碳普惠機制下網(wǎng)約車用戶拼車出行意愿研究

張逸文，李文翔，劉向龍，陳思薇，楊子杰

（1.上海理工大學 管理學院，上海 200093；2.交通運輸部科學研究院，北京 100029；3.城市公共交通智能化交通運輸行業(yè)重點實驗室，北京 100029）

0 引言

隨著我國城鎮(zhèn)化水平的不斷提高，交通擁堵、環(huán)境污染等一系列問題也日益嚴重，我國城市交通低碳轉型迫在眉睫[1]。雖然公共交通可在一定程度上緩解上述問題[2]，但目前大部分城市仍存在公共交通服務水平不足的問題，難以滿足居民日益增長的個性化出行需求[3]。近年來，共享交通的興起和碳普惠體系的建設為城市交通低碳轉型提供了新的方向。其中，網(wǎng)約拼車作為共享交通的重要組成部分，被認為是減少碳排放和緩解城市交通擁堵的有效途徑，而碳普惠作為一種居民低碳行為的激勵機制[4]，將驅動更多網(wǎng)約車用戶選擇拼車出行。

雖然網(wǎng)約拼車是近年來興起的一種新型出行方式，但國內(nèi)外學者已經(jīng)分別從理論與實踐的角度證明了網(wǎng)約拼車出行能有效提高交通效率并產(chǎn)生顯著的環(huán)境效益[5-8]。例如，基于成都的一項實證研究表明：網(wǎng)約拼車與獨乘相比可以減少約30%的CO2、CO、NOx和HC 排放[7]。然而，目前網(wǎng)約拼車的使用率還很低，如實際數(shù)據(jù)顯示：成都網(wǎng)約車訂單中只有6%～7%為拼車訂單[9]，而芝加哥只有15%的網(wǎng)約車用戶愿意選擇拼車[10]。因此，有必要進一步探究影響網(wǎng)約車用戶選擇拼車出行的關鍵因素。

目前關于拼車行為的研究主要集中在出行意愿分析、選擇行為建模和出行特征分析3個方面。針對拼車出行意愿，已有研究主要基于計劃行為理論及其拓展理論分析拼車出行意愿的影響因素[11-14]，再通過調(diào)查問卷和結構方程模型定量分析各潛變量與出行意愿的關系[15]。如，張雨彤等[11]基于計劃行為理論與結構方程模型，探索了拼車出行意愿的影響因素及因素之間的關系；Si等[12]基于技術接受模型和期望確認理論分析了影響出行者持續(xù)拼車出行意愿的關鍵因素；Wang等[13]在技術接受模型的基礎上引入感知風險理論，進一步證明了感知有用性、感知易用性和感知風險對拼車出行意愿有顯著影響。針對拼車選擇行為[16-18]，已有研究主要通過離散選擇模型研究出行者拼車選擇行為的影響因素。如，Wang等[16]基于滴滴出行平臺的問卷調(diào)查數(shù)據(jù)，采用二項Logit模型定量分析了網(wǎng)約車共享出行對年輕人出行方式選擇行為的影響；馬文婷[17]通過建立Mixed Logit 行為選擇模型，針對拼車所產(chǎn)生的繞路和等待時間制定合理的價格策略；于曉娟等[18]基于后悔理論的隨機Logit模型對拼車選擇行為決策過程進行了分析。針對拼車出行特征，已有研究主要基于網(wǎng)約車平臺的海量運營數(shù)據(jù)，分析拼車出行的時空分布特征[9,19-21]。如，Li 等[9]利用滴滴出行的網(wǎng)約車訂單及軌跡數(shù)據(jù)，對比分析了網(wǎng)約車拼車與獨乘的出行特征區(qū)別；Chen 等[20]基于機器學習模型對杭州滴滴出行的訂單數(shù)據(jù)進行分析，發(fā)現(xiàn)拼車在等待時間、行程時間、行程距離等方面與快車和專車有顯著差異。

