集裝箱托運(yùn)人意向選擇實(shí)驗(yàn)設(shè)計新方法

陶學(xué)宗　諸立超

摘要：

聚焦集裝箱托運(yùn)人貨運(yùn)選擇偏好調(diào)查，對意向選擇實(shí)驗(yàn)（stated choice experiment， SCE）設(shè)計方法（問卷設(shè)計的核心）進(jìn)行研究。基于D-error和S-error兩個效率指標(biāo)，提出一種均衡調(diào)查效率與調(diào)查成本的SCE設(shè)計新方法。以義烏至寧波集裝箱運(yùn)輸為例，利用試調(diào)查數(shù)據(jù)和新設(shè)計方法設(shè)計SCE。研究發(fā)現(xiàn)：新設(shè)計方法的D-error和S-error指標(biāo)值分別為0.044 3和20，小于傳統(tǒng)正交設(shè)計法的0.056 2和61;基于新設(shè)計方法、正式調(diào)查的SWAIT多元Logit模型（multinomial Logit model proposed by SWAIT， MNLS模型）在擬合優(yōu)度和顯著參數(shù)數(shù)目上均優(yōu)于基于正交設(shè)計法、試調(diào)查的MNLS模型。結(jié)果表明，新設(shè)計方法能夠以較小樣本量得到擬合優(yōu)度更好的模型，揭示更多的托運(yùn)人貨運(yùn)選擇偏好信息，可為高效率、低成本地采集托運(yùn)人貨運(yùn)選擇偏好數(shù)據(jù)提供一種新途徑。

關(guān)鍵詞：

集裝箱運(yùn)輸; 貨運(yùn)方式選擇; 意向選擇實(shí)驗(yàn)（SCE）; 高效設(shè)計; 托運(yùn)人

中圖分類號：? U169.6

文獻(xiàn)標(biāo)志碼：? A

收稿日期： 2020-02-21

修回日期： 2020-05-09

基金項(xiàng)目： 國家自然科學(xué)基金（72074141，71603162）;浙江省自然科學(xué)基金（LQ21E080023）;

浙江省哲學(xué)社會科學(xué)規(guī)劃課題（21NDQN256YB）

作者簡介：

陶學(xué)宗（1981—），男，河南嵩縣人，副教授，碩導(dǎo)，博士，研究方向?yàn)楦劭谖锪鳌⒍嗍铰?lián)運(yùn)，（E-mail）xztao@shmtu.edu.cn

通信聯(lián)系人。（E-mail）zlc1113@126.com

A new design method to stated choice experiments for

container shippers

TAO Xuezong1， ZHU Lichao2*

（1.College of Transport and Communications， Shanghai Maritime University， Shanghai 201306， China;

2.School of Business Administration， Zhejiang University of Finance and Economics， Hangzhou 310018，? China）

Abstract：

Focused on the survey of container shippers freight choice preference， the core issue in questionnaire design is studied on how to design the stated choice experiment （SCE）. A new SCE design method with balance ability between the survey effeciency and the survey cost is presented according to two efficiency indexes of D-error and S-error. Taking container transport from Yiwu to Ningbo as a case， the SCEs are designed by the pilot survey data and the new design method. It is found that the values of D-error and S-error indexes for the new design method are 0.044 3 and 20， respectively， which are less than 0.056 2 and 61 for the traditional orthogonal design method. The multinomial Logit model proposed by Swait （MNLS model） based on formal survey and the new design method is better than MNLS model based on pilot survey and the orthogonal design method both in goodness-of-fit and the number of significant parameters. The results indicate that， by the new design method， the model with better goodness-of-fit can be obtained with less sample size， and more information on shippers freight choice preference can be revealed. It can provide a new way to data collection of shippers freight choice preference with high efficiency and lower cost.

