基于通勤時間細分的通勤滿意度影響路徑研究
——以昆明市為例

楊建坤，何明衛，何 民，張小七，吳禹順

(1.昆明理工大學 交通工程學院,昆明 650500; 2.昆明學院 機電工程學院,昆明 650214)

0 引言

提高居民幸福感是城市高質量發展的應有內涵[1]。作為評價居民幸福感的關鍵指標,通勤滿意度與身心健康、生活質量和主觀幸福感息息相關[2-4]。掌握通勤滿意度的影響因素及其作用路徑,對提高城市通勤質量、構建宜居幸福城市至關重要。通勤屬性、城市形態、職住關系和主觀態度等變量均已被證明對通勤滿意度有影響[5-7]。在通勤屬性中,通勤時間、通勤方式和通勤滿意度之間的影響關系一直是討論的焦點[8-9]。

L.E.Olsson等研究表明,通勤時間越長,通勤滿意度越低[10]。趙明宇等卻發現通勤滿意度在通勤時間為10～30 min之內最高[11]。P.Antonio等研究發現步行和騎行的通勤滿意度高,而開車和乘公交的通勤滿意度低[12]。E.St-Louis等調查研究了6種出行方式的通勤滿意度分布差異及影響因素[13]。這些研究成果展示了通勤時間和出行方式對通勤滿意度的影響,但沒有從通勤個體對通勤時間的偏好和容忍視角來分析通勤滿意度的群體差異,也還未嘗試整合通勤方式和主、客觀通勤時間來探索通勤滿意度的影響路徑。

根據消費滿意理論,通勤滿意度可理解為個體對通勤服務水平的主觀期待和實際感知匹配程度所產生的情緒體驗和認知評價[14]。已有少量研究引入通勤者主觀偏好的理想通勤時間和感知容忍的可接受通勤時間來揭示通勤滿意度的非線性特征。理想通勤時間是指通勤者對從居住地到工作地單程距離所偏好的出行時間,集中分布在10～20 min[15-16];通勤時間容忍閾值或可接受通勤時間則表示通勤者可容忍或可接受的單程最長上班出行時間,主要分布在30～40 min[17-18]。D.Milakis等揭示了出行滿意度伴隨出行時間呈現非線性關系,即出行滿意度在出行時間為15 min之前上升,而在15～30 min和30～45 min呈現兩次明顯下降[19]。R.N.Ye等證明了通勤滿意度呈現以理想通勤時間為界的先上升后下降的非線性特征[20]。P.Humagain等通過路徑分析模型得出理想通勤時間對通勤滿意度有微弱的正向影響[21]。這些研究結果表明,在探索通勤滿意度的影響因素時,有必要考慮人們對通勤時間的實際感知、理想偏好和容忍閾值之間的匹配程度。

本研究旨在揭示實際通勤時間和人們的理想偏好、容忍閾值不匹配時通勤時間、通勤方式對通勤滿意度的影響路徑。首先通過比較受訪者的通勤時間實際值、理想值和容忍閾值,細分出實際值≤理想值、實際值≥容忍值、理想值<實際值<容忍閾值3類通勤時間異質群體;其次比較這3類群體的通勤滿意度分布特征,并分析他們的通勤滿意度在不同通勤方式之間的統計分布差異;最后構建路徑分析模型揭示不同通勤方式群體、不同通勤時間群體對滿意度的影響路徑。研究結果有助于從通勤個體對通勤時間的偏好和容忍視角來探索通勤服務水平的改善策略,為構建人民滿意的城市交通提供參考。

