梁婷婷, 潘恒彥

(1.西安交通工程學(xué)院 土木工程學(xué)院，陜西 西安 710300； 2.長安大學(xué) 運輸工程學(xué)院， 陜西 西安 716400)

新型冠狀病毒肺炎(Coronavirus Disease 2019, COVID-19，以下簡稱“新冠肺炎”)，具有極強的傳播性與致病率，其風(fēng)險等級被世界衛(wèi)生組織定為“非常高”[1-2].SIR 模型(Susceptible Infectious Recovered Model)是得到廣泛認(rèn)可與應(yīng)用的經(jīng)典傳染病模型[3]，SIR模型將城市交通系統(tǒng)在疫情下經(jīng)歷過程分為：平時階段、疫情潛伏階段、疫情爆發(fā)階段、后疫情階段以及恢復(fù)提升階段5個階段.與以往的自然災(zāi)害與事故不同，交通防控是抑制疫情傳播的必要手段[4]，2003年SARS(重癥急性呼吸綜合征)期間，有研究已證明相對封閉的交通工具能夠促使病毒的傳播[5].2020年1月23日，隨著新冠疫情的爆發(fā)，武漢市以及臨近等地市采取“封城禁行”政策.隨之，全國各地區(qū)采取了不同程度的交通管制措施[6]，對工作通勤、購買食物等剛性出行的無差異禁止，對社會生產(chǎn)與生活產(chǎn)生了巨大的損失[7].但面對疫情的嚴(yán)重性，人們積極響應(yīng)“居家隔離”的號召，再加上政府的嚴(yán)格管控措施，我國有效控制住了疫情的進一步擴展，進入“后疫情階段以及恢復(fù)提升階段”.

但2020年末-2021年初的一段時期，我國出現(xiàn)了疫情反彈，大連、石家莊等地面臨著嚴(yán)峻形勢.當(dāng)?shù)卣麛嗖扇×藝?yán)格的管控措施.以北京市為例，疫情期間市內(nèi)出行量下降約40%[8]，交通出行量的降低，一方面與政府采取的管控措施有關(guān)；出行者對疫情的主觀感受同樣影響著自身心理以及出行意愿.王晟旻[9]基于社會燃燒理論就新冠肺炎疫情在網(wǎng)絡(luò)的情緒傳播模型展開研究.文獻[2]針對新冠疫情對老年人的出行行為的影響展開研究，疫情嚴(yán)重程度的感知對老年人的公交出行意愿有顯著的影響.駱晨等[10]對疫情持續(xù)期間的居民中長距離出行方式選擇展開分析.

但關(guān)于波及世界范圍的公共衛(wèi)生事件的相關(guān)研究多集中于傳播機理、影響因素、預(yù)防措施等方面，如：LEE[11]等使用單線性回歸分析了新冠肺炎病例數(shù)與交通量的關(guān)系.張宇等[12]基于改進SRIE模型對新冠肺炎沿交通線路的傳播機制展開研究，發(fā)現(xiàn)區(qū)域累計確診人數(shù)與人口遷移數(shù)量有強相關(guān)性，隔離等措施能夠降低乘客的接觸機會，進而降低傳播速度.周繼彪等[13]就新冠疫情形勢下的公共交通防疫策略展開研究.陳長坤等[14]從社會經(jīng)濟視角出發(fā)，對新冠肺炎疫情的危機推演與防控措施展開分析.

綜上，國內(nèi)外研究對居民出行行為意愿的影響研究相對較少，未能對疫情期間居民的心理變化深入研究.本文旨在通過分析新冠疫情爆發(fā)與冬季二次反彈時期，居民在“出行管控”條件下的心理變化，以及心理潛變量對交通出行意愿的影響.