Key words：

container transportation; freight mode choice; stated choice experiment （SCE）; efficient design; shipper

0 引 言

推進(jìn)港口腹地部分集裝箱貨物從公路向水路和鐵路轉(zhuǎn)移，是港口貫徹綠色發(fā)展理念、實(shí)現(xiàn)可持續(xù)發(fā)展目標(biāo)的戰(zhàn)略選擇，對打好污染防治攻堅戰(zhàn)、打贏藍(lán)天保衛(wèi)戰(zhàn)、推動經(jīng)濟(jì)社會高質(zhì)量發(fā)展具有重要意義[1]。在此背景下，急需研究并掌握集裝箱托運(yùn)人的貨運(yùn)選擇行為特征，以便識別港口集疏運(yùn)方式轉(zhuǎn)移的關(guān)鍵影響因素，并為制定和調(diào)整港口集疏運(yùn)轉(zhuǎn)移促進(jìn)政策提供決策支持。其中，貨運(yùn)選擇偏好信息的采集是研究集裝箱托運(yùn)人貨運(yùn)選擇行為特征的重要基礎(chǔ)。從研究者的角度看，托運(yùn)人屬性[2]、貨物屬性[3]、地理屬性[4]等對托運(yùn)人貨運(yùn)選擇行為的影響日益受到關(guān)注，導(dǎo)致研究本身對托運(yùn)人貨運(yùn)選擇偏好數(shù)據(jù)的需求日趨擴(kuò)大。從托運(yùn)人的角度看，他們不愿透露所選貨運(yùn)服務(wù)的時間和費(fèi)用等商業(yè)信息，導(dǎo)致托運(yùn)人問卷調(diào)查響應(yīng)度低、數(shù)據(jù)完整性較差。因此，采集托運(yùn)人行為偏好（revealed preference，RP）數(shù)據(jù)面臨著嚴(yán)峻挑戰(zhàn)，使得研究者不得不轉(zhuǎn)向采集意向偏好（stated preference，SP）數(shù)據(jù)[5]。通常情況下，貨運(yùn)SP數(shù)據(jù)的采集需借助意向選擇實(shí)驗(yàn)（stated choice experiment，SCE），而SCE的關(guān)鍵是設(shè)計假設(shè)情景。目前，SCE假設(shè)情景的設(shè)計主要有變量波動法（文獻(xiàn)中未明確定義）和正交設(shè)計法。變量波動法指研究者基于既有研究經(jīng)驗(yàn)，結(jié)合托運(yùn)人訪談和RP調(diào)查數(shù)據(jù)，確定貨運(yùn)服務(wù)各屬性的合理取值區(qū)間，然后在取值區(qū)間內(nèi)選取若干水平，對不同貨運(yùn)方式的不同屬性水平進(jìn)行組合，從而得到假設(shè)情景[6]。正交設(shè)計法通過均衡搭配不同變量及其取值水平，減少假設(shè)情景數(shù)，提高設(shè)計效率，但可能生成某一貨運(yùn)方式所有屬性均占優(yōu)的假設(shè)情景，目前僅有少部分學(xué)者使用[7-8]。然而，這兩類方法存在以下問題：①所采集數(shù)據(jù)存在信息冗余，即采集到的某些信息可以從其他信息推導(dǎo)出來，導(dǎo)致調(diào)查效率降低;②為保證參數(shù)顯著性，需要更多樣本量，導(dǎo)致調(diào)查成本上升。不僅如此，國內(nèi)外幾乎所有相關(guān)研究都未說明所采集的樣本量是否足夠用于建模分析[5]。鑒于此，本研究基于D-error和S-error兩個設(shè)計效率指標(biāo)[9-10]，提出一種均衡調(diào)查效率與調(diào)查成本的SCE設(shè)計新方法，并以義烏至寧波集裝箱運(yùn)輸為例，驗(yàn)證該方法的有效性。需要說明的是，D-error和S-error兩個指標(biāo)是針對SCE情景設(shè)計提出的，而RP調(diào)查無須設(shè)計情景，因此不涉及此類指標(biāo)。