為了進一步提高網(wǎng)約拼車的市場規(guī)模，已有研究還提出了不同形式的激勵機制，如價格優(yōu)惠、貨幣獎勵、碳普惠等[22-26]。其中，碳普惠作為一種自愿減排機制，基于低碳方法學對個人的碳減排量進行量化、記錄、核證，并通過碳積分等形式為低碳行為賦予價值，進而可以形成對網(wǎng)約拼車的正向引導機制。相關研究中，Wang等[25]比較了碳積分和貨幣獎勵對人們選擇拼車意愿的影響，發(fā)現(xiàn)碳積分更能有效地促進拼車行為。

然而，既有研究只探討了不同激勵機制對用戶拼車意愿的直接影響，未曾考慮激勵機制對用戶心理潛變量與行為意愿之間關系的調(diào)節(jié)效應，而相較于傳統(tǒng)激勵模式，碳普惠制度作為一種創(chuàng)新性的激勵機制能顯著影響用戶的拼車出行意愿，因此有必要進一步分析碳普惠機制對網(wǎng)約車用戶選擇拼車出行的心理因素及其行為意愿的交互影響。為此，在已有研究的基礎上，本文融合計劃行為理論、技術接受模型與感知風險理論，從多個角度分析了不同心理潛變量對拼車出行意愿的影響，然后正交構建了12 個不同碳積分價值和拼車里程的碳普惠情景，設計了不同情景下的拼車出行行為意愿調(diào)查問卷，最后基于結構方程模型對網(wǎng)約車出行者在碳普惠機制下的拼車出行意愿進行定量分析，以反映不同碳普惠制度對網(wǎng)約車用戶選擇拼車出行的驅動作用，提高網(wǎng)約拼車出行的使用率，降低城市交通碳排放量。

1 模型與假設

1.1 問題描述

目前大部分網(wǎng)約車平臺都可提供獨乘和拼車這兩種出行服務。其中，獨乘出行服務只將單個訂單分配給一輛網(wǎng)約車，并通常以最短路徑直接將用戶送達目的地；而拼車出行服務同時將兩個及以上路線相同或相似的訂單分配給同一輛網(wǎng)約車，以實現(xiàn)用戶共享行程平攤費用的目的。因此，相較于獨乘出行，拼車出行可提高網(wǎng)約車利用率，減少總出行里程數(shù)，進而產(chǎn)生顯著的減排效益[27]。然而，由于拼車出行還需要接送其他乘客，不可避免會產(chǎn)生額外的繞路及延誤。如圖1所示，乘客1 和乘客2 有著相似的起終點，假如他們都選擇獨乘出行，則各自出行的總里程為47.13 km；假如他們選擇拼車出行，則共享行程的里程為31.66 km，相比獨乘出行減少了15.47 km的里程。根據(jù)Li 等[7]的研究，網(wǎng)約車碳排放因子約為169.755 g/km，因此可計算出本次拼車出行的碳減排量約為2 626 g。然而相較于獨乘出行，乘客1 在拼車出行時繞路1.9 km，出行時間增加7 min；乘客2 在拼車出行時繞路1.1 km，出行時間增加4 min。

圖1 網(wǎng)約車獨乘出行與拼車出行路線示例

可見，雖然網(wǎng)約拼車出行可產(chǎn)生顯著的減排效益，但出行者難以直接感知減少的碳排放所帶來的實際價值，而拼車產(chǎn)生的額外時間成本卻能被出行者直接感知，進而導致現(xiàn)實中網(wǎng)約拼車的使用率較低。針對這一現(xiàn)實問題，本文引入碳普惠機制，為出行者拼車所產(chǎn)生的碳減排量賦予價值，將沒有直接物質效用的共享出行低碳效益轉化為貨幣化的低碳價值，從而有效驅動用戶選擇更加低碳的拼車出行。因此，本文主要研究碳普惠機制對網(wǎng)約車用戶拼車出行意愿產(chǎn)生的影響。

