楊建坤，何明衛(wèi)，何 民，張小七，吳禹順

(1.昆明理工大學(xué) 交通工程學(xué)院,昆明 650500; 2.昆明學(xué)院 機(jī)電工程學(xué)院,昆明 650214)

0 引言

提高居民幸福感是城市高質(zhì)量發(fā)展的應(yīng)有內(nèi)涵[1]。作為評(píng)價(jià)居民幸福感的關(guān)鍵指標(biāo),通勤滿(mǎn)意度與身心健康、生活質(zhì)量和主觀(guān)幸福感息息相關(guān)[2-4]。掌握通勤滿(mǎn)意度的影響因素及其作用路徑,對(duì)提高城市通勤質(zhì)量、構(gòu)建宜居幸福城市至關(guān)重要。通勤屬性、城市形態(tài)、職住關(guān)系和主觀(guān)態(tài)度等變量均已被證明對(duì)通勤滿(mǎn)意度有影響[5-7]。在通勤屬性中,通勤時(shí)間、通勤方式和通勤滿(mǎn)意度之間的影響關(guān)系一直是討論的焦點(diǎn)[8-9]。

L.E.Olsson等研究表明,通勤時(shí)間越長(zhǎng),通勤滿(mǎn)意度越低[10]。趙明宇等卻發(fā)現(xiàn)通勤滿(mǎn)意度在通勤時(shí)間為10～30 min之內(nèi)最高[11]。P.Antonio等研究發(fā)現(xiàn)步行和騎行的通勤滿(mǎn)意度高,而開(kāi)車(chē)和乘公交的通勤滿(mǎn)意度低[12]。E.St-Louis等調(diào)查研究了6種出行方式的通勤滿(mǎn)意度分布差異及影響因素[13]。這些研究成果展示了通勤時(shí)間和出行方式對(duì)通勤滿(mǎn)意度的影響,但沒(méi)有從通勤個(gè)體對(duì)通勤時(shí)間的偏好和容忍視角來(lái)分析通勤滿(mǎn)意度的群體差異,也還未嘗試整合通勤方式和主、客觀(guān)通勤時(shí)間來(lái)探索通勤滿(mǎn)意度的影響路徑。

根據(jù)消費(fèi)滿(mǎn)意理論,通勤滿(mǎn)意度可理解為個(gè)體對(duì)通勤服務(wù)水平的主觀(guān)期待和實(shí)際感知匹配程度所產(chǎn)生的情緒體驗(yàn)和認(rèn)知評(píng)價(jià)[14]。已有少量研究引入通勤者主觀(guān)偏好的理想通勤時(shí)間和感知容忍的可接受通勤時(shí)間來(lái)揭示通勤滿(mǎn)意度的非線(xiàn)性特征。理想通勤時(shí)間是指通勤者對(duì)從居住地到工作地單程距離所偏好的出行時(shí)間,集中分布在10～20 min[15-16];通勤時(shí)間容忍閾值或可接受通勤時(shí)間則表示通勤者可容忍或可接受的單程最長(zhǎng)上班出行時(shí)間,主要分布在30～40 min[17-18]。D.Milakis等揭示了出行滿(mǎn)意度伴隨出行時(shí)間呈現(xiàn)非線(xiàn)性關(guān)系,即出行滿(mǎn)意度在出行時(shí)間為15 min之前上升,而在15～30 min和30～45 min呈現(xiàn)兩次明顯下降[19]。R.N.Ye等證明了通勤滿(mǎn)意度呈現(xiàn)以理想通勤時(shí)間為界的先上升后下降的非線(xiàn)性特征[20]。P.Humagain等通過(guò)路徑分析模型得出理想通勤時(shí)間對(duì)通勤滿(mǎn)意度有微弱的正向影響[21]。這些研究結(jié)果表明,在探索通勤滿(mǎn)意度的影響因素時(shí),有必要考慮人們對(duì)通勤時(shí)間的實(shí)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(shí)際通勤時(shí)間和人們的理想偏好、容忍閾值不匹配時(shí)通勤時(shí)間、通勤方式對(duì)通勤滿(mǎn)意度的影響路徑。首先通過(guò)比較受訪(fǎng)者的通勤時(shí)間實(shí)際值、理想值和容忍閾值,細(xì)分出實(shí)際值≤理想值、實(shí)際值≥容忍值、理想值<實(shí)際值<容忍閾值3類(lèi)通勤時(shí)間異質(zhì)群體;其次比較這3類(lèi)群體的通勤滿(mǎn)意度分布特征,并分析他們的通勤滿(mǎn)意度在不同通勤方式之間的統(tǒng)計(jì)分布差異;最后構(gòu)建路徑分析模型揭示不同通勤方式群體、不同通勤時(shí)間群體對(duì)滿(mǎn)意度的影響路徑。研究結(jié)果有助于從通勤個(gè)體對(duì)通勤時(shí)間的偏好和容忍視角來(lái)探索通勤服務(wù)水平的改善策略,為構(gòu)建人民滿(mǎn)意的城市交通提供參考。

