考慮群體差異的低碳出行意向與行為一致性研究

徐標，路慶昌*，徐鵬程，崔欣，杜長皓

（1.長安大學 電子與控制工程學院，陜西 西安 710064；2.魯西化工集團股份有限公司，山東 聊城 252000）

隨著經濟和城市化的快速發展，小汽車保有量和居民日常出行需求不斷增加，交通碳排放引起的環境問題日益突出［1］。據估計，到2030 年與全球城市交通相關的CO2年增長率將達1.7%，而發展中國家的增長率將達3.4%［2］。因此，倡導居民低碳出行，實現節能減排是保障城市交通和環境協調發展的關鍵［3］。近年來，我國提出了“雙碳”目標這一可持續發展戰略，出臺了一系列交通政策鼓勵居民低碳出行，包括小汽車的限行限購、出租車費用的增加、乘坐公共交通和共享單車的優惠等［4］?，F有研究表明，低碳政策可有效提高居民低碳出行意向，但對于低碳出行行為的形成仍然有限［5］。

從已有研究看，探究居民低碳出行的影響因素一直是學者關注的焦點。HU 等［6］基于擴展的計劃行為理論（theory of planned behavior，TPB）分析了影響年輕人低碳出行意向的因素，發現低碳態度和環境意識對低碳出行行為具有顯著的積極影響。陳堅等［7］也通過公交出行的TPB 模型論證了環境意識等因素對低碳出行方式具有顯著影響。馬壯林等［4］則在TPB 的基礎上結合多指標多原因（multiple indicators multiple cause，MIMIC）模型分析了限行政策對低碳出行意向的影響，研究結果證明了居民對政策的態度直接影響低碳出行的意向，并且受個人社會經濟屬性的調節。此外，也有學者利用離散選擇模型分析低碳行為決策。如BAI 等［8］利用混合多項式Logit 模型分析環境意識水平、社會人口經濟屬性以及出行特征對低碳出行方式選擇的影響，發現環境意識水平、私家車和自行車擁有量以及通勤距離等因素均影響居民對于電動自行車的選擇。另有研究基于TPB 證明了低碳出行意向對低碳選擇行為具有顯著的積極影響［9］。結合以上研究，影響低碳出行意向和行為的因素基本明確，但如何影響低碳意向與行為一致性仍然未知。UNSWORTH 等［10］認為，人的主觀意向無法完全向行為轉變，兩者仍存在一定差距。JIA 等［11］從低碳出行的角度發現城市居民選擇低碳交通方式的意向與行為存在不一致。綜上可知，目前對低碳出行意向與行為一致性形成原因及影響因素尚不清楚，僅通過促進低碳意向的形成或采取措施干預出行行為并不能保證居民在低碳出行問題上的知行合一。

一方面，居民低碳意向與行為不僅受多因素驅動，而且具有城市和群體異質性。從城市層面看，SUN 等［12］認為，城市形態與人類出行活動所引起的碳排放密切相關，并綜合北京、武漢、西安和上海4 個中心城市的案例研究城市形態與CO2排放之間的關系，發現城市的區域經濟、形態結構、主觀規范以及人口數量均會產生不同程度的溫室氣體。JIA 等［11］從北京、杭州和濟南市居民的問卷調查數據中發現，不同城市居民低碳通勤方式的意向存在顯著差異。另一方面，低碳出行的群體異質性同樣不可忽視。CHEN 等［13］通過對天津市居民低碳出行的調查分析發現，40 歲以下群體相較其他年齡群體選擇公共交通的低碳行為受主觀規范等情境因素的影響更明顯。此外，年輕人較其他年齡群體對公共交通等低碳出行方式的接受度高，因為他們更關注環境與氣候變化［14］。老年群體受生活習慣和節儉消費方式的約束，對低碳能源使用的認知度更高［15］。對比上述研究發現，低碳出行意向與行為具有城市和群體差異，進一步明確低碳出行意向與行為一致性在群體間的差異將有利于制定更具針對性的低碳政策。

