網(wǎng)約車服務(wù)對(duì)城市傳統(tǒng)出租車使用的沖擊效應(yīng)*

鐘 軍 林 巖 吳 瑕 趙栩藤

（大連海事大學(xué)航運(yùn)經(jīng)濟(jì)與管理學(xué)院 遼寧 大連116026）

0 引 言

近年來(lái)，以互聯(lián)網(wǎng)平臺(tái)為依托，為乘客與司機(jī)提供出行供需服務(wù)的網(wǎng)約車服務(wù)呈現(xiàn)爆發(fā)式增長(zhǎng)態(tài)勢(shì)[1]。據(jù)中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）發(fā)布的2019年第43次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展統(tǒng)計(jì)報(bào)告》顯示，截至2018年12月，我國(guó)網(wǎng)絡(luò)預(yù)約專車和快車用戶達(dá)3.32億，同比增長(zhǎng)40.9%[2]。

網(wǎng)約車服務(wù)的快速增長(zhǎng)正改變著人們的出行方式，其對(duì)原有出行方式有何沖擊備受城市交通政策制定者關(guān)注。對(duì)該問(wèn)題的研究可以為交通管理部門出臺(tái)相關(guān)政策提供參考。

我國(guó)傳統(tǒng)出租車行業(yè)收費(fèi)高、乘客“打車難”、司機(jī)服務(wù)態(tài)度差等問(wèn)題一直存在[3]。與傳統(tǒng)出租車相比，網(wǎng)約車具有價(jià)格、便利性、舒適性、車輛利用率等方面的優(yōu)勢(shì)[4]。網(wǎng)約車服務(wù)進(jìn)入城市會(huì)吸收傳統(tǒng)出租車客源，很可能對(duì)傳統(tǒng)出租車使用產(chǎn)生沖擊。如果網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用產(chǎn)生較大的沖擊，將影響傳統(tǒng)出租車市場(chǎng)份額，改變城市出行的格局，對(duì)城市交通管理提出新課題。因此，網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的沖擊效是重要的研究議題。

雖然網(wǎng)約車服務(wù)進(jìn)入城市已經(jīng)顯現(xiàn)出對(duì)出租車行業(yè)具有較大沖擊，甚至引發(fā)社會(huì)矛盾，但有關(guān)網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用量的沖擊，還缺乏系統(tǒng)深入的實(shí)證研究。已有研究大多以單個(gè)城市為樣本[5-6]，不能獲得普適性的、規(guī)律性的結(jié)論。探索中國(guó)城市中網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用量的沖擊規(guī)律和特征很有意義，研究結(jié)果可以明晰網(wǎng)約車對(duì)傳統(tǒng)出租車的影響程度，幫助主管部門因地制宜、因時(shí)制宜地制定網(wǎng)約車規(guī)制。

筆者收集2010—2016年中國(guó)33個(gè)地級(jí)及以上行政級(jí)別城市的面板數(shù)據(jù)以估計(jì)網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的沖擊效應(yīng)。主要研究3個(gè)問(wèn)題：①?gòu)目傮w上探究網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用量的沖擊程度；②網(wǎng)約車服務(wù)進(jìn)入城市后對(duì)傳統(tǒng)出租車使用量的沖擊隨時(shí)間的動(dòng)態(tài)變化規(guī)律；③網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用量的沖擊效應(yīng)隨城市規(guī)模和城市區(qū)位的異質(zhì)性規(guī)律。

