叶晶　裘玉英　陈亭羽　凡欣

摘要： 智能服装作为服装前沿技术，受到越来越多的企业和消费者的关注。了解消费者对智能服装购买意愿，有助于智能服装产业的发展。本文基于实证研究，构建消费者智能服装购买意愿的结构方程模型，通过调研问卷收集数据，并采用偏最小二乘法对模型进行假设验证。研究结果表明：感知有用性和态度正向显著影响消费者智能服装的购买意愿;消费者态度受感知有用性和易用性的影响;感知有用性受感知易用性、智能服装表达性的影响;智能服装的功能性和表达性均显著影响感知易用性。最后为智能服装的发展提出了相关建议。

关键词： 技术接受模型;智能服装;购买意愿;偏最小二乘法;结构方程模型;FEA模型

中图分类号： TS941.1文献标志码： A文章编号： 10017003（2022）05007708

引用页码： 051111DOI： 10.3969/j.issn.1001-7003.2022.05.011

智能服装通过集成纺织科学、材料科学、微电子技术、软件技术和通信技术，在保证服装穿着舒适性的前提下，通过感知人体和环境的变化，为用户提供智能分析、决策支撑和反馈控制[1-3]。智能服装的三个基本要素是感知、反馈和反应。根据采用技术的不同，智能服装可分为功能性材料类智能服装和电子信息类智能服装[4]。相较于传统的功能性服装只针对特定职业需求和较为固定的功能指向及封闭的配件系统，智能服装拓展了应用范围、提升了功能并改变了产品属性。

目前，国内学者对智能服装的研发已进行较为深入的研究，但研究智能服装商业化的文献数量较技术研究少，而且大多是综述性研究，实证性的研究相对较少。国内大多数学者采用调研问卷的形式研究消费者的智能服装购买行为，但大多侧重在消费者需求[5-6]。另一方面，国外学者从创新性[7-8]、价格[9]、信任[10]、社会接受度和产品属性[11]等不同的角度，研究了智能服装消费者购买行为。技术接受模型（Technology acceptance model，TAM）被认为是解释用户对新技术接受和使用意愿的最有效模型[12]，国内部分学者已采用TAM来研究服装领域内的消费者行为，如虚拟试衣的使用意愿[13]和网购服装意愿[14]，而采用TAM研究用户智能服装购买意愿的却寥寥无几。

因此，本研究以技术接受模型为理论基础，以功能性-表达性-美学性（Function-expressive-aesthetic，FEA）模型为外部变量，提出了一个扩展的技术接受模型。在已有文献的基础上提出若干研究假设，运用调研问卷对消费者智能服装购买意愿进行调研，运用SPSS软件对调研数据进行数据，并采用偏最小二乘结构方程模型（Partial least squares structural equation model，PLS-SEM）对研究假设进行检验，旨在揭示消费者对智能服装购买意愿的影响机理和路径。最后，针对智能服装的研发提出相应建议。

1理论模型与研究假设

1.1技术接受模型及相关假设

Davis[12]在理性行为理论的基础上，提出了TAM来研究用户对信息系统的接受度。该模型是研究用户对新技术接受行为最常用的模型，感知有用性和易用性作为核心变量，都会影响用户对新技术的态度。同时，感知易用性影响感知有用性，态度和感知有用性均影响用户的使用或购买意愿。目前，部分国外学者以TAM为理论基础，研究消费者的智能服装购买行为[15-16]。智能服装作为众多前沿技术的结合体，非常适合运用技术接受模型进行研究。由于前人的研究大多基于国外消费者，所以本研究以TAM为基础，研究国内用户智能服装购买意愿。

感知有用性是指消费者认为使用特定系统会对其表现有帮助的程度[12]。Wang等[17]在研究亲子智能服装时发现，感知有用性影响消费者的购买态度和意愿。Noh等[16]以韩国消费者为调研对象研究生物智能服装的购买意愿时，发现感知有用性对韩国消费者购买意愿有显著影响。基于国外学者的研究分析，本研究提出针对中国消费者的研究假设：

