戢曉峰，楊春麗

（昆明理工大學(xué)a.交通工程學(xué)院，b.云南綜合交通發(fā)展與區(qū)域物流管理智庫，昆明 650504）

隨著我國高速鐵路進一步向欠發(fā)達地區(qū)擴張，覆蓋日益廣泛的高速鐵路網(wǎng)絡(luò)加速形成，高速鐵路成為促進欠發(fā)達地區(qū)經(jīng)濟發(fā)展、滿足居民區(qū)域出行需求的基礎(chǔ)支撐.然而在中國，相當(dāng)部分城市的高鐵站點位于城市邊緣，尤其在欠發(fā)達地區(qū)，長距離的市內(nèi)換乘會帶來出行者的時間價值損失，降低出行者的高鐵使用意愿.隨著出行服務(wù)由“基礎(chǔ)需求型”向“享受體驗型”轉(zhuǎn)變，提升欠發(fā)達地區(qū)高鐵的有效利用率，逐漸成為當(dāng)前備受關(guān)注的熱點問題.同時，文獻［1］也明確提出，要加快構(gòu)建以高鐵為主體的區(qū)際客運服務(wù)，打造旅客聯(lián)程運輸系統(tǒng).市內(nèi)交通與高鐵站點的高效接駁，已成為交通規(guī)劃與管理領(lǐng)域急需解決的現(xiàn)實.因此，如何從高鐵資源的可獲得性出發(fā)，探析市內(nèi)接駁服務(wù)對高鐵出行意向的影響對緩解高鐵出行的“第一公里”和“最后一公里”難題更為迫切.

近年來，接駁服務(wù)問題已被越來越多國內(nèi)外學(xué)者所關(guān)注，從研究區(qū)域看，可歸納為城市內(nèi)部交通之間的接駁、城際與市內(nèi)交通接駁兩種.其中，市內(nèi)交通之間的接駁以地鐵與公交、地鐵和自行車接駁研究為主；城際與市內(nèi)交通的接駁則主要聚焦于市內(nèi)交通與高鐵、飛機和火車等的銜接.當(dāng)前，考慮市內(nèi)接駁服務(wù)影響的高鐵出行行為研究逐漸興起.張戎等［2］將市內(nèi)交通服務(wù)屬性納入高鐵出行方式選擇模型，發(fā)現(xiàn)城市內(nèi)交通時間對高鐵出行選擇產(chǎn)生影響，這與文獻［3］的研究結(jié)論一致.盧佩瑩等［4］從一體化融合發(fā)展的視角，發(fā)現(xiàn)高鐵站與城市交通的接駁對增加高鐵出行選擇有重要影響.同時，性別、年齡等個體屬性因素也被納入高鐵方式選擇研究中［5］，如Liu 等［6］考慮出行者的社會經(jīng)濟屬性和選擇偏好因素，對高鐵出行行為模式進行了實證研究；趙鵬等［7］的研究也證明，考慮個體屬性差異的乘客高鐵出行選擇研究更加貼近實際情況.從研究內(nèi)容看，現(xiàn)有研究多以公交為核心的接駁模式和線路方案設(shè)計為主.如Almasi等［8］以馬來西亞吉隆坡為例，基于實際路網(wǎng)提出了公交與火車接駁的線路可行性方案.Zhen 等［9］將高鐵出行劃分為4 個階段，進出高鐵的首末兩個階段的接駁交通模式會影響乘客高鐵出行滿意度，相較于公交，地鐵、出租車和私家車接駁模式更有優(yōu)勢.

顯然，已有相關(guān)研究多是在出行行為影響分析中考慮了市內(nèi)接駁服務(wù)因子，針對接駁服務(wù)質(zhì)量的專題研究較為鮮見，但其對高鐵出行選擇的重要影響已經(jīng)凸顯.尤其在欠發(fā)達地區(qū)，高鐵開通將對市內(nèi)接駁服務(wù)提出新的要求.對此，本文基于高鐵開通前的“事前分析”視角，充分考慮欠發(fā)達地區(qū)出行者個體異質(zhì)性，借助技術(shù)接受理論探析市內(nèi)接駁服務(wù)與高鐵出行意愿之間的關(guān)系，以期為欠發(fā)達地區(qū)高鐵接駁運輸組織提供理論參考.