網(wǎng)約車服務(wù)進(jìn)入我國(guó)主要城市的時(shí)間不同，這為研究團(tuán)隊(duì)設(shè)計(jì)自然實(shí)驗(yàn)、采用嚴(yán)謹(jǐn)?shù)挠?jì)量方法實(shí)證分析網(wǎng)約車服務(wù)與傳統(tǒng)出租車使用之間的因果關(guān)系創(chuàng)造了條件。借助網(wǎng)約車服務(wù)進(jìn)入不同城市的時(shí)間不同，審慎地設(shè)計(jì)自然實(shí)驗(yàn)，采用雙重差分法，通過(guò)因果檢驗(yàn)和穩(wěn)健性檢驗(yàn)，揭示了網(wǎng)約車服務(wù)的進(jìn)入對(duì)傳統(tǒng)出租車使用的沖擊程度和沖擊規(guī)律。

1 文獻(xiàn)綜述

1.1 網(wǎng)約車服務(wù)對(duì)城市出行的沖擊效應(yīng)

自從Uber和滴滴出行等網(wǎng)約車服務(wù)誕生以后，許多研究文獻(xiàn)圍繞網(wǎng)約車服務(wù)對(duì)城市出行的沖擊效應(yīng)展開(kāi)。其中，網(wǎng)約車服務(wù)對(duì)城市私家車、公交和傳統(tǒng)出租車使用的沖擊效應(yīng)最受關(guān)注，引起了廣泛的討論。

Ward等[7]估計(jì)了2005—2015年期間Uber或Lyft進(jìn)入美國(guó)城市對(duì)當(dāng)?shù)厝司郊臆嚀碛辛考笆褂玫臎_擊效應(yīng)，結(jié)果顯示：Uber或Lyft的進(jìn)入使美國(guó)城市人均私家車擁有量及使用下降了3%。然而，宋緒揚(yáng)等[8]對(duì)威海市1個(gè)交叉路口進(jìn)行觀察，并通過(guò)實(shí)驗(yàn)證明網(wǎng)約車進(jìn)入城市并沒(méi)有減少私家車使用，反而在一定程度上增加了對(duì)私家車的使用。Rayle等[9]發(fā)現(xiàn)：網(wǎng)約車服務(wù)在美國(guó)城市具有填補(bǔ)公交空白地區(qū)的作用。但是鐘軍等[10]發(fā)現(xiàn)：網(wǎng)約車服務(wù)可致使中國(guó)城市的公交客運(yùn)量平均下降11.7%。

普遍的觀點(diǎn)認(rèn)為，網(wǎng)約車服務(wù)進(jìn)入城市后對(duì)當(dāng)?shù)貍鹘y(tǒng)出租車行業(yè)會(huì)產(chǎn)生負(fù)向沖擊。Berger等[11]發(fā)現(xiàn)：Uber進(jìn)入城市使當(dāng)?shù)貍鹘y(tǒng)出租車司機(jī)的收入下降了10%左右。Contreras等[12]使用多模態(tài)時(shí)間序列方法估計(jì)了拉斯維加斯地區(qū)網(wǎng)約車對(duì)傳統(tǒng)出租車載客量的沖擊效應(yīng)，結(jié)果表明：前者對(duì)后者有顯著的負(fù)向沖擊。

但是，也有學(xué)者發(fā)現(xiàn)網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車行業(yè)具有促進(jìn)作用。Kim等[6]采用時(shí)間序列回歸模型分析發(fā)現(xiàn)：Uber進(jìn)入紐約以后，傳統(tǒng)出租車出行的次數(shù)增加了1.82%，車輛利用率增加了0.87%，司機(jī)的收入也顯著增加。

1.2 理性選擇理論

理性選擇理論是1種經(jīng)典的行為決策理論，不少學(xué)者將其用于分析出行者在出行方式選擇過(guò)程中的決策行為[13-14]。出行者在選擇出行方式時(shí)通常會(huì)進(jìn)行成本-收益分析[15]，而后做出理性決策。其中，成本主要包括價(jià)格成本、時(shí)間成本、機(jī)會(huì)成本；收益主要包括出行便利性、舒適度、安全性、到達(dá)指定目的地[16]。

