相比于其他理论学说，整合型技术接受理论，是AAA在相关研究的发展过程中，整合了以计划行为理论、技术接受模型为主等多个理论内容最终形成的整合模型。首先，在理性行为理论的基础上，Ajzen于1991年提出了计划行为理论 。它在原TRA理论的基础上，增加了一个变量——知觉行为控制，即表示个体感受到完成某项行为的难易程度。该理论认为将决定消费者行为意愿的变量主要归结为：行为态度、主观规范、知觉行为控制，行为受到行为意愿和知觉行为控制共同控制，而行为意愿则是由态度、主观规范和知觉行为控制三个变量所决定。

　　该理论的提出，在近半个世纪都深刻地影响着消费者行为相关的研究的发展。伴随着互联网等新兴技术的发展，在消费者决策领域的理论研究在原有基础上，也不断发展产生新的理论。其中，技术接受模型在新技术的广泛接受和应用领域起到了重要的作用。技术接受模型理核心思想是人们采用和使用技术的实际行为取决于采用和使用技术的意图，而意图与使用结果的确定性相关。该理论可以理解为，消费者对某种技术的接受主要受感知有用性、感知易用性和外部变量这三个变量控制。

　　这里的外部变量是指新技术的特性、使用者的组织结构、用户特性、政策影响等等，是态度、准则、意图与不同个体之间的差异、外界环境约束等变量之间的一种联系，它通常是一些可直接测度的变量。其中，感知有用性是指个体认为某项技术的使用对他业绩的提高程度；感知易用性是指个体认为使用这项新技术是否容易，即付出学习成本的大小；而态度则是个体是否想要使用该项技术的意愿程度。Venkatesh,Morris等学者总结了历年使用技术接受模型的相关研究，集中地探讨了有关某项技术使用时影响使用者认知的因素的问题，并针对此问题提出所谓整合型科技接受模式，即UTAUT理论。

　　在UTAUT理论中，通常存在4个核心变量，它们分别为绩效期望、努力期望、社会影响和便利条件这四个维度。绩效期望是指“个人感觉使用系统对工作有所帮助的程度”;努力期望指“个人使用系统所需付出努力的多少”;社会影响指“个人所感受到的受周围群体的影响程度”,主要包括主观规范、社会因素和公众形象等三方面；便利条件则指“个人所感受到组织在相关技术、设备方面对系统使用的支持程度”。

　　互联网技术的参与使得“共享汽车”作为一种新的技术或创新的共享产品被消费者所知。因此，在探究其在消费者群体中的接受意愿、决策过程时，将其视为“技术+服务”的一种新型产品，使用UTAUT理论作为研究内容的理论模型，以探究消费者使用“共享汽车服务”的决策过程及影响因素。传统的消费者效用理论，通常是指决策者对待风险的态度或是消费者如何在各种商品和劳务之间分配收入，以达到效用最优的情况。

　　对于效用一直存在两种观点，一是基数效用理论，即效用是可以计数用数字表示并可以相加求和的；二是序数效用理论，即效用是心理感知产生的，可以相互比较，不可以直接计量。而在实际的研究中，消费者被假定以理性人通过理性经济行为追求利益，其表现为在外界环境确定的情况下，消费者会根据自身的需求以及市场提供的有限资源间做出使效用最大化的最优选择，即在收入约束条件下的效用最大化原则。期望效用理论则是是20世纪50年代，冯·诺依曼和摩根斯坦在公理化假设的基础上，运用逻辑分析与数学表达式，在不确定的背景环境下，通过构建表达式的方式分析理性消费者进行决策的框架。

　　它认为，如果消费者对随机事件的偏好关系满足理性公理、连续性公理、独立性公理、不相等概率等公理的情况下，消费者的效用公式进行表示。结构方程模型是一种常用的实证研究方法，是用于分析指标变量的协方差矩阵。这种矩阵结构能够分析自变量、因变量等各个变量之间的关系及相互影响的方法。在一些研究中，很多心理学、社会科学领域都会有一些概念，这些概念无法直接观测，传统的统计方法也不能准确的测量，这些变量被称为潜变量。