1 理論基礎(chǔ)

1.1 結(jié)構(gòu)方程模型

結(jié)構(gòu)方程模型(SEM)能夠分析變量的協(xié)方差矩陣，統(tǒng)計變量之間的相互關(guān)系，能夠?qū)σ蛩胤治雠c路徑分析進行整合，包含觀測變量、潛變量以及干擾、誤差變量.居民在疫情期間的心理變量可由一系列的觀測變量進行量化.因此，SEM提供了分析心理變量與交通出行的理論基礎(chǔ).

SEM中測量模型為顯性變量(觀察變量)對非顯性變量(心理潛變量)的表達(dá)，結(jié)構(gòu)模型用于表征心理潛在變量(隱性變量)之間的因果關(guān)系，因此心理潛在變量又可分為外因潛變量與內(nèi)因潛變量.外生與內(nèi)生變量表達(dá)式：

X=ΛXξ+δ

(1)

Y=ΛYξ+ε

(2)

結(jié)構(gòu)方程表達(dá)式為：

η=Bη+Γξ+ζ

(3)

式中：η、ξ為向量類型；B、Γ、A為回歸模型；δ、ε為協(xié)方差類型；X、Y為心理潛在變量ξ、η的觀察變量；ξ、η為外生(自變量)與內(nèi)生潛變量(因變量)；ΛX、ΛY為觀察變量X、Y分別與ξ、η的因素負(fù)荷矩陣；δ、ε為觀察變量X、Y的誤差向量；B、Γ為變量η、ξ的回歸系數(shù)矩陣；ζ為殘差項向量.

計劃行為理論(Theory of Planned Behavior，TPB)的觀點認(rèn)為[15]：行為受到態(tài)度(Attitude，ATT)、主觀規(guī)范(Subjective Norm，SN)、感知行為控制(Perceived Behavioral Control，PBC)直接影響.本文對TPB模型進行改進，加入僥幸心理(Fluke Mental，F(xiàn)M)的心理潛變量，具體如圖1所示.居民關(guān)于感染新冠肺炎的僥幸心理，會與其居家隔離的態(tài)度、主觀規(guī)范以及感知行為控制產(chǎn)生相互影響作用，同時會抑制其居家隔離的行為意圖.模型假設(shè)如下：H1：感染新冠的僥幸心理會抑制居家隔離的行為意圖；H2：感染新冠的僥幸心理與居家隔離的態(tài)度、主觀規(guī)范以及感知行為控制有負(fù)相關(guān)關(guān)系.

圖1 理論模型框架

1.2 K-Means聚類分析

K-Means是一種自上而下的聚類方法[16]，原理簡單，計算速度快.本文選用K-Means對居民在疫情爆發(fā)時期與反彈時期進行出行異質(zhì)性分析.基本思想為：把所有居民出行行為意愿觀測值劃分為K類，使每類居民觀測值距離該類居民觀測值均值(中心)近于與其他類居民觀測值均值的距離.聚類分析具體步驟如下：①在居民中隨機生成K個作為K類居民的類中心；②計算其余居民觀測值距K個中心的距離，居民被劃分到距離類中心最近的類中，進而所有居民被劃分為K類；③重新計算各類居民觀測值的均值，即每類居民的新中心；④將每個居民劃分到離其最近的類中；⑤重復(fù)上述③與④的操作，直到類中心不再發(fā)生改變.本文選取的距離為歐幾里得距離的平方，如式(4)所示，

(4)

式中：xi、yi為不同樣本的4為數(shù)值(ATT、SN、PBC、FM).

每次聚類完成后，居民出行行為意愿的觀測值距離其所屬類別中心的距離平方和稱為類間誤差平方和SSSE，計算如式(5)所示.隨著K的增大，意味著數(shù)據(jù)集的劃分更加精細(xì)，SSSE隨之減小，最后趨于穩(wěn)定，類數(shù)增多帶來的聚類程度回報也隨之減小.K-SSSE曲線變化過程存在拐點，當(dāng)K值超過拐點時，類間誤差平方和SSSE下降速率突然變緩時，此時的K為最佳值.此類確定最佳K值的方法稱為“手肘法”：“手肘法”存在主觀性，信息準(zhǔn)則法是更具有說服力的方法.常用信息準(zhǔn)則法為AIC與BIC信息準(zhǔn)則，具體計算如式(6)～(7)所示，式中p為數(shù)據(jù)維度，本文取4.通常情況下ln(n)>2，因此，BIC準(zhǔn)則比AIC準(zhǔn)則更嚴(yán)格，能夠獲得更少的聚類數(shù)目K.

