基于结构方程模型的居民对城市交通智能化的满意度评价

杨涛 林凤芸 陆佳莺 汪凯

摘 要：合肥市作为近些年来经济快速增长的城市，正面临经济结构调整和转型发展的迫切需要，交通行业的变革特别是交通智能化的发展显得尤为重要，而城市居民对于交通智能化的满意度则成为了评价交通行业智能化发展的关键因素。本文采用了结构方程模型，首先对合肥市居民对交通智能化的满意度进行调查，并使用SPSS和Amos对收集数据的信度和效度检验，为结构性方程的设计提供数据基础。其次设定潜变量以及可测变量并进行假设，基于假设对模型进行拟合及实现，接着对模拟结果进行分析并基于模型对模拟结果进行讨论和分析，最后结合模型结论提出相应建议。

关键词：交通智能化;因子分析;结构方程模型;SPSS

中图法分类号： U121      文献标识码：A      文章编号：

城市交通是一个城市发展的基础，是一个城市的“血脉”，是一个城市发展程度高低的重要考核指标之一。随着城市现代化建设进程的加快，大量人口涌入城市，造成我国大量城市的交通拥堵，进而导致各种交通安全问题层出不穷，显然，交通问题已经严重制约了城市的快速发展，如何提升城市交通服务效率，确保民众安全、高效出行成为很多城市管理者亟需解决的问题，而城市交通智能化理念的提出，为城市交通的发展提供了新的理念[1]。城市交通智能化也被称为智慧交通，是指利用现代化信息技术对道路交通的管理模式进行优化升级，将智能化技术与传统道路交通工程相融合，将物联网、云计算、大数据、人工智能、自动控制、移动互联网等技术用于交通管理系统中，对公共交通出行进行全方位的实时管理，达到将交通区域，乃至整个城市的交通系统，如公交车、列车、出租车等交通工具，桥梁、道路等交通枢纽等进行互联、分析、预测、管理的目的，从而将对交通基础设施的利用效率发挥至最佳，提高道路交通系统的管理质量，提升交通服务质量，为民众的出行保驾护航[2]。基于这样的背景和意义，本文选择合肥市为城市交通智能化评价的研究对象，基于结构方程模型建立智慧交通评价评价模型。希望能为我国城市交通智能化建设提供一定价值的参考，发挥指引作用。

一、研究设计

（一）數据来源

笔者通过查阅相关文献设计了居民对合肥市交通智能化的满意度问卷，然后进行了线上和线下问卷调查，对于一些不符合要求的问卷进行了删除处理，共收集了500份有效问卷。之后使用了SPSS对数据进行了整理和处理，并采用Amos进行分析。

（二）问卷设计

本文使用的调查问卷为城市居民对城市交通智能化满意度量表，该量表包括基础设施水平、信息服务水平、交通管理水平、总体满意度共计4个维度10个题项。本研究根据李克特五级量表对这10个测量题项设立“非常不满意、不满意、中立、满意、非常满意”5个等级，分别对应1分至5分[3]。

二、数据的信度及效度检验及探索性因子分析

（一）数据的效度检验

1.KMO检验和Bartletts球形检验

首先进行KMO检验和Bartletts球形检验分析，以验证各项目之间的共同性大小是否显著。检验结果显示：KMO检验系数为0.788，大于最低检验系数标准0.5，Bartlett的球形检验值为1019.630，P值小于0.001，所以问卷具有结构效度，不同指标之间有共同因素存在，可以进行因子分析。

2.数据的信度检验

本文采用克朗巴哈（Cronbach）系数信度法，使用SPSS24.0对500份问卷调研数据进行信度分析，结果显示其总体的Cronbach 值为0.728，在0.5到0.9之间，说明其呈现出较高的信度，且内部一致性良好。

（二）探索性因子分析

为了检验量表的结构效度，采用主成分分析、最大方差旋转法，对所得数据进行探索性因子分析（EFA）。通过因子分析，根据碎石图，相关系数矩阵的大于1的特征根有4个，因此考虑取四个公共因子。经过因子旋转后得到因子载荷矩阵如下表1。

根据每个因素下的题目，将关于平台总体满意度方面的信息归结为基础设施水平、信息服务水平、交通管理水平[4，5]三个方面，进一步进行分析。

三、结构方程

使用结构方程模型的分析步骤一般包括：结构方程模型设计、模型拟合、模型评价、模型修正四个步骤，如果经检验拟合较好，就无需再模型修正;如果拟合效果较差，则修正路径后再次运行模型。因此使用结构方程分析的首要步骤就是结构方程设计，具体包括方程本身的设计以及外生潜变量因子的设计、内生潜变量因子的设计。

