基于分層線性模型的電動汽車分時租賃偏好分析

楊亞璪，路超杰，胡小海

（重慶交通大學交通運輸學院，重慶 400074）

電動汽車推廣是緩解能源危機和環(huán)境污染的有效手段，是實現(xiàn)低碳減排、綠色發(fā)展的重要途徑。 從2013 年開始，分時租賃已成為電動汽車推廣的主要方式[1]。 據(jù)國家信息中心分享經(jīng)濟研究中心發(fā)布的《中國汽車分時租賃市場年度綜合分析2019》， 分時租賃市場中電動汽車投放超過8 萬輛，月活躍用戶超過130 萬，人均單日使用時長超過13 min。從消費的角度研究顧客的選擇偏好， 對于推動供給側改革，實現(xiàn)經(jīng)濟增長與生態(tài)文明協(xié)同發(fā)展[2]，促進電動汽車分時租賃行業(yè)的發(fā)展，具有積極的理論和現(xiàn)實意義。

對于電動汽車分時租賃的研究主要集中在商業(yè)模式[3]、顧客使用意向[4-6]、產(chǎn)品定價策略[7]、網(wǎng)點布局和車輛調(diào)度優(yōu)化[8-9]等方面，鮮有研究關注顧客的偏好分析。 聯(lián)合分析法是一種有效分析顧客偏好的工具, 能更加深入了解顧客使用和購買產(chǎn)品的權衡行為[10-11]。 分層線性模型可以同時考慮產(chǎn)品屬性和顧客特征存在的差異，明確表示出擁有不同特征的顧客群體對產(chǎn)品屬性偏好變化的情況，可以對不同層級的嵌套結構變量進行數(shù)學統(tǒng)計分析， 有效地解釋不同層面的變量對研究對象的關系和作用[12]。當數(shù)據(jù)存在于不同層級時， 可以使用分層線性模型，先以第1 層級的變量建立回歸方程，然后把該方程中的截距和斜率作為因變量，使用第2 層級數(shù)據(jù)中的變量作為自變量，再建立新的方程[13]。

本研究運用正交設計確定租賃商產(chǎn)品輪廓，通過問卷調(diào)查獲取顧客對租賃商產(chǎn)品吸引力的評價數(shù)據(jù)，建立租賃商和顧客2 個層面的分層線性模型，結合租賃商產(chǎn)品屬性和顧客特征分析顧客的偏好。

1 模型構建及變量選取

1.1 變量選擇及描述

文獻[6]的研究結果表明，電動汽車分時租賃需要解決的首要問題是便捷性，經(jīng)濟性是其需要保持的重要優(yōu)勢，同時車輛的續(xù)航里程還有待提高。 據(jù)此租賃商層選取便捷性、經(jīng)濟性和車輛續(xù)航里程3個變量。 便捷性通過用車前的找車時間和用車后的還車方式來反映，經(jīng)濟性通過用車價格來反映，取值范圍根據(jù)電動汽車分時租賃頭部平臺EVCARD 的現(xiàn)有水平確定。

Peugh[14]在分層線性模型中，用PRV表示變量的效應值，具體的變量選取和取值方法見表1。 Cohen對于PRV小于0.02 的變量， 其解釋效應可以忽略。具有解釋效應的變量輸出結果見表2 （為了清晰起見，對效應值不顯著的變量不加以列舉）。

表1 變量描述Tab.1 Variable description

表2 方差減少比例值Tab.2 Proportion reduction in variance

PRV的計算公式如下

式中：vNoPredictor為未加入解釋變量的方差值；vPredictor為加入變量后的方差值。

1.2 模型表達

模型可表達為

Level-1 model:

Level-2 model:

式中：Xij為租賃商層面變量；βij為其對應的回歸系數(shù)；Zj為顧客層面變量；γij為對應的回歸系數(shù)；Yij為第j 個顧客對第i 個租賃商的吸引力評價值；β0j和εij分別為第1 層模型的截距和隨機項；γi0和μij分別為顧客特征變量對βij影響的截距和隨機成分。

