基于結(jié)構(gòu)方程模型的航班延誤后旅客行為影響因素分析

周游 鄒心彤 聶澤敏 趙冬曉 章麗群

摘 要： 航班延誤一直影響航空運(yùn)輸服務(wù)的重要因素，通過研究航班延誤后旅客的行為特征并找到影響旅客行為的因素將有助于航空公司、機(jī)場(chǎng)等有針對(duì)性地提出航班延誤補(bǔ)救措施。本文通過調(diào)查問卷及實(shí)地調(diào)查等兩種手段對(duì)航班延誤下旅客的行為特征及影響因素進(jìn)行了分析，通過結(jié)構(gòu)方程模型，探尋出航班延誤后對(duì)旅客行為特征產(chǎn)生影響的因素，從而為航空公司有針對(duì)性的采取延誤后服務(wù)補(bǔ)救措施提供依據(jù)。

關(guān)鍵詞： 民航旅客；航班延誤；旅客行為；結(jié)構(gòu)方程模型

本文以大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目 項(xiàng)目編號(hào)：IECAUC2017063

0 引言

據(jù)民航局統(tǒng)計(jì)，2017年我國民航運(yùn)輸機(jī)場(chǎng)旅客吞吐量超過11億人次，完成飛機(jī)起降1024.9萬架次，航空運(yùn)輸業(yè)務(wù)規(guī)模穩(wěn)步擴(kuò)大，而平均航班正常率僅為71.67%，航班延誤已成為影響旅客對(duì)航空公司的滿意度和忠誠度的重要因素，延誤補(bǔ)救不到位將極大削減航空公司的競(jìng)爭(zhēng)力。通過研究航班延誤下旅客的行為特征及影響因素可以使航空公司預(yù)估旅客行為并針對(duì)不同類型的旅客做出相應(yīng)的服務(wù)補(bǔ)救措施，這對(duì)提高航空公司的服務(wù)質(zhì)量并提升旅客的滿意度是十分有益的。

在研究航班延誤的相關(guān)文獻(xiàn)中， 有些學(xué)者在我國航班延誤的誘因和相關(guān)法律的論述基礎(chǔ)上，提出航班延誤后的補(bǔ)救措施。如李宏分析各國司法判例，探討合理延誤與不合理延誤的區(qū)分標(biāo)準(zhǔn)以及法律責(zé)任明確；姚韻等通過對(duì)國內(nèi)航班服務(wù)中存在的三大類服務(wù)失誤的原因分析，并針對(duì)航班延誤的特點(diǎn)提出事件驅(qū)動(dòng)的即時(shí)服務(wù)理念，提供航班延誤服務(wù)補(bǔ)救系統(tǒng)框架建議，為航空公司提供服務(wù)參考。

在研究旅客行為影響因素的文獻(xiàn)中，學(xué)者們從不同角度將行為進(jìn)行細(xì)分，通過多種手段來表現(xiàn)影響因素與出行行為之間的關(guān)系。季彥婕等以城市交通為例，運(yùn)用結(jié)構(gòu)方程模型探究旅客個(gè)人屬性、出行特征、服務(wù)質(zhì)量對(duì)旅客滿意度和乘坐意向的作用關(guān)系，尋找服務(wù)缺陷并提出相應(yīng)改善建議。齊曉云等從微觀心理視角剖析旅客行為，探索人格特質(zhì)、情境因素、旅客需求對(duì)航班延誤情況下旅客情緒生成的影響作用。因此，本文基于結(jié)構(gòu)方程模型重點(diǎn)分析航班延誤下旅客行為特征及其影響因素，找出它們之間可能存在的因果關(guān)系及關(guān)系強(qiáng)弱，為基于旅客行為特征提升民航運(yùn)輸服務(wù)質(zhì)量及效率提供依據(jù)。