1.2 計劃行為理論

計劃行為理論（Theory of Planned Behavior,TPB）是對Ajzen 和Fishbine 共同提出的理性行為理論的繼承[28]，它能很好地預測個體的行為，判斷個體進行決策時所受外界環(huán)境條件等的影響。計劃行為理論包含5 個要素：態(tài)度（Attitude,ATT）、主觀規(guī)范（Subjective Norm,SN）、感知行為控制（Perceived Behavioral Control,PBC）、行為意愿（Behavior Intention,BI）、行為（Behavior,B）。其中，行為主要由行為意愿決定，而行為意愿則受到感知行為控制、主觀規(guī)范和態(tài)度3方面影響。計劃行為理論框架結構如圖2所示。

圖2 計劃行為理論框架圖

在本研究中，主觀規(guī)范表現(xiàn)為網(wǎng)約車出行者受低碳政策、社會規(guī)制和對其有重要影響力的人的影響，因而改變自己的出行方式[29]；感知行為控制指的是網(wǎng)約車出行者因受到制約而感知到使用拼車出行的可行程度，當個體感知到使用拼車出行經(jīng)濟、可行且被社會認可，就會增強使用拼車出行的行為意愿，并積極踐行[30]?；诖?，提出以下假設：

H1：態(tài)度對拼車出行意愿有顯著正向影響；

H2：主觀規(guī)范對拼車出行意愿有顯著正向影響；

H3：感知行為控制對態(tài)度有顯著正向影響；

H4：感知行為控制對拼車出行意愿有顯著正向影響。

1.3 技術接受模型

技術接受模型（Technology Acceptance Model,TAM）是由Davis提出[31]，在技術采用與用戶行為領域中被廣泛使用的理論框架。技術接受模型旨在研究個人對新技術的接受與使用，提出個人對技術的接受和使用主要受到兩個關鍵因素的影響：感知有用性（Perceived Usefulness,PU）和感知易用性（Perceived Ease of Use,PEOU）。基礎的TAM結構如圖3所示。

圖3 技術接受模型框架圖

在本研究中選擇感知有用性來反映網(wǎng)約車出行者對拼車是否能提高其出行體驗的感知程度。感知有用性可以影響出行者對拼車的意愿態(tài)度，并鼓勵出行者選擇拼車?；诖?，提出以下假設：

H5：感知有用性對拼車出行意愿有顯著正向影響；

H6：感知有用性對態(tài)度有顯著正向影響；

H7：感知有用性對主觀規(guī)范有顯著正向影響；

H8：感知有用性對感知行為控制有顯著正向影響。

1.4 感知風險理論

感知風險（Perceived Risk,PR）的概念最初是由Bauer從心理學延伸出來的，由Cox提出具象化描述[32]，研究個體如何感知和評估與特定行為或決策相關的風險。該理論提出人們在做出選擇或參與行為之前，會評估特定情況下的潛在風險和不確定性。在本研究中指的是網(wǎng)約車出行者采用拼車出行可能會不符合網(wǎng)約車出行者原先的出行計劃或達不到網(wǎng)約車出行者預期的結果，如拼車出行不準點、司機或乘客會導致網(wǎng)約車出行者不安全等不確定風險[32]。本研究應用感知風險理論研究網(wǎng)約車出行者在碳普惠情景下使用拼車出行時所感知到的風險影響，它會影響拼車出行的感知有用性與出行者對拼車出行的態(tài)度?；诖?，提出以下假設：

H9：感知風險對態(tài)度有顯著負面影響；

H10：感知風險對感知有用性有顯著負面影響；

H11：感知風險對感知行為控制有顯著負面影響；

H12：感知風險對拼車出行意愿有顯著負面影響。

1.5 低碳價值觀

低碳價值觀（Low-Carbon Value,LCV）是一種低碳、可持續(xù)的價值理念，堅持以人為本，強調(diào)人與自然的協(xié)調(diào)[33]。在本研究中，低碳價值觀反映了出行者認為拼車有利于減少溫室氣體排放、保護環(huán)境和促進可持續(xù)發(fā)展的程度?；诖?，提出以下假設：

