陳亮，王靜，李巧茹

(河北工業(yè)大學土木與交通學院，天津 300401)

人口老齡化逐漸成為全球人口變化的趨勢，根據(jù)國家統(tǒng)計局發(fā)布的《中華人民共和國2019 年國民經(jīng)濟和社會發(fā)展統(tǒng)計公報》顯示，截至2019年底，我國60周歲及以上人口數(shù)達2.5億人，占總人口數(shù)的18.1%[1]。我國已成為人口老齡化發(fā)展最快的國家之一，預計于2030 年，我國60 周歲及以上老年人人口數(shù)將達到現(xiàn)在老年人口數(shù)的一倍[2]。老年人口數(shù)的增多給社會帶來一定的沖擊，對于交通行業(yè)來說，老年人的交通出行形勢愈發(fā)嚴峻[3]。由于年齡的增長，老年人在生理和心理特征上相比于年輕人存在明顯差異。在生理上，老年人的身體各項機能逐漸衰退，視力和聽力變弱，對外界感知能力下降，行動不便且反應能力降低等。在心理上，老年人多缺乏安全感，對新環(huán)境新事物的適應能力減弱，與社會脫節(jié)感加重[4-5]，所以針對老年人的出行研究需考慮多因素的影響。在老年人出行決策研究早期，張政等[6]利用北京市居民出行調查數(shù)據(jù)，從出行屬性方面對老年人的出行行為進行了研究，結果表明，老年人平均每天出行2.03 次，比年輕人少0.3 次。由此可見，老年人雖身體機能下降，但仍具有較強的出行意愿。老年人出行具有一定規(guī)律[7]，國外老年人傾向于采用私家車出行[8-9]，而國內老年人偏向于選擇步行和公交出行[10-11]。公交作為公共交通出行方式的一種，具有經(jīng)濟便利的優(yōu)勢，符合老年人人群的出行需求[12]，因此，研究老年人的公交出行決策行為可以在一定程度上解決老年人出行問題。楊博[13]選取了7 個個人屬性變量，利用Binary Logit(BL)模型從政府政策及家庭2個角度解決老年人早高峰的出行困難問題，該研究僅僅考慮了個人屬性的影響。鑒于此，MIFSUD 等[14]綜合個人屬性和出行屬性2個方面對馬耳他老年人出行模式進行了探索性研究，結果表明，影響老年人公共交通使用的因素為年齡、地區(qū)、職業(yè)、社會活動及個人影響。WONG 等[15]認為未來老年人口數(shù)會急速增長，缺乏公共交通服務會給老齡化社會帶來嚴重的交通問題，因此在個人屬性和出行屬性的基礎上，加入了心理潛變量和社會活動2種影響因素，利用二元Logistic 模型對公交出行進行分析，研究表明，座位可用性對老年人選擇公共交通出行具有顯著影響。TRUONG 等[16]探討了澳大利亞阿德萊德老年人使用公共交通頻率的影響因素，研究發(fā)現(xiàn)乘坐公共交通的便利性對使用公共交通的頻率有著重要影響。除此之外，還有部分學者研究了公交票價對老年人公交出行決策行為的影響[17-18]。國內外針對老年人公交出行決策的研究大多只考慮個人屬性和出行屬性，引入心理潛變量影響的文獻較少。心理潛變量是用來描述決策過程中出行者的個人主觀感受，雖然在現(xiàn)實中無法直接測量，但卻客觀存在且影響力不容小覷。在涉及心理潛變量影響的文獻中，研究多考慮公交舒適度、公交服務滿意度、便利程度等潛變量，本文在此基礎上，增加了感知安全性、感知有用性等潛變量，設計了新的心理潛變量測量量表。同時引入環(huán)境屬性因素，從個人屬性、出行屬性、心理潛變量及環(huán)境屬性4 個方面，利用SEM-BL 模型，研究多因素對老年人公交出行決策行為的影響，研究結果可為提高我國公共交通適老性提供理論依據(jù)。

1 出行數(shù)據(jù)調查及統(tǒng)計

1.1 問卷設計

本次老年人公交出行問卷包括4部分：個人屬性、出行屬性、環(huán)境屬性和心理潛變量。在個人屬性部分，選取年齡、性別、受教育程度、月收入、有無敬老卡5 個特征變量；在出行屬性部分，選取出行距離、出行目的、出行時長3 個特征變量；在環(huán)境屬性部分，選取天氣、溫度、空氣質量3 個特征變量。在心理潛變量部分，選取了7 個潛變量，相應采用15個觀測變量測量，設計如表1所示的心理潛變量測量量表。問卷中所有題項均根據(jù)被調查者的意愿采用likert5級量表的形式做出回答，1～5依次代表非常不同意—非常同意。

