基于SPSS的中小城市共享單車使用特性研究

董潔霜，錢 赟，劉魏巍

（上海理工大學 管理學院，上海200093）

0 引言

由中國中小城市網(wǎng)發(fā)布的《2019年中國中小城市高質量發(fā)展指數(shù)研究》報告得知，依據(jù)國家現(xiàn)行標準，中小城市是指城區(qū)常住人口100萬以下的城市。截至2018年底，中國有地級城市293個，縣級建制市375個。293個地級城市中，190個屬于中小城市，占比64.85%。375個縣級建制市中，除了極個別發(fā)達城市的市區(qū)人口接近或略超過百萬之外，多數(shù)建制市市區(qū)人口在數(shù)萬至數(shù)十萬之間。由于縣級建制市市區(qū)人口缺乏統(tǒng)一權威的統(tǒng)計數(shù)據(jù)，為便于分析和研究問題，本文將全部縣級建制市歸屬為中小城市。

中小城市作為推動國民經(jīng)濟發(fā)展的重要力量，其行政區(qū)面積占國土面積的97.3%，人口占全國總人口的84.66%。而現(xiàn)有研究表明，中小城市的交通出行特性與大城市的交通出行特性有很大的不同，并且目前絕大多數(shù)的出行行為研究只針對大城市，因此針對中小城市的研究就很有必要。同時，中小城市的共享單車出行特性相較于大城市有較大的不同。考慮到現(xiàn)階段，中小城市快速發(fā)展，共享單車的投放陣營從大城市逐漸轉向中小城市，而掌握共享單車在中小城市的出行特征，將有助于已投放共享單車的中小城市的相關部門制定更加合理的共享單車建設、管理和控制措施，也對現(xiàn)階段還未投放共享單車但有意向投放共享單車的中小城市有一定的啟迪作用。基于以上幾點，本文基于SPSS來進一步揭示中小城市共享單車使用特性。

1 國內外研究綜述

目前，已有不少國內外學者對大城市的共享單車出行行為與出行特征進行了分析。Yanjie Ji等人利用南京的共享單車數(shù)據(jù)，運用二項logistic模型揭示出行特征和建筑環(huán)境因素對共享單車使用規(guī)律的影響，結果表明，在共享單車系統(tǒng)中，經(jīng)常騎行的用戶和偶爾騎行的用戶的騎行時間和距離相似，并建議在公共交通站點周邊發(fā)展高質量的無樁共享單車停車區(qū)[1]。Haojie Li等人評估了共享單車對倫敦公共自行車租賃（LCH）使用的影響。結果表明，首次推出無樁共享單車系統(tǒng)后，每個LCH對接站的平均周使用量顯著減少了5.93%[2]。Yuanyuan Guo等人研究了建筑環(huán)境因素是如何影響共享單車和地鐵的綜合使用。結果表明，土地混合利用與綜合利用呈正相關[3]。余周林2018年構建了以騎行頻率等級為上層選擇枝，出行方式為下層選擇枝的兩層巢式logit模型（NL），對共享單車影響下大學生出行行為進行研究，研究發(fā)現(xiàn)經(jīng)濟、靈活自由、避免交通擁堵、使用方便、低碳環(huán)保、路程近、可選擇交通工具少等因素是騎行的主要原因[4]。曹雪檸2015年基于南京地鐵站實地調查的數(shù)據(jù)，從出行個體和土地利用兩個角度出發(fā)，構建多項logit模型，研究結果表明出行時間和出行費用是出行者選擇軌道交通換乘方式的主要考慮因素[5]。李玉2018年建立二項logit模型，用Nlogit軟件求解，為了解共享經(jīng)濟背景下城市出行者在已有公共自行車系統(tǒng)的基礎上選擇共享單車出行時的偏好水平，結果顯示：“通勤目的”出行者更關注便捷度，“非通勤目的”出行者更關注費率[6]。左雪嬌2018年利用結構方程模型SEM，研究了城市共享單車出行者滿意度影響因素，發(fā)現(xiàn)安全性對出行者滿意度的影響程度最大，其余的相關設施配置水平、騎行成本等也有影響，從而對成都市共享單車系統(tǒng)改善提供建議[7]。

綜上表明，現(xiàn)狀對大城市共享單車的出行特征研究較為廣泛，但尚未研究中小城市共享單車出行特征。因此，本文將以中小城市的共享單車為研究對象，來進行出行特征的分析。

2 問卷調查與數(shù)據(jù)分析

2.1 數(shù)據(jù)來源

為有效了解中小城市共享單車的使用情況，于2020年5月14日至5月18日進行問卷發(fā)放，本次問卷調查主要采用網(wǎng)上發(fā)放的形式。通過Credamo平臺進行精準問卷發(fā)放，采集的信息主要是義烏市這個較為發(fā)達的中小城市。

