基于通勤时间细分的通勤满意度影响路径研究——以昆明市为例

杨建坤，何明卫，何 民，张小七，吴禹顺

(1.昆明理工大学 交通工程学院,昆明 650500; 2.昆明学院 机电工程学院,昆明 650214)

0 引言

提高居民幸福感是城市高质量发展的应有内涵[1]。作为评价居民幸福感的关键指标,通勤满意度与身心健康、生活质量和主观幸福感息息相关[2-4]。掌握通勤满意度的影响因素及其作用路径,对提高城市通勤质量、构建宜居幸福城市至关重要。通勤属性、城市形态、职住关系和主观态度等变量均已被证明对通勤满意度有影响[5-7]。在通勤属性中,通勤时间、通勤方式和通勤满意度之间的影响关系一直是讨论的焦点[8-9]。

L.E.Olsson等研究表明,通勤时间越长,通勤满意度越低[10]。赵明宇等却发现通勤满意度在通勤时间为10～30 min之内最高[11]。P.Antonio等研究发现步行和骑行的通勤满意度高,而开车和乘公交的通勤满意度低[12]。E.St-Louis等调查研究了6种出行方式的通勤满意度分布差异及影响因素[13]。这些研究成果展示了通勤时间和出行方式对通勤满意度的影响,但没有从通勤个体对通勤时间的偏好和容忍视角来分析通勤满意度的群体差异,也还未尝试整合通勤方式和主、客观通勤时间来探索通勤满意度的影响路径。

根据消费满意理论,通勤满意度可理解为个体对通勤服务水平的主观期待和实际感知匹配程度所产生的情绪体验和认知评价[14]。已有少量研究引入通勤者主观偏好的理想通勤时间和感知容忍的可接受通勤时间来揭示通勤满意度的非线性特征。理想通勤时间是指通勤者对从居住地到工作地单程距离所偏好的出行时间,集中分布在10～20 min[15-16];通勤时间容忍阈值或可接受通勤时间则表示通勤者可容忍或可接受的单程最长上班出行时间,主要分布在30～40 min[17-18]。D.Milakis等揭示了出行满意度伴随出行时间呈现非线性关系,即出行满意度在出行时间为15 min之前上升,而在15～30 min和30～45 min呈现两次明显下降[19]。R.N.Ye等证明了通勤满意度呈现以理想通勤时间为界的先上升后下降的非线性特征[20]。P.Humagain等通过路径分析模型得出理想通勤时间对通勤满意度有微弱的正向影响[21]。这些研究结果表明,在探索通勤满意度的影响因素时,有必要考虑人们对通勤时间的实际感知、理想偏好和容忍阈值之间的匹配程度。

本研究旨在揭示实际通勤时间和人们的理想偏好、容忍阈值不匹配时通勤时间、通勤方式对通勤满意度的影响路径。首先通过比较受访者的通勤时间实际值、理想值和容忍阈值,细分出实际值≤理想值、实际值≥容忍值、理想值<实际值<容忍阈值3类通勤时间异质群体;其次比较这3类群体的通勤满意度分布特征,并分析他们的通勤满意度在不同通勤方式之间的统计分布差异;最后构建路径分析模型揭示不同通勤方式群体、不同通勤时间群体对满意度的影响路径。研究结果有助于从通勤个体对通勤时间的偏好和容忍视角来探索通勤服务水平的改善策略,为构建人民满意的城市交通提供参考。

1 研究数据

1.1 样本特征

2020年5月和2021年1月先后在昆明市5个区级行政中心选取8个商业综合体开展问卷调查。经数据清洗,576个有效样本用于本研究(表1)。

表1 样本概况

问卷获取了受访者的通勤方式、通勤时间、职住位置、个体及家庭特征和通勤满意度等信息。通勤方式指受访者从居住地到工作地上班时最常使用的出行方式。通勤方式被划分为慢行交通(步行、骑行)、小汽车(私家车、共享汽车)、电动单车、公共交通(公交车、地铁、单位班车)4类。居住和工作位置是根据受访者填写的小区位置划分出主城区、近郊、远郊3类,在主城区居住或工作的受访者均占总样本的50%左右。受访者中男性略多于女性,样本的年龄分布相对偏年轻,约70%的受访者家中拥有小汽车。概括而言,样本分布情况与昆明市真实现状有一定偏差,但不存在明显的抽样误差。

1.2 通勤满意度测度

通勤满意度是指通勤者对上班出行过程的感知情绪和认知评价。借鉴国内外认可度较高的出行满意度量表测度通勤满意度,该量表围绕情绪和认知测度共设置9个问题[22]。为减轻受访者的测评压力,本研究把问题缩减为7项[23]。R.N.Ye等在西安市的实证研究表明问题缩减后的量表仍然有效[24]。每个问题均设置7个等级水平的测评选项框,分别为-3～3共7个整数,-3表示很不满意,3表示很满意,0表示中立。对576名受访者的通勤满意度数据进行信度检验,得到Cronbach’sα值为0.923,说明量表的内在一致性较好。

