考慮出行群組異質(zhì)性的有軌電車發(fā)展決策行為偏好研究*

安 萌 陳學(xué)武▲ 杜 江

（1.東南大學(xué)交通學(xué)院 南京 211189；2.東南大學(xué)城市智能交通江蘇省重點(diǎn)實(shí)驗(yàn)室 南京 211189；3.重慶市城市建設(shè)研究中心 重慶 400020）

0 引 言

從國內(nèi)外有軌電車發(fā)展的實(shí)踐經(jīng)驗(yàn)和研究結(jié)論來看，如何提高出行者接受發(fā)展有軌電車的決策意向，保障有軌電車功能定位模式與其發(fā)展應(yīng)用相匹配，是當(dāng)前有軌電車發(fā)展頂層設(shè)計(jì)中的重點(diǎn)問題。將支持有軌電車發(fā)展的探討視為1項(xiàng)決策行為，從國內(nèi)外有軌電車發(fā)展的實(shí)踐經(jīng)驗(yàn)和研究結(jié)論來看，有軌電車發(fā)展決策受到環(huán)境要素、個體社會經(jīng)濟(jì)屬性及出行需求特征等因素的影響，而這些因素上的差異會影響決策者的價(jià)值判斷及決策選擇。

將支持有軌電車發(fā)展的決策行為看作為二分類因變量，針對不同異質(zhì)性群組的偏好分析，可采用logistic模型。logistic模型是研究1組自變量（分類變量或連續(xù)變量）與因變量（分類變量）之間常用的統(tǒng)計(jì)方法，適用于影響因素分析、作用機(jī)理，以及行為研究等[1-4]。由于本研究對有軌電車發(fā)展決策偏好的測量并非只有1次，而是在不同群組及不同情景下的多次測量，因此在研究有軌電車發(fā)展決策偏好時需同時考慮群組個體屬性、出行特征，以及對有軌電車技術(shù)特性、功能定位感知等多層級因素的影響。

對于多層次結(jié)構(gòu)數(shù)據(jù)的影響分析，傳統(tǒng)研究方法主要分為2種[5]：①將對有軌電車感知的情景類型作為自變量引入模型，并對不同情景類型下的同一異質(zhì)性群組進(jìn)行一元二分類logistic模型進(jìn)行擬合；②獨(dú)立看待每種情景類型，利用一元二分類logistic模型分別對不同異質(zhì)性群組進(jìn)行擬合。整體來看，上述2種方法的研究思路都是通過不同途徑對多層次結(jié)構(gòu)數(shù)據(jù)進(jìn)行降維，再回歸到傳統(tǒng)一元二分類logistic模型上進(jìn)行擬合，但二者均存在一定的局限性。方法①雖能夠識別不同感知情景對同一異質(zhì)性群組間的決策行為的偏好影響，但難以識別不同感知情景之間的交互作用；方法②雖能識別同一異質(zhì)性群組在不同感知情景下的有軌電車發(fā)展決策的偏好特征，但由于孤立看待群組對有軌電車的不同感知，忽略了有軌電車發(fā)展發(fā)展決策偏好在不同感知情景下的內(nèi)在關(guān)聯(lián)性。

為彌補(bǔ)上述局限性，本文引入多水平logistic模型（multilevel logistic model,MLM）[6-9]，構(gòu)建考慮群組異質(zhì)性的有軌電車發(fā)展決策偏好模型，將不同異質(zhì)性群組的特性設(shè)置為多水平logistic模型的不同水平，建立與數(shù)據(jù)層次結(jié)構(gòu)相適應(yīng)的效應(yīng)結(jié)構(gòu)和誤差結(jié)構(gòu)，分析不同層次數(shù)據(jù)對有軌電車發(fā)展決策偏好影響的差異性估計(jì)以及各層次間的跨層相關(guān)估計(jì)[10-12]，研究不同異質(zhì)性群組對有軌電車發(fā)展決策的偏好特性，為科學(xué)合理制定有軌電車發(fā)展策略提供理論支撐。