綜上所述，已有研究對居民低碳意向與行為一致性的影響因素及機理分析有限，忽視了對群體異質性及其影響因素的分析。本文在已有研究基礎上，基于城市居民低碳出行問卷調查數據，采用分組雙變量Probit 模型和組間平均邊際效應（average marginal effect，AME）探究不同城市和群體間低碳出行意向與行為一致性的影響因素，從而為政府及相關部門制定低碳交通政策提供科學依據。

1 低碳意向與行為分析

1.1 低碳意向與行為一致性的理論架構

1.1.1 低碳出行影響因素分析

低碳出行的影響因素研究主要分3 個階段：第1階段是基于社會人口因素和出行特征的研究。MA等［16］的研究表明，性別、年齡、收入、是否擁有小汽車等個人屬性特征對低碳交通方式的選擇具有顯著影響，并結合出行距離特征發現，老年群體多為短距離出行，更傾向于選擇低碳交通方式。第2 階段是對以TPB 為主導的三要素（態度、主觀規范、知覺行為控制）的研究。LIU 等［17］探究了態度、主觀規范這兩類心理因素對低碳出行意向的影響，發現積極的態度和規范可以顯著提升居民低碳出行意愿；LI等［18］研究發現，TPB 中的知覺行為控制較態度和主觀規范對個體低碳行為的影響小。第3 階段是對TPB 擴展因素的研究。LI 等［19］認為，環境意識作為TPB 以外的主觀因素對個體使用低碳交通工具的意愿有積極影響。此外，低碳出行還受社會環境的影響，GENG 等［2］研究發現，低碳政策對引導個體低碳出行具有積極作用。

綜上所述，個人屬性、出行特征、低碳態度、主觀規范、政策支持、環境意識六類要素對低碳意向與行為影響顯著，本文將進一步探究其對低碳出行意向與行為一致性的影響。各類要素的含義如下：

（1）個人屬性，通常包含性別、年齡、學歷、收入、是否擁有私家車和駕駛證。

（2）出行特征，主要包含居民的出行時間和出行距離，由于出行時間受交通路況的影響，因此將出行距離作為出行特征的衡量指標。

（3）低碳態度，在TPB 中，指對某一行為所抱有的正面或負面的看法；在低碳研究領域，則指對低碳交通方式的認識以及價值的估計。

（4）主觀規范，在TPB 中，指個體在采取某一行為時所感受到的社會壓力；在低碳研究領域，則指社會氛圍和周圍的人對個體采用低碳交通方式的影響。

（5）政策支持，指政府采取低碳交通政策后對個體低碳出行的影響，用個體對低碳交通政策的認同程度衡量。

（6）環境意識，指個體對環境問題的重視程度和對低碳出行與解決碳排放等環境問題關系的認知。

1.1.2 概念框架構建

TPB 指出，個體行為受意向的影響，但個體行為并非完全等同于意向，兩者仍存在一定的差距，尤其對于親環境行為［10］，因此本研究將聚焦于探究低碳出行意向和行為一致性的關鍵因素。此外，大、中、小城市的城市形態和社會環境不同，老、中、青群體的身體和心理特征存在差異，這些將導致個體屬性、主觀意識規范、行為決策等不一致?；诖?，進一步揭示低碳出行意向與行為及其影響因素在不同城市和代際中的差異，最終構建如圖1 所示的低碳出行意向與行為一致性的概念框架。由圖1 可知，低碳行為受低碳意向影響，通常表現為一致性，即個體具有低碳出行意向，同時在現實生活中以低碳交通方式出行，但受六類要素的影響，低碳出行意向與行為間存在差異，并且此影響關系和差異在城市和群體間具有異質性。

圖1 低碳出行意向與行為一致性概念框架Fig.1 Conceptual framework for low-carbon travel intention-behavior consistency

1.2 問卷設計與分析

1.2.1 問卷設計內容

首先讓被調查者填寫日常出行所用的交通工具和年齡，將年齡劃分為18～39 歲、40～59 歲、60 歲及以上3 個區間。根據交通工具將出行行為劃分為低碳和非低碳兩類，低碳交通方式主要包括步行、自行車、電動車以及公共交通，非低碳交通方式則包括私家車、出租車、網約車。