1 研究數據

1.1 樣本特征

2020年5月和2021年1月先后在昆明市5個區級行政中心選取8個商業綜合體開展問卷調查。經數據清洗,576個有效樣本用于本研究(表1)。

表1 樣本概況

問卷獲取了受訪者的通勤方式、通勤時間、職住位置、個體及家庭特征和通勤滿意度等信息。通勤方式指受訪者從居住地到工作地上班時最常使用的出行方式。通勤方式被劃分為慢行交通(步行、騎行)、小汽車(私家車、共享汽車)、電動單車、公共交通(公交車、地鐵、單位班車)4類。居住和工作位置是根據受訪者填寫的小區位置劃分出主城區、近郊、遠郊3類,在主城區居住或工作的受訪者均占總樣本的50%左右。受訪者中男性略多于女性,樣本的年齡分布相對偏年輕,約70%的受訪者家中擁有小汽車。概括而言,樣本分布情況與昆明市真實現狀有一定偏差,但不存在明顯的抽樣誤差。

1.2 通勤滿意度測度

通勤滿意度是指通勤者對上班出行過程的感知情緒和認知評價。借鑒國內外認可度較高的出行滿意度量表測度通勤滿意度,該量表圍繞情緒和認知測度共設置9個問題[22]。為減輕受訪者的測評壓力,本研究把問題縮減為7項[23]。R.N.Ye等在西安市的實證研究表明問題縮減后的量表仍然有效[24]。每個問題均設置7個等級水平的測評選項框,分別為-3～3共7個整數,-3表示很不滿意,3表示很滿意,0表示中立。對576名受訪者的通勤滿意度數據進行信度檢驗,得到Cronbach’sα值為0.923,說明量表的內在一致性較好。

576個樣本平均通勤滿意度為0.78,處于中等且略偏滿意的水平。將平均通勤滿意度分值為-3.00～0的樣本劃分為不滿意組,占24.13%;分值為0.10～1.00的樣本劃分為一般滿意組,占36.81%;分值為1.10～3.00的樣本劃分為比較滿意組,占39.06%。對這3組樣本賦有序分類標簽,作為路徑分析模型的因變量。

2 構建路徑分析模型

路徑分析模型作為結構方程模型的一種特殊形式,能同步估計變量之間的直接和間接效應,路徑分析模型適用于研究通勤滿意度的復雜影響機理[25]。模型由一組同時求解的線性回歸方程組成,公式如下:

Y=β0+β1M+β2X+ε3;M=α0+α1X+ε2;

Y=γ0+γ1X+ε1;γ1=β2+α1×β1。

式中:Y表示內生變量的向量;X表示與Y有直接關系的外生變量的向量;M表示X和Y之間的中介向量;α0,β0和γ0表示截距;ε1,ε2和ε3表示線性回歸的誤差項;α1,β1和β2分別為待估計路徑系數;γ1為總效應;β2為直接效應;α1×β1為間接效應。

現有研究主要分析了實際通勤時間對通勤滿意度的影響,忽略了通勤者對通勤時間的理想偏好、容忍限度和實際通勤時間不匹配時通勤滿意度的群體差異。一般而言,實際通勤時間接近人們的理想通勤時間,通勤滿意度就高[20];相反,實際通勤時間超過容忍閾值,人們負面的感知情緒和認知評價就會增加,通勤滿意度就低[26]。依此提出研究假設1:當通勤時間的實際值在通勤時間的理想值以內,通勤滿意度相對較高;而實際值超過人們的容忍閾值,通勤滿意度相對較低;實際值在理想值和容忍閾值之間,滿意度居中。為驗證假設1,在路徑分析模型中構建了通勤時間細分變量直接指向通勤滿意度的路徑(圖1)。以通勤時間的實際值介于理想值和容忍閾值之間的樣本為參照組,如果實際值在理想值之內的細分變量和實際值超過容忍閾值的細分變量的直接效應估計系數分別為正數和負數,且統計檢驗顯著,則證明假設1合理。

現有研究主要分析了通勤方式對通勤滿意度的直接影響,另外還分析了通勤方式通過通勤時間對通勤滿意度的間接影響[21]。然而,不同通勤方式產生的實際通勤時間往往不同,而通勤個體的理想通勤時間、容忍閾值則相對穩定,這意味著不同通勤方式的實際通勤時間和理想通勤時間、容忍閾值的匹配程度會有差異。換句話說,通勤方式除了直接影響通勤滿意度外,還很可能通過主、客觀通勤時間的差異程度間接影響滿意度。依此提出研究假設2:通勤方式直接影響通勤滿意度,且通勤方式通過通勤時間細分變量間接影響通勤滿意度(圖1)。以慢行通勤方式為參照,根據通勤方式指向通勤滿意度的直接效應和通過通勤時間細分變量指向通勤滿意度的間接效應來檢驗假設2。