表1 心理潛變量測量量表Table 1 Mental attribute measurement scale

1.2 調查實施

考慮到老年人使用智能手機時具有一定的困難，通過“問卷星”等APP 開展線上調查不能有效獲取老年人的出行信息，所以本次調查選擇線下調查的方式，由調查人員協(xié)助老年人完成問卷作答。本次調查于2019 年6 月10 至7 月10 日在天津市中心城區(qū)展開，調查人員在早中晚不同時間段對老年人進行公交出行調查，主要調查地點為公園、居民區(qū)、學校周邊、公交站周邊。將所調查的地點根據(jù)地圖上的坐標繪制成散點圖，如圖1所示。

圖1 調查地點分布圖Fig.1 Survey site distribution map

本次研究對象為天津老年人，根據(jù)調查資料顯示，截至2018 年年底，全市60 周歲以上老年人人口數(shù)達259.08 萬人。當研究對象總體量很大時，抽取一定量的樣本即可，為保證研究的科學性，所需最小樣本量計算公式為：

式中：n表示所需最小樣本量；α為顯著性水平；k為分位數(shù)。為得出最可靠的樣本量大小，P一般為0.5。

在行為科學研究領域，α一般設定為0.05，此時分位數(shù)k為1.96。經(jīng)計算，所需最小樣本量為384。本次共計調查661 名老年人，剔除問卷回答不完整及數(shù)據(jù)不好的問卷，共計得到有效問卷633份，樣本規(guī)模完全達到要求。

1.3 樣本數(shù)據(jù)統(tǒng)計

對回收的問卷進行統(tǒng)計，個人屬性統(tǒng)計結果如表2 所示。根據(jù)表2 統(tǒng)計結果，本次調查樣本年齡和性別分布較為均衡，男女人數(shù)比例為0.923:1，65～70 歲年齡段人數(shù)占比略微偏高，但不影響總體樣本的均衡性。在受教育程度方面，老年人總體受教育水平偏低，這與上世紀我國教育大環(huán)境相符。76.9%的老年人都持有敬老卡，敬老卡是人民政府推出的一項惠民政策，天津市65 周歲以上的老年人可免費乘坐220條公交線路，結合樣本年齡分析，95.0%符合申請條件的老年人都持有敬老卡。

表2 個人屬性統(tǒng)計Table 2 Personal attributes statistics

出行屬性統(tǒng)計結果如圖2所示，休閑性出行占比達60.8%，說明老年人生活節(jié)奏變慢，注重休閑娛樂鍛煉。76.0%的老年人出行時長不會超過1 h，40.5%的老年人出行距離不會超過10 km。結合前人的研究，老年人的出行屬性調查結果也十分合理。

圖2 出行屬性統(tǒng)計圖Fig.2 Travel attribute statistics chart

環(huán)境屬性統(tǒng)計結果如表3 所示，68.7%的老年人傾向在晴天乘坐公交車，分析原因，考慮到老年人的身體狀況，陰雨天會選擇乘坐出租車或家人接送。72.5%的老年人在溫度適宜時會選擇公交出行，60.6%的老年人在AQI 指數(shù)小于100，即空氣質量良好時會選擇乘坐公交車。

表3 環(huán)境屬性統(tǒng)計Table 3 Environmental attributes statistics

2 模型的構建

2.1 模型建立

SEM-BL模型由結構方程模型和離散選擇模型2 部分構成，是一種可以使抽象的心理潛變量與個人屬性、出行屬性、環(huán)境屬性變量共同參與決策過程的整合模型。SEM-BL模型首先利用結構方程模型將不可直接觀測的心理潛變量量化，然后將量化的心理潛變量與可直接觀測的個人屬性、出行屬性、環(huán)境屬性變量輸入離散選擇模型，以便分析城市老年人出行決策行為。本文將老年人出行分為選擇公交出行或不選擇公交出行，共包括2個選擇方案，因此離散選擇模型部分選用Binary Logit(BL)模型，模型結構如圖3所示。