(5)

(6)

(7)

2 問卷設(shè)計與調(diào)查

為定量描述居民心理潛在變量在疫情爆發(fā)期間以及疫情反彈期間對交通出行意愿的影響，以及兩個時期的心理變化情況，本文采用網(wǎng)絡(luò)問卷調(diào)查的形式對實證數(shù)據(jù)進行獲取，調(diào)查分2次，分別是2020年4月的武漢市(武漢市為我國疫情爆發(fā)的起點城市)和2021年1月的大連市(大連市在2021年初出現(xiàn)疫情反彈趨勢).問卷內(nèi)容分為兩大部分：年齡、性別等居民基本信息以及關(guān)于TPB模型的基本題目，具體如表1所示.采取Likert七級量(1～7)表構(gòu)造TPB模型的ATT、SN、PBC、BI，以及改進心理潛變量FM.選項1表示“十分不同意”，7表示“十分同意”.采集疫情爆發(fā)期間的問卷210份，有效問卷為184份；冬季反彈時期問卷263份，有效問卷200份.

2.1 個體特征分析

對有效問卷進行統(tǒng)計分析，得到如表1所示的個人特質(zhì)描述情況.兩個時期的性別構(gòu)成比例相似，男女比例各約占1/2；爆發(fā)時期41～60歲占據(jù)比略高，反彈時期31～50歲占據(jù)比略高；兩個時期的問卷填寫者家庭常住人口為1的占少數(shù)(約為10%)；問卷填寫者的文化水平集中于初中～本科.爆發(fā)時期問卷填寫者有身邊人感染新冠的比例為34.8%，而反彈時期占比為19.0%.問卷設(shè)計時，對身邊人的說明信息如下：您的親屬及親屬所居住社區(qū)、您的朋友及朋友所居住的社區(qū)、您的同事及同事所居住的社區(qū)是否有新冠肺炎確診者或為新冠肺炎患者的密切接觸者.

表1 個人特征的描述性分析

2.2 信度檢驗與模型擬合度

采用Cronbach′s Alpha系數(shù)對量表的信度進行檢驗，檢驗結(jié)果如表2所示，SN、ATT、PBC、FM以及BI在爆發(fā)時期與反彈時期均能滿足Cronbach′s Alpha系數(shù)均大于0.7的標(biāo)準(zhǔn)，在排除個別構(gòu)面的題目后，變量內(nèi)部有良好的一致性.通過Amos軟件對本文的模型進行驗證.爆發(fā)時期與反彈時期的CMIN/df分別為1.181與1.186，均小于3的評判標(biāo)準(zhǔn).GFI分別為0.938、0.939，AGFI分別為0.908、0.909，均大于0.9的評判別準(zhǔn)，RMSEA分別均約為0.031，0.038，小于0.05的評判標(biāo)準(zhǔn).上述指標(biāo)均表明本文的模型具有良好的擬合程度.

3 出行意愿分析

3.1 心理潛變量的時期變化

本文對各個構(gòu)面題目求得平均值，并對兩個時期進行均值比較，結(jié)果如表2所示.居民對“居家隔離，減少不必要出行”的主觀規(guī)范(3.11/4.28)、態(tài)度(4.33/4.88)有顯著上升(Sig=0.00，0.00)；同時居民感受到的感知行為控制(5.08/5.48)也略有提高(Sig=0.01).但值得注意的是，居民的僥幸心理(3.25/4.60)有非常顯著的提高(Sig=0.00).居民“居家隔離，減少不必要出行”的行為意圖在數(shù)值方面有略微提高(4.52/4.76)，但未通過ANOVA檢驗(Sig=0.25>0.05),因此居民的行為意圖沒有顯著改變.