（一）结构方程设计

使用上述所得到的4个方面因子以及对应10个可测变量作为内生潜变量;设定总体满意度作为方面因子产品满意度和服务满意度由调查直接获得。模型中各变量之间的关系可表示为以下3个矩阵方程式：

是外生观测变量与外生潜变量直接的关系，是外生观测变量在外生潜变量上的因子载荷矩阵;是内生观测变量与内生潜变量之间的关系，是内生观测变量在内生潜变量上的因子载荷矩阵;是路径系数，表示内生潜变量间的关系;是路径系数，表示外生潜变量对内生潜变量的影响;是结构方程的残差项，反映了在方程中未能被解释的部分。生观测变量用X表示，内生观测变量用Y表示。外生潜变量通常用表示，内生潜变量通常用表示。外生观测变量X的误差;内生观测变量Y的误差。方程采用极大似然估计法进行估计，拟合优度采用似然比卡方、GFI、RMSEA等检验，以分析模型拟合优度[6]。

（二）潜变量及可测变量的设定

潜变量是不可直接观测的变量，本次潜变量的选定从理论出发，根据数据的探索性分析结果，选取基础设施水平、信息服务水平、交通管理水平及总体满意度进行分析。其中基础设施水平、信息服务水平、交通管理水平为外生潜变量，而总体满意度是内生潜变量。

相应可测变量设定情况如下：将公交站牌电子化水平设定为x1，ETC安装覆盖水平设定为x2，交通服务渠道多样化设定为x3，信息发布的实时性设定为x4，交通公共信息的共享度设定为x5，高峰期拥堵情况设定为x6，交通事故快速处理水平设定为x7，交通诱导设施设置设定为x8，社会型公共交通服务满意度设定为y1，政务型公共交通服务满意度设定为y2。

（三）研究假设

根据4个潜变量之间的影响情况，可以建立如下假设：

H1：“基础设施水平”对“总体满意度”具有正向影响;

H2：“信息服务水平”对“总体满意度”具有正向影响;

H3：“交通管理水平”对“总体满意度”具有正向影响。

根据以上分析，现采用AMOS 24.0 软件，按照结构方程模型路径图[7]的符号规则，画出模型的因果关系路径图，规定模型中每个潜在变量对应的测量指标中的一个系数为1，相当于规定潜在变量的度量单位与对应测量指标的单位相同;规定外生潜在变量、内生潜在变量的可测变量的测量误差系数为1.设置好因果关系路径图，如下图1所示。

（四）模型拟合

根据以上分析，现采用AMOS 24.0软件，按照结构方程模型路径图的符号规则，画出模型的因果关系路径图，规定模型中每个潜在变量对应的测量指标中的一个系数为1，相当于规定潜在变量的度量单位与对应测量指标的单位相同;规定外生潜在变量、内生潜在变量的可测变量的测量误差系数为1.设置好因果关系路径图。采用极大似然估计法进行估计，通过对比似然比卡方、RMR、GFI、RMSEA检验，比较模型拟合优度。

（五）模型实现

运行程序，得到此标准化的结构方程模型[8]，通过查看模型求解出的系数和P值发现基础设施水平和信息服务水平到总体满意度的路径的系数不显著，分析得出原因在于结构方程模型设计存在缺陷。虽然此模型结构理论上可行，但在数据上验证不可执行，因此进行路径调整，后得到新模型。

现重新于AMOS24.0中绘制模型，带入数据，进行模型检验与拟合优度结果表明：P值为0.046，卡方对应的P值具有统计显著性，通过显著水平为95%的显著性检验。卡方与自由度之比为0.941，小于2，符合要求。同时，AGFI为0.980，GFI为0.998，均接近于1，RMSEA小于0.1，以上的指标均满足模型检验与拟合优度的要求，说明模型拟合效果较好。

运行程序，得到标准化后的结构方程模型结果，如图2所示。

（六）结构方程模型参数估计结果[9]

（七）模型结果分析与讨论

在经过路径的修正后，我们得到了拟合程度较好的模型。各路径系数都有其含义，我们根据先前对各潜变量之间单向影响关系的假设，作出以下结论。

1.潜在变量之间的关系分析

潜在变量间的系数表示某一变量的变动引起其他变量变动的程度。如图3中，在调查样本作出的结论中说明交通管理水平与总体满意度因子的回归系数为0.68，表示交通管理水平提高1个百分点将直接使总体满意度提高0.68个百分点。

而基础设施水平、信息服务水平与总体满意度的直接关系不大，它们是通过影响交通管理水平间接影响总体满意度，基础设施水平与交通管理水平因子的回归系数为0.37，表示基础设施水平提高1个百分点将直接使得交通管理水平提高0.37个百分点;同理：信息服务水平提高一个百分点将直接使得交通管理水平提高0.58个百分点。

