突發(fā)公共衛(wèi)生事件下居民短距離出行意愿影響因素分析

李 利,唐秋生,王 攀

(重慶交通大學(xué) 交通運輸學(xué)院,重慶 400074)

突發(fā)公共衛(wèi)生事件(PHE)對社會經(jīng)濟發(fā)展和人們?nèi)粘３鲂挟a(chǎn)生巨大影響,以新型冠狀病毒(COVID-19)為例,它作為一件典型的PHE,在全球范圍內(nèi)爆發(fā),以其傳播快、防控難、涉及范圍廣的特點,給全球城市居民的日常出行造成嚴(yán)重影響[1],其中交通運輸、旅游等服務(wù)行業(yè)受到的影響最大[2]。研究PHE影響下的城市居民短距離出行意愿,對PHE期間的城市交通管理具有重要意義。

2022年下半年,各地疫情出現(xiàn)大規(guī)模爆發(fā),疫情的多點頻發(fā)在一定程度上加劇居民的出行風(fēng)險。出行風(fēng)險的產(chǎn)生造成居民出行頻率和出行時間的改變,頻率和時間較疫情前期有所降低。出行方式方面,有車群體轉(zhuǎn)為私家車出行,無車群體則傾向于步行等慢行交通工具出行。居民出行特征的改變,加劇城市的交通擁堵,對城市公共交通發(fā)展也造成一定負(fù)面影響。

在當(dāng)前交通領(lǐng)域中,諸多學(xué)者對PHE與居民出行特征間的關(guān)系進行研究:駱晨等[3]基于非集計理論,構(gòu)建風(fēng)險感知差異的居民出行方式選擇多元Logit模型,研究PHE持續(xù)期居民中長距離出行方式的選擇行為,以航空運輸為參考,途經(jīng)站點暴露率增加對鐵路運輸方式的選擇概率有負(fù)向影響,對公路運輸方式的選擇概率有正向影響;楊亞璪等[4]通過對比混合Logit模型和潛在類別條件Logit模型,對疫情時代居民出行方式選擇的主要影響因素進行研究,發(fā)現(xiàn)出行屬性中等待時間和在途時間成為居民選擇出行方式的最重要影響因素;張小雨等[5]基于彈性分析預(yù)測疫情背景下不同管控政策對應(yīng)的出行方式分擔(dān)率;Xu等[6]應(yīng)用混合Logit回歸模型和多項Logit回歸模型,探索Covid-19爆發(fā)期間拼車對出行者出行方式造成的影響;石京等[7]基于計劃行為理論和收益-風(fēng)險分析構(gòu)建結(jié)構(gòu)方程模型,研究PHE下居民休閑出行意愿影響機制,并利用單因素方差分析法和獨立樣本T檢驗分析不同性別、年齡段、收入水平居民的受影響差異;張炎棠[8]基于結(jié)構(gòu)方程雙重中介模型及二階段交互法,驗證PHE期間已建成環(huán)境對出行者通勤出行造成的影響;Rezwana等[9]結(jié)合美國馬里蘭州交通研究所的縣級數(shù)據(jù)和谷歌移動報告建立結(jié)構(gòu)回歸模型,探討Covid-19期間家庭工作對活動-出行行為的影響;胡松等[10]用K-means算法標(biāo)定公共交通出行群體,采用結(jié)構(gòu)方程模型構(gòu)建重大疫情對乘客公共交通依賴性影響模型,探究PHE期間公共交通與乘客出行意愿間的影響機制;魏麗英等[11]根據(jù)PHE初期、爆發(fā)期、平穩(wěn)期3個階段下的出行抽樣調(diào)查數(shù)據(jù)構(gòu)建混合Logit模型,發(fā)現(xiàn)3個階段下疫情感知屬性和出行距離的交乘項對交通方式選擇具有明顯調(diào)節(jié)效應(yīng);張晶等[12]考慮出行行為調(diào)整的蟲口模型,用以描述PHE傳播動力學(xué)過程,用少量疫情相關(guān)數(shù)據(jù)對局部地區(qū)爆發(fā)的某一特定疫情進行預(yù)測。

