商強，李凌雨，謝天

(山東理工大學(xué) 交通與車輛工程學(xué)院, 山東 淄博 255049)

綠色出行是緩解城市交通擁堵、降低能源消耗、減少大氣污染的有效措施。2012年，綠色出行已被納入到“十二五”規(guī)劃。2013年，國務(wù)院印發(fā)的《循環(huán)經(jīng)濟發(fā)展戰(zhàn)略及近期行動計劃》和《大氣污染防治行動計劃》明確指出“倡導(dǎo)鼓勵綠色出行”。2014年，國務(wù)院印發(fā)的《能源發(fā)展戰(zhàn)略行動計劃》再次提出“實行綠色交通行動計劃”。2016年，國家發(fā)改委等十部委印發(fā)的《關(guān)于促進(jìn)綠色消費的指導(dǎo)意見》明確指出鼓勵步行、自行車和公共交通等綠色出行。2019年，交通部等十二部門單位印發(fā)《綠色出行行動計劃》。2020年，交通部和國家發(fā)改委聯(lián)合印發(fā)《綠色出行創(chuàng)建行動方案》。

綠色出行選擇行為影響因素分析建模是合理制定實施綠色出行引導(dǎo)策略的重要基礎(chǔ)。近年來，綠色出行方式選擇行為受到研究人員的廣泛關(guān)注。2014年，楊冉冉等[1]根據(jù)扎根理論對深度訪談資料進(jìn)行三級編碼，進(jìn)而分析城市居民綠色出行行為影響因素。2017年，白凱等[2]從符號消費視角研究西安城市居民綠色出行方式選擇意向，結(jié)果表明：與符號性因素相比，功能性因素是居民出行方式選擇的首要考慮要素。2018年，Jia[3]基于計劃行為理論研究發(fā)現(xiàn)：個人因素在軟環(huán)境因素與綠色出行意愿的關(guān)系中起中介作用。2018年，劉宇峰等[4]基于結(jié)構(gòu)方程模型對不同規(guī)模城市居民出行方式選擇影響因素進(jìn)行關(guān)聯(lián)性分析，發(fā)現(xiàn)大城市和中等城市的居民更偏愛公交車出行。2019年，鄭君君等[5]根據(jù)計劃行為理論建立了包含個體行為態(tài)度、感知行為控制、主觀規(guī)范等影響因素的個體綠色出行行為意愿模型，仿真結(jié)果表明：個體行為態(tài)度因素作用顯著。2020年，姚恩建等[6]構(gòu)建了一種考慮理性決策和固有選擇偏好共同影響的出行方式選擇模型，其效果超過傳統(tǒng)分層Logit模型。

在綠色出行方式選擇的影響研究方面，大部分專家學(xué)者將研究的重點放在與之相關(guān)的城市建設(shè)和交通設(shè)施設(shè)備等外部影響因素上。隨著環(huán)境保護政策的頒布和政府相關(guān)宣傳政策的提出，很多城市居民已經(jīng)有了一定的生態(tài)環(huán)保意識。專家學(xué)者們逐漸認(rèn)為，技術(shù)水平對緩解交通擁堵以及改善空氣質(zhì)量非常重要；同時，在這些外在因素中，城市居民的心理和政府政策對促進(jìn)人口綠色流動同樣重要。

本研究以城市居民綠色出行方式選擇的影響因素為研究對象，在已有研究基礎(chǔ)上進(jìn)一步補充完善影響因素的類別和具體內(nèi)容。運用統(tǒng)計分析方法，構(gòu)建城市居民綠色出行行為影響因素模型，歸納不同因素對綠色出行的影響程度，以期為城市綠色交通的發(fā)展提供理論支撐。

1 綠色出行選擇行為影響因素分析

綠色出行影響因素將從個人因素、環(huán)境因素以及社會人口統(tǒng)計變量3個方面來進(jìn)行描述。其中社會人口統(tǒng)計變量是對人群特征進(jìn)行描述的一組數(shù)值，包括性別、年齡、職業(yè)、學(xué)歷及家庭人均收入等。