問卷題項包含兩部分：第1 部分為對居民個人屬性、出行特征的調查，其中個人屬性涉及性別、學歷、居住地、月收入、是否擁有私家車和駕駛證；出行特征為居民通勤的距離，以5 km 為間隔設計4 個區間（短距離、中距離、中遠距離、遠距離），調查居民從家到工作地點對應的距離范圍［8］。第2 部分為意向偏好（stated preference，SP）調查，包括低碳態度、環境意識、主觀規范、政策支持和低碳出行意向。低碳態度的設計參照LI 等［19］開發的量表，針對低碳出行方式的特征感受、對低碳出行方式的認同感以及低碳出行方式與居民日常需求的關系，設計了“低碳出行方式是舒適和享受的”“低碳出行方式值得被鼓勵”和“低碳出行方式滿足日常需求”3 個題項；環境意識參照ZHU 等［20］的研究，基于環境問題與生存的關系、低碳出行與解決環境問題的關系以及個體對于保護環境的責任感，共設計了“碳排放引起的環境問題與人類生存相關”“低碳出行可以解決環境問題”和“你有通過低碳出行來保護環境的責任感”3個題項；結合主觀規范含義和FU 等［21］開發的量表，從“周邊人的低碳出行習慣”“身邊人促使個體低碳出行”“社會低碳氛圍促進個體低碳出行”三方面設計量表；參照WANG 等［22］的研究，從“小汽車的限行會促進個體低碳出行”“乘坐出租車費用的增加會促進個體低碳出行”“政府對低碳出行的支持會鼓勵個體低碳出行”三方面測量個體受政策支持的影響。參照LIU 等［23］的研究，由“未來出行采用低碳交通方式的意愿”探究個體低碳出行的意向。所有題項均采用李克特五級量表測量：非常不贊同（1）、不贊同（2）、一般（3）、贊同（4）到非常贊同（5），被調查者可選擇與自己意見相符的選項。

1.2.2 數據收集與描述

通過問卷星在線平臺（http：//www.sojump.com）調查，該平臺已被廣泛使用［24］。為確保所收集的數據具有代表性，結合JIA 等［11］跨城市的問卷調查方法和樣本量標準，使用問卷星在線平臺的樣本服務，隨機選擇上海市、江蘇省南京市和廣東省中山市不同性別、年齡、收入、婚姻狀況、學歷和職業的人群，問卷調查時間為2020 年3 月2 日至7 月21 日，共收集到1 481 份問卷，剔除答題重復率高和回答時間較短的無效問卷，最終得到1 263 份有效問卷，其中上海市538 份、南京市446 份、中山市279 份，有效率為85.3%?？紤]未成年人出行方式單一，限制18 歲以下的居民答題，最終得到的兩部分內容描述分別如表1 和表2 所示。表1 中N 為樣本量，各城市和群體樣本量中的男女比例接近第七次人口普查［26］的數據統計范圍，男性為50%～60%，女性為40%～50%。此外，高收入、擁有私家車和遠距離通勤的居民，上海市占比較高、南京市次之、中山市相對較低，這與城市的經濟和面積差異相符。在3 個城市樣本中，老年、中年、青年群體的占比均在20%以上，不同學歷人群占比均在15%以上，說明各城市樣本中不同社會背景的人群均占一定比重。

表1 個人屬性及出行特征描述統計Table 1 Descriptive statistics of personal attributes and travel characteristics單位：%

