劉建榮 周毅镕 祝旭乾

(華南理工大學(xué)土木與交通學(xué)院 廣州 510640)

0 引 言

公共交通服務(wù)質(zhì)量對出行者的滿意度有重要影響，而出行者的滿意度直接影響其是否會使用公共交通[1-2].對于公共交通服務(wù)質(zhì)量，目前國內(nèi)外學(xué)者進行了一定研究.總體而言，對于公共交通服務(wù)質(zhì)量的研究有以下幾類方法：①事前事后對比方法.事前事后對比方法通過分析某種公共交通服務(wù)質(zhì)量改善措施實施前后，出行者對于公共交通服務(wù)的評價來分析公共交通改善措施的效果及成本效率(cost effectiveness).文獻[3-4]研究了公交?？空緦崟r信息板安裝前后服務(wù)質(zhì)量評價等方面的差異.②結(jié)構(gòu)方程模型.結(jié)構(gòu)方程模型是一種融合了因素分析和路徑分析的多元統(tǒng)計技術(shù)，用于研究潛在變量之間、潛在變量與顯變量之間的關(guān)系.文獻[5-6]等均利用結(jié)構(gòu)方程模型研究公共交通服務(wù)質(zhì)量與滿意度之間的關(guān)系.③重要度-績效模型.重要度-績效模型分析中，列出若干公共交通服務(wù)質(zhì)量的影響因素，讓被調(diào)查者分別評述對各影響因素的滿意度及重要程度.在此基礎(chǔ)上，同時建立重要度-績效矩陣.文獻[7]利用此方法對公共交通服務(wù)質(zhì)量進行研究；TRB出版利用IS方法評價公共交通服務(wù)的指導(dǎo)書[8].④離散選擇模型.離散選擇模型中被解釋變量為離散值而非連續(xù)值.文獻[9]利用離散選擇模型研究了公交出行者的出行時間價值，文獻[10]利用離散選擇模型研究了出行者對于公共交通車廂內(nèi)擁擠度的主觀感知.

分析目前關(guān)于公共交通服務(wù)質(zhì)量的研究，可以發(fā)現(xiàn)研究存在一定問題，具體包括：①忽略出行者的屬性(如收入、出行目的、性別等)對于公共交通服務(wù)質(zhì)量的影響，目前大部分研究均不涉及出行者的屬性對于公共交通服務(wù)質(zhì)量的影響，由此可能造成一定的偏差；②未考慮定序數(shù)據(jù)與定距數(shù)據(jù)之間的差異，公共交通服務(wù)質(zhì)量研究大部分是基于出行者的主觀評價，而出行者的主觀評價數(shù)據(jù)未定序數(shù)據(jù)，將定序數(shù)據(jù)用常規(guī)的定量數(shù)據(jù)處理方法(如T檢驗、ANOVA)進行處理會造成一定的偏差.

此外，目前大部分研究成果均是發(fā)達國家或地區(qū)的，由于經(jīng)濟發(fā)展水平等諸多差異，發(fā)達國家或地區(qū)的研究成果不一定適用于發(fā)展中國家或地區(qū)[11].基于以上背景.有必要從出行者角度研究公共交通服務(wù)質(zhì)量，分析出行者個體屬性對于服務(wù)質(zhì)量評價的影響，以及出行者對于服務(wù)質(zhì)量各個影響因素的評價.本文通過問卷調(diào)查出行者對于地鐵服務(wù)質(zhì)量主觀評價并利用Rasch模型將定序數(shù)據(jù)轉(zhuǎn)換為定距數(shù)據(jù)，在此基礎(chǔ)上分析地鐵服務(wù)質(zhì)量.

1 Rasch模型原理

服務(wù)質(zhì)量評價研究一般通過李克特量表調(diào)查出行者的主觀評價獲取數(shù)據(jù).以五等級李克特量表為例，五等級李克特量表一般分為：“很不贊同”“不贊同”“無意見”“贊同”“十分贊同”，以上各等級一般賦值為1～5分.但實際而言，以上數(shù)值為定序數(shù)據(jù)，從贊同程度而言，僅知道“很不贊同”<“不贊同”<“無意見”<“贊同”<“十分贊同”.至于“很不贊同”與“不贊同”之間的差異是否與“不贊同”之間“無意間”差異是否一致則無從得知，因此，若將以上數(shù)據(jù)當作定距數(shù)據(jù)進行處理，實際就強加了定序數(shù)據(jù)之間間距相同的假定.

