考虑出行环境的居住满意度结构方程模型

钟异莹，邵毅明，陈 坚*,2

(1.重庆交通大学，重庆400074；2.重庆大学建筑城规学院，重庆400044)

0 引 言

居住满意度是居民对其住房和社区宜居性的综合评价，涉及多个维度、多个层次影响，是居民长期以来各种心理感受的积累效应，被称为不同类型群体住房需求的指南.简单的住房供给面积已不能作为衡量住房供给的唯一标准，应结合居民对住房心理感受的满意度.同时，随着城市化进程的加快，交通出行在城市生活中越来越重要，对居住满意度的影响也日益增大.充分考虑出行环境的居住满意度研究，有助于提升满意度的解释性和准确性，能够更好地指导城市空间布局规划.

居住满意度是对居住条件的主观感受，是居住选择的内在原因之一.已有研究着重分析居住满意度的影响因素和评价方法.前者主要包括：Jansen认为居住满意度取决于个人期望，住房不符合居住者的需求将直接降低居住满意度[1]；Cao 对住房区位、配套设施、住房质量、邻里关系等外在影响因素进行分析[2]；Aulia 等进一步将外在影响因素细化为景观、设施条件、物业管理、交通等[3].满意度的定量测度和评价分析大多在影响因素的基础上应用数学模型进行定量评价，陈昊[4]、Mohit[5]、Vos等[6]分别利用层次分析法、多重线性回归模型、结构方程模型等方法验证居住满意度与各影响因素间的关系.

已有研究中，居住满意度的影响因素从个人及家庭属性、住房特征、配套设施等基础条件逐渐向社会关系、需求、心理等方面进一步细化，部分研究中考虑了交通条件，但仅涉及交通系统中的硬件指标，尚未从出行环境与居民感受的角度进行探索.评价方法层面已有成果更侧重评价结果的量化，各种影响因素对满意度的作用关系考虑不足.本文从居住者的角度，引入出行环境潜变量，构建多因素的居住满意度结构方程模型，定量描述各因素对选择结果的影响大小.

1 影响变量提取

1.1 潜变量与测量变量的选取

结合已有居住满意度影响因素成果[7-8]，将影响因素划分为地区区位、社区环境、住房条件、出行环境、居住满意度，各变量含义与测量变量如表1所示.

1.2 模型假设

根据满意度理论，感知质量和感知价值对顾客满意度有显著的正向影响，且感知质量对感知价值有显著的正向影响.地理区位、社会环境和住房条件均为物理设施的量化，属于感知质量的范畴，出行环境侧重于居民个人的体验与感受，属于感知价值的范畴，结合已有研究调查分析[9-10]，出行环境、地区区位、社区环境、住房条件对居住满意度均有不同程度的影响，因此对5个潜变量的相互关系假设如下：

H1 地理区位对出行环境有显著的正向影响.

H2 地理区位对居住满意度有显著的正向影响.

H3 出行环境对居住满意度有显著的正向影响.

H4 社区环境对居住满意度有显著的正向影响.

H5 住房条件对居住满意度有显著的正向影响.

表1 潜变量与测量变量Table1 Latent variables and measured variables

2 模型构建

2.1 数学模型

(1)测量模型.

测量模型包含两个方程式，其一用于说明地理区位、社区环境、住房条件3 个外生潜变量之间的关系，即

图1 模型框架Fig.1 Model framework

其二表示的是出行环境与居住满意度2 个内生潜变量之间的关系，即

式中：为10 个因变量的测量值构成的向量；为对的回归系数或因子载荷矩阵；为2个内生潜变量构成的向量；为的10个测量误差构成的向量.

(2)结构模型.

结构模型用于说明出行环境与居住满意度2个内生潜变量，以及地理区位、社区环境、住房条件3个外生潜变量之间的因果关系，公式为

2.2 模型求解与检验

结构方程分析可运用AMOS软件对模型参数进行估计，具体步骤如下：

(1)模型假设.

根据研究内容和目标设计因果模型，在模型拟合前对变量间的关系进行假设.

(2)数据检验.

将调查数据进行探索性因子分析和验证性因子分析，基于分析结果修改问卷题项或模型结构，数据通过检验后进入下一步计算.

(3)模型估计.

通常使用最大似然估计对模型各参数进行估计.

(4)模型检验.

即适配度检验，通过卡方值与自由度比(χ2/df)、近似误差均方根(RMSEA)、拟合优度指数(GFI)、调整拟合优度指数(AGFI)、规范拟合指数(NFI)、比较拟合指数(CFI)、增值拟合指数(IFI)等指标检验假设模型与样本数据间的一致性程度，各指标检验标准如表2所示.

表2 模型拟合指数标准Table2 Model fitting index standard

(5)模型修正.

模型适配度未达到标准时，根据修正指标MI值修正或者使用残差矩阵RM修正模型，调整参数重新估计模型，直到模型通过检验.

(6)模型解释.根据参数估计结果，结合问卷题项对实际情况解释分析.

3 实证分析

3.1 调查数据

以重庆市主城区居民为研究对象，2018年9月在重庆市主城区龙湖两江新宸、约克郡壹号湖畔、渝能国际、民心家园等不同区位、不同等级的大型居住区进行居住满意度问卷调查.主要通过街道办下发社会委员会问卷，进行随机调查和交叉控制配额抽样调查，共发放问卷1 200 份，回收有效问卷1 100份，有效率为91.6%.样本详细构成如表3所示，被访者包含不同社会经济属性的居民，样本整体上具有较好的代表性.