表2 偏好問題描述Table 2 Descriptive for preference question

1.2.3 數據處理與分析

為保證建模分析的可靠性，通過SPSS 軟件對問卷中量表的信度和效度進行了檢驗。首先通過KMO 和Bartlett 檢驗量表的結構效度，然后判斷樣本數據是否適合做因子分析。結果顯示，KMO 值為0.886（＞0.7），且Bartlett 球形度檢驗的顯著性水平小于0.01，表明量表具有良好的結構效度。另外，對量表進行Cronbach's d 檢驗，結果顯示，低碳態度為0.812，環境意識為0.728，主觀規范為0.853，政策支持為0.735，所有分量表的系數均大于0.7，說明樣本量表具有較高的可靠性［27］。由于潛變量涉及多個問題項，采用K-means 聚類算法對低碳態度、環境意識、主觀規范和政策支持的強弱進行分類，按照不同聚類數的Silhouette 指標值，將樣本中每個潛變量劃分為兩類，分別用0（不強烈）和1（強烈）表示。11 個解釋變量之間的相關性描述如圖2 所示。由圖2 可知，有無駕駛證與有無私家車、低碳態度與環境意識之間的相關性較高，相關系數分別為0.69 和0.68。為避免解釋變量間多重共線性對模型的影響，使用方差膨脹因子（variance inflation factor，VIF）對各變量的獨立性進行了檢驗，結果如表3 所示。由表3 可知，在所有解釋變量中，VIF 最大為1.71，遠小于10，說明各變量間不存在顯著的多重共線性［11］。

表3 VIF 檢驗結果Table 3 Results of VIF test

圖2 解釋變量之間的相關性Fig.2 Correlations between explanatory variables

1.3 低碳出行意向與行為統計分布

問卷數據中低碳出行行為為二分類變量，低碳出行意向采用李克特五分法測量。為進一步分析低碳出行意向與行為的一致性及差異，將低碳出行意向對應選項中選擇贊同和非常贊同的樣本設為1，其他樣本設為0，最終統計有無低碳出行意向和行為的樣本，得到如圖3 所示的分布圖。由圖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為轉變的僅占12.6%，表明大多數居民的低碳出行意向與行為仍然存在差距。

圖3 居民低碳出行意向與行為占比Fig.3 Proportion of low-carbon travel intention and behavior of residents

為比較群體間低碳出行意向與行為的差異，對不同城市（上海、南京、中山）和不同年齡群體（青年、中年、老年）的低碳意向與行為進行了統計，如圖4 所示。由圖4 可知，老年群體相較其他年齡群體，有低碳出行行為的比例更高，達66%。盡管在青年群體中60%具有低碳出行意向，但仍有33%并沒有選擇低碳出行方式。此外，不同城市樣本的統計結果顯示，一線城市上海無低碳出行行為的比例達70%，高于二、三線城市，其中有低碳出行意向的比例大于50%，達總樣本的38%。由此可知，居民低碳出行的意向與行為尚不一致，且在城市和群體間差異顯著。

圖4 低碳出行意向與行為的群體分布Fig.4 Group distribution of low-carbon travel intentions and behaviors

以上所反映的城市和群體差異可能與表1 中青年群體、一線城市居民擁有私家車、一線城市通勤距離較遠等有關，因此有必要進一步探究影響不同群體低碳出行意向與行為一致性的關鍵因素。

2 低碳意向與行為一致性模型

2.1 雙變量Probit 模型構建

通過對問卷調查數據的分析處理，低碳出行意向與行為最終均轉化為二分類變量，因此采用概率模型對低碳出行意向與行為建模。根據TPB，人們的意向與行為存在一定的關聯，若使用單變量Probit 模型或Logit 模型分別對意向和行為建模，可能會忽視方程間隨機擾動項的影響，而雙變量Probit 模型對內生相關變量的聯合估計表現出良好的性能［28］。因此，為提升估計結果的可靠性，采用雙變量Probit 模型分析低碳出行意向與行為之間的相關性及影響因素。模型的自變量為居民的個人屬性、出行特征、環境意識、低碳態度、政策支持、主觀規范，因變量為低碳出行意向和行為。模型對應的效用函數為

其中，I*和B*分別為不可觀測的意向與行為變量為模型中的n 維解釋變量，n 為解釋變量數，β1n和β2n為待估計參數，ε1和ε2為隨機擾動項，服從二維聯合正態分布，分布函數為

