城市通勤者公交出行市場細分實證研究

景 鵬，周文偉

( 江蘇大學 汽車與交通工程學院， 江蘇 鎮(zhèn)江 212013)

為了有效的實施 “公交優(yōu)先”戰(zhàn)略，需要通過了解通勤者的出行偏好以及公交出行的服務(wù)需求來制定相應(yīng)的交通管理政策。

傳統(tǒng)的公交出行行為預(yù)測以及相關(guān)政策的制定大多都是針對所有的公交出行者[1]。但是，實踐表明，不同個體的出行行為具有差異性。對交通管理政策的需求，是以個人的出行效用的最大化為目標[2]，因此為了了解不同群體對政策需求的差異性，有必要對公交市場進行合理細分。以前的研究對于出行市場的劃分大多是以個體屬性和出行屬性為細分變量[3-5]，但是有學者認為，以出行特征和個體特征為細分變量無法有效反映市場的內(nèi)在結(jié)構(gòu)[6]。近年來，已經(jīng)有學者開始以心理潛變量為細分變量對出行市場進行細分[6-9]，并取得有效的成果。但是，目前為止，極少有學者利用一種心理理論框架，將對出行方式選擇行為具有顯著影響的心理理論因素整合，再基于這些心理潛變量開展城市通勤者公交出行市場細分的實證研究。

計劃行為理論、態(tài)度、主觀規(guī)范以及感知行為控制對行為意向有直接的影響，同時出行意向?qū)嶋H行為也有直接的影響[10]。但是，由于計劃行為理論也是在不斷發(fā)展，可能除了以上3個心理潛變量對行為意向有影響外，或許在出行行為領(lǐng)域中，還有其他的心理因素對出行意向也具有決定性的作用[11]?；诖?，本文將滿意度、行為習慣、感知服務(wù)質(zhì)量也作為預(yù)測心理變量整合到計劃行為理論中，然后利用結(jié)構(gòu)方程模型探討各潛變量之間的因果關(guān)系，提取對出行意向具有顯著影響的心理潛變量，再基于這些心理潛變量采用聚類分析法對城市通勤者公交出行市場進行細分研究，并詳細分析各個子市場內(nèi)在出行心理的特點以及出行行為屬性特征，并且根據(jù)各子市場的需求特點，有針對性地提出相應(yīng)的政策建議。

1 問卷調(diào)查以及數(shù)據(jù)分析

調(diào)查數(shù)據(jù)來自于2013年浙江省紹興縣的一次居民出行行為以及出行心理專項調(diào)查。調(diào)查表共由3個部分組成：第1部分是調(diào)查當日的出行信息；第2部分是出行者的社會經(jīng)濟屬性；第3部分是有關(guān)影響出行者心理因素的測量指標。研究主要采用了第2部分和第3部分所收集的數(shù)據(jù)，即出行者的個人特性和出行特性，以及根據(jù)擴展的計劃行為理論框架所設(shè)計的心理影響因素測量指標。有關(guān)心理影響因素的測量表是以國外有關(guān)各種出行方式應(yīng)對于計劃行為理論中各變量的問題項為基礎(chǔ)設(shè)計的。問卷的量表都采用Likert五級量表的形式；1、2、3、4、5分別表示非常不同意、不同意、一般、同意、非常同意。問卷調(diào)查中有關(guān)心理觀測變量和心理潛變量的描述如表1所示。

本次調(diào)查一共回收18 392份問卷，每份問卷調(diào)查一個家庭的出行情況，一共調(diào)查了84 770人， 回收率為77.28%。為了得到有效的數(shù)據(jù)，對數(shù)據(jù)進行了處理，刪除了問卷調(diào)查表中有關(guān)個人特性、出行特性以及影響出行行為相關(guān)的心理因素測量指標有缺失和不合理的數(shù)據(jù)，最后一共得到2 228份問卷。

2 結(jié)果分析

2.1 結(jié)構(gòu)方程模型結(jié)果分析

此研究將利用結(jié)構(gòu)方程模型擬合理論模型中潛變量與觀測變量之間的關(guān)系，并研究潛變量與潛變量之間的關(guān)系。

本研究采用統(tǒng)計軟件Stata14.0通過Cronbach’sα系數(shù)來檢驗?zāi)Ｐ偷男哦?，簡稱為α系數(shù)，收斂效度利用平均方差提取值(average variance extracted,AVE)來表示，一般認為AVE大于0.5時表示這個潛變量具有較好的收斂效度。潛變量的效度與信度檢測結(jié)果如表2所示。

由表2可知：大部分潛變量的α系數(shù)都大于0.7，雖然感知行為控制與感知服務(wù)質(zhì)量的α系數(shù)小于0.7，但是都大于0.5，這表明測量這些潛變量的問題項之間有較高的內(nèi)部一致性，因此可信度高。結(jié)構(gòu)方程模型中的各潛變量的AVE值均大于0.5，表明測量表具有較好的收斂效度。

