空氣污染下居民出行風(fēng)險感知影響因素實證研究

, , ,

(1.上海海事大學(xué) 交通運輸學(xué)院,上海 201306; 2.上海理工大學(xué) 管理學(xué)院,上海 200093; 3.上海海事大學(xué) 經(jīng)濟管理學(xué)院,上海 201306)

空氣污染已經(jīng)成為我國近幾年面臨的重要環(huán)境議題.大范圍嚴重的空氣污染使得人們的出行面臨很大的風(fēng)險,主要包括:健康受到嚴重威脅、城市交通擁堵日益嚴重、交通事故高發(fā)等.嚴重空氣污染帶來的諸多交通問題給交通管理部門提出了新的挑戰(zhàn).

出行者的主觀風(fēng)險感知是出行者做出行為決策的重要內(nèi)在推動因素.對出行者風(fēng)險感知的影響因素進行研究,不論從理解微觀個體出行行為層面,還是從宏觀制定合理交通政策層面,都可以提供較好的理論基礎(chǔ)和實證依據(jù).因此,對該議題進行研究具有較好的現(xiàn)實意義和必要性.

一些學(xué)者對個體出行風(fēng)險感知進行了研究.Sj?berg等[1]的研究表明,個人主觀的風(fēng)險感知主要由其判斷風(fēng)險發(fā)生可能性的大小,以及風(fēng)險發(fā)生后果的嚴重性兩部分組成.Rundmo等[2]主要應(yīng)用描述性分析和結(jié)構(gòu)方程模型(SEM)對出行者采用私人交通和公交交通的風(fēng)險感知問題進行研究.Elias等[3]通過收集以色列的意向調(diào)查(SP)數(shù)據(jù),探討各種風(fēng)險感知因素在推動出行者上下班出行從小汽車向公共交通轉(zhuǎn)移方面所產(chǎn)生的影響.Elias等[4]就地面交通系統(tǒng)遭遇恐怖襲擊情況下的居民出行行為問題進行研究,認為人們對恐怖襲擊的恐懼情緒和風(fēng)險感知因素是理解以色列居民公交出行行為的核心要素.Nordfjrn等[5]證明除出行費用、時間等因素會影響人們的出行方式外,出行者的人格特性、風(fēng)險認知等因素也是預(yù)測個體出行方式的重要因素.樊博等[6]對霧霾與公眾情緒的關(guān)系進行檢驗分析,認為霧霾的變化會顯著影響公眾情緒的變化,霧霾影響下的公眾情緒和公眾的風(fēng)險感知具有長期穩(wěn)定的均衡關(guān)系.另外,還有一些研究側(cè)重于駕駛員風(fēng)險感知同其駕駛行為之間關(guān)系的議題[7-8].上述研究中的風(fēng)險,主要是指出行過程中遭遇交通事故(如碰撞、拋錨等)、犯罪和恐怖襲擊等風(fēng)險.對空氣污染帶來的出行風(fēng)險,目前相關(guān)研究較少.另外,負面信息的發(fā)布對出行者的主觀風(fēng)險感知也會帶來影響.目前關(guān)于信息對出行影響的研究,多指交通誘導(dǎo)信息等.對空氣污染這類環(huán)境信息的影響,相關(guān)研究較少.

空氣污染對出行行為影響的研究多側(cè)重于用集計視角.Semenza等[9]采用隨機電話抽樣調(diào)查的方法就居民對氣溫和空氣污染的感知及行為進行分析研究.Noonan[10]分析了亞特蘭大地區(qū)空氣質(zhì)量警告對人們出行的影響.Tribby等[11]應(yīng)用回歸分析方法,發(fā)現(xiàn)發(fā)布空氣質(zhì)量預(yù)警信息這樣的“軟性”政策對降低小汽車使用的效果并不理想.李聰穎等[12]的研究表明,霧霾對采用不同出行方式的出行者影響程度不同,居民的出行態(tài)度受自身過去經(jīng)驗和對出行能力的認知影響較大.

本文從非集計研究視角,探討空氣污染環(huán)境下出行者主觀風(fēng)險感知的影響因素.其中,風(fēng)險感知作為潛變量,空氣污染狀況(AQI (air quality index)指數(shù))、出行者社會經(jīng)濟屬性和出行者對AQI信息關(guān)注度作為顯變量,建立探討出行者風(fēng)險感知影響因素的SEM模型.主要研究內(nèi)容包括:空氣污染對居民出行風(fēng)險感知的影響程度;空氣污染信息對出行者的風(fēng)險感知影響程度;不同社會經(jīng)濟屬性的出行者其出行感知差異識別.

