基于結構方程模型的公交出行意向

王世佳

（上海理工大學 管理學院，上海 200093）

1 引言

城市中的交通由于承載了人們各種各樣的出行活動而變得十分復雜。公交作為城市交通中非常重要的一種出行方式，研究它的選擇意向變得很有必要。對于公交出行的研究，現有手段包括了集計與非集計兩種，在非集計方法的基礎上建立選擇行為模型的效用函數僅僅將直接觀測變量納入考察范圍，并未考慮出行者在出行過程中的態度意向，導致解釋不完善。王茁等人基于多元集計模型（MNL），構建了公交出行方式選擇方法[1]。Haustein等人的研究也表明出行者自身的心理因素比社會經濟屬性及基礎設施對出行方式選擇的預測影響更大[2]。通過戴權等人的研究發現計劃行為理論對居民公交出行行為研究具有理論意義[3]。因此，出行者在公交出行方式的行為意向上受到了計劃行為理論的影響，由感知行為控制、行為習慣、描述性規范等諸多不可觀測因素共同影響，決定了公交出行意向的規律。陳堅等人運用結構方程模型將顯變量與潛變量結合構建結構方程模型，定量分析各種影響因素之間的定量關系[4]。結構方程模型當前在行為研究方面占據重要的位置，與計劃行為理論結合將能從社會心理學的角度更好的詮釋公交方式出行意向，幫助我們更好的理解公交出行意向。本文通過對結構方程理論進行介紹，以計劃行為理論為理論依據，分析居民公交出行方式的行為意向，研究感知行為控制、行為態度、行為習慣與描述性行為規范對行為意向內在機理的影響并進行定量分析。

2 理論基礎

結構方程模型（Structural Equation Model，簡稱“SEM”）與傳統統計方法有著不同之處，其將傳統的回歸分析與因素分析相結合，能夠實現因果模型的模型識別、模型估計與模型驗證，因此迅速成為多元數據分析的重要工具,同時在行為與社會的量化研究領域扮演著越來越重要的角色[5]。結構方程在模型建立過程中一般經歷五個步驟：理論模型構建、構建路徑圖、模型識別、參數估計、模型評價與模型修正[6]。Van認為結構方程模型的優勢在于能夠測量變量與變量之間的整體影響關系，可以在直接影響與間接影響之間建立模型；潛變量可以通過多個指標測量；可以修正顯變量的測量誤差[7]。

2.1 模型結構

結構方程模型包括測量模型（measurement equation）和結構方程（structure equation）。測量模型用于表述顯變量與潛變量的關系，其表達式如下：

式中：Χ—自變量的測量值構成的向量；

ξ—潛在外生變量構成的向量；

ΛΧ—Χ對ξ的回歸系數或因子負荷矩陣；

δ—Χ的觀測誤差構成的向量；

Υ—因變量的測量值構成的向量；

η—潛在內生變量構成的向量；

ΛΥ—Υ對η的回歸系數或因子負荷矩陣；

ε—Υ的觀測誤差構成的向量。

結構方程式模型是用于表達潛變量的內部關系，表達式如下：

式中：Β—內生潛變量的結構系數矩陣，其對角線元素均為0，且要求Ι-Β是非退化的（即矩陣行列式的值不為0），Β系數矩陣的元素反映了其內生潛變量對某一內生潛變量的直接作用大小；

Γ—外生潛變量ξ的結構系數矩陣，Γ系數矩陣中的元素反映了外生變量ξ對內生潛變量的直接作用大小；

?—模型的誤差向量。

結構方程模型的建立包含了8個參數矩陣ΛΧ、ΛΥ、Β、Γ 、Φ、Ψ、θε、θδ，其中，Φ、Ψ、θε、θδ分別是ξ、?、ε、δ的協方差矩陣。

2.2 參數估計

從觀測變量的方差與協方差入手對參數進行估計。結構方程模型的基本假設是輸入的相關矩陣和將固定參數和自由參數估計帶入結構方程模型，所得的再生矩陣兩者應盡可能趨于接近。在模型的估計上，較常用最大似然估計（ML）、廣義最小二乘法（GLS），不同方法有其各自的優缺點。

2.3 模型的評價

通過模型對數據的擬合程度來對模型評價進行量化。常用擬合指標為擬合優度檢驗的卡方檢驗（χ2），但卡方值主要與樣本的大小有關。因此，還引入了擬合優度指數（GFI）、規范擬合優度指數（NFI）、簡約規范擬合指數（PNFI）、模型比較適合度（CFI）、近似誤差平方根（RESEA）等。根據驗證數據的特征、樣本規模及假設條件來綜合選取驗證指標。

3 調查數據及檢驗

本文采用了浙江省溫嶺市的居民出行調查，該調查包括了三個部分：出行者的社會經濟屬性、調查當日的出行信息以及影響出行者的心理因素測量指標。本次僅采用了影響出行者的心理因素測量指標，測量出行者心理影響因素的量表依據計劃行為理論（TPB）與出行方式對應的問題項，采用了Likert五級量表的形式：1，2，3，4，5分別代表非常不同意，不同意，一般，同意，非常同意。旨在研究選定變量在公交出行意向中的關系。

