基于Logit模型的公路运输旅客高铁出行意向分析.docxVIP

PAGE 1 - 基于Logit模型的公路运输旅客高铁出行意向分析 基于Logit模型的公路运输旅客高铁出行意向分析 引言 公路客运以其自身的密集性和“门到门〞的运输特性在我国综合运输体系中占有重要地位。近年来，由于旅客运输结构的调整带来了客运市场新的改变，在高铁大进展背景下，公路客运客流量急剧下降，公路和铁路之间的客流分担率有了较大改变，高速铁路与公路客运市场之间的竞争态势也发生了改变。 旅客出行行为影响因素的讨论多为构建出行行为模型，探讨影响因素的顯著性，进而拓展到对客运市场运输方式客流分担率的影响。田尔布等利用Logit模型建立高铁、公路的客流分担率模型，结果说明，高铁的快捷、舒适、安全、费用低等，使其对公路客运市场产生巨大冲击;[1]何霖等构建了公铁竞争的Logit模型，判定高铁对公路客运的影响系数，最终分析了武广高铁对广东省内城市影响程度;[2]李晓伟等选择二元Logit模型，讨论高铁竞争下对高速客运旅客选择的影响，以此为根据提出高速公路客运的运营治理策略。[3] 在高速铁路大进展的背景下，公路客运市场应如何调整进展战略。基于此，以西成铁路西安至汉中的公路运输旅客乘坐高铁意愿的调查数据为根据，利用二元Logit模型讨论高铁开通后公路运输旅客乘坐高铁意愿的影响因素，探究提高公路客运市场出行比例的策略，为提高公路客运市场分担率和服务质量提供参考。 2数据来源及模型构建 21调查实施 调查实施时间为2021年10月13日至16日，选择去往汉中市内和周边县的旅客作为调查对象进行问卷调查。调查共发放400份问卷，有效问卷353份，男性181位，女性162位，调查样本中男女性别比为1∶11，性别比例较为均衡;调查对象年龄主要在40岁以下，40岁以上的调查对象仅占21%;被调查者中，倾向于高铁开通后乘坐高铁的旅客所占比例高达8952%。 22模型构建 多元线性回来模型不适用于因变量是分类变量的状况，此时就需要依靠离散选择模型。离散选择模型分为Logit模型和Probit模型，两者模型的区分在于所使用的分布函数不同，文章选择Logit模型进行分析[4]。基于随机效用最大化理论，在外出时，旅客会依据自身因素及出行方式的特点，选取对自身效用最大的方式。旅客i选择第j个选择肢的效用为：Uij=Vij+εij。 其中Vij为可观测效用，εij为不行观测因素。依据效用最大化理论，旅客i选择方案j的概率Pij表示为： Pij=ProbUijUin，j≠n，n∈Cj=Prob〔εinεij+Vij-Vin〕〔1〕 23变量的定义 以西安至汉中公路运输旅客对乘坐高铁意向为因变量Y，高铁出行Y=1、班车出行Y=0。共计10个解释变量，具体定义如下： 〔1〕性别X1：男：0，女：1。 〔2〕年龄X2：20岁以下：0，21～40岁：1，41～60岁：2，60岁以上：3。 〔3〕旅途时间长短X3、到城南站方便程度X4、到达汉中后当地交通方便程度X5、途中车内环境的舒适程度X6、发车时间间隔X7、车辆准点率X8、车内硬件设施的舒适程度X9、车站工作人员服务看法X10：很不重要：0，不重要：1，一般：2，重要：3，特别重要：5。 24模型标定 变量选定之后，就可以进行模型的参数估量。一般接受最大似然估量法对Logit模型进行估量，由Stata软件输出模型参数估量值。得到的回来结果如下： 〔1〕性别X1：系数046，PZ：042。 〔2〕年龄X2：系数-092，PZ：007。 〔3〕旅途时间长短X3：系数090，PZ：001。 〔4〕到城南站方便程度X4：系数-050，PZ：024。 〔5〕到达汉中后当地交通方便程度X5：系数047，PZ：024。 〔6〕途中车内环境的舒适程度X6：系数040，PZ：036。 〔7〕发车时间间隔X7：系数-113，PZ：001。 〔8〕车辆准点率X8：系数-075，PZ：008。 〔9〕车内硬件设施的舒适程度X9：系数086，PZ：010。 〔10〕车站工作人员服务看法X10：系数098，PZ：009。 回来结果说明，在10%显著性水平下，有6项变量。在5%显著水平下，有2项变量。 25显著性影响变量分析 〔1〕年龄X2。回来系数为负，说明相怜悯况下，年龄较大旅客更情愿选择班车出行。年龄小的旅客对高铁的选择和接纳能力高于长者。 〔2〕旅途时间长短重要程度X3。回来系数为正，说明旅客认为旅途时间长短对其越重要，越情愿选择高铁出行。 〔3〕发车时间间隔重要程度X7。回来系数为负，说明发车时间间隔对于旅客出行方式选择越重要，旅客越情愿选择班车出行。 〔4〕所坐车辆准点到达程度X8。回来系数为正，说明车辆的准点到达程度越重要，旅客越情愿选择高铁出行。 〔5〕车内硬件设施的舒适程度X9。回来系数为正，说明车内硬件设施〔如座位、