出行者环保意识对低碳交通政策支持度的影响*

2021-04-29刘丽华刘建荣华雪东

交通信息与安全 2021年1期

刘丽华王炜刘建荣华雪东

（1.东南大学城市智能交通江苏省重点实验室南京211189；2.河南城建学院土木与交通工程学院河南平顶山467036；3.东南大学现代城市交通技术协同创新中心南京211189；4.东南大学交通学院南京211189；5.华南理工大学土木与交通学院广州510640）

0 引言

交通运输行业能耗巨大，是城市大气细颗粒物（PM2.5）的主要来源，部分城市机动车排放已经成为PM2.5的首要来源。2018年北京、上海、广州、深圳、武汉、杭州等10 余个主要城市的移动排放源排放的PM2.5 占比超过城市总PM2.5 的20%以上，其中深圳、北京更是超过40%。

随着低碳交通逐渐获得人们的重视，构建低碳、环保、低耗、高效、安全的交通发展模式势在必行[1]。而实现低碳交通、降低汽车尾气排放仅仅通过技术进步是不够的，还需个人出行行为发生本质改变。因此制定有效的交通政策需要充分了解影响影响出行者出行行为的因素，而其中出行者环保意识对出行者出行行为的影响是研究者较为关注的问题之一。

对于环保态度是否会影响到环保行为，目前研究结果并不一致。部分研究如Tam 等[2]、Bamberg等[3]认为环保态度不会影响到环保行为，但刘建荣等[4]、陈坚等[5]、王丽丽等[6]认为环保态度可以在一定程度上影响环保行为。

出行行为是环保行为中的重要组成部分，对于环保意识与出行行为的关系，学者也进行了一定研究，研究结果并不一致。Jekria 等[7]研究发现环保态度会在一定程度上影响人们使用自行车的意愿；Roberts 等[8]发现环保意识会影响到出行方式选择，且环保态度对通勤出行方式选择有巨大影响；方晓平等[9]发现出行意向对出行行为的影响较大；Bouscasse等[10]利用结构方程模型发现环保意识对公共交通使用具有正向影响，并能减少私家车使用；Bruderer 等[11]研究发现环保意识更高的人更少和更不可能乘坐飞机出行。但Alcock等[12]发现环保意识对出行者对航空出行的选择没有显著影响。

对于个人属性对环保态度的影响，目前也有一定研究成果，如Rhead 等[13]、王玉君等[14]、陈坚等[15]，大部分研究成果认为，个人属性会在一定程度上影响到环保态度，虽然现有研究成果没有一致的结论。

根据以上分析，环保态度、环保行为、出行者出行方式选择之间的关系尚没有得到充分研究，而且大部分涉及以上内容的研究成果都是欧美等发达地区的研究成果。大量发达地区的研究成果并不适用于发展中国家或地区，不同国情也会导致环保态度、环保行为之间关系的差异[16]。此外，考虑到我国城市交通的现况，发展公共交通是城市发展的必然选择，环保态度、环保行为等与出行者公交偏好的关系也应详细研究。

基于以上背景，笔者从出行者心理角度出发，研究出行者环保态度、环保行为、公交偏好、低碳交通政策支持度之间的关系。由于环保态度、环保行为、公交偏好、低碳交通政策支持度等均为潜在变量，需要通过一系列显变量进行表征，且潜在变量直接的关系，因此本文采用结构方程模型进行研究。结构方程模型能够在估计显变量与潜在变量之间的关系的同时，研究各潜在变量之间的关系，以确保潜变量之间的关系估计不受测量误差影响。考虑到出行者个体特征的可能影响，在进行结构方程研究时，将分析出行者个体因素对结构方程模型的影响。

1 结构方程模型

结构方程模型（SEM）是结合路径分析和因素分析的多元统计方法，研究中有部分因素难以直接关系，SEM利用可直接观测的变量（显变量）描述潜变量，通过显变量确定潜变量值，进而建立潜变量之间的结构关系。SEM 优势在于可以定量研究多变量间交互关系：①SEM 可以立体、多层次地展现驱动力分析。这种多层次的因果关系更加符合真实的人类思维形式，这是传统回归分析所无法做到的；②SEM分析可以将无法直接测量的属性纳入分析，将数据分析的范围加大，尤其适合一些比较抽象的归纳性属性；③SEM分析可以量化各属性之间的因果关系，以便在同一个层面进行对比，也可以使用同一个模型对各细分市场或各竞争对手进行比较。

SEM由测量模型、结构方程2个部分组成，其中测量模型部分描述显变量与相应潜变量之间的关系，结构方程部分分析外源潜变量（ξ）如何影响内生潜变量（η），以及内生变量之间的相互影响。SEM中，测量模型部分可表示为[17]

