考虑群体差异的低碳出行意向与行为一致性研究

徐标，路庆昌*，徐鹏程，崔欣，杜长皓

（1.长安大学 电子与控制工程学院，陕西 西安 710064；2.鲁西化工集团股份有限公司，山东 聊城 252000）

随着经济和城市化的快速发展，小汽车保有量和居民日常出行需求不断增加，交通碳排放引起的环境问题日益突出［1］。据估计，到2030 年与全球城市交通相关的CO2年增长率将达1.7%，而发展中国家的增长率将达3.4%［2］。因此，倡导居民低碳出行，实现节能减排是保障城市交通和环境协调发展的关键［3］。近年来，我国提出了“双碳”目标这一可持续发展战略，出台了一系列交通政策鼓励居民低碳出行，包括小汽车的限行限购、出租车费用的增加、乘坐公共交通和共享单车的优惠等［4］。现有研究表明，低碳政策可有效提高居民低碳出行意向，但对于低碳出行行为的形成仍然有限［5］。

从已有研究看，探究居民低碳出行的影响因素一直是学者关注的焦点。HU 等［6］基于扩展的计划行为理论（theory of planned behavior，TPB）分析了影响年轻人低碳出行意向的因素，发现低碳态度和环境意识对低碳出行行为具有显著的积极影响。陈坚等［7］也通过公交出行的TPB 模型论证了环境意识等因素对低碳出行方式具有显著影响。马壮林等［4］则在TPB 的基础上结合多指标多原因（multiple indicators multiple cause，MIMIC）模型分析了限行政策对低碳出行意向的影响，研究结果证明了居民对政策的态度直接影响低碳出行的意向，并且受个人社会经济属性的调节。此外，也有学者利用离散选择模型分析低碳行为决策。如BAI 等［8］利用混合多项式Logit 模型分析环境意识水平、社会人口经济属性以及出行特征对低碳出行方式选择的影响，发现环境意识水平、私家车和自行车拥有量以及通勤距离等因素均影响居民对于电动自行车的选择。另有研究基于TPB 证明了低碳出行意向对低碳选择行为具有显著的积极影响［9］。结合以上研究，影响低碳出行意向和行为的因素基本明确，但如何影响低碳意向与行为一致性仍然未知。UNSWORTH 等［10］认为，人的主观意向无法完全向行为转变，两者仍存在一定差距。JIA 等［11］从低碳出行的角度发现城市居民选择低碳交通方式的意向与行为存在不一致。综上可知，目前对低碳出行意向与行为一致性形成原因及影响因素尚不清楚，仅通过促进低碳意向的形成或采取措施干预出行行为并不能保证居民在低碳出行问题上的知行合一。

一方面，居民低碳意向与行为不仅受多因素驱动，而且具有城市和群体异质性。从城市层面看，SUN 等［12］认为，城市形态与人类出行活动所引起的碳排放密切相关，并综合北京、武汉、西安和上海4 个中心城市的案例研究城市形态与CO2排放之间的关系，发现城市的区域经济、形态结构、主观规范以及人口数量均会产生不同程度的温室气体。JIA 等［11］从北京、杭州和济南市居民的问卷调查数据中发现，不同城市居民低碳通勤方式的意向存在显著差异。另一方面，低碳出行的群体异质性同样不可忽视。CHEN 等［13］通过对天津市居民低碳出行的调查分析发现，40 岁以下群体相较其他年龄群体选择公共交通的低碳行为受主观规范等情境因素的影响更明显。此外，年轻人较其他年龄群体对公共交通等低碳出行方式的接受度高，因为他们更关注环境与气候变化［14］。老年群体受生活习惯和节俭消费方式的约束，对低碳能源使用的认知度更高［15］。对比上述研究发现，低碳出行意向与行为具有城市和群体差异，进一步明确低碳出行意向与行为一致性在群体间的差异将有利于制定更具针对性的低碳政策。

