陸 歡,干宏程,王馨玉,黃 玥,王雯靜
(1.上海理工大學(xué) 管理學(xué)院,上海 200093;2.上海理工大學(xué) 超網(wǎng)絡(luò)研究中心,上海 200093)
國(guó)際能源署的統(tǒng)計(jì)數(shù)據(jù)顯示,到2030年交通運(yùn)輸業(yè)的碳排放將占全球碳排放總量的41%[1],因此降低交通出行碳排放是交通和城市可持續(xù)發(fā)展的關(guān)鍵。鑒于此,綠色出行理念被及時(shí)提出并獲得廣泛宣傳,該理念提倡人們盡可能選擇步行、自行車、公共交通等對(duì)環(huán)境影響較小的交通出行方式,以達(dá)到降低城市交通出行碳排放的目的[2]。因此,準(zhǔn)確分析城市居民綠色出行的影響因素,對(duì)于引領(lǐng)城市居民選擇綠色交通方式出行,實(shí)現(xiàn)“雙碳”目標(biāo)具有重要意義。然而,影響居民綠色出行行為的主客觀因素較多,影響關(guān)系較復(fù)雜,是城市交通出行研究領(lǐng)域亟需解決的難點(diǎn)問(wèn)題。
近年來(lái),城市居民綠色出行行為影響因素的研究成果頗豐。相關(guān)研究表明,要引導(dǎo)城市居民選擇綠色出行方式,關(guān)鍵在于轉(zhuǎn)變居民的出行態(tài)度和提升居民的環(huán)保意識(shí)[3-4];與此同時(shí),還需改變居民的出行習(xí)慣[5-7]。計(jì)劃行為理論(Theory of Planned Behavior,TPB)被認(rèn)為是解決上述研究問(wèn)題的重要理論,自提出以來(lái),已被廣泛運(yùn)用于出行行為研究中,如Li等人[8]和魏慶琦等人[9]分析態(tài)度、主觀規(guī)范和知覺(jué)行為控制等TPB 基本假設(shè)變量對(duì)公交選擇行為和大學(xué)生出行行為的影響,發(fā)現(xiàn)變量均具有較強(qiáng)的解釋力;Kaplan 等人[10]利用TPB 對(duì)通學(xué)出行方式進(jìn)行研究,發(fā)現(xiàn)除上述變量外,出行習(xí)慣變量的引入可以提升模型的準(zhǔn)確性。同時(shí),居民的環(huán)保意識(shí)已經(jīng)被研究證實(shí)是影響綠色出行行為的關(guān)鍵因素,且會(huì)直接影響綠色出行態(tài)度[11-12]。心理學(xué)中的預(yù)期后悔概念也被納入出行行為研究中,這是一種與過(guò)往的行為經(jīng)驗(yàn)或習(xí)慣有關(guān)的情緒,會(huì)影響個(gè)體的行為意向和行為決策。相關(guān)研究證實(shí),探索預(yù)期后悔對(duì)出行行為的影響是非常必要的[13-14]。
綜上,學(xué)者們對(duì)綠色出行行為進(jìn)行了大量的理論研究和實(shí)踐探索,從不同角度探討了出行行為的影響因素,但始終未有綜合考慮城市居民出行習(xí)慣、環(huán)保意識(shí)和預(yù)期后悔對(duì)綠色出行行為意愿影響的相關(guān)研究。因此,本文在考慮TPB 基本假設(shè)變量的基礎(chǔ)上,引入出行習(xí)慣、環(huán)保意識(shí)、預(yù)期后悔3 類擴(kuò)展變量,構(gòu)建基于擴(kuò)展TPB 的城市居民綠色出行行為影響因素分析模型,采用偏最小二乘法結(jié)構(gòu)方程模型進(jìn)行變量間路徑關(guān)系檢驗(yàn),分析影響綠色出行行為的關(guān)鍵影響因素,并探索其對(duì)綠色出行行為影響的直接和間接效應(yīng),據(jù)此提出相關(guān)對(duì)策建議,以期為綠色出行政策的制定提供參考。
