基于Logit回歸的網(wǎng)約車使用頻率影響因素分析

徐笑梅,李 晉,郭賀濱,劉奕奕

(1.蘇州城市學(xué)院,江蘇 蘇州 215104;2.悉地(蘇州)勘察設(shè)計顧問有限公司,江蘇 蘇州 215123;3.南通大學(xué),江蘇 南通 226019)

1 引 言

網(wǎng)約車憑借用車便捷、支付方便等優(yōu)勢,迅速崛起。然而,其爆發(fā)式增長的背后存在著許多問題,極大降低了乘客使用網(wǎng)約車出行的熱情。因此,從乘客角度,分析影響網(wǎng)約車使用的因素,理解乘客對網(wǎng)約車的青睞,對提升乘客的消費體驗、推進網(wǎng)約車行業(yè)改進至關(guān)重要。

國內(nèi)外學(xué)者對傳統(tǒng)出租汽車行業(yè)的研究較多,而對于新興的網(wǎng)約車的研究相對較少,且大多集中在網(wǎng)約車政策法規(guī)和規(guī)章制度[1-2]、服務(wù)質(zhì)量和滿意度測評方面[3-5],對乘客出行行為的研究相對較少。網(wǎng)約車乘客出行行為研究主要分兩大類。一類關(guān)注的是網(wǎng)約車和其他出行方式的橫向比較,研究用戶出行時選擇網(wǎng)約車還是其他方式的影響因素有哪些[6-7]。另一類關(guān)注的是網(wǎng)約車自身的出行情況,研究影響用戶網(wǎng)約車使用或持續(xù)使用意愿的因素有哪些[8-9]。乘客網(wǎng)約車出行的意愿往往和實際出行情況存在較大偏差,導(dǎo)致建模結(jié)果與實際情況不符。因此,本文從乘客視角出發(fā),基于乘客的網(wǎng)約車實際使用頻率,構(gòu)建Logit模型挖掘影響網(wǎng)約車使用的關(guān)鍵因素。影響因素不僅考慮了前人研究中常見的性別、年齡、收入等乘客社會經(jīng)濟屬性,還創(chuàng)新性地引入了網(wǎng)約車服務(wù)屬性,并在Logit回歸前采用因子分析法對其進行降維去噪,從而降低模型復(fù)雜度,消除多重共線性影響。

2 影響因素分析模型

2.1 Logit回歸

本文采用二元Logit模型挖掘影響網(wǎng)約車使用的關(guān)鍵因素。表達式為

=β0+β1X1+β2X2+…+βmXm

(1)

式中:因變量Y服從二項分布,其分類取值為0,1;P(Y=1)表示Y=1的概率;X1、X2、…、Xm為m個自變量;β0、β1、…、βm為待估參數(shù),參數(shù)估計采用最大似然估計法。

首先,確定因變量。選取“乘客網(wǎng)約車周使用頻率”為因變量。周使用頻率在5次及以下即為“低”,并賦值0;周使用頻率在6次及以上即為“高”,并賦值1。其次,確定自變量。自變量包含兩部分:(1)乘客社會經(jīng)濟屬性(例如性別、年齡、職業(yè)等);(2)網(wǎng)約車服務(wù)屬性(例如司機安全駕駛情況、打車成功率等)。

2.2 模型構(gòu)建流程

由于網(wǎng)約車服務(wù)屬性眾多,Logit模型會變得復(fù)雜不穩(wěn)定,且各服務(wù)屬性間可能存在多重共線性,直接帶入會影響建模效果。因此,本文采用因子分析法[10]發(fā)掘網(wǎng)約車服務(wù)屬性背后的潛變量,提取公因子來替代原變量進行Logit回歸,從而降低模型復(fù)雜度,消除多重共線性影響。各公因子可表示成原服務(wù)屬性的線性組合

Fj=dj1X1+dj2X2+…+djmXm(j=1,2,…,n)

(2)

式中:Fj為因子得分;dji為因子得分系數(shù);Xi為原變量;m為原變量個數(shù);n為公因子個數(shù),n

相關(guān)數(shù)據(jù)通過問卷調(diào)查獲取。為保證問卷的有效性,還應(yīng)進行信效度分析。克隆巴赫α系數(shù)>0.7,則表示問卷信度良好。效度分析判斷標準:(1)共同度大于0.4;(2)累積方差貢獻大于60%;(3)題項在對應(yīng)因子上的因子載荷系數(shù)大于0.4;(4)不存在題項與因子對應(yīng)關(guān)系出現(xiàn)嚴重偏差[10]。

3 問卷調(diào)查與分析

問卷包含3部分:(1)網(wǎng)約車使用頻率;(2)乘客社會經(jīng)濟屬性;(3)網(wǎng)約車服務(wù)屬性(分值1～5分別代表用戶對指標非常不滿意、不滿意、一般、滿意、非常滿意)。問卷采用問卷星平臺在線發(fā)放,回收有效問卷共計1 464份。網(wǎng)約車使用頻率和乘客社會經(jīng)濟屬性如圖1所示,用戶對網(wǎng)約車各服務(wù)屬性的滿意度如圖2所示。

圖1 網(wǎng)約車使用頻率及乘客社會經(jīng)濟屬性

圖2 網(wǎng)約車服務(wù)屬性滿意度評分

運用SPSS軟件進行信度分析,得出克隆巴赫α系數(shù)為0.754>0.7,說明信度良好。KMO值為0.866>0.7,Bartlett球形檢驗p值為0.000<0.05,說明數(shù)據(jù)可以進行因子分析。變量共同度∈(0.603,0.796),均大于0.4,符合效度要求。提取特征根大于1的公因子,共計3個,特征值分別為3.990、2.667、1.575,方差貢獻分別為33.447%、22.116%、11.621%,累積方差貢獻為67.184%>60%,符合效度要求。由表1中的旋轉(zhuǎn)后的因子荷載系數(shù)可以看出變量在對應(yīng)因子上的系數(shù)最小值為0.723>0.4,且變量與因子對應(yīng)關(guān)系良好,符合效度要求。

