綜合交通樞紐乘客滿意度影響因素分析模型

陳 堅，李 睿，傅志妍，2，鄭波濤，馬新露

(1. 重慶交通大學 交通運輸學院，重慶 400074； 2. 重慶第二師范學院 經濟與工商管理學院，重慶 400067；3. 重慶城市綜合交通樞紐(集團)有限公司，重慶 400020)

0 引言

綜合交通樞紐作為城市對外運輸方式與市內軌道交通、常規公交、出租車等方式的物理銜接空間，承擔著城市內外的客貨運中轉功能，在城市交通系統中扮演著重要角色，也是城市形象與治理水平的具體體現。隨著生活水平的提高，人們對交通出行的認知已逐漸由“物理上的空間位移需求”向“心理上的綜合服務體驗”轉變，對出行服務的要求更加注重品質化。而現今綜合交通樞紐存在著銜接方式不匹配、換乘通道不便捷、組織流線不順暢等問題，嚴重影響著居民出行體驗。研究綜合交通樞紐的乘客滿意度可有針對性地提升服務水平，改善樞紐運營品質以及核心競爭力，引導綜合交通樞紐向人性化、高效化、一體化健康發展。

隨著近年來各城市對綜合交通樞紐發展的愈加重視，關于綜合交通樞紐的研究逐漸興起，主要集中于選址布局與客流組織優化方面。Yuan等[1]基于遺傳算法進行了交通樞紐布局選址優化；Kalyuzhnyi等[2]構建了一種交通樞紐選址規劃的數學模型；李婷婷等[3]提出了基于分層布局的城市群綜合客運樞紐優化模型；任其亮等[4]構建了組團城市換乘樞紐的雙層規劃選址模型；余躍武等[5]構建了考慮公交優先與財政投入等多目標的客運樞紐客流標識導向優化模型；呂慎等[6]基于乘客平均候車時間模型進行了交通樞紐的公交換乘優化；魯晨等[7]構建了綜合交通樞紐內客流換乘組織優化模型；寇俊等[8]基于多項Logit構建了分時段的客運鐵路樞紐客流分配模型[8]。

已有研究側重于綜合交通樞紐本身的規劃布局、硬件設施及客流組織優化，以此提升綜合交通樞紐的服務質量，但乘客對其服務質量提升效果的感知尚未明確，需從乘客心理感受角度開展綜合交通樞紐的滿意度研究，形成其滿意度影響因素的定量分析方法。本研究基于改進的中國顧客滿意度指數模型構建了綜合交通樞紐的乘客滿意度影響因素分析模型，分別運用一階、二階結構方程模型對各因素與乘客滿意度之間的影響關系進行定量對比驗證，從乘客心理感知角度為政府部門及運營企業改善綜合交通樞紐的服務質量提供了理論支撐。

1 基礎理論及研究假設

1.1 基礎理論適用性分析

中國顧客滿意度指數模型(China Customer Satisfaction Index，CCSI)由中國標準化研究所與清華大學于2002年共同提出，描述了顧客對產品或服務的消費認知過程。CCSI認為顧客滿意度及忠誠度取決于顧客對產品或服務的期望質量與感知質量的價值衡量以及企業品牌形象的復合作用，目前已被廣泛應用于社會學、管理學等各個研究領域，但其解釋能力有限，各研究仍會對CCSI模型進行適應性的改進(包括融入新變量與調整路徑關系等)[9-11]，以期探索出更具有行業針對性、更高解釋能力的滿意度影響因素分析模型，CCSI模型框架見圖1。乘客作為綜合交通樞紐的服務對象，其對綜合交通樞紐的滿意度也是一種顧客滿意度，因此CCSI模型可作為乘客滿意度影響因素分析的基礎理論框架。