1.結(jié)構(gòu)方程模型

結(jié)構(gòu)方程模型是一門基于統(tǒng)計(jì)分析技術(shù)的研究方法學(xué)，它主要用于解決社會(huì)科學(xué)研究中的多變量問題，用來處理復(fù)雜的多變量研究數(shù)據(jù)的探究與分析。結(jié)構(gòu)方程模型最突出的特點(diǎn)是其能夠?qū)Τ橄蟮母拍钸M(jìn)行估計(jì)與檢定，而且能夠同時(shí)進(jìn)行潛在變量的估計(jì)與復(fù)雜自變量/因變量預(yù)測(cè)模型的參數(shù)估計(jì)。

結(jié)構(gòu)方程模型包括測(cè)量方程、結(jié)構(gòu)方程，測(cè)量模型研究的是潛變量和顯變量的關(guān)系，而結(jié)構(gòu)模型是研究潛變量之間或者說因子之間關(guān)系的。

測(cè)量方程：

結(jié)構(gòu)方程：

上式中：x為外生顯變量組成的向量；y為內(nèi)生顯變量組成的向量； 為y在η上的因子負(fù)荷矩陣； 為x在ξ上的因子負(fù)荷矩陣； ε為內(nèi)生顯變量的誤差項(xiàng)； 為外生顯變量的誤差項(xiàng)； B為系數(shù)矩陣，描述了內(nèi)生潛變量η之間的相互影響； 為系數(shù)矩陣，描述了外生變量ξ對(duì)內(nèi)生變量η的影響； 為結(jié)構(gòu)方程的殘差項(xiàng)，反映了η在方程中未能被解釋的部分。

2.航班延誤下旅客行為結(jié)構(gòu)方程模型構(gòu)建

2.1 模型變量選擇

結(jié)構(gòu)方程模型可以對(duì)不可直接觀測(cè)的變量即潛變量進(jìn)行測(cè)量，且可以同時(shí)處理多個(gè)內(nèi)生變量和外生變量關(guān)系，對(duì)于航班延誤條件下旅客的行為特征，本文主要用航班延誤后旅客行為傾向和航班延誤后旅客行為兩個(gè)變量體現(xiàn)；對(duì)于航班延誤下影響旅客行為特征的影響因素，主要從旅客基本屬性、對(duì)延誤信息的態(tài)度、航班延誤情況、外界環(huán)境四個(gè)方面入手，并選取了相應(yīng)27個(gè)觀測(cè)變量，變量描述如下所示：

Ⅰ旅客基本屬性，包括性別取值 1～2，1：男；2：女，年齡取值 1～7，1：18歲以下；2：18-25歲；3：26-30歲；4：31-40歲 ；5：41-50歲；6：51-60歲；7：60歲以上，學(xué)歷水平取值 1～4，1：高中及以下；2：專科；3：本科；4：研究生及以上，職業(yè)取值 1～6，1：學(xué)生 ；2：公務(wù)員或事業(yè)單位 ；3：國有企業(yè)；4：民營或私有企業(yè)；5：外企；6：其他、月收入水平取值 1～5，1：1000元及以下；2：1001-3000元；3：3001-5000元 ；4：5001-10000元；5：10000元以上，乘坐飛機(jī)頻率取值 1～3，1： 2次及以下；2：3-6次；3：7-10次；4：11次以上，出行目的取值 1～4，1：上學(xué) ；2：公務(wù)出差 ；3：休閑度假；4：探親訪友，托運(yùn)行李習(xí)慣取值 1～3，1：基本上都會(huì)托運(yùn)；2：情況而定；3：一般不會(huì)托運(yùn)

Ⅱ旅客對(duì)信息的態(tài)度：關(guān)注航班延誤信息取值 1～3，1：從不關(guān)注 ；2：偶爾會(huì)看看；3：極為關(guān)注，查詢航班動(dòng)態(tài)信息時(shí)間取值 1～4，1：在家出發(fā)前；2：值機(jī)前 ；3：候機(jī)時(shí)；4：航班延誤已發(fā)生時(shí)，對(duì)航班動(dòng)態(tài)及延誤信息的信賴程度取值 1～3，1：十分相信；2：半信半疑；3：不太相信

Ⅲ航班延誤情況：航班所在的時(shí)段、預(yù)計(jì)的航班延誤時(shí)間、航班延誤的原因、航班延誤的規(guī)模、同方向航班的延誤情況對(duì)航班延誤后旅客行為的影響程度，取值 1～5，1：很大；2：大 ；3：一般；4：??；5：很小