1 SCE設(shè)計新方法

SCE設(shè)計新方法的核心在于均衡調(diào)查效率與調(diào)查成本。在樣本規(guī)模相同時，模型統(tǒng)計有效性越好（擬合優(yōu)度值較大，且滿足一定顯著性要求的參數(shù)數(shù)目較多），調(diào)查效率越高。在統(tǒng)計上，調(diào)查效率可用D-error指標(biāo)[9]進(jìn)行度量，其值越小，調(diào)查效率越高。在模型統(tǒng)計有效性相同或接近時，標(biāo)定模型所需樣本規(guī)模越大，調(diào)查成本越高。在統(tǒng)計上，調(diào)查成本可用S-error指標(biāo)[10]進(jìn)行度量，其值越小，調(diào)查成本越低。D-error和S-error指標(biāo)值都可以從模型的漸近協(xié)方差（asymptotic variance covariance，AVC）矩陣推導(dǎo)出來。因此，SCE設(shè)計新方法的本質(zhì)就是，基于貨運(yùn)方式選擇模型的AVC矩陣尋求D-error指標(biāo)值最小的高效率假設(shè)情景，并在此基礎(chǔ)上尋求滿足顯著性要求的最小樣本規(guī)模。

1.1 基于Logit模型的AVC矩陣

Logit模型是貨運(yùn)方式選擇行為研究領(lǐng)域應(yīng)用最廣泛的模型[11]。假設(shè)托運(yùn)人

n（n=1，2，…，N）在假設(shè)情景s（s=1，2，…，S）選擇貨運(yùn)方式j(luò)（j=1，2，…，J）的效用確定項(xiàng)為Vnsj，則Vnsj可由貨運(yùn)方式屬性xnsjk與對應(yīng)參數(shù)βk的線性組合Kk=1（βkxnsjk）表示，其中k為貨運(yùn)方式屬性編號，k=1，2，…，K。根據(jù)Logit模型建模理論[12]，托運(yùn)人n在假設(shè)情景s選擇貨運(yùn)方式j(luò)的概率為

式中：δnsj為指示變量，當(dāng)托運(yùn)人n在假設(shè)情景s選擇貨運(yùn)方式j(luò)時δnsj=1，否則為0。

Logit模型相應(yīng)的對數(shù)似然函數(shù)和費(fèi)雪信息矩陣分別為

式中：Z為由znsjk組成的NSJ×K維矩陣;znsjk為矩陣Z的元素，其值取決于貨運(yùn)方式屬性xnsjk、貨運(yùn)方式數(shù)目J和選擇概率Pnsj。

根據(jù)Logit模型導(dǎo)出的AVC矩陣為

1.2 調(diào)查效率衡量指標(biāo)D-error

D-error指標(biāo)值的計算公式[9]為

式中：M為矩陣ΩN的秩，即模型的待估參數(shù)數(shù)目。

D-error指標(biāo)值為AVC矩陣行列式的M次方根，其最小值對應(yīng)的SCE設(shè)計稱為D-optimal設(shè)計[12]。在設(shè)計假設(shè)情景時，隨著變量數(shù)和水平數(shù)的增加，潛在情景組合數(shù)呈指數(shù)增長。例如，假設(shè)集裝箱托運(yùn)人可選的貨運(yùn)方式有2種（公路和鐵路），且每種貨運(yùn)方式均可通過運(yùn)輸時間、運(yùn)輸費(fèi)用和時間波動變量描述，3個變量均有3個水平，則一共有（33）2=729種假設(shè)情景。在滿足數(shù)據(jù)采集需求和集裝箱托運(yùn)人可接受條件下（如每張問卷18個假設(shè)情景），為從729種假設(shè)情景中找出使D-error指標(biāo)值最小的假設(shè)情景組合，則需要進(jìn)行

