评估政策感知对居民绿色出行意向的影响

陈文强, 勾小梅

(长安大学运输工程学院, 西安 710064)

绿色出行指采用对环境影响较小的出行方式出行,例如,选择公共汽车、地铁公共交通或步行、骑自行车、合乘等。绿色出行可节约能源、提高能效、减少污染,又益于居民健康、兼顾效率[1]。如何引导居民绿色出行受到了政府和学者的极大关注。中国政府颁布了一系列引导政策,包括汽车购置税、在市中心限制汽车使用以及改善公共交通设施等,但对政策效果评估缺乏深入研究,影响政策后期的修订完善。部分学者探究了居民绿色出行与内外影响因素之间关系。例如:魏庆琦等[2]结合行为经济学、社会心理学和出行行为分析, 研究外生政策、学习能力、有限理性和情境依赖等因素对个体低碳出行倾向的影响。袁亚运[3]运用系数集束化方法,从意愿与行为两个维度出发,比较内部心理性因素和外部结构性因素对城镇居民低碳出行的影响强度。Liu等[4]研究居民的低碳出行意向,研究得出将积极的低碳社会心理因素与有效的低碳交通政策相结合,可以在一定程度上影响居民选择低碳出行方式的意愿。Li等[5]考察低碳出行方式的行为意向是否存在地域和年龄差异。研究结果表明,低碳政策、主观规范和个人规范对采用低碳出行方式的行为意向的作用更加显著。Song等[6]基于刺激-机体-反应(stimulus-organism-response,SOR)理论,研究公众对气候政策的感知对低碳出行的影响。Chen等[7]将计划行为理论应用于自行车共享情境,探讨感知利益和政府政策对大学生自行车共享使用的影响。杨舒等[8]创建偏最小二乘法结构方程模型和中介模型分析票价与通勤行为的关系。李红昌等[9]研究了感知利得和感知利失心理权衡过程对出行者出行选择的量化影响水平。钟异莹等[10]在计划行为理论的基础上引入居住环境,构建公共交通出行选择行为模型。虽然有研究人员将政策措施纳入绿色出行影响因素中进行研究,但在处理过程中,将不同类型的政策合并为单一类别的政府干预措施,难以区分单一政策的异质性和有效性。考虑到政策的针对性和实用性,应对政策措施进行分类,针对不同人群探讨不同类别政策措施的具体效果,但从已发布的研究成果来看,政策分类研究场景更多是针对电动汽车使用[11-13]。从政策分类角度分析其对居民绿色出行的影响仍缺乏系统研究。

此外,出行者是一个异质的群体,不能粗略地将所有出行者当作一个整体进行分析[14]。对出行者进行细分的目的是确定最合适的低碳交通政策,提高政策干预出行者出行行为的有效性。出行行为的划分依据主要有两类:第一类是基于人口统计特征细分(如年龄、性别、收入等)的先验方法[5,13,15]。第二类是使用基于心理细分(如价值观、态度)的事后方法。第二类相较于第一类的优点如下,第二类样本子集不会过多、类别划分有理论基础,因此使用范围更广。然而,在第二类中许多学者根据与环保相关的意识和态度对出行者类别进行划分[16-18],从目标和动机的角度研究出行者异质性的文献较少。同一政策对不同出行偏好群体的绿色出行引导效果可能存在差异,为了改善出行引导政策的调控效果,需要比较各种政策在不同群体中的有效性。因此,必须考虑出行者的异质性,根据出行偏好将人群细分,在此基础上制定有针对性的政策,更有效地促进绿色交通方式的转变。居民选择私家车出行的距离一般较远,替代的主要方式是地面公交和地铁[19],故本文研究场景设定为城市居民中长距离出行,可供选择的出行方式由私家车和公共交通组成,因此,本文中绿色出行特指乘地面公交或地铁的出行。