H1：感知有用性正向影响态度。

H2：感知有用性正向影响购买意愿。

感知易用性指消费者认为使用特定系统时的难易程度[12]。Park等[18]和Hwang等[19]研究均发现感知易用性正向影响感知有用性。Kim等[20]和Chae[7]研究均发现感知易用性正向影响用户对智能服装的态度。这些结论不是针对中国消费者，在跨文化背景下是否成立，还不能确定。所以，本研究提出如下假设，用以验证相关结论针对中国消费者是否成立：

H3：感知易用性正向影响感知有用性。

H4：感知易用性正向影响态度。

态度是指个体对周围环境满意或不满意的反应，这种反应体现在其信念、感觉或行为意向[21]。Bakhshian等[11]和Hwang等[19]研究发现消费者的态度显著影响智能服装使用意愿。基于上述分析，本研究提出如下假设：

H5：态度正向显著影响购买意愿。

1.2FEA模型

随着信息技术的不断发展，许多学者试图在外部变量中加入新理论或模型来扩展技术接受模型。外部变量作为外部客观条件的一些刺激因素，会影响用户的感知有用性和易用性。Lamb等[22]提出了以消费者需求为主的FEA功能性服装设计模型，部分学者采用FEA模型进行了功能性服装的设计[23-24]。尽管智能服装具有复杂性，但必须满足消费者对服装的需求[19]。因此，本研究将FEA模型作为技术接受模型的外部变量，研究其对消费者智能服装的态度和购买意愿的影响。

1.2.1功能性

在FEA模型中，功能性需求包含合身性、移動性、保护性和舒适性，这些因素都与服装的实用性有关，影响用户对新技术的接受[19]。Bakhsian等[25]研究发现，可穿戴设备的功能正向影响消费者的购买期望。Hwang等[19]研究太阳能智能服装时，发现舒适性对消费者的感知有用性和易用性有显著的正向影响。因此，本研究提出如下假设：

H6：功能性正向影响感知有用性。

H7：功能性正向影响感知易用性。

1.2.2表达性

表达性涉及身份的象征性传播特征，如价值观、角色和自尊[17]。基于服装的社会文化和心理层面，表达性指服装产品应该与用户的地位与自我形象相匹配。在智能服装方面，Ko等[26]将表达性定义为对创新的感知程度与潜在用户现有的价值观、需求等的匹配性，同时发现，匹配性对用户智能服装的接受度有正向显著影响。Wang等[17]研究发现，亲子智能服装的表达性对用户感知有用性和易用性有正向影响。因此，本研究提出如下假设：

H8：表达性正向影响感知有用性。

H9：表达性正向影响感知易用性。

1.2.3美学性

美学性主要指服装中设计元素的使用[22]，如通过线条、廓形、颜色、纹理、图案等元素创造一个令人愉悦的设计[27]，美学性是消费者评价服装的重要标准。服装通过颜色、款式、设计及其他元素进行视觉传达，智能服装也属于服装类别，有研究发现美学性会影响消费者对服装的态度和购买行为[28-29]，Malmivaara[30]研究认为，美学性是影响消费者智能服装产品接受度和穿戴性的重要因素。Wang等[17]研究发现，美学性对智能服装消费者态度有正向影响，而对智能服装的购买意愿没有影响。Hwang等[19]研究发现，美学性对智能服装消费者态度和购买意愿有显著影响。综合上述分析，本研究提出如下假设：

H10：美学性正向影响态度。

H11：美学性正向影响购买意愿。

基于上述研究假设，本研究构建了基于TAM和FEA的消费者智能服装购买意愿模型，如图1所示。

2研究设计

2.1问卷设计与数据收集

调研问卷主要由三部分构成：一是智能服装的视频介绍，视频选取了国内外三款典型的智能服装进行介绍，包括智能监测、智能交互和智能调节等功能;二是调研对象的基本情况;三是测量模型。为了保证问卷的信效度，本研究参照国内外相关研究文献中已通过实证检验的成熟量表，设计了初始问卷。问卷从7个变量出发，每个变量由4～5个题目构成，共设计出31道测量项。然后邀请30名在校本科生进行小规模的预调研，对问卷中表述模糊的题项进行调整，形成最终问卷。所有变量均采用Likert 5级量表进行测量，1分表示“非常不同意”，5分表示“非常同意”。本研究依托网络平台“问卷星”投放并收集调研问卷，调研时间为2021年5月至10月，删除答题时间过短问卷后，共收集到212份有效问卷。量表具体内容如表1所示。