1 SEM模型框架

使用SEM進行變量分析.SEM是一種實證分析模型,通過尋找變量之間內(nèi)在的結(jié)構(gòu)關(guān)系,去驗證某種結(jié)構(gòu)關(guān)系或模型的假設(shè)是否合理、模型是否正確.其中,潛在變量是無法直接觀測的,只能通過觀測變量間接獲得其相關(guān)信息.

本文假設(shè):a.空氣污染這一外部環(huán)境因素會影響出行者的風(fēng)險感知;b.空氣污染信息會影響出行者的風(fēng)險感知,并發(fā)揮一定的調(diào)節(jié)作用.

基于以上假設(shè),提出風(fēng)險感知的影響因素:a.出行者的社會經(jīng)濟屬性變量,如性別、年齡、教育水平、是否有車等;b.表示空氣污染程度的環(huán)境變量,用AQI來代表;c.出行者對空氣污染信息的關(guān)注度,包括“一周平均查詢頻率”和“與敏感人群同行時是否關(guān)注AQI”2個變量.風(fēng)險感知作為潛變量,由出行者主觀判斷的風(fēng)險發(fā)生可能性大小和風(fēng)險后果嚴重性兩部分構(gòu)成[1].

首先檢驗AQI指數(shù)An、出行者社會經(jīng)濟屬性Dn和其對AQI的關(guān)注度Mn這3個顯變量對風(fēng)險感知的主效應(yīng)影響,如圖1所示,主效應(yīng)模型包括兩部分:a.3個顯變量與風(fēng)險感知潛變量的因果關(guān)系;b.觀測變量與潛變量的測量關(guān)系.

潛變量與顯變量因果關(guān)系可表示為

(1)

觀測變量與潛變量的測量關(guān)系可表示為

(2)

在上述顯變量的主效應(yīng)顯著的基礎(chǔ)上,檢驗AQI信息對風(fēng)險感知的調(diào)節(jié)作用,研究框架如圖2所示.

該模型與主效應(yīng)不同之處主要在于將出行者對AQI的關(guān)注作為調(diào)節(jié)變量,構(gòu)造其與AQI指數(shù)的交叉項,將式(1)調(diào)整為式(3).

(3)

觀測變量與潛變量的測量關(guān)系與式(2)相同.采用極大似然估計法(ML)進行參數(shù)估計.

圖1 主效應(yīng)模型Fig.1 Model of main effects

圖2 調(diào)節(jié)效應(yīng)模型Fig.2 Model of moderation effects

2 實驗設(shè)計和數(shù)據(jù)

設(shè)計調(diào)查問卷,于2015年9～10月期間進行發(fā)放,收集相關(guān)數(shù)據(jù).共收集問卷391份,剔除完全重復(fù)、信息不全、隨意勾選等無效問卷,共有385份有效問卷.問卷發(fā)放采用街邊調(diào)查和網(wǎng)絡(luò)調(diào)查兩部分,街邊調(diào)查主要在上海市龍陽路地鐵站、世紀大道地鐵站和人民廣場3處進行.

問卷包括3個部分:a.受訪者在不同空氣污染環(huán)境中的主觀風(fēng)險感知;b.受訪者的個人社會經(jīng)濟屬性;c.受訪者對空氣污染信息的關(guān)注度.

風(fēng)險感知變量主要由受訪者主觀評估,從健康威脅、交通擁堵、交通事故這3種風(fēng)險發(fā)生的可能性和后果的嚴重性進行測量.應(yīng)用李克特(Linkert)五度法,其中,1表示完全不可能/完全不嚴重,5表示可能性極大/極其嚴重,受訪者在1～5范圍內(nèi)對上述3種風(fēng)險打分.

受訪者對空氣污染信息的關(guān)注度從兩方面來度量:a.一周內(nèi)查詢AQI信息的頻率,用以度量受訪者掌握空氣污染信息的程度;b.與敏感人群同行時是否會關(guān)注AQI信息,這里的敏感人群指老人、幼兒或有基礎(chǔ)疾病的同行者,以此度量其有敏感人群同行時對空氣污染信息的掌握程度.以上兩變量也均用李克特(Linkert)五度法評估,1表示從不查詢/完全不符合,5表示頻繁查詢/完全符合.所有影響因素如表1所示.