Ⅳ外界環(huán)境：周邊旅客行為、航班延誤信息的推送的及時(shí)性、航班延誤信息的準(zhǔn)確度、航空公司或機(jī)場(chǎng)的服務(wù)補(bǔ)救措施、機(jī)場(chǎng)服務(wù)設(shè)施及環(huán)境、換乘高鐵等其他運(yùn)輸方式的便捷程度、高鐵的便捷性、隨行人員的人數(shù)、隨行人員中是否老人或孩子、行李、隨行同伴的決定對(duì)航班延誤后旅客行為的影響程度，取值 1～5，1：很大；2：大 ；3：一般；4：小；5：很小

2.2 模型假設(shè)

根據(jù)外生變量、內(nèi)生變量及相互間的關(guān)系，本文提出以下假設(shè)：

H1：旅客基本屬性對(duì)航班延誤下旅客行為特征有顯著直接影響；H2：旅客對(duì)延誤信息的態(tài)度對(duì)航班延誤下旅客行為特征有顯著直接影響；H3：航班延誤情況對(duì)航班延誤下旅客行為特征有顯著直接影響；H4：外界環(huán)境對(duì)航班延誤下旅客行為特征有顯著直接影響；H5：旅客基本屬性與旅客對(duì)延誤信息的態(tài)度有顯著直接關(guān)系；H6：旅客基本屬性與航班延誤情況有顯著直接關(guān)系；H7：旅客基本屬性與外界環(huán)境有顯著直接關(guān)系；H8：旅客對(duì)延誤信息的態(tài)度與航班延誤情況有顯著直接關(guān)系；H9：旅客對(duì)延誤信息的態(tài)度與外界環(huán)境有顯著直接關(guān)系；H10：航班延誤情況與外界環(huán)境有顯著直接關(guān)系。

2.3 結(jié)構(gòu)方程模型路徑圖

應(yīng)用結(jié)構(gòu)方程的路徑分析軟件 AMOS，將各種變量及其關(guān)系繪制路徑圖，如圖1所示。

3. 變量分析及假設(shè)檢驗(yàn)

3.1 變量的探索性因子分析

本文通過網(wǎng)絡(luò)及實(shí)地調(diào)查，共收集730份問卷，通過填寫時(shí)間長短等因素進(jìn)行篩選，剔除88份無效問卷，共獲得有效樣本 642 份。Mueller[3]認(rèn)為，樣本量若能達(dá)到 200個(gè)，則模型的統(tǒng)計(jì)檢驗(yàn)力較好。Thompson[4]研究發(fā)現(xiàn)，在運(yùn)用 SEM方法時(shí)，樣本數(shù)與觀測(cè)變量的比例至少為 10：1 至 15：1之間。據(jù)上，本次研究在樣本量上達(dá)到 SEM 方法的統(tǒng)計(jì)要求。

運(yùn)用 SPSS16.0 進(jìn)行探索性因子分析，各變量相關(guān)系數(shù)大部分都在 0.2～0.8 之間，說明進(jìn)行因子分析的必要性。效度檢驗(yàn)結(jié)果見表2。根據(jù) Kaiser 給出的標(biāo)準(zhǔn) KMO 取值大于 0.7，適合進(jìn)行因子分析 ；同時(shí)，由SPSS檢驗(yàn)結(jié)果顯示sig值=.000<0.05（即p值<0.05），說明各變量間具有相關(guān)性，因子分析有效，通過了Bartlett 球形檢驗(yàn)。

3.2 模型驗(yàn)證性分析及修正

對(duì)初始模型進(jìn)行擬合度檢驗(yàn)，擬合指數(shù)中 NFI、CFI、IFI、RFI 的檢驗(yàn)值不是特別理想，概念模型還需進(jìn)一步修正。在理論模型中，各觀測(cè)變量的誤差之間均沒有相關(guān)，但在修正中，e3和e4、e5和e6、e13和e5、e20和e21、e22和e23、e31和e32、e31和e34、e34和e25間的修正指數(shù)值較大，且各觀測(cè)變量均同屬相同的潛變量，其誤差間存在一定的相關(guān)性在理論上是合理的，故增加相互間關(guān)聯(lián)。