圖1 CCSI模型框架Fig.1 CCSI model framework

1.2 研究假設

結合綜合交通樞紐的服務特性，將CCSI模型中的感知質量、期望質量、品牌形象具體化為感知服務質量、期望服務質量、樞紐形象，基于CCSI模型既有路徑關系，提出研究假設：感知服務質量正向影響乘客滿意度(H1)；期望服務質量負向影響乘客滿意度(H2)；樞紐形象正向影響乘客滿意度(H3)；期望服務質量負向影響感知服務質量(H5)；樞紐形象正向影響期望服務質量(H6)；乘客滿意度正向影響顧客忠誠度(H7)。考慮到CCSI模型中的感知價值旨在探究價格因素對滿意度的影響，而綜合交通樞紐中的價格因素主要體現在交通方式的出行費用，而不在樞紐本身，故剔除感知價值變量。此外，綜合交通樞紐的交通區位條件在一定程度上決定著其換乘接駁功能及可達性[12]，由交通區位條件不同所產生的出行時間成本、費用成本差異會直接影響出行者的出行體驗，進而影響其滿意度，故新增變量交通區位，并假設交通區位正向影響乘客滿意度(H4)。研究假設路徑關系見圖2。

圖2 研究假設Fig.2 Research hypothesis

2 模型構建

2.1 變量測度

結合李克特五點評分量表以觀察變量(測量題項)對不可直接觀測的潛變量進行定量測度，從“非常不同意(=1)”到“非常同意(=5)”的五點評分表達受訪者對調查問卷測量題項中相關描述內容的心理認可程度。期望服務質量、感知服務質量、樞紐形象的構念涵蓋多方面的復雜內容，若僅以一階測量模型測度會造成題項冗雜且題項間相關性太高，模型擬合結果不可信，故采用二階測量模型對此3個潛變量分別設立一級測量指標與二級測量題項以進行構念簡化，進而減少模型測量誤差。而交通區位、乘客滿意度、乘客忠誠度3個潛變量構念清晰，可直接以二級測量題項予以測度。為對比分析一階模型與二階模型的估計效果，一階模型中所有潛變量直接以二級測量題項予以測度，具體測量指標及題項見表1。

表1 變量測量指標及題項Tab.1 Measurement indicators and items of variables

續表1

2.2 結構方程模型構建

為同時探究本研究模型中多個概念較為抽象、不可直接測量的潛變量之間的影響關系，通過多元統計分析方法結構方程模型進行數據分析。結構方程模型是基于變量的協方差矩陣來分析變量之間關系的一種統計方法，可同時處理多個因變量之間的作用關系，并可利用觀察變量(測量題項)有效測量概念較為抽象、不可直接測量的潛變量，在心理學、教育學、社會學等研究領域已有廣泛應用[13-15]，但在交通研究領域的應用仍處于起步階段。

結構方程模型基本原理是通過因子分析計算潛變量與觀察變量間的關系(因子載荷系數)以得到潛變量的觀測值，并以此觀測值計算多個潛變量之間的相關系數，二者分析在結構方程模型中同步進行，故能夠在分析自變量對某一因變量的作用關系時，避免忽略其他因變量的客觀存在及其影響。其包括測量模型與結構模型兩部分，測量模型用于描述觀察變量與潛變量之間的關系，結構模型用于描述各潛變量之間的關系。

2.2.1 測量模型

一階模型：

(1)

(2)

二階模型：

(3)

(4)

式中，X為外生顯變量(T1～T9、TL1～TL3)構成的向量；ξ為外生潛變量(樞紐形象TI、交通區位TL)構成的向量；ΛX為X對ξ的因子載荷矩陣；δ為由X的觀測誤差構成的向量；Y為內生顯變量(E1～E9、P1～P12、PS1～PS4、PL1～PL3)構成的向量；η為內生潛變量(一階模型中包含期望服務質量EQ、感知服務質量PQ、乘客滿意度PS、乘客忠誠度PL，二階模型中另包含EQ1～EQ3、PQ1～PQ4、TI1～TI3)構成的向量；ΛY為Y對η的因子載荷矩陣；ε為由Y的觀測誤差構成的向量。