1 研究數(shù)據(jù)

1.1 樣本特征

2020年5月和2021年1月先后在昆明市5個(gè)區(qū)級(jí)行政中心選取8個(gè)商業(yè)綜合體開(kāi)展問(wèn)卷調(diào)查。經(jīng)數(shù)據(jù)清洗,576個(gè)有效樣本用于本研究(表1)。

表1 樣本概況

問(wèn)卷獲取了受訪(fǎng)者的通勤方式、通勤時(shí)間、職住位置、個(gè)體及家庭特征和通勤滿(mǎn)意度等信息。通勤方式指受訪(fǎng)者從居住地到工作地上班時(shí)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(chē)(私家車(chē)、共享汽車(chē))、電動(dòng)單車(chē)、公共交通(公交車(chē)、地鐵、單位班車(chē))4類(lèi)。居住和工作位置是根據(jù)受訪(fǎng)者填寫(xiě)的小區(qū)位置劃分出主城區(qū)、近郊、遠(yuǎn)郊3類(lèi),在主城區(qū)居住或工作的受訪(fǎng)者均占總樣本的50%左右。受訪(fǎng)者中男性略多于女性,樣本的年齡分布相對(duì)偏年輕,約70%的受訪(fǎng)者家中擁有小汽車(chē)。概括而言,樣本分布情況與昆明市真實(shí)現(xiàn)狀有一定偏差,但不存在明顯的抽樣誤差。

1.2 通勤滿(mǎn)意度測(cè)度

通勤滿(mǎn)意度是指通勤者對(duì)上班出行過(guò)程的感知情緒和認(rèn)知評(píng)價(jià)。借鑒國(guó)內(nèi)外認(rèn)可度較高的出行滿(mǎn)意度量表測(cè)度通勤滿(mǎn)意度,該量表圍繞情緒和認(rèn)知測(cè)度共設(shè)置9個(gè)問(wèn)題[22]。為減輕受訪(fǎng)者的測(cè)評(píng)壓力,本研究把問(wèn)題縮減為7項(xiàng)[23]。R.N.Ye等在西安市的實(shí)證研究表明問(wèn)題縮減后的量表仍然有效[24]。每個(gè)問(wèn)題均設(shè)置7個(gè)等級(jí)水平的測(cè)評(píng)選項(xiàng)框,分別為-3～3共7個(gè)整數(shù),-3表示很不滿(mǎn)意,3表示很滿(mǎn)意,0表示中立。對(duì)576名受訪(fǎng)者的通勤滿(mǎn)意度數(shù)據(jù)進(jìn)行信度檢驗(yàn),得到Cronbach’sα值為0.923,說(shuō)明量表的內(nèi)在一致性較好。

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

2 構(gòu)建路徑分析模型

路徑分析模型作為結(jié)構(gòu)方程模型的一種特殊形式,能同步估計(jì)變量之間的直接和間接效應(yīng),路徑分析模型適用于研究通勤滿(mǎn)意度的復(fù)雜影響機(jī)理[25]。模型由一組同時(shí)求解的線(xiàn)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(nèi)生變量的向量;X表示與Y有直接關(guān)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(xiàn)性回歸的誤差項(xiàng);α1,β1和β2分別為待估計(jì)路徑系數(shù);γ1為總效應(yīng);β2為直接效應(yīng);α1×β1為間接效應(yīng)。

