网约车服务对城市传统出租车使用的冲击效应*

钟 军 林 岩 吴 瑕 赵栩藤

（大连海事大学航运经济与管理学院 辽宁 大连116026）

0 引 言

近年来，以互联网平台为依托，为乘客与司机提供出行供需服务的网约车服务呈现爆发式增长态势[1]。据中国互联网络信息中心（CNNIC）发布的2019年第43次《中国互联网络发展统计报告》显示，截至2018年12月，我国网络预约专车和快车用户达3.32亿，同比增长40.9%[2]。

网约车服务的快速增长正改变着人们的出行方式，其对原有出行方式有何冲击备受城市交通政策制定者关注。对该问题的研究可以为交通管理部门出台相关政策提供参考。

我国传统出租车行业收费高、乘客“打车难”、司机服务态度差等问题一直存在[3]。与传统出租车相比，网约车具有价格、便利性、舒适性、车辆利用率等方面的优势[4]。网约车服务进入城市会吸收传统出租车客源，很可能对传统出租车使用产生冲击。如果网约车服务对传统出租车使用产生较大的冲击，将影响传统出租车市场份额，改变城市出行的格局，对城市交通管理提出新课题。因此，网约车服务对传统出租车使用的冲击效是重要的研究议题。

虽然网约车服务进入城市已经显现出对出租车行业具有较大冲击，甚至引发社会矛盾，但有关网约车服务对传统出租车使用量的冲击，还缺乏系统深入的实证研究。已有研究大多以单个城市为样本[5-6]，不能获得普适性的、规律性的结论。探索中国城市中网约车服务对传统出租车使用量的冲击规律和特征很有意义，研究结果可以明晰网约车对传统出租车的影响程度，帮助主管部门因地制宜、因时制宜地制定网约车规制。

笔者收集2010—2016年中国33个地级及以上行政级别城市的面板数据以估计网约车服务对传统出租车使用的冲击效应。主要研究3个问题：①从总体上探究网约车服务对传统出租车使用量的冲击程度；②网约车服务进入城市后对传统出租车使用量的冲击随时间的动态变化规律；③网约车服务对传统出租车使用量的冲击效应随城市规模和城市区位的异质性规律。

网约车服务进入我国主要城市的时间不同，这为研究团队设计自然实验、采用严谨的计量方法实证分析网约车服务与传统出租车使用之间的因果关系创造了条件。借助网约车服务进入不同城市的时间不同，审慎地设计自然实验，采用双重差分法，通过因果检验和稳健性检验，揭示了网约车服务的进入对传统出租车使用的冲击程度和冲击规律。

1 文献综述

1.1 网约车服务对城市出行的冲击效应

自从Uber和滴滴出行等网约车服务诞生以后，许多研究文献围绕网约车服务对城市出行的冲击效应展开。其中，网约车服务对城市私家车、公交和传统出租车使用的冲击效应最受关注，引起了广泛的讨论。

Ward等[7]估计了2005—2015年期间Uber或Lyft进入美国城市对当地人均私家车拥有量及使用的冲击效应，结果显示：Uber或Lyft的进入使美国城市人均私家车拥有量及使用下降了3%。然而，宋绪扬等[8]对威海市1个交叉路口进行观察，并通过实验证明网约车进入城市并没有减少私家车使用，反而在一定程度上增加了对私家车的使用。Rayle等[9]发现：网约车服务在美国城市具有填补公交空白地区的作用。但是钟军等[10]发现：网约车服务可致使中国城市的公交客运量平均下降11.7%。

普遍的观点认为，网约车服务进入城市后对当地传统出租车行业会产生负向冲击。Berger等[11]发现：Uber进入城市使当地传统出租车司机的收入下降了10%左右。Contreras等[12]使用多模态时间序列方法估计了拉斯维加斯地区网约车对传统出租车载客量的冲击效应，结果表明：前者对后者有显著的负向冲击。

