中文摘要
科技的日新月異急速地變化，使得各行各業開始與科技結合後轉變為新的型態，金融業也不例外。在金融監督管理委員會積極推動 Bank4.0之下，金融科技(FinTech)早已是各家銀行業務的重要一環，因此，結合大數據以及人工智慧，發展理財機器人為銀行客群提供全新服務，已勢在必行。
科技接受模式(TAM)包含知覺有用性、知覺易用性、使用態度、行為意圖等，為用來解釋以及預測新科技在用戶上的一種模式；計畫行為理論(TPB) 則用來探討用戶行為形成的一個選擇過程，該理論關注使用態度、主觀規範、知覺行為控制對行為意圖的影響。本研究結合科技接受模式以及計畫行為理論探討銀行客戶對理財機器人的行為意圖，從中找尋使用態度、知覺行為控制、主觀規範、知覺易用性、知覺有用性與行為意向的關聯性。
本研究以銀行、證券端客戶為調查對象，並發出紙本以及電子問卷總計回收409份。本研究之統計方法包含描述性統計、項目分析、信度分析、相關分析、驗證式因素分析與差異分析。研究結果顯示：(一)使用態度、主觀規範、知覺行為控制對使用意圖具有顯著正向的影響；(二)知覺易用對知覺有用具有顯著正向的影響；(三) 知覺易用、知覺有用對使用態度具有顯著正向的影響；(四) 知覺易用透過知覺有用顯著正向影響使用態度；(五) 知覺易用、知覺有用皆透過使用態度顯著正向影響使用意圖。
最後，本研究針對研究結果，分別對銀行初期發展理財機器人提出相關建議，包括介面的簡易化讓使用者操作方便順手、功能智慧化讓使用者可以快速完成所有複雜的程序、行員的教育訓練以及提供使用者更完善的功能說明等等。

The rapid changes in technology transformed various industries to into new forms, and the financial industry is included. With the Financial Supervisory Commission's in Taiwan actively promoted of Bank 4.0, financial technology (FinTech) has become an important part of various banks' business. Therefore, it is important to combine big data and artificial intelligence to develop Financial Robots to provide a new service to bank customers.
The Technology Acceptance Model (TAM) includes perceived usefulness, perceived ease of use, usage attitude, and behavioral intention, and is used to explain and predict a new technology's user behavior. The Theory of Planned Behavior (TPB) is used to explore the decision-making process to user behavior, with a focus on usage attitude, subjective norms, and perceived behavioral control on behavioral intentions. This study combines the TAM and TPB to investigate bank customers' behavioral intentions towards Financial Robots, and to explore the relationship between usage attitude, perceived behavioral control, subjective norms, perceived ease of use, perceived usefulness, and behavioral intentions.
There were 409 respondents in this study. The statistical methods used in this study include descriptive statistics, item analysis, reliability analysis, correlation analysis, confirmatory factor analysis, and differential analysis. The results of the study showed that (1) usage attitude, subjective norms, and perceived behavioral control have a significant positive impact on usage intention; (2) perceived ease of use has a significant positive impact on perceived usefulness; (3) perceived ease of use and perceived usefulness have a significant positive impact on usage attitude; (4) perceived ease of use significantly influences usage attitude through perceived usefulness; and (5) perceived ease of use and perceived usefulness both significantly influence usage intention through usage attitude.
Finally, based on the research findings, this study provides recommendations for banks to develop Financial Robots, including simplifying the interface to make it easy and convenient for users, making the functions more intelligent to allow users to quickly complete all complex procedures, providing education and training to staff, and offering users more comprehensive instructions on the functions.

目錄
論文審定書 i
誌謝 ii
中文摘要 iiii
Abstract iv
目錄 vi
圖次 viii
表次 ix
第一章　緒論1
第一節　研究背景與研究動機1
第二節　研究目的4
第三節　研究流程5
第二章　文獻探討6
第一節　計畫行為理論6
第二節　科技接受模式16
第三節　理財機器人22
第三章　研究方法27
第一節　研究架構與假說27
第二節　本研究之各變數操作型定義29
第三節　研究對象與問卷發放31
第四節　資料分析方法31
第四章　研究結果33
第一節　項目分析33
第二節　敘述性統計分析36
第三節　信度分析42
第四節　相關分析43
第五節　驗證式因素分析44
第六節　T檢定52
第七節　變異數分析54
第五章　結論與建議62
第一節　結論62
第二節　建議66
第三節　研究限制與未來研究方向68
中文文獻69
英文文獻72