現(xiàn)有研究主要分析了實(shí)際通勤時(shí)間對(duì)通勤滿(mǎn)意度的影響,忽略了通勤者對(duì)通勤時(shí)間的理想偏好、容忍限度和實(shí)際通勤時(shí)間不匹配時(shí)通勤滿(mǎn)意度的群體差異。一般而言,實(shí)際通勤時(shí)間接近人們的理想通勤時(shí)間,通勤滿(mǎn)意度就高[20];相反,實(shí)際通勤時(shí)間超過(guò)容忍閾值,人們負(fù)面的感知情緒和認(rèn)知評(píng)價(jià)就會(huì)增加,通勤滿(mǎn)意度就低[26]。依此提出研究假設(shè)1:當(dāng)通勤時(shí)間的實(shí)際值在通勤時(shí)間的理想值以?xún)?nèi),通勤滿(mǎn)意度相對(duì)較高;而實(shí)際值超過(guò)人們的容忍閾值,通勤滿(mǎn)意度相對(duì)較低;實(shí)際值在理想值和容忍閾值之間,滿(mǎn)意度居中。為驗(yàn)證假設(shè)1,在路徑分析模型中構(gòu)建了通勤時(shí)間細(xì)分變量直接指向通勤滿(mǎn)意度的路徑(圖1)。以通勤時(shí)間的實(shí)際值介于理想值和容忍閾值之間的樣本為參照組,如果實(shí)際值在理想值之內(nèi)的細(xì)分變量和實(shí)際值超過(guò)容忍閾值的細(xì)分變量的直接效應(yīng)估計(jì)系數(shù)分別為正數(shù)和負(fù)數(shù),且統(tǒng)計(jì)檢驗(yàn)顯著,則證明假設(shè)1合理。

現(xiàn)有研究主要分析了通勤方式對(duì)通勤滿(mǎn)意度的直接影響,另外還分析了通勤方式通過(guò)通勤時(shí)間對(duì)通勤滿(mǎn)意度的間接影響[21]。然而,不同通勤方式產(chǎn)生的實(shí)際通勤時(shí)間往往不同,而通勤個(gè)體的理想通勤時(shí)間、容忍閾值則相對(duì)穩(wěn)定,這意味著不同通勤方式的實(shí)際通勤時(shí)間和理想通勤時(shí)間、容忍閾值的匹配程度會(huì)有差異。換句話(huà)說(shuō),通勤方式除了直接影響通勤滿(mǎn)意度外,還很可能通過(guò)主、客觀(guān)通勤時(shí)間的差異程度間接影響滿(mǎn)意度。依此提出研究假設(shè)2:通勤方式直接影響通勤滿(mǎn)意度,且通勤方式通過(guò)通勤時(shí)間細(xì)分變量間接影響通勤滿(mǎn)意度(圖1)。以慢行通勤方式為參照,根據(jù)通勤方式指向通勤滿(mǎn)意度的直接效應(yīng)和通過(guò)通勤時(shí)間細(xì)分變量指向通勤滿(mǎn)意度的間接效應(yīng)來(lái)檢驗(yàn)假設(shè)2。

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

圖1 基于通勤時(shí)間細(xì)分的通勤滿(mǎn)意度路徑分析概念模型

3 通勤時(shí)間細(xì)分和通勤滿(mǎn)意度分布

3.1 通勤時(shí)間群體細(xì)分

已有研究通過(guò)設(shè)置通勤時(shí)間固定分界點(diǎn)把樣本劃分為短時(shí)、中時(shí)、長(zhǎng)時(shí)通勤[27],這樣的劃分方法忽略了通勤者對(duì)通勤時(shí)間的主觀(guān)偏好。近期研究從認(rèn)知失調(diào)視角將通勤個(gè)體的實(shí)際通勤時(shí)間和理想通勤時(shí)間相比較后,劃分出通勤協(xié)調(diào)、輕度失調(diào)、重度失調(diào)3類(lèi)[28],并分析了理想偏好和實(shí)際感知的差異情況對(duì)滿(mǎn)意度的影響,但通勤個(gè)體對(duì)通勤時(shí)間的容忍限度仍沒(méi)有被考慮。

