徐笑梅,李 晉,郭賀濱,劉奕奕

(1.蘇州城市學(xué)院,江蘇 蘇州 215104;2.悉地(蘇州)勘察設(shè)計(jì)顧問(wèn)有限公司,江蘇 蘇州 215123;3.南通大學(xué),江蘇 南通 226019)

1 引 言

網(wǎng)約車(chē)憑借用車(chē)便捷、支付方便等優(yōu)勢(shì),迅速崛起。然而,其爆發(fā)式增長(zhǎng)的背后存在著許多問(wèn)題,極大降低了乘客使用網(wǎng)約車(chē)出行的熱情。因此,從乘客角度,分析影響網(wǎng)約車(chē)使用的因素,理解乘客對(duì)網(wǎng)約車(chē)的青睞,對(duì)提升乘客的消費(fèi)體驗(yàn)、推進(jìn)網(wǎng)約車(chē)行業(yè)改進(jìn)至關(guān)重要。

國(guó)內(nèi)外學(xué)者對(duì)傳統(tǒng)出租汽車(chē)行業(yè)的研究較多,而對(duì)于新興的網(wǎng)約車(chē)的研究相對(duì)較少,且大多集中在網(wǎng)約車(chē)政策法規(guī)和規(guī)章制度[1-2]、服務(wù)質(zhì)量和滿意度測(cè)評(píng)方面[3-5],對(duì)乘客出行行為的研究相對(duì)較少。網(wǎng)約車(chē)乘客出行行為研究主要分兩大類(lèi)。一類(lèi)關(guān)注的是網(wǎng)約車(chē)和其他出行方式的橫向比較,研究用戶出行時(shí)選擇網(wǎng)約車(chē)還是其他方式的影響因素有哪些[6-7]。另一類(lèi)關(guān)注的是網(wǎng)約車(chē)自身的出行情況,研究影響用戶網(wǎng)約車(chē)使用或持續(xù)使用意愿的因素有哪些[8-9]。乘客網(wǎng)約車(chē)出行的意愿往往和實(shí)際出行情況存在較大偏差,導(dǎo)致建模結(jié)果與實(shí)際情況不符。因此,本文從乘客視角出發(fā),基于乘客的網(wǎng)約車(chē)實(shí)際使用頻率,構(gòu)建Logit模型挖掘影響網(wǎng)約車(chē)使用的關(guān)鍵因素。影響因素不僅考慮了前人研究中常見(jiàn)的性別、年齡、收入等乘客社會(huì)經(jīng)濟(jì)屬性,還創(chuàng)新性地引入了網(wǎng)約車(chē)服務(wù)屬性,并在Logit回歸前采用因子分析法對(duì)其進(jìn)行降維去噪,從而降低模型復(fù)雜度,消除多重共線性影響。

2 影響因素分析模型

2.1 Logit回歸

本文采用二元Logit模型挖掘影響網(wǎng)約車(chē)使用的關(guān)鍵因素。表達(dá)式為

=β0+β1X1+β2X2+…+βmXm

(1)

式中:因變量Y服從二項(xiàng)分布,其分類(lèi)取值為0,1;P(Y=1)表示Y=1的概率;X1、X2、…、Xm為m個(gè)自變量;β0、β1、…、βm為待估參數(shù),參數(shù)估計(jì)采用最大似然估計(jì)法。

首先,確定因變量。選取“乘客網(wǎng)約車(chē)周使用頻率”為因變量。周使用頻率在5次及以下即為“低”,并賦值0;周使用頻率在6次及以上即為“高”,并賦值1。其次,確定自變量。自變量包含兩部分:(1)乘客社會(huì)經(jīng)濟(jì)屬性(例如性別、年齡、職業(yè)等);(2)網(wǎng)約車(chē)服務(wù)屬性(例如司機(jī)安全駕駛情況、打車(chē)成功率等)。

2.2 模型構(gòu)建流程

由于網(wǎng)約車(chē)服務(wù)屬性眾多,Logit模型會(huì)變得復(fù)雜不穩(wěn)定,且各服務(wù)屬性間可能存在多重共線性,直接帶入會(huì)影響建模效果。因此,本文采用因子分析法[10]發(fā)掘網(wǎng)約車(chē)服務(wù)屬性背后的潛變量,提取公因子來(lái)替代原變量進(jìn)行Logit回歸,從而降低模型復(fù)雜度,消除多重共線性影響。各公因子可表示成原服務(wù)屬性的線性組合

Fj=dj1X1+dj2X2+…+djmXm(j=1,2,…,n)

(2)