2.潜在变量与可测变量之间的关系分析

通过对潜在变量与观测变量之间关系的分析，可以发现与潜在变量关系重大的观测变量，还可进行各因子观测变量间的比较。

（1）基础设施水平因子与可测变量之间的关系

基础设施水平因子中公交站牌电子化水平变量的系数最大（0.768），ETC安装覆盖水平系数比它小（0.626）。这说明在基础设施水平方面，居民更注重的是公交站牌电子化水平，这与现实生活经验相符，而用户对于ETC安装覆盖水平的关注度也不低，建议相关部门可以通过改进技术以及加强基础设施覆盖率的措施来提高居民的满意度。

（2）信息服务水平因子与可测变量之间的关系

信息服务水平因子中信息发布的实时性的系数（0.643）最大，这表明在交通智能化程度的信息服務水平方面，居民更希望收到的交通信息是精准且没有延时的，显然，这也与现实生活相符，也对交通信息服务部门提出了相应的挑战。

交通公共信息的共享度的系数（0.639）与交通服务渠道多样化的系数（0.61）次之，表明居民容易受到周围环境的影响，交通信息服务部门应该扩大信息流通范围，保证更多人可以通过更广泛的渠道了解交通信息。

（3）交通管理水平因子与可测变量之间的关系

交通管理水平因子中高峰期拥堵情况的系数（0.757）最大，说明居民更加重视与自己生活息息相关的变量，即如果相关部门采取具体措施改变提升高峰期拥堵情况所能得到的回报是最高的，而交通事故快速处理水平的系数（0.71）和交通诱导设施设置的系数（0.692）分别为0.71和0.692，与高峰期拥堵情况的系数差距并不是很大，说明在交通管理水平这一因子中三个小方面的提升均能够有效提高居民对于城市交通智能化程度的满意度。

（八）模型的结论与建议

结论：在问卷调查的基础上，通过结构方程模型，证实了合肥市居民对交通智能化的满意度受到基础设施水平、信息服务水平以及交通管理水平三个方面直接或间接的影响在上述的潜在变量与潜在变量之间、潜在变量与可测变量之间的关系已经予以阐述。因此相关部门应该从自己的实际情况出发，采取不同的策略（上述提出），重点提升交通管理水平，并且协调好提升基础设施水平和信息服务水平之间的关系，城市居民也要相应配合遵守相关部门在这三个方面的改革提升措施，这对促进合肥市交通智能化的健康发展具有积极的意义。

建议：欲提高合肥市居民对交通智能化的总体满意度，最重要的是提高交通管理水平，且诸多方面的各种因素均对满意度有不同程度的影响。通过对本科生打卡满意度影响因素的结构方程分析，发现公交站牌电子化水平、高峰期拥堵情况、信息发布的实时性对总体满意度的影响相对较大，相关部门可以考虑将提升满意度的相关举措重点放在这四个方向。

参考文献

[1]周小敏.智慧交通发展的现状分析与建议[J].电子世界，2020（02）：96-97.

[2]唐彩虹，杨慧，何富.基于偏最小差结构方程模型的旅游业游客满意度调查研究——以攀枝花为例[J].旅游纵览（下半月），2019（11）：34-36.

[3]周彬，王雨桐，虞虎，吕宁，张亦弛.基于结构方程模型的宁波城市居民休闲满意度研究[J].地理科学，2020，40（01）：119-127.

[4]魏玉.针对城市智能交通系统的研究[J].轻工科技，2019，35（04）：88-89.

[5]蔡龙江.智能交通评价指标分析研究[J].信息通信，2019（04）：131-132.

[6]李印. 城市智慧交通评价系统研究[D].长安大学，2017.

[7]彭慧，夏龙，徐莉莉.基于结构方程模型的亲子休闲农园游客满意度及游后行为倾向研究——以北京洼里博物·乡居楼为例[J].江苏农业科学，2019，47（06）：329-334.

[8]匡霞，杨扬.图书在线消费者感知质量对忠诚度影响的实证研究[J].科技与出版，2019（04）：151-156.

[9]刘巍，崔玉虎，毕彤，王惠.基于SEM模型的精准扶贫政策农户满意度提升路径研究——以河北沧州市盐山、海兴和南皮三县为例[J].南方农机，2019，50（23）：25-26.

作者简介：杨涛（1997-），男，安徽滁州人，安徽财经大学统计与应用数学学院本科生在读，研究方向：信息与计算科学。

通讯作者：汪凯（1977-），男，安徽泾县人，安徽财经大学统计与应用数学学院教授，博士，研究方向：应用数学。