扩展计划行为理论框架下基于MIMIC模型的城际出行行为分析

景 鹏，隽志才，查奇芬



扩展计划行为理论框架下基于MIMIC模型的城际出行行为分析

景 鹏1,2，隽志才1，查奇芬3

（1.上海交通大学安泰经济与管理学院, 上海 200052；2.江苏大学汽车与交通工程学院, 江苏镇江 212013；3.江苏大学财经学院, 江苏镇江 212013）

为了缓解都市圈城际交通走廊不断增加的交通压力，我国近年来实施了很多投入巨大的高铁建设项目，为了更加有效和准确的评估这些项目，就有必要对城际出行行为进行分析。本文基于扩展的计划行为理论框架，通过构造多指标多因果模型，同时从社会经济统计特征和心理因素两个角度分析都市圈城际出行者对普通列车、高铁和长途汽车这三种方式的选择行为。通过实证研究发现，出行者的社会经济统计特征对模型中的一些潜变量有不同程度的显著影响，并且新增加的潜变量“描述性规范”和“行为习惯”对方式选择行为及意向都有显著的直接或间接影响。根据扩展计划行为理论各要素对都市圈城际方式选择行为和意向的影响及相互关系，结合出行者社会经济统计特征的差异，可以有针对性的制定都市圈城际运输供给信息和政策，为都市圈交通系统的优化提供基础的理论支持。最后给出了心理模型在城际出行方式选择行为领域进一步研究的建议。

城际出行行为；计划行为理论；MIMIC模型

0 引言

目前我国形成了以中心城市为核心的都市圈空间单元，如长三角、珠三角和环渤海地区等一小时都市经济圈。区域经济一体化使得都市圈内交通需求迅速增长，根据上海市“十二五”综合交通规划上海和江浙两省在2009年间日均客运需求75万人次，占上海对外客运总量的68%，并且预计十二五期间客运增长速度为十一五的1.5～2倍。因此都市圈内的综合交通系统己经成为实现区域经济一体化发展过程中的重要保障。Bhat早就指出随着都市圈城际走廊交通拥堵情况的不断加剧，将会对区域经济、生产力、竞争力和环境产生负面影响[1]。为了缓解这一情况，近年来我国投入巨资在很多都市圈内部及都市圈之间开展高速铁路建设的项目，为了能够准确和有效的评估这些项目，就需要对城际出行需求进行分析，与此同时，对城际出行需求较为可靠的预测结果也能够帮助交通运输部门制定更好的规划和政策。因此，有必要对都市圈范围内城际出行行为进行研究，其结果可作为城际运输政策的评估依据。目前，运输部门往往通过改变硬件设施来实现对城际出行行为的影响，不少研究者以此为基础，更多从出行目的、方式、客流分布、出行者社会经济特性等角度去研究都市圈内城际间关于各种交通方式的出行特征及规律，或从宏观规划的视角分析城际间各种运输方式间的联系强度和分布特征[2-4]。通过心理因素来实现对出行者偏好的影响提供了研究出行行为的新途径，而这一点在过去的研究中往往没有引起足够的重视[5]。对城际间出行特点和出行心理规律的研究，能够提高城际交通服务水平及城际交通系统的效率，更好的满足城际居民出行需求[6]。本文主要通过出行者出行选择心理及影响因素入手去深入解析当前都市圈内城际出行方式的相互关系。

近年来有多种理论被应用于出行行为的研究，其中以计划行为理论的应用较为广泛。根据计划行为理论，“行为意向”（Intention）受到“行为态度”（Attitude）、“主观规范”（Subjective Norm, SN）和“感知行为控制”（Perceive Behaviour Control, PBC）这三个变量的复合影响[7]。“行为意向”对实际行为有直接的影响，并且某些实际行为也会直接被“感知行为控制”所解释。目前已有不少研究将计划行为理论应用于对出行方式选择的解释和预测上，如Bamberg和Schmidt对使用小汽车出行的研究[8]，Titze等对自行车[9]和Forward对步行、自行车及小汽车出行方式的研究[10]。由于已有较多研究证明行为意向能够实现对实际行为很好的解释和预测[11, 12]，所以在这些研究中往往用行为意向取代实际行为作为因变量进入模型。计划行为理论重新组织了影响行为的各种重要因素，如个性、情绪、受教育程度、年龄、性别和过去经验等，并通过行为信念来体现这些因素对实际行为的影响。Conner研究发现规范性信念在对加速行为意向的解释力上，男性比女性的影响更加显著[13]。虽然在交通行为研究领域中关于年龄对于计划行为理论变量影响的分析较少，但在健康教育领域，Conn和Grunfeld都发现老年妇女对行为结果所持的信念更加敏感[14, 15]。以上研究说明了在不同社会人口统计特征影响下构成计划行为理论各变量的重要程度会有所差异。这也和Ajzen的推测相符合，他认为行为态度、主观规范和感知行为控制这三个对行为意向的预测变量在不同情况下针对不同行为的重要性并不相同[7]。目前对这三个变量在出行行为领域各种情况下的研究还不够充分和全面，特别在都市圈内城际出行方式选择行为研究领域还较少有文献提及。Ajzen最近还指出，计划行为理论的假设可能并不充分和完全，即“行为意向”可能不仅仅受到“行为态度”、“主观规范”和“感知行为控制”这三个因素的影响，还可能存在其他未被发现的因素[16]。在我们之前的研究中根据城际出行行为的特点，提出将“描述性规范”（Descripitive Norm, DN）和“行为习惯”（Habit）应用于城际出行行为的分析之中[17]。