H13：低碳價值觀對感知有用性有顯著正向影響；

H14：低碳價值觀對感知行為控制有顯著正向影響；

H15：低碳價值觀對拼車出行意愿有顯著正向影響。

1.6 碳普惠制度

本文引入一種以碳積分（Carbon Credit,CC）為載體的碳普惠政策，能根據(jù)出行者拼車出行減少的碳排放量向用戶提供碳積分，并可用于兌換等值的商品或權益[34]。1 單位的積分相當于減少1 kg 的二氧化碳排放量，而拼車出行里程會影響出行獲得的碳積分數(shù)量，兩者共同影響拼車出行意愿?；诖?，提出以下假設：

H16：碳普惠制度對拼車出行意愿有顯著正向影響；

H17：碳積分價值會顯著影響態(tài)度（H17.1）、主觀規(guī)范（H17.2）、低碳價值觀（H17.3）對出行意愿產(chǎn)生的影響；

H18：拼車里程對拼車出行意愿有顯著正向影響；

H19：拼車里程會顯著影響態(tài)度（H19.1）、主觀規(guī)范（H19.2）、低碳價值觀（H19.3）對出行意愿產(chǎn)生的影響。

1.7 結構方程模型

結構方程模型（Structural Equation Modeling,SEM）是由Joreskog 通過對因素和路徑分析整合而來，可對各潛變量、顯變量和測量變量之間的關系進行統(tǒng)計分析及檢驗[35]。由于上述態(tài)度、感知行為控制、主觀規(guī)范、感知易用性、感知有用性和行為意愿等變量為不能直接進行測量的潛變量，需要通過觀測變量進行間接測量，因此本研究使用結構方程模型對上述潛在變量之間的關系進行定量分析。

結構方程模型由測量模型及結構模型組成，其中測量模型可對潛變量與觀測變量之間的聯(lián)系進行描述，觀測變量可用來間接測量潛變量。測量模型[35]的方程如下：

式（1）～式（2）中：ξ為不受模型中任何其他變量影響的外生潛在變量矩陣，如本研究中的PBC、PU、PR；η為受模型中一個或多個外生或內(nèi)生變量影響的內(nèi)生潛在變量矩陣，如本研究中的ATT、SN、LCV、BI；X和Y為心理潛變量的可觀測指標向量；Λx和Λy為與心理潛變量相關的系數(shù)矩陣；ε為與每個觀測變量相關的測量誤差矩陣。

結構模型可對潛變量之間的關系進行描述。結構模型[36]的公式如下：

式（3）中：α和β分別為外生潛變量和內(nèi)生潛變量的相關系數(shù)矩陣；ζ為期望值為0的正態(tài)分布誤差矩陣。

2 問卷調(diào)查與檢驗

2.1 問卷設計與實施

本研究基于上述關于拼車出行意愿的假設設計調(diào)查問卷，共分為3 部分：第1 部分采集受訪者的個人信息以及個人交通出行情況，設置了選擇式題項，屬于實際調(diào)查；第2 部分關注與低碳及拼車出行相關的個人心理因素，設置了矩陣量表題項，屬于意愿調(diào)查；第3 部分是關于碳普惠情景的假設，同樣設置矩陣量表題項。

2.1.1 社會人口信息題項設置

問卷第1 部分的社會人口基本信息題項包含了受訪者的性別、年齡、學歷、職業(yè)和月收入等個人社會屬性，第1 部分還包含了受訪者有無私家車、日常平均出行距離、是否使用過網(wǎng)約拼車等問題，便于后期整理問卷數(shù)據(jù)時對不同社會屬性受訪者進行分類分析及樣本代表性評估。