圖次
圖1-1　研究流程圖5
圖3-1　研究架構與假說27
圖4-1　SEM模型圖49


表次
表2-1　態度的定義整理7
表2-3　知覺行為控制的定義整理11
表2-4　行為意圖的定義整理13
表2-6　PEOU的定義整理18
表2-7　知覺有用的定義整理19
表2-8　以投資組合角度探討理財機器人之定義23
表2-9　投資理財機器人的定義表24
表3-1　研究構面與操作型定義29
表4-1　六大構面之項目分析33
表4-2　樣本分布37
表4-3　使用態度描述統計分析表38
表4-5　知覺行為控制描述統計分析表39
表4-6　知覺有用性描述統計分析表40
表4-7　知覺易用性描述統計分析表40
表4-8　使用意圖描述統計分析表41
表4-9　信度分析表42
表4-10　研究構面之相關分析43
表4-12　AVE區別效度分析46
表4-13　適配度指標47
表4-16　不同性別的差異比較分析表52
表4-17　不同婚姻狀況的差異比較分析表53
表4-19　教育程度對研究構面變異數分析表60

參考文獻
中文文獻
王淑娟、李元恕、黃怡仁、方國定(2008)。建構資訊系統使用意圖模式：以中部某大學為實證對象。科技管理學刊，13(4)，1-30。
王維靖、侯錦雄與黃玉琴(2020)。瞭解海岸遊憩區遊客的氣候變遷知覺及其調適意圖-計畫行為理論的檢視。戶外遊憩研究，33(2)，35-60。
朱斌妤、黃仟文、翁少白(2008)。以科技接受模式探討即時交通資訊系統之使用意願。電子商務學報，10(1)，173-200。
池文海、林憬、王智永、張明暐(2011)。使用者採用 GPS 科技產品行為意圖之研究。創新與管理，8(2)，29-60。
余強生(2012)。影響消費者轉換科技服務的原因：以網路銀行與行動銀行為例。資訊管理學報，20(2)，220-251。
吳玫瑩、林怡君(2011)。臺灣的大學院校師生對Library 2.0網站的使用意圖及使用行為之探討。圖書資訊學研究，6(1)，139-180。
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。
李靜宜、柯皓仁(2012)。電子資源整合查詢系統使用者接受度與使用行為之研究。教育資料與圖書館學，49(3)，369-404。
沈慶龍、盧沛宜(2018)。知識分享行為之研究：從計畫性行為理論的觀點及其延伸。人力資源管理學報，18(2)，31-68。
林東清、孫培真與徐景智(2000)。影響資訊系統使用者抗拒行為之原因：以計劃行為理論為基礎之整合研究。資訊管理研究，2(2)，1-26。
林芳珍、趙正敏(2015)。消費者採用行動商務之科技特徵: TPB 與 TAM 之延伸研究。運動休閒管理學報，12(4)，1-17。
林信志、湯凱雯、賴信志(2010)。以科技接受模式探討大學生學習以網路教學系統製作數位教材之意圖和成效。數位學習科技期刊，2(1)，60-78。
林書弘與陳牧言(2017)。理財機器人對數位經濟的影響與衝擊。TANET2017 臺灣網際網路研討會，1435-1438。
林錦郎(2016)。從計畫行為理論探討數位學習平台知識分享行為。全球商業經營管理學報，(8)，43-55。
洪新原、洪幼力與劉晴(2020)。影響顧客使用理財機器人之因素。資訊管理學報，27(3)，341-375。
范秉航(2019)。科技化? 網路化? AI 化? 金融服務的課題與挑戰。臺灣經濟研究月刊，42(11)，70-75。
夏肇毅(2018, January)。推動 Fintech 金融科技發展風潮的科技動力探索。In NCS 2017 全國計算機會議 (pp. 528-533)，國立東華大學。
張鳳航、張珏、鄭雅文(2012)。從計畫行為理論觀點，探討雇主僱用精障者意願及其相關因素。中華心理衛生學刊，25(1)，73-104。
郭彰仁、楊明青、許亦萱、劉盈嬋(2018)。以計畫行為理論建構遊客臉書炫耀性打卡行為模式之研究。戶外遊憩研究，31(4)，31-62。
陳佑寰(2021)。機不可失：談理財機器人的發展與規範。會計研究月刊，426，88-93
陳淑娟與郭仕堯(2011)。應用科技接受模式探討悠遊卡使用者之行為意向─ 以認知風險為干擾變數。都市交通，26(2)，28-42。
曾幼涵、王韋婷、余馥羽、方基存與許翔皓(2016)。以計畫行為理論探討慢性腎臟病患選擇不同透析治療之意圖。中華心理衛生學刊，29(3)，261-287。
黃俊寧、胡天鐘、陳俞螢(2014)。以計畫行為理論探討台灣民眾對臍帶血儲存之認知與行為意圖。管理實務與理論研究，8(1)，42-75。
楊舜雯、鄭佳昆、林晏州(2014)。解說導覽APP系統使用行為意向之研究。戶外遊憩研究，27(3)，83-108。
蔡介文，鄭博文，李玟儀(2020)。以 TPB 理論探討護理人員於病歷隱私認知暨保護的行為意圖-中部某教學區域醫院的實證研究。病歷資訊管理，17(2), 1-15。
蔡孟璇與王志宏(2021)。運用科技接受模式探討澎湖機場旅客使用自助報到服務之行為意向-兼論信任之調節效果。休閒產業管理學刊，14(1)，25-44。
蔡桂宏、詹晏怡、黃怡萍與施允(2021)。理財機器人平台-R shiny 的建置與應用實例。智慧科技與應用統計學報，18(2)，1-19。
鄭光廷、徐士傑、林東清(2012)。影響使用者持續使用Web2.0傳遞與分享知識之研究。資訊管理學報，19(2)，249-274。
鍾易詩、翁士博(2014)。年輕機車駕駛超速行為分析：習慣與計畫行為模式。運輸學刊，26(4)，467-495。
羅仕順、陳棟樑、林建志、陳俐文(2020)。運用科技接受模式探討縣政府公文系統使用行為與使用滿意度之研究。管理資訊計算，9，112-126。
羅希哲、蔡至誠、林增玉與林洲安(2017)。以科技接受模試探討職校學生對高雄市公車動態資訊系統 App 使用意願之研究。工業科技教育學刊，(10)，79-96。

