基于MNL回歸模型的疫情防控背景下居民出行方式影響因素證分析

鄒晟譽

（中國人民公安大學(xué)，北京 100038）

引言

“新冠肺炎”疫情突如其來，雖然各地交通秩序基本恢復(fù)，但居民出行方式受疫情防控影響，國內(nèi)外對于出行方式特征和出行行為研究較多，但針對疫情防控背景下居民出行方式選擇的影響因素的研究很少。韓志玲等[1]探究了下雪天時，影響商務(wù)出行和休閑出行兩種出行特性的相關(guān)因素。諶越[2]利用問卷進行數(shù)據(jù)調(diào)查結(jié)合出行特性與個人因素特性構(gòu)建計算模型，對出行者的彈性需求進行分析，建立出行方式選擇模型。針對客觀環(huán)境對于居民出行方式的研究，趙峰俠[3]，謝旭軒[4]，曹靜等[5]探究了限行政策對交通的影響。李庚[6]，劉婧[7]探究了相關(guān)交通需求管理措施對出行行為的影響。Garling[8]，Loukopoulos[9]研究交通管理政策中的限行政策對居民出行行為的影響。國內(nèi)外對于出行方式影響因素的研究主要集中在常見的影響因素上進行分析，分析單一因素或不同出行環(huán)境下對交通出行方式的影響。

1 數(shù)據(jù)調(diào)查與篩選

1.1 影響因素的選取

Ajzen[10]（1980）提出理性行為理論，即行為意志決定個體行為的選擇，另外行為態(tài)度和主觀規(guī)范對個體行為選擇不起直接影響，而是通過影響行為人自身意志進而影響個體行為。Ajzen的深入研究發(fā)現(xiàn)，在客觀環(huán)境與個人屬性的限制下，個體不會完全按照個人的意志和態(tài)度進行行為活動。根據(jù)Ajzen研究成果，對疫情防控期間出行方式的影響因素選擇，不僅要考慮出行者個人屬性因素還應(yīng)當(dāng)考慮客觀環(huán)境屬性因素。疫情防控背景下的影響因素應(yīng)當(dāng)包含兩類，見圖1。

圖1 疫情期間居民出行方式選擇行為分析

1.2 數(shù)據(jù)收集與統(tǒng)計

相關(guān)研究顯示，因為參數(shù)的不同而存在差異隨著樣本量的增加變動系數(shù)會減少。置信度為95%時，不同誤差所對應(yīng)的最大調(diào)查樣本量見表1。

表1 最大調(diào)查樣本量統(tǒng)計

調(diào)查方法采用網(wǎng)絡(luò)問卷和線上質(zhì)詢方式相結(jié)合的調(diào)查方法，網(wǎng)絡(luò)問卷調(diào)查和線上質(zhì)詢調(diào)查比例為12∶1，即網(wǎng)絡(luò)問卷600份，線上質(zhì)詢調(diào)查50份。分別采集出行者個人屬性，客觀環(huán)境屬性和出行方式選擇三項內(nèi)容，見表2。

表2 調(diào)查內(nèi)容統(tǒng)計

1.3 數(shù)據(jù)篩選與分析

1.3.1 相關(guān)性分析

在相關(guān)分析中，皮爾遜簡單相關(guān)系數(shù)適用于雙變量均符合正態(tài)分布，而斯皮爾曼等級相關(guān)系數(shù)和肯德爾等級相關(guān)系數(shù)都是非參測度。利用SPSS分析軟件，采用斯皮爾曼等級相關(guān)系數(shù)和雙尾顯著性檢驗，基于調(diào)查問卷采集的統(tǒng)計數(shù)據(jù)，整理后將對各因素與居民選擇的不同的出行方式進行雙變量相關(guān)性分析。表3為各影響因素與出行方式選擇的雙變量結(jié)果統(tǒng)計結(jié)果。

表3 雙變量相關(guān)性分析結(jié)果統(tǒng)計

從表3可以分析出，以家庭人員數(shù)量、對疫情了解程度、對疫情防護了解程度、本地區(qū)疫情防控等級和疫情防控效果與居民出行方式存在顯著相關(guān)關(guān)系。性別和年齡在疫情防控下對出行方式的選擇不存在顯著相關(guān)性。

