考慮居住區(qū)位的公共交通出行行為分析模型

鐘異瑩，陳 堅*,2，邵毅明，李 睿

(1.重慶交通大學交通運輸學院，重慶400074；2.重慶大學建筑城規(guī)學院，重慶400044)

0 引 言

隨著我國城市化進程的快速發(fā)展，城市人口與日俱增，城市居住空間發(fā)生著巨大變化，從而對人們出行活動產(chǎn)生一定影響.近年來，城市交通需求持續(xù)高于供給，導致交通擁堵日益嚴重，呈現(xiàn)出空間上向中、小城市漫延，時間上向平峰擴張的趨勢.優(yōu)先發(fā)展公共交通已成為社會各界的普遍共識，探索不同居住區(qū)位下的公共交通出行方式選擇影響機理，是城市規(guī)劃、社會、交通等多學科研究的重要課題.

許多學者構建土地利用屬性、社會經(jīng)濟屬性、家庭屬性與出行行為之間的定量分析模型，其中，居住空間區(qū)位與出行行為相互作用機理研究主要集中在兩個方面：一是土地利用與交通一體化研究，二是基于活動導向的出行需求分析.前者聚焦于居住地或工作地的位置與交通出行選擇間的一體化，即土地利用與交通需求之間的關系，忽略選擇行為過程中的影響因素分析；后者強調個人活動或居住區(qū)的微觀因素對出行決策行為的潛在影響.WANG 等[1]指出居住環(huán)境決定社會環(huán)境，從而對人際交往和活動出行行為產(chǎn)生巨大影響；吳嬌蓉等[2]建立個體行為MNL 模型，研究居住區(qū)公共設施的規(guī)劃布局對居民出行偏好的影響；NURLAELA等[3]在行為分析框架內(nèi)刻畫居住在公共交通附近的居民選擇行為和出行方式之間的多維關系；COEVERING 等[4]利用潛變量模型解釋出行者根據(jù)居住環(huán)境與出行態(tài)度調整出行決策的過程；ETMINANI-GHASRODASHTI 等[5]利用結構方程模型分析不同居住區(qū)位下居民出行選擇的差異性.既有研究中，探討個體水平上的居住區(qū)位與出行相關變量之間結構關系，強調個體間的差異性，驗證不同社會經(jīng)濟屬性對個人出行選擇的影響，忽略了數(shù)據(jù)存在嵌套結構的特點，有群體特征屬性但只能在個體水平測量的變量并不能通過群體直接得到，需要通過聚集居民個體評價分數(shù)才能形成，因此，個體水平與群體水平變量結構關系的差異性亟待進一步驗證.

本文基于計劃行為理論和群體動力學理論，從出行者個體心理層面和居住社區(qū)層面兩個維度分析出行決策行為，構建考慮居住區(qū)位的公共交通出行多水平結構方程模型，為優(yōu)化居民出行結構提供理論依據(jù).

1 影響變量選取

1.1 變量選取

多水平結構方程模型(Multilevel Structural Equation Model，MSEM)分析包含組內(nèi)模型和組間模型的擬合，需要構建個體(組內(nèi))水平和組群(組間)水平潛變量.為探討不同層面上居住區(qū)位對公共交通出行行為的影響，基于計劃行為理論，選取個體水平潛變量為：行為態(tài)度、主觀規(guī)范、知覺行為控制、行為意向和居住區(qū)位.組群水平潛變量指組內(nèi)不變、組間可變的變量，為解釋組間變異，構造行為態(tài)度、居住區(qū)位、行為意向的組群水平潛變量.變量定義和說明如表1所示.

表1 變量描述Table 1 Description of variables

1.2 研究假設

計劃行為理論中，個人對事物的信念、人格特質等外部因素決定行為態(tài)度、主觀規(guī)范及知覺行為控制，而行為態(tài)度、主觀規(guī)范及知覺行為控制將影響行為意向.基于計劃行為理論，在個體水平上提出假設：行為態(tài)度、主觀規(guī)范及知覺行為控制之間存在相互影響關系，行為態(tài)度、主觀規(guī)范及知覺行為控制對行為意向均有正向的直接影響.

居住區(qū)位與出行選擇行為的相關研究中，居住區(qū)位對行為態(tài)度、主觀規(guī)范及行為意向造成不同程度的影響，VOS 等[6]認為，居住在郊區(qū)的出行者比居住在城市中心的出行者的出行態(tài)度積極；尹超英等[7]驗證了居住地的空間建成環(huán)境越完善，居民選擇公共交通通勤的可能性越高.在居民個體水平上提出假設：居住區(qū)位對行為態(tài)度、主觀規(guī)范、知覺行為控制及行為意向均有正向的直接影響.