綜上,PHE在交通領(lǐng)域的研究主要集中在利用Logit模型研究PHE與出行者出行行為之間的關(guān)系,部分文獻利用結(jié)構(gòu)方程模型與其他算法相結(jié)合探討PHE期間出行者出行的影響因素,但大部分研究均忽略外部情景因素對其影響,未考慮PHE期間交通政策是否支持該階段的居民出行。我國已有少數(shù)研究證實公共交通防疫策略對居民出行方式選擇和出行偏好有著積極影響,并為交通部門的應(yīng)急響應(yīng)優(yōu)化策略提出建議[13]。但目前關(guān)于PHE持續(xù)期居民短距離的交通政策與居民短距離出行意愿影響機制的相關(guān)研究較少。Handy等[14]發(fā)現(xiàn)由于強制性防控等政策因素,長距離等休閑出行受到的影響較小。鑒于此,本研究以重慶市主城區(qū)居民的短距離出行(包括通勤出行、彈性出行)意愿為研究對象,結(jié)合相關(guān)研究將出行距離在10 km內(nèi)、出行時間在60 min內(nèi)的基本出行統(tǒng)一定義為短距離出行,在計劃行為理論(TPB)和保護動機理論(PMT)的基礎(chǔ)上引入潛變量交通政策和防疫政策構(gòu)建居民短距離出行意愿的結(jié)構(gòu)方程模型,挖掘PHE持續(xù)期有利于居民出行的交通政策,以期重塑居民在疫情這類突發(fā)公共衛(wèi)生事件下的積極出行態(tài)度。

1 模型構(gòu)建與理論假設(shè)

1.1 理論模型

TPB是Ajzen[15]用以解釋個體在約束條件下是如何改變決策行為而提出,其模型框架如圖1所示。現(xiàn)有學(xué)者以技術(shù)接受模型(TAM)[16]、健康信念模型(HBM)為基礎(chǔ)對TPB理論進行拓展。馬壯林等[17]以TPB和TAM為基礎(chǔ)構(gòu)建限行政策下城市居民低碳出行意愿的多指標(biāo)、多因素模型(MIMIC),探究居民低碳出行意愿影響因素。

圖1 TPB模型框架

PMT是Rogers[18]基于威脅評估和應(yīng)對評估而提出(見圖2)。在PMT模型中,感知易感性是指個體出現(xiàn)某種健康問題的可能性判斷,感知嚴(yán)重性是指個體對該健康問題嚴(yán)重性與危害性的認(rèn)識[19]。根據(jù)PMT理論中的感知風(fēng)險定義居民短距離出行時可能感染病毒的易感性和嚴(yán)重性。

圖2 PMT模型框架

政策方面,Steg等[20]運用推拉理論將交通需求管理政策分為推力政策(抑制出行)和拉力政策(促進出行),證實了道路限行、公交地鐵限流等推力政策會抑制出行者對出行方式的需求,而定制公交政策等拉力政策則會促進居民積極的出行態(tài)度。因此,在PHE持續(xù)期從居民出行需求層面引入交通政策這個外部情景變量。同時,考慮到在短距離出行時政府部門發(fā)布的防疫政策對出行也可能有影響,對防疫政策的認(rèn)可度高,會降低居民出行時的感知風(fēng)險程度,改變居民短距離出行態(tài)度,進而影響居民出行意愿。綜上,擬結(jié)合TPB中原有的“感知行為控制(PBC)”“主觀規(guī)范(SN)”“態(tài)度(AT)”以及PMT中的“感知風(fēng)險(PR)”,并新增鮮有被討論的交通政策(TP)和防疫政策(EPP)2個外部情景變量,建立拓展TPB模型,用以探討PHE持續(xù)期重慶市主城區(qū)居民的短距離出行意愿(TI)。模型框架如圖3所示。

