基于TPB的低碳交通出行方式研究

方晓平，周倩然, 2



基于TPB的低碳交通出行方式研究

方晓平1，周倩然1, 2

(1. 中南大学 交通运输工程学院，湖南 长沙 410075；2. 中国铁路广州局集团公司，广东 广州 511400)

以计划行为理论(TPB)为基础构建低碳出行行为模型，利用结构方程模型分析影响出行者交通行为决策的各因素，并收集整理我国大中型城市出行者数据进行验证。研究结果表明：所有的TPB因子均为有效影响因素，引入预期后悔和行为习惯可以增加TPB对出行行为的解释力，出行意向对出行行为的效应最大。最后，基于各因素的作用路径提出加大宣传力度、完善公交系统和健全政策法规等政策建议。

低碳出行；计划行为理论；社会心理因素；结构方程模型

随着全球气候不断变暖，各国都在致力于解决环境和气候问题[1−2]。近年来，我国大多数城市的私家车数量激增，截止到2017年年底，我国的汽车保有量高达2.17亿辆，汽车驾驶人高达3.42亿人，2017年新注册登记的汽车2 813万辆，所有数据都是历史性的突破[3−4]。私家车跳跃式的增长导致和加剧了各类城市问题，比如日益恶化的交通拥堵和环境污染[5−6]。因此，低碳生活方式迅速成为全球的热点。与此同时，许多城市已经开始重视发展公共交通系统，相关部门应充分了解与公共交通使用行为有关的因素与机理，从而有效地引导公众的出行行为，使低碳出行行为更具可持续性[7−9]。本文以改进的计划行为理论为基础，以城市居民的日常出行行为为例，即以通勤、走访亲友和购物休闲等为目的的经常性出行，构建低碳出行行为理论模型并进行验证，研究促进城市居民选择低碳出行的方法。调查对象主要为长期居住在大中型城市的各行业的居民。

1 理论回顾与模型构建

计划行为理论(TPB)是Ajzen于1985年提出的预测和解释个体行为的心理模型，该理论认为个体的行为是由意向直接影响和决定的，而意图受到个体态度、主观规范和知觉行为控制三者的影响，其中知觉行为控制在一定条件下可以直接影响个体的行为。TPB理论自提出后，便被应用到各种低碳行为领域，如Kuo等[11]利用TPB探究低碳旅游行为的影响因素，并利用387名台湾旅游者为样本进行量化分析，结果显示TPB在低碳旅游行为方面具有良好解释力。胡兵等[12]基于TPB检验低碳旅游行为中，态度、主观规范和自我效能对低碳旅游意愿的影响效应，并利用512份样本数据进行结构方程模型分析，提出各因素的干预路径和管理启示。公共交通使用行为是一个理性的、受控的、有计划的选择过程的结果，因此，TPB也被用于分析公共交通使用行为，如LI等[13]采用TPB探究态度、主观规范和知觉行为控制对公众的公共交通选择行为的影响，利用上海市393份样本数据进行分析，结果证明TPB在个人出行选择行为上具有较强预测力，态度是最具决定性的，知觉行为控制也具有较强的解释力。Murtagh等[14]采用TPB对苏格兰西部的126名小学生的上学交通方式进行研究，结果显示TPB具有显著的解释力，除了态度、主观规范和知觉行为控制3个传统变量以外，引入习惯强度变量可增加模型的预测效度。Milkovic等[15]通过TPB预测大学生自行车通勤的意向，对712份样本数据进行量化分析显示，所有TPB因素即态度、主观规范和知觉行为控制都是重要的预测因子。除了传统的TPB变量，近年来的研究指出，有一些新的心理变量对个体的决策行为产生了不可忽视的影响，其中，行为习惯对于行为意向和实际行为的影响在某些情景下会超过计划行为理论的原始变 量[16]。行为习惯是个体在过去执行某特定行为时的经常性动作，它影响着个体在下一次执行该特定行为时的选择，如果某种行为在以往经常出现，那么在以后出现的概率也会增加。在交通出行研究中，出行方式的选择是理性的还是习惯性行为越来越受到关注，但对这一问题的研究还没有形成共识。因此，本研究探究行为习惯对出行行为的影响机制，并探索行为习惯与传统TPB模型中的3个变量的关系，以期为同类研究提供参考意见。