群體動力理論認為，一個人的行為，是個體內(nèi)在需要和環(huán)境外力相互作用的結果，用于論述群體中的各種力量對個體的作用和影響.本文認為，出行者的出行行為是其出行內(nèi)在需求(行為態(tài)度)與客觀出行條件(居住區(qū)位)相互作用的結果.在社區(qū)水平假設：行為態(tài)度與居住區(qū)位間存在相互影響作用關系，行為態(tài)度對行為意向有正向的直接影響，居住區(qū)位對行為意向有正向的直接影響.模型框架如圖1所示：下標W 表示組內(nèi)變量，下標B表示組間變量，+表示正向影響；部分變量間存在雙向的交互影響，用雙向箭線表示.研究假設如表2所示，不作假設驗證.

圖1 模型框架Fig.1 Model framework

表2 研究假設Table 2 Research hypothesis

2 模型構建

2.1 數(shù)學模型

MSEM通過各構念多指標測量并以潛聚合方式形成高水平構念的設置，可以視作結構方程模型(Structural Equation Modeling，SEM)的拓展，為體現(xiàn)組群水平隨機效應，允許某些系數(shù)矩陣在不同組群之間變化.基于變量選取與模型假設，構建考慮居住區(qū)位的公共交通出行多水平結構方程模型，包括：測量模型、組內(nèi)結構模型、組間結構模型3部分.

(1)測量模型.

式中：i為個體指標；j為組群標記；Yij為16×1 維觀測變量向量；vj為16×1維的截距向量；λj為16×5維對5個潛變量的因子載荷矩陣；ηij為5個潛變量的5×1維向量；Kj為5個外生協(xié)變量Xij對16個觀測變量Yij回歸斜率構成的16×5維矩陣；Xij是5個觀測協(xié)變量構成的5×1維向量；εij為16×1維殘差向量，假定服從均值為0，協(xié)方差矩陣為的多元正態(tài)分布.

(2)組內(nèi)結構模型.

式中：αj為5×1維截距項向量；Bj為組內(nèi)潛變量之間關系的5×5 維結構回歸系數(shù)矩陣；Γj為組內(nèi)潛變量對外生變量回歸斜率系數(shù)的5×5 維矩陣；ζij為5×1 維潛變量回歸殘差向量，假定服從均值為0、協(xié)方差矩陣為Ψ的多元正態(tài)分布.

(3)組間結構模型.

式中：ηj為組間3個潛變量的3×1維向量；μ為3×1維截距項向量；β為組間潛變量之間關系的3×3維結構回歸系數(shù)矩陣；γ為組間潛變量對外生變量回歸斜率系數(shù)的3×3維矩陣；Xj為組間3個觀測協(xié)變量構成的3×1維向量；ζj為3×1維潛變量回歸殘差向量，假定服從均值為0、協(xié)方差矩陣為Ψ的多元正態(tài)分布.

MSEM中，矩陣和Ψ中元素假定不隨組群變化，含有模型參數(shù)的矩陣，包括：vj、αj、λj、Kj、Bj、Γj，即可以固定，也可以在組間變化.

2.2 分析步驟

(1)確定分組變量.包括：個體層面與組層面的潛變量及其測量變量，將受試者分成若干組，確定分組數(shù)量.

(2)數(shù)據(jù)檢驗.計算分組情況下各變量的組內(nèi)一致性ICC(1)、組間一致性ICC(2)和共識程度rwg，檢驗哪些變量存在組群效應.

(3)根據(jù)步驟(1)、步驟(2)的分組與變量選擇結果，提出研究假設，構建不同水平上的模型框架，確定各變量間的關系.

(4)利用Mplus 做MSEM 分析.包括：路徑系數(shù)或載荷系數(shù)的顯著性，各參數(shù)與預設模型的關系是否合理，各擬合指數(shù)是否通過，根據(jù)MI 指數(shù)調整模型至最優(yōu).

(5)模型解釋.根據(jù)輸出結果結合問卷題項進行解釋，探索各變量間的相互作用發(fā)生在組內(nèi)還是組間.

3 實例分析

3.1 數(shù)據(jù)檢驗

以重慶市主城區(qū)居民為研究對象，選取龍湖兩江新宸、渝能國際、民心家園等不同區(qū)位，不同規(guī)模的30個居住區(qū)，于2019年6月進行調查.主要通過街道辦下發(fā)問卷，進行隨機調查和交叉控制配額抽樣調查，回收有效問卷3 107份(每個社區(qū)平均100 份左右).被訪者包含不同社會經(jīng)濟屬性類型居民，樣本整體上具有較好的代表性.問卷共設計21個題項，涉及居住區(qū)位、主觀規(guī)范、行為態(tài)度、行為意向、知覺行為控制，問卷回答采用李克特5級量表形式，按“非常同意”“同意”“一般”“不同意”“非常不同意”分別賦值5～1分.

為檢驗變量是否存在組群效應，計算所有變量的ICC(1)、ICC(2)和rwg值，其中，主觀規(guī)范、知覺行為控制未通過檢驗，居住區(qū)位、行為態(tài)度、行為意向對應測量變量的檢驗值如表3所示.