其中，r 為ε1和ε2的相關系數，正態分布函數的期望為0，方差為1。低碳意向與行為的觀測變量由方程

確定，其中，當有低碳意向和行為時，I 和B 為1，否則為0。當相關系數r 不為0 時，可計算觀測變量的聯合取值概率，并利用極大似然法估計未知參數，計算式為

其中，p11為低碳出行意向與行為一致的概率，φ(z1，z2，r)為二維標準正態分布概率密度函數，為二維標準正態累積分布函數。

2.2 模型估計結果及分析

由圖4 知，低碳意向與行為存在不一致的情況，并且群體差異顯著。用Stata 17.0 軟件進行分組雙變量Probit 分析，以此構建不同城市和群體中各要素與低碳出行意向和行為及其一致性的影響關系模型，模型的估計結果如表4 和表5 所示。由表4 和表5 可知，各組模型的Wald 卡方檢驗在1%的信度水平下顯著，表明因變量之間內生相關［28］，因此選擇雙變量Probit 模型是合理的。此外，athrho 值同樣具有顯著性，說明模型對樣本數據的擬合效果較好。

表4 不同城市的估計結果Table 4 Estimated results for different cities

表5 不同代際的估計結果Table 5 Estimated results for different generations

2.2.1 不同城市組的結果分析

表4 顯示了個人屬性中的月收入、有無私家車和有無駕駛證對上海市居民低碳出行意向與行為一致性的影響顯著，并且對應參數為負值。然而，在南京市和中山市的樣本組中，這些要素盡管與低碳出行意向存在一定關聯，但對低碳出行意向與行為一致性無顯著影響?？赡茉颍阂环矫?，對于一線城市上海而言，擁有私家車和駕駛證以及遠距離通勤的人更多，在日常出行時可能并不會本能地選擇低碳交通方式。另一方面，中、小型城市居民出行需求相對較少，日常交通費用占比很小，平均出行距離相對較短，且公共交通擁堵不如大城市嚴重，居民對私家車的依賴程度低，進而導致這些因素與低碳行為無關。此外，學歷的影響也存在城市差異，學歷對二、三線城市居民低碳出行意向與行為一致性具有積極的顯著影響，這表明學歷的提升會增加居民低碳出行的概率。然而，在上海市的樣本中，學歷僅與低碳出行意向有關，對低碳出行意向與行為一致性無顯著影響，可以推斷大城市高學歷人群盡管具有低碳出行意向，但在面對通勤時間壓力和公共交通擁堵時，仍無法保證對低碳交通方式的忠誠度。其他個人屬性特征，如性別和年齡對不同城市居民低碳出行意向和行為的影響較小。

對于主觀因素和TPB 因素而言，環境意識對不同城市居民低碳出行意向均具有正面影響，這一結果支持了劉建榮等［28］的結論，但本研究進一步發現，環境意識和低碳出行意向與行為一致性無顯著關聯，這意味著環境意識的提升并不能顯著提高居民低碳出行的概率。此外，低碳態度、政策支持和主觀規范顯著影響3 個城市居民的低碳出行意向與行為，這與何耀等［29］針對大、中型城市居民低碳出行行為的研究結果相似。本文在進一步探究各要素對低碳出行意向與行為一致性的影響后發現，低碳態度、政策支持和主觀規范對低碳出行意向與行為一致性同樣具有積極影響，但對不同城市居民的影響存在差異。低碳態度對上海市和中山市兩地居民低碳出行意向與行為一致性的影響較中型城市南京更顯著，這可能是因為大型城市公共交通系統發達，居民日常出行可選擇乘坐地鐵或公交，而對于小型城市，日常通勤距離較短，居民更傾向于選擇自行車和電動車等安全舒適的低碳交通方式，這也能解釋通勤距離對中山市居民低碳出行意向與行為一致性的負向影響。政策支持和主觀規范對南京市居民低碳出行意向與行為一致性的影響較上海市和中山市更顯著。