按照每次釋放一個(gè)參數(shù)的原則，逐次進(jìn)行假設(shè)模型的修正，并得到最終模型，修正后模型的擬合度指標(biāo)如下所示，總體而言，修正后的模型與數(shù)據(jù)的擬合度更好，所擬合的模型是一個(gè)較好模型。通過對(duì)模型的修正，標(biāo)準(zhǔn)化模型參數(shù)估計(jì)結(jié)果，如下所示。

絕對(duì)適配度指標(biāo)：卡方值/自由度標(biāo)準(zhǔn)值1～3，檢驗(yàn)值2.384，適配度指數(shù)（GFI）標(biāo)準(zhǔn)值>0.9，檢驗(yàn)值0.919，調(diào)整適配度指數(shù)（AGFI）標(biāo)準(zhǔn)值>0.9，檢驗(yàn)值0.900，近似均方根誤差（RMSEA）標(biāo)準(zhǔn)值<0.08，檢驗(yàn)值0.046，均符合。

相對(duì)適配度指標(biāo)：標(biāo)準(zhǔn)適配指數(shù)（NFI）標(biāo)準(zhǔn)值>0.9，檢驗(yàn)值0.602，比較適配指數(shù)（CFI）標(biāo)準(zhǔn)值>0.9檢驗(yàn)值0.714，遞增適配指數(shù)（IFI）標(biāo)準(zhǔn)值>0.9檢驗(yàn)值0.723，基本符合。

簡約適配度指標(biāo)：調(diào)整后規(guī)準(zhǔn)適配指數(shù)（PNFI）標(biāo)準(zhǔn)值>0.50，檢驗(yàn)值0.526簡約適配度指數(shù)（PGFI）標(biāo)準(zhǔn)值>0.50，檢驗(yàn)值0.743，均符合。

3.3 假設(shè)檢驗(yàn)及結(jié)果

標(biāo)準(zhǔn)化的路徑系數(shù)代表的是共同因素對(duì)測(cè)量變量的影響。有三個(gè)外生潛變量旅客基本屬性、航班延誤情況、外界環(huán)境對(duì)內(nèi)生潛變量航班延誤下旅客行為特征的標(biāo)準(zhǔn)化負(fù)荷系數(shù)均為正，可見這三個(gè)外生潛變量對(duì)內(nèi)生潛變量具有顯著的正向影響 ；另一個(gè)外生潛變量即旅客對(duì)延誤信息的態(tài)度對(duì)內(nèi)生潛變量航班延誤下旅客行為特征的標(biāo)準(zhǔn)化負(fù)荷系數(shù)均為負(fù)，可見此外生潛變量對(duì)內(nèi)生潛變量具有顯著的負(fù)向影響。旅客基本屬性與旅客對(duì)延誤信息的態(tài)度、旅客基本屬性與航班延誤情況以及航班延誤情況與外界環(huán)境三組內(nèi)生潛變量內(nèi)部之間標(biāo)準(zhǔn)化負(fù)荷系數(shù)顯著不等于0，表明三組內(nèi)生潛變量分別存在顯著的共變關(guān)系；而通過模型的計(jì)算可以發(fā)現(xiàn)，旅客基本屬性與外界環(huán)境、旅客對(duì)延誤信息的態(tài)度與航班延誤情況以及旅客對(duì)延誤信息的態(tài)度與外界環(huán)境之間不存在關(guān)聯(lián)。即，假設(shè) 1、2、3、4、5、6 、10獲得支持，而假設(shè) 7、8、9受到否定。