但是，也有学者发现网约车服务对传统出租车行业具有促进作用。Kim等[6]采用时间序列回归模型分析发现：Uber进入纽约以后，传统出租车出行的次数增加了1.82%，车辆利用率增加了0.87%，司机的收入也显著增加。

1.2 理性选择理论

理性选择理论是1种经典的行为决策理论，不少学者将其用于分析出行者在出行方式选择过程中的决策行为[13-14]。出行者在选择出行方式时通常会进行成本-收益分析[15]，而后做出理性决策。其中，成本主要包括价格成本、时间成本、机会成本；收益主要包括出行便利性、舒适度、安全性、到达指定目的地[16]。

在网约车平台盛行的大背景下，可以为乘客提供“点对点”服务的网约车势必会成为人们日常生活中1种重要的出行方式。那么，出行者将会在网约车服务和传统出租车2种功能极为类似的交通工具之间如何做选择？出行者将主要从成本（比如，时间成本、价格）与所选方案的收益（便捷性、舒适性、安全性、达到指定目的地）进行权衡，而后做出理性决策[17-18]。

从以上文献综述可以发现：网约车服务显著冲击了传统出租车使用。然而，这个领域的研究还不成熟，且对不同情境进行异质性分析在先前的文献中极少受到关注，且尚未有研究分析网约车服务对传统出租车使用的冲击规律。本文实证分析了网约车服务对传统出租车使用的冲击效应和冲击规律，及对不同规模等级城市和不同区位城市中传统出租车使用冲击的异质性效应。

2 实证检验设计

2.1 自然实验和模型构建

在我国网约车平台的成长阶段，Uber和滴滴出行都是行业的中坚力量，2016年它们合并，且占据了网约车行业高达90%的份额[19]。因此，本文以它们进入中国城市指代网约车服务进入城市，不会造成明显的样本选取误差。虽然在2014年之前，也有一些网约车服务在中国城市中运营，但是它们规模太小，不会对城市交通造成明显的影响。

2014年是中国网约车服务的重要年份。在这一年，Uber进入北京、上海、广州、深圳、杭州、成都、重庆7个城市，滴滴出行也在这一年开始在北京大规模推广。以此为标志，网约车服务开始在中国城市中迅速发展。2014年是我国网约车服务行业爆发的年份，在该年，我国网约车用户规模由2013年的0.32亿人增至2.11亿人[20]。2015年和2016年Uber和滴滴出行继续向中国的其它城市推广。

由于Uber和滴滴出行进入中国城市的时间不同，可以将网约车服务进入城市视为1次“准自然实验”。我们将2010—2016年设定为实验研究的时间范围。在2014年，中国只有以上7个城市有规模性的网约车服务进入，把它们纳入处理组。将整个实验研究期间无规模性的网约车服务进入的26个城市纳入控制组。然后，使用双重差分法实证分析网约车服务对传统出租车使用的冲击效应。所建模型见式（1）。

式中：i为城市；t为时间，年份；lntrit为城市i在第t年的传统出租车客运量对数值，万人·次，以传统出租车客运量表示传统出租车使用状况；treat i为分组哑变量，如果城市i属于处理组，那么treat i赋值1，否则赋值0；timet为时间哑变量，赋值1表示网约车服务进入城市后，赋值0表示网约车服务进入城市前；系数α3为网约车服务对传统出租车使用的平均效应，若α3的系数显著为负，表明网约车服务对传统出租车使用具有显著的负向冲击；control it为一系列随城市和时间变化的控制变量集合；δi为不随时间变化的城市固定效应；θt为不随城市变化的时间固定效应；εit为误差项。