2.1.2 心理潛變量題項設置

問卷的第2 部分旨在測量上文提出的心理潛變量，包括ATT、SN、PBC、PU、PR和LCV。由于這些潛變量無法直接觀察到，因此設計了幾個觀測指標來測量每個潛變量，如表1 所示。每個心理潛變量是通過被調(diào)查者對特定調(diào)查項目的偏好和傾向來觀察的，本研究采取態(tài)度量表的形式測量網(wǎng)約車出行者對某種碳積分情景和拼車出行現(xiàn)象的心理傾向性，使用7 級李克特量表。受訪者的問題選項被分為“非常同意”“同意”“比較同意”“一般”“比較不同意”“不同意”和“非常不同意”，各選項分數(shù)從高到低依次為“7,6,5,4,3,2,1”。

表1 心理潛變量測量量表

2.1.3 碳普惠情景下拼車出行意愿題項設置

問卷的第3 部分旨在收集網(wǎng)約車用戶在不同出行距離和碳積分價值的碳普惠情景下選擇拼車出行的意愿。本研究采用正交法設計了12種不同的情景，出行距離從5 km 到50 km，碳積分價值從0.1 元/kg 到10 元/kg，如表2 所示。同時，題項中為被調(diào)查者提供了每種情景下可獲得的減排量和碳積分價值，受訪者需在不同情景下確定拼車出行的意愿。

表2 碳普惠情景設置

2.2 數(shù)據(jù)的描述性統(tǒng)計分析

本研究在2022年5月19日于問卷星平臺專門針對使用過網(wǎng)約車的用戶發(fā)布線上問卷，共回收521 份問卷，剔除無效問卷后的有效問卷為401份。由問卷統(tǒng)計結果可知，所有受訪者均使用過網(wǎng)約車出行服務，其中曾經(jīng)使用過拼車服務的占88.78%（見圖4），反映該調(diào)查人群對拼車服務較為熟悉；大多數(shù)受訪者都沒有私家車，占75.43%（見圖5）；大多受訪者年齡為26～35 歲，占69.83%（見圖6）；84.24%的受訪者學歷為大學本科及以上（見圖7）；大多受訪者職業(yè)為企事業(yè)員工，占87.71%（見圖8），且月收入在3000～15000 元的人群占76.9%（見圖9）。以上樣本統(tǒng)計特征與已有同類研究結果基本相符[37]，體現(xiàn)了調(diào)查樣本具有較好的合理性和代表性。

圖4 問卷調(diào)查中是否使用過拼車服務的用戶比例

圖5 問卷調(diào)查中是否擁有私家車的用戶比例

圖6 問卷調(diào)查中的用戶年齡分布

圖7 問卷調(diào)查中的用戶學歷分布

圖8 問卷調(diào)查中的用戶職業(yè)分布

圖9 問卷調(diào)查中的用戶月收入分布

2.3 數(shù)據(jù)的信度和效度檢驗

本研究采用克朗巴哈α 系數(shù)（Cronbach α）來檢驗調(diào)查問卷的內(nèi)部一致性，一般認為克朗巴哈α 系數(shù)在0.6 以上為可接受，在0.8 以上為十分可信。本研究涉及的各潛變量的信效度檢驗結果如表3 所示?？梢钥闯觯鳚撟兞恳蜃拥目死拾凸料禂?shù)都大于0.6，量表的內(nèi)部一致性滿足問卷設計的要求。

表3 潛變量的信效度檢驗結果

本研究使用平均變異抽取量值（Average Variation Extraction,AVE）來檢驗調(diào)查問卷的收斂效度，一般認為AVE 大于0.5 時，量表潛變量因子具有良好的收斂效度。表3 所示的AVE 值中，除了低碳價值觀（LCV）之外都大于0.5，說明了該量表的收斂效度是可接受的。