表2 觀測變量的描述性分析與均值比較

爆發(fā)時期，政府強有力的管控措施以及廣大人民的積極響應(yīng)，使得嚴(yán)峻的疫情得到了有效控制，因此在疫情二次反彈時期，居民對待“居家隔離，減少不必要出行”的態(tài)度、主觀規(guī)范、感知行為控制均有顯著性提高.同時我國感染人數(shù)的比例相對較低，使得居民對感染新冠的僥幸心理也有了顯著的提高.但這些心理潛在變量的變化，均沒有引起居民行為意圖的改變.居民在兩個階段均積極響應(yīng)號召.

3.2 心理潛變量的群組差異

本文對兩個時期居民心理潛變量在性別、家庭常住人口、身邊是否有人感染進行了群組比較，以及分析了年齡與教育水平與心理潛變量的相關(guān)性，結(jié)果如表3所示.在疫情爆發(fā)時期以及反彈時期，居民對“居家隔離，減少不必要出行”的心理潛變量沒有性別與家庭常住人口規(guī)模上的差異，是否獨自生活在對待疫情期間出行方面沒有影響.但在爆發(fā)時期，身邊有人感染新冠肺炎的居民對待出行的態(tài)度有顯著差異(No：3.88

表3 心理潛變量群組差異分析

3.3 結(jié)構(gòu)方程模型分析

圖2分別為疫情爆發(fā)時期與二次反彈時期居民“居家隔離，減少不必要出行”基于改進計劃行為理論模型的計算結(jié)果，其中虛線箭頭表示路徑系數(shù)不顯著.疫情爆發(fā)時期僅有PBC是BI的有效路徑，同時PBC與ATT、PBC與SN與顯著的正相關(guān)作用，居民出行感知上的困難會使其對“居家隔離，減少不必要出行”的態(tài)度與主觀規(guī)范更強烈.但居民的態(tài)度與行為規(guī)范并不是使其選擇“不出行”的直接原因，直接原因來自嚴(yán)格的管控措施.與此同時居民對感染新冠的僥幸心理FM與上述心理潛變量均沒有顯著的因果關(guān)系.但在疫情二次反彈時期，ATT與SN、ATT與PBC有了較為顯著的正相關(guān)關(guān)系，同時ATT與BI的路徑系數(shù)通過顯著性檢驗，PBC與BI的路徑系數(shù)的顯著性消失，從某種程度上可以說明：因為2020年初期，疫情嚴(yán)峻形勢得到有效控制的事實，使得“居家隔離，減少不必要出行”的態(tài)度是居民選擇主動“不出門”的主要原因，而不是來自PBC的客觀感受起作用.PBC與SN的正相關(guān)關(guān)系也變得顯著，來自PBC的客觀感受使得居民將其當(dāng)作主觀規(guī)范，但SN對BI的路徑始終不顯著.而值得注意的是FM對BI的路徑系數(shù)變得顯著，F(xiàn)M與ATT的負(fù)相關(guān)關(guān)系也變得顯著，在經(jīng)歷過2020年初嚴(yán)峻形勢后，居民變得更加僥幸，也使其態(tài)度發(fā)生轉(zhuǎn)變.但兩個時期居民的BI沒有發(fā)生顯著性的變化，仍然會控制自己不必要的交通出行.