表1 SEM模型解釋變量Tab.1 Explanatory variables of SEM

注:*根據(jù)AQI指數(shù)分級標準來進行劃分.

3 描述性統(tǒng)計分析

受訪者特征統(tǒng)計信息如表2所示(見下頁).385份樣本中,218人為男性,167人為女性.年齡最小受訪者19歲,最大68歲,平均年齡33歲,方差9.9歲.87.5%的受訪者接受了大學(xué)及以上教育,74%的受訪者擁有至少1輛小汽車.接近19%的人會經(jīng)常查詢AQI信息,并有75%受訪者在與敏感人群同行時會關(guān)注AQI信息.

此次調(diào)查樣本的性別比例分布合理,平均年齡與2010年上海市第六次人口普查的平均年齡(35歲)較為接近,網(wǎng)絡(luò)調(diào)查數(shù)據(jù)占總數(shù)據(jù)的40.4%.由于網(wǎng)絡(luò)調(diào)查的受訪者大部分具備年輕和高教育水平的特征,所以,樣本年齡稍偏年輕,且教育程度偏高.盡管存在上述特點,此次調(diào)查數(shù)據(jù)的采集具備隨機性的特點,且18～60歲各年齡段和受教育人群數(shù)據(jù)均已采集到,因此,可以認為此次調(diào)查的數(shù)據(jù)能夠用來分析18～60歲人群在空氣污染時其總體主觀風(fēng)險感知狀況.

對調(diào)查結(jié)果進行分析,被調(diào)查對象的平均風(fēng)險感知分布狀況如表3所示.

從表3中可以看到,隨著污染程度的加劇,人們總體會感知到更大的風(fēng)險,尤其是當(dāng)污染程度達到重度以上程度時,兩類風(fēng)險感知變量的平均值均有明顯增長.

4 SEM模型實證分析

應(yīng)用軟件MPLUS 7.0進行參數(shù)估計.參數(shù)估計包括2個步驟:a.將出行者對空氣污染信息的關(guān)注度作為直接影響因素,驗證該變量對風(fēng)險感知的主效應(yīng);b.當(dāng)上述變量的主效應(yīng)顯著后,構(gòu)造4個AQI指數(shù)變量與2個信息關(guān)注度的交叉項,檢驗AQI信息對風(fēng)險感知的調(diào)節(jié)作用.主效應(yīng)參數(shù)估計結(jié)果如表4和表5所示(見下頁).P-value為顯著型指標,表中黑體字為具有統(tǒng)計學(xué)上顯著性的值.

表3 平均風(fēng)險感知分布狀況Tab.3 Distribution of average risk perception

由表5可見,健康威脅、交通擁堵和交通事故這3個風(fēng)險感知觀測變量在用來觀測出行者風(fēng)險發(fā)生可能性和后果嚴重性上均顯著,該潛變量的選取有效.同時,SEM模型的總體擬合結(jié)果McFaddenρ2為0.116,對于現(xiàn)實數(shù)據(jù)的實證研究,該擬合結(jié)果比較滿意.觀察表4中的擬合參數(shù)可知:

a. 社會經(jīng)濟屬性變量對風(fēng)險感知的影響顯著.

對于風(fēng)險可能性和后果嚴重性,男性均相比女性感知更少的風(fēng)險;有車人群相比無車人群感知更少風(fēng)險,但其風(fēng)險感知減少的程度很輕微(-0.017和-0.011),這說明小汽車在減少人們對空氣污染帶來的出行風(fēng)險感知方面作用較小.教育水平均不顯著.上述結(jié)果與研究預(yù)期一致.

研究發(fā)現(xiàn),年齡對風(fēng)險感知的作用顯著,但隨著年齡的增大,其參數(shù)不斷降低.可見,年齡越大,其感知的風(fēng)險越小,尤其在超過40歲以后,年齡對出行風(fēng)險感知的負效用明顯加強.這說明人們對空氣污染帶來的風(fēng)險感知會隨著年齡的增長而降低.在60歲以內(nèi)的成人群體中,對空氣污染環(huán)境中出行更為敏感的是40歲以下青年人,而非40～60歲中年人.這與研究預(yù)期相反,這或許是因為我國目前40歲以下青年人,較多的為獨生子女,社會閱歷較中年人少,承擔(dān)的社會家庭責(zé)任還不大,其對空氣污染可能帶來的負面影響會更加敏感.