除了行为习惯，预期后悔也是干预个体行为的因素之一，预期后悔是指个体在实施某特定行为之前，根据以往的经验对行为决策可能带来的结果产生的负面情绪，个体会通过各种方法将这种后悔情绪减到最少[17]。我国很少有研究将预期后悔纳入到TPB理论中来，然而对于出行行为来说，出行者常会因为搭乘公交车所带来的拥挤、不舒适等情况对搭乘公共交通这一行为产生后悔情绪，或者因为拥堵导致时间的浪费而感到后悔，显然，在对出行行为进行研究时，探究预期后悔因素对个体出行行为的影响是有必要的。另外，预期后悔是受到过往行为经验的影响而对行为产生的一种情绪，可以说预期后悔与过往的行为经验是密切相关的，因此本研究将探索预期后悔对行为意向以及行为的预测作用以及行为习惯和预期后悔的相关关系。

根据以上理论研究及各因素之间的作用关系，本文在计划行为理论的基础上，提出关于低碳出行行为的研究假设，并构建低碳出行行为理论模型，如图1所示。

假设1(H1)：低碳出行态度对低碳出行意向产生正向影响。

假设2(H2)：低碳出行主观规范对低碳出行意向正向影响。

假设3(H3)：低碳出行知觉行为控制对低碳出行意向产生正向影响。

假设4(H4)：低碳出行知觉行为控制对低碳出行行为产生正向影响。

假设5(H5)：低碳出行意向对低碳出行行为产生正向影响。

假设6(H6)：低碳出行行为习惯对低碳出行意向产生正向影响。

假设7(H7)：低碳出行行为习惯对低碳出行行为产生正向影响。

假设8(H8)：低碳出行行为习惯对低碳出行预期后悔产生正向影响。

假设9(H9)：低碳出行预期后悔对低碳出行意向产生负向影响。

假设10(H10)：低碳出行预期后悔对低碳出行行为产生负向影响。

图1 低碳出行行为影响因素理论模型

2 数据来源与信效度检验

2.1 引出突显信念

TPB认为个体在执行特定行为时，拥有很多关于此行为的信念，这些信念是由个体特征不同引起的，部分可获取的信念称为突显信念[18−19]。突显信念是正式问卷题项的信息来源，因此首先进行质化调查来引出有关低碳出行行为的突显信念。质化调查分为焦点小组访谈和个人深度访谈2种形式，围绕以下3类开放式问题，即低碳出行行为有哪些益处、哪些人或团体会影响您执行低碳出行行为、哪些因素会促进或阻碍您执行低碳出行行为，进行面对面的深入交流，充分了解受访者的内心和情感。在获得受访者的允许后，对访谈全程进行了录音，最终整理出5万余字的文字材料，之后根据逻辑秩序和相互关系进行编码，获取出现频率较高的信念，组成有关城市居民低碳出行行为的突显信念[10, 20]。

最终“个人责任意识”、“环境问题认知”和“低碳出行认知”作为能引起低碳出行态度变化的突显信念，低碳出行主观规范的突显信念为“周围人的影响”、“政府的影响”和“面子文化”，低碳出行知觉行为控制的突显信念为“成本”、“体验感”和“技能掌握程度”。

2.2 问卷设计及回收

将问卷设计为2个部分，第1部分是受访者的基本信息；第2部分是根据上文梳理出的突显信念设计的问题，采用里克特5级评分量表。

得到初始问卷后，将问卷分发给参与突显信念调查的受访者及另外随机的30名长沙市居民进行调查，检查题项是否符合居民的实际生活、能否反映出理论模型所构建的体系、内容是否合理等。最终，归纳整理受访者的意见和反馈，对量表结构、题项设置和文字表达等方面进行完善，形成最终的正式问卷。问卷的潜变量及其对应题项如表1所示。

正式问卷的发放通过网络问卷和纸质问卷相结合的方式。本次调查主要选取北京、天津、广州、武汉、长沙、南京等大中型城市进行调研，主要针对这类城市的常住居民。问卷调查为期10 d，共计回收问卷621份，剔除无效问卷后，剩余共计543份有效问卷，有效率为87.4%。本次调查基本涵盖了各类属性的居民，具有较好的代表性，问卷调查样本分布统计如表2所示。

