綜合交通樞紐乘客滿意度影響因素分析模型

陳 堅(jiān)，李 睿，傅志妍，2，鄭波濤，馬新露

(1. 重慶交通大學(xué) 交通運(yùn)輸學(xué)院，重慶 400074； 2. 重慶第二師范學(xué)院 經(jīng)濟(jì)與工商管理學(xué)院，重慶 400067；3. 重慶城市綜合交通樞紐(集團(tuán))有限公司，重慶 400020)

0 引言

綜合交通樞紐作為城市對(duì)外運(yùn)輸方式與市內(nèi)軌道交通、常規(guī)公交、出租車等方式的物理銜接空間，承擔(dān)著城市內(nèi)外的客貨運(yùn)中轉(zhuǎn)功能，在城市交通系統(tǒng)中扮演著重要角色，也是城市形象與治理水平的具體體現(xiàn)。隨著生活水平的提高，人們對(duì)交通出行的認(rèn)知已逐漸由“物理上的空間位移需求”向“心理上的綜合服務(wù)體驗(yàn)”轉(zhuǎn)變，對(duì)出行服務(wù)的要求更加注重品質(zhì)化。而現(xiàn)今綜合交通樞紐存在著銜接方式不匹配、換乘通道不便捷、組織流線不順暢等問(wèn)題，嚴(yán)重影響著居民出行體驗(yàn)。研究綜合交通樞紐的乘客滿意度可有針對(duì)性地提升服務(wù)水平，改善樞紐運(yùn)營(yíng)品質(zhì)以及核心競(jìng)爭(zhēng)力，引導(dǎo)綜合交通樞紐向人性化、高效化、一體化健康發(fā)展。

隨著近年來(lái)各城市對(duì)綜合交通樞紐發(fā)展的愈加重視，關(guān)于綜合交通樞紐的研究逐漸興起，主要集中于選址布局與客流組織優(yōu)化方面。Yuan等[1]基于遺傳算法進(jìn)行了交通樞紐布局選址優(yōu)化；Kalyuzhnyi等[2]構(gòu)建了一種交通樞紐選址規(guī)劃的數(shù)學(xué)模型；李婷婷等[3]提出了基于分層布局的城市群綜合客運(yùn)樞紐優(yōu)化模型；任其亮等[4]構(gòu)建了組團(tuán)城市換乘樞紐的雙層規(guī)劃選址模型；余躍武等[5]構(gòu)建了考慮公交優(yōu)先與財(cái)政投入等多目標(biāo)的客運(yùn)樞紐客流標(biāo)識(shí)導(dǎo)向優(yōu)化模型；呂慎等[6]基于乘客平均候車時(shí)間模型進(jìn)行了交通樞紐的公交換乘優(yōu)化；魯晨等[7]構(gòu)建了綜合交通樞紐內(nèi)客流換乘組織優(yōu)化模型；寇俊等[8]基于多項(xiàng)Logit構(gòu)建了分時(shí)段的客運(yùn)鐵路樞紐客流分配模型[8]。

已有研究側(cè)重于綜合交通樞紐本身的規(guī)劃布局、硬件設(shè)施及客流組織優(yōu)化，以此提升綜合交通樞紐的服務(wù)質(zhì)量，但乘客對(duì)其服務(wù)質(zhì)量提升效果的感知尚未明確，需從乘客心理感受角度開展綜合交通樞紐的滿意度研究，形成其滿意度影響因素的定量分析方法。本研究基于改進(jìn)的中國(guó)顧客滿意度指數(shù)模型構(gòu)建了綜合交通樞紐的乘客滿意度影響因素分析模型，分別運(yùn)用一階、二階結(jié)構(gòu)方程模型對(duì)各因素與乘客滿意度之間的影響關(guān)系進(jìn)行定量對(duì)比驗(yàn)證，從乘客心理感知角度為政府部門及運(yùn)營(yíng)企業(yè)改善綜合交通樞紐的服務(wù)質(zhì)量提供了理論支撐。

1 基礎(chǔ)理論及研究假設(shè)

