基于心理潛變量的網(wǎng)約車出行行為模型

■馬子嶸

（1.福建省交通科研院有限公司，福州 350004；2.近海公路建設(shè)與養(yǎng)護(hù)新材料技術(shù)應(yīng)用交通運(yùn)輸行業(yè)研發(fā)中心，福州 350004）

隨著“互聯(lián)網(wǎng)+出行”的愈演愈烈，以滴滴出行、T3 出行和曹操出行等為典型代表的網(wǎng)約車出行行業(yè)得到了迅速發(fā)展。 網(wǎng)約車出行模式作為通過手機(jī)等智能終端平臺(tái)放大化的一種共乘模式，打破了傳統(tǒng)巡游出租行業(yè)邏輯，賦予了城市共乘交通模式新價(jià)值，符合國(guó)家深化供給側(cè)改革的方向。 網(wǎng)約車模式帶有典型的共享經(jīng)濟(jì)特征，與傳統(tǒng)巡游出租車對(duì)比，具備匹配精確化、供給靈活化、交易數(shù)字化等特點(diǎn)， 既能夠解決經(jīng)濟(jì)高速發(fā)展過程中過度投資、產(chǎn)能過剩、重復(fù)購買等問題，又能夠?qū)^量閑置的汽車資源進(jìn)行重新配置，緩解了傳統(tǒng)巡游出租車模式易出現(xiàn)的供給需求不對(duì)等問題，滿足了乘客用車需求，因此受到了廣泛歡迎。 開展網(wǎng)約車出行行為分析有助于構(gòu)建城市交通運(yùn)輸行業(yè)的可持續(xù)發(fā)展，并為網(wǎng)約車相關(guān)管理部門的政策制定提供參考依據(jù)。

在出行行為分析上，姜雨等[1]借助合肥市居民出行數(shù)據(jù)，對(duì)出行起訖點(diǎn)進(jìn)行空間分析，提出交通小區(qū)分段抽樣法，構(gòu)建出行聯(lián)合模型，結(jié)果表明該模式適用性優(yōu)于傳統(tǒng)出行重力模型；徐婷等[2]基于北京部分區(qū)域出行原始數(shù)據(jù)， 以汽車和公交出行的效用函數(shù)差值構(gòu)建出新函數(shù)， 揭示了出行時(shí)間比、成本比與方式選擇之間的關(guān)系；Joachim[3]通過聚類回歸分析性別差異、 私家車擁有數(shù)等出行參數(shù)對(duì)于出行者出行選擇的影響。 目前在出行方式選擇中應(yīng)用最廣泛的模型仍為最大期望效用理論， 即以出行行為參數(shù)和乘客自身屬性作為期望函數(shù)的解釋變量， 并認(rèn)為出行群體具有 “完全理性”特點(diǎn)，即假設(shè)出行者總是客觀地選取期望值最大的出行策略。

部分學(xué)者開始著手研究出行者的心理因素對(duì)于出行選擇的影響，試圖擺脫“完全理性”出行的局限性。 Fujii 等[4]利用實(shí)驗(yàn)闡明了出行結(jié)構(gòu)變化是否會(huì)促進(jìn)出行者更多地選擇公交出行方式，通過給予實(shí)驗(yàn)組一張為期一個(gè)月的免費(fèi)公交車票，而對(duì)照組不作改變，在實(shí)驗(yàn)結(jié)束后的跟蹤調(diào)研中得出，實(shí)驗(yàn)組明顯更傾向于選擇公交出行，使用私家車的出行頻率也開始逐步降低，表明出行心理習(xí)慣改變能夠有效改變出行結(jié)構(gòu)。 Maya 等[5]通過出行方式切換實(shí)驗(yàn)證明對(duì)出行成本敏感度較高的出行者更易轉(zhuǎn)向公交出行，表明了出行者心理變量差異將會(huì)切實(shí)影響交通出行結(jié)構(gòu)的優(yōu)化調(diào)整。

現(xiàn)有研究較少對(duì)網(wǎng)約車出行選擇行為模式的探討，同時(shí)缺乏通過定量研究以刻畫心理因素對(duì)網(wǎng)約車出行行為的內(nèi)在關(guān)聯(lián)，也難以分析不同出行者的心理因素對(duì)網(wǎng)約車出行選擇結(jié)果的作用大小。 本文在計(jì)劃行為理論基礎(chǔ)上提出基于心理潛變量的網(wǎng)約車出行行為模型，以期為網(wǎng)約車出行選擇行為研究提供一個(gè)新思路。