2.2.2 結構模型

一階模型：

(5)

二階模型：

(6)

式中，B為內生潛變量η(一階模型中包含期望服務質量EQ、感知服務質量PQ、乘客滿意度PS、乘客忠誠度PL，二階模型中另包含EQ1～EQ3、PQ1～PQ4、TI1～TI3)的結構系數矩陣，反映模型中內生潛變量間的作用大小；Γ為外生潛變量ξ(樞紐形象TI、交通區位TL)的結構系數矩陣，反映外生潛變量ξ對內生潛變量η的作用大小；ζ為內生潛變量的誤差向量。

2.3 模型求解及檢驗

2.3.1 求解方法

采用最大似然法對模型進行參數估計，檢驗模型所生成的測量變量協方差矩陣與樣本協方差矩陣的接近程度(擬合度)，模型擬合度越好，參數估計結果越準確，相關運算通過Mplus軟件完成。

2.3.2 質量檢驗

結合問卷調查所得數據對模型的內在質量(信度、效度)以及外在質量(模型整體的擬合優度)進行檢驗。信效度檢驗通過驗證性因子分析方法對檢驗組合信度值(Composite Reliability,CR)、平均方差抽取變異量(Average Variance Extracted,AVE)，良好的信效度要求因子載荷與CR大于0.7，AVE大于0.5[16]。

模型整體擬合優度檢驗指標包括：卡方自由度比(χ2/df, 也稱規范卡方)、近似誤差均方根(Root Mean Square Error of Approximation, RMSEA)、比較擬合指數(Comparative Fit Index, CFI)、非規范適配指數(Tacker-Lewis Index, TLI)、標準化殘差均方根(Standardized Root Mean Square Residual, SRMR)。良好的模型適配度要求擬合優度指標χ2/df屬于1～3范圍內，CFI與TLI均大于0.90，RMSEA與SRMR均小于0.08[17]。

3 實證分析

3.1 描述性統計分析

以重慶市典型綜合交通樞紐的乘客為調查對象，在設計初始問卷基礎上，通過預測試收集的數據檢驗問卷的信度與效度，根據測試結果適當調整問卷測量題項以得到最終正式問卷。調查于2019年12月在主城區重慶北站、重慶西站、沙坪壩站3個綜合交通樞紐采用分層隨機抽樣方式發放正式問卷1 000份，剔除不認真填答、缺失值個數大于3，連續選擇極端值超過5個的樣本，最終共回收有效問卷857份，有效回收率85.70%。有效問卷中，受訪者男女比例約各占50%，年齡主要集中在18～40歲之間(59.01%)，受教育程度多為本科層次(35.10%)，平均每月到調查所在樞紐站場出行次數最多為3～4次(35.29%)，樣本數據結構受調查抽樣方式、調查時間、調查地點的影響而具有一定的隨機性，具體統計信息見表2。

表2 問卷描述性統計信息Tab.2 Descriptive statistics of questionnaire

3.2 信度與效度分析

一階、二階模型的因子載荷系數計算結果見表3，一階模型CR值較二階模型略高，二階模型AVE值較一階模型有顯著提升。兩個模型各潛變量的CR值均大于0.8，表明模型同一潛變量的測量指標之間的內部一致性較好，滿足信度要求；測量指標、測量題項的因子載荷均大于0.7，各潛變量的AVE均大于0.5，模型聚合效度良好。綜上所述，模型具有良好的內在質量。

表3 因子載荷系數Tab.3 Factor loading factors

續表3

3.3 模型擬合優度檢驗

模型擬合優度相關檢驗指標計算結果見表4，χ2/df，RMSEA，CFI等全部檢驗指標均在可接受的范圍內，模型擬合優度符合檢驗標準，模型具有良好的外在質量。且二階模型的各檢驗指標優于一階模型，表明二階模型適配性更好。