3.4 結(jié)論及建議

3.4.1外界環(huán)境和航班延誤情況對(duì)旅客出行行為影響顯著

航班延誤下旅客行為是受多因素影響的決策過程，在進(jìn)行分析時(shí)需要考慮旅客基本屬性、旅客對(duì)延誤信息的態(tài)度、航班延誤情況和外界環(huán)境等多因素的影響。在這四個(gè)因素中，外界環(huán)境和航班延誤情況對(duì)旅客行為特征影響更為顯著。具體而言，外界因素受到航班延誤信息推送信息的準(zhǔn)確度和及時(shí)性、航空公司或機(jī)場(chǎng)的服務(wù)補(bǔ)救措施等因素影響較大；航班延誤情況受到航班延誤的規(guī)模、同方向航班延誤情況、航班延誤的原因三個(gè)因素影響較大。

對(duì)于航空公司與機(jī)場(chǎng)而言，航空公司在延誤后做出的信息推送的及時(shí)性很受旅客關(guān)注，因此航空公司和機(jī)場(chǎng)應(yīng)該及時(shí)準(zhǔn)確地推送航班延誤規(guī)模、同方向航班延誤情況以及航班延誤原因等延誤信息，以誘導(dǎo)旅客進(jìn)行行為決策，減輕延誤后的運(yùn)營壓力，有助于提高旅客的出行體驗(yàn)；同時(shí)旅客對(duì)航班延誤后的服務(wù)補(bǔ)救措施十分重視，航空公司和機(jī)場(chǎng)應(yīng)該提升服務(wù)補(bǔ)救措施質(zhì)量，穩(wěn)定旅客情緒，減少旅客流失率，提高旅客滿意度進(jìn)而提高旅客對(duì)航空公司或機(jī)場(chǎng)的忠誠度。

3.4.2 旅客基本屬性和旅客對(duì)延誤信息態(tài)度對(duì)旅客行為具有一定影響

旅客基本屬性和旅客對(duì)延誤信息態(tài)度對(duì)旅客行為具有一定影響，但影響不大。旅客關(guān)注航班信息推送軟件程度對(duì)其在延誤后的態(tài)度影響較大，類似“飛常準(zhǔn)”、“航旅縱橫”等APP會(huì)實(shí)時(shí)更新航班動(dòng)態(tài)，對(duì)旅客采取行為具有較大參考意義，航空公司有必要加強(qiáng)各大航班動(dòng)態(tài)平臺(tái)的信息傳遞速度與質(zhì)量。就旅客基本屬性而言，年齡和和職業(yè)對(duì)其影響較大。航空公司可就旅客年齡和職業(yè)差異將旅客進(jìn)行分類，預(yù)判不同類別旅客的行為極其服務(wù)偏好，以在最佳時(shí)間采取針對(duì)性措施

4 結(jié)語

本文通過發(fā)放調(diào)查問卷及實(shí)地考察獲得航班延誤下旅客行為特征及影響因素的調(diào)查數(shù)據(jù)，經(jīng)處理得到有效數(shù)據(jù)，并在旅客基本屬性、航班延誤情況、外界環(huán)境、旅客對(duì)航班延誤信息的態(tài)度、延誤后旅客行為特征五個(gè)維度基礎(chǔ)上設(shè)立內(nèi)生變量和外生變量，建立結(jié)構(gòu)方程模型，進(jìn)而對(duì)模型進(jìn)行驗(yàn)證性分析及修正，最終通過假設(shè)檢驗(yàn)得出變量間的相關(guān)關(guān)系，對(duì)航班延誤下影響旅客行為的因素進(jìn)行了分析，為航空公司在航班延誤后對(duì)有不同行為特征的旅客采取針對(duì)性的服務(wù)補(bǔ)救措施提供一定幫助。

參考文獻(xiàn)

[1]江紅，周夕鈺.基于結(jié)構(gòu)方程模型的民航旅客出行行為特征影響因素分析——以天津機(jī)場(chǎng)出港旅客為例[J].綜合運(yùn)輸，2017，39（03）：47-52+67.

[2] 動(dòng)與出行的結(jié)構(gòu)方程建模 [J]. 長安大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2015， 35（1）： 111-118.

[3] Ralph O. Muller. Structural equation modeling： Back to basics[J]. Structural Equation modeling， 1997（4）： 353-369

[4] Thompson Laurence G Grimm， Paul R Yarnold. Ten commandments of structural equation modeling [J]. American Psychological Association， 2000： 261-283.