路徑分析模型控制了受訪者的個體和家庭特征等變量對通勤滿意度的影響(圖1)?？紤]到因居住位置、工作位置不同而通勤時間也有可能會不同,模型還控制了職住位置對通勤時間細分變量的影響。

圖1 基于通勤時間細分的通勤滿意度路徑分析概念模型

3 通勤時間細分和通勤滿意度分布

3.1 通勤時間群體細分

已有研究通過設置通勤時間固定分界點把樣本劃分為短時、中時、長時通勤[27],這樣的劃分方法忽略了通勤者對通勤時間的主觀偏好。近期研究從認知失調視角將通勤個體的實際通勤時間和理想通勤時間相比較后,劃分出通勤協調、輕度失調、重度失調3類[28],并分析了理想偏好和實際感知的差異情況對滿意度的影響,但通勤個體對通勤時間的容忍限度仍沒有被考慮。

為了更全面地理解主、客觀通勤時間的差異程度對通勤滿意度的影響,本研究將通勤個體的實際通勤時間與其自身的理想通勤時間、通勤時間容忍閾值進行比較,細分出實際通勤時間≤理想通勤時間(群體1)、理想通勤時間<實際通勤時間<通勤時間容忍閾值(群體2)、實際通勤時間≥通勤時間容忍閾值(群體3)3組樣本。這樣劃分同時考慮了通勤個體對通勤時間的理想偏好、容忍閾值與實際感知之間的差異,從而有助于揭示理想通勤時間和容忍閾值對通勤滿意度的影響。

3.2 通勤滿意度分布情況

通過比較不同通勤方式群體、不同通勤時間群體通勤滿意度的平均值和樣本占比(表2)發現:慢行交通的平均通勤滿意度最高(1.33),電動單車、公共交通、小汽車的平均通勤滿意度依次降低,分別為0.75,0.61,0.51。慢行交通的比較滿意樣本占比最大(55.08%),不滿意樣本占比最小(11.59%)。小汽車和公共交通的比較滿意樣本占比接近,分別為32.56%,32.50%,而不滿意樣本占比分別為31.97%,26.87%。

通勤時間細分群體的平均滿意度有差異。通勤時間細分群體1的平均通勤滿意度最高(1.27),通勤時間細分群體3的平均通勤滿意度最低(0.17),通勤時間細分群體2的平均通勤滿意度居中(0.68),平均通勤滿意度伴隨這3類群體呈現梯度下降的特征。從通勤滿意度樣本占比分布看,群體1、群體2、群體3的比較滿意樣本占比依次減少,分別為52.08%,33.03%,28.26%;相反,3個群體的不滿意樣本占比則依次增加,分別為13.82%,23.08%,42.03%。這些統計數據表明,引入理想通勤時間、容忍閾值來細分通勤時間并研究細分群體的通勤滿意度分布特征及影響路徑合理且必要。

表2 通勤方式、時間細分群體的通勤滿意度分布

3.3 不同方式下通勤時間細分群體的滿意度分布

分析不同通勤方式下不同通勤時間細分群體通勤滿意度的平均值和樣本占比(圖2)。4種通勤方式對應不同通勤時間群體的平均通勤滿意度都表現為遞減趨勢,即平均通勤滿意度在實際通勤時間小于理想通勤時間時最高,實際通勤時間超過理想時間后下降一個水平,實際通勤時間超過容忍閾值之后再下降一個水平。