1.1 基礎(chǔ)理論適用性分析

中國(guó)顧客滿意度指數(shù)模型(China Customer Satisfaction Index，CCSI)由中國(guó)標(biāo)準(zhǔn)化研究所與清華大學(xué)于2002年共同提出，描述了顧客對(duì)產(chǎn)品或服務(wù)的消費(fèi)認(rèn)知過(guò)程。CCSI認(rèn)為顧客滿意度及忠誠(chéng)度取決于顧客對(duì)產(chǎn)品或服務(wù)的期望質(zhì)量與感知質(zhì)量的價(jià)值衡量以及企業(yè)品牌形象的復(fù)合作用，目前已被廣泛應(yīng)用于社會(huì)學(xué)、管理學(xué)等各個(gè)研究領(lǐng)域，但其解釋能力有限，各研究仍會(huì)對(duì)CCSI模型進(jìn)行適應(yīng)性的改進(jìn)(包括融入新變量與調(diào)整路徑關(guān)系等)[9-11]，以期探索出更具有行業(yè)針對(duì)性、更高解釋能力的滿意度影響因素分析模型，CCSI模型框架見圖1。乘客作為綜合交通樞紐的服務(wù)對(duì)象，其對(duì)綜合交通樞紐的滿意度也是一種顧客滿意度，因此CCSI模型可作為乘客滿意度影響因素分析的基礎(chǔ)理論框架。

圖1 CCSI模型框架Fig.1 CCSI model framework

1.2 研究假設(shè)

結(jié)合綜合交通樞紐的服務(wù)特性，將CCSI模型中的感知質(zhì)量、期望質(zhì)量、品牌形象具體化為感知服務(wù)質(zhì)量、期望服務(wù)質(zhì)量、樞紐形象，基于CCSI模型既有路徑關(guān)系，提出研究假設(shè)：感知服務(wù)質(zhì)量正向影響乘客滿意度(H1)；期望服務(wù)質(zhì)量負(fù)向影響乘客滿意度(H2)；樞紐形象正向影響乘客滿意度(H3)；期望服務(wù)質(zhì)量負(fù)向影響感知服務(wù)質(zhì)量(H5)；樞紐形象正向影響期望服務(wù)質(zhì)量(H6)；乘客滿意度正向影響顧客忠誠(chéng)度(H7)。考慮到CCSI模型中的感知價(jià)值旨在探究?jī)r(jià)格因素對(duì)滿意度的影響，而綜合交通樞紐中的價(jià)格因素主要體現(xiàn)在交通方式的出行費(fèi)用，而不在樞紐本身，故剔除感知價(jià)值變量。此外，綜合交通樞紐的交通區(qū)位條件在一定程度上決定著其換乘接駁功能及可達(dá)性[12]，由交通區(qū)位條件不同所產(chǎn)生的出行時(shí)間成本、費(fèi)用成本差異會(huì)直接影響出行者的出行體驗(yàn)，進(jìn)而影響其滿意度，故新增變量交通區(qū)位，并假設(shè)交通區(qū)位正向影響乘客滿意度(H4)。研究假設(shè)路徑關(guān)系見圖2。

圖2 研究假設(shè)Fig.2 Research hypothesis

2 模型構(gòu)建

2.1 變量測(cè)度

結(jié)合李克特五點(diǎn)評(píng)分量表以觀察變量(測(cè)量題項(xiàng))對(duì)不可直接觀測(cè)的潛變量進(jìn)行定量測(cè)度，從“非常不同意(=1)”到“非常同意(=5)”的五點(diǎn)評(píng)分表達(dá)受訪者對(duì)調(diào)查問(wèn)卷測(cè)量題項(xiàng)中相關(guān)描述內(nèi)容的心理認(rèn)可程度。期望服務(wù)質(zhì)量、感知服務(wù)質(zhì)量、樞紐形象的構(gòu)念涵蓋多方面的復(fù)雜內(nèi)容，若僅以一階測(cè)量模型測(cè)度會(huì)造成題項(xiàng)冗雜且題項(xiàng)間相關(guān)性太高，模型擬合結(jié)果不可信，故采用二階測(cè)量模型對(duì)此3個(gè)潛變量分別設(shè)立一級(jí)測(cè)量指標(biāo)與二級(jí)測(cè)量題項(xiàng)以進(jìn)行構(gòu)念簡(jiǎn)化，進(jìn)而減少模型測(cè)量誤差。而交通區(qū)位、乘客滿意度、乘客忠誠(chéng)度3個(gè)潛變量構(gòu)念清晰，可直接以二級(jí)測(cè)量題項(xiàng)予以測(cè)度。為對(duì)比分析一階模型與二階模型的估計(jì)效果，一階模型中所有潛變量直接以二級(jí)測(cè)量題項(xiàng)予以測(cè)度，具體測(cè)量指標(biāo)及題項(xiàng)見表1。

