主觀幸福感視角下的交通出行決策

李巧茹， 陳 克， 陳 亮， 王海波， 趙會凱

(1.河北工業大學土木與交通學院，天津 300401；2.天津市公路事業發展服務中心，天津 300170)

限行政策的實施、低碳出行政策的倡導、惡劣天氣條件的影響、個人的環境責任感驅使交通方式轉變，京津冀地區急需探索可持續的交通發展模式[1]。另外隨著人們生活水平的提高，擁有私家車的人數達到一定數量，居民出行不僅僅滿足于到達目的地，出行幸福感也越來越受到關注。在出行方式選擇的研究中考慮情緒因素，從出行幸福感角度探索決策效用與體驗效用之間的關系，將有助于深入分析出行方式選擇機理和內在規律[2-3]，為“低碳出行，綠色出行”提供合理化建議。

出行幸福感是指在“出行”這一情境下，個體通過感知與體驗將主觀幸福感具象化的基本過程。現有的研究通常以短期積極情緒(情緒幸福感)和出行滿意度(認知評判)為指標量化出行幸福感， Singleton[4]從確定出行目標、意義和自我實現等層面深入分析，對出行幸福感的含義進行擴展。研究表明不同出行者的出行幸福感感知不相同，且出行方式與出行幸福感具有交互影響作用。Friman等[5]對瑞典三個城市的居民進行了問卷調查，結果表明日常出行的滿意度直接影響出行幸福感，且駕駛等主動出行模式比公共交通具有更積極的作用。De Vos等[6]認為在出行方式的選擇中，出行滿意度和幸福感兩者不僅與“出行偏好和選擇”的結果有關，同時也是出行決策的前提條件。付學梅等[7]運用 ICLV(integrated choice and latent variable)模型，以考慮出行個人偏好和出行決策者的態度對出行行為的影響為切入點，對紹興市居民的出行行為進行了分析。陳月霞等[8]建立包含低碳出行心理潛變量的多項Logit模型，分析不同低碳心理變量對出行方式選擇的影響。

通過對國內外出行選擇與主觀幸福感相關性影響研究發現，中國出行幸福感研究起步較晚，出行幸福感的量化內容有待明確。且國外的出行幸福感量表是否適用于中國，仍需進一步論證。另外現有出行行為選擇的研究，大多考慮個人態度偏好、出行滿意度等潛變量，對于出行幸福感的考察力較弱，模型較少涉及出行決策與出行幸福感關系分析，對出行行為選擇與出行幸福感的定量關系有待進一步研究和探討。本文設計適用于中國的出行幸福感量表，以網絡問卷形式調查分析天津市私家車車主在選擇公共交通出行過程中的出行幸福感，構建基于出行幸福感的SEM-Logit出行方式選擇模型，分析出行幸福感對交通出行決策的影響。

1 樣本選取及問卷設計

1.1 調查地區背景

自2014年3月1日起，天津市開始實施尾號限制。根據2017年中國主要城市交通分析報告顯示，與2016年相比，天津市一年內的交通擁堵天數減少49天，交通需求管理(TDM)政策的作用不容忽視，同時出行方式的多樣化也是一個重要成因。網約車服務使用現象普遍，且平均每名共享單車用戶在工作日的平均乘坐次數為2.44次[9]。隨著地鐵線路的開通和運營，公交線路建設的不斷加快，天津居民的出行方式更加多樣化。

作為中國四個直轄市之一，據預測，到2020年，天津市中心城區公共交通出行將占機動車出行的60%。根據《天津市軌道交通網絡規劃》，到2030年，天津市軌道交通占居民出行的35%以上，占公共交通客流的60%以上[10]。

1.2 問卷設計

問卷設計如下：廣義出行幸福感一般從出行滿意度(認知評判層面)和狹義出行幸福感(情緒感受層面)兩方面進行量度。認知評判方面參考技術接受模型，總結出行滿意度的常用指標[11]；相應的情緒感受層面參考瑞典核心情感量表(SCAS)，該量表的分值一般從-4～4分，分別代表某種情緒的最負面與最正面狀態。中國現有的問卷調查研究中，5分李克特量表被廣泛采用，研究綜合考慮中國人群對事物評價的偏好和國外量表劃分的細致程度，對于所有的測量項目，采用7分量表來考察受訪者對這些項目的認可程度，其中7分表示最高認可，1分表示最不認可，見表1。

表1 問卷設計

公共交通是指公共汽車和地鐵以及其他交通工具和二者的組合使用。

1.3 樣本分析

本次調查于2018年6—7月在天津市中心城區進行，隨機選擇(包括網上隨機發布)了910名私家車車主。通過分析得出，不會選擇公共交通工具的私家車車主為269人，占總調查人數的29.6%；會選擇公共交通工具的私家車車主為641人，占70.4%，在這641人中，92.8%的人選擇乘坐地鐵，如表2所示。

