夜雨聆风论文信息
英文标题：Exploring psychological dependency on romantic companion robots in the single economy: Implications for digital intimacy and consumer services
作者：Qian Bao（汉阳大学），Guanhong Xie（同济大学），Yuan Yao（北京师范大学）
发表期刊：Journal of Retailing and Consumer Services（Volume 90, 2026, 104665）
期刊信息：JCR Q1区（BUSINESS领域），中科院管理学2区，2026年影响因子10.4，CiteScore 15.1
DOI：10.1016/j.jretconser.2026.104665
📖 引言：“单身经济”遇上AI伴侣——谁在依赖谁？
全球AI伴侣市场预计在2028-2031年间达到95-211亿美元。美国平台Replika已吸引超3000万用户，其中40%将人机关系定义为“浪漫关系”。在中国，“星野”等AI伴侣应用月活用户达446万，月营收达千万级人民币。
单身经济下，年轻人越来越倾向于独居、优先个人成长，对亲密关系的需求未减反增——但现实中建立和维护亲密关系的成本（时间、精力、情感风险）却让他们望而却步。于是，AI浪漫伴侣机器人（Romantic Companion Robots, RCRs） 应运而生，成为数字服务市场的“情感替代品”。
这些AI伴侣不仅是聊天工具——它们能记忆用户偏好、模拟情感共鸣、建立长期伴侣关系。但一个重要问题悬而未决：用户是如何一步步对“虚拟恋人”产生心理依赖的？
这项发表于Journal of Retailing and Consumer Services的研究，基于刺激-有机体-反应（S-O-R）理论，通过PLS-SEM + ANN + NCA三阶段混合方法，首次系统揭示了RCRs心理依赖的形成机制。
🧠 理论框架：S-O-R模型 + 三大创新
🔧 传统S-O-R模型的三大局限
本研究指出，现有AI研究中的S-O-R模型存在三个核心问题：
| 刺激（S） | ||
| 有机体（O） | ||
| 反应（R） |
🎯 本研究的S-O-R扩展框架
刺激层（S）——双路径设计：
技术路径：感知个性化、拟人化、交互性
情感路径：享乐动机、亲密感、道德感知
有机体层（O） ：
信任：对RCR提供稳定情感支持的期待（“不会让我失望”）
满意度：对RCR情感价值实现的积极反馈（“它懂我”）
反应层（R） ：
心理依赖：长期的、情感驱动的依附状态——超越功能性使用，体现为主动情感投入、稳定信任期待和习惯性参与
📋 研究假设一览（16条）
| H1a | 感知个性化 |
| H1b | |
| H2a | 拟人化 |
| H2b | |
| H3a | 交互性 |
| H3b | |
| H4a | 享乐动机 |
| H4b | |
| H5a | 亲密感 |
| H5b | |
| H6a | 道德感知 |
| H6b | |
| H7 | 信任 |
| H8 | 满意度 |
| H9 | 沉浸倾向 |
| H10 | 沉浸倾向 |
🔬 研究方法：三阶段混合方法
📍 Stage 1：PLS-SEM（线性因果验证）
样本：457名“星野”APP有效用户
性别：男性50.8%，女性49.2%
年龄：72%为18-28岁（Gen Z）
教育：79.2%本科及以上
收入：近70%在2001-8000元区间
测量量表（均改编自权威文献，7点李克特量表）：
统计方法：
PLS-SEM（SmartPLS 4.1）：信效度检验（CR>0.7，AVE>0.5，VIF<5）、结构方程模型（5000次Bootstrapping）
多群组分析（MGA） ：检验性别、年龄、教育、收入、工作经验的调节差异
测量不变性检验（MICOM） ：确保跨群组比较有效
📍 Stage 2：ANN（非线性效应捕捉）
目的：弥补SEM只能捕捉线性关系的局限，揭示变量间的非线性模式
方法：三层前馈神经网络（输入层→隐藏层→输出层），10折交叉验证
验证指标：RMSE（0.395-0.499，预测性能良好）、R²（信任47.96%，满意度51.18%，心理依赖41.58%）