2.2 控制变量

为消除潜在不可观测因素影响传统出租车使用，本文控制了可能与传统出租车使用相关的交通、人口、就业、收入、通信等指标。具体包括传统出租车数量（单位：veh）、私家车数量（单位：veh）、公交客运量（单位：万人·次）、地铁客运量（单位：亿人·次）、人口密度（单位：人/km2）、城镇单位就业人数（单位：万人）、职工平均工资（单位：元）、城市移动电话数（单位：万户）。为减少因变量与控制变量的偏倚性、消除控制变量间的多重共线性，我们对除地铁客运量之外的所有控制变量进行了对数处理。本文所用数据均从EPS数据库获取，具体数据来源于各年度《中国城市统计年鉴》和《中国省市经济发展年鉴》，少量缺失数据采用插值法补齐，且所有数据为年度数据。各相关变量的定义和描述性统计见表1，其中标*处为取对数之前的单位。

表1 各相关变量的定义和描述性统计Tab.1 Definition and descriptive statistics of related variables

3 网约车服务对传统出租车使用的平均效应

根据式（1），以传统出租车客运量对数lntrit作为因变量进行实证分析，所得结果见表2。从表2第（1）列和第（2）列可以发现，无论是否添加控制变量，交互项DID（time×treat）的系数都为负，其大小分别为0.301 7和0.254 6，且分别在1%水平和5%水平上显著。其中，表2第（2）列是控制了城市之间由于交通、人口、就业、收入、通讯等方面差异而造成的冲击。因此，可以得出网约车服务进入城市后，致使传统出租车使用平均减少了25.46%的结论。

此外，第（2）列回归结果中，ln nt，ln ne，ln nmp，ln pd的系数均显著为正。城市出租车数量越多，使用出租车出行的人数越多；人们处于就业状况时，通常经济状态良好，因此，城市就业人数越多，使用出租车出行的人数会越多；城市移动电话数越多，城市信息化和现代化程度相对较高，城市相对发达，使用出租车出行的人数越多；城市人口密度越大，乘坐出租车出行的人数会越多。ln npc，ln ptr，mr的系数均显著为负。表明私家车、公交及地铁均会与出租车使用形成竞争效应。综上所述，主要控制变量显著且符合预期，这在一定程度上说明了所建模型的合理性。

表2 网约车服务对传统出租车使用的平均效应Tab.2 Average effect of the ride-hailing service on using traditional taxis

4 网约车服务对传统出租车使用的动态效应

表3 中所得结果是网约车服务对传统出租车使用的平均效应，接下来采用模型（2）实证分析网约车服务在进入城市之后，对传统出租车使用冲击的持续效应。

模 型（2）与 模 型（1）的 不 同 之 处 在 于：是网约车服务进入之后第after年的交互项虚拟变量。after=1为网约车服务进入城市之后的第1年，即2015年；after=2为网约车服务进入城市之后的第2年，即2016年。αafter估计了网约车服务进入城市之后第after年对传统出租车使用的冲击效应。估计结果见表3。

表3 网约车服务对传统出租车使用的动态效应Tab.3 Dynamic effect of the ride-hailing service on using traditional taxis

从以上研究结果可以看出，网约车服务进入城市显著冲击了传统出租车使用。网约车服务作为1种便捷、灵活的出行方式，对城市传统出租车行业冲击较大。在样本城市中，网约车服务进入城市之后的2年中，传统出租车使用减少了25%～28%。

5 稳健性检验

为了保证回归结果的可靠性，本文做了以下检验。

5.1 平行趋势假设检验

本文采用双重差分法估计网约车服务对传统出租车使用的冲击效应，而使用这种方法的前提条件是，若没有网约车服务进入处理组城市，则处理组城市和控制组城市的传统出租车客运量随时间变化应满足平行趋势假设，也就是说，处理组城市和控制组城市的传统出租车客运量之间的差值不发生显著改变。为此，采用模型（3）估计网约车服务在进入城市之前，处理组城市和控制组城市的传统出租车使用之差是否有显著改变。倘若回归结果显著，则表明网约车服务进入城市之前，处理组城市和控制组城市的传统出租车使用之差已发生明显改变，那么所得回归结果不可靠。