表4 SEM模型主效應(yīng)模型參數(shù)擬合結(jié)果Tab.4 Parameter estimate results of main effect SEM

注:*表示10%顯著性,**表示5%顯著性,***表示1%顯著性.

表5 SEM主效應(yīng)模型測量變量估計結(jié)果Tab.5 Measurement estimation resultsof main effect SEM

注:括號內(nèi)為P-value值

b. 空氣污染會明顯增加出行者的風(fēng)險感知.

由表4可見,4個污染程度變量對2類風(fēng)險感知變量均有顯著正效應(yīng),且在污染程度達到重度時,其正效用達到最大.這說明空氣污染會使人們感受到更多的出行風(fēng)險,且污染程度越嚴重,感知風(fēng)險的程度也越高.

c. 更高的AQI信息關(guān)注度,帶來更高的風(fēng)險感知.

2個AQI關(guān)注度變量,其符號都為正號,說明不論是總體查詢頻率,還是在與敏感人群同行時對AQI的關(guān)注,都會增加風(fēng)險感知.并且,AQI信息帶來的風(fēng)險感知,很大程度是源于對后果嚴重性的判斷(2.736和4.128).AQI信息對風(fēng)險感知的主效應(yīng)是顯著的.

在主效應(yīng)模型的基礎(chǔ)上,增加4個AQI變量和2個AQI信息變量的交叉項,檢驗AQI信息對風(fēng)險感知的調(diào)節(jié)作用.調(diào)節(jié)效應(yīng)模型的參數(shù)估計結(jié)果如表6和表7所示(見下頁).

表6 SEM模型調(diào)節(jié)效應(yīng)模型參數(shù)擬合結(jié)果Tab.6 Parameter estimate results of moderation effect SEM

注:*表示10%顯著性,**表示5%顯著性,***表示1%顯著性,括號內(nèi)為P-value值.

表7 SEM調(diào)節(jié)效應(yīng)模型測量變量估計結(jié)果Tab.7 Measurement estimation results ofmoderation effect SEM

注:*表示10%顯著性,**表示5%顯著性,***表示1%顯著性,括號內(nèi)為P-value值

由表6和表7可見,與主效應(yīng)模型類似,該調(diào)節(jié)效應(yīng)模型的觀測變量顯著,且總體擬合結(jié)果達0.125 4,擬合結(jié)果滿意.參數(shù)擬合結(jié)果表明,出行者社會經(jīng)濟屬性變量對其風(fēng)險感知的影響與主效應(yīng)模型結(jié)果一致.除此之外,AQI信息對風(fēng)險感知發(fā)揮著較顯著的調(diào)節(jié)作用,主要表現(xiàn)在:

a. AQI信息查詢頻率越高,風(fēng)險感知越大;當(dāng)污染嚴重時,AQI信息有降低風(fēng)險感知的調(diào)節(jié)作用.

根據(jù)表6可知,變量“AQI查詢頻率”的參數(shù)分別為0.213和0.231,這表明該變量從總體上發(fā)揮著增加風(fēng)險感知的作用.并且,其相應(yīng)4個交叉變量中,參數(shù)符號全部為負,中度污染和嚴重污染對應(yīng)交叉項參數(shù)顯著,分別為-0.142和-0.236.這說明AQI查詢頻率雖然會增加風(fēng)險感知,但在污染程度較為嚴重時,其又會發(fā)揮著降低風(fēng)險感知的調(diào)節(jié)作用.這是與研究預(yù)期的另一個不同.這或許是因為,出行者得知空氣污染狀況時,會有不安全的心理感知.AQI查詢頻率變量符號為正且顯著,進一步說明,得知空氣污染信息會增加出行者的風(fēng)險感知.但在污染嚴重到一定程度時,獲取較為全面的AQI信息,反而有助于出行者為抵御空氣污染風(fēng)險作出充分準備,因此,會有降低風(fēng)險感知的作用.由此可見,完善空氣污染的信息發(fā)布機制,能夠作為交通管理者誘導(dǎo)出行者合理出行的有效管理方法.

b. 與敏感人群同行時對AQI的關(guān)注會增加風(fēng)險感知,其作用主要體現(xiàn)在調(diào)節(jié)效應(yīng)上.

