公交滿意度改善策略DIPA排序法

羅麗群，李佳玉，李 瓊，王 紅，朱順應

（武漢理工大學，湖北 武漢 430063）

公交滿意度改善策略DIPA排序法

羅麗群，李佳玉，李 瓊，王 紅，朱順應

（武漢理工大學，湖北 武漢 430063）

為提高乘客對公交服務質量的滿意度，將乘客分為不滿意群體和滿意群體，不滿意群體是公交出行的不穩定客源，針對該群體提出改進措施，對滿意度的提高更具有針對性、科學性。另外，針對目前措施排序IPA方法中分區粗略、缺乏操作性的問題，將不滿意群體與滿意群體進行對比研究，提出三維排序方法（DIPA），使改進措施更加精準。

公交服務質量；滿意度；改進措施；IPA；DIPA

1 引言

隨著經濟及機動化水平的提高，交通擁堵狀況日益嚴重。公交作為運能大、占地少的綠色交通工具，提高其出行比率是減少交通擁堵的重要手段。目前，我國的城市公交機動化出行分擔率普遍不足60%，究其原因是城市公交服務質量不高，吸引力不強[1]。在公交服務的過程中采取哪些措施才能有效改善服務質量，提升公交出行分擔率，正在逐步受到政府監管部門與公交營運企業的廣泛關注與高度重視[2]。公交滿意度直觀地反映了乘客對公交服務質量的態度[3]，被廣泛認為是影響公眾行為選擇的最重要因素。公交的服務質量是影響公交出行者繼續選擇公交出行的主要因素，要維護“既有客戶”，挖掘公交的“潛在客戶”，就需要提高乘客滿意度，減少不滿意率，因此針對不滿意群體提出改善公交服務質量的措施，對于降低不滿意率更有效。

國內對于公交滿意度的研究較多，但均以滿意度調查的所有數據作為研究對象[4-5]，未分群體進行分析，不具有針對性。另外，公交滿意度改進策略排序采用較多的是重要性－績效分析方法（Importance-Performance Analysis，IPA）[6-7]，以“重要性”、“績效”作為參數，以矩陣形式來確定各項指標的改進策略優先級。其中，“重要性”為各個滿意度指標對總體滿意度的影響程度，即每個指標的“權重”。結構方程式（Structural equation modeling，SEM）依托乘客評價數據將指標路徑系數作為客觀權重，是目前確定滿意度指標權重較為廣泛的一種方法[8]，例如，陳堅[9]利用SEM模型對公交出行影響因素大小進行了研究；績效則用乘客對于滿意度各指標的評分作為代表。

但IPA方法中，以結構方程式標定的作用系數作為重要性，只反映了指標改善難度，未考慮把某個指標從不滿意改善成滿意狀態的差距。實際上不同滿意程度的群體對于公交提供的同一服務質量的感知程度是不同的，不滿意群體感知程度越接近滿意群體，那么不滿意群體對該指標越敏感，改善該指標對不滿意群體越容易接近滿意狀態；其次改善策略優先級分為四個區，分級欠精準，操作性較差。因此考慮加入指標相對敏感度的三維IPA矩陣（Three-Dimensional Importance Performance Analysis，DIPA），使改進措施更精確。

本文以武漢市公交滿意度調查數據為研究對象，將總體滿意度評價中的乘客劃分為不滿意群體（包括非常不滿意、不滿意、基本滿意）及滿意群體（滿意、非常滿意）兩類。分別通過結構方程式模型得到兩類群體各指標對總體滿意度的作用系數，以不滿意感知程度與滿意感知程度差值作為指標敏感度，利用重要性-敏感度-績效建立DIPA矩陣，制定更有效、更精確的提高公交滿意度的措施。

2 數據采集與分析方法

2.1 公交滿意度調查指標

公交滿意度調查問卷設計見表1。其內容包括三個部分：（1）乘客屬性信息，主要包括個人屬性特征（性別、年齡、職業、家庭收入）和出行特征（公交乘坐頻率、換乘次數和全程花費時間）；（2）公交滿意度評價指標，包括安全感、舒適感、便利性、快速性等四類指標。

表1 公交服務質量指標體系

2.2 調查問卷設計及實施

問卷中乘客對各個指標的滿意程度采用10級李克特量表(Likert)，10分為最滿意，1分為最不滿意。

2015年11月11-21日，聯合武漢公共交通管理辦公室對現有一至六公司等12個公交企業的365條公交線路（主城區及跨遠城區線路，不包括遠城區區域線路），采取分層（線路）隨機抽樣方法，調查員按線路分層隨機選擇乘客進行一對一的問卷調查，每日調查時間覆蓋整個運營時間，持續10天，包括工作日和休息日。