(a) 疫情爆發(fā)初期

(b) 疫情反彈時期圖2 疫情期間居民出行意愿

3.4 居民出行異質(zhì)性分析

圖3為兩個時期居民出行意愿的聚類分析的SSSE、AIC、BIC統(tǒng)計結(jié)果，爆發(fā)時期在K=4處，出現(xiàn)拐點，但AIC在K=7處達(dá)到極小值，BIC在K=4時達(dá)到極小值；K值越大分析難度越大，結(jié)合拐點及AIC、BIC信息準(zhǔn)則，本文選K=4為爆發(fā)時期居民的分類數(shù).反彈時期在K=5處，出現(xiàn)拐點，AIC與BIC在K=5時達(dá)到極小值；結(jié)合拐點及AIC、BIC信息準(zhǔn)則，本文選K=5為反彈時期居民的分類數(shù).表4為兩個時期不同類別居民的聚類中心情況.爆發(fā)時期，第1類居民在主觀規(guī)范、態(tài)度、感知行為控制上的得分較高，同時僥幸心理較低；對于第2類居民，其出行特征與第一類相似，不同之處在于主觀規(guī)范得分較低.因此將第2類視為謹(jǐn)慎出行型居民，第1類為極謹(jǐn)慎出行型居民.第3類居民雖然在態(tài)度與感知行為控制方面得分高，但主觀規(guī)范較低，且僥幸心理極強，可視為極冒險出行型居民；第4類居民主觀規(guī)范、態(tài)度、感知行為控制上的得分較低，但他們僥幸心理低于第3類居民，視為冒險出行型居民.

(a) 爆發(fā)時期

(b) 反彈時期圖3 K-Means 聚類分析的SSSE、AIC、BIC

表4 居民出行異質(zhì)性分類結(jié)果

反彈時期，被調(diào)查居民的僥幸心理得分顯著高于爆發(fā)時期.對于第2類居民，其僥幸心理最低，且在主觀規(guī)范、態(tài)度、感知行為控制上的得分較高，可視為極謹(jǐn)慎出行型居民.第5類居民在主觀規(guī)范、態(tài)度、感知行為控制上的得分較低，具有較高的僥幸心理，可視為極冒險出行型居民.第4類居民，雖然在主觀規(guī)范、態(tài)度、感知行為控制上得分較高，會抑制其出行意愿，但其僥幸心理極強，反向促進其出行意愿，兩者相互矛盾，屬于機會出行型居民.第1類與第3類居民的僥幸心理均較高，不同的是第1類出行者的主觀規(guī)范與態(tài)度得分較低，但感知行為控制得分高，而第3類則恰恰相反，這說明抑制第1類居民出行的為感知行為控制，可視為被動謹(jǐn)慎出行型居民，而第3類可視為主動謹(jǐn)慎出行型居民.

4 結(jié)論

本文在主觀規(guī)范、態(tài)度、感知行為控制以及行為意圖的基礎(chǔ)上，加入僥幸心理的心理潛變量對計劃行為理論進行修正，并通過問卷調(diào)查采集實證數(shù)據(jù)，對新冠肺炎疫情爆發(fā)時期以及二次反彈時期居民的出行意愿，以及心理變化展開研究.主要結(jié)論如下：

(1)相比于疫情爆發(fā)時期，居民針對“居家隔離，減少不必要出行”的態(tài)度、主觀規(guī)范、感知行為控制，以及新冠肺炎的“僥幸心理”均有所提高，但行為意圖沒有顯著性變化.爆發(fā)時期，客觀的行為感知是促使居民選擇“不出行”的主要原因；而在二次反彈時期，居民“更自發(fā)”的選擇“不出行”，而非來自嚴(yán)格管控措施的感知行為控制;

(2)爆發(fā)時期，按照出行意愿，可分為極謹(jǐn)慎出行型、謹(jǐn)慎出行型、極冒險出行型與冒險出行型4類居民；反彈時期，可分為被動謹(jǐn)慎出行型、極謹(jǐn)慎出行型、主動謹(jǐn)慎出行型、機會出行型與極冒險出行型5類居民.

本文得出反彈時期居民的出行異質(zhì)性，以及態(tài)度、主觀規(guī)范、感知行為控制，僥幸心理對居民“居家隔離”的行為的影響，疫情反復(fù)已成為常態(tài)，如何根據(jù)居民的出行異質(zhì)性以及心理提出更合理的管控措施是筆者下一步的研究重點.