付學(xué)梅，雋志才

（上海交通大學(xué) 安泰經(jīng)濟(jì)與管理學(xué)院，上海 200030）

基于活動的出行行為分析致力于從不同的角度對出行者的決策行為進(jìn)行探索，如出行方式選擇、出行目的地選擇［1］以及出行時間選擇［2］等。其中出行方式選擇對區(qū)域規(guī)劃、交通系統(tǒng)的良性循環(huán)乃至環(huán)境的可持續(xù)發(fā)展具有重要意義，因而受到學(xué)者們的重視。對于政策制定者而言，對出行方式的預(yù)測結(jié)果直接影響交通需求管理政策的實(shí)施和評價。傳統(tǒng)離散選擇模型（Discrete Choice Model，DCM）被廣泛用于分析行為決策者的出行方式。具體而言，基于效用最大化理論，離散選擇模型根據(jù)個人及家庭的社會經(jīng)濟(jì)屬性，以及各種出行方式的特征（如出行時間、出行成本等），分析出行者如何從一組互斥且數(shù)量有限的出行方式中選擇對自己效用最大的出行方式。在此模型下，對決策過程有重要影響的潛在的或無法直接測定的個人心理因素，如態(tài)度、偏好、感知等，被置于所謂的“黑箱”而得不到合理解釋。如2個社會經(jīng)濟(jì)屬性相同的出行者可能由于對出行安全性的態(tài)度不同而選擇不同的出行方式，傳統(tǒng)DCM 就無法對這種現(xiàn)象進(jìn)行解釋。為了解決這一弊端，Ben-Akiva 等［3-5］提 出 了LCLV（Integrated Choice and Latent Variable）模型。相比傳統(tǒng)的DCM，ICLV 模型將與決策者的態(tài)度、感知、偏好等相關(guān)的潛變量直接納入選擇模型，從而更有效地表達(dá)選擇行為的內(nèi)在機(jī)制，并能增強(qiáng)模型的預(yù)測能力和行為解釋能力［6］。本文建立基于多項(xiàng)Probit的ICLV 模型，分析可直接觀測的出行者個人及家庭的社會經(jīng)濟(jì)屬性、不可觀測的態(tài)度、偏好等心理因素對出行者通勤方式選擇行為的影響。

1 研究背景

通過考慮影響個人決策制定的心理因素，ICLV模型能夠更清楚地表達(dá)選擇行為的內(nèi)在機(jī)制。近年來，ICLV 模型在活動-出行行為研究領(lǐng)域得到廣泛應(yīng)用，如居住地選擇［7-8］、路徑選擇［9］和家庭小汽車擁有決策［10］。在用ICLV 模型分析出行方式選擇的過程中，發(fā)現(xiàn)出行者對出行靈活性、舒適性以及安全性等的態(tài)度，和他們的環(huán)境保護(hù)意識都影響出行方式的選擇［6，11-13］。此外，出行者的個性以及生活方式也對他們的出行方式選擇有重要作用，具有冒險精神的出行者傾向于選擇公共汽車，挫折容忍度較高的出行者偏好軌道交通出行［14］。

迄今，幾乎所有的ICLV 模型都基于多項(xiàng)Logit（MNL），然而MNL 模型的效用隨機(jī)項(xiàng)相互獨(dú)立的基本假設(shè)，導(dǎo)致任意2個選擇肢的被選概率之比同其他選擇無關(guān)（即Independent from Irrelevant Alternatives，IIA），限制了模型的靈活性。Bhat等［15］提出基于多項(xiàng)Probit（MNP）的ICLV 模型，允許選擇項(xiàng)之間存在一定關(guān)聯(lián)，模型更具靈活性和應(yīng)用價值。

2 基于多項(xiàng)Probit的ICLV模型

ICLV 模型由潛變量模型和選擇模型2個子模型組成，而每一個子模型又分為結(jié)構(gòu)方程和測度方程兩部分。以下對模型的各部分進(jìn)行簡要介紹，并以矩陣形式表示各方程。

（1）潛變量模型。結(jié)構(gòu)方程（用于表示潛變量及其解釋變量之間的結(jié)構(gòu)關(guān)系）：

式中：Z*為潛變量；w為用于解釋潛變量的外生變量；ζ為服從正態(tài)分布的隨機(jī)誤差項(xiàng)，在本文中，Z*是各選擇項(xiàng)特定，而非個人特定。

測量方程（用于處理潛變量及其測量指標(biāo)的關(guān)系）

式中：Y為用于測度潛變量的指標(biāo)量；θ為常數(shù)項(xiàng)；β為因子載荷矩陣；?為服從標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)誤差項(xiàng)。在本研究中，Y包括16 個序數(shù)指標(biāo)，對應(yīng)于4個潛變量。