2 問卷設計

2.1 問卷結構

問卷的第1 部分是對受訪者的駕駛資質和出行需求等情況進行調(diào)查。 第2 部分是有關人口統(tǒng)計學信息的問題。 第3 部分包含3 個心理變量及相對應的測試題，本研究根據(jù)最新研究成果選取具有代表性的變量及測試題項。 Hjorteset 對于汽車分時租賃用戶使用意愿的研究以及Globisch 對于電動汽車使用意愿的研究結果都顯示人們的環(huán)保意識會對使用電動汽車產(chǎn)品的意愿產(chǎn)生顯著影響[15-16]；Hjorteset 發(fā)現(xiàn)人們消費時對于金錢的敏感度也會顯著影響使用汽車分時租賃產(chǎn)品的意愿，王保乾的研究結果也表明，貨幣成本是使用電動汽車分時租賃的一個重要影響因素[4]；善于交際（being sociable）這一變量選取在Hjorteset 的研究中被提出，雖然在其研究中沒有顯著影響，但是作為一個新的研究角度也將其納入其中。 綜上所述，本研究選取的3 個變量及其測試題項個數(shù)分別為：環(huán)保意識（N）5 個問題、成本意識（F）3 個問題、社交意識（S）3 個問題。 第4 部分是對9 個給定的代表性租賃商進行評價。 憑借李克特6 分量表來評價每個租賃商產(chǎn)品的吸引力，其范圍從“非常沒有吸引力”至“非常有吸引力”，分別賦值1～6。

2.2 數(shù)據(jù)收集及樣本描述性統(tǒng)計

采取線下和線上相結合的方式在重慶市進行問卷調(diào)查。 線下調(diào)查堅持隨機抽樣原則， 主要在EVCARD 停車網(wǎng)點和高校、商圈、輕軌站等人流多的地方選擇受訪者； 線上調(diào)查IP 地址限定為重慶市，答題機會限制為1 次，隨機邀請受訪者填寫網(wǎng)絡調(diào)查問卷，得到有效問卷297 份。 受訪者中，男性占56.2 %, 女性占43.8%；85%的受訪者年齡在18～40 歲；月收入分布較為均勻；在受教育程度方面，大專及以上學歷占比達到72%，本科及以上學歷占比49%；職業(yè)主要為普通職員、企業(yè)管理者、學生和自由職業(yè)人員，占比達到72%。 該樣本結果能夠代表電動汽車分時租賃用戶群體。

2.3 信度和效度檢驗

為確保調(diào)查問卷及所回收數(shù)據(jù)的穩(wěn)定程度及可靠性，在進行數(shù)據(jù)分析之前對回收的樣本數(shù)據(jù)進行信度分析，其中成本意識的Cronbach’s Alpha 系數(shù)小于0.7，表示有些題項需要剔除。

本研究用AMOS 24.0 軟件進行驗證性因子分析(CFA)，各測量指標的因子載荷量如表3 所示。 可以看到F3 的值為0.489<0.5，將其剔除。因為環(huán)保意識和社交意識的指標中只有E1 和S3 小于0.7，若將其一起剔除，從表4 可以看出整體擬合效果顯著提高，故剔除E1，F(xiàn)3，S3 的值。

表3 樣本數(shù)據(jù)信度及效度檢驗Tab.3 Reliability and validity of sample data

表4 CFA 的整體擬合結果Tab.4 Results of CFA for global fit

3 數(shù)據(jù)分析

3.1 可行性分析

使用分層線性模型，需要建立零模型進行可行性分析。 其它子模型的建立都是基于零模型之上。零模型形式設定如下

Level-1 model:

Level-2 model:

從表5 可以看出，每個顧客評分的組內(nèi)變異為1.114，組間變異為0.671，算出的組內(nèi)相關系數(shù)值為0.375 9，代表顧客之間差異占總差異的30.59%，屬于高度關聯(lián)程度，組間差異無法忽略。 為了研究影響評分的因素，依次引入各層次的變量，建立不同的模型來考察租賃商產(chǎn)品屬性和顧客特征對租賃商產(chǎn)品吸引力的影響。

表5 零模型的參數(shù)估計與檢驗結果Tab.5 Parameter estimation and test results of unconditional model

根據(jù)Peugh 建議，需要對觀測值進行組均值中心化（Xij－Xj）和總均值中心化（Xij－X）處理。

3.2 協(xié)方差模型設計與結果分析

協(xié)方差模型主要考察租賃商層次的變量對評分（Y）的影響，它在空模型的基礎上，在Level-1 模型中引入產(chǎn)品屬性解釋變量：取車時間（T）、用車價格（C）、還車方式（R）。 建模如下