综上所述，已有研究对居民低碳意向与行为一致性的影响因素及机理分析有限，忽视了对群体异质性及其影响因素的分析。本文在已有研究基础上，基于城市居民低碳出行问卷调查数据，采用分组双变量Probit 模型和组间平均边际效应（average marginal effect，AME）探究不同城市和群体间低碳出行意向与行为一致性的影响因素，从而为政府及相关部门制定低碳交通政策提供科学依据。

1 低碳意向与行为分析

1.1 低碳意向与行为一致性的理论架构

1.1.1 低碳出行影响因素分析

低碳出行的影响因素研究主要分3 个阶段：第1阶段是基于社会人口因素和出行特征的研究。MA等［16］的研究表明，性别、年龄、收入、是否拥有小汽车等个人属性特征对低碳交通方式的选择具有显著影响，并结合出行距离特征发现，老年群体多为短距离出行，更倾向于选择低碳交通方式。第2 阶段是对以TPB 为主导的三要素（态度、主观规范、知觉行为控制）的研究。LIU 等［17］探究了态度、主观规范这两类心理因素对低碳出行意向的影响，发现积极的态度和规范可以显著提升居民低碳出行意愿；LI等［18］研究发现，TPB 中的知觉行为控制较态度和主观规范对个体低碳行为的影响小。第3 阶段是对TPB 扩展因素的研究。LI 等［19］认为，环境意识作为TPB 以外的主观因素对个体使用低碳交通工具的意愿有积极影响。此外，低碳出行还受社会环境的影响，GENG 等［2］研究发现，低碳政策对引导个体低碳出行具有积极作用。

综上所述，个人属性、出行特征、低碳态度、主观规范、政策支持、环境意识六类要素对低碳意向与行为影响显著，本文将进一步探究其对低碳出行意向与行为一致性的影响。各类要素的含义如下：

（1）个人属性，通常包含性别、年龄、学历、收入、是否拥有私家车和驾驶证。

（2）出行特征，主要包含居民的出行时间和出行距离，由于出行时间受交通路况的影响，因此将出行距离作为出行特征的衡量指标。

（3）低碳态度，在TPB 中，指对某一行为所抱有的正面或负面的看法；在低碳研究领域，则指对低碳交通方式的认识以及价值的估计。

（4）主观规范，在TPB 中，指个体在采取某一行为时所感受到的社会压力；在低碳研究领域，则指社会氛围和周围的人对个体采用低碳交通方式的影响。

（5）政策支持，指政府采取低碳交通政策后对个体低碳出行的影响，用个体对低碳交通政策的认同程度衡量。

（6）环境意识，指个体对环境问题的重视程度和对低碳出行与解决碳排放等环境问题关系的认知。

1.1.2 概念框架构建

TPB 指出，个体行为受意向的影响，但个体行为并非完全等同于意向，两者仍存在一定的差距，尤其对于亲环境行为［10］，因此本研究将聚焦于探究低碳出行意向和行为一致性的关键因素。此外，大、中、小城市的城市形态和社会环境不同，老、中、青群体的身体和心理特征存在差异，这些将导致个体属性、主观意识规范、行为决策等不一致。基于此，进一步揭示低碳出行意向与行为及其影响因素在不同城市和代际中的差异，最终构建如图1 所示的低碳出行意向与行为一致性的概念框架。由图1 可知，低碳行为受低碳意向影响，通常表现为一致性，即个体具有低碳出行意向，同时在现实生活中以低碳交通方式出行，但受六类要素的影响，低碳出行意向与行为间存在差异，并且此影响关系和差异在城市和群体间具有异质性。

图1 低碳出行意向与行为一致性概念框架Fig.1 Conceptual framework for low-carbon travel intention-behavior consistency

1.2 问卷设计与分析

1.2.1 问卷设计内容

首先让被调查者填写日常出行所用的交通工具和年龄，将年龄划分为18～39 岁、40～59 岁、60 岁及以上3 个区间。根据交通工具将出行行为划分为低碳和非低碳两类，低碳交通方式主要包括步行、自行车、电动车以及公共交通，非低碳交通方式则包括私家车、出租车、网约车。