表1 潜变量及其对应题项

表2 调查样本的人口属性分布情况

2.3 量表信效度检验

分析数据之前用SPSS软件对样本进行信效度检验，分别采用变量的Cronbach’s a系数及KMO值作为指标，其值如表3所示，各Cronbach’s a系数大于0.7，KMO大于0.5且接近1，同时Sig.小于0.05。所有指标均符合要求，数据通过检验，量表具有较好的稳定性和内部一致性，可以进行模型分析。

表3 样本数据的信校度检验结果

3 计算结果与解释

3.1 假设检验与拟合优度

经过对数据信度和效度的检验，然后对测量量表和观测变量的匹配度进行检验，同时分析各潜变量的相关关系及作用强度。首先，在AMOS软件中构建低碳出行行为影响因素结构方程模型并与样本数据进行拟合，之后根据软件输出结果的提示，建立e4和e5，e8和e9，e20和e22之间的相关关系对模型进行修正，修正后的模型如图2所示。

图2 城市居民低碳出行行为影响因素结构方程模型

根据软件的输出结果，得到模型拟合度检验的各项指标，如表4所示，参考各指标的评价标准可知各指标均达到标准，因此本研究提出的理论模型和实际调查数据拟合情况良好。

表4 模型的拟合度指标

3.2 低碳出行行为的影响路径与关联强度结果与分析

利用最大似然估计法对各潜变量的作用关系进行验证，模型直接路径系数估计如表5所示，所有的路径参数均小于0.001，并且估计值在95%的置信水平下是显著的。因此，说明模型中各潜变量之间的作用关系均得到样本数据的支持，研究假设H1-H10均成立。

根据模型的各路径系数值计算出各因素对低碳出行行为的总效应，如表6所示。

表5 模型的各路径系数值

注：***表示＜0.001

表6 城市居民低碳出行行为影响因素总效应表

4 主要结论和政策启示

4.1 主要结论

1) 低碳出行意向对低碳出行行为产生直接正向影响

传统的TPB变量中，低碳出行意向对行为的总效应为0.53，是所有因素中影响最大的，表明低碳出行意向对低碳出行行为有积极的促进作用。意向也是其他因素影响出行行为的中介变量，无论是原始的TPB变量态度、主观规范和知觉行为控制，还是新增变量行为习惯和预期后悔，都可以通过直接影响低碳出行意向来间接影响低碳出行行为。

2) 低碳出行态度、主观规范对低碳出行行为产生间接正向影响，低碳出行知觉行为控制对低碳出行行为产生直接和间接正向影响

态度对低碳出行意向的直接效应为0.37，对低碳出行行为的间接效应为0.20，主观规范对低碳出行意向的直接效应为0.32，对低碳出行行为的间接效应为0.17，低碳出行知觉行为控制对低碳出行行为的直接效应为0.26，间接效应为0.22，总效应为0.48，是仅次于意向的第二大影响因素。这表明，出行者对低碳出行行为的态度越积极，周围重要的人对其的影响越大，感知到低碳出行的难度越小，控制力越大，则出行者的低碳出行意向就越强烈，采取低碳交通方式出行的可能性就越大。

3) 行为习惯对低碳出行行为产生直接和间接正向影响

经过验证，行为习惯既可以对行为直接产生正向影响，其直接效应为0.33，也可以通过影响行为意向和预期后悔2个因素对行为间接产生正向影响，其间接效应为0.03，总效应为0.36。这表明在实际的出行过程中，居民的出行习惯可以直接决定下次出行方式，也可以对下次出行方式的意向产生影响，另外，以往的出行经验会让居民对某种出行方式产生良好或者不满的体验，进而影响采取该出行方式的意向和实际行为，因此将行为习惯引入TPB来解释出行行为是合理的。

4) 预期后悔对低碳出行行为产生直接和间接负向影响

预期后悔会对低碳出行行为产生阻碍作用，其既可以对出行行为产生直接负向影响，直接效应为−0.17，也可以通过作用于行为意向，进而对出行行为产生间接的负向影响，间接效应为−0.06，总效应为−0.23。同时，预期后悔还受到行为习惯的影响，行为习惯可以直接正向影响居民对低碳出行的预期后悔程度，其直接效应为0.22。这说明，将预期后悔作为新增变量引入到计划行为理论中来是合理的。居民对低碳方式出行的预期后悔程度越大，其采取低碳出行的意向就越低，实际采取低碳方式出行的可能性就越小，而预期后悔则与居民以往的出行体验有密切关系。