729！/（18！（729-18）！）≈4.27×1035次計算。面對如此龐大的計算量，很難保證在有限時間內(nèi)找到D-error指標(biāo)值最小的SCE設(shè)計。鑒于此，在實(shí)踐中通常采用D-error指標(biāo)值相對較小的SCE設(shè)計，即D-efficient設(shè)計[12]。在D-efficient設(shè)計實(shí)踐中，一般借助由悉尼大學(xué)商學(xué)院開發(fā)的專用SCE設(shè)計軟件Ngene [13]或自己編寫MATLAB程序完成。

1.3 調(diào)查成本衡量指標(biāo)S-error

目前，貨運(yùn)方式選擇行為相關(guān)領(lǐng)域的絕大部分研究者對模型參數(shù)估計所需樣本量知之甚少，通常希望樣本量足夠大以產(chǎn)生可靠的參數(shù)估計值，導(dǎo)致調(diào)查成本居高不下。為此，ROSE等[10]提出了S-error指標(biāo)用于確定建模分析所需的最小樣本規(guī)模，從而降低調(diào)查成本。

假設(shè)模型待估參數(shù)值為β，參數(shù)先驗(yàn)值為β，用sN（β）表示樣本量為N時的參數(shù)估計值漸近標(biāo)準(zhǔn)差，其為矩陣

ΩN的對角元素平方根。為便于SCE設(shè)計，通常假設(shè)每一托運(yùn)人面臨的假設(shè)情景數(shù)目相同，即

IN=N·I1。因此，ΩN=

I-1N=Ω1/N，這就意味著

假設(shè)s1（β）=1，根據(jù)式（6）可確定模型參數(shù)估計值標(biāo)準(zhǔn)差

1/N的變化規(guī)律，見圖1。

從圖1可以看出，只有將樣本量增加至原來的4倍時，相應(yīng)標(biāo)準(zhǔn)差才能減小一半。因此，當(dāng)樣本量較大時，樣本量增加所帶來的標(biāo)準(zhǔn)差減小量符合邊際遞減原理，即標(biāo)準(zhǔn)差的減小需要更多樣本量。盲目增加樣本量，不僅增加調(diào)查成本，而且很可能效果甚微，而新設(shè)計的目標(biāo)是整體下移這一標(biāo)準(zhǔn)差變化曲線，更加有效地減少建模所需樣本量。

基于式（6），可借助漸近t檢驗(yàn)確定最小樣本量。為保證參數(shù)估計值在φ（90%、95%、99%）置信水平上與0存在顯著差異，應(yīng)滿足

式中：tφ為置信水平φ（90%、95%、99%）對應(yīng)的臨界值（1.65、1.96、2.56）。

式中：Nk，φ為待估參數(shù)β*k滿足φ置信水平時對應(yīng)的最小樣本量。

當(dāng)所有參數(shù)估計值滿足在φ置信水平上顯著時，最小樣本量中的最大值即為S-error指標(biāo)值，具體按式（9）計算：

式中：Se，φ為φ置信水平對應(yīng)的理論最小樣本規(guī)模。

在正式調(diào)查中，考慮到無應(yīng)答誤差、編碼和錄入誤差等問題，需對理論最小樣本規(guī)模進(jìn)行修正。根據(jù)文獻(xiàn)[5]的測算，修正系數(shù)為1.103。

2 基于SCE設(shè)計新方法的調(diào)查問卷設(shè)計

2.1 參數(shù)先驗(yàn)值確定

考慮到義烏集裝箱運(yùn)輸需求規(guī)模大，且課題組具有一定研究基礎(chǔ)，選取義烏至寧波的集裝箱運(yùn)輸（目前主要采用公路和鐵路2種貨運(yùn)方式）為研究對象，采集義烏集裝箱托運(yùn)人貨運(yùn)選擇偏好數(shù)據(jù)。課題組于2014年9月10日至12日對義烏當(dāng)?shù)丶b箱托運(yùn)人開展一對一訪談和問卷調(diào)查，調(diào)查內(nèi)容涵蓋托運(yùn)人屬性、貨物屬性和SP假設(shè)情景選擇等。由于對擬研究變量對應(yīng)的參數(shù)值缺乏先驗(yàn)認(rèn)知，故通過正交設(shè)計法得到若干假設(shè)情景，隨機(jī)挑選15個假設(shè)情景進(jìn)行試調(diào)查。