2.2样本描述统计分析

本研究采用SPSS24对样本统计分析（表2）。此次调研对象中，女性调研样本占82.1%，83.5%的调研对象为18～25岁，本科以上学历比例高达97.2%，月均可支配收入在1 000～3 000元占75.5%。近47%的用户对智能服装不太了解，42%的用户对智能服装有不同程度的了解。

3数据分析与假设检验

本研究采用偏最小二乘法进行数据分析，相较于基于协方差的结构方程模型，PLS对正态分布的要求较低，且更加适合中小规模的样本[36-37]。本研究使用SmartPLS3.2.9软件进行数据分析和假设检验。

3.1多重共线性检验

本研究使用方差膨胀因子（VIF）进行多重共线性检验。根据Hair等[38]的研究发现，当VIF≤3时，潜变量之间不存在共线性情况。本研究对所有潜变量VIF值进行检验，发现所有潜变量的VIF值介于1.443～2.964，皆小于阈值3，说明各潜变量之间不存在多重共线性问题。针对样本正态分布情况，本研究使用SPSS中的Q-Q图进行判断，结果表明各变量均服从正态分布。

3.2信效度检验

信度（Reliability）检验主要用于检验问卷的内部稳定性和一致性，通常要求Cronbach’s α值和组合信度（Composite reliability，CR）均大于0.700[39]。本研究的信度检验结果如表3所示，所有潜变量的Cronbach’s α和CR值均大于0.700，说明所有变量具有较高的信度。

效度（Validity）主要用于检验测量结果能准确反映问卷所要解释构念的程度，包括聚合效度和区别效度。由表3可知，各变量的因子载荷大于0.700，且平均方差萃取（Average variance extracted，AVE）值大于0.500时，表示具有良好的聚合效度。由表4可以看出，所有变量AVE的平方根大于各潜变量间的相关系数，表示潜变量间具有良好的区别效度。

3.3假设检验

本研究采用PLS-SEM来检验研究模型中各路径假设，使用Bootstrapping反复抽样法抽取5 000次进行参数计算与评价模型系数的显著性，具体结果如表5所示。

从表5可以看出，本研究的11个假设中，除假设H6和H11不显著外，其余假设的路径系数T值均大于1.960，并且在0.050的水平上显著，假设成立。

3.4结果分析

从表5可以看出，在TAM模型的检验中，感知有用性对消费者态度（β=0.433，p<0.001）和购买意愿（β=0.148，p=0.045）均具有正向显著影响，假设H1和H2得到验证。由于智能服装具有各种不同的功能，这些功能能够提高消费者的生活质量和工作效率等，满足消费者的需求，从而使消费者对智能服装产生积极的态度。同时，消费者也会因此而购买智能服装。感知易用性均正向显著影响感知有用性（β=0.287，p<0.001）和态度（β=0.280，p=0.001），假设H3和H4得到验证。由于智能服装的交互和穿著方法简单，同时智能服装又满足了消费者对功能的需求，会使消费者感知到智能服装的有用性，同时也会对智能服装持积极的态度。最后，消费者的态度正向显著影响购买意愿（β=0.631，p<0.001）。当消费者对智能服装持积极的态度后，消费者就会产生购买意愿。由此可见，本研究与原始TAM的结论相吻合，说明TAM在解释国内消费者的智能服装购买意愿时仍有很好的适配性。