本文在计划行为理论的研究框架之中包括了“描述性规范”和“行为习惯”，在第一部分对这两个因素进行了较为详细的分析，并在第二部分提出了扩展计划行为理论中各因素相互关系的假设。以第三部分的调查数据为基础，在第四部分构建多指标多因果模型（Multiple Indicators and Multiple Causes, MIMIC）并进行了估计，研究社会人口统计特征和扩展计划行为理论中各因素的相互关系以及因素之间的因果关系。最后第五部分为结论。本研究的目的不仅仅是深入理解社会经济统计特征对于城际出行方式选择的影响，更重要的是通过建立不同特征人群下用于解释和预测方式选择行为结构方程，分析各因素对于行为的重要程度，找出影响变量的重要信念，通过确定针对不同特征人群城际出行方式选择行为干扰的关键因素，为都市圈范围内城际出行的需求管理策略提供理论支持。

1 计划行为理论扩展

在计划行为理论中，“行为态度”指个体对执行某种行为喜好或不喜好的程度；“主观规范”指对是否执行某种行为个体感受到的社会压力；“感知行为控制”指个体对自己执行指定行为能力的评估或感知；“行为意向”指个体执行给定行为的意愿。具体应用在都市圈内城际出行方式的选择行为上，“行为态度”为出行者对某一种出行方式的喜好程度；“主观规范”指出行者在考虑选择某一种城际出行方式时所受到来自家庭和朋友意见或认同的影响；“感知行为控制”指出行者评估某种城际出行方式在发车时刻、到达方式、换乘方式等因素上对自己的便利程度。

1.1 描述性规范

根据Cialdini等人的观点，“主观规范”和“描述性规范”有明显的区别[18]。“主观规范”主要指关于行为方式是否值得提倡的信念，而“描述性规范”主要指什么是正常和典型的行为，具体在城际出行方式选择行为上，指出行者会将自己对出行方式的偏好扩展到家庭和朋友的选择行为中，以期获取社会认同。就出行方式的选择行为而言，有研究发现“描述性规范”是选择小汽车和公交方式出行行为的显著性预测变量，而“主观规范”则对选择出行方式的“行为意向”有显著性影响[12, 19]。值得一提的是Thøgersen发现只有“主观规范”是选择公共交通方式的显著性预测变量[20]。已经有不少研究解释了为什么在某些情况下“描述性规范”比“主观规范”对行为的解释和预测上有更为重要的作用。从方法论的角度，Courneya等研究者认为这是由于“描述性规范”相对于“主观规范”来说具有较低的均值和较大的方差，因而对“主观规范”来说减少其可变性的风险性更大[21]。其他更多的解释认为两者有显著性的差异，并不仅仅表现在统计指标上的不同。所以在城际出行方式选择行为的分析中，引入“描述性规范”能够更为细致的分析出行者所受社会规范的影响，可以从社会期望和认同两个角度更为全面的研究出行者行为。

1.2 行为习惯

当出行者身处一个全新的选择环境中，并无以往的经验可以帮助做出选择，则该出行者往往通过深思熟虑形成以目标为导向的“行为意向”，并开始实施与其对应的后续行为[22]。在稳定的环境中实施一种选择行为的频率越高，出行者越有可能将既定的选择环境和行为直接联系起来形成惯性，这一过程会不断减少“行为意向”在选择判断中所起的作用[23]。所以“行为习惯”和“行为意向”在选择行为的作用上具有相互替代性，具体而言，“行为习惯”主要在日常常规选择行为中更多起到主要作用，而“行为意向”则在较新的环境中对选择行为其主导作用。在决策环境较为稳定的前提下，“行为习惯”和“行为意向”相互对决策行为的作用方向保持一致[11]。和城市内有规律且频繁的通勤出行不同，在城际出行环境中不同群体的出行者在出行频次上有较大差异，所以将“行为习惯”纳入城际出行方式选择行为分析中，能够配合“行为意向”一起对城际出行者的选择行为起到更为全面和有效的解释。

1.3 假设

在构建扩展计划行为理论框架时，需要考虑引入的“描述性规范”和“行为习惯”与原有计划行为理论变量之间的关系，本文将已有的研究和城际出行行为特点结合起来，提出如下假设。

1.3.1 “主观规范”和“行为态度”之间的关系

Wu和Lin研究发现“主观规范”对“行为态度”有直接的影响[24]。当被调查者接受了来自亲朋好友或其他社会组织对他们某种行为正向的支持或鼓励时，他们对于该行为的态度也会变的更加积极起来[25]。从城际出行方式选择行为来看，出行者对出行方式的偏好可能会受到家人和朋友的影响，所以假设1为：在城际出行方式的选择行为中，“主观规范”对“行为态度”会有正向的显著性影响。