Level-1 model:

Level-2 model:

運用HLM 軟件進行分析， 表6 顯示2 個模型所估計出來的截距項相近，在固定效應的回歸系數(shù)方面，協(xié)方差模型的斜率均達到顯著水平。 第1 層誤差項的方差， 零模型為0.114， 而協(xié)方差模型為1.032。 相比較之下，協(xié)方差模型的數(shù)據(jù)匹配度要優(yōu)于零模型。

表6 零模型與協(xié)方差模型的比較Tab.6 Comparison of unconditional model and ANVOCA model

協(xié)方差模型的回歸結果顯示，價格是影響評分的主要因素，價格越高，評分越低。 便捷性對評分的影響不可忽視：找車時間越長，顧客給出的分值越低； 相比較于繳納調(diào)度費用在社會公共車位還車，人們更傾向于選擇商家網(wǎng)點還車這種方式。

3.3 截距模型設計與結果分析

截距模型假設沒有第1 層產(chǎn)品屬性的影響，僅從顧客特征解釋評分水平的差異。 模型如下

Level-1 model：

Level-2 model：

截距模型回歸結果見表7。 第2 層變量中職業(yè)的回歸系數(shù)為0.112， 表明自由職業(yè)者的人均評分要比無職業(yè)者（學生、退休人群等）的人均評分高，擁有一份全職工作的人群的人均評分比自由職業(yè)者的評分高。 用車經(jīng)驗的回歸系數(shù)為0.188，表明使用過分時租賃汽車的人群的人均評分要比未使用過的人群高。 環(huán)境意識等級每提高1 點，人均評分就會提高0.13 點；成本意識等級每提高1 點，人均評分就會提高0.22 點； 環(huán)境意識等級每提高1 點，人均評分就會提高0.29 點。 在顧客差異解釋后，其平均評分的殘差項方差由零模型的0.671 降為0.428，下降36.2%，意味著引入第2 層自變量對第1次層截距項的變異程度具有相當?shù)慕忉屃Α?/p>

表7 零模型與截距模型的比較Tab.7 Comparison of unconditional model and intercept model

3.4 情境模型和完整模型設計與結果分析

情境模型和完整模型可以共同考察租賃商產(chǎn)品屬性差異和顧客特征差異對評分水平的綜合影響，結果見表8。 情境模型設定如下

Level-1 model:

Level-2 model:

選用情境變量作為第2 層回歸模式的自變量，分析產(chǎn)品屬性、 顧客特征對評分水平的直接影響，同時考察跨層級自變量的交互作用對評分水平的影響。 完整模型設定如下

Level-1 model：

Level-2 model：

從表8 分析結果來看，在隨機效應方面，對比方差成分可以看出情境模型對于數(shù)據(jù)的解釋效力明顯好于協(xié)方差模型。 職業(yè)、用車經(jīng)驗、環(huán)保意識、成本意識、社交意識的效應顯著且明顯為正，說明它們可以解釋顧客評分水平的差異，并且和評分水平正相關。

表8 協(xié)方差模型、情境模型與完整模型的比較Tab.8 Comparison of ANVOCA , situation model and complete model

從完整模型與情境模型的比較來看，完整模型的組間方差下降了17.4%，組內(nèi)方差下降了22.9%，說明完整模型在所有模型中對信息消費水平最具解釋力。 另外，完整模型回歸結果也顯示職業(yè)、用車經(jīng)驗和還車方式之間存在明顯的跨層級交互作用。

4 結論

運用分層線性模型實證檢驗影響使用電動汽車分時租賃吸引力的產(chǎn)品屬性因素和顧客特征因素，進行了跨層級交互作用分析。

1） 對于使用過分時租賃車輛的人群來說，用車結束后，更傾向于選擇在商家網(wǎng)點還車這種方式；

2） 雖然需要收取調(diào)度費用，擁有一份全職工作的人群對于在社會公共車位還車這種方式仍表現(xiàn)出了使用需求；

3） 現(xiàn)階段使用電動汽車分時租賃不會給顧客在心理上造成額外的財務負擔，分時租賃已經(jīng)成為人們參與交際和娛樂的重要出行方式，并有著廣泛的市場需求。

參考文獻：（1）：131-135.