鑒于運(yùn)輸時間閾值對集裝箱托運(yùn)人貨運(yùn)方式選擇的影響，構(gòu)建分段效用函數(shù)的多元Logit模型。其中，閾值指集裝箱托運(yùn)人對某一屬性可接受的最大或最小值。一旦某一貨運(yùn)方式的某一屬性超過或低于閾值，無論其他屬性多好都難以補(bǔ)償這一屬性帶來的損失，托運(yùn)人就很可能不選擇這一貨運(yùn)方式[7]。該模型由SWAIT[14]

提出，故將其稱為SWAIT多元Logit模型。利用計量經(jīng)濟(jì)學(xué)專用軟件包NLogit 6.0對基于試調(diào)查的SWAIT多元Logit模型（multinomial Logit model proposed by SWAIT for pilot survey，MNLS（P）模型）參數(shù)進(jìn)行估計，然后對參數(shù)估計值進(jìn)行修正，作為正式調(diào)查的參數(shù)先驗(yàn)值。具體修正思路如下：①考慮到鐵路運(yùn)輸時間價值可能比公路的低，適當(dāng)增大鐵路費(fèi)用系數(shù)，降低其運(yùn)輸時間價值;②為檢驗(yàn)超過運(yùn)輸時間閾值的時間價值的確很高和檢驗(yàn)參數(shù)先驗(yàn)值在潛在錯誤定義下的D-efficient設(shè)計的魯棒性，將MNLS（P）模型的運(yùn)輸時間閾值參數(shù)先驗(yàn)值縮小至原來的1/4;③與運(yùn)輸時間相比，運(yùn)輸時間波動對集裝箱托運(yùn)人貨運(yùn)方式選擇的影響可能更大，將運(yùn)輸時間波動參數(shù)先驗(yàn)值設(shè)置為時間的2倍。最后設(shè)定的參數(shù)先驗(yàn)值和水平數(shù)見表1。

2.2 假設(shè)情景生成

考慮集裝箱托運(yùn)人對假設(shè)情景數(shù)的可接受程度，結(jié)合試調(diào)查情況和相關(guān)文獻(xiàn)[5]，最終設(shè)定18個情景。然后，應(yīng)用正交設(shè)計和D-efficient設(shè)計，分別得到不同的假設(shè)情景組合。需要注意的是，在絕對占優(yōu)（某一貨運(yùn)方式在各屬性上明顯優(yōu)于另一貨運(yùn)方式）情景中，絕對占優(yōu)貨運(yùn)方式的分擔(dān)率將接近1。本研究涉及的兩種貨運(yùn)方式的屬性各有優(yōu)劣，不存在某一貨運(yùn)方式屬性絕對占優(yōu)的情況。此外，KANNINEN[15]證明了效用平衡（兩種貨運(yùn)方式效用或分擔(dān)率相近）對實(shí)驗(yàn)設(shè)計效率并不重要。因此，不能根據(jù)兩種貨運(yùn)方式分擔(dān)率差距大小判斷設(shè)計的優(yōu)劣。