表2 私家車主使用公共交通的頻率(N=910)

樣本的人口統計情況如下：男性占比70.8%，天津女性駕駛員的數量遠低于男性駕駛員，這也解釋了調查中男性駕駛員的比例較高的原因；根據天津市統計局發布的數據，2017年職工平均工資為5 607元，本文中參與調查的出行者平均收入為9 320元，私家車擁有者的收入高于這個水平是合理的；同時，樣本年齡在20～40歲，占樣本總數的70.7%，比較符合現實情況。此外，受訪者的職業多樣化，整體教育水平較高，可以更好地理解問卷中的問題，見表3。

表3 樣本特征(N=641)

2 SEM-Logit模型建立

按照效用函數概率項分布不同，目前使用的非集計模型主要包括 Probit 模型、Binary logit(BL)模型、multinomial logit(MNL)模型及nest logit(NL)模型等。其中BL 模型適合于僅有2 個選擇方案的模型。研究考慮的出行方式選擇集合包括兩個選擇肢，分別為小汽車和公共交通，即出行方式i=1為小汽車，i=2為公共交通，私家車主在做出出行決策時，總是選擇效用最大的方案。效用函數一般包括固定項Vni和不可觀察的誤差部分εni，即個體n選擇出行方式i的效用函數可表示為

Uni=Vni+εni

(1)

假設個體決策總是選擇效用函數最大的，傳統的Logit模型可表示為

(2)

式(2)中：Pni表示私家車主n選擇交通方式i的概率。

將出行幸福感特征潛變量添加到Logit模型中效用函數的固定項，則改進的效用函數可表示為

Vni=bkxnik+ckηnil

(3)

式(3)中：xnik為私家車主n選擇第i種交通方式的第k個特征變量；ηnil為不可觀測的潛變量；bk、ck是待估計的參數；l為潛變量的數量。

為進一步通過結構方程模型描述潛變量之間、潛變量與其測量變量之間的關系，以一個外生潛變量為例，其觀測潛變量解釋的載荷因子Λy看作各觀測變量的權重，對其進行標準化，得到觀測變量的權重：

(4)

將觀測到的變量代入，得到私家車主出行幸福感中感知易用性、感知易用性等各潛在變量的適配值。

η1=a1y11+a2y12+…+any1n

(5)

得到出行幸福感各潛變量適配值后，即可確定效用函數的固定項，此時式(2)可以轉變為含有潛變量的Logit模型：

(6)

3 問卷數據處理與模型結果分析

3.1 信效度分析

問卷中各題項的可靠性及其有效性檢驗如表4，各維度所屬題項的標準因子載荷均在0.6以上，t統計量均在0.001程度上顯著。組合信度(CR)大于0.7，Cronbach’sα系數均處于0.7以上，平均方差提取值 AVE高于0.5，問卷題項檢驗符合要求。

表4 信效度分析

各個潛在變量(維度)之間應該有中等程度的相關關系，一般潛在變量(維度)之間的相關系數在0.1～0.6，各個潛在變量(維度)與總體之間的相關系數在0.3～0.8，說明問卷數據的結構效度良好。同時在進行結構效度的檢驗時，每個潛變量的AVE平方根須大于潛變量之間相關系數的平方(R2)，如表5所示，問卷題項的結構效度符合要求。

表5 結構效度檢驗

3.2 結構方程模型參數估計及分析

結構方程模型擬合優度如表6所示，各項指標均符合要求。

表6 結構方程模型的擬合統計量

如圖1所示，每個觀測變量對潛變量的解釋都達到了60%以上，說明本研究所選取的觀測變量，在標定潛變量的特征方面較為準確，可以較好地解釋各潛變量所包含的內容；各潛變量之間的路徑系數絕對值大于0.2，表明出行感知體驗的不同層面對出行幸福感的解釋性較好，同時對出行幸福感都有正向的促進作用，該模型估計結果較為理想。

圖1 結構方程模型Fig.1 Structural equation model

根據圖1，出行體驗的四個維度對出行幸福感的影響載荷因子系數(路徑系數)按照大小進行排列，可以得到它們的影響程度從大到小為PEU、U-P、D-A、PU。由此得出出行體驗中感知易用性(PEU)對出行幸福感的影響最大。相對而言，出行方式的靈活性、方便性等對私家車主公共交通出行體驗影響程度最大，即換乘路線是否方便、出行過程是否順利等方面的因素會顯著影響到公共帶給出行者的體驗，說明私家車主選擇可替代的公共交通方式時對其出行服務質量有所擔憂，也一定程度反映出公共交通和私人交通的結合使用效率有待提高等。