表4 模型擬合優度檢驗結果Tab.4 Test result of model goodness of fit

3.4 路徑分析及假設檢驗

標準化路徑系數β可反映各變量間的影響作用大小(負號表示負向影響作用)，內生潛變量的多元相關平方(Square Multiple Correlation，SMC)即R2可反映相應變量及整體模型的解釋能力。結構方程模型標準化路徑分析結果見表5，圖3，圖4(為簡明起見，圖4中未標注一級測量指標的R2)。

圖3 一階結構方程模型標準化路徑分析結果Fig.3 Standardized path analysis result using first-order structural equation model

圖4 二階結構方程模型標準化路徑分析結果Fig.4 Standardized path analysis result using second-order structural equation model

表5 標準化路徑系數及假設檢驗結果Tab.5 Standardized path coefficients and hypothesis test result

二階模型各潛變量對乘客滿意度的影響作用按大小排序依次為感知服務質量(0.72***)、交通區位(0.58***)、期望服務質量(-0.40**)，樞紐形象對乘客滿意度的影響作用不顯著(β=0.35，P>0.05)；期望服務質量對感知服務質量的負向影響作用較低(-0.33**)，其受樞紐形象的影響作用也較低(0.31**)；乘客滿意度對乘客忠誠度的影響作用最為顯著(0.75***)。兩個模型中除樞紐形象對乘客滿意度的影響作用不顯著外，其余變量間的影響關系均達到95%置信度的顯著性(P<0.05)，故H3不成立，其余關于潛變量的假設均成立。二階模型路徑系數較一階模型略高，表明一階模型中的影響作用會被低估。二階模型期望服務質量、感知服務質量能夠解釋乘客滿意度變異量的62%(R2=0.62)，乘客滿意度能夠解釋乘客忠誠度變異量的59%(R2=0.59)，均達到中等偏上水平且比一階模型提升7%，模型整體解釋能力良好。

由標準化路徑分析結果可知，影響被訪乘客對綜合交通樞紐滿意度的最為關鍵因素是其服務質量，乘客感知到的服務質量越高，其滿意度就越高，服務質量主要體現在樞紐的舒適性、安全性、便捷性、移情性等方面，其中便捷性(購票、檢票、換乘等方面的便捷性)是服務質量的最重要因素，其因子載荷系數最大(0.87)；新增變量交通區位對滿意度的影響作用(正向影響)僅次于感知服務質量，表明綜合交通樞紐的交通區位條件越好，被訪乘客的滿意度就越高；樞紐形象對滿意度的影響不顯著，表明被訪乘客現暫未十分關心樞紐的形象品質；乘客滿意度是其忠誠度的決定性因素，二者之間的影響作用在模型中最為顯著，表明乘客對某一綜合交通樞紐的滿意度越高，未來繼續到該樞紐出行或推薦他人到該樞紐出行的意愿就越高。

4 結論

本研究基于改進CCSI模型,構建了綜合交通樞紐的滿意度影響因素分析模型，通過實證分析，利用結構方程模型定量，驗證了潛變量與測量變量以及各潛變量之間的相互影響關系，拓展了綜合交通樞紐滿意度的影響因素，為提升綜合交通樞紐的服務水平提供了決策依據。研究發現感知服務質量對綜合交通樞紐的乘客滿意度具有最顯著的影響作用，故政府部門在把控綜合交通樞紐的建設方向以及制訂相關管理政策時，應重點關注提升乘客對綜合交通樞紐的舒適性、安全性、便捷性、移情性等方面的出行體驗。研究通過對比分析得知二階模型較一階模型在整體適配度、影響作用評估能力(標準化路徑系數)與變量解釋能力方面得到了顯著提升，表明二階模型對綜合交通樞紐滿意度研究領域具有更好的適用性。但研究尚未考慮不同社會群體的屬性特征對模型變量的調節效應，模型針對不同社會群體的適用性有待進一步驗證。