1.1 個人因素

1.1.1 自我認(rèn)知

個體對環(huán)境的反應(yīng)就是自我認(rèn)知。面對相同的環(huán)境因素，因自我認(rèn)知的差異也將產(chǎn)生不同的行為結(jié)果。

1.1.2 個人傾向

城市居民綠色出行的個人傾向包括對待綠色出行的態(tài)度、對公交線路分布的滿意程度、周圍人對自己出行選擇的影響以及在某種特定情況下對出行方式的選擇等。

1.2 環(huán)境因素

1.2.1 公共宣傳

許多專家學(xué)者指出，公共宣傳可以提高城市居民的環(huán)保意識，增加環(huán)保行為的發(fā)生。徐輝[7]在可持續(xù)消費政策研究中指出，公共宣傳可以增強消費者的權(quán)能，促進(jìn)可持續(xù)消費。Ahmed等[8]在對北京和卡拉奇這2個城市居民出行行為的比較研究中發(fā)現(xiàn)，公共教育在促進(jìn)居民出行習(xí)慣的發(fā)展方面起著積極的作用。

1.2.2 政策法規(guī)

綠色出行相關(guān)政策法規(guī)可分為限制性政策法規(guī)和鼓勵性政策法規(guī)。限制性政策法規(guī)主要包括：限制小汽車擁有(例如車牌照搖號和購置稅調(diào)節(jié))、限制小汽車使用(例如單雙號限行和擁堵收費)。鼓勵性政策主要包括：公交票價補貼和公交優(yōu)先。政策法規(guī)將對居民出行方式選擇產(chǎn)生重要影響[9]。

1.2.3 交通設(shè)施

交通設(shè)施的完善程度直接影響公共交通服務(wù)水平，間接影響了居民選擇公共交通出行的意愿。此外，自行車道、人行道、行人過街設(shè)置的完善程度也影響了居民選擇自行車或步行出行的意愿。

1.3 社會人口統(tǒng)計變量

居民出行方式選擇行為的相關(guān)人口統(tǒng)計學(xué)變量包括性別、年齡、文化程度、月收入、私家車擁有數(shù)量等。諶麗等10]研究發(fā)現(xiàn)，性別、年齡、收入對北京居民的通勤方式具有影響,女性、中老年及低收入群體選擇綠色出行方式的概率更高。劉倩[11]研究指出，高學(xué)歷個體對環(huán)境關(guān)注程度高，更傾向于實施低碳綠色出行行為和可持續(xù)消費。私家車擁有數(shù)量被普遍認(rèn)為是影響居民出行方式選擇的重要因素，擁有私家車會顯著降低居民選擇自行車或公共交通出行的概率[12]。此外，居住場所與工作場所之間的距離是出行方式選擇的重要影響因素之一，居住在工作場所附近和公共交通站點附近的人更有可能選擇積極的出行方式[13]。

2 數(shù)據(jù)采集與分析

2.1 調(diào)查方法的選擇

本研究調(diào)查問卷題目設(shè)置主要根據(jù)兩種調(diào)查方法：RP(revealed preference)和SP(stated preference)調(diào)查法，這兩種調(diào)查方法被廣泛用于居民出行行為選擇相關(guān)的調(diào)查問卷[14]。

1)RP調(diào)查法。主要目的是檢查指令或現(xiàn)有政策是否得到執(zhí)行，要求被調(diào)查者根據(jù)自己的實際行為填寫問題。RP調(diào)查法能夠更好地了解環(huán)境條件和個人特點，具有較高的可靠性。