本研究使用組合信度（Combined Reliability,CR）來檢驗調(diào)查問卷的內(nèi)在質量。CR 又與潛變量因子荷載相關，一般認為當因子荷載大于0.7、CR大于0.8時，量表的潛變量因子具有良好的內(nèi)部信度；在CR滿足大于0.8的條件時，因子荷載小于0.7的潛變量因子可保留。根據(jù)表3可知，除去低碳價值觀（LCV）外，其他潛變量因子荷載與CR均滿足要求，說明該量表的內(nèi)部信度是可接受的。

3 模型驗證及結果分析

3.1 結構方程模型驗證

參照前文中對計劃行為理論、技術接受模型、結構方程模型等的介紹，在進行問卷數(shù)據(jù)的描述性統(tǒng)計和信度、效度檢驗后，將研究假設即潛變量之間的關系使用SmartPLS 軟件通過路徑圖的方式呈現(xiàn)出來并添加相應的觀測變量，建立了如圖10所示的結構方程模型。

圖10 結構方程模型

R2和Q2是評價結構方程模型質量的經(jīng)典指標，R2代表模型的解釋能力，Q2代表模型的預測相關性。Hair等[38]的研究證明R2值大于0.2表明模型具有良好的解釋能力；Q2大于0 表示模型的預測相關性是可以接受的。在SmartPLS 中使用Partial Least Square 算法計算R2，結果見表4。由表4可看出，不同情景的出行意愿（BI）的R2在0.193～0.340，這意味著態(tài)度（ATT）、主觀規(guī)范（SN）、低碳價值觀（LCV）共同解釋了出行意愿（BI）中19.3%～34.0%的方差，只有在CC10 情景下出行意愿（BI）的R2低于0.2，其他情景下均可接受；態(tài)度（ATT）的R2在0.629～0.632，這意味著感知風險（PR）、感知有用性（PU）、知覺行為控制（PBC）共同解釋了態(tài)度（ATT）中62.9%～63.2%的方差；主觀規(guī)范（SN）的R2在0.449～0.453，意味著感知有用性（PU）、感知行為控制（PBC）共同解釋了主觀規(guī)范（SN）中44.9%～45.3%的方差；低碳價值觀（LCV）的R2在0.232～0.233，意味著感知有用性（PU）解釋了低碳價值觀（LCV）中23.2%～23.3%的方差。運行Blindfolding 算法計算Q2，結果見表5。由表5可知，出行意愿（BI）、態(tài)度（ATT）、主觀規(guī)范（SN）、低碳價值觀（LCV）在各情景下的Q2在0.104～0.341，均大于0。上述測試結果表明本文的模型具有較好的解釋和預測用戶意愿的能力。

表4 12個碳普惠情景下模型的R2值

表5 12個碳普惠情景下模型的Q2值

3.2 網(wǎng)約拼車使用意愿的路徑分析

為研究變量之間的交叉效應，本文使用SmartPLS軟件為所有的碳普惠情景建立了12個結構方程模型，檢驗各潛變量與網(wǎng)約拼車使用意愿之間的路徑關系。首先，測試了觀測變量和潛在變量之間的線性回歸是否顯著，結果顯示：所有情景下的觀測變量的路徑在0.001 的水平上都是顯著的，表明觀測變量較好地反映了潛在變量。然后，分析觀察了12個碳普惠情景下潛變量間的路徑系數(shù)顯著性，如表6 所示。結果顯示：態(tài)度（ATT）、主觀規(guī)范（SN）、感知行為控制（PBC）→出行意愿（BI）的路徑系數(shù)均小于0.05，表明態(tài)度、主觀規(guī)范、感知行為控制對拼車出行意愿有顯著的直接影響，由此證明假設H1、H2、H4成立；低碳價值觀（LCV）→出行意愿（BI）的路徑系數(shù)只有在情景3、6、9、12 中小于0.05，由此證明假設H15 在碳積分價值較高的情景下成立，表明在碳積分價值較高時，低碳價值觀對出行意愿的影響更為明顯；感知風險（PR）、感知有用性（PU）、感知行為控制（PBC）→態(tài)度（ATT），感知有用性（PU）→主觀規(guī)范（SN）的路徑系數(shù)均小于0.05，表明感知風險、感知有用性和感知行為控制顯著影響態(tài)度，且感知有用性顯著影響主觀規(guī)范，從而間接影響出行意愿，由此證明假設H3、H6、H7 和H9 成立，假設H5、H8、H10～H14均不成立。