圖2 不同方式下通勤時間細分群體的滿意度分布

具體來看,不同通勤方式通勤滿意度的平均值和樣本占比對應通勤時間細分群體存在差異。慢行通勤群體的平均通勤滿意度(圖2a)在理想通勤時間前后無明顯差異(1.45-1.34=0.11),而在容忍閾值前后則下降明顯(1.34-0.44=0.90)。這可能是步行和騎行受體能限制較強,因而慢行通勤者對長時間通勤更不能容忍。相比另外3種方式,無論在哪一個通勤時間細分群體下,慢行通勤群體的比較滿意樣本占比最多,不滿意樣本占比最少。

小汽車通勤群體的平均通勤滿意度在實際通勤時間超過理想值(1.22-0.42=0.80)或是容忍閾值(0.42-0.04=0.38)后都下降明顯;該類群體不滿意樣本占比在不同時間群體中依次增加,且當通勤時間超過理想值后,不滿意樣本占比就已經明顯高于比較滿意樣本占比(圖2b)。小汽車通勤不可避免的燃油費和道路擁堵是可能的解釋原因。

電動單車通勤群體的滿意度平均值在不同通勤時間群體下的遞減幅度較為明顯,尤其在超過容忍閾值后下降得更顯著(0.64-0.03=0.61);電動單車通勤群體不滿意樣本占比在不同時間群體中依次遞增(圖2c)。電動單車通勤易受天氣或續航里程影響可作為解釋原因之一。

公共交通通勤群體的通勤時間在容忍閾值之前的兩個分組平均通勤滿意度低于慢行和電動單車,而通勤時間超過容忍閾值的分組平均滿意度卻高于小汽車和電動單車,且此時一般滿意和比較滿意的樣本占比均無明顯下降(圖2d)。雖然公共交通的通勤時間相對較長,但其對費用和體力均沒有形成太大影響,因而公共交通通勤者的感知滿意度變化相對平緩。

以上分析說明,通勤方式通過主、客觀通勤時間的差異對通勤滿意度的變化有解釋作用。此外,通勤方式因本身特性對通勤滿意度的變化也有一定影響。

4 結果與分析

4.1 模型擬合檢驗結果

運用AMOS 24.0軟件對路徑分析模型進行求解。采用殘差均方根(RMR)、近似誤差均方根(RMSEA)、擬合優度指數(GFI)為絕對擬合度檢驗指標;采用規范擬合指數(NFI)、比較擬合指數(CFI)、增值擬合指數(IFI)為增值擬合度檢驗指標[29]。除RMSEA外,其余各項擬合檢驗指標的實際值均滿足標準值要求(表3),表明模型擬合度較好。

4.2 模型估計結果

根據路徑系數及其顯著性的估計結果(表4)得出:相比理想通勤時間<實際通勤時間<通勤時間容忍閾值的細分變量,實際通勤時間≤理想通勤時間的細分變量對通勤滿意度的路徑系數為正(0.131),而實際通勤時間≥通勤時間容忍閾值的細分變量對通勤滿意度的路徑系數為負(-0.111),有效驗證了研究假設1。表明用通勤者的主觀通勤時間界點對實際通勤時間進行細分后的不同通勤群體的通勤滿意度有顯著差異,相比通勤時間細分群體2,群體1的通勤滿意度相對更高,而群體3的通勤滿意度則相對更低。這驗證了通勤者的理想通勤時間、容忍閾值與實際通勤時間的差異程度對其通勤滿意度有不同程度的直接效應。

表3 路徑分析模型的檢驗結果

表4 模型路徑系數的估計結果 Tab.4 Estimated result of the path coefficient of the model

不同通勤方式屬于不同通勤時間細分群體的概率存在顯著差異。以慢行通勤方式為參照,相比通勤時間細分群體2,小汽車、電動單車和公共交通通勤用戶屬于通勤時間細分群體1的可能性更低,而屬于通勤時間細分群體3的可能性則更高。這些估計結果說明慢行通勤方式的實際通勤時間相對最短,小于人們理想通勤時間的可能性最大,而另外3種通勤方式的實際通勤時間相對更長,其中,小汽車的實際通勤時間超過人們的通勤時間容忍閾值的可能性最大,公共交通緊隨其后。