TPB 由Ajzen[15]提出,是用于個(gè)體行為研究中分析行為意愿及選擇的重要理論。在綠色出行行為研究領(lǐng)域,TPB 認(rèn)為個(gè)體是否選擇綠色出行行為是經(jīng)深思熟慮后做出的選擇,行為的產(chǎn)生與否取決于行為意向,而行為意向是由以下3 方面決定的:一是出行態(tài)度,即個(gè)體對(duì)綠色出行行為的積極或消極感受;二是主觀規(guī)范,即個(gè)體基于一定的行為準(zhǔn)則考慮是否選擇綠色出行行為;三是知覺(jué)行為控制,即個(gè)體在綠色出行政策或環(huán)境變化后對(duì)綠色出行行為的感知能力。總體而言,TPB 認(rèn)為積極的態(tài)度、更強(qiáng)的主觀規(guī)范和知覺(jué)行為控制會(huì)促進(jìn)個(gè)體選擇綠色出行的行為意向。已有研究證實(shí)了TPB 理論在綠色出行行為研究方面的有效性,涉及自行車出行行為意向、公共交通使用行為意向、降低私家車使用比例和使用綠色交通方式出行的行為意向等[16-18]。
但除了基本的TPB 變量外,也有研究發(fā)現(xiàn)一些新的心理潛變量在綠色出行行為的研究中容易被忽略。首先,有研究認(rèn)為出行習(xí)慣對(duì)行為意向及行為的影響在某些情況下會(huì)超過(guò)TPB 中的基本變量[18]。出行習(xí)慣被定義為重復(fù)過(guò)去某一出行行為的心理傾向,居民出行是一種日常行為,由于出行方式的選擇通常是反復(fù)的,所以會(huì)演變成一種習(xí)慣性行為,即出行習(xí)慣?,F(xiàn)有關(guān)于出行習(xí)慣的研究[19-20]主要集中在私家車出行習(xí)慣對(duì)公共交通出行選擇的影響方面,既然出行習(xí)慣確實(shí)會(huì)影響出行行為,則有必要對(duì)出行習(xí)慣對(duì)綠色出行行為的影響進(jìn)行深入研究。其次,環(huán)保意識(shí)也是研究綠色出行行為影響因素需考慮的關(guān)鍵。環(huán)保意識(shí)是指?jìng)€(gè)人對(duì)環(huán)境保護(hù)問(wèn)題的認(rèn)知,既有研究[21-22]使用了環(huán)境態(tài)度和環(huán)境關(guān)懷來(lái)表達(dá)類似的概念。研究認(rèn)為,人們會(huì)因價(jià)值觀的不同而產(chǎn)生不同程度的環(huán)保意識(shí),進(jìn)而影響其對(duì)保護(hù)環(huán)境的責(zé)任感和個(gè)人規(guī)范,從而最終影響其與環(huán)保行為有關(guān)的行為意向,影響其綠色出行行為選擇。再者,預(yù)期后悔也是綠色出行行為選擇重要的影響因素,其是指?jìng)€(gè)體對(duì)過(guò)往出行決策產(chǎn)生的某種消極情緒[23-24],但現(xiàn)有研究較少將其納入綠色出行行為研究中。在實(shí)際出行中,居民通常會(huì)因?yàn)槌俗步煌◣?lái)的擁堵和不適而后悔乘坐公共交通,所以有必要在本研究中加入預(yù)期后悔這一擴(kuò)展?jié)撟兞俊?/p>
綜上,本研究在TPB 和相關(guān)研究的基礎(chǔ)上,結(jié)合綠色出行行為研究背景,構(gòu)建了包含出行態(tài)度(Travel Attitude,TA)、主觀規(guī)范(Subjective Norms,SN)、知覺(jué)行為控制(Perceived Behavioral Control,PBC)、出行習(xí)慣(Travel Habit,TH)、環(huán)保意識(shí)(Environmental Consciousness,EC)、預(yù)期后悔(Anticipated Regret,AR)、綠色出行行為意向(Behavioral Intention,BI)、綠色出行行為(Be?havior,B)8 個(gè)變量和23 個(gè)測(cè)量變量在內(nèi)的測(cè)量體系來(lái)分析城市居民綠色出行行為的影響因素,各變量的具體描述如表1所示。