问卷内容包括居民个人及家庭属性、出行信息、满意度评价3 个部分，综合国内外已有研究及本文研究主要影响因素的基础上，满意度评价共设计25 个题项，涉及出行环境、地理区位、社区环境、住房条件、居住满意度等.问卷回答均采用李克特5 级量表形式，按“非常满意”“满意”“一般”“不满意”“非常不满意”分别赋值5～1分.

表3 调查样本构成Table3 Characteristics of samples

为了检验数据独立性，对25 个测量指标做相关性分析，得到所有变量相关系数矩阵，其中RS4分别与RS2、RS5存在弱相关性，在此剔除变量“喜爱程度(RS4)”，其余变量相关系数绝对值均小于0.3，各变量独立，可进行下一步分析.

3.2 验证性因子分析

对测量模型进行验证性因子分析以验证理论模型与数据拟合程度，检验模型中各因子的信度与效度.分别对出行环境、地区区位、社区环境、住房条件、居住满意度5个潜变量进行独立验证性因子分析.出行环境、地理区位测量模型的测量指标均满足要求，不需要进行修正；社区环境、住房条件和居住满意度的测量模型需要进行调整修正，分别剔除“居民素质(CE5)”“建筑外观(HC5)”“居住成本(RS1)”后，测量指标达到要求.

调整后验证性因子分析结果如表4和表5所示，各潜变量的组合信度值均大于0.7，表明模型的建构信度较高.各潜变量测量题项的因子载荷均大于0.6，平均方差抽取值(AVE)均大于0.5，表明模型具有较好的聚合效度.各潜变量的AVE 值均大于与其他变量的相关系数的平方，表明模型的区别效度较好.

3.3 模型检验与修正

根据数据检验结果，剔除“居民素质(CE5)”“建筑外观(HC5)”“居住成本(RS1)”“喜爱程度(RS4)”4个测量变量，对测量模型进行调整，即

根据调整后的测量模型(式(4)、式(5))与结构模型(式(3))，拟合基于出行环境的居住满意度模型，并对其进行检验.利用AMOS软件对正式调查问卷所获得的有效样本数据进行路径分析，修正后最优模型的拟合指数如表6所示，各项拟合指数均达到统计显著性，模型总体拟合符合要求，模型可以接受，提出的5 个研究假设经过验证后均成立，如表7所示.

表4 验证性因子分析结果Table4 Confirmatory factor analysis results

表5 区别效度分析结果Table5 Discriminant validity analysis results

表6 最优模型拟合指数Table6 Optimal model fitting index

表7 标准化路径系数及假设检验结果Table7 Standardized path coefficients and hypothesis test results

3.4 模型结果解释

实证分析结果如图2所示，各测量变量能够很好地反映其对应的潜变量.出行环境的测量变量中，TE3(出行便捷性)影响较大，为0.82，表明居住地附近的出行便捷程度最能反映居民对出行环境的需求；地理区位的测量变量中，GL4(通勤距离)影响较大，为0.78，表明通勤距离最能体现地理区位的优劣；社区环境的测量变量中，CE2(物业服务)影响较大，为0.90，表明居住小区提供的物业服务水平最能体现社区环境的好坏；住房条件的测量变量中，HC1(住房面积)影响较大，为0.91，表明住房面积的大小最能体现住房的舒适性；居住满意度的测量变量中，RS2(总体满意度)影响最大，为0.90.

图2 实证分析结果Fig.2 Empirical analysis results

各潜变量影响效应如表8所示，出行环境、地理区位、社区环境、住房条件均对居住满意度产生影响，其中地理区位对居住满意度产生直接和间接影响，出行环境、社区环境、住房条件只对居住满意度产生直接影响.

由总效应系数可知，地理区位对居住满意度的影响最大，达到了0.913，其次是出行环境(0.877)和社区环境(0.748)，住房条件的影响最小(0.532).在直接影响中，影响程度为出行环境，社区环境，地理区位，住房条件依次递减；在间接影响中，只有地理区位对居住满意度有影响，间接效应为0.494.

表8 各潜变量对居住满意度影响效应Table8 Effect of latent variables on residential satisfaction

4 结 论

以2018年重庆市居民居住与出行调查数据为基础，通过验证性因子分析和结构方程模型方法，探讨了出行环境对居住满意度的影响，研究结果表明：考虑出行环境的居住满意度结构方程模型整体拟合度较好，所提假设可验证，居住满意度主要受地理区位、出行环境、社区环境、住房条件4个维度影响，同时地理区位对出行环境也有显著影响.从影响程度分析，按总影响效应大小排序依次为地理区位、出行环境、社区环境、住房条件，按直接影响效应大小排序依次为出行环境、社区环境、地理区位、住房条件.

从测量指标与潜变量的关系分析，对出行环境、地理区位、社区环境、住房条件、居住满意度5个潜变量影响最大的指标分别为出行便捷性、通勤距离、物业服务、住房面积、总体满意度，在问卷调查中，这几项的平均评分分别为2.99，2.85，3.19，2.21，3.25 分，亟待提高.问卷中选取指标数量有限，居住满意度影响因素还有欠全面，调查区域和调查样本数量均有限，需要后期更多的实证研究来验证.