U-P維度對私家車主在乘坐公共交通時的出行幸福感影響也比較顯著，即出行情緒幸福感中的開心程度、愉悅感、心理上的滿意度對出行帶來的體驗感受和出行意義有著顯著的正向影響；D-A維度對出行幸福感影響相對較為不顯著；PU維度在所選取的 4 個外生潛變量中，對私家車主乘坐公共交通過程中出行幸福感(SWBT)有著一定的影響顯著性，但相對于其他三個維度影響稍小。

3.3 Logit模型參數估計及分析

首先對二元Logit模型進行參數估計，分析私家車主的公共交通選擇意愿。通常規定顯著性α=0.05，一般如果變量的|t|>1.96，則有95%的正確率認為該變量對選擇結果會產生影響。建立并分析僅考慮出行者個體特征顯變量和出行特征顯變量的二元Logit 選擇模型，在此效用函數的基礎上，增加出行幸福感的潛變量，構建SEM-Logit整合模型。通過TransCAD軟件對二元Logit選擇模型進行估計時，去掉 |t|≤1.96的變量，經過多次試驗，得到模型的參數估計和檢驗結果，如表7所示。

表7 考慮出行幸福感的二元Logit選擇模型結果

整合模型SEM-BL1和SEM-BL2模型中各變量的t均大于1.96，參數估計結果滿足要求，說明在95%的可靠性水平上認為出行幸福感的潛變量對出行行為選擇結果有一定影響。增加出行幸福感認知層面的潛變量后，進一步增加出行幸福感情緒層面的潛變量，整合模型常數項的t減小，說明未考慮出行幸福感的傳統二項選擇Logit模型存在遺漏變量的情況，引入出行幸福感潛變量的整合模型將對影響出行選擇結果的變量做進一步的解釋和補充。另外出行者社會經濟屬性、出行特征相關屬性等顯變量對私家車主選擇公共交通的影響逐漸增大，說明如果二元Logit選擇模型如果不考慮潛變量，出行者社會經濟屬性、出行特征相關屬性的重要性會被低估。

出行幸福感的四個維度感知易用性(PEU)、感知有用性(PU)、不愉快-愉快維度(U-P)、情緒終止-情緒激活維度(D-A)其參數t檢驗值均大于1.96，且均為正值，說明出行幸福感潛變量對私家車主公共交通選擇行為有顯著的正向影響。

模型標定結果評價如表8所示，可得出如下結論。

表8 模型標定結果評價

(1)最大似然函數估計值L(θ)明顯增加，在假設H0∶θ1=θ2=θk…=0下，給定顯著性水平

(2)模型的參數估計和檢驗結果顯示，私家車主選擇公共交通模型的模型優度比ρ2均大于0.2，說明模型的精度較好；另外相比于未考慮潛變量的Logit模型，考慮出行幸福感潛變量的整合模型的各項檢驗指標均更優，其中模型優度由0.237提高到了0.419，說明整合模型的解釋能力大幅提升，出行幸福感潛變量對出行者出行的方式選擇有重要影響。

(3)根據命中率檢驗公式，對私家車主的公共交通選擇模型的命中率進行檢驗，三種模型命中率均大于70%，說明建立模型參數標定有效，且考慮出行幸福感潛變量的選擇模型命中率更高，說明考慮包含情緒層面的廣義出行幸福感選擇模型更貼近實際的出行行為選擇結果。

4 結論

出行幸福感研究作為交通領域新興起的方向，理論分析與實例驗證都有待進一步深入研究。從出行者主觀幸福感的角度出發，將出行幸福感作為出行效用的一部分考慮，為出行選擇的內在機理分析提供了新的思路。通過網絡問卷調查，獲得了私家車車主乘坐公共交通工具的頻率和感知體驗。結合數理統計和結構方程模型，驗證了設計量表的適用性，分析不同維度的出行體驗對私家車主乘坐公共交通時出行幸福感的影響。得出如下結論。

(1)問卷題項的信效度和區別效度分析均滿足要求，量表設計合理。

(2)每個問卷題項觀測變量對出行體驗潛變量的解釋均達到60%以上，各潛變量之間的路徑系數絕對值大于0.2，表明選取的出行體驗四個維度對出行幸福感的解釋性較好，其中感知的易用性對出行幸福感的影響最大。

(3)考慮出行幸福感的SEM-Logit模型似然比、優度比和命中率指標均優于傳統Logit模型，更貼近實際的出行行為選擇結果。