问卷题项包含两部分：第1 部分为对居民个人属性、出行特征的调查，其中个人属性涉及性别、学历、居住地、月收入、是否拥有私家车和驾驶证；出行特征为居民通勤的距离，以5 km 为间隔设计4 个区间（短距离、中距离、中远距离、远距离），调查居民从家到工作地点对应的距离范围［8］。第2 部分为意向偏好（stated preference，SP）调查，包括低碳态度、环境意识、主观规范、政策支持和低碳出行意向。低碳态度的设计参照LI 等［19］开发的量表，针对低碳出行方式的特征感受、对低碳出行方式的认同感以及低碳出行方式与居民日常需求的关系，设计了“低碳出行方式是舒适和享受的”“低碳出行方式值得被鼓励”和“低碳出行方式满足日常需求”3 个题项；环境意识参照ZHU 等［20］的研究，基于环境问题与生存的关系、低碳出行与解决环境问题的关系以及个体对于保护环境的责任感，共设计了“碳排放引起的环境问题与人类生存相关”“低碳出行可以解决环境问题”和“你有通过低碳出行来保护环境的责任感”3个题项；结合主观规范含义和FU 等［21］开发的量表，从“周边人的低碳出行习惯”“身边人促使个体低碳出行”“社会低碳氛围促进个体低碳出行”三方面设计量表；参照WANG 等［22］的研究，从“小汽车的限行会促进个体低碳出行”“乘坐出租车费用的增加会促进个体低碳出行”“政府对低碳出行的支持会鼓励个体低碳出行”三方面测量个体受政策支持的影响。参照LIU 等［23］的研究，由“未来出行采用低碳交通方式的意愿”探究个体低碳出行的意向。所有题项均采用李克特五级量表测量：非常不赞同（1）、不赞同（2）、一般（3）、赞同（4）到非常赞同（5），被调查者可选择与自己意见相符的选项。

1.2.2 数据收集与描述

通过问卷星在线平台（http：//www.sojump.com）调查，该平台已被广泛使用［24］。为确保所收集的数据具有代表性，结合JIA 等［11］跨城市的问卷调查方法和样本量标准，使用问卷星在线平台的样本服务，随机选择上海市、江苏省南京市和广东省中山市不同性别、年龄、收入、婚姻状况、学历和职业的人群，问卷调查时间为2020 年3 月2 日至7 月21 日，共收集到1 481 份问卷，剔除答题重复率高和回答时间较短的无效问卷，最终得到1 263 份有效问卷，其中上海市538 份、南京市446 份、中山市279 份，有效率为85.3%。考虑未成年人出行方式单一，限制18 岁以下的居民答题，最终得到的两部分内容描述分别如表1 和表2 所示。表1 中N 为样本量，各城市和群体样本量中的男女比例接近第七次人口普查［26］的数据统计范围，男性为50%～60%，女性为40%～50%。此外，高收入、拥有私家车和远距离通勤的居民，上海市占比较高、南京市次之、中山市相对较低，这与城市的经济和面积差异相符。在3 个城市样本中，老年、中年、青年群体的占比均在20%以上，不同学历人群占比均在15%以上，说明各城市样本中不同社会背景的人群均占一定比重。

表1 个人属性及出行特征描述统计Table 1 Descriptive statistics of personal attributes and travel characteristics单位：%