將問卷導入SPSS軟件中，進行數據的信度檢驗，結果見表1。從表1中可以看出，出行者選擇公交出行調查數據的Cronbach's Alpha系數0.934＞0.8，表明調查數據可靠度高。

表1 變量整體可靠性統計分析

通過對出行者乘坐公交出行調查數據的各個變量的可靠性數值進行分析，在各個測量指標的可靠性分析結果中Cronbach's Alpha值均大于0.9，屬于可信范圍，根據指標的平方多重相關性，考慮剔除變量MS1，見表2。

表2 各變量可靠性描述

4 公交方式選擇行為結構方程模型

4.1 探索性因子分析

在計劃行為理論（Theory of Planned Behavior，TPB）基礎上，構建了公交方式出行意向模型，考慮到公交方式出行意向的影響因素，對數據進行探索性因子分析，得出各個變量之間的相關關系。

對出行者常規公交出行的調查數據進行效度分析，輸出結果中KMO值0.894＞0.8，Bartlett's的Sig.值小于0.05，表示數據適合做因子分析，見表3。

表3 KMO和Bartlett's球體檢驗結果

出行者乘坐公交出行的調查數據中測量變量的因子負荷矩陣見表4。表4中五個因子均來自于初始問卷中的假設因子。因此，將第一個因子命名為“出行方式感知行為控制”，第二個因子命名為“出行方式行為態度”，第三個因子命名為“出行方式描述性規范”，第四個因子命名為“出行方式行為習慣”，第五個因子命名為“出行方式行為意向”。

表4 旋轉后因子載荷矩陣表

4.2 研究假設

在結合計劃行為理論與公交方式選擇行為影響因素探索性因子分析以及下列假設基礎上，構建本文模型結構，如圖1所示。

H1—出行者描述性行為規范對出行者行為態度有正向的直接影響；

H2—出行者描述性行為規范對出行者行為意向有正向的直接影響；

H3—出行方式行為態度對出行者行為意向有正向的直接影響；

H4—出行方式感知行為控制對出行方式行為態度向有正向直接的影響；

H5—出行方式感知行為控制對出行方式行為意向有正向直接的影響；

H6—出行方式感知行為控制對出行方式行為習慣有正向直接的影響；

H7—出行方式行為習慣對出行者描述性行為規范有正向直接的影響;

H8—出行方式行為習慣對出行者行為態度有正向的直接影響。

4.3 模型變量

圖1 研究概念模型及假設示意圖

模型中變量均為不可觀測的潛變量，需要對其進行相關的觀測，從而確定潛變量。潛變量采用了李克特（likert）5級量表測量所得，出行者行為意向為因變量，出行者的描述性行為規范、行為態度、感知行為控制、行為習慣為自變量，具體變量見表5。

表5 模型變量描述

5 模型標定及結果分析

5.1 模型運行

將建立的模型在AMOS22.0中進行極大似然估計，得到結構方程模型路徑系數圖，如圖2所示。

圖2 模型路徑系數圖

表6列出了估計參數的標準化值（標準化因子載荷）、平方多重相關系數（SMC）、參數標準誤差、臨界值比和p值。每個潛變量都對應一個組成信度（CR）與平均變異數萃取量(AVE)。所有構面的組成信度均大于0.6，平均變異數萃取量均大于0.5，符合標準，因此五個構面均具有收斂效度。

表6 估計參數的顯著性

5.2 模型適配度

模型的卡方與自由度之比為3.644，擬合優度指數為0.847，規范擬合優度指數為0.889，簡約規范擬合度指數為0.674，模型比較適合度為0.916，近似誤差均方根為0.125，對應評價標準可知，模型總體可以接受，見表7。

表7 模型整體適配度比較

6 結論

本文利用結構方程模型以及溫嶺市居民公交出行調查數據，結合計劃行為理論，選擇相應的內生變量和外生變量，以出行者個體為分析單位，構建了公交計劃行為結構方程模型，并進行了模型參數估計，明確了外生變量對內生變量的影響以及內生變量彼此之間的關系，為居民公交出行心理研究提供了一種新思路。研究結論如下：

（1）影響居民公交出行行為意向的影響因素涉及：行為態度、描述性規范、行為習慣、感知行為控制，其中行為態度、描述性規范以及感知行為控制直接影響了行為意向，行為習慣通過描述性規范與行為態度間接影響了行為意向。

（2）經過AMOS分析，H8與H3不成立，由此可知行為習慣對行為態度有著負面的影響，人們對一件事物習慣加深，其所產生的負面情緒可能會增加。行為態度對行為意向略有負面影響。

（3）因此，為了能夠使人們更多采用公共交通出行，需要從描述性規范、感知行為控制、行為習慣三方面來加深出行者對公交出行的意愿。