Rasch模型能夠?qū)⒍ㄐ驍?shù)據(jù)轉(zhuǎn)化為定距數(shù)據(jù).Rasch模型認為對于二元計分題目(即回答只有是否、贊同反對等兩個選項)，某人i答對(或贊同)某一題j的概率與該人特征和這個問題的特征相關(guān).Rasch模型中，定義某人i和某一題j的特征分別為ability和difficulty，二者均為一維定距變量，且為同一量綱(logit).ability越高，則某人i答對(或贊同)該題的概率越大；difficulty越高，則答對(或贊同)該題的概率越低.多元計分題目(如李克特五級量表)與此類似.

對于二元計分，某人i對某一問題項j的評價為對和錯的概率為

(1)

(2)

式中：P為概率；θi為個人i的ability值；bj為問題項j的difficulty值.

對于多元計分題目，某人i對某一問題項j評分的概率為

(3)

式中：Pijm為某人i對某一問題項j評分為m的概率；τjm為step difficulty.

通過對數(shù)據(jù)進行最大似然估計，可以得到問題回答者的ability值θ和問題項的difficulty值b.

2 問卷設(shè)計

從價格、可達性、車站、車廂、安全性、信息等角度研究地鐵服務(wù)質(zhì)量影響因素，問題項見表 1中問題項1～23，另外增加問題項24～28用于分析出行者對于地鐵的總體評價.問題采用李克特五級量表.

表1 服務(wù)質(zhì)量影響因素問題項

此外，調(diào)查出行者的使用地鐵頻率、性別、出行目的、到達地鐵的方式、是否在意環(huán)保、是否更傾向于使用地鐵出行、是否贊同政府鼓勵人們乘坐地鐵出行、是否同意限制私家車.

3 數(shù)據(jù)分析

3.1 模型擬合度分析

調(diào)查共獲取有效數(shù)據(jù)380份.根據(jù)Rasch模型的數(shù)據(jù)分析，得到問題項1～28這28個問題項的difficulty，Infit MNSQ，Outfit MNSQ，PTMEAS，Infit MNSQ，Outfit MNSQ值信息.

根據(jù)文獻[12-13]可知，Infit MNSQ及Outfit MNSQ位于0.5～1.5說明擬合度較好，PTMES顯著大于0說明顯著性較好，而且當Infit MNSQ及Outfit MNSQ位于0.5～1.5時，不需要考慮IN.ZSTD和OUT.ZSTD的取值，因此，本文數(shù)據(jù)的擬合度較好.

3.2 ability分析

根據(jù)前述對于Rasch模型的介紹可知，出行者對于服務(wù)質(zhì)量的評價，除了與問題項的difficulty值相關(guān)外，還與出行者的個人能力相關(guān)，因此，這部分分析出行者的個體統(tǒng)計學(xué)特征是否會影響到出行者的ability.利用單因素方差分析(ANOVA)的方法對ability進行檢驗.各項具體數(shù)值見表 3.

表2 問題項的統(tǒng)計參數(shù)信息

表3 個人能力組間差異分析

根據(jù)ANOVA分析結(jié)果，性別、使用地鐵頻率、出行目的、到達地鐵方式等對ability的影響不顯著；而是否更傾向于使用地鐵出行、是否贊同政府鼓勵人們乘坐地鐵出行、是否同意限制私家車對ability的影響顯著.

對于“是否更傾向于使用地鐵出行”，回答“是”的出行者的ability值顯著大于回答“否”的出行者，表明若出行者更傾向于使用地鐵出行，則其對地鐵服務(wù)質(zhì)量的評價更高.“是否贊同政府鼓勵人們乘坐地鐵出行”和“是否同意限制私家車”的結(jié)果與此類似，因此，總體而言，具有環(huán)保意識的出行者的ability顯著高于不具有環(huán)保意識的出行者.