1 研究方法

1.1 計(jì)劃行為理論

計(jì)劃行為理論 （Theory of Planned Behavior，TPB）是指以期望效用理論作為基礎(chǔ)，通過信息加工的視角來闡明個(gè)體行為意向的一般決策過程。 TPB理論認(rèn)為個(gè)人的人格特質(zhì)等外在屬性決定個(gè)人行為態(tài)度（Attitude towards the Behavior，ATB）、主觀規(guī)范（Subjective Norm，SN）和知覺行為控制（Perceptual Behavioral Control，PBC），且三者之間存在相互影響的關(guān)系[6]，如圖1 所示。 TPB 理論在交通行為學(xué)領(lǐng)域中目前主要應(yīng)用于交通安全分析[7]、侵犯駕駛行為[8]等。

圖1 計(jì)劃行為理論模型

出行者是否選取網(wǎng)約車作為出行方式受到多種因素影響，如城市經(jīng)濟(jì)水平、政策法規(guī)、出行特性等因素，此外，在很大程度上還受到出行者自身心理因素的影響。 根據(jù)TPB 理論，個(gè)體的選擇一般由心理需要控制，因此TPB 理論能夠?yàn)榫W(wǎng)約車出行選擇行為作出合理解釋，并表現(xiàn)出較強(qiáng)適配性，通過將出行者的心理因素納入考量，能夠更加科學(xué)地解釋和預(yù)測(cè)出行者所作出的出行選擇行為。

1.2 網(wǎng)約車出行選擇行為模型

結(jié)合TPB 理論，通過構(gòu)建基于心理潛變量的結(jié)構(gòu)方程模型，以定量刻畫出行者的心理因素對(duì)于網(wǎng)約車出行選擇行為的影響。 由圖2 可知，ATB、SN和PBC 為外衍潛變量，網(wǎng)約車出行選擇行為意向?yàn)閮?nèi)生潛變量；X1～X11和Y1～Y3分別為ξ1～ξ11和η1～η3的直接觀測(cè)指標(biāo) （即測(cè)量顯變量）， ξ1～ξ11和η1～η3為相應(yīng)的潛變量因子，η4為除η1～η3外能夠直接影響到網(wǎng)約車出行選擇行為意向的潛變量因子；單向箭頭表示因果關(guān)系，即ATB、SN 和PBC 能夠直接影響網(wǎng)約車出行選擇行為意向；雙向箭頭代表潛變量之間存在相關(guān)關(guān)系，即ATB、SN 和PBC 3 個(gè)外衍潛變量互相影響。

圖2 網(wǎng)約車出行選擇行為模型

基于顯變量X、Y 與潛變量ξ、η 間的關(guān)聯(lián)性刻畫測(cè)量模型，基于潛變量ξ 與η 之間的關(guān)聯(lián)性刻畫結(jié)構(gòu)模型。

（1）測(cè)量模型

式中：X 表示外衍顯變量向量，由11 個(gè)自變量測(cè)量值構(gòu)成，ΛX為X 對(duì)于ξ 的因子載荷矩陣；Y 表示內(nèi)生顯變量向量， 由3 個(gè)因變量測(cè)量值構(gòu)成，ΛY為Y 對(duì)于η 的因子載荷矩陣；δ 和ε 為分別為X 和Y 的測(cè)量誤差向量。

（2）結(jié)構(gòu)模型

結(jié)構(gòu)模型能夠切實(shí)說明各個(gè)潛變量間的因果關(guān)系，其表達(dá)式如下：

式中：B 為η 的系數(shù)矩陣， 表示內(nèi)生潛變量η之間的相互影響程度；Γ 為ξ 的系數(shù)矩陣， 表示外衍潛變量ξ 和η 的相互影響程度；ζ 為隨機(jī)干擾誤差向量，即η 未能解釋出行選擇行為的誤差向量。

2 案例分析

2.1 數(shù)據(jù)處理

對(duì)福州市網(wǎng)約車出行行為進(jìn)行問卷調(diào)查，調(diào)查方式采取線上與線下實(shí)地調(diào)查相結(jié)合的方法進(jìn)行。線下采用隨機(jī)攔截行人進(jìn)行問卷發(fā)放調(diào)查，共發(fā)出80 份，實(shí)際收回61 份；網(wǎng)上收回302 份問卷，剔除無效問卷（缺失填答、連續(xù)極端值等）5 份，最終得到有效問卷數(shù)為358 份， 有效問卷回收率為93.7%。調(diào)查內(nèi)容涉及行為調(diào)查 （Revealed Preference，RP）和意向調(diào)查（Stated Preference，SP）。

