馬書(shū)紅，楊 野，王元慶，韓筍生

(1. 長(zhǎng)安大學(xué) 公路學(xué)院，陜西 西安 710064；2 .墨爾本大學(xué) 建筑、建設(shè)與規(guī)劃系，澳大利亞 墨爾本 VIC3010)

0 引 言

隨著我國(guó)以人為本、可持續(xù)發(fā)展理念的深入，慢行交通逐漸被廣大群眾認(rèn)為是綠色環(huán)保的出行方式。公共自行車(chē)作為慢行交通與公共交通融合發(fā)展的產(chǎn)物，在倡導(dǎo)環(huán)保、發(fā)展慢行交通、實(shí)行公交優(yōu)先、解決“最后一公里”等方面產(chǎn)生深遠(yuǎn)影響。為了發(fā)展城市公共自行車(chē)系統(tǒng)，提高居民公共自行車(chē)使用頻率，首先需要分析影響居民公共自行車(chē)選擇行為的因素。目前國(guó)內(nèi)外已經(jīng)有部分學(xué)者進(jìn)行了相關(guān)研究：羅赟[1]利用二元Logistic回歸模型，定量分析各主要因素如何影響出行者選擇公共自行車(chē)；朱瑋等[2]以上海市閔行區(qū)公共自行車(chē)系統(tǒng)為例，分析系統(tǒng)運(yùn)營(yíng)前后居民出行意愿的轉(zhuǎn)變；周強(qiáng)等[3]探討了以公共自行車(chē)作為地鐵接駁手段的居民出行特性；錢(qián)佳等[4]基于探索性因子分析法，構(gòu)建影響蘇州市公共自行車(chē)滿(mǎn)意度的結(jié)構(gòu)方程假設(shè)模型; C. RISSEL等[5]提出用戶(hù)是否使用新建自行車(chē)道與距離自行車(chē)道的遠(yuǎn)近以及原有的出行行為有關(guān)；P. P. KOH等[6]提出自行車(chē)設(shè)施的改善將提高自行車(chē)使用頻率；J. WOODCOCK等[7]研究了倫敦的公共自行車(chē)系統(tǒng)，發(fā)現(xiàn)公共自行車(chē)對(duì)男性、老年人的效益更為顯著；R. BUEHLER等[8]研究發(fā)現(xiàn)機(jī)動(dòng)車(chē)擁有量、學(xué)生數(shù)量、燃油價(jià)格、城市規(guī)模以及自行車(chē)設(shè)施安全性影響自行車(chē)使用頻率。

綜上所述，在指標(biāo)變量選擇上，國(guó)內(nèi)相關(guān)研究主要側(cè)重于公共自行車(chē)設(shè)施布局、服務(wù)質(zhì)量等對(duì)居民選擇行為的影響。而國(guó)外相關(guān)研究具有地域特色，如燃油價(jià)格、城市規(guī)模等指標(biāo)并不適應(yīng)國(guó)內(nèi)情況；在方法選擇上，現(xiàn)有研究較多運(yùn)用Logistic模型、回歸分析等方法，模型結(jié)構(gòu)簡(jiǎn)單與實(shí)際存在差異，而筆者嘗試將探索性因子分析與驗(yàn)證性因子分析結(jié)合對(duì)影響公共自行車(chē)選擇行為的諸多變量進(jìn)行篩選、降維，以及潛變量命名、因子模型檢驗(yàn)、模型結(jié)構(gòu)修正，并按照重要度排序，分析過(guò)程更加科學(xué)合理，并加入諸多體現(xiàn)地域特色的因素，如自然環(huán)境、個(gè)人屬性、出行目的、原因等指標(biāo)，最后以西安市為例驗(yàn)證。