在本研究中，集裝箱托運(yùn)人SCE設(shè)計新方法分為兩個階段：①最小化D-error指標(biāo)值，在模型參數(shù)整體層面保證費(fèi)雪信息最大化;②計算使每個參數(shù)在90%（或95%，99%）置信水平上顯著的理論最小樣本規(guī)模，從中選擇最大值作為S-error指標(biāo)值，以確保所有參數(shù)估計值顯著。本研究設(shè)定置信水平為90%，通過MATLAB編程實(shí)現(xiàn)正交設(shè)計，利用Ngene完成D-efficient設(shè)計。最終得到正交設(shè)計和D-efficient設(shè)計的SP假設(shè)情景，見表2。正交設(shè)計的D-error指標(biāo)值為0.056 2，相應(yīng)S-error指標(biāo)值為61;D-efficient設(shè)計的D-error指標(biāo)值為0.047 4，相應(yīng)S-error指標(biāo)值為20。由此可見，D-efficient設(shè)計在調(diào)查效率和調(diào)查成本上均優(yōu)于正交設(shè)計。在正式調(diào)查中，正交設(shè)計和D-efficient設(shè)計所需的修正最小樣本規(guī)模分別為68（≈61×1.103）和23（≈20×1.103）。與正交設(shè)計相比，D-efficient設(shè)計可節(jié)省45個樣本（節(jié)省率為66.18%）。

2.3 非SCE定量屬性的選擇

考慮到集裝箱托運(yùn)人在選擇貨運(yùn)方式時受到貨運(yùn)服務(wù)屬性、托運(yùn)人屬性、貨物屬性等諸多因素影響，本研究結(jié)合前期調(diào)查經(jīng)驗(yàn)和現(xiàn)有相關(guān)研究[2-5]，在確定運(yùn)輸時間、運(yùn)輸費(fèi)用、時間波動等貨運(yùn)服務(wù)屬性的基礎(chǔ)上，再選取員工數(shù)量、成立年限、托運(yùn)頻次、集卡數(shù)量、時間閾值、費(fèi)用閾值等托運(yùn)人屬性，貨物批量、貨物價值、貨物質(zhì)量等貨物屬性，納入集裝箱托運(yùn)人調(diào)查問卷中。調(diào)查問卷涉及的這些非SCE定量屬性的含義見表3。

3 結(jié)果分析

3.1 原始數(shù)據(jù)統(tǒng)計

2015年7月21日至24日，課題組對義烏集裝箱托運(yùn)人進(jìn)行了正式調(diào)查，共采集到30個有效樣本（實(shí)際抽樣率0.86%>抽樣率下限0.60%）。每份問卷包含18個SP假設(shè)情景，共采集540組數(shù)據(jù)。剔除嚴(yán)重不完整數(shù)據(jù)和明顯存在瑕疵的數(shù)據(jù)，最終得到可用數(shù)據(jù)489組，原始數(shù)據(jù)的統(tǒng)計結(jié)果見表3。

統(tǒng)計結(jié)果表明：義烏至寧波的公路集裝箱平均運(yùn)輸時間較短，費(fèi)用穩(wěn)定，運(yùn)輸時間波動范圍較小;義烏市集裝箱托運(yùn)人的企業(yè)規(guī)模偏小（平均為16.43人），平均成立年限較短（6.3 a），平均托運(yùn)頻次較高（29.88次·月-1），自有集卡數(shù)量不多（平均為9.33輛），托運(yùn)人可接受的時間上限和費(fèi)用上限的均值分別為25.62 h和2 505元·FEU-1;義烏市

集裝箱托運(yùn)人的單次托運(yùn)貨物批量不大（3.08 FEU·

次-1），附加值較高（25.05萬元·FEU-1），貨物平均質(zhì)量為19.8 t·FEU-1（為輕貨）。

3.2 建模分析

利用NLogit 6.0對基于正式調(diào)查的SWAIT多元Logit模型（multinomial Logit model proposed by SWAIT for formal survey，MNLS（F）模型）參數(shù)進(jìn)行估計，并按照反向逐步選擇原則[12]逐步剔除不顯著的變量，最終確定MNLS（F）模型的效用函數(shù)（見下式），并得到參數(shù)估計結(jié)果（見表4）。為便于比較，表4還給出了MNLS（P）模型的參數(shù)估計結(jié)果。