RP 調(diào)查包括出行者的基礎(chǔ)信息， 如性別、學(xué)歷、 出行目的等；SP 調(diào)查采用Likert 五級(jí)量表分別對(duì)4 個(gè)潛變量的測(cè)量顯變量進(jìn)行調(diào)查，通過打分制進(jìn)行數(shù)據(jù)統(tǒng)計(jì)。 構(gòu)建的潛變量的測(cè)量顯變量問題如表1 所示。

表1 模型變量定義

對(duì)調(diào)查樣本進(jìn)行分析，發(fā)現(xiàn)53.6%的被調(diào)查對(duì)象 為 男 性， 年 齡 以 中 青 年 為 主 （18 ～30 歲 占69.83%），受教育程度較高（大專及以上占57.8%），月收入2000～6000 元與2000 元以下占比幾乎相等，分別占36.9%和39.7%，出行目的以休閑娛樂為主（占57.8%），本次問卷總體信度系數(shù)Cronbach’s α為0.817，問卷整體信度較高。

2.2 模型求解與檢驗(yàn)

運(yùn)用AMOS 軟件采用GLS （一般化最小平方法）對(duì)模型進(jìn)行求解，得出網(wǎng)約車出行選擇行為模型的相關(guān)擬合指標(biāo)結(jié)果如表2 所示。

表2 檢驗(yàn)指標(biāo)表

絕對(duì)適配度檢驗(yàn)指標(biāo)：RMSEA=0.058、GFI=0.942、Chi/DF=2.199 和AGFI=0.908 均符合指標(biāo)，說明模型擁有合理適配度，可以預(yù)測(cè)協(xié)方差矩陣和相關(guān)矩陣的程度性較好；增值適配度檢驗(yàn)NFI=0.976、CFI=0.958 和IFI=0.973 檢驗(yàn)值均大于0.9， 說明理論模型與實(shí)際數(shù)據(jù)匹配度較高。

2.2.1 測(cè)量模型

綜上數(shù)據(jù)進(jìn)行模型計(jì)算，得出X1為負(fù)值，這反映出網(wǎng)約車的等待時(shí)間與約車態(tài)度為負(fù)相關(guān)，這也與實(shí)際情況相一致， 除此之外， 其余數(shù)據(jù)均大于0.5，表明模型具有較優(yōu)的適配性。 在建模得出的數(shù)據(jù)中，變量反映的心理因素的準(zhǔn)確度與負(fù)荷量成正比。 另外，建模有效反映出了準(zhǔn)確的解釋力，主要是由于負(fù)荷量的檢驗(yàn)值均滿足測(cè)量需求。同時(shí)，4 個(gè)心理因素參考量的組合信度都在0.7 上下浮動(dòng)， 抽樣取值的平均方差接近0.5， 反映出模型信度的優(yōu)異性和解釋能力的合理性。 因X4、X7、X11和Y1在非標(biāo)準(zhǔn)化回歸系數(shù)設(shè)定為1，所以其沒有相關(guān)檢驗(yàn)結(jié)果。具體參數(shù)計(jì)算結(jié)果詳見表3、4。

表3 測(cè)量模型負(fù)荷量計(jì)算結(jié)果

表4 測(cè)量模型組合信度計(jì)算結(jié)果

2.2.2 結(jié)構(gòu)模型

經(jīng)計(jì)算，各路徑的T 檢驗(yàn)均為顯著，模型具備合理性，表明3 個(gè)心理潛變量對(duì)網(wǎng)約車出行行為意向均存在積極影響，計(jì)算結(jié)果如表5 所示。

表5 結(jié)構(gòu)模型計(jì)算結(jié)果

本次數(shù)據(jù)計(jì)算中ATB、SN 與PBC 分別為0.02、0.07、0.86，其中PBC 對(duì)網(wǎng)約車出行意向選擇的影響最大， 這說明出行者是否選擇網(wǎng)約車出行主要由PBC 控制，即與自己對(duì)過往出行所掌握的經(jīng)驗(yàn)密切相關(guān)，而他人經(jīng)驗(yàn)與乘坐網(wǎng)約車的體驗(yàn)對(duì)出行抉擇的貢獻(xiàn)度偏低。