表1 模型變量描述
本研究選擇TPB作為基本理論框架,基于1.1節(jié)中探討的模型變量建立基于擴(kuò)展TPB 的城市居民綠色出行行為影響因素分析模型,如圖1所示。模型由TPB 基本變量和擴(kuò)展變量?jī)刹糠纸M成。在基本的TPB 變量中,綠色出行態(tài)度通常被認(rèn)為是受主觀規(guī)范和知覺(jué)行為控制影響的關(guān)鍵中介變量,主觀規(guī)范可以直接影響綠色出行行為意向,間接影響綠色出行行為;同時(shí),主觀規(guī)范和知覺(jué)行為控制對(duì)綠色出行行為意向有正向影響,知覺(jué)行為控制還直接影響綠色出行行為。在擴(kuò)展變量的部分,本研究重點(diǎn)考慮了出行習(xí)慣、環(huán)保意識(shí)和預(yù)期后悔對(duì)綠色出行行為意向和行為的影響。本研究的研究假設(shè)關(guān)系H1~H15 在圖1 中均有體現(xiàn),故不再通過(guò)文字贅述。
圖1 基于擴(kuò)展TPB的城市居民綠色出行行為影響因素分析模型
研究數(shù)據(jù)來(lái)源于Open ITS 平臺(tái)(www.openits.cn)發(fā)布的鎮(zhèn)江市綠色出行行為調(diào)查問(wèn)卷數(shù)據(jù)。問(wèn)卷分為兩部分,第1 部分為受訪者的個(gè)人信息調(diào)查,包括性別、年齡、受教育程度、職業(yè)、收入等,第2部分為綠色出行行為與行為意向調(diào)查。在本研究中,所有條目都采用李克特五分制量表進(jìn)行測(cè)量,即每一條目陳述的問(wèn)題有“非常同意”“同意”“不一定”“不同意”“非常不同意”這5種不同回答,分別記為5,4,3,2,1。調(diào)查區(qū)域集中在鎮(zhèn)江高鐵站、老火車站和長(zhǎng)途汽車站附近,3 個(gè)調(diào)查點(diǎn)都位于鎮(zhèn)江市中心,客流量大,出行者職業(yè)和學(xué)歷分布廣,調(diào)查樣本具有一定的代表性。調(diào)查共收集問(wèn)卷2 941 份,刪除無(wú)效樣本,最終獲得2 520 個(gè)調(diào)查樣本,樣本有效率為85.7%。進(jìn)一步篩選有意愿選擇綠色出行的樣本進(jìn)行建模分析,共篩選出1 660 個(gè),樣本描述性統(tǒng)計(jì)特征如表2 所示。由表2 可知,在有意愿選擇綠色出行的居民中,男性居民的比例為60.52%;年齡方面,以18~35 歲的青年為主,占比達(dá)65.26%;學(xué)歷方面,具有本科及以上學(xué)歷的居民占比達(dá)44.58%;收入方面,以月收入在6 000元以下的工薪階層為主,占比達(dá)86.55%。
表2 有意愿選擇綠色出行的樣本描述性統(tǒng)計(jì)特征
本研究構(gòu)建以偏最小二乘法(Partial Least Squares,PLS)為基礎(chǔ)路徑的結(jié)構(gòu)方程模型(Structural Equation Model,SEM)進(jìn)行實(shí)證分析。SEM 作為常用的實(shí)證分析工具,包括以偏最小二乘法為基礎(chǔ)的PLS-SEM 建模和以協(xié)方差為基礎(chǔ) 的CB-SEM(Covariance-Based SEM)建 模。