表2 偏好问题描述Table 2 Descriptive for preference question

1.2.3 数据处理与分析

为保证建模分析的可靠性，通过SPSS 软件对问卷中量表的信度和效度进行了检验。首先通过KMO 和Bartlett 检验量表的结构效度，然后判断样本数据是否适合做因子分析。结果显示，KMO 值为0.886（＞0.7），且Bartlett 球形度检验的显著性水平小于0.01，表明量表具有良好的结构效度。另外，对量表进行Cronbach's d 检验，结果显示，低碳态度为0.812，环境意识为0.728，主观规范为0.853，政策支持为0.735，所有分量表的系数均大于0.7，说明样本量表具有较高的可靠性［27］。由于潜变量涉及多个问题项，采用K-means 聚类算法对低碳态度、环境意识、主观规范和政策支持的强弱进行分类，按照不同聚类数的Silhouette 指标值，将样本中每个潜变量划分为两类，分别用0（不强烈）和1（强烈）表示。11 个解释变量之间的相关性描述如图2 所示。由图2 可知，有无驾驶证与有无私家车、低碳态度与环境意识之间的相关性较高，相关系数分别为0.69 和0.68。为避免解释变量间多重共线性对模型的影响，使用方差膨胀因子（variance inflation factor，VIF）对各变量的独立性进行了检验，结果如表3 所示。由表3 可知，在所有解释变量中，VIF 最大为1.71，远小于10，说明各变量间不存在显著的多重共线性［11］。

表3 VIF 检验结果Table 3 Results of VIF test

图2 解释变量之间的相关性Fig.2 Correlations between explanatory variables

1.3 低碳出行意向与行为统计分布

问卷数据中低碳出行行为为二分类变量，低碳出行意向采用李克特五分法测量。为进一步分析低碳出行意向与行为的一致性及差异，将低碳出行意向对应选项中选择赞同和非常赞同的样本设为1，其他样本设为0，最终统计有无低碳出行意向和行为的样本，得到如图3 所示的分布图。由图3 可知，有低碳出行意向的占67.9%，但由低碳出行意向向低碳出行行为转变的仅占12.6%，表明大多数居民的低碳出行意向与行为仍然存在差距。

图3 居民低碳出行意向与行为占比Fig.3 Proportion of low-carbon travel intention and behavior of residents

为比较群体间低碳出行意向与行为的差异，对不同城市（上海、南京、中山）和不同年龄群体（青年、中年、老年）的低碳意向与行为进行了统计，如图4 所示。由图4 可知，老年群体相较其他年龄群体，有低碳出行行为的比例更高，达66%。尽管在青年群体中60%具有低碳出行意向，但仍有33%并没有选择低碳出行方式。此外，不同城市样本的统计结果显示，一线城市上海无低碳出行行为的比例达70%，高于二、三线城市，其中有低碳出行意向的比例大于50%，达总样本的38%。由此可知，居民低碳出行的意向与行为尚不一致，且在城市和群体间差异显著。

图4 低碳出行意向与行为的群体分布Fig.4 Group distribution of low-carbon travel intentions and behaviors

以上所反映的城市和群体差异可能与表1 中青年群体、一线城市居民拥有私家车、一线城市通勤距离较远等有关，因此有必要进一步探究影响不同群体低碳出行意向与行为一致性的关键因素。

2 低碳意向与行为一致性模型

2.1 双变量Probit 模型构建

通过对问卷调查数据的分析处理，低碳出行意向与行为最终均转化为二分类变量，因此采用概率模型对低碳出行意向与行为建模。根据TPB，人们的意向与行为存在一定的关联，若使用单变量Probit 模型或Logit 模型分别对意向和行为建模，可能会忽视方程间随机扰动项的影响，而双变量Probit 模型对内生相关变量的联合估计表现出良好的性能［28］。因此，为提升估计结果的可靠性，采用双变量Probit 模型分析低碳出行意向与行为之间的相关性及影响因素。模型的自变量为居民的个人属性、出行特征、环境意识、低碳态度、政策支持、主观规范，因变量为低碳出行意向和行为。模型对应的效用函数为

其中，I*和B*分别为不可观测的意向与行为变量为模型中的n 维解释变量，n 为解释变量数，β1n和β2n为待估计参数，ε1和ε2为随机扰动项，服从二维联合正态分布，分布函数为

