基于Ordered Probit模型的區(qū)域客運(yùn)通道需求層次識(shí)別

李 莉，丁宏飛

(西南交通大學(xué) 交通運(yùn)輸與物流學(xué)院，四川 成都 610031)

運(yùn)輸業(yè)是國民經(jīng)濟(jì)發(fā)展的關(guān)鍵，隨著我國運(yùn)輸業(yè)的發(fā)展，各經(jīng)濟(jì)區(qū)域間的時(shí)間距離不斷縮短，溝通聯(lián)系隨之頻繁。區(qū)域客運(yùn)通道作為經(jīng)濟(jì)區(qū)域內(nèi)的客流主載體，將經(jīng)濟(jì)區(qū)域通過整合的各種運(yùn)輸方式聯(lián)系起來，實(shí)現(xiàn)經(jīng)濟(jì)區(qū)域內(nèi)的協(xié)調(diào)發(fā)展。目前，國內(nèi)主要的區(qū)域通道，一方面運(yùn)能緊張，各運(yùn)輸方式間較難實(shí)現(xiàn)合理分工、協(xié)調(diào)配合，迫使通道系統(tǒng)整體運(yùn)輸效率和質(zhì)量下降；另一方面，在市場(chǎng)化的條件下，運(yùn)輸企業(yè)之間盲目的通過運(yùn)價(jià)策略以求謀取更大份額的客運(yùn)分擔(dān)率。要解決上述矛盾，客運(yùn)需求層次分析是區(qū)域客運(yùn)通道規(guī)劃建設(shè)之關(guān)鍵，在把握市場(chǎng)需求的基礎(chǔ)上，有針對(duì)性地進(jìn)行通道運(yùn)力資源的合理配置。

1 客運(yùn)需求層次劃分的研究現(xiàn)狀

區(qū)域通道客運(yùn)需求不僅包含量的需要，更應(yīng)注重質(zhì)的要求。以往很多研究更多地將目光投向客運(yùn)需求總體規(guī)模以及客運(yùn)需求方式劃分的預(yù)測(cè)[1-2]，而忽視了對(duì)需求結(jié)構(gòu)層次的研究，導(dǎo)致通道運(yùn)能配置很難滿足多樣化的運(yùn)輸需求。鐘靜[3]從旅客出行行為分析入手，構(gòu)建廣義費(fèi)用函數(shù)的Logit模型，對(duì)區(qū)域運(yùn)輸通道內(nèi)旅客運(yùn)輸產(chǎn)品分擔(dān)率進(jìn)行預(yù)測(cè)，從而明確區(qū)域通道客運(yùn)系統(tǒng)內(nèi)各種運(yùn)輸方式的合理分工。吳偉，等[4]通過定性分析運(yùn)輸通道客運(yùn)量的影響因素，用灰色關(guān)聯(lián)度理論篩選出影響運(yùn)輸通道客運(yùn)量的主要因素，采用BP神經(jīng)網(wǎng)絡(luò)模型，對(duì)運(yùn)輸通道客運(yùn)量進(jìn)行預(yù)測(cè)。安文娟[5]從理論研究方面對(duì)客運(yùn)需求層次進(jìn)行了劃分，探討了基于群體劃分的客運(yùn)需求層次結(jié)構(gòu)，并提出了區(qū)域運(yùn)輸通道客運(yùn)需求層次結(jié)構(gòu)特征。

2 客運(yùn)需求結(jié)構(gòu)影響因素的選取

鑒于旅客是出行需求主體，在進(jìn)行通道客運(yùn)需求層次影響因素分析時(shí)，著眼于對(duì)出行主體相關(guān)因素的研究。綜合考慮出行者個(gè)人特性(如性別、年齡、收入等)、出行特性(如時(shí)間、距離、目的等)以及區(qū)域客運(yùn)通道的特性，將影響因素歸納為個(gè)人收入、出行目的和旅客心理偏好，見表1。

表1 需求層次影響因素

具體在進(jìn)行個(gè)人收入水平劃分時(shí)，依據(jù)個(gè)人消費(fèi)支出的結(jié)構(gòu)性指標(biāo)——恩格爾系數(shù)作為判別標(biāo)準(zhǔn)[7]，結(jié)合聯(lián)合國相關(guān)規(guī)定，具體的收入水平劃分標(biāo)準(zhǔn)如表2。