1 理論模型與研究方法

1.1 模型構(gòu)建與研究假設(shè)

從出行者角度看，新開通高鐵可看作是一種新的交通技術(shù). 技術(shù)接受模型（Technology Acceptance Model，TAM）是一種用于解釋個體對新技術(shù)接受程度的理論工具，在預(yù)測個體出行行為意向方面得到廣泛應(yīng)用.TAM 假定感知有用性、感知易用性和情感態(tài)度等核心變量直接或間接影響出行意向［10］.本文試圖在高鐵出行決策中加入市內(nèi)接駁服務(wù)變量，明確影響研究對象感知的前置因素，以更系統(tǒng)的方式建立拓展的TAM，進一步理解接駁服務(wù)質(zhì)量對高鐵出行意向的影響，拓展的TAM 變量定義如表1 所示.

表1 模型變量定義Tab.1 Definitions of TAM model variables

在TAM 應(yīng) 用 背 景 下，Lai 等［11］的 研 究 驗 證 了PU、PEU、ATT 和BI 之間的關(guān)系.根據(jù)TAM 變量間關(guān)系路徑，定義H1，H2，…，H5 分別為：PEU 對PU 產(chǎn)生積極影響效應(yīng)；PU 對ATT 產(chǎn)生正向影響效應(yīng)；PU 對BI 產(chǎn)生正向 影 響 效 應(yīng)；PEU 對ATT 存在正向影響效應(yīng)；ATT 對BI 存在正向影響效應(yīng).

引入市內(nèi)接駁服務(wù)質(zhì)量作為影響TAM 的前置因素，如果出行者感知到高鐵出行的便利性，并使其獲得更多的效益，他們可能會更愿意乘坐高鐵出行.因此，定義H6、H7 分別為：QS 對PU 產(chǎn)生積極的影響；QS 對PEU 產(chǎn)生積極的影響.

個體屬性與出行行為的相關(guān)研究中，年齡、性別等變量對行為影響存在調(diào)節(jié)作用.陳堅等［12］在整合型技術(shù)接受模型（Unified Theory of Acceptance and Use of Technology，UTAUT）中將年齡、性別作為無人駕駛公交使用意愿的調(diào)節(jié)變量，并分析其對使用意向的影響.戢曉峰等［13］基于聯(lián)網(wǎng)售票數(shù)據(jù)，將年齡、性別納入公路旅客出行行為異質(zhì)性研究中.Ren 等［14］的研究發(fā)現(xiàn)，性別和年齡對高鐵出行存在影響，年輕群體的高鐵出行頻率高于其他年齡段的人群，女性更有可能通過高鐵等方式增加出行頻率.受經(jīng)濟發(fā)展水平、交通基礎(chǔ)設(shè)施建設(shè)情況等因素制約，欠發(fā)達地區(qū)居民出行特征較一般地區(qū)居民略有不同.根據(jù)文獻［15］可知，欠發(fā)達地區(qū)居民出行次數(shù)少，且受家庭結(jié)構(gòu)對出行的影響，欠發(fā)達地區(qū)老年人和兒童等弱勢群體很少選擇出行，欠發(fā)達地區(qū)出行“年輕化”特征更顯著；孫連嬌等［16］的研究證明，月收入是欠發(fā)達地區(qū)居民中長距離出行的高敏感性因素；欠發(fā)達地區(qū)高鐵建設(shè)滯后，該地區(qū)居民出行以公路客運為主，高鐵乘坐經(jīng)驗少.因此，選擇年齡、月收入、高鐵乘坐經(jīng)驗作為欠發(fā)達地區(qū)居民出行區(qū)別于一般地區(qū)居民出行的變量.綜上，定義H8 為年齡、性別、月收入、職業(yè)和經(jīng)驗等個體屬性變量對整個模型結(jié)構(gòu)的影響存在顯著群體差異.構(gòu)建的理論模型框架如圖1所示.

圖1 拓展TAM 框架Fig.1 Structure of extended TAM

1.2 研究方法

運用結(jié)構(gòu)方程模型（Structural Equation Modeling，SEM）分析市內(nèi)接駁服務(wù)質(zhì)量與出行感知及高鐵出行意愿的因果關(guān)系和相關(guān)關(guān)系，明晰市內(nèi)接駁服務(wù)質(zhì)量對感知有用性、感知易用性、情感態(tài)度和出行意愿的影響.結(jié)合文獻［17-19］對TAM 變量的測量題項，采用Likert 五點量表法描述SEM 的潛變量，具體如表2 所示.