1 數(shù)據(jù)概述

部分學(xué)者認(rèn)為交通選擇行為受到出行目的、出行原因、出行時(shí)間、出行路徑、出行者社會(huì)經(jīng)濟(jì)屬性等指標(biāo)影響[9-11]。公共自行車(chē)選擇行為作為一種交通選擇行為，一方面受到上述指標(biāo)影響，另一方面受到其自身特性及社會(huì)環(huán)境等指標(biāo)影響，如公共自行車(chē)運(yùn)營(yíng)服務(wù)質(zhì)量、設(shè)計(jì)布局、出行者特性、交通基礎(chǔ)設(shè)施[1-9]。在回顧上述文獻(xiàn)的基礎(chǔ)上，歸類(lèi)整理測(cè)量指標(biāo)，并結(jié)合西安市實(shí)際使用體驗(yàn)，初步選定38個(gè)影響公共自行車(chē)選擇行為的因素，最終設(shè)計(jì)了一份包括38個(gè)題項(xiàng)的調(diào)查問(wèn)卷和一份居民屬性調(diào)查表。針對(duì)每個(gè)題項(xiàng)，采用Likert 5點(diǎn)量表形式，以“非常不同意、不同意、中立、同意、非常同意”分別由低到高賦1～5分[4]。

2015年12月，調(diào)查小組對(duì)西安市蓮湖區(qū)、未央?yún)^(qū)、新城區(qū)、碑林區(qū)、灞橋區(qū)、曲江區(qū)以及長(zhǎng)安區(qū)進(jìn)行問(wèn)卷調(diào)查，獲取有效數(shù)據(jù)1 228份。具體測(cè)量指標(biāo)如表1。

表1 影響西安市公共自行車(chē)選擇行為的測(cè)量指標(biāo)Table 1 Indicators affecting public bicycle choice behavior in Xi’an

2 探索性因子分析

探索性因子分析法(exploratory factor analysis，EFA)是一項(xiàng)用于尋找多元觀測(cè)變量之間的結(jié)構(gòu)關(guān)系，以達(dá)到降維目的的技術(shù)。因而，EFA能夠?qū)㈠e(cuò)綜復(fù)雜的變量關(guān)系綜合為少數(shù)幾個(gè)核心因子。計(jì)算公式如式(1)：

y1=a11x1+a12x2+…a1pxp+ε1

y2=a21x1+a22x2+…a2pxp+ε2

…

yp=ap1x1+ap2x2+…appxp+εp

(1)

式中：x1,x2,…,xp為p個(gè)變量；yi(i=1,2,…,p)為變量x1,x2…xp公有的因子，稱(chēng)為公因子;系數(shù)aij(i=1,2,…,p;j=1,2…,p)為第i個(gè)變量在第j個(gè)因子上的載荷；εi(i=1,2,…,p)為第i個(gè)變量不能被前p個(gè)因子包括的部分，稱(chēng)為特殊因子，計(jì)算方法如表2。

2.1 確定樣本規(guī)模

由于小樣本變量的隨機(jī)波動(dòng)性可能產(chǎn)生較大誤差，因而樣本規(guī)模應(yīng)越大越好。但隨著樣本規(guī)模的增加，測(cè)量的隨機(jī)誤差會(huì)相互抵消，模型參數(shù)開(kāi)始穩(wěn)定，再增加樣本將不再重要。

B. S. EVERITT等[12]提出樣本量與題項(xiàng)比率達(dá)10∶1為最佳。筆者初步選定38個(gè)題項(xiàng)，則考慮從1 228份有效數(shù)據(jù)中抽取400份數(shù)據(jù)作為樣本數(shù)據(jù)。

2.2 判斷因子分析的可能性以及篩選題項(xiàng)

實(shí)踐中并非所有多變量數(shù)據(jù)均適合采用因子分析,SPSS中提供4個(gè)統(tǒng)計(jì)量來(lái)判斷觀測(cè)數(shù)據(jù)是否適合因子分析，同時(shí)達(dá)到篩選題項(xiàng)目的：KMO檢驗(yàn)(kaiser-meyer-olkin measure of sampling adequacy)、巴特利特球體檢驗(yàn)(bartlett test of sphericity)、反映像相關(guān)矩陣(anti-image correlation matrix)、共同性(communalities)。根據(jù)以上判斷及篩選標(biāo)準(zhǔn)，將包含38個(gè)題項(xiàng)的400份數(shù)據(jù)導(dǎo)入SPSS中進(jìn)行EFA分析，采用主成分分析法萃取公因子，結(jié)果見(jiàn)表2和表3：