1 多水平logistic模型

1.1 基本思路

傳統(tǒng)一元二分類logistic模型為固定效應(yīng)模型，數(shù)學(xué)表達(dá)體現(xiàn)為單一水平和單一隨機(jī)誤差項(xiàng)，并假定隨機(jī)誤差項(xiàng)獨(dú)立、服從方差為常態(tài)的正態(tài)分布。當(dāng)數(shù)據(jù)存在層次結(jié)構(gòu)時，固定效應(yīng)模型的誤差項(xiàng)既包含模型不能解釋的因變量的殘差成份，也包含了不同層次變量對因變量的效應(yīng)成份，故隨機(jī)誤差項(xiàng)不滿足獨(dú)立常方差的假設(shè)條件[13-14]。

多水平logistic模型通過加入個體間隨機(jī)誤差和不同層次間的測量誤差對傳統(tǒng)固定效用模型進(jìn)行拓展和改進(jìn)，其中高水平層間的變異象征潛在的總體變異，低水平層間的變異表示隨機(jī)測量誤差，可以有效的將傳統(tǒng)模型中的隨機(jī)誤差項(xiàng)分解到數(shù)據(jù)層次結(jié)構(gòu)相應(yīng)的各水平層上，具有多個隨機(jī)誤差項(xiàng)并估計(jì)相應(yīng)的殘差方差及協(xié)方差，使得個體的隨機(jī)誤差更純[15-17]。多水平logistic模型具有固定效應(yīng)成分和隨機(jī)效應(yīng)成分，屬于廣義線性混合模型（generalized linear mixed models，GLMM）。以3水平嵌套結(jié)構(gòu)的分層模型為例，其表達(dá)式為

式中：yijl為結(jié)局事件的目標(biāo)函數(shù)；i,j,k分別為水平層1、水平層2、水平層3的變量序號；m,n,l分別為水平層1、水平層2、水平層3變量的個數(shù)；xijk為在水平層3（第k項(xiàng)）和水平層2（第j項(xiàng)）的嵌套結(jié)構(gòu)下的水平層1的第i項(xiàng)解釋變量，βijk為水平層1對應(yīng)的解釋變量xijk的歸回系數(shù)；ujk為在水平層3（第k項(xiàng)）嵌套結(jié)構(gòu)下的水平層2的第j項(xiàng)隨機(jī)效應(yīng)解釋變量，ξijk水平層2對應(yīng)的隨機(jī)效應(yīng)解釋變量ujk的隨機(jī)系數(shù)；gk為水平層3第k項(xiàng)的隨機(jī)效應(yīng)解釋變量，vijk為水平層3對應(yīng)的隨機(jī)效應(yīng)解釋變量gk的隨機(jī)系數(shù)；ε為水平層2殘差項(xiàng)；τ為水平層3殘差項(xiàng)。

1.2 模型擬合

多水平logistic模型估計(jì)方法最常用的為最大似然估計(jì)（maximum likelihood,ML）及限制性極大似然估 計(jì)（restricted estimation maximum likelihood,REML）。由于多水平logistic模型存在各水平層殘差組成的復(fù)合殘差結(jié)構(gòu)，需同時估計(jì)3種參數(shù)，即固定回歸系數(shù)（固定效應(yīng)），隨機(jī)回歸系數(shù)（隨機(jī)效應(yīng)），以及水平間的交互作用（水平間的方差/協(xié)方差），故當(dāng)解釋變量及水平組群維數(shù)較多時，采用分步估計(jì)方法[18-19]。

1）擬合空模型?？漳Ｐ褪侵改Ｐ椭胁话魏谓忉屪兞慷鴥H含截矩項(xiàng)的模型，也稱為零模型或截矩項(xiàng)模型?？漳Ｐ褪墙⒍鄬幽Ｐ偷幕A(chǔ)，根據(jù)空模型可計(jì)算組內(nèi)相關(guān)系數(shù)（intra-class correlation coefficient,ICC），其值為高水平變量的方差與總體方差的比值，可據(jù)此判斷是否存在高水平間組間變異，同時也可判斷組間變異占總變異的比例，用于確定是否有必要建立多層模型，否則直接采用常規(guī)的多元線性回歸模型。通過運(yùn)行空模型，可以分析判斷組內(nèi)變異和組間變異在結(jié)局測量的變異中的貢獻(xiàn)值。

