面向矿业的企业资源规划系统采纳研究：基于PLS-SEM与人工神经网络模型的实证分析

本研究针对发展中国家矿业ERP系统采纳研究匮乏的现状，通过整合技术接受模型(TAM)与组织因素，采用PLS-SEM和ANN混合方法对278名印尼矿业从业人员进行实证分析。研究发现组织规模(OS)是ERP采纳的最强预测因子(β=0.363)，超越员工态度(β=0.347)和感知有用性(PU)等传统因素，揭示了矿业数字化转型中制度准备度比个体认知更具决定性意义。研究成果为高风险行业的数字化战略提供了数据驱动的理论框架和实践指导。

　　

在数字化浪潮席卷全球产业的今天，矿业作为资源密集型传统行业，正面临着提升运营效率和实现数字化转型的双重挑战。尽管企业资源规划(ERP)系统在制造业、教育、医疗等领域已展现出强大的整合能力，能够有效协调核心业务功能、提升数据准确性并支持战略决策，但矿业部门的ERP应用却始终处于探索不足的状态。这种滞后性在发展中国家尤为明显——恶劣的操作环境、文化层面对变革的抗拒、创新能力的局限，以及数字化基础设施的匮乏，共同构成了阻碍矿业数字化进程的结构性壁垒。

更为关键的是，现有研究多集中于环境可控的行业领域，其理论模型难以适应矿业特有的地理偏远性、资产密集型和市场波动性等复杂特征。矿业运营往往涉及重型设备管理、远程现场协调和安全关键流程，这些特性对ERP系统提出了独特的集成要求和风险考量。正如学者Crabbe等人所指出的，我们对矿业领域技术采纳的认知仍存在显著空白，而Ediriweera和Wiewiora也强调缺乏针对行业特定推动因素的实证研究。这种理论缺失使得矿业企业在推进数字化时缺乏科学指导，亟需量身定制的研究框架。

为应对这一挑战，研究人员Wecka Imam Yudhistyra和Chalita Srinuan开展了一项创新性研究，成果发表于《Results in Engineering》。研究团队将焦点从纯技术问题转向影响采纳的人力与组织动态，通过实证探索矿业企业ERP系统采纳的关键决定因素。他们提出三个核心问题：影响矿业员工采纳ERP系统的主要因素是什么？这些因素的影响程度如何？如何将研究发现转化为提升矿业ERP采纳的实际策略？

研究采用混合方法论框架，结合偏最小二乘结构方程模型(PLS-SEM)和人工神经网络(ANN)算法。PLS-SEM负责验证理论假设和路径关系，而ANN则捕捉变量间的非线性相互作用并评估预测因子的相对重要性。这种双管齐下的方法超越了传统单一方法论的局限，既保证了理论检验的严谨性，又增强了模型的预测能力和鲁棒性。

数据收集自印度尼西亚矿业机构的278名员工，这个东南亚最大经济体贡献了全国GDP的9.3%，其矿业出口占比达22%，但在技术创新采纳方面仍面临持续挑战。研究采用判断抽样技术，通过面对面、电话和在线多种方式管理问卷，使用手持数字设备替代传统纸质问卷，确保数据准确性和参与度。

测量工具借鉴已有文献中的成熟量表：ERP系统使用程度采用Hancerliogullari Koksalmis和Damar的量表；使用态度参考Al-Jabri和Roztocki及Rejali等人的框架；感知有用性(PU)和感知易用性(PEOU)基于Costa和Rejali的测量项；组织规模(OS)使用Sun和Nguyen的指标；培训和管理支持则采用Costa及Shibly等人的量表。所有项目均采用五点李克特量表评分，并经过严格的翻译和回译程序确保文化适应性。

技术方法上，研究主要运用了三种核心技术：基于技术接受模型(TAM)的理论框架构建、偏最小二乘结构方程建模(PLS-SEM)和人工神经网络(ANN)分析。PLS-SEM用于检验10条研究假设和测量模型验证，而ANN采用前馈反向传播(FEBP)多层感知器(MLP)架构，通过10折交叉验证程序确保模型泛化能力。这种混合方法能够同时捕捉线性与非线性关系，克服了传统单一方法的局限性。

测量模型评估结果

验证性因子分析显示所有构念的克朗巴哈系数(α)、组合信度(CR)和平均变异抽取量(AVE)均超过推荐阈值，表明测量模型具有优秀的信度和效度。异质-单质(HTMT)比率全部低于0.85的保守标准，证实了判别效度。标准化的残差均方根(SRMR)为0.031，规范拟合指数(NFI)为0.902，表明模型拟合度良好。

结构模型分析结果

PLS-SEM分析支持全部10条假设：态度对ERP采纳有显著正向影响(H1: β=0.347)；感知易用性显著影响态度(H2: β=0.342)和感知有用性(H3: β=0.371)；感知有用性正向影响态度(H4: β=0.257)；组织规模促进ERP采纳(H5: β=0.363)；培训增强感知易用性(H6: β=0.643)和感知有用性(H7: β=0.171)；管理支持提升感知有用性(H8: β=0.351)、态度(H9: β=0.252)和ERP采纳(H10: β=0.230)。模型对感知易用性、感知有用性、态度和ERP采纳的解释方差(R2)分别为41.4%、65.0%、60.4%和69.3%，显示中等到强的解释力。

人工神经网络分析结果

ANN敏感性分析揭示了预测因子的相对重要性：对于ERP采纳，组织规模最具影响力(99%)，远超态度(54%)和管理支持(54%)；对于态度，感知易用性最重要(93%)，其次为感知有用性(60%)和管理支持(60%)；对于感知有用性，感知易用性主导(95%)，随后是管理支持(84%)和培训(62%)；培训完全解释感知易用性(100%)。所有ANN模型的均方根误差(RMSE)值均较低，表明预测准确性高。

模型比较与验证

通过比较概念模型与将组织规模和管理支持作为培训前因的替代模型，基于贝叶斯信息准则(BIC)、Akaike权重和交叉验证预测能力测试(CVPAT)的多标准评估一致支持概念模型的优越性。此外，PLSpredict程序显示模型具有可接受的预测能力，尽管在某些指标上简单线性基准表现更优，这反映了PLS-SEM侧重方差解释而非预测的特点。

研究结论凸显了组织规模在矿业ERP采纳中的核心作用，其影响力甚至超越了个体态度和认知因素。这一发现表明，在矿业这类资本密集型行业， institutional readiness（制度准备度）比individual user disposition（个体用户倾向）更具决定性。同时，培训通过提升感知易用性和有用性间接促进采纳，而管理支持则通过多重路径影响采纳行为。

讨论部分深入解析了这些发现的理論意义和实践价值。理论上，研究扩展了TAM在高风险、资源密集型行业的适用性，揭示了组织层面因素与技术接受认知的交互作用。实践上，为矿业企业提供了针对性的实施策略：大型企业应发挥规模优势推进系统整合；中小企业需通过政策支持弥补资源差距；所有企业都应投资于用户培训和管理支持，以降低采纳阻力。

这项研究的创新性在于首次系统检验了矿业ERP采纳的决定因素，采用了先进的混合分析方法，并提供了发展中国家背景下的实证证据。研究成果不仅填补了学术空白，也为矿业数字化实践提供了科学指导，对推动全球矿业可持续发展具有重要意义。随着数字技术不断演进，这些发现将有助于构建更加 resilient（韧性）和 efficient（高效）的矿业运营模式，最终实现经济效益与环境可持续的双重目标。