本研究主要贡献体现在两个方面。首先,目前的研究缺乏探讨不同类型交通政策引导居民绿色出行的效果。本研究基于Geng等[20]的分类方法,将政策分为三类:经济政策、便利政策和公共信息政策。研究经济政策感知(旨在通过改变与私家车出行相关的价格和成本来影响行为的干预措施,如停车费、拥堵费和燃油价格)、便利政策感知(旨在提高公共交通便利性的措施,如交通分布密度、频率和路线)、公共信息政策感知(旨在通过宣传教育引导居民改变出行方式)对居民绿色出行意向的影响。其次,探究不同出行偏好群体之间绿色出行意愿的差异,比较不同政策对不同群体绿色出行意愿的影响效果。

1 理论和概念框架

1.1 理论模型

如图1所示,本研究建立了一个“感知-态度-行为”的研究框架。它将政策类型分为三类,考虑到经济政策感知、便利政策感知和公共信息政策感知以及态度对绿色出行意愿的影响。研究参与者根据出行目标和偏好,使用K-means聚类被分成两组:享乐型和实用型,并检查这两类出行者群体绿色出行意向受到各类影响因素的异同。

图1 研究框架Fig.1 Research framework

1.2 研究假设

1.2.1 ATT与绿色出行意愿的关系

态度(attitute,ATT)是指对某种特定行为的积极或消极的评价[21],一个人对某种行为的态度越积极,他实施这种行为的意愿就越强烈[22]。许多研究证实,态度对环保意向和行为有积极影响,如绿色产品购买行为[12]和节能行为[21]。因此,假设:

假设1 (H1): 态度对居民绿色出行意向有显著的正向影响。

1.2.2 低碳政策与绿色出行态度的关系

以往的研究已经证实了政策与态度之间的关系。例如,Wang[12]研究激励政策感知和消费者社会属性对电动汽车购买意愿的影响时,证实消费者金融激励政策的感知、信息提供政策的感知和便利政策的感知对纯电动汽车(battery electric vehicles,BEV)态度的影响具有异质性。Liu等[4]探讨了出行者使用低碳出行的意愿、一组社会心理变量以及政府支持的低碳出行政策之间的关系,发现低碳交通政策显著正向影响态度。Li等[5]旨在考察低碳出行方式的行为意向是否存在地域和年龄差异,发现低碳交通政策对出行态度有正向影响。因此,假设:

假设2-1 (H2-1):经济政策感知对居民绿色出行态度有显著的正向影响。

假设2-2 (H2-2):便利政策感知对居民绿色出行态度有显著的正向影响。

假设2-3 (H2-3):公共信息政策感知对居民绿色出行态度有显著的正向影响。

1.2.3 低碳政策与绿色出行意向的关系

以往的研究已经证实了政策与意向之间的关系。例如Li等[5]考察低碳出行方式的行为意向是否存在地域和年龄差异。研究结果表明,低碳政策、主观规范和个人规范对采用低碳出行方式的行为意向的作用更加显著。Song等[6]基于刺激-有机体-反应(SOR)理论,以中国公众为研究对象,探讨公众气候政策意识对低碳出行的影响。Chen等[7]将计划行为理论应用于自行车共享情境,探讨感知利益和政府政策对大学生自行车共享使用的影响,实证结果表明,感知利益和政府政策是影响大学生共享单车使用意向和行为的重要因素。因此,假设:

假设3-1 (H3-1):经济政策感知对居民绿色出行意向有显著的正向影响。

假设3-2 (H3-2):便利政策感知对居民绿色出行意向有显著的正向影响。

假设3-3 (H3-3):公共信息政策感知对居民绿色出行意向有显著的正向影响。

2 材料和方法

2.1 问卷设计和收集

研究数据是通过问卷调查收集的。问卷包括三部分。第一部分是样本的人口统计学信息(性别、年龄、教育水平、月收入)。第二部分测量了六个出行偏好:安全、便利、舒适、经济、环保和健康。要求参与者按降序排列偏好(“在您的日常出行方式选择中,您的出行目标或偏好是什么?请排列您的偏好。”)并从6到1按降序分配值。第三部分测量绿色出行意向及其影响因素,所有潜变量的测量都是参考以前相关研究的成熟量表,并根据本研究背景做了相应的修改。潜变量测量问项用李克特五级量表来测量,范围从1(“非常不同意”)到5(“非常同意”)。为了验证量表题的合理性和适用性,首先进行了预调查。根据预调查结果,对部分测量问项进行了相应的修改和完善。最终的潜变量、测量问项和具体的文献来源如表1所示。本研究于2023年3月在问卷星上制作问卷并收集数据。同时也邀请了身边的老师、同学和朋友帮助转发电子问卷。本次调研共收集 550份问卷,剔除一些答题时间过小、量表测量问项全选一样的问卷,最终剩下 521份有效问卷,有效率94.7%。根据Barclay等[23],以单一构面中具有最大显变量的潜变量为基准,样本数为该潜变量的显变量数量的 10 倍。因此,在结构方程模型中本研究中的人群样本量是满足要求的。521名被调查者的人口统计学特征如表2所示。调查者的性别比例基本相等,月收入多集中在10 000元以下,以大专、本科、硕士及以上学历的中青年为主。这表明调查者对于一些绿色出行政策有一定的认识和了解,能够很好理解问卷中一些有关政策的测量问项。

表1 结构和测量项目Table 1 Constructs and measurement items

表2 样本的人口统计特征Table 2 Demographic characteristics of respondents

2.2 研究方法

数据分析主要使用SPSS24.0和SmartPLS3.0 软件。运用SPSS24.0对被调查者的基本信息进行描述性统计分析,使用SPSS24.0软件提供的可靠性测试计算出各变量的Cronbach’s α系数;运用SmartPLS3.0进行验证性因子分析(confirmatory factor analysis,CFA)以测试测量变量的结构有效性。结构方程模型(structural equation model,SEM)是社会科学领域中相当盛行的统计方法,它有两大主流技术。一类是以协方差为基础的结构方程模型,另一类是以方差为基础的结构方程模型,偏最小二乘法是第二类结构方程模型的典型分析方法,常被称为PLS-SEM (partial least square method of structural equation model)。PLS适用于结构数量多、关系复杂、样本量较小的结构方程模型,并且数据不需要满足正态分布。基于偏最小二乘法的上述特点和优势,本研究采用偏最小二乘法进行了实证研究。

2.3 PLS-SEM模型构建

2.3.1 测量模型

经济、便利和公共信息政策感知三个外生潜变量与其观测变量之间的关系测量模型为

X=ΛXζ+δ

(1)

态度、绿色出行意向两个内生潜变量与其测量变量之间的关系测量模型为

Y=ΛYη+ε

(2)

式中:X为由自变量的测量值构成的向量;ζ为由外生潜变量构成的向量;ΛX为X对ζ的回归系数或因子负荷矩阵;δ为X的观测误差构成的向量;Y为由因变量的测量值构成的向量;η由潜在内生变量构成的向量;ΛY为Y对η的回归系数或因子负荷矩阵;ε为Y的观测误差构成的向量。

2.3.2 结构方程模型

外生潜变量与内生潜变量之间的因果关系模型为

η=Bη+Γζ+ξ

(3)

式(3)中:B为2个内生潜变量构成的结构系数矩阵;Γ为3个外生潜变量对 2个内生潜变量作用的结构系数矩阵;ξ为模型的误差向量。

3 结果

3.1 出行目标的聚类分析

表3列出了根据出行目标的K-means聚类分析结果。将521名参与者分成两组,两组的特征描述如下。

表3 以标准分数测量的两个聚类组Table 1 Two cluster solutions measured in standard scores

享乐型组(频数:316)将舒适和便利作为他们出行行为的主要目标,他们最不关心的是健康、安全和金钱。在选择出行方式时他们更愿意选择那些能够提供高品质服务、舒适体验和方便的小汽车。

实用型组(频数:205)是由关心金钱、安全和健康而不是舒适和便利的人组成的。他们倾向于做出理性的决策,会更加重视出行的成本效益,在选择出行方式时更愿意选择一种更省钱的交通工具,如公交、地铁等。

3.2 不同类别出行者的人口统计学特征分析

享乐型组和实用型组的社会经济属性差异如图2所示。从结果可以看出,其他条件不变情况下,月收入水平在4 000元以下时,享乐型出行者的概率为53.8%,随着月收入的增加,享乐型出行者的概率增大,在月收入水平为6 001～8 000元时,享乐型出行者的概率达到最高为73.4%,但是当月收入水平超过8 000元时,为享乐型出行者的比例又开始降低。为实用型出行者的概率在18～29年龄区间最高42.2%,其次是大于40岁的,在30～39年龄区间最低32.1%。当受教育程度为本科以下时,属于实用型出行者的概率为30.8%,并且受教育程度越高,实用型出行者的比例在增加,研究生及以上学历的实用型出行者概率达到45.6%。