表1 心理觀測變量與潛變量的描述

表2 潛變量信度效度檢驗結(jié)果

潛變量α系數(shù)AVE值A(chǔ)10.820.70A20.730.59A30.850.54A40.770.63A50.550.53A60.540.52

結(jié)構(gòu)方程模型估計總體擬合指標：RMSEA為0.058，CFI為0.947，TLI為0.934，SRMR為0.041。RMSEA(root mean squared error of approximation)為近似誤差均方根，其值小于0.05時認為模型擬合效果較好，其值大于0.05 小于0.1時認為模型擬合的效果良好可接受，其值大于0.1時，一般認為擬合的效果較差。SRMR(standardized root mean squared residual)為標準化殘差均方根。當模型達到完美擬合時，SMRM的值為0，一般認為其最大擬合值不應(yīng)該超過0.08。雖然模型的RMSEA值大于0.05，但小于0.06，SRMR值也小于0.08，而且CFI(comparative fit index)相對擬合指數(shù)和TLI(Tucker-Lewis index)塔克-劉易斯指數(shù)都遠大于0.9,所以認為模型的總體擬合指數(shù)良好，建立的結(jié)構(gòu)方程模型總體估計結(jié)果可信度較高。

結(jié)構(gòu)方程模型中潛變量之間的路徑關(guān)系如圖1所示。

圖1 結(jié)構(gòu)方程模型中各潛變量之間的標準化路徑系數(shù)

圖1中的路徑系數(shù)為標準化之后的系數(shù)，括號中的數(shù)字為Z值，圖1中:上標“*”表示P<0.05;上標“**”表示P<0.01。由圖1可知：在公交車出行方式的結(jié)構(gòu)模型中，使用公交的習慣對使用公交的意向、公交出行的態(tài)度、公交的感知行為控制、感知服務(wù)質(zhì)量都具有正向的顯著性影響，其中對態(tài)度的影響最為顯著；感知行為控制和感知服務(wù)質(zhì)量對滿意度具有正向的顯著影響。在結(jié)構(gòu)方程模型中，并不是所有的潛變量都對出行意向有著顯著性的影響，其中對公交的態(tài)度、滿意度以及習慣對行為意向有正向的顯著性影響，而感知服務(wù)質(zhì)量和感知行為控制對公交出行的意向的影響并不顯著。這表明使用公交的行為意向雖然受到多個心理因素的綜合影響，但是只有態(tài)度、滿意度和習慣對行為意向有比較顯著的影響，即便出行者有較強的使用公交的意愿，也不一定會認為使用公交會比較方便、安全、舒適。

2.2 市場細分結(jié)果分析

本文采用K-means聚類分析法對公交出行市場進行細分。聚類分析法是一種細分出行市場的的常見技術(shù)，它能分析出行者的特點，并且可以根據(jù)相似性原則對群體進行細分研究[12]。

本文基于對公交的使用意向、對公交的使用習慣、對公交的滿意度以及對公交的態(tài)度4個心理潛變量對公交出行市場進行細分，因為對公交的使用習慣、對公交的滿意度以及對公交的態(tài)度與公交的使用意向存在顯著的直接相關(guān)性，而感知行為控制和感知服務(wù)質(zhì)量對行為意向的影響幾乎可以忽略不計。這4個變量間的相關(guān)性系數(shù)較高，更容易產(chǎn)生特征鮮明的聚類結(jié)果，并且能顯著減少聚類數(shù)目。利用K-means聚類分析法進行市場細分，首先給定聚類數(shù)目K。本文設(shè)置公交出行市場數(shù)目K為2～8。然后按K-means算法逐步迭代，讓各個聚類盡可能的緊湊，而不同聚類盡可能分開，使得最終聚類結(jié)果合理并有意義。最終通過比較聚類分析指標， 2 228個樣本被劃分為S1～S4這4個子市場，每個子市場間存在顯著差異(P<0.01)，聚類的效果比較理想。最終的聚類中心以及各子市場的樣本情況如表3所示。

表3 最終聚類中心以及各子市場樣本

類別S1S2S3S4人數(shù)339617382890比例/%15.2227.6914.7239.95A1-1.30-0.401.180.27A2-0.91-0.400.990.20A3-0.75-0.250.830.17A4-1.32-0.491.270.30

從表3中可以得知：子市場S1中的樣本數(shù)量是最少的，為339個，占了全體出行者的15.22%。子市場S1中，不僅公交出行意愿是4個子市場中最低的，而且對公交的態(tài)度、滿意度以及乘坐公交的習慣也是最低的，因此將子市場S1中的通勤者命名為“嚴格的非公交通勤者”，認為此市場中非公交出行的意愿特別強烈，不易動搖。

子市場S2中的出行者占了全體出行者的27.69%，樣本量為617個。在子市場S2中，出行者的公交出行意向、對公交的態(tài)度、對公交的滿意度以及乘坐公交的習慣都是負面的，但是S2中的出行者的公交出行意愿以及公交出行的習慣明顯要高于子市場S1。因此，將子市場S2中的出行者命名為“消極的潛在公交通勤者”，認為此市場中的通勤者雖然很少有公交出行的意愿，但是還是有行為轉(zhuǎn)變的可能性。