本次調查問卷總計發(fā)放200份，回收有效問卷194份，回收有效率達到了97%。

2.2 調查數(shù)據(jù)描述性統(tǒng)計分析

對問卷數(shù)據(jù)進行描述性統(tǒng)計分析，有助于從宏觀和微觀兩個層面認識數(shù)據(jù)特征，為模型后續(xù)工作提供指導。

2.2.1 個體特征統(tǒng)計分析

問卷包含個人信息和共享單車使用情況兩部分，受訪者個體信息匯總如表1所示。

表1 受訪者個人信息分布情況

2.2.2 共享單車使用情況統(tǒng)計分析

中小城市共享單車騎行者使用統(tǒng)計情況如下圖所示。

由圖1和圖2可知，中小城市共享單車騎行者出行目的比較多樣化，各種出行目的所占的比例比較相近。同時，大家選擇共享單車出行最多的原因是其靈活自由，也有很大一部分人是因為其經(jīng)濟便宜、換乘方便同時可以鍛煉身體。

由圖3可知，中小城市共享單車騎行者能接受的找車時間普遍在3～4分鐘以內。由圖4可知，其能接受的騎行時間有27.36%在20分鐘以內，有25.47%在25分鐘以內，有23.58%的騎行者則能接受大于25分鐘的騎行時間。

由圖5可知，有18.87%的中小城市共享單車騎行者能接受大于4千米的騎行里程，同時有26.42%的人能接受大于3千米而小于4千米的騎行里程，有6.6%的人只能接受1千米以內的騎行距離。由圖6可知，中小城市共享單車騎行者普遍覺得所在城市道路騎行安全性不是很低。

圖2 騎行主要原因

圖3 能接受的找車時間

圖4 能接受的騎行時間

圖5 能接受的騎行里程

圖6 城市道路騎行安全感

由圖7可知，46.23%的用戶騎行頻率為每周多次，還有14.15%的用戶騎行頻率為每天，可見共享單車在中小城市的交通出行中扮演重要的角色。

3 中小城市共享單車出行行為的建模分析

3.1 相關性分析

為更進一步地了解中小城市共享單車的使用特性，本文在分析出行頻率相關因素的同時，也分析影響用戶能接受的找車時間、騎行時間、騎行里程和自己所在城市道路騎行安全性的相關變量。

用SPSS進行皮爾遜相關分析法（Pearson Correlation）對調查數(shù)據(jù)進行相關性檢驗，結果表明：

（1）用戶能接受的找車時間和出行目的、用戶能接受的騎行時間有關。越是彈性的出行，比如購物、娛樂休閑，其能接受的找車時間越長，同時能接受騎行時間更長的用戶能接受的找車時間也普遍更長。

圖7 共享單車騎行頻率

（2）用戶能接受的騎行時間和年齡、月收入等因素有關。年齡越大、工資水平越高，能接受的騎行時間越短。同時擁有自行車的人能接受的騎行時間也越長，這和他們適應這種交通方式有關。騎行目的主要是娛樂休閑、鍛煉身體的用戶能接受的騎行時間較長。

（3）用戶能接受的騎行里程和年齡有關，年紀越大，能接受的騎行里程越短。同時擁有電瓶車、自行車的用戶接受的騎行里程相較于一般用戶會更長一些。騎行的主要目的是娛樂休閑、鍛煉身體的用戶能接受的騎行里程更長。

（4）騎行共享單車的頻率與月收入等相關因素有關。月收入越高，騎行共享單車的頻率越低；擁有小汽車、自行車的人，騎行共享單車的頻率比較低，呈負相關性。尋找共享單車的時間越長、騎行共享單車的費用越高，人們騎行共享單車的頻率會有所下降。

研究數(shù)據(jù)表明：性別、年齡、受教育程度、職業(yè)并不會顯著影響中小城市共享單車用戶騎行共享單車的頻率；同樣的，騎行共享單車的主要目的、能接受的找車時間、騎行時間、騎行里程均不會影響人們選擇騎行共享單車的頻率。共享單車越經(jīng)濟靈活、周邊可選擇的交通工具越少，人們騎行共享單車的頻率就會越高。

3.2 信度分析

信度分析又被稱為可靠性分析，可用來判別和計算出問卷可靠性程度的大小。通過克隆巴赫（Cronbach'α）系數(shù)來評價信度指標。本文用SPSS對所采集的數(shù)據(jù)進行信度分析，得到克隆巴赫系數(shù)為0.741，屬于比較理想的程度，說明問卷的可靠性較高。

3.3 效度分析

效度分析具體指問卷所能夠測量出研究問題的大小程度，可判斷數(shù)據(jù)是否適合作因子分析。對數(shù)據(jù)進行Bartlett球形度檢驗和KMO檢驗。

檢驗結果顯示Bartlett球形度檢驗的顯著性概率Sig.為0.000，遠小于0.05，說明所測變量可以被接受。同時結果顯示KMO值為0.715，表明問卷數(shù)據(jù)比較適合作因子分析（如表2所示）。