表4 平行趋势检验Tab.4 Test for the parallel trend

从表4可以看出，time-1×treat、time-2×treat、time-3×treat的回归系数都不具有统计显著性，表明网约车服务进入前，处理组城市和控制组城市的传统出租车使用之差不发生显著变化，也就是说，本文采用双重差分法估计网约车服务对传统出租车使用的冲击效应是有效的。

5.2 基于PSM-DID的稳健性检验

实验组城市均为大城市，但对照组城市主要为中小城市，这可能产生样本选择偏误。因此，采用倾向得分匹配与双重差分法相结合的PSM-DID方法，对单纯的双重差分法所得结果进行稳健性检验。

基于PSM处理之后的处理组与控制组，实证分析网约车服务对传统出租车使用的冲击效应，旨在检验PSM之前网约车服务对传统出租车使用的冲击效应。检验结果见表5。

表5 基于PSM-DID的稳健性检验Tab.5 Robustness test based on PSM-DID

从表5第（1）和（2）列可以发现：不管是否加入控制变量，交互项time×treat的系数都显著为负，所得结果与表2中的回归结果无本质差异，说明网约车服务进入处理组城市后确实显著冲击了传统出租车的使用。

5.3 控制变量滞后1期

考虑到网约车服务进入城市和本文所用控制变量之间可能存在着相互影响关系，为尽量减少模型的内生性，参考先前文献的做法[14]，把所有控制变量均滞后1期，再一次回归，回归所得结果见表6。从表6可以发现，回归结果的系数大小、符号及显著性与表2第（2）列的回归结果相比，无本质差异。

表6 控制变量均滞后1期Tab.6 Control variables lagging by one period

6 城市规模等级异质性

本文的实证分析结果发现，网约车服务对传统出租车使用会产生负向冲击，那么这种负向冲击是否会因城市规模等级的不同而表现出异质性？依据《关于调整城市规模划分标准的通知》对样本城市进行划分，北京、上海、广州、深圳4个处理组城市划分为超大城市，杭州、成都、重庆3个处理组城市划分为大城市。然后，分别进行回归，回归结果见表7。

表8 城市区位异质性分析Tab.8 Analysis of urban location heterogeneity

表7 基于城市规模异质性的分析Tab.7 Analysis of urban scale heterogeneity

从表7可以发现，大城市和超大城市的网约车服务都对传统出租车使用产生显著的负向冲击，且超大城市中网约车服务对传统出租车使用的负向冲击更大，显著性更强。具体而言，网约车服务致使超大城市传统出租车使用减少了28.68%，致使大城市传统出租车使用减少了22.12%。

7 城市区位异质性

我国城市区域经济发展不平衡，东部城市人均GDP普遍较西部城市高，经济活力更强。是否东部城市和西部城市的网约车服务对传统出租车使用的冲击呈现出明显的区域差异？实验组城市北京、上海、广州、深圳、杭州划分为东部城市，成都、重庆划分为西部城市。然后，分别进行回归，回归结果见表8。

从表8可以看出，网约车服务对东部城市和西部城市的传统出租车使用均产生显著的负向冲击，但对东部城市传统出租车使用的负向冲击更大。具体而言，网约车服务使东部城市传统出租车使用减少了27.96%，使西部城市传统出租车使用减少了21.2%。这一研究结论证实了网约车服务对传统出租车使用的冲击存在明显的区域差异。

8 讨 论

网约车服务的进入显著减少了传统出租车使用。网约车服务进入城市后，居民多了1种交通出行工具，基于理性选择理论，出行者在网约车服务与传统出租车之间做选择时会进行成本（时间、价格）与收益（便捷性、舒适度、安全性）分析。与传统出租车相比，网约车的价格相对较低，更方便，且等车时间更短[21]。Rayle等的研究表明：“等车时间短”是出行者选择网约车服务的主要原因，他们发现网约车服务的总等车时间不仅更短，而且不随时间段、城市位置等因素而发生大的变化[9]，网约车有着较为明显的优势，当网约车服务进入城市的时候，许多出行者会选择网约车出行。