4.2 政策启示

1) 加大宣传力度，培养城市居民的低碳出行意识，营造低碳出行氛围。研究发现，意向是对行为总效应最大的因素，因此，政府官员和公众人物还可以通过示范和参与式活动等多种方式发挥带头作用，营造低碳出行的社会氛围，培养出行者的环境意识。研究发现，居民对“低碳出行”等正面观念的接受刺激并不强烈，因此可以采用负面、消极形式的方式宣传，如高碳排放带来的后果，非科学的开车方式会增加多少燃油成本等。另外，目前媒体的正面宣传过于宽泛和抽象，应具体对低碳出行的概念和知识进行密集宣传，如低碳出行是什么，低碳出行方式有哪些，哪些良好的开车习惯可以降低碳排放等。有关部门还可以联合汽车生产商等企业，将个人低碳出行带来的好处以量化、可视化的形式进行及时反馈，以提高居民对低碳出行的直观感受。

2) 完善城市公共交通系统，提高乘客满意度。知觉行为控制无论是直接还是间接都可以对公共交通使用行为产生影响，因此应提高出行者对低碳出行行为的知觉控制力，减低其知觉难度。首先应重视公共交通系统的建设和完善，例如构建城市公共交通综合体，实现步行、共享单车、公交、地铁的无缝衔接。另外，通过分析客流量等大数据，合理规划线路，增加站点覆盖，提高出车频率，同时提供优质的出行条件和服务，营造乘客对公共交通“便捷、舒适、安全”的印象。

3) 完善相关政策法规，培养出行者低碳出行习惯。行为习惯被证明对意向和行为带来重要影响，同时直接影响居民对公共交通使用行为的后悔程度。因此，培养出行者使用公共交通出行的习惯是必要的，一旦养成了这种强烈的习惯，出行者今后将频繁地使用公共交通。政府可以利用政策引导出行者使用低碳交通方式出行，例如减少停车位数量、收取高额停车费，加大公交补贴力度等，相对增加居民碳密集型出行的成本，从而达到减少出行者高碳方式出行频率，增加低碳出行频率的目的。

[1] IPCC. Climate Change 2014: Synthesis Report. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change[R].

[2] Gambhir A, Lawrence K C, Tong D, et al. Reducing China’s road transport sector CO2emissions to 2050: Technologies, costs and decomposition analysis[J]. Applied Energy, 2015, 157: 905−917.

[3] China Automotive Technology Research Center, CAAM. China Automotive Industry Yearbook (2005)[R].

[4] 张弘. 2017年全国机动车和驾驶人保持高位增长[N]. 人民公安报, 2018−01−16(4). ZHANG Hong. Motor vehicles and drivers maintain high growth across the country in 2017[N]. China Police Daily, 2018−01−16(4).

[5] HAO H, LIU Z, ZHAO F, et al. Scenario analysis of energy consumption and greenhouse gas emissions from China’s passenger vehicles[J]. Energy, 2015, 91: 151− 159.

[6] LI J, Walker J L, Inivasan S, et al. Modeling private car ownership in China[J]. Transportation Research Record Journal of the Transportation Research Board, 2010, 2193(-1): 76−84.

[7] Möser G, Bamberg S. The effectiveness of soft transport policy measures: A critical assessment and meta-analysis of empirical evidence[J]. Journal of Environmental Psychology, 2008, 28(1): 10−26.

[8] Lanzini P, Khan S. A. Shedding light on the psychological and behavioral determinants of travel mode choice: A meta-analysis[J]. Transportation Research Part F Traffic Psychology & Behaviour, 2017, 48: 13−27.

[9] 胡一美, 方晓平, 陈维亚, 等. 国内城市交通出行行为研究近期进展分析—基于CSCD和CSSCI期刊的数据统计[J]. 交通技术, 2016, 5(3): 43−52. HU Yimei, FANG Xiaoping, CHEN Weiya, et al. Progress of domestic research on urban travel behavior— based on the statistical data of CSCD & CSSCI[J]. Open Journal of Transpor-Tation Technologies. 2016, 5(3): 43− 52.