式中：U為效用;n為被調(diào)查托運(yùn)人編號;下標(biāo)中的1表示公路運(yùn)輸，下標(biāo)中的2表示鐵路運(yùn)輸;ε為效用不可觀測項(xiàng);β為待估計參數(shù);Ac為與運(yùn)輸方式相關(guān)的待估常數(shù)項(xiàng);xUtt為運(yùn)輸時間閾值;其余變量見表4。

從表4可以看出，基于D-efficient設(shè)計的MNLS（F）模型，其擬合優(yōu)度值為0.411，大于基于正交設(shè)計的MNLS（P）模型的擬合優(yōu)度值（0.153），說明MNLS（F）模型在整體性能上優(yōu)于MNLS（P）模型。也就是說，基于D-efficient設(shè)計的MNLS（F）模型能夠更好地與數(shù)據(jù)擬合，在實(shí)踐中有助于提高分析結(jié)果的準(zhǔn)確性。以支付意愿為例，在未超過時間閾值時，MNLS（P）模型得到的值為41.88元

·FEU-1·h-1，明顯大于MNLS（F）模型得到的17.87元·FEU-1·h-1，而根據(jù)實(shí)際調(diào)研測算的支付意愿為13～19元·FEU-1·h-1。由此可見，利用MNLS（F）模型得到的支付意愿更接近實(shí)際情況，可有效避免MNLS（P）模型存在的支付意愿被高估的問題。其次，MNLS（F）模型中達(dá)到顯著性要求的參數(shù)有9個，比MNLS（P）模型的多4個，說明MNLS（F）模型能揭示集裝箱托運(yùn)人更多的貨運(yùn)選擇偏好信息。以時間波動為例，MNLS（P）模型無法揭示該因素對托運(yùn)人選擇偏好的影響，而MNLS（F）模型表明該因素對托運(yùn)人選擇偏好有負(fù)向影響，即某一運(yùn)輸服務(wù)的時間波動越大，托運(yùn)人越不愿意選擇這一運(yùn)輸服務(wù)，這與實(shí)際情況（鐵路運(yùn)輸時間波動大，托運(yùn)人選擇少）完全一致。此外，MNLS（F）模型參數(shù)先驗(yàn)值的S-error指標(biāo)值為20，修正最小樣本規(guī)模為23;參數(shù)后驗(yàn)值的S-error指標(biāo)值為16，修正最小樣本規(guī)模為18。實(shí)際采樣規(guī)模為30（根據(jù)變量波動法實(shí)踐經(jīng)驗(yàn)，一般SP調(diào)查至少需采集30個樣本才能滿足建模分析需要），無論是從參數(shù)先驗(yàn)值還是從參數(shù)后

驗(yàn)值角度看，均足以保證模型參數(shù)的顯著性。與根據(jù)變量波動法使用經(jīng)驗(yàn)確定的樣本規(guī)模相比，新設(shè)計方法可節(jié)省7～12個樣本（節(jié)省率為23%～40%）。

4 結(jié) 論

基于D-error和S-error兩個效率指標(biāo)，提出一種均衡調(diào)查效率與調(diào)查成本的意向選擇實(shí)驗(yàn)（SCE）設(shè)計新方法，并以義烏至寧波集裝箱運(yùn)輸為例進(jìn)行了實(shí)證分析，主要結(jié)論如下：（1）SCE設(shè)計新方法在調(diào)查效率和調(diào)查成本上均優(yōu)于正交設(shè)計法;（2）與基于正交設(shè)計法、正式調(diào)查的SWAIT多元Logit模型（MNLS（F）模型）相比，基于新設(shè)計方法的MNLS（F）模型在擬合優(yōu)度和解釋能力方面更加優(yōu)越，實(shí)用性更好;（3）與基于正交設(shè)計法和變量波動法實(shí)踐經(jīng)驗(yàn)確定的樣本規(guī)模相比，SCE設(shè)計新方法可分別節(jié)省45個和7～12個樣本。

參考文獻(xiàn)：

[1]陶學(xué)宗， 吳琴， 尹傳忠. 綠色交通目標(biāo)下集裝箱“公轉(zhuǎn)鐵”的CO2減排潛力評估[J]. 氣候變化研究進(jìn)展， 2019， 15（6）： 660-669. DOI： 10.12006/j.issn.1673-1719.2019.027.