PLS-SEM 的原理為,在方差的基礎(chǔ)上結(jié)合主成分分析與多元回歸分析,通過(guò)循環(huán)迭代的方式使內(nèi)生變數(shù)的被解釋能力最大;CB-SEM 的原理為,結(jié)合因素分析與多元回歸分析,使樣本矩陣與模型期望的共變異數(shù)更為接近。與CB-SEM 相比,PLS-SEM 可以處理模型中的多階潛變量問(wèn)題,能同時(shí)處理反映性指標(biāo)與形成性指標(biāo)(本研究構(gòu)建的理論模型包含這兩類指標(biāo));另外,PLS-SEM還在研究樣本量較大、假設(shè)檢驗(yàn)較多、建模復(fù)雜性較高時(shí)具有突出優(yōu)勢(shì)[25-26],故其更適用于本研究開(kāi)展后續(xù)的實(shí)證分析。鑒于此,本研究利用Smart-PLS3.0 軟件,對(duì)概念框架和調(diào)查數(shù)據(jù)進(jìn)行分析,首先評(píng)估測(cè)量模型,分析觀測(cè)變量與潛變量間的關(guān)系;然后,通過(guò)PLS-SEM 檢驗(yàn)結(jié)構(gòu)模型,測(cè)量潛變量間的路徑關(guān)系,方法的具體實(shí)施過(guò)程可參考文獻(xiàn)[27]~文獻(xiàn)[29]。
首先,本研究需對(duì)研究數(shù)據(jù)進(jìn)行信度和效度檢驗(yàn)以確保研究結(jié)果的可靠性。表3 顯示的是測(cè)量模型中所有變量的信度檢驗(yàn)結(jié)果,包括克朗巴哈系數(shù)(Cronbach'sα)、綜合信度(Composite Reliability,CR)和平均方差提取值(Average Variance Extracted,AVE)。由表3可看出,所有反映性潛變量的AVE 值均大于臨界值0.5,所有潛變量的Cronbach's α 值均大于臨界值0.7,CR 值均大于臨界值0.8。由于TH 屬于形成性變量,需要檢驗(yàn)其方差膨脹因子(Variance Inflation Factor,VIF),發(fā)現(xiàn)小于臨界值3。上述值均滿足臨界值檢驗(yàn)標(biāo)準(zhǔn),表明本研究的測(cè)量模型具有令人滿意的收斂有效性,支持了PLS-SEM的進(jìn)一步分析。
表3 測(cè)量模型的信度檢驗(yàn)
然后,使用區(qū)分效度分析檢驗(yàn)不同潛變量觀測(cè)指標(biāo)間的關(guān)聯(lián)度,確保不存在高度相關(guān)性。本研究使用異質(zhì)-單質(zhì)(Heterotrait-Monotrait,HT?MT)比率值進(jìn)行檢驗(yàn),其為不同指標(biāo)相關(guān)性的均值與同一指標(biāo)相關(guān)性的均值的比值,通常情況下不能大于閾值0.9。表4 所示為區(qū)分效度檢驗(yàn)矩陣??梢钥闯?,所有HTMT 值均小于閾值,表明測(cè)量模型具有良好的區(qū)別效度。
表4 區(qū)分效度檢驗(yàn)矩陣
本研究使用Smart-PLS3.0 軟件中的Bootstrap?ping運(yùn)算(子樣本設(shè)定為5 000)估計(jì)模型潛變量間的路徑系數(shù),得到路徑系數(shù)、顯著性檢驗(yàn)結(jié)果及假設(shè)檢驗(yàn)結(jié)果,如表5 所示。由表5 可知,在p<0.001 水平上,所有路徑系數(shù)均顯著,說(shuō)明結(jié)構(gòu)模型的路徑系數(shù)值均具有顯著的統(tǒng)計(jì)學(xué)意義。結(jié)構(gòu)模型的擬合優(yōu)度評(píng)價(jià)結(jié)果如表6 所示。由擬合優(yōu)度R2值可知,該模型對(duì)綠色出行態(tài)度、主觀規(guī)范、知覺(jué)行為控制、環(huán)保意識(shí)、預(yù)期后悔、行為意向和出行行為的方差解釋率分別為16.7%,21.8%,23.1%,31.2%,14.6%,57.5%和31.7%。