國證券暨期貨市場發展基金會。
黃英記(2012)。以創新抵制的觀點探討金融交易下單通路移轉。臺北大學。
楊靜霓(2017)。影響理財機器人採用意願關鍵因素之研究。中華大學。
Aldás‐Manzano, J., Lassala‐Navarré, C., Ruiz‐Mafé, C., & Sanz‐Blas, S. (2009). The role of consumer innovativeness and perceived risk in online banking usage. International Journal of Bank Marketing, 27(1), 53-75. doi:10.1108/02652320910928245
Antioco, M., & Kleijnen, M. (2010). Consumer adoption of technological innovations: Effects of psychological and functional barriers in a lack of content versus a presence of content situation. European Journal of Marketing, 44(11/12), 1700-1724. doi:10.1108/03090561011079846
Chen, H.-S., Tsai, B.-K., & Hsieh, C.-M. (2018). The Effects of Perceived Barriers on Innovation Resistance of Hydrogen-Electric Motorcycles. Sustainability, 10(6), 1-15.
Cheng, S., Lee, S.-J., & Lee, K.-R. (2014). User resistance of mobile banking in China: Focus on perceived risk. International Journal of Security and Its Applications, 8(2), 167-172.
Claudy, M. C., Garcia, R., & O’Driscoll, A. (2015). Consumer resistance to innovation—a behavioral reasoning perspective. Journal of the Academy of Marketing Science, 43(4), 528-544. doi:10.1007/s11747-014-0399-0
Day, G. S. (1970). Buyer attitudes and brand choice behavior. New York: Free Press.
Dotzauer, K., & Haiss, F. (2017). Barriers towards the adoption of mobile payment services : An empirical investigation of consumer resistance in the context of Germany. Karlstad University.
F. Hair Jr, J., Sarstedt, M., Hopkins, L., & G. Kuppelwieser, V. (2014). Partial least squares structural equation modeling (PLS-SEM): An emerging tool in business research. European Business Review, 26(2), 106-121. doi:10.1108/EBR-10-2013-0128
Ferreira, K. D., & Lee, C.-G. (2014). An integrated two-stage diffusion of innovation model with market segmented learning. Technological Forecasting and Social Change, 88, 189-201. doi:10.1016/j.techfore.2014.06.007
Fornell, C., & Larcker, D. F. (1981). Structural Equation Models with Unobservable Variables and Measurement Error: Algebra and Statistics. Journal of Marketing Research, 18(3), 382-388. doi:10.1177/002224378101800313
Haukeberg, C. S. L., & Fosshode, T. (2016). Adopting robotics in downstream financial services: a study investigating bank customers' readiness, and potential barriers to adopt robotics technology. Norwegian School of Economics.
Henseler, J., Hubona, G., & Ray, P. A. (2016). Using PLS path modeling in new technology research: updated guidelines. Industrial Management & Data Systems, 116(1), 2-20. doi:10.1108/IMDS-09-2015-0382
Hilton, T., Hughes, T., Little, E., & Marandi, E. (2013). Adopting self-service technology to do more with less. Journal of Services Marketing, 27(1), 3-12. doi:10.1108/08876041311296338
Joachim, V., Spieth, P., & Heidenreich, S. (2018). Active innovation resistance: An empirical study on functional and psychological barriers to innovation adoption in different contexts. Industrial Marketing Management, 71, 95-107. doi:10.1016/j.indmarman.2017.12.011
Kaya, O., Schildbach, J., AG, D. B., & Schneider, S. (2017). Robo-advice–a true innovation in asset management. Deutsche Bank.