1.3.2 “描述性规范”在扩展计划行为理论中的作用

Rivis通过元分析证明了“描述性规范”和“行为意向”之间的显著性关系，并发现在控制住计划行为理论最初的“主观规范”、“行为态度”和“感知行为控制”三个变量后，加入“描述性规范”能显著提高对“行为意向”的解释力[26]。则提出假设2：在城际出行方式的选择行为中，“描述性规范”对“行为意向”有正的显著性影响。考虑到“主观规范”和“描述性规范”都是从社会性规范的角度来对出行者方式选择行为施加影响，所以提出假设3：在城际出行方式的选择行为中，“描述性规范”对“行为态度”有正的显著性影响。

1.3.3 “感知行为控制”和“行为态度”之间的关系

Ajzen最初提出计划行为理论时，并没有认为“感知行为控制”会对“行为态度”有影响[7]。然而，Yu等在2005年构造因果模型研究台湾游客在金门的旅游行为时，发现在“感知行为控制”对“行为意向”的影响中“行为态度”起到了中介变量的作用[25]，说明了“感知行为控制”对“行为态度”有正向的影响。同样Tsai通过典型相关分析证明了“感知行为控制”对“行为态度”的偏好有影响[27]。从城际出行方式选择行为来看，出行者对某种出行方式便利性和准点性等特性的认知，也可能使其对该方式的偏好产生影响。所以假设4为：在城际出行方式的选择行为中，“感知行为控制”对“行为态度”会有显著性影响。

1.3.4 “行为习惯”在扩展计划行为理论中的作用

“行为习惯”会对人的行为选择产生较大的影响，在其他行为研究领域的实证分析发现，在计划行为理论中引入“行为习惯”后，几乎和初始的所有变量有显著的相关关系[11, 28, 29]。所以假设5：在城际出行方式的选择行为中，“行为习惯”对“主观规范”、“行为态度”、“描述性规范”、“感知行为控制”、“行为意向”等都会有显著性影响。其中，Gardner等提出“行为习惯”在“行为意向”对“行为”的影响过程中起到了中介变量的作用，当“行为习惯”较弱时，“行为意向”能较好的解释“行为”，当“行为习惯”较强时，“行为意向”对“行为”的解释力会减弱，甚至不显著[11]。因而，提出假设6：在城际出行方式的选择行为中，“行为习惯”将会在“行为意向”和“行为”之间的关系上起到中介作用。

2 调查和数据

2.1 社会人口统计特征及量表设计

本研究所用调查表包含社会经济特征统计和关于扩展计划行为理论变量的问题项两个部分。第一部分社会人口统计特征对所有被调查者一致，具体包括：性别、年龄、月收入和受教育程度等。社会经济统计特征变量定义说明如表1所示。第二部分根据被调查者所选择出行方式的不同（普通列车、高铁和长途汽车）分别填写。

表1 社会经济统计特征属性

由于目前没有针对都市圈城际出行方式选择行为的量表可供使用，本文依据国外有关各种出行方式对应于计划行为理论各变量的题项，按照Ajzen关于构造计划行为理论问卷的基本原则及方法[30]，征求交通行为研究领域专家的意见，形成了本研究的初始量表。本研究的量表均采用Likert五级量表的形式：1、2、3、4、5分别代表“非常不同意”、“不同意”、“不确定”、“同意”、“非常同意”。

2.2 调查过程

本研究的调查城市选在江苏省镇江市，是长三角区域交通条件最好的城市之一。具体调查地点为镇江市的老火车站、高铁站和汽车站，调查时间为2012年6月11日~15日。采用当面询问调查员填写的方式共获得问卷3436份。问卷中的出行目的地选项有：南京、丹阳、常州、无锡、苏州、昆山、上海、杭州和其他，其中前8个城市为长三角地区沪宁和沪杭铁路线上的主要城市，为保证研究范围处于南京、上海和杭州之间的城市群内，将出行目的为其他的132份问卷剔除，再剔除存在明显矛盾的问卷56份，得到有效问卷3248份，占总数的94.53%，这其中选择普通列车方式出行的有1004份，占总数的30.91%，高铁出行的有1201份，占总数的36.98%，长途汽车出行的有1043份，占总数的32.11%。

2.3 数据分析

由于计划行为理论的每个变量都由多个观察变量来测量，采用STATA 12.0分别对选择普通列车、高铁和长途汽车这三种方式的行为态度、主观规范、感知行为控制和行为意向进行主成分因子分析，通过计算每个变量的Conbrach’s系数来检验信度，采用验证性因子分析来检验量表的效度，如表2所示。

表2 因子分析和Conbrach’s系数

出行方式变量主成分因子分析Conbrach’s 系数 解释总方差百分比特征值 普通列车行为态度62%1.230.58 主观规范67%1.340.55 描述性规范67%1.350.51 感知行为控制62%1.850.69 行为习惯63%2.630.77 行为意向58%1.750.64 高铁行为态度66%1.320.53 主观规范61%1.230.57 描述性规范71%1.430.60 感知行为控制69%1.760.65 行为习惯65%2.740.78 行为意向60%1.790.66 长途汽车行为态度63%1.260.51 主观规范62%1.230.57 描述性规范73%1.460.63 感知行为控制66%1.690.61 行为习惯64%2.690.78 行为意向66%1.690.61