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

3.2 通勤滿(mǎn)意度分布情況

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

通勤時(shí)間細(xì)分群體的平均滿(mǎn)意度有差異。通勤時(shí)間細(xì)分群體1的平均通勤滿(mǎn)意度最高(1.27),通勤時(shí)間細(xì)分群體3的平均通勤滿(mǎn)意度最低(0.17),通勤時(shí)間細(xì)分群體2的平均通勤滿(mǎn)意度居中(0.68),平均通勤滿(mǎn)意度伴隨這3類(lèi)群體呈現(xiàn)梯度下降的特征。從通勤滿(mǎn)意度樣本占比分布看,群體1、群體2、群體3的比較滿(mǎn)意樣本占比依次減少,分別為52.08%,33.03%,28.26%;相反,3個(gè)群體的不滿(mǎn)意樣本占比則依次增加,分別為13.82%,23.08%,42.03%。這些統(tǒng)計(jì)數(shù)據(jù)表明,引入理想通勤時(shí)間、容忍閾值來(lái)細(xì)分通勤時(shí)間并研究細(xì)分群體的通勤滿(mǎn)意度分布特征及影響路徑合理且必要。

表2 通勤方式、時(shí)間細(xì)分群體的通勤滿(mǎn)意度分布

3.3 不同方式下通勤時(shí)間細(xì)分群體的滿(mǎn)意度分布

分析不同通勤方式下不同通勤時(shí)間細(xì)分群體通勤滿(mǎn)意度的平均值和樣本占比(圖2)。4種通勤方式對(duì)應(yīng)不同通勤時(shí)間群體的平均通勤滿(mǎn)意度都表現(xiàn)為遞減趨勢(shì),即平均通勤滿(mǎn)意度在實(shí)際通勤時(shí)間小于理想通勤時(shí)間時(shí)最高,實(shí)際通勤時(shí)間超過(guò)理想時(shí)間后下降一個(gè)水平,實(shí)際通勤時(shí)間超過(guò)容忍閾值之后再下降一個(gè)水平。

圖2 不同方式下通勤時(shí)間細(xì)分群體的滿(mǎn)意度分布

具體來(lái)看,不同通勤方式通勤滿(mǎn)意度的平均值和樣本占比對(duì)應(yīng)通勤時(shí)間細(xì)分群體存在差異。慢行通勤群體的平均通勤滿(mǎn)意度(圖2a)在理想通勤時(shí)間前后無(wú)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(qiáng),因而慢行通勤者對(duì)長(zhǎng)時(shí)間通勤更不能容忍。相比另外3種方式,無(wú)論在哪一個(gè)通勤時(shí)間細(xì)分群體下,慢行通勤群體的比較滿(mǎn)意樣本占比最多,不滿(mǎn)意樣本占比最少。

小汽車(chē)通勤群體的平均通勤滿(mǎn)意度在實(shí)際通勤時(shí)間超過(guò)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(lèi)群體不滿(mǎn)意樣本占比在不同時(shí)間群體中依次增加,且當(dāng)通勤時(shí)間超過(guò)理想值后,不滿(mǎn)意樣本占比就已經(jīng)明顯高于比較滿(mǎn)意樣本占比(圖2b)。小汽車(chē)通勤不可避免的燃油費(fèi)和道路擁堵是可能的解釋原因。

電動(dòng)單車(chē)通勤群體的滿(mǎn)意度平均值在不同通勤時(shí)間群體下的遞減幅度較為明顯,尤其在超過(guò)容忍閾值后下降得更顯著(0.64-0.03=0.61);電動(dòng)單車(chē)通勤群體不滿(mǎn)意樣本占比在不同時(shí)間群體中依次遞增(圖2c)。電動(dòng)單車(chē)通勤易受天氣或續(xù)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(shí)間在容忍閾值之前的兩個(gè)分組平均通勤滿(mǎn)意度低于慢行和電動(dòng)單車(chē),而通勤時(shí)間超過(guò)容忍閾值的分組平均滿(mǎn)意度卻高于小汽車(chē)和電動(dòng)單車(chē),且此時(shí)一般滿(mǎn)意和比較滿(mǎn)意的樣本占比均無(wú)明顯下降(圖2d)。雖然公共交通的通勤時(shí)間相對(duì)較長(zhǎng),但其對(duì)費(fèi)用和體力均沒(méi)有形成太大影響,因而公共交通通勤者的感知滿(mǎn)意度變化相對(duì)平緩。

以上分析說(shuō)明,通勤方式通過(guò)主、客觀(guān)通勤時(shí)間的差異對(duì)通勤滿(mǎn)意度的變化有解釋作用。此外,通勤方式因本身特性對(duì)通勤滿(mǎn)意度的變化也有一定影響。