表6 12個碳普惠情景下潛變量間的路徑系數(shù)

3.3 碳積分價值及拼車里程對拼車出行意愿的直接影響

為探究碳積分價值和拼車里程與拼車出行意愿的線性相關性，本研究構建了4 個線性回歸模型，分別對碳積分價值及拼車里程和各情景中拼車出行意愿的平均值進行線性回歸，結果如圖11所示。

圖11 碳積分價值和拼車里程對拼車出行意愿的直接影響

隨著碳積分價值的升高，問卷中反映拼車意愿的觀測變量的得分逐漸升高，當碳積分價值從0.1元/kg提升至10元/kg時，網(wǎng)約車出行者的拼車出行意愿得分可提高27%，這表明被調(diào)查者的拼車出行意愿會隨著碳積分價值的提高顯著加強。當碳積分價值從0.1 元/kg 提升至5 元/kg 時，拼車里程為5 km 和25 km 的網(wǎng)約車用戶的拼車出行意愿平均值分別提高了14.4%和19.8%，說明相較于拼車里程為5 km，拼車里程為25 km 時碳普惠制度對網(wǎng)約車用戶的拼車出行意愿影響效果更好；當碳積分價值從0.5 元/kg 提升至10 元/kg 時，拼車里程為10 km 和50 km 的網(wǎng)約車用戶的拼車出行意愿平均值分別提高了19%和20.5%，說明相較于拼車里程為10 km，拼車里程為50 km 時碳普惠制度對網(wǎng)約車用戶的拼車出行意愿影響效果更好。上述結果表明：碳積分價值與拼車里程越高，碳普惠制度對網(wǎng)約車用戶的拼車出行意愿的激勵效果越好，由此證明假設H16 與H18成立。

3.4 碳積分價值及拼車里程對拼車出行意愿的調(diào)節(jié)作用

本節(jié)排除了不能接受的假設，并將調(diào)節(jié)效應分析的心理潛變量對拼車出行意愿的路徑繪制在圖12 和圖13 中，發(fā)現(xiàn)標準化路徑系數(shù)的變化受不同碳積分價值和拼車里程的影響。

圖12 碳積分價值對拼車出行意愿的調(diào)節(jié)作用

圖13 拼車里程對拼車出行意愿的調(diào)節(jié)作用

路徑“態(tài)度（ATT）→拼車出行意愿（BI）”受不同碳積分價值的影響關系如圖12（a）所示，受不同拼車里程的影響關系如圖13（a）所示。從圖中可以看出，隨著碳積分價值和拼車里程的增加，態(tài)度（ATT）對拼車出行意愿（BI）的影響逐漸減弱?；貧w結果表明假設H17.1 和H19.1成立。如圖12（b）和圖13（b）所示，主觀規(guī)范（SN）→拼車出行意愿（BI）的間接路徑系數(shù)與路徑“態(tài)度（ATT）→拼車出行意愿（BI）”變化趨勢一致，由此證明假設H17.2和H19.2成立。

由于路徑“低碳價值觀（LCV）→拼車出行意愿（BI）”只在情景3、6、9、12 中顯著，因此本文對這4 種情景的路徑系數(shù)進行分析，低碳價值觀（LCV）→拼車出行意愿（BI）受不同碳積分價值的影響關系如圖12（c）所示，受不同拼車里程的影響關系如圖13（c）所示。與路徑“態(tài)度（ATT）→拼車出行意愿（BI）”相反的是，隨著碳積分價值和拼車里程的增加，低碳價值觀（LCV）對拼車出行意愿（BI）的影響均逐漸增強，由此證明假設H17.3和H19.3成立。