　　这些变量只能通过可直接观测的外显指标进行处理，结构方程模型可以同时处理潜变量以及外显指标，从而实现潜变量之间的相关分析。总结来说，结构方程模型可以实现各指标变量之间因子分析、路径及因果效应分析等多个方面的分析。结构方程模型可以分成两部分：测量模型和结构模型。测量模型由潜变量和测量变量组成的解释模型。一般地，每个潜变量至少对应两个测量变量，潜变量可由测量变量反应，同时测量变量一定程度上可以解释测量变量。

　　在测量模型中，潜变量是自变量，测量变量为因变量。离散选择模型是一种概率选择的建模技术，起源于数学心理学，由经济学家和认知心理学家一同开发的形成。离散选择模型的基本形式与逻辑回归模型一致，其研究的变量也多为离散型，适用于探究不同方案之间进行选择的问题。由于其能够利用目标消费者的偏好和产品设计属性来预测未来市场的需求，因此在工程设计领域得到广泛使用。此外，该模型也常用于探究消费者在不同出行方式选择的问题研究中。

　　在离散选择模型中，研究者可以基于消费者的个人特性、产品属性以及消费者的使用属性来探究消费者的购买决策行为。这些属性变量通常来自于产品的品牌、价格、保修等与产品性能相关的多个维度，并影响着消费者在不同产品、同一产品不同方案之间的选择。离散选择模型建立的核心问题在于消费者的选择意愿。如何量化消费者对于某种事物和技术的选择接受意愿是我们需要解决的重要问题。当研究的现象或问题是某一事件发生的概率，以及这种选择的概率究竟会受哪些因素的影响时，因变量与自变量的关系往往无法使用常规的线性回归模型进行处理。

　　一方面，虽然选择的结果是变量离散分布的，但选择某个方案的结果的可能性可以用概率值表示，而概率值可以用从0到1的小数表示，不过问题在于概率取值的变化很微小，用常规的方法难以观测；另一方面，对于因变量是分类变量的问题，通常可以使用判别分析的方法。但判别分析法要求自变量服从多元正态分布，且自变量定义的协方差均要相等。而在实际的问卷调查中很难实现以上要求，尤其是当自变量中也存在分类变量时，判别分析就不再适用。

　　此时，逻辑回归的方法是研究此类问题的最优选择。与常用的回归方法相同的是，逻辑回归也适用于大范围的使用，并且能够拟合非线性模型进行统计分析检验。但与多元回归模型不同，多元回归模型使用最小二乘估计法，使方差平方和最小，以达到估计的无偏性、一致性、有效性。而逻辑回归是非线性的，且不满足古典线性回归的基本假定，即变量之间存在异方差性，所以无法使用最小二乘估计法，而只能通过极大似然估计法进行估计。对模型的拟合程度进行检验时，由于也会使用最大化对数似然值来代替离差平方和进行检验。

　　此外，自变量与因变量之间的关系呈Logistic曲线的形式，自变量多是离散变量，其误差的形式也不再服从正态分布，即违背了误差为正态分布的基本假设。这使得我们在估计模型和变量相应的系数、评价模型拟合程度等方面应采取合适的方式。在探究消费者对于共享汽车出行服务选择的影响因素及决策模型这一研究中，将研究模型分解成两部分。首先是针对消费者在面对共享汽车出行的方案选择时，涉及到潜变量因素以及测量变量对潜变量的量化的结构方程模型。

　　其次，个人特性的显变量、行为意愿的潜变量以及与出行情景相关的情景变量作为研究的属性变量集合，用于构建消费者对于共享汽车出行服务方案选择的决策模型。在面对“共享汽车出行服务”这一以服务为产品的决策过程中，消费者决策的前提具有中短距离的出行需求。在实际生活中，中短距离的出行方式有多种，包括步行、共享单车、公共交通、顺风车、共享汽车甚至自驾等。

　　而不同的出行方式选择除了消费者自身以及各类出行方式的特点原因的影响外，出行的场景也起到了重要作用，尤其是出行的目的、出行的紧迫程度、以及出行的场景。考虑到各类出行方式的可替代性，限定在中短距离的出行的情境下，在离散选择实验的设置中，首先会针对消费者的出行需求给出不同情景设置，然后为消费者提供可选择的共享汽车出行方案。