2)SP調(diào)查法。與RP調(diào)查法相反，SP調(diào)查法是虛擬方案的主觀偏好問題，這種方法獲得的數(shù)據(jù)不是行為數(shù)據(jù)，而是被訪者可以選擇的虛擬選項。該研究方法最初用于經(jīng)濟學(xué)領(lǐng)域，目前已廣泛應(yīng)用于出行方式和出行路線的選擇，可用于調(diào)查和收集主體的自我認(rèn)知和心理傾向等信息。

2.2 問卷設(shè)計與調(diào)查

在調(diào)查問卷開始設(shè)計前，首先調(diào)研分析相關(guān)文獻(xiàn)中的問卷設(shè)計情況并征求專家的意見建議。然后，選擇各類代表性城市居民進(jìn)行訪談，進(jìn)一步確認(rèn)城市居民綠色出行方式選擇的可能影響因素，為問卷設(shè)計提供有力支撐。

2.2.1 問卷構(gòu)成

問卷包括兩部分，第一部分為個人基本信息，主要包括被調(diào)查者的性別、年齡、文化程度、月收入、家庭私家車擁有數(shù)量、家中老人與未成年人情況、最習(xí)慣的出行方式、出行方式選擇影響因素、出行目的、地形特征、出行時間等社會人口統(tǒng)計變量，包括10道單選題，1道多選題以及1道排序題。第二部分采用李克特5級量表，共15道題，主要包含的影響因素有自我認(rèn)知、個人傾向、公共宣傳、政策法規(guī)、交通設(shè)施等。量表構(gòu)成見表1。

表1 量表構(gòu)成Tab.1 Composition of the scale

2.2.2 問卷調(diào)查

問卷在正式發(fā)放采集之前，進(jìn)行了預(yù)調(diào)查，調(diào)查對象為20名不同年齡、性別、特征的居民，主要針對問卷的題目數(shù)量、題目的理解程度、合理性等進(jìn)行預(yù)采集，采集后詢問調(diào)查對象的填寫感受，對問卷進(jìn)行優(yōu)化。

用SPSS軟件對20份預(yù)調(diào)查問卷進(jìn)行了總體信度檢驗，其克隆巴赫信度系數(shù)α(Cronbach′s alpha)為0.746，說明問卷具有高信度，基于該份調(diào)查問卷的數(shù)據(jù)進(jìn)行的其他統(tǒng)計分析結(jié)果也是比較可靠的。

基于預(yù)調(diào)查的結(jié)果，對本研究進(jìn)行正式問卷調(diào)查，調(diào)查對象是全國各地城市居民，調(diào)查時間為2021年4月，調(diào)查以在網(wǎng)絡(luò)平臺分發(fā)的方式進(jìn)行，共回收問卷740份，其中有效問卷696份，問卷有效率為94.05%。

2.3 調(diào)查數(shù)據(jù)分析

2.3.1 樣本描述性統(tǒng)計

在696個有效樣本中，男性335人，女性361人，分別占48.13%和51.87%；被試年齡范圍為18～70歲，其中18～29歲67人，30～39歲194人，40～49歲204人，50～60歲143人，60歲以上88人，分別占樣本的9.63%、27.87%、29.31%、20.55%和12.64%；初中及以下學(xué)歷44人，高中或中專學(xué)歷13人，大專學(xué)歷79人，本科學(xué)歷268人，碩士研究生及以上學(xué)歷292人，分別占總樣本的6.32%、1.87%、11.35%、38.51%和41.95%；月收入在2 000元及以下38人，2 001～4 000元61人，4 001～8 000元109人，8 001～12 000元298人，12 001元及以上的有190人，分別占樣本的5.46%、8.76%、15.66%、42.82%和27.30%。被試年齡、性別、學(xué)歷和月收入統(tǒng)計情況如圖1所示。

圖1 樣本統(tǒng)計圖Fig.1 Sample statistics

2.3.2 置信度分析

用SPSS軟件對上述696份調(diào)查問卷結(jié)果進(jìn)行分析，選擇分析—標(biāo)度—可靠性分析，得出其克隆巴赫信度系數(shù)α為0.832，該系數(shù)大于0.6即數(shù)據(jù)合格，大于0.7即具有較高的信度，說明調(diào)查問卷的數(shù)據(jù)較可靠，可以用來進(jìn)行下一步分析。