根據(jù)表6可知,“與敏感人群同行時關(guān)注AQI”變量對風(fēng)險感知變量全部不顯著,但嚴重污染×敏感人群的交叉項參數(shù)符號為正且顯著.這說明該變量對出行者風(fēng)險感知的影響主要體現(xiàn)在其調(diào)節(jié)作用上,此時主效應(yīng)失效.這與研究預(yù)期結(jié)果一致.說明出行者的風(fēng)險感知不僅取決于其自身對風(fēng)險的主觀判斷,而且還受到同伴的影響;與敏感人群同行,會令出行者更加關(guān)注外部空氣質(zhì)量狀況,此時的空氣污染信息會增大其風(fēng)險感知.

5 結(jié) 論

對空氣污染環(huán)境下出行者風(fēng)險感知的主要影響因素進行研究,通過建立SEM模型,用風(fēng)險發(fā)生可能性和風(fēng)險后果嚴重性這2個潛變量描述風(fēng)險感知,探討AQI指數(shù)、出行者的社會經(jīng)濟屬性和出行者對AQI信息關(guān)注度對風(fēng)險感知的作用.主要研究結(jié)論:

a. 用健康威脅、交通擁堵和交通事故這3個變量作為出行者的出行風(fēng)險感知觀測變量,經(jīng)驗證該變量有效.

b. 40～60歲中年群體相比青年群體其風(fēng)險感知明顯降低;男性相比女性、有車群體相比無車群體感知更少的風(fēng)險.

c. 出行者查詢AQI的頻率提高會增加風(fēng)險感知;但當(dāng)空氣污染較嚴重時,AQI信息則發(fā)揮著降低風(fēng)險感知的調(diào)節(jié)作用.

d. 與敏感人群同行會促使出行者查詢AQI信息,此時的AQI信息完全發(fā)揮著調(diào)節(jié)作用,增加出行者的風(fēng)險感知.

研究結(jié)果表明,完善空氣污染信息發(fā)布機制,可以作為有效的交通誘導(dǎo)方法.本研究存在數(shù)據(jù)年齡偏年輕、教育程度偏高、對老年人數(shù)據(jù)收集不夠等不足.接下來將應(yīng)用計劃行為理論,豐富空氣污染下出行者的心理變量,進一步探索空氣污染對出行行為的影響機制,研究不同空氣污染信息發(fā)布機制在誘導(dǎo)交通行為上的作用.

[1] SJ?BERG L,MOEN B E,RUNDMO T.Explaining risk perception:an evaluation of the psychometric paradigm in Risk Perecption Research[M].Trondheim,Norway:Rotunde Publications,2004.

[2] RUNDMO T,NORDFJ?RN T,IVERSEN H H,etal.The role of risk perception and other risk-related judgements in transportation mode use[J].Safety Science,2011,49(2):226-235.

[3] ELIAS W,SHIFTAN Y.The influence of individual’s risk perception and attitudes on travel behavior[J].Transportation Research Part A:Policy and Practice,2012,46(8):1241-1251.

[4] ELIAS W,ALBERT G,SHIFTAN Y.Travel behavior in the face of surface transportation terror threats[J].Transport Policy,2013,28(1):114-122.

[5] NORDFJAERN T,RUNDMO T.Personality,risk cognitions and motivation related to demand of risk mitigation in transport among Norwegians [J].Safety Science,2015,73:15-22.

[6] 樊博,楊文婷,孫軒.霧霾影響下的公眾情緒與風(fēng)險感知研究——以天津市微博用戶為分析樣本[J].東北大學(xué)學(xué)報(社會科學(xué)版),2017,19(5):489-496.

[7] ZHOU L Z,ZHONG S Q,MA S F.et al.Prospect theory based estimation of drivers’ risk attitudes in route choice behaviors [J].Accident Analysis & Prevention,2014,73:1-11.

[9] SEMENZA J C,WILSON D J,PARRA J,et al.Public perception and behavior change in relationship to hot weather and air pollution [J].Environmental Research,2008,107(3):401-411.

[10] NOONAN D S.Smoggy with a chance of altruism:using air quality forecasts to drive behavioral change[R].Washington DC;American Enterprise Institute,2011.

[11] TRIBBY C P,MILLER H J,SONG Y,et al.Do air quality alerts reduce traffic an analysis of traffic data from the Salt Lake City metropolitan area,Utah,USA [J].Transport Policy,2013,30(3):173-185.

[12] 李聰穎,黃一哲,李敢,等.霧霾天氣對出行行為的影響機理研究[J].西安建筑科技大學(xué)學(xué)報(自然科學(xué)版),2015,47(5):728-733.