表1 變量測(cè)量指標(biāo)及題項(xiàng)Tab.1 Measurement indicators and items of variables

續(xù)表1

2.2 結(jié)構(gòu)方程模型構(gòu)建

為同時(shí)探究本研究模型中多個(gè)概念較為抽象、不可直接測(cè)量的潛變量之間的影響關(guān)系，通過(guò)多元統(tǒng)計(jì)分析方法結(jié)構(gòu)方程模型進(jìn)行數(shù)據(jù)分析。結(jié)構(gòu)方程模型是基于變量的協(xié)方差矩陣來(lái)分析變量之間關(guān)系的一種統(tǒng)計(jì)方法，可同時(shí)處理多個(gè)因變量之間的作用關(guān)系，并可利用觀察變量(測(cè)量題項(xiàng))有效測(cè)量概念較為抽象、不可直接測(cè)量的潛變量，在心理學(xué)、教育學(xué)、社會(huì)學(xué)等研究領(lǐng)域已有廣泛應(yīng)用[13-15]，但在交通研究領(lǐng)域的應(yīng)用仍處于起步階段。

結(jié)構(gòu)方程模型基本原理是通過(guò)因子分析計(jì)算潛變量與觀察變量間的關(guān)系(因子載荷系數(shù))以得到潛變量的觀測(cè)值，并以此觀測(cè)值計(jì)算多個(gè)潛變量之間的相關(guān)系數(shù)，二者分析在結(jié)構(gòu)方程模型中同步進(jìn)行，故能夠在分析自變量對(duì)某一因變量的作用關(guān)系時(shí)，避免忽略其他因變量的客觀存在及其影響。其包括測(cè)量模型與結(jié)構(gòu)模型兩部分，測(cè)量模型用于描述觀察變量與潛變量之間的關(guān)系，結(jié)構(gòu)模型用于描述各潛變量之間的關(guān)系。

2.2.1 測(cè)量模型

一階模型：

(1)

(2)

二階模型：

(3)

(4)

式中，X為外生顯變量(T1～T9、TL1～TL3)構(gòu)成的向量；ξ為外生潛變量(樞紐形象TI、交通區(qū)位TL)構(gòu)成的向量；ΛX為X對(duì)ξ的因子載荷矩陣；δ為由X的觀測(cè)誤差構(gòu)成的向量；Y為內(nèi)生顯變量(E1～E9、P1～P12、PS1～PS4、PL1～PL3)構(gòu)成的向量；η為內(nèi)生潛變量(一階模型中包含期望服務(wù)質(zhì)量EQ、感知服務(wù)質(zhì)量PQ、乘客滿意度PS、乘客忠誠(chéng)度PL，二階模型中另包含EQ1～EQ3、PQ1～PQ4、TI1～TI3)構(gòu)成的向量；ΛY為Y對(duì)η的因子載荷矩陣；ε為由Y的觀測(cè)誤差構(gòu)成的向量。

2.2.2 結(jié)構(gòu)模型

一階模型：

(5)

二階模型：

(6)

式中，B為內(nèi)生潛變量η(一階模型中包含期望服務(wù)質(zhì)量EQ、感知服務(wù)質(zhì)量PQ、乘客滿意度PS、乘客忠誠(chéng)度PL，二階模型中另包含EQ1～EQ3、PQ1～PQ4、TI1～TI3)的結(jié)構(gòu)系數(shù)矩陣，反映模型中內(nèi)生潛變量間的作用大??；Γ為外生潛變量ξ(樞紐形象TI、交通區(qū)位TL)的結(jié)構(gòu)系數(shù)矩陣，反映外生潛變量ξ對(duì)內(nèi)生潛變量η的作用大??；ζ為內(nèi)生潛變量的誤差向量。

2.3 模型求解及檢驗(yàn)

2.3.1 求解方法

采用最大似然法對(duì)模型進(jìn)行參數(shù)估計(jì)，檢驗(yàn)?zāi)Ｐ退傻臏y(cè)量變量協(xié)方差矩陣與樣本協(xié)方差矩陣的接近程度(擬合度)，模型擬合度越好，參數(shù)估計(jì)結(jié)果越準(zhǔn)確，相關(guān)運(yùn)算通過(guò)Mplus軟件完成。

2.3.2 質(zhì)量檢驗(yàn)

結(jié)合問(wèn)卷調(diào)查所得數(shù)據(jù)對(duì)模型的內(nèi)在質(zhì)量(信度、效度)以及外在質(zhì)量(模型整體的擬合優(yōu)度)進(jìn)行檢驗(yàn)。信效度檢驗(yàn)通過(guò)驗(yàn)證性因子分析方法對(duì)檢驗(yàn)組合信度值(Composite Reliability,CR)、平均方差抽取變異量(Average Variance Extracted,AVE)，良好的信效度要求因子載荷與CR大于0.7，AVE大于0.5[16]。