图2 不同类别出行者的社会经济属性Fig.2 Socioeconomic attributes of different categories of travelers

3.3 测量模型的评估

由表4结果可知,各变量的标准化因子载荷值0.728～0.867,高于标准化因子载荷量临界阈值0.5;各变量的组合信度(composite reliability,CR)值0.864～0.891,全部大于临界阈值 0.7;各变量的平均方差提取值(average variance extracted,AVE)值0.576～0.731,全部大于临界阈值 0.5;可以判断各变量的收敛效度良好。各变量的 Cronbach’sα系数最小为0.764,大于临界阈值 0.7,问卷的信度较高。由表5可知,对角线单元格值大大超过了每个变量的绝对相关系数,表明问卷具有较强的区分效度。

表4 验证性因子分析结果Table 4 Results of confirmatory factor analysis

表5 区分效度结果Table 5 Distinguish validity results

3.4 结构模型的评估

标准化均方根残差(standardized root mean square residual,SRMR)值评估模型的拟合优度。SRMR<0.1表明模型拟合良好。本研究中结构模型的SRMR值为0.058,表明研究模型的总体拟合度良好。Q2值评估结构模型的预测相关性。只有内生变量才有Q2和AdjustedR2值,本研究中包含2个内生变量的Q2值分别为0.311、0.381,都大于最小阈值0,这表明这些结构都具有很高的预测相关性。模型解释了44.6%的态度,53.5%的绿色出行意向,模型总体解释能力较好。

SmartPLS3.0测试的PLS-SEM路径假设结果如图3和表6所示。通过在SmartPLS3.0中运行bootstrapping以测试假设。经济政策感知对绿色出行态度(β=0.162,P=0.005)和意向(β=0.130,P=0.010)均有显著的正向影响。便利政策感知对绿色出行态度(β=0.377,P<0.001)有很大影响,但对绿色出行意向(β=-0.061,P=0.340)没有显著影响。公共信息政策感知对绿色出行态度(β=0.246,P<0.001)和意向(β=0.440,P<0.001)均有显著的正向影响。最后态度对绿色出行意向(β=0.348,P<0.001)有显著的正向影响。政策感知对绿色出行意向的效应值如表7所示,其中间接效应值为相关影响路径系数乘积,总效应的值等于直接效应与间接效应的代数和。发现:

表6 偏最小二乘(PLS)结果的路径系数和假设检验Table 6 Partial least squares (PLS) results of path coefficients and hypothesis testing

图3 全样本路径分析Fig.3 The overall structural modeling results

表7 政策感知对绿色出行意向的效应值Table 7 Effect value of policy perceptions on green travel intentions

(1)政策感知对居民的绿色出行意向影响的总效应值从大到小依次排序为:公共信息政策感知、经济政策感知、便利政策感知。

(2)公共信息政策感知对居民的绿色出行意向有直接和间接的正向影响,表明随着政府的绿色出行推广力度增强,出行者对绿色出行的态度会提高,选择绿色出行的意愿也会更加强烈。

(3)经济政策感知对居民的绿色出行意向有直接和间接的正向影响,说明通过适当增加道路拥堵收费和提高停车费、油价等使私家车出行成本变高,可能让居民对私家车出行态度产生负面影响,反过来会改善居民对绿色出行的态度,也会增强居民的绿色出行意愿。

(4)便利政策感知对居民的绿色出行意向仅有间接正向影响,这表明感受到公共交通便利程度提高的出行者对绿色出行的态度会更加积极,具有较强的利于城市发展的出行意向。但是,便利政策感知对居民的绿色出行意向产生直接负向影响,虽然影响是不显著的。说明那些宣称提高公共交通便利程度对他们绿色出行有用的出行者倾向于减少绿色出行行为。主要原因还是居民觉得当前公共交通便利程度不够,导致其不能直接影响居民的绿色出行意向,而是通过改善绿色出行态度间接影响意向。