[2]FEOM， ESPINO R， GARCA L. A stated preference analysis of Spanish freight forwarders modal choice on the south-west Europe motorway of the sea[J]. Transport Policy， 2011， 18： 60-67. DOI： 10.1016/j.tranpol.2010.05.009.

[3]ARUNOTAYANUNK， POLAK J W. Taste heterogeneity and market segmentation in freight shippers mode choice behaviour[J]. Transportation Research Part E： Logistics and Transportation Review， 2011， 47： 138-148. DOI： 10.1016/j.tre.2010.09.003.

[4]FEO-VALEROM， GARCA-MENNDEZ L， SEZ-CARRAMOLINO L，et al. The importance of the inland leg of containerised maritime shipments： an analysis of modal choice determinants in Spain[J]. Transportation Research Part E： Logistics and Transportation Review， 2011， 47： 446-460. DOI： 10.1016/j.tre.2010.11.011.

[5]諸立超. 國際集裝箱內(nèi)陸段貨運(yùn)決策模型及競爭力分析[D]. 上海： 同濟(jì)大學(xué)， 2017.

[6]MASIEROL， HENSHER D A. Analyzing loss aversion and diminishing sensitivity in a freight transport stated choice experiment[J]. Transportation Research Part A： Policy and Practice， 2010， 44（5）： 349-358. DOI： 10.1016/j.tra.2010.03.006.

[7]張戎， 諸立超. 考慮時間閾值的鐵路運(yùn)輸鏈分擔(dān)率模型[J]. 交通運(yùn)輸系統(tǒng)工程與信息， 2016， 16（2）： 132-138. DOI： 10.16097/j.cnki.1009-6744.2016.02.021.

[8]KANGK， STRAUSS-WIEDER A， EOM J K. New approach to appraisal of rail freight projects in South Korea： using the value of freight transit time savings[J]. Transportation Research Record： Journal of the Transportation Research Board， 2010， 2159（1）： 52-58. DOI： 10.3141/2159-07.

[9]BLIEMERM C J， COLLINS A T. On determining priors for the generation of efficient stated choice experimental designs[J]. Journal of Choice Modelling， 2016， 21： 10-14. DOI： 10.1016/j.jocm.2016.03.001.

[10]ROSEJ M， BLIEMER M C J. Sample size requirements for stated choice experiments[J]. Transportation， 2013， 40： 1021-1041. DOI： 10.1007/s11116-013-9451-z.

[11]張戎， 陶學(xué)宗. 托運(yùn)人貨運(yùn)服務(wù)選擇行為模型研究述評[J]. 同濟(jì)大學(xué)學(xué)報（自然科學(xué)版）， 2013， 41（9）： 1384-1391. DOI： 10.3969/j.issn.0253-374x.2013.09.017.

[12]HENSHERD A， ROSE J M， GREENE W H. Applied choice analysis[M]. 2nd ed. Cambridge： Cambridge University Press， 2015.

[13]ChoiceMetrics. Ngene 1.1.2 user manual & reference guide[M]. Sydney： ChoiceMetrics Pty Ltd， 2014.

[14]SWAITJ. A non-compensatory choice model incorporating attribute cutoffs[J]. Transportation Research Part B： Methodological， 2001， 35： 903-928. DOI： 10.1016/S0191-2615（00）00030-8.

[15]KANNINENB J. Optimal design for multinomial choice experiments[J]. Journal of Marketing Research， 2002， 39： 214-227. DOI： 10.1509/jmkr.39.2.214.19080.

（編輯 趙勉）