表2 收入等級(jí)劃分

3 Ordered Probit模型的構(gòu)建

3.1 客運(yùn)需求層次劃分

借鑒馬斯洛和恩格斯的人類需求層次理論[5]，將區(qū)域客運(yùn)通道需求層次大致分為4個(gè)層次，如圖1。

圖1 客運(yùn)需求層次Fig.1 Passenger demand level

3.2 構(gòu)建需求層次識(shí)別模型

記區(qū)域客運(yùn)通道需求層次為一個(gè)離散變量yi(i=1，2，…，n對(duì)應(yīng)所劃分的需求層次等級(jí)表，如圖1)；y*表示客運(yùn)需求層次的內(nèi)在變化趨勢(shì)，為一個(gè)連續(xù)的隱性變量。Probit模型的一般形式為：

y*=βX+ε

(1)

式中：X為需求影響因素構(gòu)成的向量；β為影響因素的系數(shù)向量，為待估參數(shù)；ε為誤差擾動(dòng)項(xiàng)，表示該層次識(shí)別模型中未考慮的但對(duì)需求具有影響作用的其它因素之和，假設(shè)其服從標(biāo)準(zhǔn)正態(tài)分布，即ε～N(0,1)。

為形成離散變量yi和連續(xù)變量y*之間的映射關(guān)系，根據(jù)客運(yùn)需求層次結(jié)構(gòu)的劃分，將連續(xù)變量y*的整個(gè)取值區(qū)間通過設(shè)置閾值τi劃分為4個(gè)分區(qū)間Ai，設(shè)τ0=-∞，τ4=+∞，其中τ1<τ2<τ3，設(shè)離散變量yi取值1，2，3，4對(duì)應(yīng)不同的需求結(jié)構(gòu)層次，從而根據(jù)式(3)實(shí)現(xiàn)此映射關(guān)系：

1.統(tǒng)籌策劃，把好項(xiàng)目謀劃關(guān)。審計(jì)好比部隊(duì)打仗，戰(zhàn)前偵察很重要，否則無法制定作戰(zhàn)計(jì)劃。當(dāng)好審計(jì)組長(zhǎng)，力求在“早”字上做文章，盡量提早謀劃、盡早安排。審前調(diào)查要確保“細(xì)”，要通過內(nèi)部控制測(cè)試和風(fēng)險(xiǎn)評(píng)估，最大限度降低審計(jì)風(fēng)險(xiǎn)。編制審計(jì)實(shí)施方案要做到“精”，詳細(xì)了解被審計(jì)單位的全面經(jīng)濟(jì)狀況，確定審計(jì)的目標(biāo)、重點(diǎn)，制定內(nèi)容具體、重點(diǎn)突出、操作性強(qiáng)的審計(jì)實(shí)施方案。人員選配要“慎”，通過配備業(yè)務(wù)精湛的主審及專業(yè)結(jié)構(gòu)合理的審計(jì)人員組成審計(jì)組，并進(jìn)行合理分工，做到人盡其才，才盡其用。

(2)

(3)

因此，yi在各區(qū)間中出現(xiàn)的概率，即離散量yi關(guān)于X的條件概率的計(jì)算方程式為：

3.3 極大似然估計(jì)

模型需要對(duì)參數(shù)β和閾值τi進(jìn)行估計(jì)。采用極大似然法進(jìn)行處理，為方便，記φ(τi-βX)=φi，則Pr(y=i|X)=φi-φi-1)。求得極大似然函數(shù)：

(5)

由于L最大時(shí)的參數(shù)估計(jì)與lnL等價(jià)，因此變換為估計(jì)lnL最大時(shí)的參數(shù)，即：

(6)

選擇Stata軟件實(shí)現(xiàn)上述極大似然估計(jì)，從而獲得參數(shù)估計(jì)結(jié)果。

4 模型應(yīng)用示例

成渝運(yùn)輸通道承擔(dān)了成渝經(jīng)濟(jì)區(qū)域內(nèi)主要的客運(yùn)任務(wù)，實(shí)現(xiàn)兩地的經(jīng)濟(jì)合作，促進(jìn)經(jīng)濟(jì)的協(xié)調(diào)發(fā)展。隨著成渝客運(yùn)的完善發(fā)展，區(qū)域內(nèi)旅客運(yùn)輸需求呈現(xiàn)多樣化發(fā)展。以成渝客運(yùn)通道為研究對(duì)象(圖2)，根據(jù)出行調(diào)查數(shù)據(jù)，采用Stata軟件進(jìn)行序次Probit模型參數(shù)估計(jì)，實(shí)現(xiàn)對(duì)客運(yùn)需求的判斷。

圖2 成渝客運(yùn)通道示意Fig.2 Chengdu-Chongqing passenger transport corridorschematic diagram