表3 KMO和Bartlett 的球形度檢驗(yàn)Table 3 KMO and Bartlett sphericity test

表2 因子分析結(jié)果摘要Table 2 Summary of factor analysis results

由表3可知，KMO檢驗(yàn)值為0.78(越接近1越好)，達(dá)到“適中(Middling)”等級(jí)，同時(shí)，巴特利特球體檢驗(yàn)Sig.為0.006(<0.05),說(shuō)明本研究初步選定的38個(gè)題項(xiàng)適合因子分析，可以建立因子模型；表3中大部分變量的取樣適當(dāng)性量數(shù)MSA值達(dá)到適應(yīng)性判斷標(biāo)準(zhǔn)(>0.50)，其中性別、職業(yè)、學(xué)歷、路線比較安全、辦卡和補(bǔ)卡手續(xù)方便性的MSA值未達(dá)標(biāo)，考慮從因子模型中刪除；表3中有部分題項(xiàng)共同性未達(dá)到篩選閾值(<0.20)，包括：性別、職業(yè)、學(xué)歷、低碳環(huán)保、路線比較安全、辦卡和補(bǔ)卡手續(xù)的方便性，考慮從因子模型中刪除。綜上分析，大部分題項(xiàng)可以進(jìn)行因子分析，建立因子模型，同時(shí)考慮刪除部分變量。

探索性因子分析重在“探索”二字，根據(jù)楊建明等[13]提出題項(xiàng)刪除原則，通過(guò)不斷探索，共進(jìn)行了7次因子分析，刪除6個(gè)題項(xiàng)(性別、職業(yè)、學(xué)歷、低碳環(huán)保、路線比較安全、辦卡和補(bǔ)卡手續(xù)的方便性)，最終保留32個(gè)題項(xiàng)。

2.3 確定因子個(gè)數(shù)

在探索性因子分析中，常用于確定因子數(shù)量的原則有4種：事先決定準(zhǔn)則法、碎石圖檢驗(yàn)法、Kaiser的特征值大于1原則、累計(jì)貢獻(xiàn)率法，如公式(2)。由于以上4種準(zhǔn)則均存在內(nèi)部局限性，因而一些研究者認(rèn)為，4個(gè)標(biāo)準(zhǔn)不應(yīng)單獨(dú)使用。

(2)

式中:p為累計(jì)貢獻(xiàn)率，當(dāng)p>50%時(shí)因子模型可靠；λi為公式(1)中第i個(gè)因子yi的方差，實(shí)際也是因子yi的特征值；p、r為EFA選定p個(gè)主成分，而保留r個(gè)主成分。

事實(shí)上在問(wèn)卷設(shè)計(jì)階段已利用了事先決定準(zhǔn)則法，即根據(jù)事先擬定的因子模型結(jié)構(gòu)選取變量；碎石圖(圖1)顯示，在第7和第8個(gè)特征值之間出現(xiàn)明顯的轉(zhuǎn)折點(diǎn)，在此轉(zhuǎn)折點(diǎn)以上的因子數(shù)代表公因子數(shù)量；根據(jù)Kaiser特征值大于1原則，圖1中共有7個(gè)因子特征值大于1；由公式(2)計(jì)算得表3的累計(jì)方差貢獻(xiàn)率，結(jié)果表明當(dāng)提取7個(gè)因子時(shí)累計(jì)方差貢獻(xiàn)率達(dá)60.955%，說(shuō)明萃取7個(gè)公因子的因子模型是可靠的。綜合以上4種方法，最終確定公因子數(shù)量為7個(gè)。

圖1 碎石圖Fig. 1 Scree plot

2.4 因子旋轉(zhuǎn)

對(duì)于多變量數(shù)據(jù)，如公式(1)，變量xi與多個(gè)因子yi(i=1,2,…,p)存在相關(guān)關(guān)系，即變量由多個(gè)因子共同解釋?zhuān)煌瑫r(shí)，一個(gè)因子yi可以同時(shí)解釋多個(gè)變量x1,x2…xp。為了簡(jiǎn)化因子結(jié)構(gòu)，使得yp之間、εi與yp之間，εi之間相互獨(dú)立，這里采用方差最大直交旋轉(zhuǎn)法旋轉(zhuǎn)公因子，以便于得到合理的因子解釋。

2.5 解釋因子結(jié)構(gòu)