2.3 調查樣本量確定及檢驗

本次調查共發放問卷20 000份，獲取有效問卷18 378份，有效回收率為91.89%、達到了置信95%，相對誤差1%的要求。利用SPSS19.0進行問卷的效度和信度檢驗，結果表明此次調查克朗巴哈α信度系數為0.933，各指標調查問卷內在信度很高；各調查指標的共同度均大于0.4，調查問卷的指標體系合理。

為實現研究目標，根據公交總體滿意度將乘客分為滿意群體和不滿意群體。提取滿意群體（非常滿意、滿意）共7 615份問卷，不滿意群體（基本滿意、不滿意、非常不滿意）共10 763份作為分析對象。

2.4 數據分析方法

（1）結構方程式模型（Structural Equation Modeling-SEM）。結構方程式[10-11]能處理不可直接觀測變量、多個復雜觀測變量交互因果關系，潛變量與觀測變量是一種線性因果關系。利用結構方程式能夠確定指標對總體滿意度的影響大小（感知程度），圖1表示存在中介變量Y1與Y2的X→Y的結構方程式模型關系。

圖1 SEM因果模型

其結構方程式表示如下：

以矩陣表示為：

其中Y為潛變量，X為觀測變量，β和γ為觀測變量與潛變量以及潛變量與潛變量間的標準化路徑系數，ξ為回歸殘差。Y的總效應是X1、X2、X3的直接效應與Y1，Y2的間接效應總和，標準化總效用表達了觀測變量對潛變量、潛變量對潛變量的作用大小。

本研究基于13個滿意度指標分別建立不滿意群體與滿意群體的結構方程模型，得到各指標的總效用（包括指標的直接效應及間接效應）。

（2）重要性-績效矩陣法（Importance Performance Analysis，IPA）。由結構方程式中指標與總體滿意度間的關系方程可簡化以下公式：

Yi-第i指標的總體滿意度；

ki-第i指標的綜合效應系數，反映貢獻度感知敏感程度；

Xi-第i指標的滿意度得分值。

第i指標改善對總體滿意度的增長率，即影響程度，反映績效，ki越大績效越高；Xi考慮了改善的難易程度，即顧客評價，顧客評價越小越容易改善。據此做出IPA矩陣，如圖2所示。

圖2 IPA矩陣分區

IPA矩陣中，利用影響程度與顧客評價分界點將坐標系劃分為4個區域，“優先改進”區域是顧客評價低、影響程度高的指標；“其次改進”區域是顧客評價低、影響程度低的指標；“保持現狀”區域是顧客評價高、影響程度低的區域；“影響優勢”區域是顧客評價高、影響程度高的區域。措施排序中隱含著改進順序中，顧客評價優于指標影響程度。然而，在二維的IPA改進措施矩陣中缺少考慮不滿意群體各指標改善到滿意狀態的敏感度，且矩陣分區粗略，缺乏操作性。

（3）重要性-敏感度-績效矩陣法（Three-Dimensional Importance Performance Analysis，DIPA）。根據公式（4）的理論思想，可以得到滿意群體及不滿意群體的總體滿意度公式，不滿意群體相對滿意群體的總體滿意度差異為ΔYi。

ki滿意是滿意乘客對i指標的感知程度，滿意是不滿意對指標感知程度的參照系。對于指標i要縮小滿意與不滿意的差距，需要減小Δki。定義相對敏感度Δki為第i指標從不滿意狀態改善成滿意狀態的滿意度指標的差距，即相對敏感度越小，不滿意群體變為滿意群體的可能性更大。

DIPA是在績效和改善難易程度作為分析視角建立矩陣的基礎上，加入不滿意群體與滿意群體的指標相對敏感度，從而建立三維矩陣，得到更精確的優先改進、其次改進策略。

3 數據分析與結果

3.1 數據統計

3.1.1 乘客基本信息統計。

表2 武漢市公交滿意度問卷調查乘客基本情況（n=18 378）

乘客的基本信息統計情況見表2。有效樣本中，52.0%為男性，48.0%為女性；年齡主要集中在18-40歲，此年齡段的人群為出行主體，出行活動較為活躍，具有較好的代表性；出行群體中，學生、企事業職員較多，是公交通勤出行的主體，家庭月收入小于4 000元的乘客接近80%，低收入群體是公交的主流乘客，公交乘坐頻率每日1次及以上的群體大約50%，通勤與非通勤乘客占比相當。