同時(shí),5 個(gè)潛在變量的預(yù)測(cè)相關(guān)性Q2值均大于零(最小值為0.075),表明這些內(nèi)生變量均達(dá)到了預(yù)測(cè)相關(guān)性。此外,擬合優(yōu)度(Goodness of Fit,GOF)值為0.525,這證實(shí)了PLS-SEM建模存在較大的全局?jǐn)M合優(yōu)度。綜上,本研究認(rèn)為在圖1 中假設(shè)的理論路徑(H1~H15)均成立,潛變量TA,PBC,SN,AR 和EC 均正向影響綠色出行行為意向和行為,TA,SN 和PBC 對(duì)綠色出行行為意向和行為表現(xiàn)出中介作用。此外,本研究還比較了各潛變量指標(biāo)對(duì)綠色出行行為的直接效應(yīng)、間接效應(yīng)和總效應(yīng),結(jié)果如表7所示,主要結(jié)論詳見(jiàn)3.3節(jié)。
表5 路徑系數(shù)、顯著性及假設(shè)檢驗(yàn)結(jié)果
表5 (續(xù))
表6 擬合優(yōu)度評(píng)價(jià)結(jié)果
表7 綠色出行行為影響因素的效應(yīng)分解
(1)行為意向?qū)G色出行行為產(chǎn)生直接正向影響,總效應(yīng)為0.45,為所有影響因素中最大的。行為意向也是其他因素影響出行行為的中介變量,由表5 和表7 的路徑系數(shù)和效應(yīng)分解結(jié)果可知,無(wú)論是TPB 基本變量中的出行態(tài)度、主觀規(guī)范和知覺(jué)行為控制,還是擴(kuò)展變量中的出行習(xí)慣、環(huán)保意識(shí)和預(yù)期后悔,均可通過(guò)影響行為意向來(lái)間接影響綠色出行行為。
(2)出行態(tài)度、主觀規(guī)范和環(huán)保意識(shí)對(duì)綠色出行行為產(chǎn)生間接正向影響,間接效應(yīng)分別為0.12,0.15 和0.20;知覺(jué)行為控制對(duì)綠色出行行為產(chǎn)生直接和間接正向影響,直接效應(yīng)為0.37,間接效應(yīng)為0.07,總效應(yīng)為0.44。說(shuō)明居民對(duì)綠色出行行為的態(tài)度越積極,環(huán)保意識(shí)越高,周圍重要的人對(duì)其影響越大,感知到綠色出行的難度越小時(shí),其綠色出行行為意向就越強(qiáng)烈,采取綠色出行行為的可能性就越大。
(3)出行習(xí)慣對(duì)綠色出行行為產(chǎn)生直接和間接正向影響,直接效應(yīng)為0.25,也可通過(guò)影響行為意向和預(yù)期后悔2 個(gè)因素對(duì)出行行為間接產(chǎn)生正向影響,其間接效應(yīng)為0.05,總效應(yīng)為0.30,說(shuō)明在實(shí)際出行中,居民的出行習(xí)慣會(huì)決定下次出行方式,或?qū)ο麓纬鲂蟹绞降囊庀虍a(chǎn)生影響。另外,以往的出行經(jīng)驗(yàn)會(huì)讓居民對(duì)某種出行方式產(chǎn)生良好或者不滿的體驗(yàn),進(jìn)而影響其采取該出行方式的意向和行為,故將出行習(xí)慣引入TPB 來(lái)解釋綠色出行行為是合理的。
(4)預(yù)期后悔對(duì)綠色出行行為產(chǎn)生直接負(fù)向影響,效應(yīng)為-0.17,也可通過(guò)作用于行為意向,對(duì)出行行為產(chǎn)生間接的負(fù)向影響,效應(yīng)為-0.05,總效應(yīng)為-0.22。說(shuō)明將預(yù)期后悔作為擴(kuò)展變量引入TPB 來(lái)解釋綠色出行行為是合理的。居民對(duì)綠色出行的預(yù)期后悔程度越大,其采取綠色出行的行為意向就越低,實(shí)際采取綠色出行行為的可能性就越小,而預(yù)期后悔通常與居民以往的出行體驗(yàn)有密切聯(lián)系。