在FEA模型中，功能性对感知有用性的影响未能达到显著，假设H6未能通过检验，分析认为原因是功能性题项设计没有提供更多的功能项说明，使得消费者觉得问卷中提到的这些功能不能对其提供很好的帮助。功能性对感知易用性（β=0.239，p<0.001）有正向显著影响，假设H7通过检验，说明智能服装在满足复杂功能需求的前提下，同时穿着和交互简单，这会让消费者很容易接受智能服装。在表达性方面，可以发现表达性对用户感知有用性（β=0.540，p<0.001）和易用性（β=0.527，p<0.001）具有正向显著影响，假设H8和H9通过验证，说明用户在穿着智能服装时，非常重视服装的表达性。表达性包含创新，这就意味着消费者认为智能服装穿着简单，不需要花费更多的时间学习使用新技术，同时满足了消费者需求，消费者就会选择智能服装。在美学性方面，美学性正向显著影响消费者态度（β=0.131，p=0.041），假设H10通过验证，说明美学性是消费者选购智能服装的一个重要因素。设计的智能服装具有很强的审美性，并与当下的时尚风格相兼容，可以让消费者在不失去时尚感的情况下使用最新的服装技术，进而改变消费者对智能服装的看法。另一方面，美学性对购买意愿的影响未达到显著，假设H11未能通过检验，分析认为原因是现在的智能服装在设计上不能符合当下的设计风格，使得消费者缺少购买意愿。

3.5策略建议

根据上述研究结果，本研究提出如下策略建议：

1） 在未来的智能服装设计中，要充分重视智能服装的表达性和功能性，既要满足消费者的需求、期望和感知，又要符合消费者的生活方式。研发智能服装时需要考虑到舒适性、保护性等功能，降低消费者的穿戴负担，突出产品的实用性，如随意折叠、洗涤和易于护理，同时智能服装的开发应该迎合用户的不同功能需求。

2） 未来智能服装的设计和使用应考虑有用性与易用性。智能服装使用交互方面，目前智能服装大多是单方面的信息收集和呈现，缺乏与用户的交流。在未来的智能服装交互中，可以加入语音识别交互、手势交互、生物反馈交互或情景感知。通过简单的交互，让消费者更加熟练穿着，提高工作效率与生活质量。

3） 虽然美学性对消费者购买意愿的影响不大，但也不容忽视。现阶段的智能服装多是服装和电子元器件的简单相加，设计感较差。若使智能服装被年轻消费者接受，智能服装的面料、款式、色彩等应与当前的时尚风格相兼容，增强智能服装的科技感和美感，使其更容易进入服装消费领域。

4结语

本研究以技术接受模型（TAM）和FEA模型为理论研究基础，建立消费者智能服装购买意愿模型，设计相应的调研问卷。对收集的数据运用SPSS软件和SmartPLS软件进行分析，运用PLS-SEM对研究假设进行检验。通过分析可知，FEA模型中功能性和表达性均显著影响感知易用性;感知有用性、易用性和美学性均正向显著影响消费者对智能服装的态度;感知有用性和态度均影响用户购买意愿，而美学性对购买意愿无影响。

此外，本研究还存在一定的局限性：1） 没有将智能服装的价格因素纳入考虑范围。2） 智能服装的类别较多，没有具体研究某种类别的智能服装的购买意愿，后期的研究可以考虑选择某一类别的智能服装进行深入。3） 调研样本量偏少，且调研对象集中在18～25岁，可能会对样本的代表性和结论产生一定的影响，未来研究需增加调研数量和范围。

参考文献：

[1]陈雁. 服装设计与工程学科发展趋势与关键议题[J]. 纺织学报， 2019， 40（1）： 182-188.CHEN Yan. Trends and key subjects of apparel design and engineering[J]. Journal of Textile Research， 2019， 40（1）： 182-188.

[2]沈雷， 李儀， 薛哲彬. 智能服装现状研究及发展趋势[J]. 丝绸， 2017， 54（7）： 38-45.SHEN Lei， LI Yi， XUE Zhebin. Current situation and development trend of intelligent garment[J]. Journal of Silk， 2017， 54（7）： 38-45.