其中，r 为ε1和ε2的相关系数，正态分布函数的期望为0，方差为1。低碳意向与行为的观测变量由方程

确定，其中，当有低碳意向和行为时，I 和B 为1，否则为0。当相关系数r 不为0 时，可计算观测变量的联合取值概率，并利用极大似然法估计未知参数，计算式为

其中，p11为低碳出行意向与行为一致的概率，φ(z1，z2，r)为二维标准正态分布概率密度函数，为二维标准正态累积分布函数。

2.2 模型估计结果及分析

由图4 知，低碳意向与行为存在不一致的情况，并且群体差异显著。用Stata 17.0 软件进行分组双变量Probit 分析，以此构建不同城市和群体中各要素与低碳出行意向和行为及其一致性的影响关系模型，模型的估计结果如表4 和表5 所示。由表4 和表5 可知，各组模型的Wald 卡方检验在1%的信度水平下显著，表明因变量之间内生相关［28］，因此选择双变量Probit 模型是合理的。此外，athrho 值同样具有显著性，说明模型对样本数据的拟合效果较好。

表4 不同城市的估计结果Table 4 Estimated results for different cities

表5 不同代际的估计结果Table 5 Estimated results for different generations

2.2.1 不同城市组的结果分析

表4 显示了个人属性中的月收入、有无私家车和有无驾驶证对上海市居民低碳出行意向与行为一致性的影响显著，并且对应参数为负值。然而，在南京市和中山市的样本组中，这些要素尽管与低碳出行意向存在一定关联，但对低碳出行意向与行为一致性无显著影响。可能原因：一方面，对于一线城市上海而言，拥有私家车和驾驶证以及远距离通勤的人更多，在日常出行时可能并不会本能地选择低碳交通方式。另一方面，中、小型城市居民出行需求相对较少，日常交通费用占比很小，平均出行距离相对较短，且公共交通拥堵不如大城市严重，居民对私家车的依赖程度低，进而导致这些因素与低碳行为无关。此外，学历的影响也存在城市差异，学历对二、三线城市居民低碳出行意向与行为一致性具有积极的显著影响，这表明学历的提升会增加居民低碳出行的概率。然而，在上海市的样本中，学历仅与低碳出行意向有关，对低碳出行意向与行为一致性无显著影响，可以推断大城市高学历人群尽管具有低碳出行意向，但在面对通勤时间压力和公共交通拥堵时，仍无法保证对低碳交通方式的忠诚度。其他个人属性特征，如性别和年龄对不同城市居民低碳出行意向和行为的影响较小。

对于主观因素和TPB 因素而言，环境意识对不同城市居民低碳出行意向均具有正面影响，这一结果支持了刘建荣等［28］的结论，但本研究进一步发现，环境意识和低碳出行意向与行为一致性无显著关联，这意味着环境意识的提升并不能显著提高居民低碳出行的概率。此外，低碳态度、政策支持和主观规范显著影响3 个城市居民的低碳出行意向与行为，这与何耀等［29］针对大、中型城市居民低碳出行行为的研究结果相似。本文在进一步探究各要素对低碳出行意向与行为一致性的影响后发现，低碳态度、政策支持和主观规范对低碳出行意向与行为一致性同样具有积极影响，但对不同城市居民的影响存在差异。低碳态度对上海市和中山市两地居民低碳出行意向与行为一致性的影响较中型城市南京更显著，这可能是因为大型城市公共交通系统发达，居民日常出行可选择乘坐地铁或公交，而对于小型城市，日常通勤距离较短，居民更倾向于选择自行车和电动车等安全舒适的低碳交通方式，这也能解释通勤距离对中山市居民低碳出行意向与行为一致性的负向影响。政策支持和主观规范对南京市居民低碳出行意向与行为一致性的影响较上海市和中山市更显著。