敏感度分析：通过变量替代法评估各预测变量的相对重要性
📍 Stage 3：NCA（必要条件分析）
目的：识别哪些变量是心理依赖形成的必要条件（而非充分条件）
方法：CE-FDH（天花板包络-自由处置壳）技术，绘制自变量-因变量散点图的边界线
关键指标：效应量d（>0.1为必要条件）+瓶颈分析（达到目标水平所需的最低阈值）
🔑 核心发现：八条关键结论
📌 发现一：技术路径 + 情感路径 → 信任与满意度 ✅ H1-H6全部支持
💡 核心启示：拟人化是信任的最强预测因子（β=0.217），交互性是满意度的最强预测因子（β=0.207） ——用户既要“像真人”，也要“响应快”。
📌 发现二：信任 → 心理依赖 ✅ H7支持
信任对心理依赖的影响：β=0.177，p<0.001
📌 发现三：满意度 → 心理依赖 ✅ H8支持
满意度对心理依赖的影响：β=0.111，p=0.012
📌 发现四：沉浸倾向调节交互性→信任 ✅ H9支持
交互效应：β=0.096，t=2.230，p=0.026
高沉浸用户：交互性对信任的影响更强
低沉浸用户：交互性对信任的影响较弱
📌 发现五：沉浸倾向不调节交互性→满意度 ❌ H10不支持
交互效应不显著（t=0.172，p=0.864）
💡 解释：沉浸倾向让用户“更相信”交互体验，但不一定让用户“更满意”——满意度可能更多受情感内容（而非沉浸感）影响。
📌 发现六：ANN揭示非线性重要排序
信任预测因子重要性排名：
感知个性化（100%）
道德感知（97.3%）
拟人化（82.4%）
亲密感（66.1%）
交互性（65.6%）
享乐动机（42.5%）
满意度预测因子重要性排名：
交互性（100%）
道德感知（92.2%）
感知个性化（90.0%）
亲密感（62.1%）
拟人化（60.7%）
享乐动机（52.1%）
📌 发现七：NCA识别必要条件
| 亲密感 → 信任 | ||
| 亲密感 → 满意度 | ||
| 交互性 → 满意度 |
瓶颈分析（达到80%目标水平所需最低值）：
信任：需要14.8%个性化 + 10.4%拟人化 + 7.1%交互性 + 31.3%亲密感
满意度：需要16.5%个性化 + 8.0%拟人化 + 26.2%交互性 + 36.4%享乐动机
💡 核心启示：亲密感和交互性是“入场券” ——没有它们，RCR产品难以形成心理依赖。
📌 发现八：人口特征差异显著（MGA）
| 性别 | |
| 年龄 | |
| 教育 | |
| 工作经历 | |
| 收入 |
🗺️ 完整模型路径
💼 实践启示
🎮 对RCR产品设计师
交互性是“入场券” ：ANN和NCA双重证实交互性是满意度最重要的预测因子和必要条件。确保RCR的响应速度、即时反馈、随时可交互是基础。
亲密感是“粘合剂” ：NCA证实亲密感是信任和满意度的必要条件。可通过低成本的“轻互动” 设计来培养：
每日问候、情感关怀提醒
虚拟礼物或“每日契合度测试”
记忆存储功能（记录用户偏好和分享）
语音陪伴模块（共情语调回应）
道德感知不可忽视：用户会像评价真人一样评价RCR的“道德”——确保RCR不会“操控”用户情感，避免“设计性依赖”争议。
性别差异化设计：
女性用户：强化情感反馈和亲密互动
男性用户：突出技术性能和实用性
🏢 对平台运营者
理解“心理依赖”vs.“持续使用” ：用户留存的关键是情感粘性而非功能满意。RCR的商业成功在于从“工具使用”到“伴侣依赖”的转变。
伦理边界管理：RCR的共情反馈如果被设计来“诱发依赖”，可能涉及情感操控争议。需要在“增强情感参与”和“防止心理操控”之间找到平衡。
低成本的“情感增强”功能：
预置共情回复模板（“我理解你的感受”）
渐进式互动设计（从日常问候到情感关怀）
表情符号和语气词增强情感表达
🔬 研究局限与未来方向
单一平台局限：仅“星野”APP——未来需跨平台比较（Replika、Romantic AI等）
单一文化样本：仅中国大陆用户——未来需跨文化比较（东亚 vs. 西方）
横截面设计：无法追踪依赖随时间演化——未来需纵向追踪
自报数据偏差：可能存在社会期望偏差——未来可结合行为日志、生理监测
未测量使用频率和目的：未来可纳入更丰富的使用行为数据
英文文献阅读全流程：从文献如何“搜”到怎么“管”再到“读”的一站式攻略
END
点击关注，发送 "AI Consumer" 即可获取全文PDF