3.1.2 滿意度指標得分。根據滿意度各指標得分統計調查結果，得到不滿意群體、滿意群體以及所有乘客群體的“策略層”12個服務質量滿意度指標的得分，見表3。

表3 不滿意群體、滿意群體及所有乘客滿意度評價

由不滿意群體及滿意群體的指標滿意度均值結果可知，不滿意群體的各項指標評分最低，滿意群體的各項指標均值最高。所有乘客綜合評價值處于滿意與不滿意之間。說明總體滿意度表現為不滿意狀態的群體對公交服務質量的其他指標評分低于滿意群體的評價。

3.2 指標重要度分析

采用AMOS計算軟件中極大似然法對結構方程式模型（SEM）參數進行估計。武漢市公交乘客滿意度12個“策略層”滿意度指標與總體滿意度的結構方程模型參數估計和效果檢驗見表4、圖3，常用5個模型擬合指標[12]均滿足判別標準，說明模型和觀測數據擬合程度良好。

表4 SEM模型的擬合指標與檢驗

圖3 不滿意、滿意及所有乘客群體結構方程式模型

圖4 不滿意、滿意及所有乘客群體綜合作用系數

圖4 顯示，不滿意群體、滿意群體、所有乘客群體對于不同指標的感知程度不同，其中，在車容車況、舒適性、司機駕駛行為、安全性這幾類指標上的差距較大。不滿意群體對全程花費時間、非高峰候車時間、高峰候車時間、站點候車條件、首末班時間、信息服務的感知度較高，其作用系數分別為0.648、0.6、0.596、0.578、0.629、0.567，同時滿意群體的相對敏感度也較高。除此之外，不滿意群體在舒適性方面與滿意群體的感知度基本相同，其作用系數為分別為0.638和0.657，敏感度最高。

3.3 相關敏感度計算

通過公式（6）相對敏感度的計算公式，計算Δki，計算結果見表5。

表5 指標相對敏感度

3.4 DIPA矩陣

根據表3滿意度評價及表5不滿意群體指標感知度及相對敏感度，建立DIPA改進措施矩陣。在DIPA矩陣中，指標難易程度的改進順序優于指標績效，績效的改進順序優于相對敏感度。為了簡化矩陣，更清楚地觀測矩陣中處于不同區域的指標，將三維矩陣簡化成2個2X2矩陣。首先是乘客評價與指標感知程度的IPA改進措施矩陣，按照改進的優先順序，挑選出乘客評價低的指標，即優先改進與其次改進的指標，然后再做指標感知程度與敏感度的改進措施IPA矩陣，將優先改進與其次改進的指標進行細化分區，重新定義各分區。相對敏感度低、感知程度高的指標處于“最優先改進”區域；相對敏感度高、感知程度高的指標處于“其次改進”區域；相對敏感度低、感知程度低的指標處于“再次改進”區域；相對敏感度高、感知程度低的指標處于“最后改進”區域。根據這一思路得到兩個矩陣，如圖5和圖6。

圖5 不滿意群體IPA改進措施矩陣

圖6 不滿意群體DIPA改進措施矩陣

由圖5可以知道，舒適性（x3）、車容車況（x4）、全程花費時間（x12）處于優先改進的區域，非高峰候車時間（x11）、高峰候車時間（x10）、站點候車條件（x6）處于其次改進的區域。圖6將圖5中改進區域進行進一步的細分，得到對于不滿意群體而言，應該最優先改進的策略為公交舒適性（x3）和公交車容車況（x4）。其次應該改進的是公交出行的全程花費時間（x12），再次改進區域沒有分配到指標，最后改進的指標有高峰候車時間（x10）、非高峰候車時間（x11）、站點候車條件（x6）。通過DIPA的改進措施矩陣的構造，能夠更精確地對改進措施進行排序。公共交通事業作為公益性的交通工具，運營資金有限，要提高其服務質量，應該將有限的資源運用到最需要改進的地方，實現資源的最大化利用。同時，更精細的改進措施排序也有助于政府及公交企業實施。