2.3.3 相關(guān)性分析

對問卷題目進(jìn)行總體相關(guān)性分析，將上述影響因素篩選出來，與問卷第一部分各題項進(jìn)行相關(guān)性分析，得出皮爾遜相關(guān)系數(shù)(見表2)。由相關(guān)性分析可得出，性別與個人傾向和公共宣傳滿意程度有較大相關(guān)性，而年齡和月收入在對城市居民綠色出行的選擇中跟各因素都有明顯的相關(guān)性，文化程度和個人傾向、公共宣傳、政策法規(guī)、交通設(shè)施4個因素都有明顯關(guān)聯(lián)，家庭私家車擁有數(shù)量與個人傾向和政策法規(guī)有明顯關(guān)聯(lián)，家庭中老人和未成年兒童的居住情況與個人傾向、公共宣傳、政策法規(guī)、交通設(shè)施有明顯關(guān)聯(lián)，而家中未成年人居住情況與自我認(rèn)知有關(guān)聯(lián)，地形與以上各因素均無明顯關(guān)聯(lián)，每日出行時間與自我認(rèn)知有明顯關(guān)聯(lián)，與個人傾向有關(guān)聯(lián)。

表2 各因素皮爾遜相關(guān)系數(shù)Tab.2 Pearson correlation coefficient of each factor

2.3.4 因子分析

在進(jìn)行因子分析之前,首先對調(diào)查所得數(shù)據(jù)進(jìn)行KMO(Kaiser-Meyer-Olkin)和巴特利特球形檢驗(見表3)，當(dāng)KMO檢驗系數(shù)>0.5且顯著性P值<0.05時，問卷具有結(jié)構(gòu)有效性，可以對數(shù)據(jù)進(jìn)行下一步的因子分析。因子分析用于考慮從該問卷中獲得數(shù)據(jù)的信度和效度。在測試中，KMO值為0.834，大于閾值0.5，說明變量之間存在相關(guān)性，滿足要求；在巴特利特球形檢驗的結(jié)果中，顯著性值為0.000，小于0.05。因此可得，本研究數(shù)據(jù)呈球形分布，是可以進(jìn)行因子分析的。

表3 KMO和巴特利特球形檢驗Tab.3 KMO and Bartlett spherical test

總方差解釋(見表4)即因子對于變量解釋的貢獻(xiàn)率，通常需要達(dá)到90%以上。由分析結(jié)果中的總方差解釋表格得出：1個因子時變量貢獻(xiàn)率達(dá)到63.409%，2個因子時達(dá)到79.128%，3個因子時達(dá)到87.238%，4個因子將達(dá)到94.792%，超過了90%。

表4 總方差解釋Tab.4 Total variance explanation

旋轉(zhuǎn)后的成分矩陣(見表5)用來分析變量可以包含在哪些因子中，據(jù)此對因子進(jìn)行歸結(jié)。在第1個因子的載荷中，公共宣傳和政策法規(guī)的系數(shù)較大，分別為0.896和0.630，因此將第1個因子歸結(jié)為相關(guān)政策。在第2個因子的載荷中，個人傾向的系數(shù)比較大，達(dá)到0.851，因此將第2個因子歸結(jié)為個人傾向。在第3個因子的載荷中，自我認(rèn)知的系數(shù)較大，高達(dá)0.965，因此將第3個因子歸結(jié)為自我認(rèn)知。在第4個因子的載荷中，交通設(shè)施的系數(shù)較大，達(dá)到0.883，因此將第4個因子歸結(jié)為交通設(shè)施。