[3] 楊寶路，馮相昭.我國共享交通的現(xiàn)狀、問題分析與發(fā)展建議[J].環(huán)境保護，2017，45（24）：49-52.YANG B L，F(xiàn)ENG X Z.Present situation and development suggestions on shared traffic in China[J].Environmental Protection, 2017, 45(24): 49-52.

[4] 王保乾， 邵志穎.基于修正UTAUT 模型的共享電動汽車市場用戶意愿研究[J].軟科學，2018，32（11）：130-133.WANG B Q.SHAO Z Y.Research on users’ willingness of electric vehicle car-sharing market based on the modified UTAUT model[J].Soft Science，2018，32（11）：130-133.

[5] 趙敏，王善勇.電動汽車共享的使用意向研究[J].大連理工大學學報（社會科學版），2018，39（3）：32-38.ZHAO M，WANG S Y.Investigating the intention for electric vehicle sharing[J].Journal of Dalian University of Technology（Social Sciences），2018，39（3）：32-38.

[6] 劉向，董德存，王寧，等.基于Nested Logit 的電動汽車分時租賃選擇行為分析[J].同濟大學學報（自然科學版），2019，47（1）：47-55.LIU X，DONG D C，WANG N，et al.Analysis of choices of electric car sharing based on Nested Logit model[J].Journal of Tongji University（Natural Science），2019，47（1）：47-55.

[7] 楊耀坤，張博，沈萬霞.基于規(guī)?；妱榆嚪謺r租賃動態(tài)成本效益建模仿真[J].北京工業(yè)大學學報，2019，45（1）：74-80.YANG Y K，ZHANG B，SHEN W X.Dynamic cost benefit mathematical modeling and simulation based on large-scale electric vehicle car-sharing[J].Journal of Beijing University of Technology，2019，45（1）：74-80.

[8] 王寧，鄭文暉，劉向，等.基于用戶激勵的共享電動汽車調(diào)度成本優(yōu)化[J].同濟大學學報（自然科學版)，2018，46（12）：1668-1675.WANG N，ZHENG W H，LIU X，et al.Relocation cost optimization model of electric vehicle sharing based on user incentive[J].Journal of Tongji University（Natural Science），2018，46（12）：1668-1675.

[9] 李婷婷，吳建平.廣州花都區(qū)電動汽車共享服務仿真研究[J].系統(tǒng)仿真學報，2018，30（11）：4421-4428.LI T T，WU J P.Simulation study of EV sharing service in Huadu district Guangzhou[J].Journal of System Simulation，2018，30（11）：4421-4428.

[10] 韓煜東，劉偉.聯(lián)合分析法研究綜述與展望[J].管理現(xiàn)代化，2011，178（6）：29-31.HAN Y D，LIU W.Review and prospect of conjoint analysis[J].Modernization of Management，2011，178（6）：29-31.

[11] 王海峰，徐濟超，常廣庶.運用聯(lián)合分析確定在顧客滿意度調(diào)查中測量的服務屬性的相對重要性[J].工業(yè)工程與管理，2006（2）：78-82.WANG H F，XU J C，CHANG G S.Using conjoint analysis to determine the relative importance of service attributes in survey of customer satisfaction[J].Industrial Engineering and Management，2006（2）：78-82.

[12] 趙麗元，王書賢，韋佳伶.基于IC 卡數(shù)據(jù)的建成環(huán)境與公交出行率關系研究[J].交通運輸系統(tǒng)工程與信息，2019，19（4）：233-238.ZHAO L Y，WANG S X，WEI J L.Exploring the relationship between built environment and bus transit usage based on IC card data[J].Journal of Transportation Systems Engineering and Information Technology，2019，19（4）：233-238.

[13] 薛艷.基于分層線性模型的流動人口社會融合影響因素研究[J].人口與經(jīng)濟，2016，216（3）：62-72.XUE Y.A research on the factors affecting social integration of floating population based on hierarchical linear model[J].Population & Economics，2016，216（3）：62-72.

[14] PEUGH J L.A practical guide to multilevel modeling[J].Journal of School Psychology，2010，48（1）：85-112.

[15] HJORTESET M A，BOCKER L.Car sharing in norwegian urban areas：examining interest，intention and the decision to enrol[J].Transportation Research Part D：Transport and Environment，2020，84：102322.

[16] GLOBISCH J，PLOTZ P，DUTSCHKE E，et al.Consumer preferences for public charging infrastructure for electric vehicles[J].Transport Policy，2019，81：54-63.