[3]田苗， 李俊. 智能服装的设计模式与发展趋势[J]. 纺织学报， 2014， 35（2）： 109-115.TIAN Miao， LI Jun. Design mode and development tendency of smart clothing[J]. Journal of Textile Research， 2014， 35（2）： 109-115.

[4]郝静雅， 李艳梅. 智能服装发展现状及趋势[J]. 纺织导报， 2020（4）： 62-65.HAO Jingya， LI Yanmei. Development and trend of intelligent clothing[J]. China Textile Leader， 2020（4）： 62-65.

[5]胡彩丽， 方方， 温雯， 等. 跑步智能可穿戴产品的消费需求与现状匹配分析[J]. 毛纺科技， 2019， 47（10）： 60-65.HU Caili， FANG Fang， WEN Wen， et al. Matching analysis of consumer demand and current status of running intelligent wearable products[J]. Wool Textile Journal， 2019， 47（10）： 60-65.

[6]陈桂清， 陈冲， 徐增波， 等. 智能温控服装的开发需求调研及其分析[J]. 毛纺科技， 2018， 46（9）： 55-60.CHEN Guiqing， CHEN Chong， XU Zengbo， et al. Survey and analysis on the development demands of intelligent temperature control garment[J]. Wool Textile Journal， 2018， 46（9）： 55-60.

[7]CHAE J. Consumer acceptance model of smart clothing according to innovation[J]. International Journal of Human Ecology， 2009， 10（1）： 23-33.

[8]KO E， SUNG H， YOON H. The effect of attributes of innovation and perceived risk on product attitudes and intention to adopt smart wear[J]. Journal of Global Scholars of Marketing Science， 2008， 18（2）： 89-111.

[9]PARK H， NOH M. The influence of innovativeness and price sensitivity on purchase intention of smart wear[J]. Journal of the Korean Society of Clothing and Textiles， 2012， 36（2）： 218-230.

[10]PARK H， NOH M. The influence of consumers’ innovativeness and trust on acceptance intention of sensor-based smart clothing[J]. Journal of the Korean Society for Clothing Industry， 2012， 14（1）： 24-36.

[11]BAKHSHIAN S， LEE Y A. Social acceptability and product attributes of smart apparel： Their effects on consumers’ attitude and use intention[J]. The Journal of The Textile Institute， 2022， 113（4）： 671-680.

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

[13]葉晶， 郭香梅. 基于技术接受模型的虚拟试衣使用意愿研究[J]. 丝绸， 2021， 58（3）： 58-64.YE Jing， GUO Xiangmei. Research on the intention to use virtual fitting based on the technology acceptance model[J]. Journal of Silk， 2021， 58（3）： 58-64.

[14]方靖， 庞琛， 季晓芬. 消费者服装产品知识对网上购买服装意向的影响[J]. 丝绸， 2009（8）： 34-36.FANG Jing， PANG Chen， JI Xiaofen. The influence of apparel knowledge on online clothing purchase intention[J]. Journal of Silk， 2009（8）： 34-36.

[15]MAHMOOD N， LEE Y A. Factors influencing older adults’ acceptance of health monitoring smart clothing[J]. Family and Consumer Sciences Research Journal， 2021， 49（4）： 376-392.

[16]NOH M， LI Q， PARK H. An integration model for innovative products in Korea and China： Bio-based smart clothing[J]. International Journal of Product Development， 2016， 21（1）： 59.

[17]WANG W， WANG S. Toward parent-child smart clothing： Purchase intention and design elements[J]. Journal of Engineered Fibers and Fabrics， 2021， 16（1）： 1-13.

[18]PARK Y， CHEN J V. Acceptance and adoption of the innovative use of smartphone[J]. Industrial Management & Data Systems， 2007， 107（9）： 1349-1365.

[19]HWANG C， CHUNG T， SANDERS E A. Attitudes and purchase intentions for smart clothing[J]. Clothing and Textiles Research Journal， 2016， 34（3）： 207-222.

[20]KIM H， LEE J Y， MUN J M， et al. Consumer adoption of smart in-store technology： Assessing the predictive value of attitude versus beliefs in the technology acceptance model[J]. International Journal of Fashion Design， Technology and Education， 2017， 10（1）： 26-36.