式中:Fj為因子得分;dji為因子得分系數(shù);Xi為原變量;m為原變量個(gè)數(shù);n為公因子個(gè)數(shù),n

相關(guān)數(shù)據(jù)通過(guò)問(wèn)卷調(diào)查獲取。為保證問(wèn)卷的有效性,還應(yīng)進(jìn)行信效度分析?？寺“秃咋料禂?shù)>0.7,則表示問(wèn)卷信度良好。效度分析判斷標(biāo)準(zhǔn):(1)共同度大于0.4;(2)累積方差貢獻(xiàn)大于60%;(3)題項(xiàng)在對(duì)應(yīng)因子上的因子載荷系數(shù)大于0.4;(4)不存在題項(xiàng)與因子對(duì)應(yīng)關(guān)系出現(xiàn)嚴(yán)重偏差[10]。

3 問(wèn)卷調(diào)查與分析

問(wèn)卷包含3部分:(1)網(wǎng)約車(chē)使用頻率;(2)乘客社會(huì)經(jīng)濟(jì)屬性;(3)網(wǎng)約車(chē)服務(wù)屬性(分值1～5分別代表用戶對(duì)指標(biāo)非常不滿意、不滿意、一般、滿意、非常滿意)。問(wèn)卷采用問(wèn)卷星平臺(tái)在線發(fā)放,回收有效問(wèn)卷共計(jì)1 464份。網(wǎng)約車(chē)使用頻率和乘客社會(huì)經(jīng)濟(jì)屬性如圖1所示,用戶對(duì)網(wǎng)約車(chē)各服務(wù)屬性的滿意度如圖2所示。

圖1 網(wǎng)約車(chē)使用頻率及乘客社會(huì)經(jīng)濟(jì)屬性

圖2 網(wǎng)約車(chē)服務(wù)屬性滿意度評(píng)分

運(yùn)用SPSS軟件進(jìn)行信度分析,得出克隆巴赫α系數(shù)為0.754>0.7,說(shuō)明信度良好。KMO值為0.866>0.7,Bartlett球形檢驗(yàn)p值為0.000<0.05,說(shuō)明數(shù)據(jù)可以進(jìn)行因子分析。變量共同度∈(0.603,0.796),均大于0.4,符合效度要求。提取特征根大于1的公因子,共計(jì)3個(gè),特征值分別為3.990、2.667、1.575,方差貢獻(xiàn)分別為33.447%、22.116%、11.621%,累積方差貢獻(xiàn)為67.184%>60%,符合效度要求。由表1中的旋轉(zhuǎn)后的因子荷載系數(shù)可以看出變量在對(duì)應(yīng)因子上的系數(shù)最小值為0.723>0.4,且變量與因子對(duì)應(yīng)關(guān)系良好,符合效度要求。

表1 因子分析結(jié)果

根據(jù)式(2)可計(jì)算各樣本的公因子得分。進(jìn)行Logit回歸時(shí),用公因子得分替代原服務(wù)屬性數(shù)據(jù)作為新的因變量。

4 Logit模型參數(shù)標(biāo)定與結(jié)果分析

以“乘客網(wǎng)約車(chē)周使用頻率”為因變量,以“性別”、“年齡”、“職業(yè)”、“月收入”、“是否擁有私家車(chē)”、“網(wǎng)約車(chē)使用情境”、“網(wǎng)約車(chē)出現(xiàn)前的出行方式”、“公因子1(服務(wù))”、“公因子2(誠(chéng)信)”和“公因子3(效率)”為自變量建立Logit模型,并用最大似然估計(jì)法標(biāo)定參數(shù),結(jié)果如表2所示。

表2 Logit模型參數(shù)標(biāo)定結(jié)果

似然比檢驗(yàn)p值=0.000<0.05,表示自變量系數(shù)不全為0。Cox &Snell R方為0.241和Nagelkerke R方為0.327,均大于0.2,說(shuō)明模型具有較強(qiáng)的解釋能力。Hosmer-Lemeshow檢驗(yàn)p值=0.759>0.05,表示預(yù)測(cè)值與觀測(cè)值沒(méi)有顯著差異,模型擬合度較好。

(1)除了“網(wǎng)約車(chē)出現(xiàn)前的出行方式”這一變量外,“性別、年齡、職業(yè)、月收入、是否擁有私家車(chē)、網(wǎng)約車(chē)使用情境、網(wǎng)約車(chē)服務(wù)、網(wǎng)約車(chē)誠(chéng)信和網(wǎng)約車(chē)效率”這些變量都對(duì)網(wǎng)約車(chē)的使用頻率有顯著影響。