2.2.2 不同群體組的結果分析

表5 結果顯示，個人屬性對不同群體低碳出行意向與行為的影響也具顯著差異。首先，性別與中、青年群體低碳出行意向與行為呈負相關，表明中、青年女性較男性的低碳出行意向與行為一致性概率更高，這與BELAID 等［30］認為的女性比男性的環境責任感更強、低碳行為更加積極主動等結論相符。然而，老年群體性別與低碳出行意向呈負相關，與低碳出行行為并無顯著關聯，這可能是因為在老年群體中男性和女性日常均以步行為主休閑出行，在交通方式的選擇上無明顯差異。其次，年齡對青年群體和老年群體的低碳出行行為具有顯著影響。從影響關系看，年齡對青年群體的低碳出行行為具有正向影響，但對老年群體的低碳出行行為具有負向影響?？赡艿慕忉屖请S著年齡的增大，青年群體的財富不斷積累，在出行過程中會傾向于選擇成本高、耗時低的高碳出行方式。而對于老年群體，年齡的增大意味著身體活動能力的下降，在日常出行中會選擇步行、自行車等更加安全的交通方式。此外，月收入、有無私家車、有無駕駛證對青年群體低碳出行行為具有顯著的負向影響，此結果將有利于指導低碳交通政策的實施。最后，學歷雖與不同群體的低碳出行意向顯著相關，但對低碳出行行為并無顯著影響。

對主觀因素和TPB 因素，低碳態度對不同年齡群體低碳出行意向與行為均具有顯著的積極影響，這符合以往基于TPB 的研究結果［19］，但本研究對于低碳出行意向與行為一致性的估計進一步證明了低碳態度有利于消除低碳出行意向與行為之間的差距。從平均邊際效應的大小及顯著程度看，相較青年群體，低碳態度對中、老年群體低碳出行意向與行為一致性的影響更顯著。此外，主觀規范對老年群體的低碳出行意向與行為一致性具有顯著影響，而與青年群體的低碳行為無顯著關聯，這表明年輕人在選擇低碳出行時不易受周圍環境影響，這與HU 等［6］針對年輕人的低碳出行行為研究結果一致。相較老年群體，環境意識對中、青年群體低碳出行的影響更顯著，并且對應參數為正值，這可能是中、青年群體對環境變化更敏感，在面對環境污染和氣候變化時選擇低碳出行來改善環境問題。政策支持顯著促進中年群體的低碳出行意向與行為，這也為特定人群低碳政策的制定提供了一定的理論依據。

2.3 組間平均邊際效應分析

通過對表4 和表5 的分析，發現各要素對不同城市和群體低碳出行意向與行為一致性影響差異化顯著。為進一步比較其對不同群體低碳出行異質化的貢獻度，計算了各要素對應的組間平均邊際效應差，并采用選擇自助法（Bootstrap）檢驗平均邊際效應差的顯著性，結果如圖5 所示。

圖5 組間平均邊際效應差Fig.5 Average marginal effect difference between groups

圖5（a）～（c）分別描述了老、中、青群體的組間平均邊際效應差。從圖中可以看出，有無私家車、年齡和月收入對應的組間平均邊際效應差均為負值，并且在5%和10%的信度水平上顯著。其中，有無私家車對應的平均邊際效應差最顯著（圖5（b）），相關參數（Δp11=-0.217，p ＜0.05）表明，擁有私家車的青年群體較老年群體低碳出行意向與行為一致的概率降低了21.7%。類似地，圖5（c）的結果（Δp11=-0.177，p ＜0.10）也表明，擁有私家車的中年群體較老年群體低碳出行意向與行為一致的概率低17.7%。因此可以考慮對中、青年群體采取提高私家車購買成本及限行限購等措施促進其低碳出行。此外，政策支持和環境意識對應的平均邊際效應差表明（圖5（a）（c）），相較青、老年群體，中年群體中政策支持者和環境意識較高者低碳出行意向與行為一致的概率更高。因此政府應加強低碳出行政策在中年群體中的實施力度，并通過教育的方式傳遞綠色環保理念，以期引導中年群體積極參與低碳出行。由圖5（b）和圖5（c）可知，主觀規范對應的組間平均邊際效應差顯著，估計結果表明，在老年群體中受主觀規范影響者低碳出行意向與行為一致的概率分別較中年和青年群體高5.2%和4.5%。因此建議通過政府積極宣傳和低碳社區建設引導老年群體低碳出行。