576个样本平均通勤满意度为0.78,处于中等且略偏满意的水平。将平均通勤满意度分值为-3.00～0的样本划分为不满意组,占24.13%;分值为0.10～1.00的样本划分为一般满意组,占36.81%;分值为1.10～3.00的样本划分为比较满意组,占39.06%。对这3组样本赋有序分类标签,作为路径分析模型的因变量。

2 构建路径分析模型

路径分析模型作为结构方程模型的一种特殊形式,能同步估计变量之间的直接和间接效应,路径分析模型适用于研究通勤满意度的复杂影响机理[25]。模型由一组同时求解的线性回归方程组成,公式如下:

Y=β0+β1M+β2X+ε3;M=α0+α1X+ε2;

Y=γ0+γ1X+ε1;γ1=β2+α1×β1。

式中:Y表示内生变量的向量;X表示与Y有直接关系的外生变量的向量;M表示X和Y之间的中介向量;α0,β0和γ0表示截距;ε1,ε2和ε3表示线性回归的误差项;α1,β1和β2分别为待估计路径系数;γ1为总效应;β2为直接效应;α1×β1为间接效应。

现有研究主要分析了实际通勤时间对通勤满意度的影响,忽略了通勤者对通勤时间的理想偏好、容忍限度和实际通勤时间不匹配时通勤满意度的群体差异。一般而言,实际通勤时间接近人们的理想通勤时间,通勤满意度就高[20];相反,实际通勤时间超过容忍阈值,人们负面的感知情绪和认知评价就会增加,通勤满意度就低[26]。依此提出研究假设1:当通勤时间的实际值在通勤时间的理想值以内,通勤满意度相对较高;而实际值超过人们的容忍阈值,通勤满意度相对较低;实际值在理想值和容忍阈值之间,满意度居中。为验证假设1,在路径分析模型中构建了通勤时间细分变量直接指向通勤满意度的路径(图1)。以通勤时间的实际值介于理想值和容忍阈值之间的样本为参照组,如果实际值在理想值之内的细分变量和实际值超过容忍阈值的细分变量的直接效应估计系数分别为正数和负数,且统计检验显著,则证明假设1合理。

现有研究主要分析了通勤方式对通勤满意度的直接影响,另外还分析了通勤方式通过通勤时间对通勤满意度的间接影响[21]。然而,不同通勤方式产生的实际通勤时间往往不同,而通勤个体的理想通勤时间、容忍阈值则相对稳定,这意味着不同通勤方式的实际通勤时间和理想通勤时间、容忍阈值的匹配程度会有差异。换句话说,通勤方式除了直接影响通勤满意度外,还很可能通过主、客观通勤时间的差异程度间接影响满意度。依此提出研究假设2:通勤方式直接影响通勤满意度,且通勤方式通过通勤时间细分变量间接影响通勤满意度(图1)。以慢行通勤方式为参照,根据通勤方式指向通勤满意度的直接效应和通过通勤时间细分变量指向通勤满意度的间接效应来检验假设2。

路径分析模型控制了受访者的个体和家庭特征等变量对通勤满意度的影响(图1)。考虑到因居住位置、工作位置不同而通勤时间也有可能会不同,模型还控制了职住位置对通勤时间细分变量的影响。

图1 基于通勤时间细分的通勤满意度路径分析概念模型

3 通勤时间细分和通勤满意度分布

3.1 通勤时间群体细分

已有研究通过设置通勤时间固定分界点把样本划分为短时、中时、长时通勤[27],这样的划分方法忽略了通勤者对通勤时间的主观偏好。近期研究从认知失调视角将通勤个体的实际通勤时间和理想通勤时间相比较后,划分出通勤协调、轻度失调、重度失调3类[28],并分析了理想偏好和实际感知的差异情况对满意度的影响,但通勤个体对通勤时间的容忍限度仍没有被考虑。

为了更全面地理解主、客观通勤时间的差异程度对通勤满意度的影响,本研究将通勤个体的实际通勤时间与其自身的理想通勤时间、通勤时间容忍阈值进行比较,细分出实际通勤时间≤理想通勤时间(群体1)、理想通勤时间<实际通勤时间<通勤时间容忍阈值(群体2)、实际通勤时间≥通勤时间容忍阈值(群体3)3组样本。这样划分同时考虑了通勤个体对通勤时间的理想偏好、容忍阈值与实际感知之间的差异,从而有助于揭示理想通勤时间和容忍阈值对通勤满意度的影响。