从表2中可以看出，在因子分析中所有特征值大于1的主成份因子都唯一，并且方差贡献率多数都达到了60%以上。通过一阶验证性因子分析发现模型中的变量与相应的问题项因子载荷均大于0.5，z值均大于2，说明量表具有良好的效度。为了检验测量结果的一致性和稳定性，计算了各个变量的Cronbach’s系数，发现对于普通列车、高铁和长途汽车“行为习惯”的该系数都大于0.7，表明了较强的内部一致性，其他变量的Cronbach’s系数都在0.51~0.69之间。虽然Nunnally认为值在0.7以上才能表明有较强的内部一致性[31]，但是Cortina和Rhodes分别提醒研究者注意潜变量所使用观测问题项的个数，在较少问题项中0.5左右的值要比较多问题项中较高值有更强的内部一致性[32, 33]。并且Ajzen还认为计划行为理论中基于测量的各个变量的内部一致性并不需要太高，因为各变量都是通过将实际观测值集计化获得的[23]。而上述的主成份因子分析则证明了由观测变量集计而成唯一因子的有效性。

3 模型定义和估计

3.1 MIMIC模型定义

为了检验扩展计划行为理论构成要素之间的内在联系以及这些要素和出行者社会经济属性之间的关系，本文构建了多指标多因果模型（Multiple Indicators and Multiple Causes, MIMIC）并进行了模型估计。MIMIC模型不仅可以通过严密的结构模型将潜变量的外生原因和内生指标清晰地表达出来，得出所有解释变量对潜变量的影响程度，而且这种分析方法能够使得正规统计关系检验更为便利。Schneider提出MIMIC模型不需要以严格的约束条件和假设为前提，可处理多个潜变量及内生指标，并允许外生原因与内生指标含测量误差，因而其理论框架比其他间接测度方法更富有灵活性，潜在地包含了所有其他的间接测度方法[34]。MIMIC模型本质上是结构方程模型（Structural equation modeling, SEM）的一种形式，其模型的矩阵形式如下：

(2)

其中，（1）式为结构方程，（2）式为测量方程。为潜变量向量，x为和有因果关系的外生可观测变量向量，y为的可观测指标变量向量，Γ和Λ为待估计的未知参数矩阵，和为测量误差。

将（1）代入（2）中可得：

(4)

在MIMIC模型的多指标（Multiple Indicator, MI）部分相当于对扩展计划行为理论的各变量做验证性因子分析，而模型的多因果（Multiple Causes, MIC）部分可由下式表示：

(6)

其中，表示“行为态度”、“主观规范”、“描述性规范”、“感知行为控制”、“行为意向”和“行为习惯”等代表扩展计划行为理论元素的潜变量，为观测的个体。MIMIC模型的整体结构如图1所示。

在MIMIC模型中，主要包含关于个体社会经济属性的可观测外生变量、构成扩展计划行为理论的内生潜变量和用来测量潜变量的可观测外生指标变量。在模型中假设个体的社会经济属性影响扩展计划行为理论的各个元素，反应这些元素的潜变量又对被观测者问题项有所解释。MIMIC模型中各变量间路径关系如图2所示。在图2中，椭圆形中的变量为不可观测的潜变量，矩形框中为可观测变量，实线箭头是能够反应因果关系的结构方程，而虚线箭头则表示指标变量和潜变量之间关系的测量方程。

图1 MIMIC模型框架

图2 详细的路径分析图

3.2 模型估计

本文选取卡方自由度比（2/）、近似均方根误差（Root Mean Squared Error of Approximation, RMSEA）、相对拟合指数（Comparative Fit Index, CFI）、塔克一刘易斯指数（Tucker-Lewis Index, TLI）和标准化残差均方根（Standardized Root Mean Squared Residual, SRMR）作为本研究中结构方程和调查数据之间的拟合度评价指标。其中，2/是直接检验样本协方差矩阵和估计协方差矩阵间的相似程度的统计量，当2/越接近0，观测数据与模型拟合得越好。一般认为，当2/小于3时模型拟合较好，在3和5之间时观测数据与模型基本拟合，模型可以接受，当大于5时则表示观测数据与模型拟合得不好，但该指标受到样本大小的影响。RMSEA是一种不需要基准线模型的绝对性指标，值越小表示模型的拟合度越佳，McDonald和Ho认为近似均方根误差为0.08时是模型拟合度可以接受的上限，若小于0.05则表示模型拟合度良好[35]。CFI和TLI这两个指标不受样本大小影响，二者都是把独立模型的绝对拟合与定义模型的绝对拟合进行比较，都是越接近1越好。SRMR和2以及RMSEA一样，都是绝对拟合指标，当样本量增大和模型中参数个数增加时SRMR会倾向于减小。SRMR越接近0表明观测数据和模型拟合程度越好，Hu和Bentler认为SRMR的值小于0.08时模型通常会有较好的拟合度[36]。