4 結(jié)果與分析

4.1 模型擬合檢驗(yàn)結(jié)果

運(yùn)用AMOS 24.0軟件對(duì)路徑分析模型進(jìn)行求解。采用殘差均方根(RMR)、近似誤差均方根(RMSEA)、擬合優(yōu)度指數(shù)(GFI)為絕對(duì)擬合度檢驗(yàn)指標(biāo);采用規(guī)范擬合指數(shù)(NFI)、比較擬合指數(shù)(CFI)、增值擬合指數(shù)(IFI)為增值擬合度檢驗(yàn)指標(biāo)[29]。除RMSEA外,其余各項(xiàng)擬合檢驗(yàn)指標(biāo)的實(shí)際值均滿(mǎn)足標(biāo)準(zhǔn)值要求(表3),表明模型擬合度較好。

4.2 模型估計(jì)結(jié)果

根據(jù)路徑系數(shù)及其顯著性的估計(jì)結(jié)果(表4)得出:相比理想通勤時(shí)間<實(shí)際通勤時(shí)間<通勤時(shí)間容忍閾值的細(xì)分變量,實(shí)際通勤時(shí)間≤理想通勤時(shí)間的細(xì)分變量對(duì)通勤滿(mǎn)意度的路徑系數(shù)為正(0.131),而實(shí)際通勤時(shí)間≥通勤時(shí)間容忍閾值的細(xì)分變量對(duì)通勤滿(mǎn)意度的路徑系數(shù)為負(fù)(-0.111),有效驗(yàn)證了研究假設(shè)1。表明用通勤者的主觀(guān)通勤時(shí)間界點(diǎn)對(duì)實(shí)際通勤時(shí)間進(jìn)行細(xì)分后的不同通勤群體的通勤滿(mǎn)意度有顯著差異,相比通勤時(shí)間細(xì)分群體2,群體1的通勤滿(mǎn)意度相對(duì)更高,而群體3的通勤滿(mǎn)意度則相對(duì)更低。這驗(yàn)證了通勤者的理想通勤時(shí)間、容忍閾值與實(shí)際通勤時(shí)間的差異程度對(duì)其通勤滿(mǎn)意度有不同程度的直接效應(yīng)。

表3 路徑分析模型的檢驗(yàn)結(jié)果

表4 模型路徑系數(shù)的估計(jì)結(jié)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(shí)間細(xì)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(shí)間細(xì)分群體2,小汽車(chē)、電動(dòng)單車(chē)和公共交通通勤用戶(hù)屬于通勤時(shí)間細(xì)分群體1的可能性更低,而屬于通勤時(shí)間細(xì)分群體3的可能性則更高。這些估計(jì)結(jié)果說(shuō)明慢行通勤方式的實(shí)際通勤時(shí)間相對(duì)最短,小于人們理想通勤時(shí)間的可能性最大,而另外3種通勤方式的實(shí)際通勤時(shí)間相對(duì)更長(zhǎng),其中,小汽車(chē)的實(shí)際通勤時(shí)間超過(guò)人們的通勤時(shí)間容忍閾值的可能性最大,公共交通緊隨其后。

通勤方式對(duì)通勤滿(mǎn)意度有顯著的直接效應(yīng)。相比慢行通勤,小汽車(chē)、電動(dòng)單車(chē)和公共交通與通勤滿(mǎn)意度均呈顯著負(fù)相關(guān),路徑系數(shù)分別為-0.187,-0.114,-0.146,說(shuō)明步行和騎行相較于其他通勤方式能給人們帶來(lái)更高的通勤滿(mǎn)意度,而公共交通和小汽車(chē)的通勤滿(mǎn)意度相對(duì)較低,電動(dòng)單車(chē)的通勤滿(mǎn)意度居中。

相較于工作位置在遠(yuǎn)郊的通勤者,主城區(qū)、近郊的通勤者對(duì)通勤滿(mǎn)意度的路徑系數(shù)分別為0.148,0.103,表明工作在主城區(qū)或近郊的通勤者感知到的通勤滿(mǎn)意度更高的可能性高于工作在遠(yuǎn)郊的通勤者。

4.3 通勤方式對(duì)通勤滿(mǎn)意度的間接效應(yīng)