3.2 通勤满意度分布情况

通过比较不同通勤方式群体、不同通勤时间群体通勤满意度的平均值和样本占比(表2)发现:慢行交通的平均通勤满意度最高(1.33),电动单车、公共交通、小汽车的平均通勤满意度依次降低,分别为0.75,0.61,0.51。慢行交通的比较满意样本占比最大(55.08%),不满意样本占比最小(11.59%)。小汽车和公共交通的比较满意样本占比接近,分别为32.56%,32.50%,而不满意样本占比分别为31.97%,26.87%。

通勤时间细分群体的平均满意度有差异。通勤时间细分群体1的平均通勤满意度最高(1.27),通勤时间细分群体3的平均通勤满意度最低(0.17),通勤时间细分群体2的平均通勤满意度居中(0.68),平均通勤满意度伴随这3类群体呈现梯度下降的特征。从通勤满意度样本占比分布看,群体1、群体2、群体3的比较满意样本占比依次减少,分别为52.08%,33.03%,28.26%;相反,3个群体的不满意样本占比则依次增加,分别为13.82%,23.08%,42.03%。这些统计数据表明,引入理想通勤时间、容忍阈值来细分通勤时间并研究细分群体的通勤满意度分布特征及影响路径合理且必要。

表2 通勤方式、时间细分群体的通勤满意度分布

3.3 不同方式下通勤时间细分群体的满意度分布

分析不同通勤方式下不同通勤时间细分群体通勤满意度的平均值和样本占比(图2)。4种通勤方式对应不同通勤时间群体的平均通勤满意度都表现为递减趋势,即平均通勤满意度在实际通勤时间小于理想通勤时间时最高,实际通勤时间超过理想时间后下降一个水平,实际通勤时间超过容忍阈值之后再下降一个水平。

图2 不同方式下通勤时间细分群体的满意度分布

具体来看,不同通勤方式通勤满意度的平均值和样本占比对应通勤时间细分群体存在差异。慢行通勤群体的平均通勤满意度(图2a)在理想通勤时间前后无明显差异(1.45-1.34=0.11),而在容忍阈值前后则下降明显(1.34-0.44=0.90)。这可能是步行和骑行受体能限制较强,因而慢行通勤者对长时间通勤更不能容忍。相比另外3种方式,无论在哪一个通勤时间细分群体下,慢行通勤群体的比较满意样本占比最多,不满意样本占比最少。

小汽车通勤群体的平均通勤满意度在实际通勤时间超过理想值(1.22-0.42=0.80)或是容忍阈值(0.42-0.04=0.38)后都下降明显;该类群体不满意样本占比在不同时间群体中依次增加,且当通勤时间超过理想值后,不满意样本占比就已经明显高于比较满意样本占比(图2b)。小汽车通勤不可避免的燃油费和道路拥堵是可能的解释原因。

电动单车通勤群体的满意度平均值在不同通勤时间群体下的递减幅度较为明显,尤其在超过容忍阈值后下降得更显著(0.64-0.03=0.61);电动单车通勤群体不满意样本占比在不同时间群体中依次递增(图2c)。电动单车通勤易受天气或续航里程影响可作为解释原因之一。

公共交通通勤群体的通勤时间在容忍阈值之前的两个分组平均通勤满意度低于慢行和电动单车,而通勤时间超过容忍阈值的分组平均满意度却高于小汽车和电动单车,且此时一般满意和比较满意的样本占比均无明显下降(图2d)。虽然公共交通的通勤时间相对较长,但其对费用和体力均没有形成太大影响,因而公共交通通勤者的感知满意度变化相对平缓。

以上分析说明,通勤方式通过主、客观通勤时间的差异对通勤满意度的变化有解释作用。此外,通勤方式因本身特性对通勤满意度的变化也有一定影响。

4 结果与分析

4.1 模型拟合检验结果

运用AMOS 24.0软件对路径分析模型进行求解。采用残差均方根(RMR)、近似误差均方根(RMSEA)、拟合优度指数(GFI)为绝对拟合度检验指标;采用规范拟合指数(NFI)、比较拟合指数(CFI)、增值拟合指数(IFI)为增值拟合度检验指标[29]。除RMSEA外,其余各项拟合检验指标的实际值均满足标准值要求(表3),表明模型拟合度较好。

4.2 模型估计结果

根据路径系数及其显著性的估计结果(表4)得出:相比理想通勤时间<实际通勤时间<通勤时间容忍阈值的细分变量,实际通勤时间≤理想通勤时间的细分变量对通勤满意度的路径系数为正(0.131),而实际通勤时间≥通勤时间容忍阈值的细分变量对通勤满意度的路径系数为负(-0.111),有效验证了研究假设1。表明用通勤者的主观通勤时间界点对实际通勤时间进行细分后的不同通勤群体的通勤满意度有显著差异,相比通勤时间细分群体2,群体1的通勤满意度相对更高,而群体3的通勤满意度则相对更低。这验证了通勤者的理想通勤时间、容忍阈值与实际通勤时间的差异程度对其通勤满意度有不同程度的直接效应。

