出行方式选择行为的SEM_Logit整合模型_陈坚

b' ∑ iq z iqn + ∑ c' ik η ikn q k
（ 1）
i 为选择方案， n 为出行者个数， l 为出行者个 式中， q 为出行方案可直接观 人可直接观测特性的个数， k 为潜变量个数， s iln 为出行者个人可 测特性的个数， z iqn 为出行方案可直接观测特 直接观测特性显变量， a' b' c' η ikn 为潜变量， 性显变量， il 、 iq 、 ik 为待估参数 ． 为了确定 η ikn 的适配系数， 需要通过 SEM 来描 述潜变量与显变量、 潜变量与其测量变量之间的相 互关系． η ikn 由出行者个人特性变量的全部或者一部 如式（ 2 ） 所示． 同时， η ikn 可通过其对应的 分 x irn 表示， 如式（ 3 ） 所示． 一系列测量指标变量 y itn 来描述， η ikn =∑
52
华 南 理 工 大 学 学 报 （ 自 然 科 学 版）
［5 ］
第 41 卷
刘崭等
结合西安市城市居民公交出行特性， 以地 铁出行和地面常规公交为选择肢 ， 确定个人属性、 家
响， 出行方式选择行为模型不仅应包括确定的显因 素， 还应包括不确定的因素 （ 如出行者人格特质、 感
［9 ］ 知、 态度等 ） ， 这些因素即为潜变量 ． 潜变量是无 法直接统计的变量， 可能是某种理论构思、 研究假设
建立居民公交出行 庭属性和出行属性为影响变量， ［6 ］ MNL ． 方式选择 模型 刘炳恩等 结合 2003 年北京 居民出行调查数据， 对影响居民出行方式选择的影 响因素进行了分析， 以选择公交车、 出租车、 私人小 汽车等在内的 5 种日常出行方式为选择肢， 建立出 行方式选择 MNL 模型． 但目前非集计方式选择行为模型中， 效用函数 仅考虑了可直接观测变量 （ 如消费者个人的社会经
［7 ］ 济特性、 替选方案部分属性等） ， 如 Palma 等 用 NL 模型分析了日内瓦工作出行的交通方式选择行为 ，
相当于因子分析中的公因子． 潜变量的 等客观实在， 提出使从心理活动角度定量研究出行行为成为可 能， 与传统的依据出行者及出行方式外在特征划分 影响因素不同， 潜变量与显变量是从因素自身能否 被直接度量加以区分， 用来表述主观因素在选择行 为中的作用． 某些传统影响因素可能属于潜变量范 但潜变量所涵盖的范围更广， 从而避免了因人为 畴， 对影响因素进行界定造成的某些因素被忽略的情况． 潜变量通常没有固定的测量范围， 虽然这些因 素将影响出行者个人的选择行为和感知情况 ， 但在 实际过程中却无法直接量化． 目前普遍的潜变量处 理方法是通过寻找其他显变量 （ 即测量变量 ） 来度 量， 如出行者的社会地位是无法直接测量的 ， 属于潜 变量， 但可通过其经济收入、 工作职业、 文化程度等 测量变量来衡量； 又如公交出行方式的方便性无法 直接测量， 大多数出行者只是凭借自身的感受来判 断， 因此它也是一个潜变量， 但可以通过出发点到公 交站的时间、 公交线路班次密度 （ 每小时班数 ） 等测 量变量来描述． 而对描述潜变量的测量变量进行测 可以通过客观指标 （ 如班次密度 ） ， 也可以通过 量， 出行者的自身感受 （ 如班次密度适当、 不够或太少 等） ， 这些测量方式的选择取决于研究问题的需要． 而潜变量的测量变量如何选取， 潜变量如何与传统 Logit 模型进行整合， 整合后的新模型如何求解， 以 及如何在城市交通实际问题中应用等都还有待进一 步研究．
l
2． 1
模型的假设
首先做如下假设： ① 出行者的方式选择行为是
选择自认为最优的方案出行； ②方式选择的 理性的， 结果设定为公交方式和非公交方式， 但也可以根据 实际情况设定选择结果， 并不影响模型内容和求解 方法； ③出行者对方案优劣的判断取决于效用函数 U， 该函数包括潜变量和显变量； ④ 效用函数的误差 独立同分布的 Gumbel 分布， 其余 项服从均值为 0 、 函数的随机误差项服从正态分布 ．
收稿日期： 2011-12-16
行出行调查， 并对数据开展统计分析， 运用所得统计 数据标定选择模型参数． 由于出行方式选择行为是 一个复杂的多决策过程， 加上出行者的人格特质、 经 验习惯、 心理感受等潜因素的存在， 使传统的集计模 调查成本高， 已经逐渐被非集计模型所 型误差较大、 BenAkiva 等 取代． 20 世纪 70 年代，
［1 ］
首次将经济
并以概率论为理 学中的效用理论引入到交通领域， 论基础， 从非集计的角度对出行方式选择行为问题 2］ 展开了研究， 将模型推进到实际应用阶段． 文献［ 运用多项 Logit （ MNL ） 模型分析了居民通勤出行方 并重点研究换乘变量对居民通勤出行 式选择行为，
［3 ］ 方式选择的影响． Cherchi 等 基于 RP / SP 调查， 建
第 41 卷 第 2 期 2013 年 2 月
华 南 理 工 大 学 学 报 （ 自 然 科 学 版） Journal of South China University of Technology （ Natural Science Edition）