考虑到采用不同城际出行方式出行者出行规律的差异性，分别对普通列车、高铁和长途汽车这三种城际出行方式建立MIMIC模型，标定结果如表3所示。

表3 MIMIC模型拟合统计指标

从表3中可以看出，各种出行方式结构方程模型的2/都在3.289~3.607之间，表明假设模型与样本数据间的拟合度可以接受。虽然三个模型的CFI都不完全低于0.9，但是RMSEA和SRMR都在0.05以内，表明模型的拟合度良好。总的来说，本研究中的MIMIC模型拟合度在可接受的范围内，这三个模型的拟合结果并不能拒绝图1和图2中所假设的潜变量和社会人口统计特征之间的关系以及潜变量之间的关系。

4 结果

从MIMIC模型的标定结果中，可以分别看出不同城际出行方式下出行个体的社会经济统计特征和扩展计划行为理论潜变量之间的关系，以及潜变量之间的相互因果关系。

4.1 社会经济统计特征和计划行为理论潜变量间关系分析

社会经济统计特征对扩展计划行为理论中的“行为态度”、“主观规范”、“描述性规范”、“感知行为控制”、“行为习惯”和“行为意向”潜变量的影响，按照不同城际出行方式总结如表4所示，表中括号里为值。

从表4中可以看出，社会人口统计特征并不是对不同方式MIMIC模型中每个潜变量都有显著性影响：年轻人和受教育程度在三种方式的MIMIC模型中对个别潜变量有显著性影响，而工作和收入仅仅在长途汽车方式的模型中有显著性作用。

在采用普通列车作为城际出行方式的MIMIC模型中，社会人口统计特征对“行为习惯”的影响较大，性别、年龄和受教育程度都对出行者采用普通列出出行的习惯有显著性影响，男性和年龄较大出行者显著的倾向于习惯普通列车出行，而受教育程度对普通列出的习惯性出行有显著负的影响，即受教育程度越高，越不习惯采用普通列车出行，这可能是因为随着文化水平的提高，出行者对出行环境和时间上的要求倾向于提高。对普通列车的“感知行为控制”更多体现在出行者对普通列车准点率的掌握上，从表2中可以看出男性和学生对普通列车的“感知行为控制”有显著性影响，这说明男性和学生更能忍受普通列车在达到时刻上的随机性。出行者对普通列车的“描述性规范”主要指出行者对自己朋友和家人采用普通列车出行的看法，从上表可以看出，学生对家人或朋友采用普通列车出行持显著性支持的态度，而年轻人则相反。

表4 社会人口统计特征对潜变量的影响

注：*表示<0.05，**表示<0.01。

在采用高铁作为城际出行方式的MIMIC模型中，出行者的社会人口统计特征中性别、收入和文化水平对“行为习惯”有显著性影响。相对于男性而言，女性更加倾向于习惯性使用高铁作为城际出行，并且较高收入和文化水平人群也更加显著偏好于习惯采用高铁出行。学生对于高铁方式“感知行为控制”的正向显著影响，可能源于学生对新鲜事物接受能力较强，能够较好的掌握高铁的发车时刻和熟悉高铁方式的换乘，并且可能因为高铁的快捷和方便，使得学生群体更加喜好高铁方式。通过配对相关分析发现，收入和年轻人以及年龄较大出行者之间在0.001水平上显著相关，其中收入和年轻人呈现显著负相关，相关系数为-0.61，和年长者正相关，系数为0.27。虽然收入没有直接对高铁方式的“行为态度”有显著性影响，但是通过年龄的影响可以看出，年龄较大出行者由于具有较高的收入，因而对高铁方式有显著性的喜好。在表2中发现，出行者的收入对于采用高铁方式的“主观规范”有负的显著性影响，而文化水平对采用高铁方式的“主观规范”有正的显著性影响，这表明收入较低和文化程度较高的出行者更加容易受到社会期望的压力去选择高铁方式出行，这可能是因为本次调查中有近26%的在校大学生样本，这个群体的收入和文化程度在0.05水平上是显著负相关，所以使得收入对高铁方式的影响并不显著。

在采用长途汽车作为城际出行方式的MIMIC模型中，性别和收入对长途汽车的“出行习惯”有显著性影响，男性和收入较低出行者更加倾向与习惯长途汽车出行。长途汽车的“感知行为控制”更多体现在出行时间的掌握和车站换乘的方便性，而有工作的出行者对长途汽车的“感知行为控制”呈现负的显著性影响，说明有工作的出行者认为长途汽车的出行方式并不利于其对出行时间的掌控。从受教育程度对长途汽车出行负的显著性影响来看，文化水平较低的出行者，较为偏好于选择长途汽车作为城际出行方式。年轻人对长途汽车“描述性规范”的显著负相关，说明了年龄较小的出行者更多会将自己对长途汽车出行的感受扩展至其所处社会阶层，表达了显著的负面态度。