2）擬合帶宏觀解釋變量的隨機(jī)截距模型。帶宏觀解釋變量的隨機(jī)截距模型是指將組水平解釋變量加入空模型中，理論上所有的組水平解釋變量都應(yīng)該考慮加入空模型中，即所有非水平層1的解釋變量。與空模型相比，該模型具有相同的截距項(xiàng)，但增加了組水平的固定效應(yīng)，以便更好的解釋高水平變量截距的變異。

3）擬合隨機(jī)截距模型。隨機(jī)截距模型是在帶宏觀解釋變量的隨機(jī)截距模型的基礎(chǔ)上進(jìn)一步加入水平層1的解釋變量。該模型將全部解釋變量假設(shè)為固定效應(yīng)變量，即所有解釋變量的斜率看作是固定斜率。根據(jù)該模型確定各水平層解釋變量固定效應(yīng)參數(shù)，用以識別和檢驗(yàn)影響結(jié)果變異的解釋變量。

4）擬合隨機(jī)效應(yīng)logistic模型。隨機(jī)效應(yīng)logistic模型是指不僅考慮結(jié)局變量的組水平隨機(jī)效應(yīng)會跨組變化，而且需要考慮解釋變量與結(jié)局變量之間的關(guān)系也會隨組水平的變化而變化。該模型中截距和水平層1解釋變量都有1個隨機(jī)斜率，即不僅截距項(xiàng)具有隨機(jī)效應(yīng)，而解釋變量也有隨機(jī)效用。模型擬合是通過水平層1殘差方差的顯著性來判斷其是否具有隨機(jī)斜率，即檢驗(yàn)解釋變量對結(jié)局變量的隨機(jī)效應(yīng)是否存在跨水平交互作用。

5）擬合完整模型。若組水平解釋變量斜率經(jīng)檢驗(yàn)是隨機(jī)的，可將其作為模型中水平1解釋變量的函數(shù)，用來解釋水平層1隨機(jī)斜率的變異，確定其跨水平交互作用，組建完整模型。

2 問卷設(shè)計(jì)與調(diào)查

2.1 問卷設(shè)計(jì)

有軌電車發(fā)展決策偏好問卷調(diào)查主要是采集被調(diào)查者的個人家庭特征、個人社會屬性、出行信息，以及個體對有軌電車發(fā)展決策的偏好特性。本研究問卷設(shè)計(jì)融合RP法和SP法，問卷分為：①個人基本信息，主要包括個人和家庭社會屬性、家庭可支配的出行資源、使用公共出行資源情況；②不同情境下的決策偏好特征調(diào)查，設(shè)計(jì)2種情景：a）考慮有軌電車技術(shù)屬性優(yōu)勢的影響，個體對有軌電車功能定位模式偏好選擇，并羅列出3條對偏好決策最具影響作用的優(yōu)勢屬性項(xiàng)；b）在情景a）的基礎(chǔ)上，進(jìn)一步考慮有軌電車技術(shù)屬性劣勢的影響，個體對功能定位模式偏好選擇，并羅列出3條對偏好決策最具影響作用的劣勢屬性項(xiàng)。

2.2 調(diào)查與樣本分析

采用線上調(diào)研的方法，確保被調(diào)查者有足夠的時間來閱讀、思考和選擇。2批次分別回收781份和815份問卷，經(jīng)篩選最終獲得有效問卷1 538份。根據(jù)個人職業(yè)屬性和出行情景可將總樣本初步劃分為12種類型，每種類型對應(yīng)的被調(diào)查人數(shù)見表1。