2.2.2 不同群体组的结果分析

表5 结果显示，个人属性对不同群体低碳出行意向与行为的影响也具显著差异。首先，性别与中、青年群体低碳出行意向与行为呈负相关，表明中、青年女性较男性的低碳出行意向与行为一致性概率更高，这与BELAID 等［30］认为的女性比男性的环境责任感更强、低碳行为更加积极主动等结论相符。然而，老年群体性别与低碳出行意向呈负相关，与低碳出行行为并无显著关联，这可能是因为在老年群体中男性和女性日常均以步行为主休闲出行，在交通方式的选择上无明显差异。其次，年龄对青年群体和老年群体的低碳出行行为具有显著影响。从影响关系看，年龄对青年群体的低碳出行行为具有正向影响，但对老年群体的低碳出行行为具有负向影响。可能的解释是随着年龄的增大，青年群体的财富不断积累，在出行过程中会倾向于选择成本高、耗时低的高碳出行方式。而对于老年群体，年龄的增大意味着身体活动能力的下降，在日常出行中会选择步行、自行车等更加安全的交通方式。此外，月收入、有无私家车、有无驾驶证对青年群体低碳出行行为具有显著的负向影响，此结果将有利于指导低碳交通政策的实施。最后，学历虽与不同群体的低碳出行意向显著相关，但对低碳出行行为并无显著影响。

对主观因素和TPB 因素，低碳态度对不同年龄群体低碳出行意向与行为均具有显著的积极影响，这符合以往基于TPB 的研究结果［19］，但本研究对于低碳出行意向与行为一致性的估计进一步证明了低碳态度有利于消除低碳出行意向与行为之间的差距。从平均边际效应的大小及显著程度看，相较青年群体，低碳态度对中、老年群体低碳出行意向与行为一致性的影响更显著。此外，主观规范对老年群体的低碳出行意向与行为一致性具有显著影响，而与青年群体的低碳行为无显著关联，这表明年轻人在选择低碳出行时不易受周围环境影响，这与HU 等［6］针对年轻人的低碳出行行为研究结果一致。相较老年群体，环境意识对中、青年群体低碳出行的影响更显著，并且对应参数为正值，这可能是中、青年群体对环境变化更敏感，在面对环境污染和气候变化时选择低碳出行来改善环境问题。政策支持显著促进中年群体的低碳出行意向与行为，这也为特定人群低碳政策的制定提供了一定的理论依据。

2.3 组间平均边际效应分析

通过对表4 和表5 的分析，发现各要素对不同城市和群体低碳出行意向与行为一致性影响差异化显著。为进一步比较其对不同群体低碳出行异质化的贡献度，计算了各要素对应的组间平均边际效应差，并采用选择自助法（Bootstrap）检验平均边际效应差的显著性，结果如图5 所示。

图5 组间平均边际效应差Fig.5 Average marginal effect difference between groups

图5（a）～（c）分别描述了老、中、青群体的组间平均边际效应差。从图中可以看出，有无私家车、年龄和月收入对应的组间平均边际效应差均为负值，并且在5%和10%的信度水平上显著。其中，有无私家车对应的平均边际效应差最显著（图5（b）），相关参数（Δp11=-0.217，p ＜0.05）表明，拥有私家车的青年群体较老年群体低碳出行意向与行为一致的概率降低了21.7%。类似地，图5（c）的结果（Δp11=-0.177，p ＜0.10）也表明，拥有私家车的中年群体较老年群体低碳出行意向与行为一致的概率低17.7%。因此可以考虑对中、青年群体采取提高私家车购买成本及限行限购等措施促进其低碳出行。此外，政策支持和环境意识对应的平均边际效应差表明（图5（a）（c）），相较青、老年群体，中年群体中政策支持者和环境意识较高者低碳出行意向与行为一致的概率更高。因此政府应加强低碳出行政策在中年群体中的实施力度，并通过教育的方式传递绿色环保理念，以期引导中年群体积极参与低碳出行。由图5（b）和图5（c）可知，主观规范对应的组间平均边际效应差显著，估计结果表明，在老年群体中受主观规范影响者低碳出行意向与行为一致的概率分别较中年和青年群体高5.2%和4.5%。因此建议通过政府积极宣传和低碳社区建设引导老年群体低碳出行。