（2）選擇方程模型。結(jié)構(gòu)方程：

式中：U為各選擇肢的效用；x為可直接觀測的解釋變量；δ為對應(yīng)于x的系數(shù)矩陣；λ為對應(yīng)于潛變量Z*的系數(shù)矩陣；ε服從多元正態(tài)分布。

測量方程

式中：ui為行為決策者n是否選擇第i個選擇項(xiàng)的指標(biāo)；C為選擇集，在本案例中，C包括小汽車、公交車、摩托車和電動車4個選擇項(xiàng)。

對ICLV 模型的估計(jì)方法分為連續(xù)兩階段法和同時估計(jì)法兩類。在連續(xù)兩階段法中，第1階段通過潛變量模型構(gòu)建、測定潛變量，并計(jì)算因子得分；第2階段用因子得分作為潛變量的取值，并將其作為自變量納入選擇模型，同其他可直接觀測的屬性變量一同對選擇行為做出解釋。然而，這種方法忽視了潛變量本身的誤差［6］，導(dǎo)致估計(jì)量存在一定偏差［16］。而同時估計(jì)法，將方程式（1）～（4）所包含的信息全部納入似然函數(shù)，并進(jìn)行同時估計(jì)，從而得到有效、無偏的參數(shù)估計(jì)量。Bhat 等［15］提出用Maximum Approximate Composite Marginal Likelihood（MACML）法對基于MNP 的ICLV 模型進(jìn)行估計(jì)，可有效解決傳統(tǒng)模擬極大似然估計(jì)法（Maximum Simulated Likelihood，MSL）遇到的收斂問題。本研究采用MACML 方法對模型進(jìn)行參數(shù)估計(jì)。

3 通勤方式選擇分析

出行者的通勤方式不僅受到年齡、收入等社會經(jīng)濟(jì)屬性的影響，他們對各種方式的心理態(tài)度也在其中發(fā)揮重要作用。以紹興市2013年居民出行調(diào)查數(shù)據(jù)庫為來源，研究了被調(diào)查者通勤出行方式中小汽車、公交車、摩托車、電動車等4種方式的選擇行為。

3.1 樣本數(shù)據(jù)

樣本共包括5 269位出行者，詳細(xì)記錄了每位通勤者的個人及家庭的社會經(jīng)濟(jì)屬性、通勤方式。在4種出行方式中，小汽車出行比例為43.98%，其次是電動車出行（41.76%），公交車出行比例為9.18%，所占比例最低的是摩托車出行（5.08%）。同時，為了為潛變量提供測量指標(biāo)，通過意向調(diào)查（即李克特五點(diǎn)量表法）獲得出行者對各種出行方式各屬性的感知和評價。

3.2 模型標(biāo)定及結(jié)果分析

采用基于多項(xiàng)Probit 的ICLV 模型，并用MACML方法進(jìn)行估計(jì)。模型構(gòu)建了4個潛變量，參數(shù)標(biāo)定由GAUSS軟件完成。模型變量定義如表1所示。

表1 模型變量定義

表2所示的潛變量結(jié)構(gòu)方程模型結(jié)果表示不同社會經(jīng)濟(jì)屬性的人群對各種出行方式的態(tài)度是不同的。例如，男性及高收入人群偏好小汽車出行，主要是由于他們對速度、隱私、空間等的要求比較高。而低收入群體偏好摩托車及電動車出行，主要是由于這兩類方式的出行成本較低。老年人不厭惡公交車出行，或者說是偏好，主要是由于紹興市實(shí)施了老年人乘坐公交免費(fèi)政策。

潛變量測度方程結(jié)果如表3 所示。由表3 可知，對每種出行方式的態(tài)度都用3個外在指標(biāo)進(jìn)行測定，分別對該種出行方式的喜好水平、滿意水平及其舒適性的評價。

為了表示考慮潛變量影響的ICLV 模型相對于傳統(tǒng)多項(xiàng)Probit模型（無潛變量）的優(yōu)越性，本文也對后一模型進(jìn)行了估計(jì)，選擇模型的結(jié)果如表4所示（小汽車作為基礎(chǔ)選擇項(xiàng)，括號中的數(shù)字表示t統(tǒng)計(jì)量）。一方面，它們之間的似然比

表2 潛變量結(jié)構(gòu)方程

表3 潛變量測度方程

該統(tǒng)計(jì)量近似服從自由度為4的卡方分布，在P=0.05時的臨界值為9.49＜320.06，拒絕了假定這2個模型無顯著差異的零假設(shè)，而證實(shí)了相對于傳統(tǒng)多項(xiàng)Probit模型，考慮潛變量影響的ICLV 模型具有顯著的統(tǒng)計(jì)優(yōu)越性，潛變量的加入提高了模型的擬合優(yōu)度，這在許多基于ICLV 模型的相關(guān)研究中也得到了證實(shí)［6-7］；另一方面，表4顯示，在傳統(tǒng)多項(xiàng)Probit模型（無潛變量）的估計(jì)結(jié)果中，很多變量的作用并不顯著（如出行時間、收入、教育程度以及影響電動車選擇的因素等），而在ICLV 模型中，大部分變量的系數(shù)在95%的置信水平下都非常顯著，表示ICLV 模型能夠得到更好的參數(shù)估計(jì)值，揭示各類變量對方式選擇決策的影響，因而具有更強(qiáng)的行為解釋能力。