表5 旋轉(zhuǎn)后的成分矩陣aTab.5 Component matrix a after rotation

3 城市居民綠色出行選擇模型

3.1 模型的選擇

本研究選擇的結(jié)構(gòu)方程模型(structural equation modeling, 簡稱SEM)又稱因果模型，是近年來統(tǒng)計學(xué)三大發(fā)展之一。它是研究因果關(guān)系的一種統(tǒng)計方法，具有傳統(tǒng)統(tǒng)計分析方法的許多基本功能，主要由隨機變量、結(jié)構(gòu)參數(shù)和非隨機變量組成，包括觀測變量、勢變量、誤差變量和其他隨機變量。根據(jù)觀測變量構(gòu)造勢變量，變量之間的關(guān)系用結(jié)構(gòu)參數(shù)表示，非隨機變量是不能包含的探索性變量。

根據(jù)所描述關(guān)系的不同，結(jié)構(gòu)方程模型可分為測量模型和結(jié)構(gòu)模型。

1)測量模型。測量模型主要描述潛變量和觀測變量之間的關(guān)系，測量方程表達(dá)式為

(1)

式中：x為外生指標(biāo)(如與外生潛變量有關(guān)的觀測變量)組成的向量；ξ為外生潛變量；δ為外生指標(biāo)的誤差項；Λx為外生指標(biāo)與外生潛變量的關(guān)系,即外生指標(biāo)對外生潛變量的因子載荷矩陣；y為內(nèi)生指標(biāo)(如與內(nèi)生潛變量有關(guān)的觀測變量)組成的向量；η為內(nèi)生潛變量；ε為內(nèi)生指標(biāo)的誤差項；Λy為內(nèi)生指標(biāo)與內(nèi)生潛變量的關(guān)系，即內(nèi)生指標(biāo)對內(nèi)生潛變量的因子載荷矩陣。

其中，外生指標(biāo)和外生潛變量統(tǒng)稱為外生變量，內(nèi)生指標(biāo)和內(nèi)生潛變量統(tǒng)稱為內(nèi)生變量;外生指標(biāo)和內(nèi)生指標(biāo)為可觀測的顯在變量，外生潛變量和內(nèi)生潛變量為無法直接觀測的潛在變量。潛在變量存在與否要根據(jù)實際情況判斷確定。因而，結(jié)構(gòu)模型用來描述潛變量與潛變量之間或指標(biāo)與指標(biāo)之間的關(guān)系。

2)結(jié)構(gòu)模型。結(jié)構(gòu)模型用來描述潛變量與潛變量之間的關(guān)系，其方程模式通常為

η=Bη+Γξ+ζ,

(2)

式中：B為內(nèi)生潛變量與內(nèi)生潛變量之間的關(guān)系；Γ為外生潛變量對內(nèi)生潛變量的影響；ζ為結(jié)構(gòu)方程的殘差項，反映了結(jié)構(gòu)方程不能解釋的部分。

3.2 城市居民綠色出行選擇模型的建立

3.2.1 模型構(gòu)建

由上節(jié)的結(jié)構(gòu)模型和測量模型可知，構(gòu)建模型的關(guān)鍵在于如何確定外生變量和內(nèi)生變量。根據(jù)本研究前文調(diào)查問卷數(shù)據(jù)分析結(jié)果，共設(shè)定4個潛變量，分別為上文因子分析中歸結(jié)出的4個因子，包括自我認(rèn)知、個人傾向、相關(guān)政策、交通設(shè)施。其余的變量說明見表6。本研究應(yīng)用Amos23.0軟件進(jìn)行結(jié)構(gòu)方程模型的構(gòu)建，模型如圖2所示。

表6 模型變量構(gòu)成說明Tab.6 Description of model variable composition

圖2 城市居民綠色出行方式選擇模型(原始)Fig.2 Green travel mode selection model for urban residents (original)