根據(jù)所構(gòu)建的需求層次識(shí)別模型，選取個(gè)人出行調(diào)查數(shù)據(jù)(樣本容量200)，結(jié)合原始出行調(diào)查問卷，對(duì)出行目的、心理偏好、個(gè)人收入和需求層次分別進(jìn)行量化處理。其中，出行目的分為4個(gè)等級(jí)：求學(xué)務(wù)工、探親訪友、休閑娛樂和公務(wù)或商務(wù)，分別取值1，2，3，4；心理偏好包括4種類型：價(jià)格導(dǎo)向型、時(shí)間導(dǎo)向型、安全導(dǎo)向型和服務(wù)質(zhì)量導(dǎo)向型，分別取值1，2，3，4；個(gè)人收入分為3個(gè)等級(jí)：低等收入、中等收入和高等收入，分別取值1，2，3；需求層次分3個(gè)等級(jí)：可達(dá)性需求、經(jīng)濟(jì)性需求、快速方便性需求和舒適享受型需求，分別取值1，2，3，4。量化處理后的數(shù)據(jù)形式如表3。

表3 出行調(diào)查數(shù)據(jù)

將表3數(shù)據(jù)轉(zhuǎn)化為EXCEL格式，通過命令file→import→Excel spreadsheet導(dǎo)入Stata軟件中，如圖3。

圖3 數(shù)據(jù)導(dǎo)入示意Fig.3 Data imput schematic diagram

利用Statistics→Ordinal outcomes→Ordered Probit regression進(jìn)行模型變量設(shè)置，實(shí)現(xiàn)模型的極大似然估計(jì)[10](圖4)，最終的估計(jì)結(jié)果如表4。

圖4 變量設(shè)置示意Fig.4 Schematic diagram ofvariables setting

參數(shù)估計(jì)值標(biāo)準(zhǔn)差95%的置信區(qū)間出行目的0.57470.8226[0.4135,0.7359]心理偏好0.58060.8585[0.4124,0.7489]個(gè)人收入0.82950.1168[0.6005,1.0585]閥值τ13.33500.4089[2.5336,4.1364]閥值τ25.68290.5165[4.6706,6.6952]閥值τ37.56950.6574[6.2809,8.8581]

根據(jù)收集的個(gè)人出行調(diào)查數(shù)據(jù)，采用MATLAB中g(shù)riddata 插值命令，選取格點(diǎn)樣條函數(shù)內(nèi)插法，得到不同的影響條件下，連續(xù)的需求層次分布圖[11]。圖5為不同出行目的和心理偏好下插值得到的3種收入水平下旅客的需求層次分布。

圖5 成渝客運(yùn)通道需求層級(jí)分布Fig.5 Demand level distribution of Chengdu-Chongqingpassenger transport corridor

由圖5可知：①任何收入水平下，當(dāng)心理偏好和出行目的層級(jí)逐漸升高時(shí)，需求層級(jí)亦逐步升高；②當(dāng)收入水平逐步升高時(shí)，即使出行目的和心理偏好處于較低層級(jí)時(shí)，所對(duì)應(yīng)的需求層級(jí)也偏高。尤其是當(dāng)收入層級(jí)屬于高等收入時(shí)，基本不存在可達(dá)性需求；③隨著收入水平的提高，處于較低層級(jí)的出行目的和心里偏好對(duì)需求層級(jí)的影響逐漸減弱，而僅當(dāng)兩者處于較高層級(jí)時(shí)，影響作用才比較突出，顯然這與實(shí)際情況相符。

根據(jù)上述的參數(shù)估計(jì)結(jié)果，將該通道完整的調(diào)查數(shù)據(jù)帶入Ordered Probit模型，即可獲得詳細(xì)的客運(yùn)需求層次劃分，從而有針對(duì)性地進(jìn)行通道客運(yùn)產(chǎn)品配置。

5 結(jié) 論

1)選取出行目的、心理偏好和收入水平作為客運(yùn)需求層級(jí)劃分的影響因素，表現(xiàn)出很好的顯著性，相比于傳統(tǒng)考慮眾多影響因素的客運(yùn)需求層次分析，更簡(jiǎn)單、易操作。

2)將基于Ordered Probit 模型得到的客運(yùn)需求層級(jí)進(jìn)行MATLAB插值處理，獲得在一定收入水平下，不同出行目的和心理偏好情況下需求層級(jí)三維特征圖，形象生動(dòng)、清楚明了。

3)筆者通過數(shù)學(xué)模型實(shí)現(xiàn)需求層級(jí)識(shí)別，采用Ordered Probit模型取得較為滿意的試驗(yàn)結(jié)果，但是本研究中僅選用3個(gè)影響因素，因此后續(xù)的研究重點(diǎn)在于考慮較多因素的情況下，利用Ordered Probit對(duì)狀態(tài)變量進(jìn)行建模，并保證各影響因素具有良好的顯著性。

[1] 安文娟,陳峰.基于改進(jìn) MD 模型的區(qū)域交通方式劃分預(yù)測(cè)方法[J].重慶交通大學(xué)學(xué)報(bào):自然科學(xué)版,2012,31(4):824-827.