在網(wǎng)約車平臺(tái)盛行的大背景下，可以為乘客提供“點(diǎn)對(duì)點(diǎn)”服務(wù)的網(wǎng)約車勢(shì)必會(huì)成為人們?nèi)粘Ｉ钪?種重要的出行方式。那么，出行者將會(huì)在網(wǎng)約車服務(wù)和傳統(tǒng)出租車2種功能極為類似的交通工具之間如何做選擇？出行者將主要從成本（比如，時(shí)間成本、價(jià)格）與所選方案的收益（便捷性、舒適性、安全性、達(dá)到指定目的地）進(jìn)行權(quán)衡，而后做出理性決策[17-18]。

從以上文獻(xiàn)綜述可以發(fā)現(xiàn)：網(wǎng)約車服務(wù)顯著沖擊了傳統(tǒng)出租車使用。然而，這個(gè)領(lǐng)域的研究還不成熟，且對(duì)不同情境進(jìn)行異質(zhì)性分析在先前的文獻(xiàn)中極少受到關(guān)注，且尚未有研究分析網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的沖擊規(guī)律。本文實(shí)證分析了網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的沖擊效應(yīng)和沖擊規(guī)律，及對(duì)不同規(guī)模等級(jí)城市和不同區(qū)位城市中傳統(tǒng)出租車使用沖擊的異質(zhì)性效應(yīng)。

2 實(shí)證檢驗(yàn)設(shè)計(jì)

2.1 自然實(shí)驗(yàn)和模型構(gòu)建

在我國(guó)網(wǎng)約車平臺(tái)的成長(zhǎng)階段，Uber和滴滴出行都是行業(yè)的中堅(jiān)力量，2016年它們合并，且占據(jù)了網(wǎng)約車行業(yè)高達(dá)90%的份額[19]。因此，本文以它們進(jìn)入中國(guó)城市指代網(wǎng)約車服務(wù)進(jìn)入城市，不會(huì)造成明顯的樣本選取誤差。雖然在2014年之前，也有一些網(wǎng)約車服務(wù)在中國(guó)城市中運(yùn)營(yíng)，但是它們規(guī)模太小，不會(huì)對(duì)城市交通造成明顯的影響。

2014年是中國(guó)網(wǎng)約車服務(wù)的重要年份。在這一年，Uber進(jìn)入北京、上海、廣州、深圳、杭州、成都、重慶7個(gè)城市，滴滴出行也在這一年開(kāi)始在北京大規(guī)模推廣。以此為標(biāo)志，網(wǎng)約車服務(wù)開(kāi)始在中國(guó)城市中迅速發(fā)展。2014年是我國(guó)網(wǎng)約車服務(wù)行業(yè)爆發(fā)的年份，在該年，我國(guó)網(wǎng)約車用戶規(guī)模由2013年的0.32億人增至2.11億人[20]。2015年和2016年Uber和滴滴出行繼續(xù)向中國(guó)的其它城市推廣。

由于Uber和滴滴出行進(jìn)入中國(guó)城市的時(shí)間不同，可以將網(wǎng)約車服務(wù)進(jìn)入城市視為1次“準(zhǔn)自然實(shí)驗(yàn)”。我們將2010—2016年設(shè)定為實(shí)驗(yàn)研究的時(shí)間范圍。在2014年，中國(guó)只有以上7個(gè)城市有規(guī)模性的網(wǎng)約車服務(wù)進(jìn)入，把它們納入處理組。將整個(gè)實(shí)驗(yàn)研究期間無(wú)規(guī)模性的網(wǎng)約車服務(wù)進(jìn)入的26個(gè)城市納入控制組。然后，使用雙重差分法實(shí)證分析網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的沖擊效應(yīng)。所建模型見(jiàn)式（1）。