為驗(yàn)證研究假設(shè)2,本研究還關(guān)注出行方式變量通過(guò)通勤時(shí)間細(xì)分變量對(duì)滿(mǎn)意度的間接效應(yīng)。根據(jù)估計(jì)結(jié)果得到通勤方式對(duì)通勤滿(mǎn)意度的直接效應(yīng)、間接效應(yīng)和總效應(yīng)之間的關(guān)系(表5)。3種通勤方式對(duì)通勤滿(mǎn)意度的總效應(yīng)均由通勤方式本身的直接效應(yīng)和通過(guò)通勤時(shí)間細(xì)分變量的間接效應(yīng)構(gòu)成,說(shuō)明通勤方式對(duì)通勤滿(mǎn)意度的影響路徑受通勤時(shí)間細(xì)分變量的中介影響,這有效驗(yàn)證了研究假設(shè)2。

表5 模型中介效應(yīng)的估計(jì)結(jié)果

具體來(lái)看,以慢行交通為參照,相比理想通勤時(shí)間<實(shí)際通勤時(shí)間<通勤時(shí)間容忍閾值分組,小汽車(chē)對(duì)通勤滿(mǎn)意度的總效應(yīng)(-0.256)由實(shí)際通勤時(shí)間≤理想通勤時(shí)間分組的間接效應(yīng)(-0.041)、實(shí)際通勤時(shí)間≥通勤時(shí)間容忍閾值分組的間接效應(yīng)(-0.028)和小汽車(chē)的直接效應(yīng)(-0.187)構(gòu)成。同理,電動(dòng)單車(chē)和公共交通對(duì)通勤滿(mǎn)意度的總效應(yīng)也類(lèi)似計(jì)算。總之,通勤方式對(duì)通勤滿(mǎn)意度的影響既受到方式本身特性的直接效應(yīng)影響,還受到主、客觀(guān)通勤時(shí)間差異程度的間接效應(yīng)影響。

5 結(jié)論、建議與討論

5.1 結(jié)論

(1)3類(lèi)不同通勤時(shí)間細(xì)分群體的通勤滿(mǎn)意度有明顯差異。按實(shí)際通勤時(shí)間小于等于理想通勤時(shí)間(群體1)、實(shí)際通勤時(shí)間在理想通勤時(shí)間和容忍閾值之間(群體2)、實(shí)際通勤時(shí)間大于等于容忍閾值(群體3)進(jìn)行依次排序,這3類(lèi)細(xì)分群體的平均通勤滿(mǎn)意度梯次下降。

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

(3)通勤方式對(duì)通勤滿(mǎn)意度有直接影響,以慢行交通為參照,電動(dòng)單車(chē)、公共交通、小汽車(chē)的通勤滿(mǎn)意度依次降低。通勤方式還通過(guò)通勤時(shí)間的中介效應(yīng)對(duì)通勤滿(mǎn)意度有間接影響。

(4)工作位置對(duì)通勤滿(mǎn)意度有顯著影響,相比于遠(yuǎn)郊,在近郊、主城區(qū)工作的通勤者的通勤滿(mǎn)意度更高。

5.2 建議

(1)根據(jù)通勤者對(duì)通勤時(shí)間的實(shí)際感知、理想偏好和容忍閾值的匹配程度對(duì)通勤滿(mǎn)意度的影響,建議構(gòu)建合理出行時(shí)間范圍的通勤圈,以理想通勤時(shí)間作為通勤系統(tǒng)優(yōu)化的目標(biāo)之一來(lái)提升通勤滿(mǎn)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(mǎn)意度嚴(yán)重下降。

(2)根據(jù)通勤方式對(duì)通勤滿(mǎn)意度的影響,建議持續(xù)改善慢行交通系統(tǒng),引導(dǎo)短距離通勤者使用步行、騎行等方式去上班;不斷優(yōu)化公共交通服務(wù)水平,吸引更多通勤者從小汽車(chē)轉(zhuǎn)移至公共交通通勤。

(3)根據(jù)工作位置對(duì)通勤滿(mǎn)意度的影響,建議持續(xù)優(yōu)化城市空間結(jié)構(gòu)和通勤系統(tǒng)的適配性,不斷改善不同空間區(qū)域通勤人群的上班出行滿(mǎn)意度。

5.3 討論

本研究的局限之處在于抽樣數(shù)據(jù)存在一定偏差,且樣本只限于昆明市,未來(lái)可改進(jìn)調(diào)查方法和擴(kuò)大抽樣范圍來(lái)進(jìn)一步揭示通勤滿(mǎn)意度的群體差異和共性特征。