ICC(1)值均大于0.059，表明題項在個體間有一定程度的相關，即變量存在足夠顯著的組間差異；ICC(2)值均大于標準值0.700，表明同一個社區(qū)內(nèi)居民評價均值作為社區(qū)特征的評價具有可信性；rwg值均大于經(jīng)驗值0.700，表明可以將居民個體評估分數(shù)聚集到社區(qū)水平.因此，通過聚集居民個體評估的居住區(qū)位、行為態(tài)度、行為意向分數(shù)在社區(qū)內(nèi)部具有高度的一致性，3 個潛變量存在組群效應，適合做多水平分析.

表3 變量檢驗指標值Table 3 Test indexs value of variables

3.2 模型評價與修正

利用Mplus 計算模型，模型擬合采用MLR 方法進行參數(shù)估計，結果如表4所示.

所有測量變量的載荷系數(shù)均大于0.600，顯著性檢驗均達到0.010，平均方差抽取量均大于標準值0.500，組合信度均大于標準值0.600，表明居住區(qū)位、行為態(tài)度、主觀規(guī)范、知覺行為控制、行為意向5個潛變量的測量變量選取合理，各測量變量個體水平上和社區(qū)水平上均能夠較好的反映潛變量構念，且社區(qū)水平的測量效果優(yōu)于個體水平.

假設可以通過各潛變量之間的標準化路徑系數(shù)值進行驗證，其中，“知覺行為控制←居住區(qū)位”的路徑系數(shù)較小，臨界比值小于標準值1.960，顯著性檢驗未通過，表明該路徑不顯著，H7 不成立.其余8 條路徑顯著，對應假設因果關系成立.假設驗證結果如表5所示.

表4 模型參數(shù)估計Table 4 Model parameters estimation

表5 假設驗證結果Table 5 Results of hypothesis test

刪除不顯著路徑，重新擬合模型后各項參數(shù)均通過檢驗，調整后擬合指標CFI、TLI大于標準值0.900，RMSEA、SRMR-Within、SRMR-Between 均小于標準值0.080，模型在個體、社區(qū)水平上擬合效果均良好，結果如圖2所示，其中，變量間連線上的數(shù)字表示路徑系數(shù).

圖2 模型結果Fig.2 Model results

3.3 模型解釋

對比單水平和多水平結構方程模型參數(shù)發(fā)現(xiàn)，某些變量的顯著性有所不同.“行為意向←行為態(tài)度”路徑系數(shù)表現(xiàn)為社區(qū)水平大于單水平大于個體水平，行為態(tài)度無論在何種情況下均對行為意向有正向的顯著影響，且在社區(qū)水平上表現(xiàn)的最明顯；“行為意向←居住區(qū)位”路徑在社區(qū)水平上最為顯著；“行為意向←主觀規(guī)范”路徑在個體水平上比單水平模型的顯著性更高；其余的路徑系數(shù)相差不大.從輸出的擬合指數(shù)來看，MSEM擬合情況要優(yōu)于SEM，但是組間模型擬合相對較差，模型參數(shù)對比如表6所示.

表6 模型參數(shù)對比Table 6 Comparison of model parameters

SEM與MSEM中不同變量對行為意向的影響效應存在一定差異，如表7所示.

表7 影響效應對比Table 7 Comparison of influence effects

SEM中，居住區(qū)位對行為意向直接影響最小，但其是唯一對行為意向有間接影響的變量，總效應值最大，各影響變量總效應由大到小依次為：居住區(qū)位、行為態(tài)度、知覺行為控制、主觀規(guī)范.MSEM 組內(nèi)方程中，僅有居住區(qū)位對行為意向有間接影響，各影響變量總效應由大到小依次為：居住區(qū)位、主觀規(guī)范、行為態(tài)度、知覺行為控制.MSEM 組間方程中，僅有居住區(qū)位與行為態(tài)度對行為意向有直接影響，無間接影響，其中，影響效應為行為態(tài)度大于居住區(qū)位.

4 結 論

本文以居民公共交通出行選擇為研究對象，基于計劃行為理論構建個體層面包含心理影響因素的理論框架，結合群體動力理論提出社區(qū)層面的群體選擇行為關系模型，深入探索居住區(qū)位對公共交通出行選擇行為的影響機理，得出以下結論：

(1)在居民公共交通出行選擇研究中，將居住區(qū)位與出行心理影響因素納入模型是必要的.

(2)在建構理論模型時，關鍵的問題之一是在某個水平上概念之間的關系是否能夠在另一個水平上復制，當研究變量數(shù)據(jù)存在嵌套結構時，單水平模型便不再適用于該問題的研究.多水平結構方程模型克服了傳統(tǒng)單水平模型只能對獨立個體分析的局限性，分別從個體水平和社區(qū)水平對公共交通出行選擇影響進行分析，得到社區(qū)水平上的變量測量效果優(yōu)于個體水平.

(3)模型著重分析了個體與群體間的差異，但沒有對不同群體作對比，后續(xù)可針對不同群體間的出行決策規(guī)律做進一步研究.