圖3 擴展的計劃行為理論模型

1.2 數(shù)學(xué)模型

選擇結(jié)構(gòu)方程模型(SEM)[21]作為分析方法,用以度量PHE持續(xù)期各潛變量與居民短距離出行意愿間的影響關(guān)系。相較于傳統(tǒng)的線性回歸方法,SEM能更好地解釋因果變量間的關(guān)系,SEM模型表達式為

X=ΛXξ+δ

(1)

Y=ΛYη+ε

(2)

η=Bη+Γξ+ζ

(3)

式中:ξ為外生變量;η為內(nèi)生變量,即PBC、AT、TI,X、Y為其觀測變量;ΛX和ΛY分別為ξ和η的因子載荷矩陣;δ和ε分別為X和Y的殘差項;B為內(nèi)生變量間的系數(shù)矩陣;Γ為ξ對η的影響矩陣;η、ξ同式(1)～(2);ζ為殘差項,反映η未能被解釋部分[22]。

上述式(1)～(3)中,式(1)～(2)為測量模型的矩陣表達形式,式(3)為結(jié)構(gòu)模型的矩陣表達形式。

1.3 模型假設(shè)

假設(shè)如下:H1(感知風(fēng)險對短距離出行態(tài)度產(chǎn)生負(fù)向影響);H2(防疫政策對短距離出行態(tài)度產(chǎn)生正向作用);H3(交通政策對出行態(tài)度產(chǎn)生正向作用);H4(主觀規(guī)范對出行態(tài)度產(chǎn)生正向作用);H5(主觀規(guī)范對感知行為控制產(chǎn)生正向作用);H6(防疫政策對出行意愿產(chǎn)生正向作用);H7(交通政策對出行意愿產(chǎn)生正向作用);H8(感知行為控制對出行意愿產(chǎn)生正向作用);H9(短距離出行態(tài)度對出行意愿產(chǎn)生正向作用);H10(主觀規(guī)范對出行意愿產(chǎn)生正向影響);H11(防疫政策對短距離出行的感知風(fēng)險產(chǎn)生負(fù)向影響)。假設(shè)模型如圖4所示。

圖4 假設(shè)模型框架

2 數(shù)據(jù)收集與分析

2.1 問卷設(shè)計

采用行為偏好(RP)的方法設(shè)計PHE持續(xù)期重慶市主城區(qū)居民短距離出行意愿的影響因素調(diào)查問卷。該問卷由3部分組成:一是社會經(jīng)濟屬性方面,涵蓋性別、年齡、學(xué)歷、職業(yè)、人均月收入以及擁有私家車數(shù)量;二是短距離出行相關(guān)心理感知因素調(diào)查,采用李克特(Likert)7級量表對不可直接觀測的感知因素進行度量,每個變量由3～5個觀測變量構(gòu)成;三是居民的出行特征。

2.2 數(shù)據(jù)收集

問卷通過問卷星平臺向重慶市主城區(qū)居民發(fā)放,共收集284份問卷。為確保收集數(shù)據(jù)的質(zhì)量,結(jié)合兩方面指標(biāo)對收集到的數(shù)據(jù)進行篩選[23]。根據(jù)試測時間,完成問卷需要2～3 min,在1 min內(nèi)完成問卷且問卷數(shù)據(jù)全為一致性的可以認(rèn)為是不負(fù)責(zé)任填寫問卷,數(shù)據(jù)視為無效。因此,剔除30份無效問卷,余下的254份有效問卷用于正式數(shù)據(jù)分析。

2.3 描述性統(tǒng)計分析

根據(jù)統(tǒng)計結(jié)果,對有效樣本中受訪者進行分析:性別和年齡方面,男女比例接近1.5∶1,且大多為24～35歲(占57.87%)年齡段群體;受教育程度方面,本科(大專)及以上受訪者居多,占61.41%;家庭人均月收入方面,0.5～1萬元的中等收入者較多,占42.91%,這與重慶市主城區(qū)居民收入水平分布基本相符;家庭擁有小汽車數(shù)量方面,大部分(占46.06%)家庭擁有小汽車的數(shù)量為1輛。