1.3.2 主成分分析

由于選取了較多的影響因素，從分析結(jié)果來看，并不是所有的影響因素都與居民出行方式選擇存在顯著性相關(guān)，因此需要進一步篩選。利用SPSS軟件對性別、年齡、家庭人員數(shù)量、對疫情了解程度、對疫情防護了解程度、疫情防控響應(yīng)等級和疫情防控效果7個影響因素進行主成分分析。KMO檢驗結(jié)果中KMO=0.631，球形度檢驗P=0.000＜0.005，因此適合進行主成分分析。因為按照特征值＞1，僅能提取55.8%，不夠，因此進一步增加提取，將提取因字數(shù)設(shè)置為“6”可以解釋91.519%。

對成分矩陣的成分載荷除以各自的特征值得到主成分系數(shù)，然后除以標(biāo)準化后的自變量。主成分系數(shù)見表4。

表4 主成分系數(shù)

從表4分析中發(fā)現(xiàn)，7種影響因素均對居民出行方式產(chǎn)生影響，主要因素為家庭人員數(shù)量、對疫情了解程度、對疫情防護了解程度、本地區(qū)疫情防控等級和疫情防控效果，其次要影響為年齡和性別。

2 基于多元logistic回歸分析

MNL模型即多項邏輯回歸模型，屬于非集計模型中的一種，適用于有多個選擇枝的情況。隨機效用理論是邏輯回歸理論的基礎(chǔ)，即個人在每次決策時總是追求“效用”最大化，即選擇效用最大的選項。其模型[11]：

式中：Pj—被自變量為j類的概率，PJ—因變量為第J（j≠J）類的概率；xm—分自變量，m—啞變量標(biāo)號，取值為1,2,…,M；aj—截距項；βjm—回歸系數(shù)。

2.1 共線性檢驗

為對多個自變量之間的相關(guān)性進行評價，避免各影響因素之間因為相關(guān)性較高導(dǎo)致模型的誤差，進一步對變量進行共線性檢驗，以此檢驗各變量之間的相對獨立性。利用SPSS軟件進行共線性檢驗，其分析結(jié)果主要看容差和VIF，容差越接近0共線性越強，VIF大于10共線性越強。從表5容差和VIF可以分析，容差均不接近于0，VIF均不大于10，出共線性可以接受。

2.2 模型擬合效果分析

（1）模型擬合信息。表6為模型擬合信息，顯示似然比檢驗顯著性為0.000，P值小于0.5，說明構(gòu)建的模型有統(tǒng)計學(xué)意義。

表5 共線性檢驗

表6 模型擬合信息

（2）偽R方值與似然比檢驗。三個偽R方值分別為0.38（考克斯-斯奈爾），0.412（內(nèi)戈爾科），0.189（麥克法登）。偽R方取值0～1，越接近1說明模型預(yù)測效果越好，三個偽R方值均偏低，最大值為0.4，說明模型對原始變量變異的解釋程度一般，還有一部分信息無法解釋，擬合程度并不是很優(yōu)秀。表7為模型系數(shù)檢驗結(jié)果，包括截距和5個自變量的顯著性均小于0.05，拒絕回歸系數(shù)為0的假設(shè)，認為自變量對Logistic回歸模型的線性貢獻顯著，通過檢驗。

表7 似然比檢驗

2.3 參數(shù)估算值分析

由于參數(shù)估算參考類別選為步行方式，因此首先對網(wǎng)約車、出租車出行方式與步行出行方式進行對比分析，表8為出行方式為網(wǎng)約車、出租車參考步行類別的參數(shù)估算結(jié)果。分析可知，應(yīng)急響應(yīng)等級對網(wǎng)約車、出租車與步行兩種方式之間的選擇變化影響顯著性均大于0.05，不顯著，對疫情了解情況，對疫情防護了解情況，疫情防控效果以及家庭人員數(shù)對出行方式的選擇存在影響。

表8 參數(shù)估算值（網(wǎng)約車、出租車與步行）

（1）對疫情了解情況的影響：對疫情了解情況不清楚的情況選擇網(wǎng)約車或者出租車出行的概率比率是清楚了解疫情情況的4.721倍，然而隨著對疫情越了解，參數(shù)顯著水平大于0.05，意味著當(dāng)居民對疫情情況了解加深之后，了解程度對出行方式選擇的影響程度已經(jīng)不顯著。（2）對疫情防護了解情況的影響：對疫情防護了解情況不清楚選擇網(wǎng)約車或者出租車出行的概率比率是清楚了解防護措施的2.702倍，然而隨著對疫情防護措施越了解，參數(shù)顯著水平為0.619＞0.05，意味著當(dāng)居民對疫情防護了解加深之后，了解程度對出行方式選擇的影響程度已經(jīng)不顯著。（3）疫情防控效果：疫情防控效果不好和疫情防控效果一般的回歸系數(shù)估計值B都為正值，分別為2.507和1.079，這表明疫情防控效果越不好，居民更傾向于選擇網(wǎng)約車和出租車出行。當(dāng)除去疫情防控效果影響因素外，其他因素條件相同的情況下，疫情防控效果不好的自然對數(shù)比疫情防控效果好平均增加2.507個單位。防控效果不好選擇網(wǎng)約車和出租車出行的概率比率是疫情防控效果好時的12.266倍。（4）家庭人員數(shù)：家庭成員人數(shù)在1～3人和4～5人情況下的概率比率分別是家庭人員數(shù)6人及以上的0.162和0.384倍，隨著家庭成員增多，概率比率同時增加，但是不同家庭人員數(shù)量對于選擇網(wǎng)約車和出租車出行的意愿差距不大。