圖3 模型結構圖Fig.3 Model structure

根據(jù)效用最大化理論，老年人在出行時會選擇效用最大的方案。效用函數(shù)包括固定項和誤差項，則老年人n選擇第i種出行方式的效用函數(shù)表示為：

式中：Uni為老年人n選擇第i種出行方式的效用；vni為效用函數(shù)的固定項，一般為其他各影響因素的線性函數(shù)；εni為效用函數(shù)的誤差項。

以效用最大化理論為基礎的傳統(tǒng)Logit模型為：

式中：Pni為老年人n選擇第i種出行方式的概率。

本文中效用函數(shù)的固定項vni表示為個人屬性、出行屬性、環(huán)境屬性、心理潛變量的線性函數(shù)，表達式如下：

式中：aka，bkb，ckc和dl均為待估計的參數(shù)；Pnika為老年人n選擇第i種出行方式時個人屬性的第ka個特征變量；Tnikb為老年人n選擇第i種出行方式時出行屬性的第kb個特征變量；Enikc為老年人n選擇第i種出行方式時環(huán)境屬性的第kc個特征變量；ηnil是不可觀測的心理潛變量，其中l(wèi)為潛變量的數(shù)量。

心理潛變量的各變量量化方法如下：以感知有用性PU為例，利用結構方程模型確定潛變量間、潛變量與觀測變量間關系，得到各潛變量對不同觀測變量的載荷因子系數(shù)，載荷因子系數(shù)表示潛變量在不同觀測變量上的側重，因此將各觀測變量的載荷因子系數(shù)作為各潛變量的權重，并對其標準化可得：

式中：ΛPU1，ΛPU2為觀測變量PU1，PU2 的載荷因子系數(shù)；rPU1，rPU2為計算所得的觀測變量權重。

將式(5)計算所得結果代入式(6)即可得到潛變量PU的適配值。得到心理潛變量的適配值后，即可確定效用函數(shù)的固定項，則改進后的Logit 模型表示為：

2.2 變量賦值

為便于后續(xù)對模型參數(shù)進行標定，分析老年人不同屬性的各特征變量對公交出行決策行為的影響，個人屬性、出行屬性及環(huán)境屬性也采用適宜的數(shù)字賦值，見表4。

表4 特征變量賦值說明Table 4 Description of characteristic variable assignment

3 問卷數(shù)據(jù)檢驗及模型結果分析

3.1 問卷信效度檢驗

本節(jié)對問卷數(shù)據(jù)進行信效度檢驗，檢驗結果如表5所示。克隆巴赫指數(shù)(Cronbach’s α)大于0.7，表明問卷各題項能夠一致反映同一內容；KMO 統(tǒng)計量大于0.5，說明問卷所有變量間具有一定相關性；檢驗結果各項因子載荷大于0.6，說明心理潛變量可以用各觀測變量表示。因此，問卷數(shù)據(jù)具有一定的可靠性，可以用來開展下一步的數(shù)據(jù)結果分析。

表5 樣本數(shù)據(jù)的信效度檢驗結果Table 5 Sample data of test reliability and validity of the results

3.2 結構方程模型參數(shù)估計及分析

在結構方程模型參數(shù)估計中，本文首先選用卡方自由度比(χ2/df)、近似均方根誤差(RMSEA)、相對擬合指數(shù)(CFI)、塔克―劉易斯指數(shù)(TLI)、均方根殘差(RMR)5 個指標評價結構方程模型與調查數(shù)據(jù)之間擬合度。結構方程模型擬合結果如表6所示，本文所選取的5項模型擬合評價指標結果均符合要求，利用結構方程模型可以進一步闡述潛變量之間關系。

表6 結構方程模型擬合評價指標Table 6 Structural equation model fitting evaluation index

圖4為潛變量間及潛變量與觀測變量間關系的結構方程模型估計結果。從圖中可以看出，15 個觀測變量對各個潛變量的解釋度都超過了0.6，說明觀測變量可以很好地解釋潛變量的特征。潛變量之間結構的路徑系數(shù)均超過0.2，表明該模型的估計結果較為理想。

根據(jù)圖4 的參數(shù)估計結果可知：感知有用性、主觀規(guī)范及行為態(tài)度對行為意向有直接正向顯著影響，而感知便利性、感知安全性及技術滿意度都是通過影響行為態(tài)度，間接對行為意向正向顯著產(chǎn)生影響。主觀規(guī)范既會直接影響行為意向，又會通過影響行為態(tài)度間接影響行為意向。