3.3 ability與difficulty對比分析

前兩節(jié)分別分析了問題項difficulty與出行者的ability.鑒于difficulty和ability的量綱均為logit，且均為一維線性的定距變量，因此，可以在同一線性量表中進行對比分析.根據(jù)文獻[14]，當某人的ability等于某問題項的difficulty時，50%的概率此人對這一問題項正面評價，50%的概率此人對這一問題項負面評價；當某人的ability大于某問題項的difficulty時，出行者對于此問題項正面評價的概率大于負面評價的概率.因此對比分析出行者的ability值與服務(wù)質(zhì)量影響因素的difficulty值能夠揭示一系列問題.

此外，根據(jù)ability的分組分析，是否更傾向于使用地鐵出行、是否贊同政府鼓勵人們乘坐地鐵出行、是否同意限制私家車對ability的影響顯著，因此，根據(jù)以上三種特征，對出行者分別分類，分析各小組中，ability與difficulty的大小，可以得到這3種特征對于出行者服務(wù)評價的影響.具體結(jié)果見圖1.

由圖1a)可知，整體而言，Item7，Item9，Item11，Item13持正面評價的比例均不足50%.表明出行者對4類影響因素整體持負面評價.Item7，Item9，Item11均與地鐵擁擠情況相關(guān)，因此也表明出行者對于地鐵擁擠最不滿意.Item24～28為出行者對于地鐵的總體評價，由圖1b)可知，除Item28不足80%外，其余均超過88%，表明出行者對地鐵總體評價很高.

對比分析兩組數(shù)據(jù)的數(shù)值，可以發(fā)現(xiàn)兩個子群組對于地鐵服務(wù)質(zhì)量的評價差異較大.對于服務(wù)質(zhì)量(Item1～Item23)中，兩個子群組的平均差異為20%，表明整體而言，更傾向于地鐵出行的出行者對于地鐵服務(wù)質(zhì)量持正面評價的比例遠高于不會特別傾向于選擇地鐵出行的出行者.特別的，Item2，Item3，Item5，Item8的差異超過25%.對于地鐵服務(wù)總體評價(Item24～28)，兩個子群體的平均差異為16%，其中Item28更是達到27%，表明整體而言，兩個子群組的出行者對于地鐵的總體評價存在顯著差異.圖1c)～d)結(jié)果與圖1a)中的類似.

圖1 不同問題對ability與difficulty關(guān)系的影響

4 結(jié) 束 語

本文利用Rasch模型，基于出行者的主觀感知，對地鐵服務(wù)質(zhì)量的影響因素及地鐵總體滿意度進行了研究.研究發(fā)現(xiàn)，在服務(wù)質(zhì)量的各個影響因素中間，出行者最不滿意的包括：站臺的擁擠情況、二次排隊頻率、車廂內(nèi)擁擠情況、車廂內(nèi)噪聲；出行者最滿意的包括：地鐵準點性、相對于地鐵的票價地鐵提供的服務(wù)、地鐵站內(nèi)的交通標志、車站上安全性.性別、使用地鐵頻率、出行目的、到達地鐵方式、是否在意環(huán)保不會影響出行者對于地鐵服務(wù)的評價；而“是否更傾向于使用地鐵出行”“是否贊同政府鼓勵人們乘坐地鐵出行”“是否同意限制私家車”會影響出行者對于地鐵服務(wù)的評價.

研究同時發(fā)現(xiàn)，整體而言，出行者對于站臺的擁擠情況、二次排隊頻率、車廂內(nèi)擁擠情況)、車廂內(nèi)噪聲持正面評價的比例均不足50%，但出行者對地鐵服務(wù)總體評價很高，因此，為改善地鐵服務(wù)質(zhì)量，未來政府應(yīng)主要著眼于改善地鐵的擁擠情況，同時降低地鐵內(nèi)噪聲.同時，更傾向于使用地鐵出行的出行者對于地鐵服務(wù)的評價明顯高于不傾向于使用地鐵出行的出行者，贊同政府鼓勵人們乘坐地鐵出行的出行者對于地鐵服務(wù)的評價明顯高于不贊同政府鼓勵人們乘坐地鐵出行的出行者，由于“是否更傾向于使用地鐵出行”“是否贊同政府鼓勵人們乘坐地鐵出行”與出行者對于地鐵的整體形象有關(guān)，因此應(yīng)積極提高地鐵的整體形象.