表3 路径分析模型的检验结果

表4 模型路径系数的估计结果 Tab.4 Estimated result of the path coefficient of the model

不同通勤方式属于不同通勤时间细分群体的概率存在显著差异。以慢行通勤方式为参照,相比通勤时间细分群体2,小汽车、电动单车和公共交通通勤用户属于通勤时间细分群体1的可能性更低,而属于通勤时间细分群体3的可能性则更高。这些估计结果说明慢行通勤方式的实际通勤时间相对最短,小于人们理想通勤时间的可能性最大,而另外3种通勤方式的实际通勤时间相对更长,其中,小汽车的实际通勤时间超过人们的通勤时间容忍阈值的可能性最大,公共交通紧随其后。

通勤方式对通勤满意度有显著的直接效应。相比慢行通勤,小汽车、电动单车和公共交通与通勤满意度均呈显著负相关,路径系数分别为-0.187,-0.114,-0.146,说明步行和骑行相较于其他通勤方式能给人们带来更高的通勤满意度,而公共交通和小汽车的通勤满意度相对较低,电动单车的通勤满意度居中。

相较于工作位置在远郊的通勤者,主城区、近郊的通勤者对通勤满意度的路径系数分别为0.148,0.103,表明工作在主城区或近郊的通勤者感知到的通勤满意度更高的可能性高于工作在远郊的通勤者。

4.3 通勤方式对通勤满意度的间接效应

为验证研究假设2,本研究还关注出行方式变量通过通勤时间细分变量对满意度的间接效应。根据估计结果得到通勤方式对通勤满意度的直接效应、间接效应和总效应之间的关系(表5)。3种通勤方式对通勤满意度的总效应均由通勤方式本身的直接效应和通过通勤时间细分变量的间接效应构成,说明通勤方式对通勤满意度的影响路径受通勤时间细分变量的中介影响,这有效验证了研究假设2。

表5 模型中介效应的估计结果

具体来看,以慢行交通为参照,相比理想通勤时间<实际通勤时间<通勤时间容忍阈值分组,小汽车对通勤满意度的总效应(-0.256)由实际通勤时间≤理想通勤时间分组的间接效应(-0.041)、实际通勤时间≥通勤时间容忍阈值分组的间接效应(-0.028)和小汽车的直接效应(-0.187)构成。同理,电动单车和公共交通对通勤满意度的总效应也类似计算。总之,通勤方式对通勤满意度的影响既受到方式本身特性的直接效应影响,还受到主、客观通勤时间差异程度的间接效应影响。

5 结论、建议与讨论

5.1 结论

(1)3类不同通勤时间细分群体的通勤满意度有明显差异。按实际通勤时间小于等于理想通勤时间(群体1)、实际通勤时间在理想通勤时间和容忍阈值之间(群体2)、实际通勤时间大于等于容忍阈值(群体3)进行依次排序,这3类细分群体的平均通勤满意度梯次下降。

(2)通勤时间细分变量对通勤满意度有显著直接影响。以群体2为参照,群体1的通勤满意度更高的可能性更大,而群体3的通勤满意度更低的可能性更大。

(3)通勤方式对通勤满意度有直接影响,以慢行交通为参照,电动单车、公共交通、小汽车的通勤满意度依次降低。通勤方式还通过通勤时间的中介效应对通勤满意度有间接影响。

(4)工作位置对通勤满意度有显著影响,相比于远郊,在近郊、主城区工作的通勤者的通勤满意度更高。

5.2 建议

(1)根据通勤者对通勤时间的实际感知、理想偏好和容忍阈值的匹配程度对通勤满意度的影响,建议构建合理出行时间范围的通勤圈,以理想通勤时间作为通勤系统优化的目标之一来提升通勤满意度,并以容忍阈值作为城市通勤圈的约束边界之一尽量不要突破,以防通勤满意度严重下降。

(2)根据通勤方式对通勤满意度的影响,建议持续改善慢行交通系统,引导短距离通勤者使用步行、骑行等方式去上班;不断优化公共交通服务水平,吸引更多通勤者从小汽车转移至公共交通通勤。

(3)根据工作位置对通勤满意度的影响,建议持续优化城市空间结构和通勤系统的适配性,不断改善不同空间区域通勤人群的上班出行满意度。

5.3 讨论

本研究的局限之处在于抽样数据存在一定偏差,且样本只限于昆明市,未来可改进调查方法和扩大抽样范围来进一步揭示通勤满意度的群体差异和共性特征。