式中：i為城市；t為時(shí)間，年份；lntrit為城市i在第t年的傳統(tǒng)出租車客運(yùn)量對(duì)數(shù)值，萬(wàn)人·次，以傳統(tǒng)出租車客運(yùn)量表示傳統(tǒng)出租車使用狀況；treat i為分組啞變量，如果城市i屬于處理組，那么treat i賦值1，否則賦值0；timet為時(shí)間啞變量，賦值1表示網(wǎng)約車服務(wù)進(jìn)入城市后，賦值0表示網(wǎng)約車服務(wù)進(jìn)入城市前；系數(shù)α3為網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的平均效應(yīng)，若α3的系數(shù)顯著為負(fù)，表明網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用具有顯著的負(fù)向沖擊；control it為一系列隨城市和時(shí)間變化的控制變量集合；δi為不隨時(shí)間變化的城市固定效應(yīng)；θt為不隨城市變化的時(shí)間固定效應(yīng)；εit為誤差項(xiàng)。

2.2 控制變量

為消除潛在不可觀測(cè)因素影響傳統(tǒng)出租車使用，本文控制了可能與傳統(tǒng)出租車使用相關(guān)的交通、人口、就業(yè)、收入、通信等指標(biāo)。具體包括傳統(tǒng)出租車數(shù)量（單位：veh）、私家車數(shù)量（單位：veh）、公交客運(yùn)量（單位：萬(wàn)人·次）、地鐵客運(yùn)量（單位：億人·次）、人口密度（單位：人/km2）、城鎮(zhèn)單位就業(yè)人數(shù)（單位：萬(wàn)人）、職工平均工資（單位：元）、城市移動(dòng)電話數(shù)（單位：萬(wàn)戶）。為減少因變量與控制變量的偏倚性、消除控制變量間的多重共線性，我們對(duì)除地鐵客運(yùn)量之外的所有控制變量進(jìn)行了對(duì)數(shù)處理。本文所用數(shù)據(jù)均從EPS數(shù)據(jù)庫(kù)獲取，具體數(shù)據(jù)來(lái)源于各年度《中國(guó)城市統(tǒng)計(jì)年鑒》和《中國(guó)省市經(jīng)濟(jì)發(fā)展年鑒》，少量缺失數(shù)據(jù)采用插值法補(bǔ)齊，且所有數(shù)據(jù)為年度數(shù)據(jù)。各相關(guān)變量的定義和描述性統(tǒng)計(jì)見(jiàn)表1，其中標(biāo)*處為取對(duì)數(shù)之前的單位。

表1 各相關(guān)變量的定義和描述性統(tǒng)計(jì)Tab.1 Definition and descriptive statistics of related variables

3 網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的平均效應(yīng)

根據(jù)式（1），以傳統(tǒng)出租車客運(yùn)量對(duì)數(shù)lntrit作為因變量進(jìn)行實(shí)證分析，所得結(jié)果見(jiàn)表2。從表2第（1）列和第（2）列可以發(fā)現(xiàn)，無(wú)論是否添加控制變量，交互項(xiàng)DID（time×treat）的系數(shù)都為負(fù)，其大小分別為0.301 7和0.254 6，且分別在1%水平和5%水平上顯著。其中，表2第（2）列是控制了城市之間由于交通、人口、就業(yè)、收入、通訊等方面差異而造成的沖擊。因此，可以得出網(wǎng)約車服務(wù)進(jìn)入城市后，致使傳統(tǒng)出租車使用平均減少了25.46%的結(jié)論。

此外，第（2）列回歸結(jié)果中，ln nt，ln ne，ln nmp，ln pd的系數(shù)均顯著為正。城市出租車數(shù)量越多，使用出租車出行的人數(shù)越多；人們處于就業(yè)狀況時(shí)，通常經(jīng)濟(jì)狀態(tài)良好，因此，城市就業(yè)人數(shù)越多，使用出租車出行的人數(shù)會(huì)越多；城市移動(dòng)電話數(shù)越多，城市信息化和現(xiàn)代化程度相對(duì)較高，城市相對(duì)發(fā)達(dá)，使用出租車出行的人數(shù)越多；城市人口密度越大，乘坐出租車出行的人數(shù)會(huì)越多。ln npc，ln ptr，mr的系數(shù)均顯著為負(fù)。表明私家車、公交及地鐵均會(huì)與出租車使用形成競(jìng)爭(zhēng)效應(yīng)。綜上所述，主要控制變量顯著且符合預(yù)期，這在一定程度上說(shuō)明了所建模型的合理性。