通勤方式對通勤滿意度有顯著的直接效應。相比慢行通勤,小汽車、電動單車和公共交通與通勤滿意度均呈顯著負相關,路徑系數分別為-0.187,-0.114,-0.146,說明步行和騎行相較于其他通勤方式能給人們帶來更高的通勤滿意度,而公共交通和小汽車的通勤滿意度相對較低,電動單車的通勤滿意度居中。

相較于工作位置在遠郊的通勤者,主城區、近郊的通勤者對通勤滿意度的路徑系數分別為0.148,0.103,表明工作在主城區或近郊的通勤者感知到的通勤滿意度更高的可能性高于工作在遠郊的通勤者。

4.3 通勤方式對通勤滿意度的間接效應

為驗證研究假設2,本研究還關注出行方式變量通過通勤時間細分變量對滿意度的間接效應。根據估計結果得到通勤方式對通勤滿意度的直接效應、間接效應和總效應之間的關系(表5)。3種通勤方式對通勤滿意度的總效應均由通勤方式本身的直接效應和通過通勤時間細分變量的間接效應構成,說明通勤方式對通勤滿意度的影響路徑受通勤時間細分變量的中介影響,這有效驗證了研究假設2。

表5 模型中介效應的估計結果

具體來看,以慢行交通為參照,相比理想通勤時間<實際通勤時間<通勤時間容忍閾值分組,小汽車對通勤滿意度的總效應(-0.256)由實際通勤時間≤理想通勤時間分組的間接效應(-0.041)、實際通勤時間≥通勤時間容忍閾值分組的間接效應(-0.028)和小汽車的直接效應(-0.187)構成。同理,電動單車和公共交通對通勤滿意度的總效應也類似計算?？傊?通勤方式對通勤滿意度的影響既受到方式本身特性的直接效應影響,還受到主、客觀通勤時間差異程度的間接效應影響。

5 結論、建議與討論

5.1 結論

(1)3類不同通勤時間細分群體的通勤滿意度有明顯差異。按實際通勤時間小于等于理想通勤時間(群體1)、實際通勤時間在理想通勤時間和容忍閾值之間(群體2)、實際通勤時間大于等于容忍閾值(群體3)進行依次排序,這3類細分群體的平均通勤滿意度梯次下降。

(2)通勤時間細分變量對通勤滿意度有顯著直接影響。以群體2為參照,群體1的通勤滿意度更高的可能性更大,而群體3的通勤滿意度更低的可能性更大。

(3)通勤方式對通勤滿意度有直接影響,以慢行交通為參照,電動單車、公共交通、小汽車的通勤滿意度依次降低。通勤方式還通過通勤時間的中介效應對通勤滿意度有間接影響。

(4)工作位置對通勤滿意度有顯著影響,相比于遠郊,在近郊、主城區工作的通勤者的通勤滿意度更高。

5.2 建議

(1)根據通勤者對通勤時間的實際感知、理想偏好和容忍閾值的匹配程度對通勤滿意度的影響,建議構建合理出行時間范圍的通勤圈,以理想通勤時間作為通勤系統優化的目標之一來提升通勤滿意度,并以容忍閾值作為城市通勤圈的約束邊界之一盡量不要突破,以防通勤滿意度嚴重下降。

(2)根據通勤方式對通勤滿意度的影響,建議持續改善慢行交通系統,引導短距離通勤者使用步行、騎行等方式去上班;不斷優化公共交通服務水平,吸引更多通勤者從小汽車轉移至公共交通通勤。

(3)根據工作位置對通勤滿意度的影響,建議持續優化城市空間結構和通勤系統的適配性,不斷改善不同空間區域通勤人群的上班出行滿意度。

5.3 討論

本研究的局限之處在于抽樣數據存在一定偏差,且樣本只限于昆明市,未來可改進調查方法和擴大抽樣范圍來進一步揭示通勤滿意度的群體差異和共性特征。