表2 模型變量及測量題項Tab.2 Variables of model and its measuring items

SEM 模型表達式為

式中：ξ為外生潛變量，即QS；X是QS 的觀測指標(biāo)；η為內(nèi)生潛變量，包括PU、PEU、ATT 和BI；Y是PU、PEU、ATT 和BI 的觀測指標(biāo)；ΛX、ΛY為觀測指標(biāo)對潛變量的因子載荷矩陣；δ、ε為外生潛變量的殘差為內(nèi)生潛變量之間的路徑系數(shù)矩陣是外生潛變量對內(nèi)生潛變量的路徑系數(shù)矩陣；ζ為內(nèi)生潛變量的殘差.

通過AMOS 軟件，運用最大似然估計法對模型進行求解，根據(jù)樣本共變異數(shù)矩陣與模型共變異數(shù)矩陣的相似度、差異性進行檢驗，相似度越高、差異性越小，模型配適度越好.通常用擬合優(yōu)度指數(shù)GFI、規(guī)范擬合指數(shù)NFI、比較擬合指數(shù)CFI、增值擬合指數(shù)IFI、調(diào)整自由度擬合優(yōu)度指數(shù)AGFI 反映模型對樣本數(shù)據(jù)的相似程度，檢驗值愈接近1 愈好，通常要求大于0.90.用近似誤差均方根RMSEA 反映整個模型對樣本數(shù)據(jù)的差異性，RMSEA 越接近于0表示模型配適度越好，通常采用RMSEA 小于0.1［20］.

2 模型分析

2.1 問卷設(shè)計及數(shù)據(jù)來源

1)問卷設(shè)計.

以欠發(fā)達地區(qū)出行者為研究對象，基于高鐵開通前的事前分析視角，分析未來高鐵開通情景下出行者的方式選擇意向.考慮到高鐵與欠發(fā)達地區(qū)的長途客運、火車、航空均需要市內(nèi)交通接駁提供最后一千米服務(wù)，因此設(shè)置了長途客運站、火車站、機場3 個具體的接駁場景，在充分考慮欠發(fā)達地區(qū)接駁特性的基礎(chǔ)上，選取公交、出租車、網(wǎng)約車、私家車、電動車/摩托車作為接駁方式，并采用準(zhǔn)點率、便捷程度、安全性、舒適性作為特征指標(biāo)，獲取市內(nèi)接駁服務(wù)質(zhì)量.共設(shè)置了15 個場景，每個受訪者對其中5 個場景做出選擇和評價.問卷包括欠發(fā)達地區(qū)出行者屬性、出行者市內(nèi)接駁服務(wù)質(zhì)量感知和新開通高鐵出行選擇意愿3 個方面的主要內(nèi)容.

2)數(shù)據(jù)來源.

昭通市位于滇西邊境山區(qū)，途經(jīng)云南省昭通市的高鐵包括2019 年底通車的成貴高鐵、預(yù)計于2023 年通車的渝昆高鐵，截至2021 年，全市僅有鎮(zhèn)雄站和威信站兩個高鐵站（分別位于鎮(zhèn)雄縣、威信縣），位于主城區(qū)的昭通東站還未建成，因此，選擇高鐵開通前的昭通市主城區(qū)作為研究區(qū)域.針對昭通市主城區(qū)居民，于2017 年8 月在昭通市客運站、火車站、機場等調(diào)查點進行了居民高鐵出行意向的隨機調(diào)查.共回收有效問卷596 份.被訪青年人數(shù)是中老年人數(shù)的2.6 倍，有效樣本中男女比例接近1.2∶1，男性受訪者有334 人，職業(yè)以體力勞動型為主，月收入低于5 000 元的占比為62.9%，18%的人還沒有乘坐高鐵的經(jīng)歷，樣本群體特征統(tǒng)計如表3所示.

表3 群體信息描述Tab.3 Group information description

2.2 信度和效度檢驗

α系數(shù)常用于檢測問卷信度，除PU 對應(yīng)的α值略低于0.7 外，其余變量取值都大于0.7，信度滿足要求.效度檢驗包括聚合效度和區(qū)別效度，其中組成信度（Composite Reliability，CR）閾值為0.7、平均變異數(shù)萃取量（Average of Variance Extracted，AVE）閾值為0.5、因子載荷閾值為0.5，是聚合效度檢測指標(biāo).模型聚合效度和區(qū)別效度檢驗結(jié)果如表4和表5所示.

由表4 計算結(jié)果可知，AVE、CR 和因子載荷均高于閾值，聚合效度符合要求.從表5 區(qū)別效度檢測結(jié)果可知，AVE 取平方根的計算結(jié)果（即對角線值）均大于相關(guān)系數(shù)，區(qū)別效度滿足要求.