表2 網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的平均效應(yīng)Tab.2 Average effect of the ride-hailing service on using traditional taxis

4 網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的動(dòng)態(tài)效應(yīng)

表3 中所得結(jié)果是網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的平均效應(yīng)，接下來(lái)采用模型（2）實(shí)證分析網(wǎng)約車服務(wù)在進(jìn)入城市之后，對(duì)傳統(tǒng)出租車使用沖擊的持續(xù)效應(yīng)。

模 型（2）與 模 型（1）的 不 同 之 處 在 于：是網(wǎng)約車服務(wù)進(jìn)入之后第after年的交互項(xiàng)虛擬變量。after=1為網(wǎng)約車服務(wù)進(jìn)入城市之后的第1年，即2015年；after=2為網(wǎng)約車服務(wù)進(jìn)入城市之后的第2年，即2016年。αafter估計(jì)了網(wǎng)約車服務(wù)進(jìn)入城市之后第after年對(duì)傳統(tǒng)出租車使用的沖擊效應(yīng)。估計(jì)結(jié)果見(jiàn)表3。

表3 網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的動(dòng)態(tài)效應(yīng)Tab.3 Dynamic effect of the ride-hailing service on using traditional taxis

從以上研究結(jié)果可以看出，網(wǎng)約車服務(wù)進(jìn)入城市顯著沖擊了傳統(tǒng)出租車使用。網(wǎng)約車服務(wù)作為1種便捷、靈活的出行方式，對(duì)城市傳統(tǒng)出租車行業(yè)沖擊較大。在樣本城市中，網(wǎng)約車服務(wù)進(jìn)入城市之后的2年中，傳統(tǒng)出租車使用減少了25%～28%。

5 穩(wěn)健性檢驗(yàn)

為了保證回歸結(jié)果的可靠性，本文做了以下檢驗(yàn)。

5.1 平行趨勢(shì)假設(shè)檢驗(yàn)

本文采用雙重差分法估計(jì)網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的沖擊效應(yīng)，而使用這種方法的前提條件是，若沒(méi)有網(wǎng)約車服務(wù)進(jìn)入處理組城市，則處理組城市和控制組城市的傳統(tǒng)出租車客運(yùn)量隨時(shí)間變化應(yīng)滿足平行趨勢(shì)假設(shè)，也就是說(shuō)，處理組城市和控制組城市的傳統(tǒng)出租車客運(yùn)量之間的差值不發(fā)生顯著改變。為此，采用模型（3）估計(jì)網(wǎng)約車服務(wù)在進(jìn)入城市之前，處理組城市和控制組城市的傳統(tǒng)出租車使用之差是否有顯著改變。倘若回歸結(jié)果顯著，則表明網(wǎng)約車服務(wù)進(jìn)入城市之前，處理組城市和控制組城市的傳統(tǒng)出租車使用之差已發(fā)生明顯改變，那么所得回歸結(jié)果不可靠。

表4 平行趨勢(shì)檢驗(yàn)Tab.4 Test for the parallel trend

從表4可以看出，time-1×treat、time-2×treat、time-3×treat的回歸系數(shù)都不具有統(tǒng)計(jì)顯著性，表明網(wǎng)約車服務(wù)進(jìn)入前，處理組城市和控制組城市的傳統(tǒng)出租車使用之差不發(fā)生顯著變化，也就是說(shuō)，本文采用雙重差分法估計(jì)網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的沖擊效應(yīng)是有效的。