由表3可知，選定因子(加粗項(xiàng))載荷均大于0.50，說(shuō)明公因子解釋指標(biāo)變量的方差達(dá)25%以上；選定的32個(gè)題項(xiàng)的共同性均達(dá)0.20以上，滿(mǎn)足要求；32個(gè)題項(xiàng)的Cronbach’s α系數(shù)為0.854，達(dá)到“理想”水平，各個(gè)構(gòu)面的Cronbach’s α系數(shù)均達(dá)到0.60以上(>0.50)，表明各因子構(gòu)面內(nèi)部穩(wěn)定性和一致性較高，因子結(jié)構(gòu)穩(wěn)定；組合信度均大于0.7，說(shuō)明量表信度得到穩(wěn)定測(cè)量，平均方差提取在標(biāo)準(zhǔn)值0.5附近，表明各觀測(cè)變量可以較好解釋對(duì)應(yīng)潛變量[14]。綜上分析，各公因子可以根據(jù)其所包含的共同特性進(jìn)行命名。

第1個(gè)公因子解釋總方差的11.311%，按照方差貢獻(xiàn)率排序依次為：租賃點(diǎn)布局合理性>租賃點(diǎn)距離公交站點(diǎn)或地鐵口距離>居住區(qū)位>出行距離>租賃點(diǎn)數(shù)量，解釋了租賃點(diǎn)及居住地布局對(duì)居民公共自行車(chē)選擇行為的影響，因而將之命名為空間布局因子。

第2個(gè)公因子解釋總方差的5.832%，排序?yàn)椋哄憻捝眢w>休閑娛樂(lè)>方便換乘>買(mǎi)菜或購(gòu)物>上班或上學(xué)，解釋了不同出行活動(dòng)對(duì)選擇行為的影響，命名為出行目的因子。

第3個(gè)公共因子解釋總方差的5.252%，排序?yàn)椋航】禒顩r>年齡>收入>性格，解釋了居民屬性對(duì)選擇行為的影響，命名為居民屬性因子。

第4個(gè)公因子解釋總方差的22.365%，排序?yàn)椋合掠?霧霾>大風(fēng)>寒冷>下雪>炎熱>霜凍，解釋了天氣狀況以及溫度變化對(duì)選擇行為的影響，命名為天氣及氣候因子。

第5個(gè)公因子解釋總方差的4.759%，排序?yàn)椋郝肪€暢通>騎行路線時(shí)長(zhǎng)少>騎行路線距離短>道路平整，解釋了騎行道路路況對(duì)選擇行為的影響，命名為騎行路況因子。

第6個(gè)公因子解釋總方差的7.479%，排序?yàn)椋汗沧孕熊?chē)調(diào)度系統(tǒng)>刷卡系統(tǒng)故障>車(chē)輛維修保養(yǎng)不及時(shí)，解釋了公共自行車(chē)運(yùn)營(yíng)狀況及服務(wù)質(zhì)量對(duì)選擇行為的影響，命名為運(yùn)營(yíng)服務(wù)因子。

第7個(gè)公因子解釋總方差的3.960%，排序?yàn)椋罕苊鈸矶?便宜省錢(qián)>靈活自由>存取方便，解釋了居民使用公共自行車(chē)出行原因?qū)ζ溥x擇行為的影響，命名為出行原因因子。

將命名后的7個(gè)公因子按因子平均得分排序：天氣及氣候>空間布局>運(yùn)營(yíng)服務(wù)>出行目的>居民屬性>騎行路況>出行原因。上述次序可理解為西安市公共自行車(chē)選擇行為影響程度的排序。

3 驗(yàn)證性因子分析

驗(yàn)證性因子分析(confirmatory factor analysis，CFA)是用于檢驗(yàn)已知的特定結(jié)構(gòu)是否按照預(yù)期的方式產(chǎn)生作用。驗(yàn)證性因子分析的主要環(huán)節(jié)如下：

3.1 定義因子模型

依據(jù)探索性因子分析結(jié)果，影響居民公共自行車(chē)選擇行為的潛變量有7個(gè)(ξ1-ξ7)，由32個(gè)測(cè)量題項(xiàng)共同組成，各變量對(duì)居民公共自行車(chē)選擇行為(η1)的影響通過(guò)“我愿意使用公共自行車(chē)作為出行方式(y1)”來(lái)度量[15]。如圖2，建立居民公共自行車(chē)選擇行為理論模型。