模型整體擬合優(yōu)度檢驗(yàn)指標(biāo)包括：卡方自由度比(χ2/df, 也稱規(guī)范卡方)、近似誤差均方根(Root Mean Square Error of Approximation, RMSEA)、比較擬合指數(shù)(Comparative Fit Index, CFI)、非規(guī)范適配指數(shù)(Tacker-Lewis Index, TLI)、標(biāo)準(zhǔn)化殘差均方根(Standardized Root Mean Square Residual, SRMR)。良好的模型適配度要求擬合優(yōu)度指標(biāo)χ2/df屬于1～3范圍內(nèi)，CFI與TLI均大于0.90，RMSEA與SRMR均小于0.08[17]。

3 實(shí)證分析

3.1 描述性統(tǒng)計(jì)分析

以重慶市典型綜合交通樞紐的乘客為調(diào)查對(duì)象，在設(shè)計(jì)初始問(wèn)卷基礎(chǔ)上，通過(guò)預(yù)測(cè)試收集的數(shù)據(jù)檢驗(yàn)問(wèn)卷的信度與效度，根據(jù)測(cè)試結(jié)果適當(dāng)調(diào)整問(wèn)卷測(cè)量題項(xiàng)以得到最終正式問(wèn)卷。調(diào)查于2019年12月在主城區(qū)重慶北站、重慶西站、沙坪壩站3個(gè)綜合交通樞紐采用分層隨機(jī)抽樣方式發(fā)放正式問(wèn)卷1 000份，剔除不認(rèn)真填答、缺失值個(gè)數(shù)大于3，連續(xù)選擇極端值超過(guò)5個(gè)的樣本，最終共回收有效問(wèn)卷857份，有效回收率85.70%。有效問(wèn)卷中，受訪者男女比例約各占50%，年齡主要集中在18～40歲之間(59.01%)，受教育程度多為本科層次(35.10%)，平均每月到調(diào)查所在樞紐站場(chǎng)出行次數(shù)最多為3～4次(35.29%)，樣本數(shù)據(jù)結(jié)構(gòu)受調(diào)查抽樣方式、調(diào)查時(shí)間、調(diào)查地點(diǎn)的影響而具有一定的隨機(jī)性，具體統(tǒng)計(jì)信息見表2。

表2 問(wèn)卷描述性統(tǒng)計(jì)信息Tab.2 Descriptive statistics of questionnaire

3.2 信度與效度分析

一階、二階模型的因子載荷系數(shù)計(jì)算結(jié)果見表3，一階模型CR值較二階模型略高，二階模型AVE值較一階模型有顯著提升。兩個(gè)模型各潛變量的CR值均大于0.8，表明模型同一潛變量的測(cè)量指標(biāo)之間的內(nèi)部一致性較好，滿足信度要求；測(cè)量指標(biāo)、測(cè)量題項(xiàng)的因子載荷均大于0.7，各潛變量的AVE均大于0.5，模型聚合效度良好。綜上所述，模型具有良好的內(nèi)在質(zhì)量。

表3 因子載荷系數(shù)Tab.3 Factor loading factors

續(xù)表3

3.3 模型擬合優(yōu)度檢驗(yàn)

模型擬合優(yōu)度相關(guān)檢驗(yàn)指標(biāo)計(jì)算結(jié)果見表4，χ2/df，RMSEA，CFI等全部檢驗(yàn)指標(biāo)均在可接受的范圍內(nèi)，模型擬合優(yōu)度符合檢驗(yàn)標(biāo)準(zhǔn)，模型具有良好的外在質(zhì)量。且二階模型的各檢驗(yàn)指標(biāo)優(yōu)于一階模型，表明二階模型適配性更好。

表4 模型擬合優(yōu)度檢驗(yàn)結(jié)果Tab.4 Test result of model goodness of fit

3.4 路徑分析及假設(shè)檢驗(yàn)

標(biāo)準(zhǔn)化路徑系數(shù)β可反映各變量間的影響作用大小(負(fù)號(hào)表示負(fù)向影響作用)，內(nèi)生潛變量的多元相關(guān)平方(Square Multiple Correlation，SMC)即R2可反映相應(yīng)變量及整體模型的解釋能力。結(jié)構(gòu)方程模型標(biāo)準(zhǔn)化路徑分析結(jié)果見表5，圖3，圖4(為簡(jiǎn)明起見，圖4中未標(biāo)注一級(jí)測(cè)量指標(biāo)的R2)。

圖3 一階結(jié)構(gòu)方程模型標(biāo)準(zhǔn)化路徑分析結(jié)果Fig.3 Standardized path analysis result using first-order structural equation model