英文文獻
Aaker, D. A., & Bagozzi, R. P. (1979). Unobservable variables in structural equation models with an application in industrial selling. Journal of Marketing Research, 147-158.
Ajzen, I. (1985). From intentions to actions: A theory of planned behavior (pp. 11-39). Springer Berlin Heidelberg.
Ajzen, I. (1991). The theory of planned behavior. Organizational behavior and human decision processes, 50(2), 179-211.
Ajzen, I., & Fishbein, M. (1975). A Bayesian analysis of attribution processes. Psychological bulletin, 82(2), 261.
Aldammagh, Z., Abdeljawad, R., & Obaid, T. (2021). Predicting Mobile Banking Adoption: An Integration of TAM and TPB with Trust and Perceived Risk. Financial Internet Quarterly, 17(3), 35-46.
Bagozzi, R., Edwards, J. (1998). A General Approach for Representing Constructs in Organizational Research. Organizational Research Methods 1(1). 45-87.
Chen, M. F., & Tung, P. J. (2014). Developing an extended theory of planned behavior model to predict consumers’ intention to visit green hotels. International Journal of Hospitality Management, 36, 221-230.
Chin, W. W. (1998). Issues and Opinion on Structural Equation Modeling, Management Information Systems Quarterly, 22 (1), 7-16.
Churchill, G. A. Jr,(1979). A paradigm for developing better measures of marketing constructs. Journal of Marketing Research, 16, 64-73.
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS quarterly, 319-340.
Feng, Y., Baig, T. T., Love, R. P., & Chelico, L. (2014). Suppression of APOBEC3-mediated restriction of HIV-1 by Vif. Frontiers in microbiology, 5, 450.
Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39-50.
Gao, H. L. (2020). Understanding the Attitude of Antecedents and Consequences towards E-learning: An Integration Model of Technology Acceptance Model and Theory of Planned Behavior. International Journal of Liberal Arts and Social Science,8(3),55-71.
Hayes, A. F. (2009). Beyond Baron and Kenny: Statistical Mediation Analysis in the New Millennium. Communication Monographs, 76(4), 408-420.
Jiang, K., Ling, F., Feng, Z., Wang, K., & Guo, L. (2017). Psychological predictors of mobile phone use while crossing the street among college students: An application of the theory of planned behavior. Traffic injury prevention, 18(2), 118-123.
Joo, Y. J., So, H. J., & Kim, N. H. (2018). Examination of relationships among students' self-determination, technology acceptance, satisfaction, and continuance intention to use K-MOOCs. Computers & Education, 122, 260-272.
Lee, M. C. (2009). Factors influencing the adoption of internet banking: An integration of TAM and TPB with perceived risk and perceived benefit. Electronic Commerce Research and Applications, 8(3), 130-141.
MacKinnon, D. P., Lockwood, C. M., & Williams, J. (2004). Confidence limits for the indirect effect: Distribution of the product and resampling methods. Multivariate BehavioralResearch, 39, 99-128.
Obaid, T. (2021). Predicting Mobile Banking Adoption: An Integration of TAM and TPB With Trust and Perceived Risk. Available at SSRN 3761669.
Papa, A., Mital, M., Pisano, P., & Del Giudice, M. (2020). E-health and wellbeing monitoring using smart healthcare devices: An empirical investigation. Technological Forecasting and Social Change, 153, 119226.
Safeena, R., Date, H., Hundewale, N., & Kammani, A. (2013). Combination of TAM and TPB in internet banking adoption. International Journal of Computer Theory and Engineering, 5(1), 146.
Taylor, S., & Todd, P. (1995). Decomposition and crossover effects in the theory of planned behavior: A study of consumer adoption intentions. International Journal of Research in Marketing, 12(2), 137-155.
Thompson, B. (2004). Exploratory and confirmatory factor analysis: Understanding concepts and applications. Washington, DC: American Psychological Association.
Verma, P., & Sinha, N. (2018). Integrating perceived economic wellbeing to technology acceptance model: The case of mobile based agricultural extension service. Technological Forecasting and Social Change, 126, 207-216.
Williams, J., & MacKinnon, D. P. (2008). Resampling and distribution of the product methods for testing indirect effects in complex models. Structural Equation Modeling, 15, 23-51.