总的来说，出行者的社会经济属性对于普通列车、高铁和长途汽车这三种出行方式MIMIC模型中的潜变量有不同程度的显著影响。其中，性别差异对三种方式的“行为习惯”都有显著性影响，男性偏好于习惯采用普通列车和长途汽车，而女性更倾向于习惯使用高铁作为城际出行方式，这可能源于女性对出行环境的需求较男性高的原因。年龄较小的出行者对普通列车和长途汽车的“描述性规范”都呈现了负的显著性影响，表达了年轻人对这两种城际出行方式的社会感知并不是非常满意。而年龄较大的出行者更加习惯于传统的城际出行方式——普通列车。学生对普通列车和高铁的“感知行为控制”体现了较强的适应能力，而有职业的出行者对长途汽车出行的准点和便利性表达了一定程度不信任。收入较高的出行者体现出对高铁方式出行的固有惯性，与此对应，收入较低的出行者更加习惯于长途汽车出行。出行者的受教育程度对普通列车和长途汽车出行的潜变量表现出负的显著性影响，确对高铁方式的“行为习惯”和“主观规范”呈现出正的显著性影响，这说明文化水平程度较高的出行者，对出行环境、时间和换乘方便性有着较高的要求。

4.2 计划行为理论潜变量间关系分析

不同城际出行方式MIMIC模型中潜变量之间的路径关系如图3、图4和图5所示，图中路径上的数字为标准化系数，括号中为z值。图中*表示<0.05，**表示<0.01。“行为意向”和“行为”上的数字为模型对选择某种城际出行方式“行为意向”和“行为”的判定系数R。

图3 普通列车方式MIMIC模型中潜变量之间的标准化系数

图4 高铁方式MIMIC模型中潜变量之间的标准化系数

图5 长途汽车方式MIMIC模型中潜变量之间的标准化系数

从图3、图4和图5中可以看出：

（1）所构建的MIMIC模型解释了三种城际出行方式选择行为55%~61%的方差，对三种出行方式选择的“行为意向”的方差解释更达到了77%~89%。这和Bamberg利用计划行为理论构造结构方程研究居民对公交车和小汽车选择行为的结果较为一致，特别当Bamberg将“行为习惯”引入模型后，对公交和小汽车选择行为方差的解释程度分别为51%和66%，对“行为意向”方差的解释为77%和80%[8]。这说明计划行为理论对城际出行方式选择行为也具有较好的解释力。

（2）在三种出行方式的MIMIC模型中，“主观规范”、“描述性规范”和“感知行为控制”都对“行为态度”在>0.001水平上有显著影响，说明出行者对某种城际出行方式的喜好程度其实受到社会期望、社会认同和掌控行为自信度的影响，从而假设1、3和4得到了验证。“行为习惯”仅在高铁方式模型中对“行为态度”有显著性影响，部分验证了假设5。

（3）“描述性规范”在三个模型中，对“行为意向”都有直接正的显著性影响，验证了假设2。除普通列车方式模型外，“描述性规范”对选择行为都有间接正的显著性影响，如下表所示。另外通过多层回归分析发现，在初始的计划行为理论中增加了“描述性规范”变量后，对各种城际出行方式选择“行为意向”方差的解释显著提高了4%~8%，其中以对长途汽车方式的提高最为明显。这说明，在选择城际出行方式时，出行者不仅会受到对他而言重要亲友朋友的影响，更会结合自己的偏好和体会将对该方式的感受和评估往其所在社会阶层扩散。证明了“规范”和出行者之间的影响是互馈的，给通过扰动的方法进行出行方式干预以实现城际交通需求管理提供了基础理论。

表5 “描述性规范”对“行为意向”和行为的直接及间接影响

注：*表示<0.05，**表示<0.01。

（4）“行为习惯”对“主观规范”、“描述性规范”、“感知行为控制”和“行为”都有显著的正向影响，特别是向“主观规范”和“描述性规范”的标准化路径系数在0.53~0.70（<0.001）之间，说明出行者选择城际出行方式时所受到的社会期望的影响很大程度上是通过“行为习惯”来驱动的，这部分验证了假设5。在普通列车和长途汽车模型中，“行为习惯”对“行为意向”有显著影响，唯独对高铁方式中的“行为意向”影响不显著，这或许可以解读为作为新兴的和较昂贵的城际出行方式，高铁在习惯上还没有完全成为出行者下意识的选择，年龄较大有一定收入的群体会对高铁有所偏好，但对“行为习惯”的影响不显著。如在三个模型中去掉“行为习惯”变量，则“行为意向”和“行为”之间的标准化路径系数和z值如下表所示。

表6 “行为习惯”在“行为意向”和“行为”之间的中介作用

普通列车方式高铁方式长途汽车方式 “行为习惯”在模型中0.53**(5.32)0.40**(6.54)0.32**(3.69) “行为习惯”不在模型中0.73**(19.51)0.68**(17.54)0.73**(19.28)

注：*表示<0.05，**表示<0.01。

从表中可以看出，在三种方式的模型中去掉“行为习惯”变量后，“行为意向”对实际“行为”的标准化路径系数及z值都有显著性提高，正是因为“行为习惯”变量的存在，减弱了“行为意向”对“行为”的直接影响，从而验证了假设6，“行为习惯”在“行为意向”和“行为”之间起到了中介变量的作用。