圖4 二階結(jié)構(gòu)方程模型標(biāo)準(zhǔn)化路徑分析結(jié)果Fig.4 Standardized path analysis result using second-order structural equation model

表5 標(biāo)準(zhǔn)化路徑系數(shù)及假設(shè)檢驗(yàn)結(jié)果Tab.5 Standardized path coefficients and hypothesis test result

二階模型各潛變量對(duì)乘客滿意度的影響作用按大小排序依次為感知服務(wù)質(zhì)量(0.72***)、交通區(qū)位(0.58***)、期望服務(wù)質(zhì)量(-0.40**)，樞紐形象對(duì)乘客滿意度的影響作用不顯著(β=0.35，P>0.05)；期望服務(wù)質(zhì)量對(duì)感知服務(wù)質(zhì)量的負(fù)向影響作用較低(-0.33**)，其受樞紐形象的影響作用也較低(0.31**)；乘客滿意度對(duì)乘客忠誠(chéng)度的影響作用最為顯著(0.75***)。兩個(gè)模型中除樞紐形象對(duì)乘客滿意度的影響作用不顯著外，其余變量間的影響關(guān)系均達(dá)到95%置信度的顯著性(P<0.05)，故H3不成立，其余關(guān)于潛變量的假設(shè)均成立。二階模型路徑系數(shù)較一階模型略高，表明一階模型中的影響作用會(huì)被低估。二階模型期望服務(wù)質(zhì)量、感知服務(wù)質(zhì)量能夠解釋乘客滿意度變異量的62%(R2=0.62)，乘客滿意度能夠解釋乘客忠誠(chéng)度變異量的59%(R2=0.59)，均達(dá)到中等偏上水平且比一階模型提升7%，模型整體解釋能力良好。

由標(biāo)準(zhǔn)化路徑分析結(jié)果可知，影響被訪乘客對(duì)綜合交通樞紐滿意度的最為關(guān)鍵因素是其服務(wù)質(zhì)量，乘客感知到的服務(wù)質(zhì)量越高，其滿意度就越高，服務(wù)質(zhì)量主要體現(xiàn)在樞紐的舒適性、安全性、便捷性、移情性等方面，其中便捷性(購(gòu)票、檢票、換乘等方面的便捷性)是服務(wù)質(zhì)量的最重要因素，其因子載荷系數(shù)最大(0.87)；新增變量交通區(qū)位對(duì)滿意度的影響作用(正向影響)僅次于感知服務(wù)質(zhì)量，表明綜合交通樞紐的交通區(qū)位條件越好，被訪乘客的滿意度就越高；樞紐形象對(duì)滿意度的影響不顯著，表明被訪乘客現(xiàn)暫未十分關(guān)心樞紐的形象品質(zhì)；乘客滿意度是其忠誠(chéng)度的決定性因素，二者之間的影響作用在模型中最為顯著，表明乘客對(duì)某一綜合交通樞紐的滿意度越高，未來(lái)繼續(xù)到該樞紐出行或推薦他人到該樞紐出行的意愿就越高。

4 結(jié)論

本研究基于改進(jìn)CCSI模型,構(gòu)建了綜合交通樞紐的滿意度影響因素分析模型，通過(guò)實(shí)證分析，利用結(jié)構(gòu)方程模型定量，驗(yàn)證了潛變量與測(cè)量變量以及各潛變量之間的相互影響關(guān)系，拓展了綜合交通樞紐滿意度的影響因素，為提升綜合交通樞紐的服務(wù)水平提供了決策依據(jù)。研究發(fā)現(xiàn)感知服務(wù)質(zhì)量對(duì)綜合交通樞紐的乘客滿意度具有最顯著的影響作用，故政府部門在把控綜合交通樞紐的建設(shè)方向以及制訂相關(guān)管理政策時(shí)，應(yīng)重點(diǎn)關(guān)注提升乘客對(duì)綜合交通樞紐的舒適性、安全性、便捷性、移情性等方面的出行體驗(yàn)。研究通過(guò)對(duì)比分析得知二階模型較一階模型在整體適配度、影響作用評(píng)估能力(標(biāo)準(zhǔn)化路徑系數(shù))與變量解釋能力方面得到了顯著提升，表明二階模型對(duì)綜合交通樞紐滿意度研究領(lǐng)域具有更好的適用性。但研究尚未考慮不同社會(huì)群體的屬性特征對(duì)模型變量的調(diào)節(jié)效應(yīng)，模型針對(duì)不同社會(huì)群體的適用性有待進(jìn)一步驗(yàn)證。