圖4 潛變量間關系Fig.4 Relationship between latent variables

為定量表述各潛變量對行為意向的影響，計算相應的總效應(總效應=直接效應+間接效應，其中直接效應為標準化路徑系數(shù)，間接效應為相應路徑標準化路徑系數(shù)乘積)，結果見表7。結果表明，行為態(tài)度、主觀規(guī)范、感知有用性、感知安全性、感知便利性、技術滿意度對行為意向的正向影響依次遞減。行為態(tài)度對行為意向的影響最大，總效應為0.38，即老年人是否認可、喜歡公交出行對公交出行選擇意愿的影響最大。其次是主觀規(guī)范對行為意向的影響，總效應為0.36，說明老年人的周圍人群對公交出行的評價也十分重要，這些評價在一定程度上影響著老年人的公交出行意愿。第三為技術滿意度對行為意向的影響，總效應為0.22，說明老年人對公交出行過程中舒適度和服務滿意度的評價越高，老年人選擇公交出行的意愿越強。

表7 各潛變量對行為意向的影響Table 7 Influence of latent variables on behavioral intention

3.3 BL模型參數(shù)估計及分析

本節(jié)建立二項Logit 模型，利用Trans CAD 軟件標定模型參數(shù)，分析多因素影響下老年人的公交出行決策行為。

參數(shù)估計中，在顯著性α= 0.05 的情況下，若變量的檢驗值t≤1.96，則該變量對選擇結果不具有顯著性影響。表8為去除不具有顯著性影響變量的最終模型參數(shù)結果。根據(jù)表8可得出以下結論：

表8 模型參數(shù)估計結果Table 8 Model parameter estimation results

1) SEM-BL 模型的常數(shù)項t值比BL 模型t值小，說明心理潛變量的加入使模型更加完善，能夠更全面地分析老年人公交出行決策影響機理。

2) 在SEM-BL 模型估計結果中，年齡與公交出行選擇行為的參數(shù)標定結果顯示，|t|= 1.994 >1.96，則年齡對選擇公交出行具有顯著影響，且t值為正，說明在老年人中年齡段越大，公交出行意向更明顯；同理，女性老年人、持有敬老卡的老年人更傾向乘坐公交車出行。出行屬性中，當老年人出行為生活性出行、出行時長不超過1 h 出行距離不超過10 km 更傾向選擇公交出行。環(huán)境屬性中，溫度適宜的情況下，老年人更易選擇公交出行。

3) 感知有用性、感知便利性、感知安全性、技術滿意度及主觀規(guī)范與公交出行決策行為的參數(shù)標定結果顯示，其參數(shù)的t檢驗值均大于1.96，說明心理潛變量對公交出行決策行為具有顯著的正向影響。

4)根據(jù)模型參數(shù)估計結果，2 類模型的模型優(yōu)度比系數(shù)R2均大于0.2，模型擬合優(yōu)度較好。其中考慮心理潛變量影響的SEM-BL 模型比傳統(tǒng)BL 模型的模型優(yōu)度比系數(shù)高0.123，說明考慮多因素影響的SEM-BL模型對老年人公交出行決策行為的解釋能力更強。

4 結論

1) 問卷信效度均符合要求，設計合理。各個心理潛變量與觀測變量間的因子載荷大于0.6，潛變量得到了很好的解釋。

2) 在潛變量關系中，感知有用性、主觀規(guī)范及行為態(tài)度直接影響老年人公交出行的行為意向，且影響程度依次增強。

3) 在個人屬性、出行屬性及環(huán)境屬性中，并不是所有變量都對老年人的公交出行決策行為有顯著影響，并且這3種屬性對老年人選擇乘坐公交車的影響程度依次遞減。

4) 心理潛變量對公交出行決策行為具有顯著的正向影響。老年人對公交的有用性、便利性及技術滿意度評價較高時，老年人更易選擇乘坐公交車。老年人自身及周邊人群對公交車的安全性、主觀規(guī)范、行為態(tài)度具有正向評價時，老年人也會更加傾向乘坐公交車。

5)SEM-BL 模型比BL 模型的模型優(yōu)度比系數(shù)高0.123，對老年人公交出行決策行為的解釋力更好。