表1 問卷樣本類型細(xì)分表Tab.1 Table of the sample types

按照被調(diào)查者在通勤情景下和非通勤情景下出行方式是否均為公共交通，據(jù)此細(xì)分為3個子樣本：①公共交通通勤出行；②公共交通非通勤出行；③非公共交通出行，各類型樣本量見表2。

表2 考慮群組異質(zhì)性的樣本統(tǒng)計(jì)Tab.2 Sample statistics considering cluster heterogeneity

對3種類型樣本進(jìn)行基本信息統(tǒng)計(jì)性分析，主要進(jìn)行性別、年齡、教育程度、個人收入、家庭組成及工作性質(zhì)、家庭可支配交通資源等方面的統(tǒng)計(jì)性描述分析，見表3。

表3 樣本描述性統(tǒng)計(jì)分析Tab.3 Descriptive statistical analysis of the sample

分析總樣本的數(shù)據(jù)特征，可以看出，被調(diào)查者主導(dǎo)以公共交通出行，其中男性比例略高，中高收入人群占比較大，且年齡分布集中在25~40歲之間，多居住在人口規(guī)模大于500萬人的省會城市和直轄市，超過90%的參與者具有本科及以上學(xué)歷，超過70%的被調(diào)查者家庭人員組成大于等于3人。另外，通過χ2檢驗(yàn)，進(jìn)一步對比不同樣本類別之間的差異性，結(jié)果顯示細(xì)分后的樣本類別在各項(xiàng)基本屬性上構(gòu)成比例的規(guī)律基本一致，但是在0.05顯著水平下，3類樣本在性別、年齡、教育程度、職業(yè)性質(zhì)和平均月收入方面具有統(tǒng)計(jì)學(xué)差異，而在城市等級、城市人口規(guī)模、家庭組成方面無顯著差異。對比分析，非公共交通出行類型樣本中男性比例顯著高于女性，中高收入被調(diào)查者占比也顯著高于公共交通出行樣本，同樣在家庭組成大于等于3人的占比高于公共交通出行樣本，而家庭成員小于3人的占比要低于公共交通出行樣本。

3 模型應(yīng)用及分析

3.1 變量定義與賦值

從組織行為學(xué)的角度探討決策行為過程，決策行為理論的主流研究范式為：①識別具體領(lǐng)域的傳統(tǒng)決策模型及假設(shè)；②揭示理論和實(shí)際不一致現(xiàn)象，而這種不一致現(xiàn)象是由于人的認(rèn)知能力、心理因素、態(tài)度等所導(dǎo)致；③歸納行為特征，增加決策行為變量或考慮行為因素后的變量替代原模型中的變量，獲得新的決策行為特征。鑒于此，在考慮個體基本屬性的基礎(chǔ)上，將個體對有軌電車的功能定位和技術(shù)特性的感知納入研究變量，構(gòu)建多水平層次結(jié)構(gòu)。

水平層1為基本屬性變量，主要包括個人及家庭屬性、出行特征、可支配交通工具數(shù)量等解釋變量。水平層2為對有軌電車功能定位的感知變量，參考既有文獻(xiàn)[20-24]，有軌電車的功能定位劃分為骨架交通、輔助交通、品質(zhì)交通，其中：骨架交通是指有軌電車在城市中承擔(dān)主導(dǎo)交通方式，發(fā)揮骨架交通功能；輔助交通是指有軌電車在城市中作為1種輔助交通方式，補(bǔ)充交通服務(wù)盲區(qū)；品質(zhì)交通是指有軌電車更多發(fā)揮展示城市形象、提升出行品質(zhì)的功能，相對上對舒適性要求較高而對運(yùn)行效率較低。水平層3為對有軌電車技術(shù)特性的感知變量，考慮到有軌電車相對其它交通方式在建設(shè)成本、維護(hù)成本、路權(quán)模式、運(yùn)行速度、運(yùn)量等方面的特征，將技術(shù)特性分為建設(shè)特性和運(yùn)營特性，測量對有軌電車2種類型特性優(yōu)劣勢的感知。各層解釋變量的定義及賦值，見表4。

表4 考慮群組異質(zhì)性的模型變量定義及賦值Tab.4 Definition and assignment of variables in the preference model