5 结论

本文将计划行为理论引入对都市圈城际出行方式选择行为的研究之中，并在原始计划行为理论研究框架基础上，增加了“描述性统计”和“行为习惯”两个变量，对该理论进行了扩展，分析了新增变量和原有变量之间的关系。以长三角范围内普通列车、高铁和长途汽车这三种城际出行方式为研究对象，考虑到出行者人口社会经济特征对出行方式选择行为的影响，构造了MIMIC模型并进行了估计。通过对社会经济统计特征和计划行为理论潜变量间关系分析发现，出行者的社会经济统计特征对于普通列车、高铁和长途汽车这三种出行方式MIMIC模型中的潜变量有不同程度的显著影响。另外，通过对扩展计划行为理论变量之间关系的分析，证明了计划行为理论在城际出行方式选择行为研究领域中应用的可行性，特别对“描述性规范”和“行为习惯”在城际出行方式选择行为中所起的作用有了更深层次的理解。基于这一理解，结合出行者社会经济统计特征的差异，可以有针对性的制定都市圈城际运输供给信息和政策，从而达到都市圈范围内城际间交通需求管理的目的，进而实现城际间不同运输资源之间的有效调配，为都市圈交通系统的优化提供基础的理论支持。在今后的研究中，可以考虑进一步在计划行为理论中引入更多的心理影响因素，甚至和其他心理行为模型相结合，以提高对城际出行方式选择行为的解释力，并以此为基础设计和验证有效的出行行为干扰措施和方法，通过对具有不同社会经济统计特征的出行者提供出行信息，实现对出行行为的有效引导。

[1] Bhat C R. A heteroscedastic extreme value model of intercity travel mode choice[J]. Transportation Research Part B: Methodological, 1995, 29(6): 471-483.

[2] 李军, 朱顺应, 李安勋. 长株潭城市群城际与城内客运出行特征[J]. 交通科技, 2006(06): 69-72.

[3] 刘昕, 吴永平, 付鑫. 京津都市圈空间运输联系的分布特征研究[J]. 公路交通科技, 2006(10): 155-158.

[4] 王健伟, 马暕. 都市圈客流特性分析[J]. 长安大学学报(建筑与环境科学版), 2003(04): 45-50.

[5] Zhao J. Preference accommodating and preference shaping: incorporating traveler preferences into transportation planning[dissertation]. Cambridge: Massachusetts Institute of Technology, 2009.

[6] 陈馥利. 城市群城际间居民出行行为特征研究[学位论文]. 长安: 长安大学, 2010.

[7] Ajzen I. The theory of planned behavior[J]. Organizational behavior and human decision processes, 1991, 50(2): 179-211.

[8] Bamberg S, Schmidt P. Incentives, morality, or habit? Predicting students’car use for university routes with the models of Ajzen, Schwartz, and Triandis[J]. Environment and behavior, 2003, 35(2): 264-285.

[9] Titze S, Stronegger W J, Janschitz S, et al. Association of built-environment, social-environment and personal factors with bicycling as a mode of transportation among Austrian city dwellers[J]. Preventive Medicine, 2008, 47(3): 252-259.

[10] Forward S. The prediction of travel behaviour using the Theory of Planned Behaviour[A]. International Conference of Traffic and Transport Psychology[C]. Switzerland: TRIS, 2004:481-492.

[11] Gardner B. Modelling motivation and habit in stable travel mode contexts[J]. Transportation Research Part F: Traffic Psychology and Behaviour, 2009, 12(1): 68-76.

[12] Heath Y, Gifford R. Extending the Theory of Planned Behavior: Predicting the Use of Public Transportation1[J]. Journal of Applied Social Psychology, 2006, 32(10): 2154-2189.

[13] Conner M, Smith N, Mcmillan B. Examining normative pressure in the theory of planned behaviour: Impact of gender and passengers on intentions to break the speed limit[J]. Current psychology, 2003, 22(3): 252-263.

[14] Conn V S, Tripp Reimer T, Maas M L. Older women and exercise: theory of planned behavior beliefs[J]. Public Health Nursing, 2003, 20(2): 153-163.

[15] Grunfeld E A, Hunter M S, Ramirez A J, et al. Perceptions of breast cancer across the lifespan.[J]. Journal of psychosomatic research, 2003, 54(2): 141-159.

[16] Ajzen I. The theory of planned behaviour: reactions and reflections[J]. Psychology & Health, 2011, 26(9): 1113-1127.

[17] Peng J, Zhi-Cai J. The theory of planned behavior: the role of descriptive norms and habit in the prediction of Inter-city travel mode choice[J]. Journal of Convergence Information Technology, 2013, 8(10): 211-219.

[18] Cialdini R B, Reno R R, Kallgren C A. A focus theory of normative conduct: Recycling the concept of norms to reduce littering in public places.[J]. Journal of personality and social psychology, 1990, 58(6): 1015-1026.

[19] Gardner B, Abraham C. Psychological correlates of car use: A meta-analysis[J]. Transportation Research Part F: Traffic Psychology and Behaviour, 2008, 11(4): 300-311.

[20] Thøgersen J. Norms for environmentally responsible behaviour: An extended taxonomy[J]. Journal of Environmental Psychology, 2006, 26(4): 247-261.

[21] Courneya K S, Conner M, Rhodes R E. Effects of different measurement scales on the variability and predictive validity of the “two-component” model of the theory of planned behavior in the exercise domain[J]. Psychology and Health, 2006, 21(5): 557-570.