(2)性別上,男性比女性更有可能高頻次地使用網(wǎng)約車(chē)。這也許與近些年網(wǎng)約車(chē)人生傷害事件多以女性為主有關(guān),降低了女性乘客使用網(wǎng)約車(chē)的熱情。為吸引女性群體多使用網(wǎng)約車(chē)出行,網(wǎng)約車(chē)運(yùn)營(yíng)公司可考慮實(shí)施針對(duì)女性乘客的安全保障措施。

(3)年齡上,相比于55歲以上人群,41～55歲人群高頻使用網(wǎng)約車(chē)的概率更低。而25歲以下和25～40歲的這兩類(lèi)人群相比于55歲以上人群的網(wǎng)約車(chē)使用頻率沒(méi)有統(tǒng)計(jì)學(xué)差異。

(4)月收入上,25 000元以上人群比5 000元以下人群更有可能高頻次地使用網(wǎng)約車(chē),而在5 000～15 000元和15 001～25 000元的這兩類(lèi)人群相比于月收入25 000元以上人群的網(wǎng)約車(chē)使用頻率沒(méi)有統(tǒng)計(jì)學(xué)差異。這也許是因?yàn)槭杖氲陀? 000元時(shí),扣除基本生活花銷(xiāo),所剩無(wú)幾,此時(shí),乘客出行考慮的更多的是出行成本,從而去選擇公共交通;隨著收入的不斷增加,扣除基本生活花銷(xiāo),有一定結(jié)余,出行成本不再是乘客考慮的主要因素,從而去選擇價(jià)格更高、更舒適的網(wǎng)約車(chē)出行。

(5)私家車(chē)擁有上,沒(méi)有私家車(chē)的乘客比有私家車(chē)的更有可能高頻次地使用網(wǎng)約車(chē)。盡管網(wǎng)約車(chē)出行方便、快捷,但是出行過(guò)程不如私家車(chē)出行可控,可能會(huì)碰到司機(jī)有繞路、取消訂單、危害安全駕駛的行為,導(dǎo)致有私家車(chē)的群體往往更愿意自駕出行。為吸引有私家車(chē)的群體多使用網(wǎng)約車(chē)出行,網(wǎng)約車(chē)運(yùn)營(yíng)公司應(yīng)及時(shí)發(fā)現(xiàn)運(yùn)營(yíng)中存在的問(wèn)題,對(duì)癥下藥,盡可能提供等同私家車(chē)出行的服務(wù)。

(6)網(wǎng)約車(chē)使用情境上,相比于喝酒應(yīng)酬,上下班、外出辦事和接送孩子的情境更有可能高頻使用網(wǎng)約車(chē),這可能是因?yàn)楹染茟?yīng)酬本來(lái)發(fā)生頻率就少,且該群體中有私家車(chē)的人往往更多的選擇的是代駕。外出游玩和惡劣天氣相比于喝酒應(yīng)酬的網(wǎng)約車(chē)使用頻率沒(méi)有統(tǒng)計(jì)學(xué)差異。

(7)網(wǎng)約車(chē)服務(wù)屬性上,其服務(wù)、誠(chéng)信、效率每提升1個(gè)單位,網(wǎng)約車(chē)高頻使用的勝率將變?yōu)樵瓉?lái)的1.727 0倍、1.402倍、1.130倍。為吸引乘客多使用網(wǎng)約車(chē)出行,網(wǎng)約車(chē)運(yùn)營(yíng)公司應(yīng)提出服務(wù)、誠(chéng)信、效率方面的保障措施,盡可能提升這三方面的水平。

5 結(jié) 論

以蘇州市為例,構(gòu)建二元Logit模型挖掘影響網(wǎng)約車(chē)實(shí)際使用頻率的關(guān)鍵因素。影響因素不僅考慮了乘客社會(huì)經(jīng)濟(jì)屬性,還創(chuàng)新性地引入了網(wǎng)約車(chē)服務(wù)屬性,并采用因子分析法提取了三個(gè)公因子替代原有變量,從而簡(jiǎn)化模型。模型結(jié)果顯示除“網(wǎng)約車(chē)出現(xiàn)前的出行方式”外,“性別、年齡、職業(yè)、月收入、是否擁有私家車(chē)、網(wǎng)約車(chē)使用情境、網(wǎng)約車(chē)服務(wù)、網(wǎng)約車(chē)誠(chéng)信和網(wǎng)約車(chē)效率”都對(duì)網(wǎng)約車(chē)的使用頻率有顯著影響。研究結(jié)果既能豐富網(wǎng)約車(chē)乘客出行行為理論,也能為管理部門(mén)對(duì)網(wǎng)約車(chē)進(jìn)行更合理的監(jiān)管、網(wǎng)約車(chē)公司進(jìn)行更科學(xué)的運(yùn)營(yíng)提供參考。