定義有軌電車發(fā)展決策偏好度（relative preference index,RPI）為支持發(fā)展有軌電車的決策偏好概率pijl與不支持發(fā)展有軌電車的決策偏好概率1-pijl的比值，構(gòu)建交通功能定位下的有軌電車發(fā)展決策偏好模型，目標(biāo)函數(shù)定義為lnRPI。

3.2 擬合結(jié)果

利用HLM軟件中HGLM包（hierarchical generalized linear models）對考慮群組異質(zhì)性的三水平logistic模型進(jìn)行擬合。擬合空模型結(jié)果見表5，結(jié)果顯示在95%置信水平下，水平層2（交通功能定位感知）在不同異質(zhì)性群組的方法均具有統(tǒng)計(jì)學(xué)意義（P<0.05），各異質(zhì)性群組水平層3（技術(shù)特性感知）方差均無統(tǒng)計(jì)學(xué)意義，說明建立第3水平層對模型建立無改進(jìn)。因此，在后續(xù)模型擬合過程中可忽略對技術(shù)特性感知變量的組間差異，將三水平logistic模型轉(zhuǎn)換為二水平logistic模型進(jìn)行參數(shù)估計(jì)。

表5 有軌電車發(fā)展決策偏好空模型參數(shù)估計(jì)結(jié)果Tab.5 Estimation results of decision preference null model parameters

擬合帶宏觀解釋變量的隨機(jī)截距模型、擬合隨機(jī)截距模型、擬合隨機(jī)效應(yīng)logistic模型均為多水平logistic模型分步估計(jì)法的中間過程，鑒于中間步驟擬合結(jié)果較為冗長，這里不再贅述，僅展示最終的完整模型的擬合結(jié)果，見表6。

表6 完整模型估計(jì)結(jié)果Tab.6 Results of model estimation

當(dāng)各水平層的解釋變量回歸系數(shù)確定后，可確定各群組對有軌電車發(fā)展決策的相對偏好度RPI，并識別解釋變量對相對偏好度的影響作用。以變量xij為例，在其它解釋變量不變的情況下假設(shè)其增加1個單位，依據(jù)式（3），則RPI相對增加了eβij倍，其變化值為eβij-1。

式中：RPI定義為有軌電車發(fā)展決策偏好度；lnRPI為本研究的目標(biāo)函數(shù)；lnRPI'為在其它解釋變量不變的情況下水平層1解釋變量xij增加1個單位時的目標(biāo)函數(shù)值；βij為對應(yīng)的解釋變量的歸回系數(shù)。

據(jù)此，根據(jù)不同異質(zhì)性群組的有軌電車發(fā)展決策偏好模型參數(shù)統(tǒng)計(jì)結(jié)果，表7匯總了當(dāng)每個解釋變量變化1個標(biāo)準(zhǔn)單位時，有軌電車發(fā)展決策相對偏好度RPI的變化量值。

表7 有軌電車發(fā)展決策相對偏好度RPI變化量Tab.7 RPI change of relative preference degree

3.3 結(jié)果分析

1）功能定位感知對決策偏好影響的敏感性顯著高于技術(shù)特性感知的影響。在95%置信水平下，水平層2（交通功能定位感知）在不同異質(zhì)性群組的方法均具有統(tǒng)計(jì)學(xué)意義（P<0.05），但與預(yù)期結(jié)果不同的是，各異質(zhì)性群組水平層3（技術(shù)特性感知）方差均無統(tǒng)計(jì)學(xué)意義。此外，對比分析ICC值可看出，異質(zhì)性群組1結(jié)局變量中1.1%的變異是由對技術(shù)特性感知的不同引起的，17.6%的變異是由對功能定位感知的不同引起的；同樣，該比例在異質(zhì)性群組2和異質(zhì)性群組3中分別為0.4%，18.2%和0.5%，13.6%。結(jié)果顯示對技術(shù)特性感知的差異性而造成的結(jié)局變量差異較小且不顯著，說明對于同一異質(zhì)性群組，在建設(shè)特性和運(yùn)營特性情景下的有軌電車發(fā)展決策偏好的組間差異性不顯著，該結(jié)果解釋了在有軌電車不同的技術(shù)特性下，出行個體對有軌電車發(fā)展的決策行為主要受個體屬性、出行屬性，以及有軌電車的功能作用的影響，而對有軌電車技術(shù)參數(shù)、物理屬性、運(yùn)行特性的感知的影響不敏感。