(1)宣傳綠色出行理念,提升居民環(huán)保意識(shí)
研究發(fā)現(xiàn),環(huán)保意識(shí)越強(qiáng),采取綠色出行的可能性就越大,且行為意向是對(duì)行為總效應(yīng)影響最大的因素。因此,應(yīng)提升綠色出行理念宣傳的普及度和滲透率,提高居民對(duì)環(huán)境保護(hù)問(wèn)題的關(guān)注度,并將切實(shí)提高城市居民的居民環(huán)保意識(shí)和綠色出行意愿作為宣傳的最終目標(biāo),讓居民能了解綠色出行的內(nèi)涵和重要性,同時(shí)能將綠色出行的理念傳播給親友,擴(kuò)大其影響力。
(2)加強(qiáng)綠色出行設(shè)施建設(shè),提升綠色出行服務(wù)品質(zhì)
研究發(fā)現(xiàn),居民感知綠色出行更容易,對(duì)綠色出行的預(yù)期后悔程度越小時(shí),其行為意向越強(qiáng)。因此,應(yīng)加強(qiáng)綠色出行設(shè)施建設(shè)、提升服務(wù)品質(zhì),如設(shè)計(jì)合理的綠色出行與慢行交通網(wǎng)絡(luò),建設(shè)集步行、共享單車、公交、軌道交通為一體的城市公共交通樞紐,并根據(jù)居民出行需求提供定制公交、夜間公交等服務(wù),致力于讓智能、便捷、安全的綠色出行為居民提供更好的城市出行體驗(yàn)。
(3)完善綠色出行相關(guān)政策,培養(yǎng)居民綠色出行習(xí)慣
研究發(fā)現(xiàn),出行習(xí)慣是影響居民綠色出行行為的重要直接和間接影響因素。因此,可通過(guò)相關(guān)財(cái)政或交管政策引導(dǎo)城市居民使用綠色出行方式,如降低居民綠色出行費(fèi)用、加大公共交通補(bǔ)貼力度、提升綠色出行效率等,增加居民綠色出行頻率。此外,呼吁政府部門牽頭有關(guān)企業(yè)建立居民“綠色出行賬戶”,將步行、騎自行車、乘坐公交地鐵等綠色出行行為以一定的比例進(jìn)行量化計(jì)算,以積分的形式納入個(gè)人賬戶中,相應(yīng)的積分可兌換實(shí)際或虛擬獎(jiǎng)品,以此激勵(lì)城市居民綠色出行習(xí)慣的培養(yǎng)。
本文基于擴(kuò)展的計(jì)劃行為理論,構(gòu)建城市居民綠色出行行為的影響因素模型,分析綠色出行行為的關(guān)鍵驅(qū)動(dòng)因素,并探討其直接和間接影響。結(jié)果表明,基于擴(kuò)展TPB 研究城市居民綠色出行行為具有較好的可行性和適用性;綠色出行態(tài)度和主觀規(guī)范對(duì)綠色出行行為意向有直接正向影響,對(duì)綠色出行行為有間接正向影響,而知覺(jué)行為控制、出行習(xí)慣對(duì)綠色出行行為有直接和間接正向影響;同時(shí),預(yù)期后悔對(duì)綠色出行行為有直接和間接負(fù)向影響?;谏鲜鲅芯拷Y(jié)果,本文提出了相應(yīng)的對(duì)策建議,可為綠色出行交通政策的制定和實(shí)施提供參考。在后續(xù)研究中,可考慮擴(kuò)大調(diào)查范圍和樣本數(shù)據(jù)量,進(jìn)一步檢驗(yàn)研究結(jié)論的可信度和適用性,并通過(guò)對(duì)比分析,提出更精準(zhǔn)有效的對(duì)策建議;也可考慮在模型變量選取時(shí)增加如交通出行政策、出行可達(dá)性等新的擴(kuò)展變量,進(jìn)行深入探索。