[21]HAGGER M S， CHEUNG M W， AJZEN I， et al. Perceived behavioral control moderating effects in the theory of planned behavior： A meta-analysis[J]. Health Psychology， 2022， 41（2）： 155-167.

[22]LAMB J M， KALLAL M J. A conceptual framework for apparel design[J]. Clothing and Textiles Research Journal， 1992， 10（2）： 42-47.

[23]姜茂欣， 魯虹， 黄婉蓉， 等. 基于LilyPad Arduino的宠物狗智能夜行服研发[J]. 现代纺织技术， 2021， 29（3）： 65-70.JIANG Maoxin， LU Hong， HUANG Wanrong， et al. Development of intelligent night wear for pet dogs based on LilyPad Arduino[J]. Advanced Textile Technology， 2021， 29（3）： 65-70.

[24]胡帆. 针对膝骨关节炎功能护膝的研究与设计[D]. 上海： 东华大学， 2017.HU Fan. Design Research on Functional Kneecap for Knee Osteoarthritis Patients[D]. Shanghai： Donghua University， 2017.

[25]BAKHSHIAN S， LEE Y. Impact of Functional-expressive-aesthetic-tracking Scale on Consumers’ Perceptions toward Using Wearable Technology[Z]. International Textile and Apparel Association， 2019.

[26]KO E， SUNG H， YUN H. Comparative analysis of purchase intentions toward smart clothing between Korean and US consumers[J]. Clothing and Textiles Research Journal， 2009， 27（4）： 259-273.

[27]谷雪阳. 基于开口通风的三合一户外冲锋衣功能设计研究[D]. 上海： 东华大学， 2021.GU Xueyang. Research on the Function Design of Three-in-one Outdoor Jacket Based on Open Ventilation[D]. Shanghai： Donghua University， 2021.

[28]KIM I， JUNG H J， LEE Y. Consumer’s value and risk perceptions of circular fashion： Comparison between secondhand， upcycled， and recycled clothing[J]. Sustainability， 2021， 13（3）： 1208.

[29]MCCANN J. End-user based design of innovative smart clothing[M]// McCann & Bryson. Smart Clothes and Wearable Technology. Kidlington： Elsevier， 2009： 45-69.

[30]MALMIVAARA M. The Emergence of Wearable Computing[M]. Cambridge： Woodhead Publishing， 2009： 3-24.

[31]YANG H， YU J， ZO H， et al. User acceptance of wearable devices： An extended perspective of perceived value[J]. Telematics and Informatics， 2016， 33（2）： 256-269.

[32]DONG-HEE S. User acceptance of mobile Internet： Implication for convergence technologies[J]. Interacting with Computers， 2007， 19（4）： 472-483.

[33]BRADFORD M， FLORIN J. Examining the role of innovation diffusion factors on the implementation success of enterprise resource planning systems[J]. International Journal of Accounting Information Systems， 2003， 4（3）： 205-225.

[34]CYR D， HEAD M， IVANOV A. Design aesthetics leading to mloyalty in mobile commerce[J]. Information & Management， 2006， 43（8）： 950-963.

[35]HEEJUNG H. Influencing factors on purchase intention for smart healthcare clothing by gender and age-focused on TAM， clothing attributes， health-lifestyle， and fashion innovativeness[J]. The Research Journal of the Costume Culture， 2019， 27（6）： 615-631.

[36]CHIN W W， MARCOLIN B L， NEWSTED P R. A partial least squares latent variable modeling approach for measuring interaction effects： Results from a Monte Carlo simulation study and an electronic-mail emotion/adoption study[J]. Information Systems Research， 2003， 14（2）： 189-217.

[37]HAENKEIN M， KAPLAN A M. A beginner’s guide to partial least squares analysis[J]. Understanding Statistics， 2004， 3（4）： 283-297.

[38]HAIR J F， RISHER J J， SARSTEDT M， et al. When to use and how to report the results of PLS-SEM[J]. European Business Review， 2019， 31（1）： 2-24.