2）基礎(chǔ)屬性中年齡對有軌電車發(fā)展決策偏好的影響最為顯著。學(xué)歷、性別及個人月收入對各類型異質(zhì)性群組有軌電車發(fā)展決策偏好的影響較弱或不具有統(tǒng)計(jì)學(xué)意義上的顯著性，年齡對有軌電車發(fā)展決策偏好產(chǎn)生顯著影響。異質(zhì)性群組3的年齡結(jié)構(gòu)對決策偏好影響不顯著，說明非公共交通出行模式下年齡屬性對決策偏好影響不敏感。異質(zhì)性群組1、異質(zhì)性群組2中的25歲以下及55歲以上個體對有軌電車發(fā)展決策偏好度與年齡呈負(fù)相關(guān)關(guān)系，說明相比較25~55歲之間的出行者對有軌電車發(fā)展有更強(qiáng)烈的偏好，主要原因是由于25~55歲之間的個體常常由于穩(wěn)定的工作、收入和家庭生活，更傾向于選擇私人出行工具，而25歲以下及55歲以上年齡段個體通常為學(xué)生群體和老年人群體，對有軌電車發(fā)展決策表現(xiàn)為積極的態(tài)度。值得注意的是，當(dāng)在非通勤情景下機(jī)動化依賴較弱且出行時間充足時這種對有軌電車發(fā)展決策偏好的積極作用會更加明顯。

進(jìn)一步對比異質(zhì)性群組1和異質(zhì)性群組2中年齡對有軌電車發(fā)展決策偏好度的影響，模型結(jié)果表明，對于同一年齡段的群體，公共交通非通勤下的

有軌電車發(fā)展決策偏好明顯大于通勤情景下，說明個體對有軌電車發(fā)展決策偏好更傾向于其非通勤情景下的交通功能；同時，對于同一異質(zhì)性群組，隨著年齡的增長有軌電車發(fā)展決策負(fù)增長量逐漸減小，說明年齡越大，個體對有軌電車發(fā)展決策偏好逐漸增強(qiáng)，這種趨勢在公共交通非通勤情景下更為顯著。

3）家庭屬性中可支配小汽車數(shù)具有顯著負(fù)向影響。模型結(jié)果顯示，可支配電動車數(shù)、可支配自行車數(shù)對有軌電車發(fā)展決策偏好的影響不具有統(tǒng)計(jì)學(xué)意義上的顯著性，3類異質(zhì)性群組中可支配小汽車數(shù)對有軌電車發(fā)展決策偏好均呈顯著負(fù)向影響，即家庭可支配小汽車數(shù)量越多，個體對有軌電車發(fā)展決策的支持度會越低，在異質(zhì)性群組3中負(fù)向影響效應(yīng)最為強(qiáng)烈，說明非公共交通出行情境下對小汽車出行的依賴性越強(qiáng)越會減少對有軌電車發(fā)展決策的支持。

同時，同一類型群組的可支配小汽車屬性對不同功能定位感知的決策偏好影響也存在顯著差異。在對有軌電車骨架交通功能定位感知的情景下，相比較于家庭無小汽車可支配的群體，每增加1輛可支配小汽車對有軌電車發(fā)展決策偏好度將會下降34.9%，對有軌電車輔助交通功能和品質(zhì)交通功能感知的情景下，每增加1輛可支配小汽車對有軌電車發(fā)展決策偏好度分別會下降21.4%和2.5%。說明隨著對有軌電車功能定位感知的變化，公共交通通勤群體可支配小汽車數(shù)對其有軌電車發(fā)展決策偏好的負(fù)向影響也隨之變動，這種變動在對骨架交通感知下的影響沖擊最大，而在品質(zhì)交通感知下的影響最弱，即在骨架交通功能定位感知下，可支配小汽車數(shù)量增多，對有軌電車發(fā)展決策的支持會迅速降低，而在品質(zhì)交通功能定位感知下，這種負(fù)向影響作用表現(xiàn)不強(qiáng)烈。