Vol． 41 No． 2 February 2013
1
出行行为中的潜变量
为了描述主观因素在出行者决策过程中的影
第2 期
Logit 整合模型 陈坚 等： 出行方式选择行为的 SEM［10-12 ］
53
行为领域的应用较少
．
同时每个方案对应着一个随机变量 ε in ． 如果将 小， 使效用函数既包括出行方案 潜变量添加进固定项， 又涵 特性和出行者的个人社会经济特性等显变量 ， 态度等潜变量， 则改进的效用函数可表示为 盖感知、 V in =∑ a' il s iln +
量的概念， 并通过结构方程模型 （ SEM ） 刻画潜变量与显变量、 潜变量与其测量变量之间 ． ， ， Logit 的因果关系 然后 基于最大效用理论 对 模型的出行方式效用函数进行改进， 构建 Logit 整合模型． 结果表明： 考虑了潜变量的整合模型 了潜变量与显变量共同作用的 SEM的优度比传统 Logit 模型提高了 0． 201 ， 最大似然函数估计值增加了 20． 607 ， 证明潜变量 对出行方式选择行为存在显著影响 ， 所提出的整合模型的解释能力和精度较高 ． 关键词： 交通运输； 出行方式选择； 结构方程模型； 因素分析法； 潜变量； 服务环境 中图分类号： U491． 1 doi： 10． 3969 / j． issn． 1000565X． 2013． 02． 009
565X（ 2013 ） 02-0051-07 文章编号： 1000-
* 出行方式选择行为的 SEM-Logit 整合模型 陈坚
1， 2
晏启鹏
1
杨飞
1
Байду номын сангаас胡骥
1
（ 1． 西南交通大学 交通运输与物流学院，四川 成都 610031 ； 2． 重庆交通大学 交通运输学院，重庆 400074 ）
摘
要： 现有的出行方式选择行为模型仅考虑了可直接观测的出行者的个人社会经济特 性和出行方案特性， 并未考虑影响选择结果的潜变量， 为此， 文中提出了出行行为中潜变
r ikn
2． 2
SEMLogit 整合模型
出行方式选择行为模型不仅能够较为准确地计
还能够刻画选择过程机 算出行者的方式选择结果， 理； 既能够涵盖显变量， 又能够引入潜变量． 而传统 的方式选择 Logit 模型更关注选择结果， 并未考虑影 响选择行为的个人感受与态度等潜变量． 文中所构 建的整合模型结构见图 1 ， 其中 SEM 主要用于描述 出行方式选择潜变量与其对应的观测变量之间 、 潜 Logit 模型用于表示 变量与显变量之间的因果关系， 选择某一出行方案的概率与影响该决策的潜变量 、 显变量之间的非线性函数关系． 观测变量无法影响 仅能够用于衡量潜在变量． 个人选择行为，
2
整合模型的构建
在出行方式选择行为中， 为解释一组潜变量之 显变量与潜变量之间的因果关系 ， 可能涉及到很 间、 多测量变量， 通常会形成复杂的层次关系结构 ， 无法 使用传统的回归分析方法求解， 需要更精确的路径 分析工具， 并能对模型进行参数估计和相关检验 ， 而 SEM 正适合处理这类问题． SEM 能很好地分析一个 或多个自变量与一个或多个因变量之间的一组相互 关系， 而自变量和因变量既可以是连续的 ， 也可以是 离散的， 并可对不同的理论模型进行评价分析 ， 是多 已被广泛运用于心理 元数据统计的重要工具之一， SEM 在交通出行 学、 社会科学等学科． 但一直以来，
结果表明是否拥有小汽车是出行者选择出行方式的 ［8 ］ 本质因素； 殷焕焕等 结合 2009 年济南市居民出行 调查数据， 在居民出行方式选择效用函数中从个人 属性、 家庭属性和出行属性方面考虑了年龄、 职业、 自行车数量、 小汽车数量、 出行距离、 出行时间等可 但没有加入一些在出行者决策过程 直接观测变量， 中扮演很重要角色的不可直接观测心理因素 （ 如个 人感受、 态度等 ） ， 使得模型的解释能力受到质疑． 在出行方式选择行为中， 除了出行时间、 出行成本、 出行目的、 出行者性别、 年龄、 职业、 收入水平等可直 接观测的因素会影响出行方式的选择外， 出行方式 的服务环境、 等车感受等不可直接观测因素也会影 响出行者的选择， 如果在模型中忽略了这些不可直 接观测的潜在属性， 则会使模型的解释能力下降， 无 法得到与真实选择行为更接近的结果． 研究各种影 响因素之间的关系及潜在因素对选择结果的影响机 对全面分析出行方式选择行为具有重要的意义 ． 理， 针对目前出行方式选择行为模型较少考虑出行 潜变量及潜变量对选择结果影响大小的状况 ， 文中 通过结构方程模型 （ SEM ） 和因素分析法刻画潜变 量与出行者个人特性显变量、 出行方案显变量之间， 潜变量与其测量变量之间的因果关系， 并求得潜变 量的适配值； 然后结合最大效用理论， 对传统 Logit 模型的效用函数进行改进， 构建含有潜变量的 SEMLogit 整合模型， SPSS、 TransCAD 等 综合运用 AMOS、 专业软件对模型求解进行步骤说明 ； 最后， 通过成都 市公交出行问卷调查所获数据进行实例计算 ， 比较 分析了考虑潜变量的整合模型与传统 Logit 模型的 解释能力、 预测精确度等．