5.2 基于PSM-DID的穩(wěn)健性檢驗(yàn)

實(shí)驗(yàn)組城市均為大城市，但對(duì)照組城市主要為中小城市，這可能產(chǎn)生樣本選擇偏誤。因此，采用傾向得分匹配與雙重差分法相結(jié)合的PSM-DID方法，對(duì)單純的雙重差分法所得結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)。

基于PSM處理之后的處理組與控制組，實(shí)證分析網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的沖擊效應(yīng)，旨在檢驗(yàn)PSM之前網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的沖擊效應(yīng)。檢驗(yàn)結(jié)果見(jiàn)表5。

表5 基于PSM-DID的穩(wěn)健性檢驗(yàn)Tab.5 Robustness test based on PSM-DID

從表5第（1）和（2）列可以發(fā)現(xiàn)：不管是否加入控制變量，交互項(xiàng)time×treat的系數(shù)都顯著為負(fù)，所得結(jié)果與表2中的回歸結(jié)果無(wú)本質(zhì)差異，說(shuō)明網(wǎng)約車服務(wù)進(jìn)入處理組城市后確實(shí)顯著沖擊了傳統(tǒng)出租車的使用。

5.3 控制變量滯后1期

考慮到網(wǎng)約車服務(wù)進(jìn)入城市和本文所用控制變量之間可能存在著相互影響關(guān)系，為盡量減少模型的內(nèi)生性，參考先前文獻(xiàn)的做法[14]，把所有控制變量均滯后1期，再一次回歸，回歸所得結(jié)果見(jiàn)表6。從表6可以發(fā)現(xiàn)，回歸結(jié)果的系數(shù)大小、符號(hào)及顯著性與表2第（2）列的回歸結(jié)果相比，無(wú)本質(zhì)差異。

表6 控制變量均滯后1期Tab.6 Control variables lagging by one period

6 城市規(guī)模等級(jí)異質(zhì)性

本文的實(shí)證分析結(jié)果發(fā)現(xiàn)，網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用會(huì)產(chǎn)生負(fù)向沖擊，那么這種負(fù)向沖擊是否會(huì)因城市規(guī)模等級(jí)的不同而表現(xiàn)出異質(zhì)性？依據(jù)《關(guān)于調(diào)整城市規(guī)模劃分標(biāo)準(zhǔn)的通知》對(duì)樣本城市進(jìn)行劃分，北京、上海、廣州、深圳4個(gè)處理組城市劃分為超大城市，杭州、成都、重慶3個(gè)處理組城市劃分為大城市。然后，分別進(jìn)行回歸，回歸結(jié)果見(jiàn)表7。

表8 城市區(qū)位異質(zhì)性分析Tab.8 Analysis of urban location heterogeneity

表7 基于城市規(guī)模異質(zhì)性的分析Tab.7 Analysis of urban scale heterogeneity

從表7可以發(fā)現(xiàn)，大城市和超大城市的網(wǎng)約車服務(wù)都對(duì)傳統(tǒng)出租車使用產(chǎn)生顯著的負(fù)向沖擊，且超大城市中網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的負(fù)向沖擊更大，顯著性更強(qiáng)。具體而言，網(wǎng)約車服務(wù)致使超大城市傳統(tǒng)出租車使用減少了28.68%，致使大城市傳統(tǒng)出租車使用減少了22.12%。

7 城市區(qū)位異質(zhì)性

我國(guó)城市區(qū)域經(jīng)濟(jì)發(fā)展不平衡，東部城市人均GDP普遍較西部城市高，經(jīng)濟(jì)活力更強(qiáng)。是否東部城市和西部城市的網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的沖擊呈現(xiàn)出明顯的區(qū)域差異？實(shí)驗(yàn)組城市北京、上海、廣州、深圳、杭州劃分為東部城市，成都、重慶劃分為西部城市。然后，分別進(jìn)行回歸，回歸結(jié)果見(jiàn)表8。