[10] 段文婷, 江光荣. 计划行为理论述评[J]. 心理科学进展, 2008, 16(2): 315−320. DUAN Wenting, JIANG Guangrong. A review of the theory of planned behavior[J]. Advances in Psychological Science, 2008, 16(2): 315−320.

[11] Kuo N W, Dai Y Y. Applying the theory of planned behavior to predict low-carbon tourism behavior: a modified model from Taiwan[J]. International Journal of Technology and Human Interaction (IJTHI), 2012, 8(4): 45−62.

[12] 胡兵, 傅云新, 熊元斌. 旅游者参与低碳旅游意愿的驱动因素与形成机制: 基于计划行为理论的解释[J]. 商业经济与管理, 2014(8): 64−72. HU Bin, FU Yunxin, XIONG Yuanbin. The driving factors and the formation mechanism of tourists’ intention participating in low-carbon tourism: based on theory of planned behavior[J]. Journal of Business Economics, 2014(8): 64−72.

[13] LI L, XIONG J, CHEN A, et al. Key strategies for improving public transportation based on planned behavior theory: Case study in Shanghai, China[J]. Journal of Urban Planning and Development, 2014, 141(2): 04014019.

[14] Murtagh S, Rowe D A, Elliott M A, et al. Predicting active school travel: The role of planned behavior and habit strength[J]. International Journal of Behavioral Nutrition and Physical Activity, 2012, 9(1): 65.

[15] Milkovic M, Štambuk M. To bike or not to bike? application of the theory of planned behavior in predicting bicycle commuting among students in Zagreb[J]. Psihologijske Teme, 2014, 24(2): 187−205.

[16] FU X, JUAN Z. Exploring the psychosocial factors associated with public transportation usage and examining the “gendered” difference[J]. Transportation Research Part A Policy and Practice, 2017, 103: 70−82.

[17] 魏新东, 汪烁璇, 傅绪荣. 预期后悔作为计划行为理论新变量的研究进展[J]. 心理研究, 2017, 10(2): 30−35. WEI Xindong, WANG Shouxuan, FU Xurong. Progress of anticipated regret being a new variable in study of TPB[J]. Psychological Research, 2017, 10(2): 30−35.

[18] Ajzen I. The theory of planned behavior[J]. Organizational Behavior and Human Decision Processes, 1991, 50(2): 179−211.

[19] Kallgren C A, Reno R R, Cialdini R B. A focus theory of normative conduct: When norms do and do not affect behavior[J]. Personality and Social Psychology Bulletin, 2000, 26(8): 1002−1012.

[20] 何耀, 方晓平, 杨扬, 等. 公众低碳出行行为决策模型的研究[J]. 铁道科学与工程学报, 2017, 14(5): 1077− 1085. HE Yao, FANG Xiaoping, YANG Yang, et al. The research of public low-carbon travel behavior decision model[J]. Journal of Railway Science and Engineering, 2017, 14(5): 1077−1085.

The research of low-carbon transportation mode based on TPB

FANG Xiaoping1, ZHOU Qianran1, 2

(1. School of Traffic and Transportation Engineering, Central South University, Changsha 410075, China; 2. China Railway Guangzhou Group Co., Ltd, Guangzhou 511400, China)

Based on the planning behavior theory (TPB), this paper constructed a low-carbon travel behavior model, and analyzed the factors that affect the travelers’ traffic behavior decision by using the structural equation model, and collected the travelers’ data of large and medium-sized cities in China for verification. The results show that all TPB factors are effective factors, the introduction of anticipated regret and habits can increase the explanatory power of TPB to travel behavior. Behavioral intention is confirmed to be the most critical factor that influences low-carbon travel behavior. Based on the path of various factors, this paper puts forward some policy suggestions, such as increasing publicity, perfecting public transport system, perfecting policies and regulations, and so on.

low-carbon travel; the theory of planned behavior; psychosocial factors; SEM

10.19713/j.cnki.43−1423/u.2019.03.032

U121

A

1672 − 7029(2019)03 − 0804 − 08

2018−05−22

湖南省科技计划资助项目(2015ZK3001)

方晓平(1964−)，女，湖南湘阴人，教授，博士，从事交通运输规划与管理、交通行为研究；E−mail：fangxp@csu.edu.cn

(编辑 阳丽霞)