綜上，如果碳積分價值增加，人們的拼車出行意愿更有可能受碳積分價值和低碳價值觀驅動，而不是被態(tài)度（ATT）和主觀規(guī)范（SN）操縱；如果拼車里程增加，態(tài)度（ATT）和主觀規(guī)范（SN）對拼車意愿的影響也將減弱，而低碳價值觀（LCV）對拼車出行意愿的影響將增強，即隨著拼車里程的增加，低碳價值觀（LCV）的影響將更顯著。

3.5 討論與建議

通過分析碳積分價值和拼車里程對拼車出行意愿的直接影響發(fā)現(xiàn)：碳積分價值對人們拼車出行意愿的影響較強，人們的拼車出行意愿隨碳積分價值的提高而加強；而當拼車里程增加時，碳普惠制度對網(wǎng)約車用戶拼車出行意愿的激勵效果更好，碳積分價值和拼車里程共同影響碳普惠制度的激勵效果。因此，該研究結果證明了碳普惠機制對拼車出行意愿具有顯著正向作用。

通過分析不同碳積分價值和拼車里程對拼車出行意愿的調(diào)節(jié)作用發(fā)現(xiàn)：態(tài)度和主觀規(guī)范對拼車出行意愿的作用隨著碳積分價值和拼車里程的增加而降低，而低碳價值觀對拼車出行意愿的作用隨著碳積分價值和拼車里程的增加而增加。這表明隨著碳積分價值的增加，用戶拼車選擇決策受態(tài)度和主觀規(guī)范的影響逐漸減弱，而低碳價值觀的驅動作用增強。因此，該研究結果證明了碳普惠機制對其他心理潛變量有顯著的調(diào)節(jié)作用，進而影響用戶的拼車出行意愿。

基于上述發(fā)現(xiàn)，提出以下關于促進網(wǎng)約拼車推廣的建議：①盡快建立并完善碳普惠制度，通過提供豐富的低碳權益兌換渠道，提高碳積分價值，加大碳普惠激勵力度；②針對不同人群、不同出行距離的拼車訂單，制定個性化的碳普惠激勵策略；③網(wǎng)約車公司可推出拼車打卡排名活動，通過口碑效應增強用戶對網(wǎng)約拼車出行的參與感和認同感；④政府加大對綠色低碳出行方式的宣傳力度，引導公眾建立低碳價值觀。

4 結束語

本文融合運用了計劃行為理論、技術接受模型、感知風險理論，從多個角度對網(wǎng)約車用戶拼車出行意愿的影響因素進行假設與建模，并引入以碳積分為載體的碳普惠制度，分析了在12個不同的碳積分情景下網(wǎng)約車用戶的拼車出行意愿，探究了碳積分價值、出行里程和心理潛變量對網(wǎng)約車用戶拼車意愿的交互影響。結果表明，碳普惠機制對拼車出行具有顯著的激勵作用，用戶的拼車出行意愿隨碳積分價值的提高而加強。同時還發(fā)現(xiàn)，碳積分價值和拼車里程對其他心理潛變量具有調(diào)節(jié)作用，可進一步影響用戶的拼車出行意愿。本研究可為拼車出行推廣政策的制定提供理論依據(jù)。

需指出的是，本文所研究的碳積分價值僅是碳普惠機制的載體之一，在后續(xù)的研究中還可引入碳信用、碳成本、貨幣獎勵等新的碳普惠激勵措施，進一步探索不同碳普惠激勵措施對網(wǎng)約車出行者拼車出行意愿的影響；也可在模型假設中增加其他心理潛變量，對網(wǎng)約車用戶拼車出行意愿的影響因素進行更全面的研究。