表4 驗證性因子分析和聚合效度值Tab.4 Confirmatory factor analysis results and convergent validity

表5 區(qū)別效度評價Tab.5 Discriminant validity evaluation

運用AMOS21.0 軟件估計模型適配度參數(shù)，適配指標(biāo)χ2/2 為2.823，滿足低于閾值3 的要求，GFI、NFI、IFI、CFI、AGFI 均高于標(biāo)準(zhǔn)值0.9，RMSEA 為0.055，小于0.1，各項指標(biāo)均達到要求，表明構(gòu)建的結(jié)構(gòu)方程模型可接受.

2.3 模型結(jié)果分析

表6為接駁服務(wù)和心理因素對出行意向的影響大小.高鐵出行意向模型的結(jié)構(gòu)路徑如圖2 所示，圖2中，***表示P＜0.01；**表示P＜0.05；*表示P＜0.1.

根據(jù)圖2 和表6 可知，在心理因素方面，PU（0.58***）對BI 的 影 響 大 于ATT（0.31***）對BI 的 影響，PEU 對PU（0.65***）和ATT（0.39***）有 雙 重 影響，H1～H5 成立.雖然PU（0.714）、PEU（0.585）和ATT（0.310）等心理因素對BI 的總影響效應(yīng)高于QS（0.184），但QS 是高鐵出行感知的重要前因，并通 過PU、PEU 和ATT 間 接 影 響B(tài)I，且QS 通 過PEU（0.23**）對出行意向的影響比通過PU（0.07*）的影響更大，H6 和H7 成立.

圖2 高鐵出行意向模型分析結(jié)果Fig.2 Results of travel intention model for high-speed rail

表6 高鐵出行意愿的影響效應(yīng)Tab.6 Influencing effect of HSR travel intention

3 多群組分析

為驗證欠發(fā)達地區(qū)居民的個體異質(zhì)性對高鐵出行意愿選擇的影響，進行多群組分析.多群組分析時，通常假設(shè)結(jié)構(gòu)方程模型的潛變量之間的關(guān)系在不同的群組中是一致的，使用測量加權(quán)模型M1、結(jié)構(gòu)加權(quán)模型M2、結(jié)構(gòu)協(xié)方差模型M3、結(jié)構(gòu)誤差模型M4 和測量誤差模型M5 驗證引入的新變量（年齡、性別、月收入、職業(yè)和高鐵乘坐經(jīng)驗）是否對各潛變量有調(diào)節(jié)作用.為消除有經(jīng)驗群組（489 人）和無經(jīng)驗群組（107 人）樣本數(shù)據(jù)不均衡對研究的影響，在進行分析時，從有高鐵乘坐經(jīng)驗的群組中隨機抽取30%的樣本量（147 人）進行多群組分析.分析流程如圖3 所示.

圖3 多群組分析流程Fig.3 Process of multi-group analysis

3.1 差異性分析

首先采用完全約束模型（所有估計參數(shù)在群組中均假設(shè)相等）檢驗樣本是否適用于多群組比較.5 個變量對應(yīng)的群組模型擬合度檢測結(jié)果如表7所示.

表7 多群組模型擬合結(jié)果Tab.7 Fitting results of multi-group model

表7中IFI、TLI、CFI 值 大 于0.9，適 配 良 好，GFI、NFI、AGFI 值大于0.8，適配度可接受.說明即使在SEM 中施加嚴(yán)格的約束條件，變量也顯示較好的結(jié)構(gòu)效度，可進行多群組差異比較.

從約束因子載荷系數(shù)開始，在每個檢驗?zāi)Ｐ椭幸来卧隽幸蜃虞d荷系數(shù)、路徑系數(shù)、潛變量協(xié)方差、潛變量殘差、觀測變量殘差，共獲得25 個約束更為嚴(yán)格的檢驗?zāi)Ｐ?，具體結(jié)果如表8 所示.檢定多個群組潛在變量之間的關(guān)系時，須將測量模型中的因子載荷限制為組間全等，而月收入群組對應(yīng)的M1 模型計算結(jié)果低于閾值0.05，表明潛變量對測量題項的影響在高、低收入群體間是不一樣的，樣本數(shù)據(jù)對高、低收入群組不適用，不對其進行差異性分析.