图5（d）～（f）分别描述了一、二、三线城市的组间平均边际效应差。首先，从图5（d）和图5（e）中可以看出，月收入、有无私家车和有无驾驶证对应的组间平均边际效应差在一线和二线、一线和三线城市间为显著负值，表明相较二、三线城市，一线城市高收入人群、拥有私家车和驾驶证者会显著降低低碳出行的概率。因为对于一线城市居民，整体收入和小汽车保有量相对较高，在日常出行中倾向选择低碳交通方式的较少。因此建议在大型城市中增加对高收入人群的政策干预，如增加小汽车出行的通行税和限制驾驶证异地使用。此外，低碳态度对应的组间平均边际效应差在一线和二线、一线和三线城市间为显著正值，说明低碳态度对提高一线城市居民低碳出行意向与行为一致的概率更明显。政府部门应加大一线城市公共交通系统和共享出行服务的优化力度，提高居民对低碳交通方式的满意度。其次，由图5（f）的结果可知，相较三线城市，二线城市中政策支持者低碳出行意向与行为一致的概率增加了6.5%，因此地方政府应加大中型城市低碳政策的扶持力度，如出台购买新能源汽车的优惠政策等，同时进一步加强公共交通优先政策，提高人们低碳出行的意愿和概率。最后，从图5（e）和图5（f）中可以看出，通勤距离对应的组间平均边际效应差为显著正值，表明相较一、二线城市，三线城市远距离通勤者低碳出行意向与行为一致的概率更低，因为三线城市的公共交通和道路网络并不发达，远距离通勤更依赖私家车等非低碳交通方式。因此建议完善小型城市的道路结构体系，优化城市公交线网，提高公共交通接驳效率，提升低碳出行方式的便捷性。

3 结论

在TPB 基础上，基于双变量Probit 模型探究了不同城市和不同年龄群体间居民低碳出行意向与行为一致性的影响因素及差异，结论如下：

（1）城市居民低碳出行意向与行为仍未达成统一，相当一部分居民的低碳意向并未完全落实到日常的通勤行为中。比较不同城市和群体的低碳意向与行为发现，在一线城市（上海）和青年群体样本中，两者不一致的人群比例较高，在二线城市（南京）和老年群体样本中低碳出行意向与行为的差距较小。

（2）从城市层面看，主观规范、政策支持和低碳态度对一、二、三线城市居民低碳出行意向与行为一致性均具有积极影响。此外，不同城市个人属性和出行特征对一致性的影响差异显著。一线、二线城市拥有私家车的居民低碳出行意向与行为一致的概率较三线城市分别低12.9%和17.5%。通勤距离每增加一个单位，三线城市居民低碳出行意向与行为一致的概率较一线、二线城市分别降低2.6% 和4.8 %。

（3）从不同群体层面看，低碳态度是影响群体低碳出行意向与行为一致性的关键因素，而学历与群体的低碳出行意向与行为一致性均无显著关联。其他因素对一致性影响具有显著的群体差异。其中，拥有私家车的中、青年群体较拥有私家车的老年群体低碳出行意向与行为一致的概率分别低17.7%和21.7%。另外，环境意识有利于促进中、青年群体低碳出行意向与行为一致性的形成，主观规范和低碳政策对中、老年群体的低碳出行意向与行为一致性具有积极影响。

（4）低碳交通政策建议。政府相关部门应控制大型城市和青年群体高收入人群私家车和驾驶证的使用。同时，加大中型城市和中年群体的低碳政策扶持力度，提高中年群体的节能环保意识。另外，应加强低碳社区建设和扩大低碳文化在老年群体社交网络中的传播，优化小型城市的公共交通线网结构，提高出行效率，以促进更多居民由低碳出行意向向低碳出行行为转变。

本文探究了个人属性、出行特征和主观心理因素对居民低碳出行的影响，未来研究还应考虑外在环境等客观因素的影响，从而制定更加完善的低碳出行意向与行为决策框架。