受訪者的出行屬性中:出行目的偏好方面,PHE持續(xù)期居民短距離出行目的以通勤(上下班、上下學(xué))為主,占81.50%,少數(shù)出行以電影院、公園、健身房等場所為主;居民選擇步行、自行車等出行方式的頻率略高一些,出行時間以60 min以內(nèi)為主,占比74.02%,出行距離在10 km以內(nèi),占比74.41%。以上數(shù)據(jù)證明出行群體擔(dān)憂選擇公共交通出行會增加疫情感知風(fēng)險,與目前居民在進行短距離出行時追求的安全性相符。

3 居民短距離出行結(jié)構(gòu)方程模型

3.1 信效度分析

采用信、效度分析以確保調(diào)查結(jié)果的真實性。信度分析以檢驗Cronbach’s α信度系數(shù)為主;效度分析以探索性因子分析(EFA)和檢驗各潛變量間一致性及與其它潛變量的差異性、驗證性因子分析(CFA)為主。EFA常用KMO或bartlett’s球形檢驗進行評價,而CFA一般選取標(biāo)準(zhǔn)化因素負(fù)荷量(Std.)、組合信度(CR)和平均方差抽取量(AVE)來表示。一般認(rèn)為,Std.的理想值為0.7以上,0.6為可接受范圍,題目信度SMC在0.2以上表示可接受[24]。當(dāng)CR>0.7、AVE>0.5時,測量變量之間的一致性可以接受[25]。

各變量信效度檢驗結(jié)果如表1所示。PR、SN、AT、TI、TP、PBC、EPP 7個潛變量的Cronbach’s α均大于0.8,整體信度為0.934;問卷的KMO均大于0.7,表明問卷適合進行探索性因子分析; 27個觀測變量的因子載荷均大于0.7。同時,7個潛變量的CR均大于0.8,AVE均大于0.6,說明測量變量內(nèi)部一致性較好,測量誤差合理,收斂性良好。區(qū)分效度結(jié)果如表2所示,AVE平方根均大于其相關(guān)系數(shù),表明模型整體具有良好的區(qū)分效度。

表1 各變量信效度檢驗結(jié)果

表2 區(qū)分效度評價

3.2 模型擬合及模型評價

采用Amos 28.0構(gòu)建PHE持續(xù)期重慶市主城區(qū)居民短距離出行意向的SEM模型,并選取規(guī)范卡方值(CMIN/DF)、擬合度指標(biāo)(GFI)、調(diào)整的擬合度指標(biāo)(AGFI)、比較性擬合度指標(biāo)(CFI)、非規(guī)范擬合度指標(biāo)(TLI)、近似均方根誤差(RMSEA)和標(biāo)準(zhǔn)化均方根殘差值(SRMR)進行模型擬合度檢驗。對于擬合指標(biāo)的標(biāo)準(zhǔn),通常會參考結(jié)構(gòu)方程領(lǐng)域權(quán)威學(xué)者給出的建議。表3已給出本研究模型的指標(biāo)數(shù)值結(jié)果和推薦值,對比分析可知各項指標(biāo)均擬合良好(GFI和AGFI處于可接受范圍內(nèi)),表明模型與有效數(shù)據(jù)具有良好的適配性。而路徑系數(shù)通過臨界比率值(C.R.)和P值2個指標(biāo)判斷路徑系數(shù)是否顯著,要求C.R.絕對值>1.96,P value<0.05。

路徑分析結(jié)果如表4所示,主觀規(guī)范→出行意愿路徑關(guān)系對應(yīng)的C.R.<1.96、P值>0.05,故該路徑不顯著,假設(shè)不成立。而防疫政策→感知風(fēng)險這組潛變量路徑系數(shù)的正負(fù)性與前文假設(shè)不一致,故也不成立。其余9組路徑關(guān)系均與前文假設(shè)相符,C.R.和P值也滿足顯著性要求,故這9組假設(shè)路徑關(guān)系顯著,即H1～H9假設(shè)成立。