2015年时，网约车服务对传统出租车使用的负向冲击比2014年大，到2016年时，这种负向冲击有所降低。这与网约车服务的发展策略和发展历程有关。Uber和滴滴出行在前期推广过程中为了开拓市场，对司机与乘客进行补贴，这在一定程度上改变了市民的出行方式，吸收了传统出租车客源。在2015年，Uber与滴滴出行打“价格战”[22]，其对乘客和司机提供了高额补贴。2016年时，Uber与滴滴出行合并[19]，高额补贴被取消。当平台提供高额补贴时，市民选择网约车出行的价格更低，网约车出行的优势更加明显，网约车服务可以吸收更多的出租车客源，网约车服务对传统出租车使用的负向冲击更大。当平台的高额补贴取消时，网约车服务相对于传统出租车的价格优势已不再明显，部分出行者可能由于出租车更正规、更安全等原因，又选择回到原有的出行方式，网约车服务对传统出租车使用的负向冲击有所减弱。

从上面的分析可以得到重要的启示：网约车的价格对市民选择网约车服务是非常重要的因素，在网约车出行保持便捷、等车时间短等优势时，其价格的变化对市民选择网约车服务是1种不可忽视的敏感因素。当网约车出行价格变低时，网约车服务对传统出租车使用的冲击程度变大；当网约车出行的价格变高时，网约车服务对传统出租车使用的冲击程度变小。

网约车服务对超大型城市中传统出租车使用的负向冲击更大。通常而言，城市规模越大，人口越多，市民对出行方式的要求更加多样化，出行目的也越多样化，越有可能使用网约车服务。与一般大城市相比，超大城市中人口更多，基于不同出行目的（比如，商业社交和娱乐社交）的人越多，使用不同交通出行工具的人也越多，网约车服务对超大城市中传统出租车使用的负向冲击更大。

网约车服务对东部城市中传统出租车使用的负向冲击更大。与西部城市相比，东部城市经济发达，经济活力高，城市人均收入高，信息化和现代化程度更高，城市年轻指数更高[23]，城市中富有的人更多、年轻人更多、使用信息化设备（移动手机）的人更多，因此，东部城市中网约车服务对传统出租车使用的负向冲击更大。

笔者研究工作与以往的研究文献不同之处主要在于以下3点。

1）对网约车服务对传统出租车使用的冲击效应做了系统分析，归纳出总的规律。研究结论支持Contreras等[12]的观点；并没有发现网约车与传统出租车使用具有互补关系，即不支持Kim等[6]的观点。在中国城市中，网约车服务对传统出租车使用主要起负向冲击作用。

2）研究了网约车服务对传统出租车冲击的动态效应；探明了网约车服务网约车服务对传统出租车使用量的冲击效应随城市规模和城市区位的异质性；揭示了网约车服务对传统出租车使用冲击的规律和特征。

3）注重理论分析与实证研究相结合，使用理性选择理论深入分析出行者在网约车服务与传统出租车之间做选择的原因。

9 结束语

本研究基于2010—2016年中国33个地级及以上行政级别城市的面板数据，采用双重差分法（DID）估计了网约车服务对传统出租车使用的冲击效应。主要研究结论如下：网约车服务会对传统出租车使用产生显著的负向冲击；动态效应分析表明网约车服务对传统出租车使用的冲击效应呈现出先加强后变弱的趋势；城市人口规模异质性分析表明网约车服务对超大城市中传统出租车使用的负向冲击更大且显著性更强；城市区位异质性分析表明网约车服务对东部城市中传统出租车使用的负向冲击更大。本文的研究只分析了网约车服务对传统出租车使用的冲击效应，后续的研究可以系统分析网约车服务对多种城市出行方式的冲击，从而系统全面、深层次地分析网约车服务对城市出行的冲击效应。