4 討論與結論

同一結構方程式標定不滿意群體和滿意群體以及所有問卷調查乘客的指標感知程度是有差別的，因此針對不滿意群體及所有乘客的改進措施策略是不同的。不滿意群體是公交出行的不穩定客源，針對該群體提出改進措施，更具有針對性、科學性。本文將調查問卷分為不滿意群體及滿意群體，針對不滿意群體進行改善措施的研究，更具針對性，由此制定的改善措施更有效。通過對比不滿意群體和所有乘客（如圖7）的改進措施策略可以知道，針對所有群體提出的改進措施與不滿意群體的改進措施項相同，但針對所有乘客的優先改進策略有5個，其次改進的有1個；針對不滿意群體的優先改進措施有3個，其次改進措施有3個。但是排序順序有較大差別，不滿意群體的排序改進順序更明晰，更有層次性。

圖7 所有乘客群體IPA矩陣

本文不僅針對不滿意群體提出了相應的改進措施，同時對不滿意群體指標達到滿意狀態的相對敏感度進行定義。針對以往IPA矩陣分區粗略、缺乏操作性的缺陷，加入不滿意群體相對敏感度因素，構造DIPA矩陣，將矩陣分區為8個，進一步細分改進措施的優先順序，尋求最優先解決的問題，其中最優先改善的措施是公交舒適性及公交車容車況，其次是公交出行的全程花費時間，最后改進的是高峰候車時間，非高峰候車時間、站點候車條件。

綜上所述，針對不滿意群體的改進措施更具科學性和有效性。另外，以往利用 IPA矩陣制定改進措施時，其矩陣分區粗略，得到的改進措施較為籠統，對政府及公交企業缺乏實踐指導意義。考慮不滿意乘客轉變為滿意乘客的敏感度，增加不滿意群體相對敏感度因素，構造DIPA矩陣，有利于進一步對改進措施的排序。相比IPA矩陣下的改進措施更具操作性及指導性。但本文仍有不足，雖然DIPA矩陣能夠進一步排序，但是仍然不能做到單一策略的排序。

[1]馬莉莉,孟祥輝,張廣娟.我國公共交通存在問題及對策分析[J].中國科技論文在線,2010,(9):1-6.

[2]楊曉光,安健,劉好德,等.公交運行服務質量評價指標體系探討[J].交通運輸系統工程與信息,2010,(4):13-21.

[3]劉武,李文.城市公交服務乘客滿意度指數模型[J].城市交通, 2007,(6):65-69.

[4]張棟,楊曉光,安健,等.基于乘客感知的常規公交服務質量評價方法[J].城市交通,2012,10(4):73-78.

[5]趙琳娜,王煒,季彥婕,等.乘客差異化需求對公交出行滿意度的影響[J].城市交通,2014,(4):65-71.

[6]Martilla J A,James J C.Importance-performance analysis[J]. Journal of Marketing,1977,(9):77-99.

[7]Oh H.Revisiting importance-performance analysis[J].Tourism Management,2001,22:617-627.

[8]Weiwei Shen,Weizhou Xiao,Xin Wang.Passenger satisfaction evaluation model for Urban rail transit:A structural equation modeling based on partial least squares[J].Transport Policy, 2016,(46):20-31.

[9]陳堅,楊亞璪,李小兵,等.基于SEM的城市公交方式選擇行為模型[J].交通運輸系統工程與信息,2014,(5):202-208.

[10]Paul Barrett.Structural equation modelling:Adjudging model fit[J].Personality and Individual Differences,2007,42(5):815-824.

[11]易丹輝.結構方程式模型與應用[M].北京:中國人民出版社, 2008.

[12]吳明隆.結構方程式模型—Amos的操作與應用[M].重慶:重慶大學出版社,2009.

DIPA Sequencing Method in Improving Bus Passenger Satisfaction

Luo Liqun,Li Jiayu,Li Qiong,Wang Hong,Zhu Shunying
(Wuhan University of Technology,Wuhan 430065,China)

In this paper,in order to improve the satisfaction of the passengers toward the bus service,we divided the passengers into the contented group and discontented group,the latter being an unstable source of travelers by bus,for which we proposed the measures of improvement to render the effort at increasing the passenger satisfaction more clear-targeted and scientific.Next,in view of the inadequacy of the current IPA sequencing method,we compared the satisfaction of the two groups and proposed the DIPA sequencing method to make the improvement measures more accurate.

bus service quality;satisfaction;improvement measure;IPA;DIPA

U469.13;F224.0

A

1005-152X(2016)12-0079-06

10.3969/j.issn.1005-152X.2016.12.019

2016-10-24

羅麗群（1991-），女，四川內江人，碩士研究生，主要研究方向：交通運輸規劃與管理;朱順應（1967-），通訊作者,男，安徽安慶人，博士，教授，博士生導師，主要研究方向：交通運輸系統規劃、交通運營管理、交通安全、智能交通基礎理論。