[22] Aarts H, Verplanken B, Knippenberg A. Predicting behavior from actions in the past: Repeated decision making or a matter of habit?[J]. Journal of Applied Social Psychology, 1998, 28(15): 1355-1374.

[23] Ajzen I. Residual effects of past on later behavior: Habituation and reasoned action perspectives[J]. Personality and social psychology review, 2002, 6(2): 107-122.

[24] Wu S, Lin T C. Exploring knowledge sharing behavior of IS personnel with theory of planned behavior[J]. J. Inform. Manage, 2007, 14(2): 75-110.

[25] Tk Y, Nh L, Gs W. An empirical research of Kinmen tourists' behavioral tendencies model: a case of cross-validation in causal modeling[J]. Tourism Studies, 2005, 11(4): 355-384.

[26] Rivis A, Sheeran P. Descriptive norms as an additional predictor in the theory of planned behaviour: A meta-analysis[J]. Current Psychology, 2003, 22(3): 218-233.

[27] Tsai C Y. Applying the theory of planned behavior to explore the independent travelers’ behavior[J]. African Journal of Business Management, 2010, 4(2): 221-234.

[28] Verplanken B, Aarts H, Knippenberg A, et al. Habit versus planned behaviour: A field experiment[J]. British Journal of Social Psychology, 2011, 37(1): 111-128.

[29] Mahon D, Cowan C, Mccarthy M. The role of attitudes, subjective norm, perceived control and habit in the consumption of ready meals and takeaways in Great Britain[J]. Food Quality and Preference, 2006, 17(6): 474-481.

[30] Ajzen I. Constructing a theory of planned behavior questionnaire[R]. Working Paper, 2011.

[31] Nunnally J C, Bernstein I H, Berge J M F. Psychometric theory[M]. New York: McGraw-Hill, 1967.

[32] Rhodes R E, Plotnikoff R C, Spence J C. Creating parsimony at the expense of precision? Conceptual and applied issues of aggregating belief-based constructs in physical activity research[J]. Health Education Research, 2004, 19(4): 392-405.

[33] Cortina J M. What is coefficient alpha? An examination of theory and applications.[J]. Journal of applied psychology, 1993, 78(1): 98.

[34] Schneider F, Enste D. Shadow economies around the world-size, Causes, and Consequences[R]. CESifo Working Paper, 1999.

[35] Mcdonald R P, Ho M H R. Principles and practice in reporting structural equation analyses.[J]. Psychological methods, 2002, 7(1): 64.

[36] Hu L, Bentler P M. Fit indices in covariance structure modeling: Sensitivity to underparameterized model misspecification.[J]. Psychological methods, 1998, 3(4): 424.

Application of the Expanded Theory of Planned Behavior in Intercity Travel Behavior Based on MIMIC Model

JING Peng12, JUAN Zhi-cai1, ZHA Qi-fen3

(1. Antai College of Economics & Management, Shanghai Jiao Tong University, Shanghai 200052, China; 2. School of Automobile and Traffic Engineering, Jiangsu University, Zhenjiang 212013, China;3. School of Finance & Economic, Jiangsu University, Zhenjiang 212013, China)

With the development of the district economy and transportation, congestion in intercity corridors of metropolitan areas has been increasing steadily. To alleviate congestion, government agencies proposed many major investment projects, such as the high speed railway projects. To evaluate the adequacy and efficiency of these projects, the intercity travel behavior should be analyzed in metropolitan areas.

The literatures related to applications of the theory of planned behavior (TPB) on travel behavior were listed to represent the relationship between the original constructs of TPB. Furthermore, descriptive norm (DN) and habit constructs were introduced into the TPB theory and analyzed in the context of travel behaviors in Section 1. Six proposed hypotheses in the expanded TPB were presented in Section 2. To test the framework and the hypotheses, we paid particular attention to the issues of operationalization and measurement in Section 3. In addition, the convergent and discriminant validities of the field data were analyzed to ensure the validity of the model. The model was constructed based on the Multiple Indicators and Multiple Causes (MIMIC) in order to study travel behaviors, demographic, and psychological factors of travelers using the traditional train, the high speed railway and the coach in Section 4. Through empirical data collection and analysis, we found that demographic factors have positive effect on the latent variables in MIMIC. Moreover, descriptive norm and habit have direct or indirect significant effect on travel behaviors and intention. Conclusion was made in Section 5.

On the basis of the effect of psychological constructs of the expanded TPB on the inter-city travel behaviors and traveler’s demographic characteristics, government agency can make reasonable policies and proper decision to optimize inter-city transportation. The results support the fundamental theory of optimizing the transportation system in metropolitan areas. Academic implications and suggestions for future research are also addressed in this study.

intercity travel behavior; the theory of planned behavior; MIMIC model

中文编辑：杜 健；英文编辑：Charlie C. Chen

U125

A

1004-6062(2016)04-0061-08

10.13587/j.cnki.jieem.2016.04.008

2012-10-30

2014-05-26

国家自然科学基金资助项目（71373105）；教育部人文社会科学研究基金资助项目（11YJC630084）；江苏省社会科学基金资助项目（11SHD011）

景鹏（1978—），男，江苏镇江人；江苏大学汽车与交通工程学院副教授，博士，主要从事出行行为、交通规划和交通仿真方向的研究。