圖5（d）～（f）分別描述了一、二、三線城市的組間平均邊際效應差。首先，從圖5（d）和圖5（e）中可以看出，月收入、有無私家車和有無駕駛證對應的組間平均邊際效應差在一線和二線、一線和三線城市間為顯著負值，表明相較二、三線城市，一線城市高收入人群、擁有私家車和駕駛證者會顯著降低低碳出行的概率。因為對于一線城市居民，整體收入和小汽車保有量相對較高，在日常出行中傾向選擇低碳交通方式的較少。因此建議在大型城市中增加對高收入人群的政策干預，如增加小汽車出行的通行稅和限制駕駛證異地使用。此外，低碳態度對應的組間平均邊際效應差在一線和二線、一線和三線城市間為顯著正值，說明低碳態度對提高一線城市居民低碳出行意向與行為一致的概率更明顯。政府部門應加大一線城市公共交通系統和共享出行服務的優化力度，提高居民對低碳交通方式的滿意度。其次，由圖5（f）的結果可知，相較三線城市，二線城市中政策支持者低碳出行意向與行為一致的概率增加了6.5%，因此地方政府應加大中型城市低碳政策的扶持力度，如出臺購買新能源汽車的優惠政策等，同時進一步加強公共交通優先政策，提高人們低碳出行的意愿和概率。最后，從圖5（e）和圖5（f）中可以看出，通勤距離對應的組間平均邊際效應差為顯著正值，表明相較一、二線城市，三線城市遠距離通勤者低碳出行意向與行為一致的概率更低，因為三線城市的公共交通和道路網絡并不發達，遠距離通勤更依賴私家車等非低碳交通方式。因此建議完善小型城市的道路結構體系，優化城市公交線網，提高公共交通接駁效率，提升低碳出行方式的便捷性。

3 結論

在TPB 基礎上，基于雙變量Probit 模型探究了不同城市和不同年齡群體間居民低碳出行意向與行為一致性的影響因素及差異，結論如下：

（1）城市居民低碳出行意向與行為仍未達成統一，相當一部分居民的低碳意向并未完全落實到日常的通勤行為中。比較不同城市和群體的低碳意向與行為發現，在一線城市（上海）和青年群體樣本中，兩者不一致的人群比例較高，在二線城市（南京）和老年群體樣本中低碳出行意向與行為的差距較小。

（2）從城市層面看，主觀規范、政策支持和低碳態度對一、二、三線城市居民低碳出行意向與行為一致性均具有積極影響。此外，不同城市個人屬性和出行特征對一致性的影響差異顯著。一線、二線城市擁有私家車的居民低碳出行意向與行為一致的概率較三線城市分別低12.9%和17.5%。通勤距離每增加一個單位，三線城市居民低碳出行意向與行為一致的概率較一線、二線城市分別降低2.6% 和4.8 %。

（3）從不同群體層面看，低碳態度是影響群體低碳出行意向與行為一致性的關鍵因素，而學歷與群體的低碳出行意向與行為一致性均無顯著關聯。其他因素對一致性影響具有顯著的群體差異。其中，擁有私家車的中、青年群體較擁有私家車的老年群體低碳出行意向與行為一致的概率分別低17.7%和21.7%。另外，環境意識有利于促進中、青年群體低碳出行意向與行為一致性的形成，主觀規范和低碳政策對中、老年群體的低碳出行意向與行為一致性具有積極影響。

（4）低碳交通政策建議。政府相關部門應控制大型城市和青年群體高收入人群私家車和駕駛證的使用。同時，加大中型城市和中年群體的低碳政策扶持力度，提高中年群體的節能環保意識。另外，應加強低碳社區建設和擴大低碳文化在老年群體社交網絡中的傳播，優化小型城市的公共交通線網結構，提高出行效率，以促進更多居民由低碳出行意向向低碳出行行為轉變。

本文探究了個人屬性、出行特征和主觀心理因素對居民低碳出行的影響，未來研究還應考慮外在環境等客觀因素的影響，從而制定更加完善的低碳出行意向與行為決策框架。