從表8可以看出，網(wǎng)約車服務(wù)對(duì)東部城市和西部城市的傳統(tǒng)出租車使用均產(chǎn)生顯著的負(fù)向沖擊，但對(duì)東部城市傳統(tǒng)出租車使用的負(fù)向沖擊更大。具體而言，網(wǎng)約車服務(wù)使東部城市傳統(tǒng)出租車使用減少了27.96%，使西部城市傳統(tǒng)出租車使用減少了21.2%。這一研究結(jié)論證實(shí)了網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的沖擊存在明顯的區(qū)域差異。

8 討 論

網(wǎng)約車服務(wù)的進(jìn)入顯著減少了傳統(tǒng)出租車使用。網(wǎng)約車服務(wù)進(jìn)入城市后，居民多了1種交通出行工具，基于理性選擇理論，出行者在網(wǎng)約車服務(wù)與傳統(tǒng)出租車之間做選擇時(shí)會(huì)進(jìn)行成本（時(shí)間、價(jià)格）與收益（便捷性、舒適度、安全性）分析。與傳統(tǒng)出租車相比，網(wǎng)約車的價(jià)格相對(duì)較低，更方便，且等車時(shí)間更短[21]。Rayle等的研究表明：“等車時(shí)間短”是出行者選擇網(wǎng)約車服務(wù)的主要原因，他們發(fā)現(xiàn)網(wǎng)約車服務(wù)的總等車時(shí)間不僅更短，而且不隨時(shí)間段、城市位置等因素而發(fā)生大的變化[9]，網(wǎng)約車有著較為明顯的優(yōu)勢(shì)，當(dāng)網(wǎng)約車服務(wù)進(jìn)入城市的時(shí)候，許多出行者會(huì)選擇網(wǎng)約車出行。

2015年時(shí)，網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的負(fù)向沖擊比2014年大，到2016年時(shí)，這種負(fù)向沖擊有所降低。這與網(wǎng)約車服務(wù)的發(fā)展策略和發(fā)展歷程有關(guān)。Uber和滴滴出行在前期推廣過(guò)程中為了開(kāi)拓市場(chǎng)，對(duì)司機(jī)與乘客進(jìn)行補(bǔ)貼，這在一定程度上改變了市民的出行方式，吸收了傳統(tǒng)出租車客源。在2015年，Uber與滴滴出行打“價(jià)格戰(zhàn)”[22]，其對(duì)乘客和司機(jī)提供了高額補(bǔ)貼。2016年時(shí)，Uber與滴滴出行合并[19]，高額補(bǔ)貼被取消。當(dāng)平臺(tái)提供高額補(bǔ)貼時(shí)，市民選擇網(wǎng)約車出行的價(jià)格更低，網(wǎng)約車出行的優(yōu)勢(shì)更加明顯，網(wǎng)約車服務(wù)可以吸收更多的出租車客源，網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的負(fù)向沖擊更大。當(dāng)平臺(tái)的高額補(bǔ)貼取消時(shí)，網(wǎng)約車服務(wù)相對(duì)于傳統(tǒng)出租車的價(jià)格優(yōu)勢(shì)已不再明顯，部分出行者可能由于出租車更正規(guī)、更安全等原因，又選擇回到原有的出行方式，網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的負(fù)向沖擊有所減弱。

從上面的分析可以得到重要的啟示：網(wǎng)約車的價(jià)格對(duì)市民選擇網(wǎng)約車服務(wù)是非常重要的因素，在網(wǎng)約車出行保持便捷、等車時(shí)間短等優(yōu)勢(shì)時(shí)，其價(jià)格的變化對(duì)市民選擇網(wǎng)約車服務(wù)是1種不可忽視的敏感因素。當(dāng)網(wǎng)約車出行價(jià)格變低時(shí)，網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的沖擊程度變大；當(dāng)網(wǎng)約車出行的價(jià)格變高時(shí)，網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的沖擊程度變小。