私家車出行方式分析結(jié)果可知，對疫情了解情況，疫情防控效果和家庭人員數(shù)量三項影響因素，對居民選擇私家車出行不存在顯著影響。疫情防控了解情況和應(yīng)急響應(yīng)等級對出行方式選擇存在顯著影響，但對疫情防控了解情況對私家車出行的影響力有明顯下降；在應(yīng)急響應(yīng)等級越高時，對傾向于選擇私家車出行的影響越大，其中響應(yīng)等級為一級的概率比率是三級的2.793倍，但應(yīng)急響應(yīng)等級調(diào)制二級時，其影響并不顯著。

公共交通出行方式分析結(jié)果可知，疫情防護了解程度和應(yīng)急響應(yīng)等級對公共交通出行方式的選擇不存在顯著影響，對疫情了解情況、疫情防控效果和家庭人員數(shù)存在顯著影響。其中，對疫情情況越不了解越容易選擇公共交通出行，疫情防控效果越好，居民越容易選擇公共交通出行，且疫情防控效果好的概率比率是效果不好的8.647倍。家庭人員數(shù)為1～3人的概率比率是6人及以上的0.347倍，但當(dāng)家庭人員數(shù)量增加后對于出行方式的選擇并不顯著。

3 相關(guān)措施建議

（1）疫情防控效果對居民出行方式影響最廣泛，對于恢復(fù)正常交通運輸秩序和居民正常出行具有核心作用，各地方應(yīng)當(dāng)持續(xù)維護良好疫情防控態(tài)勢，排查疫情風(fēng)險以此保障交通運輸秩序的恢復(fù)。（2）居民對疫情防控了解情況和應(yīng)急響應(yīng)兩個因素在四類出行方式中，主要對私家車出行選擇產(chǎn)生顯著影響，其中疫情防控響應(yīng)等級影響最大，如需要減少道路擁擠，控制疫情影響導(dǎo)致的非必要私家車出行，在疫情好轉(zhuǎn)的情況下，及時下調(diào)地區(qū)應(yīng)急響應(yīng)等級以此減少對居民出行方式的影響力，可以緩解道路交通壓力。（3）疫情防控效果越好，居民更傾向于選擇公共交通出行，加強疫情防控從而降低本地區(qū)疫情風(fēng)險，疫情防控效果越好居民選擇公交出行，可以分擔(dān)道路交通壓力。（4）疫情防控期間居民更傾向于選擇私家車出行，適當(dāng)調(diào)整公共交通車次和運營時間，在道路空間有限的情況下，為私家車提供道路空間。（5）疫情風(fēng)險較高地區(qū)，防控效果越不好居民更傾向于選擇網(wǎng)約車和出租車出行。應(yīng)當(dāng)加大對出租車和網(wǎng)約車的消毒防護工作，為駕駛員提供防護措施保障，其次加強對居民宣傳教育，在疫情宣傳教育方面重點對象家庭為家庭人數(shù)三人以上，提高居民對疫情防護了解程度減弱居民對網(wǎng)約車和出租車的選擇傾向。

4 結(jié)語

（1）不同影響因素對于居民出行方式的影響程度和顯著性都存在差異，且特征變量自身的變化也會影響其顯著性和影響程度，模型分析時應(yīng)當(dāng)逐步進行。（2）通過研究居民出行方式選擇，確定居民出行方式選擇的影響因素，有針對性地制定交通管控措施，滿足居民各種交通出行需求，科學(xué)管理和引導(dǎo)居民出行心理，提高城市交通運行效率。（3）重大公共衛(wèi)生事件對居民出行方式產(chǎn)生重大影響，在疫情防控背景下非常態(tài)影響因素在其中產(chǎn)生顯著影響，例如疫情防控效果、疫情應(yīng)急響應(yīng)等級等因素。