3.3 模型修正

由路徑分析結(jié)果剔除不成立的假設(shè)H10、H11,對模型整體進行修正,修正后的模型指標(biāo)均通過擬合檢驗,且H1～H9路徑系數(shù)均顯著,假設(shè)成立。最終結(jié)果如圖5、表5所示。

表5 修正模型擬合結(jié)果

圖5 修正后的居民短距離出行意向的SEM模型

3.4 結(jié)果分析

3.4.1 潛變量間關(guān)系分析

根據(jù)圖5的SEM模型計算各潛變量的直接效應(yīng)、間接效應(yīng)和標(biāo)準(zhǔn)化后的總效應(yīng),結(jié)果如表6所示。

表6 各潛變量標(biāo)準(zhǔn)化后的總效應(yīng)

1)防疫政策、交通政策、感知行為控制、態(tài)度對PHE持續(xù)期居民的短距離出行意愿產(chǎn)生直接影響,故H6、H7、H8、H9成立;主觀規(guī)范通過作用于感知行為控制間接影響居民的短距離出行意愿,故H5成立;不符合前文假設(shè)的H10、H11已剔除。

2)各潛變量對PHE持續(xù)期居民短距離出行意愿影響程度的總效應(yīng)從大到小依次為態(tài)度(0.450)、主觀規(guī)范(0.366)、交通政策(0.327)、防疫政策(0.290)、感知行為控制(0.230)、感知風(fēng)險(-0.086)。表明交通政策、防疫政策越有利于居民的短距離出行,居民的出行態(tài)度愈明顯,感知行為控制能力則愈強,居民出行意愿也愈積極。

3)交通政策和防疫政策標(biāo)準(zhǔn)化后的總效應(yīng)為0.327、0.290,居民對交通政策的支持度上升一個標(biāo)準(zhǔn)差,居民的短距離出行意愿則會提高0.327個標(biāo)準(zhǔn)差。這表明PHE持續(xù)期交通政策、防疫政策對居民短距離出行意愿有促進作用,居民對交通政策、防疫政策的支持度越高,則會促進居民的短距離出行態(tài)度,出行態(tài)度越積極,出行意愿就越明顯。

4)短距離出行的態(tài)度、感知行為控制對居民短距離出行意愿的直接效應(yīng)為0.450、0.230。表明PHE持續(xù)期居民對于自身控制能力越強,出行態(tài)度越積極,出行意愿也越強烈。

5)感知行為控制、態(tài)度為中介變量。感知風(fēng)險作用于出行態(tài)度對出行意愿產(chǎn)生顯著的負(fù)面影響,總效應(yīng)值為-0.086,即居民對疫情風(fēng)險的感知程度越高,產(chǎn)生的出行擔(dān)憂越強烈,出行意愿也就越不明顯。

在解釋方差(R2)方面,感知風(fēng)險、防疫政策、交通政策、主觀規(guī)范4個變量共同解釋了56.4%的出行態(tài)度方差變異。說明疫情感知風(fēng)險、各項交通政策、防疫政策以及居民短距離出行的主觀規(guī)范,對PHE持續(xù)期居民短距離出行意愿的影響并不是短期客流規(guī)律,而是將會在短距離出行意愿上產(chǎn)生深刻的長期影響。

3.4.2 觀測變量與潛變量間關(guān)系分析

交通政策方面,從共享單車免費騎行(0.848)、免費開放公共停車場減免路側(cè)停車收費(0.831)等觀測變量可以看出,居民的出行意愿受該變量的影響逐次降低。這與PHE持續(xù)期的出行形勢較為相符,公共停車場的免費開放以及路側(cè)減免停車收費可有效解決有車群體停車難、違章停放等問題;推出共享單車免費騎行政策,能刺激無車群體通過騎行的方式進行短距離出行意愿。

防疫政策方面,居民著重關(guān)注做好自我健康管理(0.844)及乘車環(huán)境的消殺通風(fēng)(0.852)2個觀測變量?？梢娋用駥Χ叹嚯x出行時,要求個人做好自我健康管理的綜合效能較為重視。