式中：X，Y分别为外生潜变量、内生潜变量对应的观测变量；Λx，Λy分别为外生潜变量、内生潜变量与对应观测变量间的载荷矩阵；δ，ε分别为外生潜变量、内生潜变量对应的残差；vx，vx分别为外生潜变量、内生潜变量对应的截距。

结构模型建立及确定潜变量间的关系，表示为

式中：B，Γ分别为内生潜变量、外生潜变量的路径系数矩阵；ζ为残差项构成的向量；α为截距向量。

2 出行者低碳交通政策支持度模型设定

2.1 模型假设

根据引言中对于环保态度、环保行为、公交偏好、出行行为之间的关系分析，本文选取出行者环保态度、环保行为、公交偏好、低碳交通政策支持度作为出行者低碳交通政策支持度模型的核心潜变量，提出以下假设。

H1：环保态度对环保行为具有正向影响。

H2：环保态度对公交偏好具有正向影响。

H3：环保态度对低碳交通政策支持度具有正向影响。

H4：环保行为对公交偏好具有正向影响。

H5：环保行为对低碳交通政策支持度具有正向影响。

H6：公交偏好对低碳交通政策支持度具有正向影响。

具体模型见图1。

图1 出行者低碳交通政策支持度模型框架Fig.1 Framework of modeling the level of support for low-carbon transportation policy among travellers

2.2 模型变量

根据模型假设，参考Eriksson 等[18]对于环保行为、环保行为中显变量的选择，设定表征各潜在变量的显示变量见表1。

表1 显变量描述Tab.1 Description of indicators

3 实证分析

以广州市出行者为研究对象。调查时间为2018年6 月的工作日，共获取有效样本642 份。其中男、女占比分别为47.8%和52.2%；已婚、未婚比例分别为46.4%和53.6%；年龄均值为32.3 岁；月收入均值为7 319 元；无房、有房的比例分别为51.9%和48.1%；无车、有车的比例分为为62.9%和37.1%；上班方式中使用小汽车的比例为18.9%；学生比例为19.8%。总体而言，样本与广州市人口特征大体相似，样本量符合要求。

3.1 验证性因素分析

为验证表1 中问卷设计中显示变量设计的优劣，对数据进行验证性因素分析，得到结果见表2。

表2 信度、收敛效度与区别效度分析表Tab.2 Reliability,convergence validity,and discriminate validity

表2 中，标准化荷载均显著，且基本大于0.60，显示变量能够表征潜在变量；组成信度都大于0.7，表明题目具有内部一致性；平均变异数萃取大于0.5，表明潜在变量对显示变量具有良好的解释能力。表2中加粗的数字为平均变异数萃取量的均方根，加粗字体下方的数字为潜在变量的相关系数。从数据可以看出，加粗的数字大于相关系数，因此模型具有区别效度。

3.2 总体结构方程模型

根据模型假定，利用全部数据，对模型进行分析。得到模型的RMSEA，CFI，TLI，SRMR见表3。模型的所有拟合度指标均符合要求，拟合度较高。

表3 模型检验指标结果Tab.3 Fitness of the model

结构方程模型计算结果见图2。图中仅列出了在置信度在95%水平下显著的指标。根据图2 数据，支持H1，H2，H4，H6 假设，但不支持H3，H5 假设。因此环保态度会直接影响环保行为、公交偏好，环保行为直接会影响公交偏好，公交偏好会影响低碳交通政策支持度；但环保态度和环保行为不会直接影响低碳交通政策支持度。

图2 模型参数估计结果Fig.2 Parameter estimation results

分析各潜在变量对低碳交通政策支持度的影响，得到结果见表4。

表4 潜在变量对低碳交通政策支持度的影响Tab.4 Effect of latent variables on the approval of the low-carbon transportation policy

表4 可见：环保态度、环保行为、公交偏好对低碳交通政策支持度的总效应分别为0.636，0.101，0.392，环保态度的影响明显高于环保行为、公交偏好；环保行为对低碳交通政策支持度无显著的直接效应，仅有间接效应；环保态度对低碳交通政策支持度的影响，既有直接效应，也有间接效应，且间接效应（0.350）大于直接效应（0.286）。

3.3 多群组结构方程模型

3.2中是以全部样本为研究对象，并未分析出行者个体属性对出行者的影响。性别、私家车拥有情况、教育程度等个人特征会影响到人们的环保意识[19]。鉴于此，为详细分析出行者个体属性对结构方程模型的影响，分析出行者个体属性对结构方程模型的影响。

个体属性对结构方程模型的影响是否显著，主要通过分析放开不同分组间各潜在变量之间系数相等的假设后，模型的卡方值是否发生显著变化来决定。分析研究婚姻状况、私家车拥有情况、房产拥有情况、性别、教育程度（分为大专及以上、高中及以下2个等级）对结构方程模型的影响，得到各模型的模型检验指标见表5。从各系数的值可以看出，各个模型的拟合度均符合要求。