4）出行時間及成本屬性對有軌電車發(fā)展的決策偏好均有顯著負(fù)向影響?？紤]出行時間和出行成本與功能定位感知情景模式間的跨層間交互作用，當(dāng)出行時間和出行成本增加一標(biāo)準(zhǔn)單位時，不同功能定位感知情景模式下的有軌電車發(fā)展決策偏好度變化量計(jì)算結(jié)果見表8。

表8 出行時間與出行成本對決策偏好度影響的單位變化值Tab.8 Unit change values of the effect of travel time and travel cost on decision preference degree

結(jié)果說明，隨著出行時間或出行成本的增加，個體對支持有軌電車發(fā)展的決策偏好整體呈降低趨勢；橫向?qū)Ρ?，同一異質(zhì)性群組內(nèi)出行時間及出行成本在骨架交通功能感知情境下的負(fù)向影響最為強(qiáng)烈，品質(zhì)交通功能感知下的負(fù)向影響最弱，說明隨著出行時間和出行成本增加，有軌電車骨架交通功能的感知對支持其發(fā)展決策的偏好度衰減最快，反之品質(zhì)交通功能感知的負(fù)向效應(yīng)衰減最慢；縱向?qū)Ρ?，出行時間在異質(zhì)性群組3中對有軌電車發(fā)展決策的負(fù)向影響最強(qiáng)烈，而出行成本在異質(zhì)性群組1中對有軌電車發(fā)展決策的負(fù)向影響最強(qiáng)烈，說明在對有軌電車交通功能定位感知下，出行時間在非公共交通通勤者中的消極影響最為顯著，出行成本在公共交通通勤出行者中的消極作用最為顯著。

4 結(jié)束語

考慮有軌電車發(fā)展決策偏好數(shù)據(jù)在不同異質(zhì)性群組的多層嵌套結(jié)構(gòu)，將決策者支持發(fā)展有軌電車決策行為的概率與不支持發(fā)展有軌電車決策行為的概率比值定義為有軌電車決策相對偏好度，基于多水平logistic模型構(gòu)建考慮群組異質(zhì)性的有軌電車發(fā)展決策偏好模型，并利用3類異質(zhì)性群組樣本進(jìn)行了模型參數(shù)估計(jì)。主要工作及結(jié)論為：①基于出行個體的出行模式（公共交通和非公共交通）和出行目的（通勤與非通勤）的異質(zhì)性，3類異質(zhì)性群組對有軌電車發(fā)展決策的偏好具有響應(yīng)異質(zhì)性；②基于多水平logistic模型構(gòu)建了功能定位下有軌電車發(fā)展決策偏好模型并進(jìn)行了模型參數(shù)估計(jì)，識別了不同異質(zhì)性群組對有軌電車發(fā)展決策偏好的關(guān)鍵影響因素，以及個體基本屬性、環(huán)境屬性、家庭屬性及功能定位感知對決策偏好影響的跨級交互作用和協(xié)同變化規(guī)律；③基于決策偏好模型估計(jì)結(jié)果，各層水平變量的影響效應(yīng)有明顯的差異，基本屬性層中年齡、可支配小汽車數(shù)、出行時間及成本變量對有軌電車發(fā)展決策偏好的影響顯著，且在不同群組中存在差異性；功能定位感知層變量存在群組異質(zhì)性影響，非公共交通出行群組在有軌電車骨架交通功能感知下的消極影響最為顯著，而品質(zhì)交通功能的感知在不同群組中的消極影響差異性最小；技術(shù)特性感知層變量未發(fā)現(xiàn)群組異質(zhì)性的影響。