主觀規(guī)范方面,電視、網(wǎng)絡(luò)、報紙等媒體的建議具有較強的權(quán)威性和可信性,對短距離出行意愿影響較大,而家人、朋友、同事等對PHE持續(xù)期的信息了解不夠全面,傳遞信息過程中也可能存在偏差,所以對居民短距離出行意愿的影響稍次之。

感知行為控制方面,豐富的防疫經(jīng)驗(0.877)以及防疫政策(0.851)對其影響程度較高,交通政策次之(0.739),受自身的決策影響較小(0.706);出行意愿方面,在條件允許下,進行短距離出行的意愿較高(0.917),原因在于現(xiàn)有的短距離出行中,以上下班、上下學(xué)為主的通勤類出行和以就醫(yī)、就餐為主的彈性出行為主,其出行時間、出行方式較疫情前有略微變化。

3.5 建議措施

綜上,為促進PHE持續(xù)期居民對短距離出行的積極意愿,提出以下建議。

1)增強PHE持續(xù)期居民對交通政策和防疫政策的效果感知,居民對交通、防疫政策的效果感知是出行態(tài)度形成的基礎(chǔ),這也是對短距離出行意愿影響較大的兩個因素。如,針對傾向于選擇私家車、步行等方式出行的疫情風(fēng)險較高和防控效果不明顯地區(qū):交通管理部門可適當(dāng)先調(diào)整公共交通運營頻率和運營時間,在道路空間有限的情況下,為私家車提供道路空間;其次,在駕駛員和乘客之間設(shè)置安全屏障以減少病毒傳播;最后,學(xué)習(xí)北京、深圳等城市推出的共享單車早晚高峰免費騎行政策,號召居民在做好防疫措施的同時激勵其選擇綠色出行。

2)短距離出行的主觀規(guī)范也是影響出行意愿的較大因素。外界條件的約束或支持所營造的區(qū)域性環(huán)境對出行意愿的影響具有局部性,較大范圍內(nèi)存在疫情,對局部出行的影響較小,通過限制局部的疫情消息傳播用以減緩非疫情區(qū)域短距離出行者的出行壓力,促進PHE持續(xù)期城市居民的短距離出行。

3)針對日常以公共交通出行為主的居民,通過設(shè)置手機小程序以展示乘車車廂的人流密度,引導(dǎo)錯峰出行,避免因人員聚集而爆發(fā)大規(guī)模疫情。同時,政府部門可根據(jù)居民短距離出行的時空規(guī)律,向有車群體、通勤人員定向推送定制公交的出行優(yōu)勢,精準(zhǔn)實施定制公交政策,以鼓勵其選擇定制公交出行。

4 結(jié) 論

1)采用SPSS軟件及AMOS結(jié)構(gòu)方程模型,對PHE持續(xù)期重慶市主城區(qū)居民出行行為的254份有效問卷進行探索性和驗證性因子分析,并利用潛變量間的相關(guān)性分析影響居民短距離出行的影響因素,發(fā)現(xiàn)各項交通政策、防疫政策的實施可以促進PHE持續(xù)期居民的短距離出行意愿。同時,以感知行為控制和態(tài)度作為中介變量,傳遞主觀規(guī)范和感知風(fēng)險等心理感知因素對出行意愿的間接影響。

2)影響重慶市主城區(qū)居民短距離出行意愿的作用路徑為“交通政策、防疫政策、主觀規(guī)范、感知風(fēng)險→出行態(tài)度→出行意愿”,表明各個感知因素在PHE持續(xù)期會嚴(yán)重影響居民的短距離出行偏好,證明交通政策等變量對PHE持續(xù)期居民短距離出行的積極態(tài)度具有促進作用。

3)研究探討的影響因素可能只適用于PHE持續(xù)期重慶市主城區(qū)居民的短距離出行意愿,該影響因素是否對其他大范圍地區(qū)居民的短距離出行產(chǎn)生影響還未知,下一步可擴大范圍對其進行重點研究。