2.2.3 結(jié)構(gòu)方程模型

本次網(wǎng)約車出行行為結(jié)構(gòu)方程模型總體數(shù)據(jù)結(jié)果如圖3 所示，各測(cè)量變量值對(duì)應(yīng)的誤差項(xiàng)均為正值， 說明模型無異常。 該模型卡方值Chi-square為145.166，自由度DF 為66，卡方值較大，這是因?yàn)榭ǚ街禃?huì)隨樣本量增大而變化，因而綜合考慮卡方值/自由度指標(biāo) （Chi/DF=2.199＜3）， 滿足模型要求。 此外ATB、SN 和PBC 的負(fù)荷量分別為0.62、0.68、0.70，表明三個(gè)心理潛變量之間呈兩兩的正向影響且達(dá)顯著水平，與計(jì)劃行為理論相符。

圖3 網(wǎng)約車出行選擇行為模型結(jié)果

此外， 模型將ξ1、ξ4、ξ7-ξ10、η2和η4從固定參數(shù)修正為自由參數(shù)， 如將ξ1和ξ7修正為自由參數(shù)表明兩者并不獨(dú)立，說明X1和X7之間存在正相關(guān)；即從理論角度可以解釋為網(wǎng)約車平臺(tái)優(yōu)惠力度的大小會(huì)影響等車時(shí)長(zhǎng)的長(zhǎng)短， 平臺(tái)優(yōu)惠力度越大，出行者可接受的等車時(shí)長(zhǎng)越長(zhǎng)。 余下參數(shù)之間關(guān)系近似X1和X7，在此不做多余贅述。

網(wǎng)約車出行行為意向的負(fù)荷量為0.85，表示3 個(gè)外衍潛變量（ATB、SN、PBC）能夠解釋網(wǎng)約車出行行為意向的程度值為85%，數(shù)值越接近1 表示解釋程度越高。 其中X1（安全滿意度）、X2（環(huán)境滿意度）、X4（價(jià)格滿意度）出行者對(duì)ATB 的解釋度一般，X3（環(huán)境滿意度）的解釋度為72%，解釋程度良好。同理，SN 中解釋程度最好的為X6（媒體推廣）；PBC中的解釋度值都小于0.5， 但X10（與朋友出行）和X11（出行目的地）接近0.5，說明X10和X11對(duì)其也有不錯(cuò)的解釋度。 Y1（經(jīng)常乘坐）、Y2（更關(guān)注）和Y3（鼓勵(lì)他人乘坐）作為行為意向的測(cè)量指標(biāo)對(duì)其有較好的解釋，其程度值分別為：56%、74%和61%。

3 結(jié)論

隨著對(duì)網(wǎng)約車出行選擇行為的進(jìn)一步研究，發(fā)現(xiàn)已有研究缺乏心理因素對(duì)網(wǎng)約車出行選擇方式的定量分析，心理學(xué)等學(xué)科的蓬勃發(fā)展為研究出行者個(gè)人心理因素對(duì)網(wǎng)約車行為選擇的影響提供了新穎且有效的方法，進(jìn)而為解析網(wǎng)約車出行選擇行為內(nèi)在機(jī)理提供了可能。 本文通過TPB 理論，結(jié)合網(wǎng)約車出行特點(diǎn)，建立了包括ATB、SN 和PBC 在內(nèi)的結(jié)構(gòu)模型，得出以下結(jié)論：

（1） 模型適用性良好， 外衍潛變量ATB、SN和PBC 對(duì)網(wǎng)約車出行行為意向的解釋程度值為85%，其中知覺行為控制（PBC）對(duì)出行者是否選擇網(wǎng)約車出行的控制效果最為顯著。

（2）外衍顯變量X3（環(huán)境滿意度）、X6（媒體推廣）和X10（與朋友出行）分別在ATB、SN 和PBC 中的貢獻(xiàn)程度最大，其值分別為72%、57%和49%；內(nèi)生顯變量Y1（經(jīng)常乘坐）、Y2（更關(guān)注）和Y3（鼓勵(lì)他人乘坐）均對(duì)網(wǎng)約車出行選擇有較大貢獻(xiàn)值，其值分別為56%、74%和61%。