[39]HAIR J F， RINGLE C M， SARSTEDT M. PLS-SEM： Indeed a silver bullet[J]. Journal of Marketing Theory and Practice， 2011， 19（2）： 139-152.

An empirical study on the influence mechanism of smart clothing purchase intentions

YE Jing QIU Yuying CHEN Tingyu FAN Xin

（1a.College of Design; 1b.College of Materials and Textile Engineering， Jiaxing University， Jiaxing 314001， China;

2.Graduate Institute of Management， Chang Gung University， Taoyuan 33302， China）

Abstract： With the improvement of people’s living standards and the growth demand for personalization and intelligence， smart clothing， as a combination of clothing and cutting-edge technology， has attracted attention from an increasing number of clothing technology enterprises and ordinary consumers. Many organizations predict that smart clothing will develop rapidly in the future and occupy a certain share of the clothing market. As an ideal wearable device， smart clothing is gradually shifting its target consumers from professional fields such as sports and healthcare to ordinary consumers. While meeting the basic wearable functions，smart clothing also uses science and technology to add special functions related to daily life. As a result， smart clothing is no longer unattainable and is becoming more and more relevant to the lives of ordinary consumers. At present， there are many studies on smart clothing technology， while there is relatively little research on consumers’ willingness to purchase smart clothing in China. Researching consumers’ purchase intentions for smart clothing is conducive to the development of the smart clothing industry.

Based on the technology acceptance model and the characteristics of smart clothing， the FEA （functionality， expressiveness， and aesthetics） model was introduced as an external variable to construct the structural equation model （SEM） of consumers’ purchase intentions of smart clothing， and we put forward 11 research hypotheses. Based on the scale proposed and verified by many scholars at home and abroad， and combined with the characteristics of smart clothing，six independent variables of functionality， expressiveness， aesthetics， perceived usefulness， perceived ease of use， and attitudes were extracted to design the research questionnaire， which were measured with 5-point Likert scale. Then， the research questionnaire was employed to collect data， and the SPSS 24.0 software was used to conduct descriptive statistical analysis of the basic individual information. Next， in order to assess the model using the PLS-SEM， the SmartPLS 3.2.9 software was applied to test the reliability and validity， and the results indicated that the reliability and validity of the variables greatly exceeded the recommended threshold， which was of statistical significance. Finally， the bootstrapping method was used to empirically verify the hypotheses of the model， and a total of nine hypotheses were supported.

The results of the empirical analysis show that： ⅰ） From the perspective of the FEA model， expressiveness has a significantly positive impact on perceived usefulness and ease of use; functionality positively and significantly affects the perceived ease of use， while the effect on perceived usefulness is not significant. Aesthetics positively and significantly affects consumer attitudes， while it has no impact on purchase intentions. ⅱ） From the perspective of the TAM model， it indicates that the hypotheses between the variables have positive and significant effects on each other， which can well explain consumers’ willingness to purchase smart clothes. ⅲ） Among all the hypotheses， consumers’ attitudes have the greatest influence on purchase intentions.

Based on the above results， we propose some suggestions for the smart clothing： ⅰ） From the perspective of the functionality of smart clothing， it is necessary to meet the needs of comfort， protection， and practicality when consumers wear smart clothing， and satisfy their different functional needs， so as to improve the perceived usefulness of smart clothing. ⅱ） From the perspective of expressiveness， smart clothing should conform to consumers’ lifestyles. ⅲ） From the perspective of aesthetic performance， the design of smart clothing should follow the current fashion trends in order to make smart clothing be better integrated into daily life. ⅳ） From the perspective of ease of use， the future design of smart clothing can improve consumers’ wearing proficiency， work efficiency， and quality of life by enhancing the interaction between consumers and smart clothing， and then make consumers form the willingness to purchase by influencing their attitudes. Through this study， a certain theoretical foundation is laid for the subsequent research on the purchase intentions of different kinds of smart clothing.

Key words： technology acceptance model; smart clothing; purchase intentions; partial least squares; structural equation model; FEA model