3.5 群组分析

本研究对享乐型和实用型群体分别进行结构模型建模,比较政策对两组的绿色出行影响效果的差异。图4和表8显示享乐型和实用型群体的路径分析结果。

表8 政策感知对不同类别出行者绿色出行意向的效应值Table 8 Effect value of policy perceptions on green travel intentions of different categories of travelers

图4 多组路径分析Fig.4 Multi-group structural modeling results

对于享乐型群体:①政策感知对享乐型组的绿色出行意向影响的总效应值从大到小依次排序为:公共信息政策感知、便利政策感知、经济政策感知。②公共信息政策感知对享乐型组的绿色出行意向有直接和间接的正向影响,说明政府加强媒体绿色出行的宣传,营造出大多数人都在绿色出行的社会氛围,并且发挥表率作用进行绿色出行对于该群体的绿色出行的态度和意向起到很好的引导作用。③便利政策感知对享乐型组的绿色出行意向仅有间接正向影响。④经济政策感知对享乐型组的绿色出行意向仅有间接正向影响。

对于实用型群体:①政策感知对享乐型组的绿色出行意向影响的总效应值从大到小依次排序为:公共信息政策感知、经济政策感知、便利政策感知。②公共信息政策感知对实用型组的绿色出行意向仅有直接正向影响。③经济政策感知对实用型组的绿色出行意向仅有直接正向影响。④便利政策感知对实用型组的绿色出行意向仅有间接正向影响。

对比享乐型组(公共信息政策感知0.575>便利政策感知0.117>经济政策感知0.076)、实用型组(公共信息政策感知0.442>经济政策感知0.165>便利政策感知0.116)和整体分析组(公共信息政策感知0.526>经济政策感知0.186>便利政策感知0.131)的结果发现,若不考虑出行者的异质性,可能高估或低估政策对出行者绿色出行意向的影响。实用型组与享乐型组相比,受经济政策感知的影响更大。

4 结论

本研究旨在探讨各种政策措施如何影响居民的绿色出行意愿,考虑出行者的异质性,对于不同群体的出行者,比较不同政策对不同群体绿色出行意愿的影响效果。通过分析可以得出以下结论。

(1)根据出行偏好将出行者划分为享乐型、实用型两个群体,分别占比60.7%、39.3%。

(2)月收入水平为6 001～8 000元、年龄为30～39岁的人属于享乐型的概率最高,分别为73.4%、67.9%,呈现先升高再降低的趋势。受教育程度越高,属于实用型的概率越高,研究生及以上为45.6%,本科以下为30.8%。

(3)政策感知对出行者的绿色出行意向影响的总效应值从大到小依次排序为:公共信息政策感知、经济政策感知、便利政策感知。

(4)对比享乐型组、实用型组和整体分析的结果发现,若不考虑出行者的异质性,可能高估或低估政策对出行者绿色出行意向的影响。

(5)实用型组受经济政策感知的影响大于享乐型组,受公共信息政策感知的影响小于享乐组。

基于以上结论,提出一些政策建议。首先,建议政府进一步加大对于绿色出行的宣传力度。公共信息政策对不同群体绿色出行意愿的影响最大,但是对实用型组的态度没有显著影响。认为可能是实用型组相比享乐组,对有关倡导绿色出行的信息关注较少,因此政府应该继续关注公共信息政策。其次,适度实施经济政策是可取的。经济政策对实用型组绿色出行意愿的效应值为0.165,对享乐型组绿色出行意愿的效应值为0.076。总的来说对于两个群体绿色出行意愿都有一定的影响。因此政府应继续在各地区适当推广经济政策,作为辅助条件,充分发挥其在促进绿色出行方面的作用。第三,应进一步完善便利政策。在整体分析、实用型组和享乐型组的结构方程模型中,便利政策都无法直接对绿色出行意向产生显著影响,而是通过态度间接影响意向。即便他们赞同公共交通便利程度提高可以促进自己绿色出行,但是觉得目前的公共交通便利程度不够,还是倾向选择私家车出行。所以我们意识到目前的公共交通的便利程度是不够的,应该继续改善公共交通的便利程度。