An Wenjuan,Chen Feng.Regional traffic modal splitting method based on improved MD model [J].Journal of Chongqing Jiaotong University:Natural Science,2012,31(4):824-827.

[2] 王江濤,馬駟.預(yù)測(cè)通道客運(yùn)分擔(dān)率的 MNL 模型特性變量選取[J].重慶交通大學(xué)學(xué)報(bào):自然科學(xué)版,2010,29(6):947-950.

Wang Jiangtao,Ma Si.MNL model characteristic variables selection on forecasting corridor mode split [J].Journal of Chongqing Jiaotong University:Natural Science,2010,29(6):947-950.

[3] 鐘靜.區(qū)域運(yùn)輸通道內(nèi)旅客運(yùn)輸產(chǎn)品分擔(dān)率預(yù)測(cè)[D].西安:長(zhǎng)安大學(xué),2011:29-43.

Zhong Jing.Prediction of passenger transport products’ share ratio in regional transport corridor [D].Xi’an:Chang’an University,2011:29-43.

[4] 吳偉,符卓,王曉.運(yùn)輸通道客運(yùn)量預(yù)測(cè)方法[J].鐵道科學(xué)與工程學(xué)報(bào),2012,9(5):96-102.

Wu Wei,Fu Zhuo,Wang Xiao.Passenger volume forecast method for transport corridor [J].Journal of Railway Science and Engineering,2012,9(5):96-102.

[5] 安文娟.區(qū)域運(yùn)輸通道客運(yùn)需求結(jié)構(gòu)分析及預(yù)測(cè)研究[D].北京:北京交通大學(xué),2011:21-24.

An Wenjuan.Analysis and Forecasting of Passengers Demand Structure in Regional Transport Corridor [D].Beijing:Beijing Jiaotong University,2011:21-24.

[6] 任志娟.手機(jī)消費(fèi)需求研究——基于Probit模型的分析[J].統(tǒng)計(jì)教育,2006(3):47-49.

Ren Zhijuan.Research on consumer demand of mobile phone:based on Probit model [J].Statistical Education,2006(3):47-49.

[7] 李艷紅.綜合運(yùn)輸通道客運(yùn)結(jié)構(gòu)優(yōu)化理論與方法研究[D].北京:北京交通大學(xué),2010:46-52.

Li Yanhong.Research on Theory and Methods of Passenger Transport Structure in Comprehensive Transportation Corridor [D].Beijing:Beijing Jiaotong University,2010:46-52.

[8] 文元橋,張恒,萬品.基于序次Probit模型的航道船舶碰撞危險(xiǎn)度研究[J].中國安全科學(xué)學(xué)報(bào),2012,22(2):134-139.

Wen Yuanqiao,Zhang Heng,Wan Pin.Risk degree analysis of ship collision risk in channel based on Ordered Probit model [J].China Safety Science Journal,2010,22(2):134-139.

[9] 宗芳,許洪國,張慧永.基于Ordered Probit 模型的交通事故受傷人數(shù)預(yù)測(cè)[J].華南理工大學(xué)學(xué)報(bào):自然科學(xué)版,2012,40(7):41-45.

Zong Fang,Xu Hongguo,Zhang Huiyong.Forecast of injury number due to traffic accident based on Ordered Probit model [J].Journal of South China University of Technology:Natural Science,2012,40(7):41-45.

[10] 姚少英.有序Probit模型的非參貝葉斯統(tǒng)計(jì)[D].上海:華東理工大學(xué),2012:9-20.

Yao Shaoying.A Nonparametric Bayesian Method to Estimate Ordered Probit Model [D].Shanghai:East China University of Science,2012:9-20.

[11] 黃光東,管建和,李響,等.基于Matlab平臺(tái)的插值法技術(shù)實(shí)現(xiàn)與應(yīng)用[J].電腦編程技術(shù)與維護(hù),2006(2):30-36.

Huang Guangdong,Guan Jianhe,Li Xiang,et al.Implementation and application of interpolation technology based on Matlab platform[J].Computer Programming Skills & Maintenance,2006(2):30-36.