由表8 的檢驗結(jié)果可知，在年齡、性別、職業(yè)、經(jīng)驗4 個群組中，僅性別、經(jīng)驗2 個類別變量對應(yīng)的群組檢驗?zāi)Ｐ蜐M足標(biāo)準(zhǔn)，說明性別和高鐵乘坐經(jīng)驗會對結(jié)構(gòu)方程模型產(chǎn)生干擾，是結(jié)構(gòu)模型的調(diào)節(jié)變量.綜上所述，當(dāng)選取性別、經(jīng)驗為調(diào)節(jié)變量時，H8 成立.

表8 多群組比較分析結(jié)果Tab.8 Comparative analysis results of multi-group model

3.2 群組差異事后檢驗

對性別、經(jīng)驗變量進行事后檢驗，得到群體異質(zhì)性影響下的高鐵出行意向結(jié)構(gòu)模型，模型路徑系數(shù)如表9 所示.

表9 性別、經(jīng)驗群組分析結(jié)果Tab.9 Analysis results of gender and experience group

根據(jù)表9 可知，性別屬性中，雖然QS 對男性群體的PEU（0.215***）和PU（0.110*）產(chǎn)生顯著的積極影響，對女性群體的PU 無影響，但總體上看，男性和女性群體在結(jié)構(gòu)路徑上呈現(xiàn)相似性.然而，QS 對PEU、PEU 對PU、PU 對ATT 和ATT 對BI 的影響在女性群體中比對男性群體的影響大，表明促進市內(nèi)接駁服務(wù)質(zhì)量可激發(fā)高鐵出行意愿，且在女性群體中更有效.

經(jīng)驗屬性中，PEU 對有經(jīng)驗、無經(jīng)驗群體的PU和ATT 均有顯著影響，表明以QS 為導(dǎo)向的個體心理感知在高鐵出行態(tài)度中的作用在有經(jīng)驗和無經(jīng)驗群體中同等重要.但在有經(jīng)驗群組中，QS（0.263***）對PEU，ATT（0.344***）、PU（0.514***）對BI 均有顯著的正向影響作用，而對無經(jīng)驗群組則沒有影響.顯然，對于有乘坐高鐵經(jīng)歷的群體來說，QS 會干擾高鐵出行傾向.QS 不會直接影響選擇意向，但在高鐵乘坐經(jīng)歷中體驗的接駁服務(wù)質(zhì)量會作用在心理感知上，進而間接影響后續(xù)出行意向決策.

4 結(jié)論

1）引入市內(nèi)接駁服務(wù)質(zhì)量和群體異質(zhì)性變量的拓展TAM 模型能有效解釋欠發(fā)達地區(qū)居民的高鐵出行意向選擇過程，市內(nèi)接駁服務(wù)質(zhì)量通過感知有用性、感知易用性、情感態(tài)度等心理變量對出行意向產(chǎn)生間接影響，而個體異質(zhì)性變量中的性別、經(jīng)驗變量對影響過程起著調(diào)節(jié)作用.

2）從影響效應(yīng)的大小看，雖然感知有用性（0.714）、感知易用性（0.585）和情感態(tài)度（0.310）等心理因素對居民出行意愿的影響效應(yīng)高于市內(nèi)接駁服務(wù)質(zhì)量（0.184），但市內(nèi)接駁服務(wù)質(zhì)量仍是欠發(fā)達地區(qū)居民高鐵出行感知的重要前因，且相較于感知有用性，市內(nèi)接駁服務(wù)質(zhì)量通過感知易用性對出行意向的影響更大.說明在高鐵接駁運輸組織中，要重視欠發(fā)達地區(qū)居民對接駁方式的可獲得性，增強市內(nèi)接駁交通與高鐵的銜接更能激發(fā)出行者的高鐵選擇意愿.

3）市內(nèi)接駁服務(wù)質(zhì)量對欠發(fā)達地區(qū)居民高鐵出行意愿選擇的影響過程因性別、經(jīng)驗類型而異.在男女群體中，市內(nèi)接駁服務(wù)質(zhì)量對女性群體的影響比對男性群體大.而在經(jīng)驗群組模型中，市內(nèi)接駁服務(wù)質(zhì)量對有高鐵乘坐經(jīng)驗的群體產(chǎn)生影響，對無高鐵乘坐經(jīng)驗的群體影響不大.可以預(yù)見，隨著欠發(fā)達地區(qū)高鐵的開通，市內(nèi)接駁交通對高鐵出行選擇的影響將更加凸顯.高鐵接駁交通規(guī)劃在考慮服務(wù)質(zhì)量的同時，還應(yīng)考慮群體異質(zhì)性的影響.