Kesharwani, A., & Singh Bisht, S. (2012). The impact of trust and perceived risk on internet banking adoption in India: An extension of technology acceptance model. International Journal of Bank Marketing, 30(4), 303-322. doi:10.1108/02652321211236923
Kleijnen, M. H. P., de Ruyter, K., & Andreassen, T. W. (2005). Image congruence and the adoption of service innovations. Journal of Service Research, 7(4), 343 - 359. doi:31-1871/44388
Kuisma, T., Laukkanen, T., & Hiltunen, M. (2007). Mapping the reasons for resistance to Internet banking: A means-end approach. International Journal of Information Management, 27(2), 75-85. doi:10.1016/j.ijinfomgt.2006.08.006
Laukkanen, T. (2016). Consumer adoption versus rejection decisions in seemingly similar service innovations: The case of the Internet and mobile banking. Journal of Business Research, 69(7), 2432-2439. doi:10.1016/j.jbusres.2016.01.013
Lee, I., & Shin, Y. J. (2018). Fintech: Ecosystem, business models, investment decisions, and challenges. Business Horizons, 61(1), 35-46. doi:10.1016/j.bushor.2017.09.003
Limayem, M., Hirt, S. G., & Cheung, C. M. K. (2007). How Habit Limits the Predictive Power of Intention: The Case of Information Systems Continuance. MIS Quarterly, 31(4), 705-737. doi:10.2307/25148817
Mani, Z., & Chouk, I. (2018). Consumer Resistance to Innovation in Services: Challenges and Barriers in the Internet of Things Era. Journal of Product Innovation Management, 35(5), 780-807.
Mei Ngan, W. (2017). Barriers to Customer Participation in Mobile Banking: In the Case of Hong Kong. Karlstad Business School.
Moorthy, K., Ling, C. S., Fatt, Y. W., Yee, C. M., Yin, E. C. K., Yee, K. S., & Wei, L. K. (2017). Barriers of Mobile Commerce Adoption Intention: Perceptions of Generation X in Malaysia. Journal of Theoretical and Applied Electronic Commerce Research, 12(2), 37-53. doi:10.4067/S0718-18762017000200004
Nesselhauf, L., Deker, J. S., & Fleuchaus, R. (2017). Information and involvement: the influence on the acceptance of innovative wine packaging. International Journal of Wine Business Research, 29(3), 285-298. doi:10.1108/IJWBR-08-2016-0026
Oreg, S. (2003). Resistance to change: developing an individual differences measure. The Journal of applied psychology, 88(4), 680-693. doi:10.1037/0021-9010.88.4.680
Polites, G. (2015). The Interplay of Gender, Habit, and Individual Differences in Predicting Trying Intentions. Kent State University.
Ram, S. (1987). A model of innovation resistance. ACR North American Advances(14, 1987), 208-212.
Ram, S., & Sheth, J. N. (1989). Consumer Resistance to Innovations: The Marketing Problem and its solutions. Journal of Consumer Marketing, 6(2), 5-14. doi:10.1108/eum0000000002542
Rogers, E. M. (1983). Diffusion of innovations. New York: Free Press.
Rogers, E. M. (1995). Diffusion of Innovations: modifications of a model for telecommunications. In Die diffusion von innovationen in der telekommunikation (pp. 25-38): Springer.
Salari, N. (2014). Development and validation of the innovation resistance model across Middle Eastern Countries. University of Birmingham.
Sarstedt, M., Henseler, J., & Ringle, C. M. (2011). Multigroup analysis in partial least squares (PLS) path modeling: Alternative methods and empirical results. In Measurement and research methods in international marketing (pp. 195-218). Emerald Group Publishing Limited
Sheth, J. (1981). Psychology of Innovation Resistance: The Less Developed Concept in Diffusion Research.
Sivathanu, B. (2018). Adoption of digital payment systems in the era of demonetization in India. Journal of Science and Technology Policy Management, 10(1), 143-171.
Xu, C., Peak, D., & Prybutok, V. (2015). A customer value, satisfaction, and loyalty perspective of mobile application recommendations. Decision Support Systems, 79, 171-183. doi:10.1016/j.dss.2015.08.008
Zaichkowsky, J. L. (1985). Measuring the Involvement Construct. Journal of Consumer Research, 12(3), 341-352.
Zaichkowsky, J. L. (1994). The Personal Involvement Inventory: Reduction, Revision, and Application to Advertising. Journal of Advertising, 23(4), 59-70. doi:10.1080/00913367.1943.10673459
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2024-07-25公開。
  • 同意授權瀏覽/列印電子全文服務,於2024-07-25起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2486 或 來信