3.2.2 模型檢驗

對模型擬合度進(jìn)行評估時，如果擬合程度越高，則說明模型越符合要求，模型中參數(shù)越有估計的必要性。通常選取近似誤差均方根RMSEA和規(guī)范擬合指數(shù)NFI這2個指標(biāo)來反映結(jié)構(gòu)方程模型對樣本數(shù)據(jù)的擬合程度。此外還采用了擬合優(yōu)度指數(shù)GFI、增量擬合指數(shù)IFI、比較擬合指數(shù)CFI，這3個指標(biāo)都是越接近1模型擬合度越好。

經(jīng)過計算，模型的各項擬合程度見表7?？煽闯鲈撃Ｐ偷臄M合優(yōu)度指數(shù)GFI、規(guī)范擬合指數(shù)NFI、增量擬合指數(shù)IFI、比較擬合指數(shù)CFI均符合建議值，但近似誤差均方根RMSEA較大，且卡方值偏大為26.648，說明該模型擬合程度較差。

表7 結(jié)構(gòu)模型擬合指數(shù)Tab.7 Fitting index of structural model

3.2.3 模型修正

根據(jù)Amos結(jié)果輸出中的修正指數(shù)值(見表8)

表8 修正指數(shù)Tab.8 Modified index

對模型進(jìn)行修正，將MI值大的路徑先進(jìn)行修改，再進(jìn)行計算，直到各項指標(biāo)均符合建議值。由表8可以看出，本研究的模型中，e1和e2這2個殘差項的MI值較大，若將這2個變量用雙箭頭聯(lián)系起來，該模型的卡方值至少會減少22.614，因此在模型中對e1和e2做出修改。修正模型如圖3所示。

圖3 城市居民綠色出行方式選擇模型(修正)Fig.3 Green travel mode selection model for urban residents (revised)

修正后的結(jié)構(gòu)模型擬合指數(shù)見表9。修正后模型擬合優(yōu)度指數(shù)GFI、近似誤差均方根RMSEA、規(guī)范擬合指數(shù)NFI、增量擬合指數(shù)IFI、比較擬合指數(shù)CFI均符合建議值，且卡方值較低為0.539，說明該模型擬合程度較好。

表9 修正后的結(jié)構(gòu)模型擬合指數(shù)Tab.9 Modified fitting index of structural model

3.2.4 因素負(fù)荷量分析

從圖3可看出：個人傾向?qū)Τ鞘芯用窬G色出行方式選擇的影響程度最大，個人因素負(fù)荷量為0.68；其次為相關(guān)政策，因素負(fù)荷量為0.35；第三為交通設(shè)施，因素負(fù)荷量為0.22；影響程度最小的為自我認(rèn)知，因素負(fù)荷量為0.16。

4 結(jié)束語

基于綠色出行選擇行為影響因素分析，設(shè)計了城市居民綠色出行選擇行為影響因素調(diào)查問卷，最終采集696份有效問卷；采用SPSS軟件對數(shù)據(jù)進(jìn)行分析，基于因子分析將影響因素進(jìn)行歸結(jié)；建立結(jié)構(gòu)方程模型，將調(diào)查問卷所得數(shù)據(jù)進(jìn)行導(dǎo)入，評估模型并進(jìn)行模型修正，最終得出各因素對城市居民綠色出行選擇行為的影響程度。研究結(jié)果表明：個人傾向?qū)Τ鞘芯用窬G色出行方式選擇的影響程度最大，其次為相關(guān)政策，第三為交通設(shè)施，而影響程度最小的為自我認(rèn)知。本研究中的調(diào)查問卷采集時并沒有考慮到不同城市和地區(qū)的差別，如大型城市通常都有地鐵，選擇地鐵出行的居民會比較多，且綠色交通設(shè)施也相對較完善，相關(guān)宣傳和政策法規(guī)也較多，這也會影響居民出行時的選擇。在未來的研究中可以擴大調(diào)查范圍，繼續(xù)擴大樣本，對不同大小和類型的城市居民進(jìn)行調(diào)查，并比較其差別。