表1 因子分析結(jié)果

根據(jù)式(2)可計算各樣本的公因子得分。進行Logit回歸時,用公因子得分替代原服務(wù)屬性數(shù)據(jù)作為新的因變量。

4 Logit模型參數(shù)標定與結(jié)果分析

以“乘客網(wǎng)約車周使用頻率”為因變量,以“性別”、“年齡”、“職業(yè)”、“月收入”、“是否擁有私家車”、“網(wǎng)約車使用情境”、“網(wǎng)約車出現(xiàn)前的出行方式”、“公因子1(服務(wù))”、“公因子2(誠信)”和“公因子3(效率)”為自變量建立Logit模型,并用最大似然估計法標定參數(shù),結(jié)果如表2所示。

表2 Logit模型參數(shù)標定結(jié)果

似然比檢驗p值=0.000<0.05,表示自變量系數(shù)不全為0。Cox &Snell R方為0.241和Nagelkerke R方為0.327,均大于0.2,說明模型具有較強的解釋能力。Hosmer-Lemeshow檢驗p值=0.759>0.05,表示預(yù)測值與觀測值沒有顯著差異,模型擬合度較好。

(1)除了“網(wǎng)約車出現(xiàn)前的出行方式”這一變量外,“性別、年齡、職業(yè)、月收入、是否擁有私家車、網(wǎng)約車使用情境、網(wǎng)約車服務(wù)、網(wǎng)約車誠信和網(wǎng)約車效率”這些變量都對網(wǎng)約車的使用頻率有顯著影響。

(2)性別上,男性比女性更有可能高頻次地使用網(wǎng)約車。這也許與近些年網(wǎng)約車人生傷害事件多以女性為主有關(guān),降低了女性乘客使用網(wǎng)約車的熱情。為吸引女性群體多使用網(wǎng)約車出行,網(wǎng)約車運營公司可考慮實施針對女性乘客的安全保障措施。

(3)年齡上,相比于55歲以上人群,41～55歲人群高頻使用網(wǎng)約車的概率更低。而25歲以下和25～40歲的這兩類人群相比于55歲以上人群的網(wǎng)約車使用頻率沒有統(tǒng)計學(xué)差異。

(4)月收入上,25 000元以上人群比5 000元以下人群更有可能高頻次地使用網(wǎng)約車,而在5 000～15 000元和15 001～25 000元的這兩類人群相比于月收入25 000元以上人群的網(wǎng)約車使用頻率沒有統(tǒng)計學(xué)差異。這也許是因為收入低于5 000元時,扣除基本生活花銷,所剩無幾,此時,乘客出行考慮的更多的是出行成本,從而去選擇公共交通;隨著收入的不斷增加,扣除基本生活花銷,有一定結(jié)余,出行成本不再是乘客考慮的主要因素,從而去選擇價格更高、更舒適的網(wǎng)約車出行。

(5)私家車擁有上,沒有私家車的乘客比有私家車的更有可能高頻次地使用網(wǎng)約車。盡管網(wǎng)約車出行方便、快捷,但是出行過程不如私家車出行可控,可能會碰到司機有繞路、取消訂單、危害安全駕駛的行為,導(dǎo)致有私家車的群體往往更愿意自駕出行。為吸引有私家車的群體多使用網(wǎng)約車出行,網(wǎng)約車運營公司應(yīng)及時發(fā)現(xiàn)運營中存在的問題,對癥下藥,盡可能提供等同私家車出行的服務(wù)。

(6)網(wǎng)約車使用情境上,相比于喝酒應(yīng)酬,上下班、外出辦事和接送孩子的情境更有可能高頻使用網(wǎng)約車,這可能是因為喝酒應(yīng)酬本來發(fā)生頻率就少,且該群體中有私家車的人往往更多的選擇的是代駕。外出游玩和惡劣天氣相比于喝酒應(yīng)酬的網(wǎng)約車使用頻率沒有統(tǒng)計學(xué)差異。

(7)網(wǎng)約車服務(wù)屬性上,其服務(wù)、誠信、效率每提升1個單位,網(wǎng)約車高頻使用的勝率將變?yōu)樵瓉淼?.727 0倍、1.402倍、1.130倍。為吸引乘客多使用網(wǎng)約車出行,網(wǎng)約車運營公司應(yīng)提出服務(wù)、誠信、效率方面的保障措施,盡可能提升這三方面的水平。

5 結(jié) 論

以蘇州市為例,構(gòu)建二元Logit模型挖掘影響網(wǎng)約車實際使用頻率的關(guān)鍵因素。影響因素不僅考慮了乘客社會經(jīng)濟屬性,還創(chuàng)新性地引入了網(wǎng)約車服務(wù)屬性,并采用因子分析法提取了三個公因子替代原有變量,從而簡化模型。模型結(jié)果顯示除“網(wǎng)約車出現(xiàn)前的出行方式”外,“性別、年齡、職業(yè)、月收入、是否擁有私家車、網(wǎng)約車使用情境、網(wǎng)約車服務(wù)、網(wǎng)約車誠信和網(wǎng)約車效率”都對網(wǎng)約車的使用頻率有顯著影響。研究結(jié)果既能豐富網(wǎng)約車乘客出行行為理論,也能為管理部門對網(wǎng)約車進行更合理的監(jiān)管、網(wǎng)約車公司進行更科學(xué)的運營提供參考。