3.2 模型參數(shù)估計(jì)、修正及評(píng)價(jià)

侯杰泰[16]指出，為避免最后所得的模型過(guò)于依賴(lài)樣本數(shù)據(jù)，建議用一半的數(shù)據(jù)建立模型，另一半用于模型的交互確認(rèn)。為了驗(yàn)證因子模型結(jié)構(gòu)合理性，從1 228份有效數(shù)據(jù)(不包括做EFA分析的400份數(shù)據(jù))中重新提取400份數(shù)據(jù)作為測(cè)試樣本，導(dǎo)入AMOS7.0中構(gòu)建結(jié)構(gòu)方程模型(structural equation modeling, SEM)。計(jì)算結(jié)果如圖2。通過(guò)不斷修正因子模型結(jié)構(gòu)，直到各項(xiàng)擬合指標(biāo)達(dá)到閾值。

表4 SEM整體擬合指數(shù)Table 4 SEM global fitting index

圖2 模型參數(shù)估計(jì)Fig. 2 Parameter estimation of the model

對(duì)比表4中理想值與假設(shè)模型，發(fā)現(xiàn)原始模型仍具有修正空間，基于解釋上的合理性對(duì)原始模型微調(diào)，主要表現(xiàn)在外生潛變量觀察指標(biāo)的測(cè)量誤差εi之間的相關(guān)性，其中修正指數(shù)最大的是建立租賃點(diǎn)車(chē)輛數(shù)與調(diào)度系統(tǒng)、居民收入與便宜省錢(qián)、路線比較暢通與避免擁堵之間的相關(guān)性，其次是居住區(qū)位與換乘之間的相關(guān)性。通過(guò)上述操作，SEM整體擬合指數(shù)進(jìn)一步改善，基本達(dá)到各指標(biāo)閾值。

圖2中數(shù)值為路徑系數(shù)，用于衡量變量之間相關(guān)性大小或稱(chēng)為變量之間的效應(yīng)值。效應(yīng)分為直接效應(yīng)(direct effect)、間接效應(yīng)(indirect effect)和總效應(yīng)(total effect)。各變量之間的效應(yīng)值均可從圖2中觀察或計(jì)算得到，可以看出測(cè)量模型中每個(gè)潛變量的觀察變量標(biāo)準(zhǔn)化估計(jì)值在0.61～0.97，結(jié)構(gòu)模型在0.21～0.52，統(tǒng)計(jì)上均顯著(t-value>1.96)[15]。其中天氣及氣候、空間分布、運(yùn)營(yíng)服務(wù)、出行目的以及居民屬性對(duì)選擇行為具有顯著影響(t檢驗(yàn)值在0.01水平上顯著)，直接效應(yīng)>0.40；其次是騎行路況、出行原因(t檢驗(yàn)值在0.05水平上顯著)，直接效應(yīng)>0.20。

4 結(jié)論及建議

基于探索性因子分析法，結(jié)合4種篩選原則，將初步選定的影響西安市公共自行車(chē)選擇行為的38個(gè)題項(xiàng)縮減至32個(gè)，依據(jù)刪除原則去除MSA及共同性不達(dá)標(biāo)題項(xiàng)：性別、職業(yè)、學(xué)歷、低碳環(huán)保、路線比較安全、辦卡和補(bǔ)卡手續(xù)的方便性，并進(jìn)一步劃分成7個(gè)維度，各公因子根據(jù)其所包含的共同特性命名，按方差貢獻(xiàn)率排序?yàn)椋禾鞖饧皻夂?空間布局>運(yùn)營(yíng)服務(wù)>出行目的>居民屬性>騎行路況>出行原因。

基于驗(yàn)證性因子分析法，證明了測(cè)量模型與結(jié)構(gòu)模型內(nèi)部以及彼此之間的顯著性聯(lián)系，不再需要剔除任何變量。7個(gè)公因子按照方差貢獻(xiàn)率由大到小的順序排序，其對(duì)應(yīng)的最大路徑系數(shù)依次是“下雨(0.86)”、“租賃點(diǎn)距離公交站點(diǎn)或地鐵口距離(0.78)”、“公共自行車(chē)調(diào)度系統(tǒng)(0.80)”、“上班或上學(xué)(0.85)”、“年齡(0.82)”、“路線暢通(0.83)”、“避免擁堵(0.81)”。