網(wǎng)約車服務(wù)對(duì)超大型城市中傳統(tǒng)出租車使用的負(fù)向沖擊更大。通常而言，城市規(guī)模越大，人口越多，市民對(duì)出行方式的要求更加多樣化，出行目的也越多樣化，越有可能使用網(wǎng)約車服務(wù)。與一般大城市相比，超大城市中人口更多，基于不同出行目的（比如，商業(yè)社交和娛樂(lè)社交）的人越多，使用不同交通出行工具的人也越多，網(wǎng)約車服務(wù)對(duì)超大城市中傳統(tǒng)出租車使用的負(fù)向沖擊更大。

網(wǎng)約車服務(wù)對(duì)東部城市中傳統(tǒng)出租車使用的負(fù)向沖擊更大。與西部城市相比，東部城市經(jīng)濟(jì)發(fā)達(dá)，經(jīng)濟(jì)活力高，城市人均收入高，信息化和現(xiàn)代化程度更高，城市年輕指數(shù)更高[23]，城市中富有的人更多、年輕人更多、使用信息化設(shè)備（移動(dòng)手機(jī)）的人更多，因此，東部城市中網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的負(fù)向沖擊更大。

筆者研究工作與以往的研究文獻(xiàn)不同之處主要在于以下3點(diǎn)。

1）對(duì)網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的沖擊效應(yīng)做了系統(tǒng)分析，歸納出總的規(guī)律。研究結(jié)論支持Contreras等[12]的觀點(diǎn)；并沒(méi)有發(fā)現(xiàn)網(wǎng)約車與傳統(tǒng)出租車使用具有互補(bǔ)關(guān)系，即不支持Kim等[6]的觀點(diǎn)。在中國(guó)城市中，網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用主要起負(fù)向沖擊作用。

2）研究了網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車沖擊的動(dòng)態(tài)效應(yīng)；探明了網(wǎng)約車服務(wù)網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用量的沖擊效應(yīng)隨城市規(guī)模和城市區(qū)位的異質(zhì)性；揭示了網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用沖擊的規(guī)律和特征。

3）注重理論分析與實(shí)證研究相結(jié)合，使用理性選擇理論深入分析出行者在網(wǎng)約車服務(wù)與傳統(tǒng)出租車之間做選擇的原因。

9 結(jié)束語(yǔ)

本研究基于2010—2016年中國(guó)33個(gè)地級(jí)及以上行政級(jí)別城市的面板數(shù)據(jù)，采用雙重差分法（DID）估計(jì)了網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的沖擊效應(yīng)。主要研究結(jié)論如下：網(wǎng)約車服務(wù)會(huì)對(duì)傳統(tǒng)出租車使用產(chǎn)生顯著的負(fù)向沖擊；動(dòng)態(tài)效應(yīng)分析表明網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的沖擊效應(yīng)呈現(xiàn)出先加強(qiáng)后變?nèi)醯内厔?shì)；城市人口規(guī)模異質(zhì)性分析表明網(wǎng)約車服務(wù)對(duì)超大城市中傳統(tǒng)出租車使用的負(fù)向沖擊更大且顯著性更強(qiáng)；城市區(qū)位異質(zhì)性分析表明網(wǎng)約車服務(wù)對(duì)東部城市中傳統(tǒng)出租車使用的負(fù)向沖擊更大。本文的研究只分析了網(wǎng)約車服務(wù)對(duì)傳統(tǒng)出租車使用的沖擊效應(yīng)，后續(xù)的研究可以系統(tǒng)分析網(wǎng)約車服務(wù)對(duì)多種城市出行方式的沖擊，從而系統(tǒng)全面、深層次地分析網(wǎng)約車服務(wù)對(duì)城市出行的沖擊效應(yīng)。