子市場S3中的出行個體數(shù)量為382個，占整個公交通勤市場的14.72%。子市場S3中的出行者的公交出行習慣、公交出行意向、對公交的態(tài)度、對公交的滿意度都是正向的，并且遠高于其它子市場，因此將子市場S3命名為“公交出行愛好者”，認為此市場的通勤者熱衷于采用公交出行方式出行。

子市場S4中的出行者有890個，所含樣本數(shù)量是所有子市場中最多的，達到了39.95%。出行者的公交出行意向、對公交的態(tài)度、對公交的滿意度以及乘坐公交的習慣都是正向的，但是出行者的公交出行意向并不是特別強烈，因此將此子市場命名為“積極的潛在公交出行者”，認為此市場的出行者對公交出行具有積極傾向。

為了進一步的了解各子市場中的通勤者在感知行為控制以及感知服務(wù)質(zhì)量方面是否具有顯著的差異，對各子市場中的相關(guān)的6個測量變量的均值進行測量，結(jié)果如表4所示。

表4 各子市場中行為控制與服務(wù)質(zhì)量感覺的各測量變量的均值

4個子市場的的通勤者在對公交的安全性感覺以及公交費用的感覺上并沒有顯著的差異，并且4個子市場對安全性和費用都有著積極的感覺，這也是公交出行的優(yōu)勢所在，這也說明安全性和費用不是阻止通勤者選用公交出行的重要因素。子市場S1對家附近的公交路線及時刻以及站牌上的公交路線信息的準確度都保持中立的態(tài)度，其他子市場都保持著良好的態(tài)度，這說明通勤者是否清楚公交路線以及時刻和站牌有關(guān)公交出行信息的準確度會影響通勤者對公交方式出行的選擇。4個子市場的通勤者在對公交出行的方便程度以及舒適性的感覺上有著顯著的差異，其中子市場S1對公交出行的方便程度以及對公交出行舒適性的感覺有著顯著的負面感覺，而子市場S2和S4保持相對中立的感覺，子市場S3表現(xiàn)出良好的感覺，這表明相對于其他因素，方便程度以及對乘坐舒適性的感覺是影響出行者是否選擇公交出行的重要因素，而方便程度以及舒適性恰好是公交出行的劣勢所在。

2.3 公交出行的改善政策

根據(jù)公交子市場的差異性，在制定相應(yīng)的改善措施時，需要有差異性地滿足各子市場的需求。

子市場S1中的通勤者有較低的公交出行意愿，并且有極少的通勤者采用公交出行，這一部分的群體認為使用公交出行極其不方便，并且對舒適性感覺極差。針對這一群體，需要提供可靠的公交的出行環(huán)境，提高公交的服務(wù)水平，提高公交出行的便利性，提供準確的相關(guān)服務(wù)信息，增加他們對公交出行的滿意度。

子市場S2和S3中的通勤者為潛在的公交出行者，他們沒有較強的公交出行意愿，而且這一類群體約占了整個出行市場的67.7%，是主要的目標市場。他們對公交的滿意度、對各種服務(wù)的質(zhì)量的感知都偏向于中立的態(tài)度。這一類群體可能由公交出行方式轉(zhuǎn)變?yōu)樾∑嚦鲂蟹绞?遠距離出行者)，也可能轉(zhuǎn)變以步行的方式出行(近距離出行者)。對于這一類群體，不僅需要改善服務(wù)質(zhì)量，也要大力推行“公交優(yōu)先”政策，政府也需要加強低碳出行的宣傳力度，提高居民的環(huán)境保護意識，以爭取將更多的小汽車出行者轉(zhuǎn)移為公交出行者。

子市場S3中的通勤者有較強的公交出行意愿，這一部分出行者對公交出行方式比較滿意，對公交的服務(wù)質(zhì)量感知良好,這一類出行者雖然已經(jīng)是公交出行的愛好者，但還是應(yīng)該對這類群體進行關(guān)注，對于他們乘用公交車輛時可以提供更多的優(yōu)惠政策，如提供多種類型的公交IC卡、提供方便的IC卡辦理手續(xù)、大力推廣IC卡的使用等。

3 結(jié)束語

本文基于擴展的計劃行為理論，利用結(jié)構(gòu)方程模型探討心理潛變量之間的關(guān)系，并利用K-means聚類分析法對通勤者公交市場進行細分研究。

基于擴展的計劃行為理論得到3個于公交出行意向具有顯著相關(guān)性的心理潛變量：習慣、態(tài)度、滿意度。

以習慣、態(tài)度、滿意度以及意向為細分變量，得到具有顯著差異的4個子市場。

分析了4個子市場通勤者的心理特征以及社會經(jīng)濟特征，并且針對具有不同特征的出行者制定了具有針對性的公交出行改善措施。