3.4 公因子數(shù)量的確定

表2 KMO及Bartlett球形檢驗

對影響共享單車騎行頻率的自變量進行主成分因子分析。在因子分析中，確定因子數(shù)量的常用方法有：特征值大于1法、解釋方差總量法和碎石圖法。本文將特征值大于1的公因子提取出來，此部分最終得到3個公因子，其累計方差貢獻率最終達到81.878%，遠大于50%，表示這3個公因子的解釋度較好。自變量的累計解釋總方差結果如表3所示：

表3 自變量的累計解釋總方差

碎石圖如圖8所示：

圖8 碎石圖

從旋轉載荷平方和中可以得出，影響中小城市用戶騎行頻率的因素已由原來存在相關性的5個因素抽象為相互正交的3個主成分，分別用F1、F2、F3表示，主成分F1、F2、F3是由原來5個原始影響因素經(jīng)過變換后的數(shù)值線性表達式，如式（1）、式（2）、式（3）所示。此外，與第一主成分關聯(lián)較密切的因素是月收入、所擁有的私人交通工具有小汽車，其相關系數(shù)分別為0.906、0.868；與第二主成分較密切的因素是自己所在城市的道路騎行安全性、所擁有的私人交通工具有自行車，相關系數(shù)分別為0.501和0.920；與第三主成分較密切的因素是騎行尋車時間會對用戶是否選擇共享單車騎行產(chǎn)生影響，相關系數(shù)為0.978。旋轉后的成分矩陣如表4所示。

騎行頻率的主成分表達式：

表4 旋轉后的成分矩陣

其中：Fi（ i=1 ,2,3）表示影響騎行頻率的第i主成分值，xj（ i=1,2,…,5）表示騎行頻率影響參數(shù)標準值。

3.5 模型建立及分析

本文主要是建立以中小城市共享單車用戶騎行頻率為選擇枝的多項logit模型，進而研究中小城市居民共享單車使用特性和作用機理。中小城市共享單車用戶騎行頻率定義及賦值說明如表5所示：

表5 中小城市共享單車用戶騎行頻率定義及賦值說明

本章構建的多項logit模型中，各選擇枝被選擇的概率計算公式如下：

式中：P（i）（i=1,2,3,4,5）分別表示騎行者每天騎行、每周一次、每周多次、每月一次和偶爾一次的概率（0≤P（i）≤1）；Ui表示騎行者騎行頻率的效用函數(shù)。

效用函數(shù)的確定：以影響騎行者騎行頻率的主成分作為效用函數(shù)的自變量，如公式（5）所示：

式中：αi表示第一主成分權重系數(shù)，βi表示第二主成分權重系數(shù)，γi表示第三主成分權重系數(shù)，εi表示效用函數(shù)常數(shù)項。模型擬合結果如表6所示：

表6 模型擬合結果

模型所擬合的數(shù)據(jù)有194條記錄，結果保留了顯著性的因素。模型的總體擬合優(yōu)度（McFadden'sρ2）為0.32，說明模型對數(shù)據(jù)的解釋程度較好。

模型中表示月收入和是否擁有小汽車的參數(shù)估計值為負值，說明月收入越高、擁有小汽車的中小城市共享單車用戶騎行共享單車的頻率就越小。從表示參數(shù)顯著性的t值看，尋車時間對是否選擇共享單車產(chǎn)生影響的t值絕對值最大，是影響中小城市共享單車用戶騎行共享單車的最主要影響因素。

4 結論

本文選取義烏市作為中小城市的代表，研究了中小城市共享單車的使用特性。從研究中得到如下結論：（1）中小城市共享單車騎行者的出行目的會影響其能接受的找車時間、能接受的騎行時間以及能接受的騎行里程，研究表明，越是彈性的出行，比如購物、休閑娛樂、鍛煉身體等，其能接受的找車時間、騎行時間和騎行里程均會相較于騎行共享單車非彈性需求者更長。（2）年齡、月收入、是否擁有自行車、出行目的等因素會影響中小城市共享單車用戶能接受的騎行時長。年齡越大、工資水平越高，能接受的騎行時間越短。（3）性別、年齡、受教育程度、職業(yè)并不會顯著影響中小城市共享單車用戶騎行共享單車的頻率；同樣的，騎行共享單車的主要目的、用戶能接受的找車時間、騎行時間、騎行里程均不會影響人們選擇騎行共享單車的頻率。其影響因素中，月收入越高，騎行共享單車的頻率越低；擁有小汽車、自行車的人，騎行共享單車的頻率比較低，呈負相關性。尋找共享單車的時間越長、騎行共享單車的費用越高，人們騎行共享單車的頻率會有所下降。

根據(jù)中小城市共享單車出行特性統(tǒng)計分析，建議政府和企業(yè)，提高城市居民的道路安全感，保持路面的平整，進行合理的共享單車停放點規(guī)劃，減少使用者較長時間（超過4分鐘）找不到共享單車，從而提高共享單車的服務質量和使用頻率。讓共享單車成為人們出行的有利補充，成為提高居民生活幸福感的有力工具。