表4 出行方式選擇模型

本文的重點(diǎn)在于ICLV 模型，傳統(tǒng)多項(xiàng)Probit模型僅作為對比。因此，在下文中，只對ICLV 模型的結(jié)果進(jìn)行分析解釋。由表4可知，通勤方式選擇不僅受到可見的社會經(jīng)濟(jì)屬性的影響，通勤者心理上對各種出行方式的感知也會影響其選擇行為。具體而言：

（1）出行時間對各種出行方式的選擇有負(fù)面影響，主要是由于出行時間所帶來的負(fù)效用。

（2）中青年不愿意選擇公交車，而45～65歲的通勤者愿意選擇摩托車。

（3）受過高等教育的通勤者更愿意選擇公交車，可能出于環(huán)境保護(hù)的考慮，不愿意選擇摩托車或電動車。

（4）高收入群體選擇公交車、摩托車和電動車的概率更低，可能由于他們能夠享受私家車帶來的方便、快捷及私人空間，愿意并能夠負(fù)擔(dān)使用私家車的高費(fèi)用。

（5）有小孩的通勤者不愿意選擇公交車，更愿意選擇電動車；而對摩托車的選擇取決于小孩的年齡，結(jié)果表示，小孩的年齡小于6歲時，選擇摩托車的可能性較低，此時通勤者更傾向于選擇電動車，可能由于摩托車對于這類年紀(jì)的小孩不太方便，而他們可以站在某些電動車前方的踏板上。

（6）家庭擁有小汽車、摩托車及電動車的數(shù)量對其他方式的選擇有負(fù)面影響。

（7）通勤者對某種出行方式的態(tài)度不僅影響他們對該方式的選擇，還會對其他方式的選擇產(chǎn)生作用。具體而言，偏愛小汽車的通勤者傾向選擇小汽車；對公交車有厭惡情緒的通勤者非常不愿意選擇這種方式，而更容易選擇小汽車；類似地，反感摩托車的出行者不愿意采用摩托車作為通勤方式，而更喜歡選擇電動車；對電動車持積極態(tài)度的通勤者選擇電動車的概率更大，而不愿意選擇小汽車或公交車作為通勤方式，可能是由于與電動車相比，小汽車出行的成本過高，而公交車的靈活性與方便性較低，且不受個人主觀控制。

此外，通過對比表2、4 的結(jié)果發(fā)現(xiàn)，在本模型中，外在社會經(jīng)濟(jì)屬性變量對某選擇項(xiàng)效用函數(shù)的影響只屬于以下3 種的其中一種：①完全沒有影響；②直接出現(xiàn)在效用函數(shù)式（3）中，即直接影響；③直接出現(xiàn)在潛變量結(jié)構(gòu)方程式（1）中，即通過潛變量的作用對效用函數(shù)產(chǎn)生間接影響。這也是采用MACML法估計(jì)ICLV 模型的一個必要條件［15］。

通過以上分析可知，通過潛變量模型對個體的態(tài)度、感知和偏好等不可見的心理因素進(jìn)行構(gòu)建和測定；進(jìn)而在選擇模型中直接考慮潛變量產(chǎn)生的作用，而不是將它們置于隨機(jī)誤差項(xiàng)ε中不予考慮，增強(qiáng)了模型的行為解釋能力，更好地詮釋了個體出行者通勤方式選擇的決策機(jī)制。

4 結(jié)語

本文建立基于多項(xiàng)Probit的ICLV 模型，對影響出行者通勤方式選擇行為的因素進(jìn)行分析。通過潛變量模型構(gòu)建不可直接觀測的心理因子，并將其同其他可直接觀測的社會經(jīng)濟(jì)屬性一同納入選擇模型，采用MACML 方法對模型進(jìn)行估計(jì)。結(jié)果表明，具備不同社會經(jīng)濟(jì)屬性的通勤者對各種出行方式（小汽車、公交車、摩托車及電動車）的心理態(tài)度及感知不同。不僅可見的社會經(jīng)濟(jì)屬性影響通勤者的方式選擇，而且通勤者潛在的對各種方式的喜好或厭惡都會對其通勤方式的選擇產(chǎn)生重要影響，這直接反映了最本質(zhì)的行為原因。根據(jù)本文的研究，在制定交通需求管理政策及進(jìn)行交通系統(tǒng)規(guī)劃時，必須全面掌握出行者的態(tài)度、偏好等心理因素，從而更有效地引導(dǎo)甚至改變他們的出行行為，促進(jìn)交通系統(tǒng)的可持續(xù)發(fā)展。