1)研究結(jié)果表明，影響西安市居民選擇行為的最主要因子是天氣及氣候因子。這個(gè)結(jié)果易于理解，由于公共自行車(chē)舒適性、穩(wěn)定性、安全性差，抗干擾能力弱等缺點(diǎn)，雨雪大風(fēng)天氣、酷暑嚴(yán)寒氣候?qū)@著降低公共自行車(chē)的用戶(hù)體驗(yàn)，甚至成為不可使用的出行方式。目前來(lái)看，天氣及氣候因子帶來(lái)的影響是公共自行車(chē)交通方式不可避免和改變的，這與城市所處的地形、海拔、經(jīng)緯度等因素有關(guān)，城市在考慮是否引進(jìn)及推廣公共自行車(chē)時(shí)需要結(jié)合自身的氣候類(lèi)型、自然天氣現(xiàn)象、地表形態(tài)等因素，做出判斷，以避免公共自行車(chē)“水土不服”、財(cái)政損失、城市公共空間資源浪費(fèi)等現(xiàn)象。

2)其次是空間布局因子。由于公共自行車(chē)“騎不快、騎不遠(yuǎn)”的特點(diǎn)，西安市居民在選擇公共自行車(chē)作為出行方式時(shí)對(duì)出行距離、租賃點(diǎn)位置、數(shù)量等因素較為敏感，規(guī)劃者需要按照租賃點(diǎn)的合理輻射范圍(<3 km)[14]，以及城市“圈層式”的空間分異結(jié)構(gòu)，對(duì)主城區(qū)、外圍區(qū)、風(fēng)景旅游區(qū)等采用不同規(guī)格調(diào)整租賃點(diǎn)布局，深入挖掘城市空間結(jié)構(gòu)對(duì)各類(lèi)地域使用特征的影響，以達(dá)到在滿(mǎn)足居民需求的同時(shí)控制投入成本，減少不必要的租賃點(diǎn)布設(shè)。

3)運(yùn)營(yíng)服務(wù)因子是制約西安市居民選擇公共自行車(chē)出行的重要因素。調(diào)查過(guò)程中發(fā)現(xiàn)，通勤高峰時(shí)段“租不到、還不上”現(xiàn)象較為普遍，同時(shí)刷卡系統(tǒng)故障、車(chē)輛損壞也是被調(diào)查者反映較多的問(wèn)題。建議運(yùn)營(yíng)部門(mén)從后期系統(tǒng)維護(hù)、車(chē)輛調(diào)度與維修方面著手，切實(shí)提高用戶(hù)滿(mǎn)意度。

4)出行目的、出行原因在一定程度上決定了對(duì)出行距離、出行時(shí)間、出行質(zhì)量的要求。研究表明西安市居民在選擇公共自行車(chē)作為出行方式時(shí)將出行目的、原因納入重點(diǎn)考慮范圍，對(duì)具體量化指標(biāo)有待進(jìn)一步研究；居民屬性因子是體現(xiàn)地域差異、確定適應(yīng)群體的關(guān)鍵性指標(biāo)。調(diào)查結(jié)果顯示(表5)，使用公共自行車(chē)出行的西安市居民年齡集中在20～40歲之間，職業(yè)以學(xué)生、職工為主，身體健康者居多，收入集中在2 000～6 000元之間，學(xué)歷以大專(zhuān)、本科為主，性格以活潑好動(dòng)、樂(lè)天派居多。規(guī)劃者可根據(jù)公共自行車(chē)受眾群體的聚類(lèi)性，如在學(xué)校、企業(yè)、居民區(qū)附近增加公共自行車(chē)供給及站點(diǎn)密度；騎行線路是公共自行車(chē)系統(tǒng)的重要組成部分，保障線路平整、暢通是提高居民使用率的重要因素。

表5 西安市居民屬性調(diào)查T(mén)able 5 Attribute questionnaire for Xi’an residents