日常出行方式選擇及其影響因素(編輯修改稿)
2025-07-25 13:55 本頁面
【文章內(nèi)容簡介】 搭車出行花費(CZK): PASS_COST自行車出行時間(min): BIKE_TIME步行時間(min): WALK_TIME公交出行花費（超出自付費用的CZK，個人擁有PT通行證的0）：TRANS_COST公交出行時間（min單程包括在車內(nèi)和在車外）：TRANS_TIME注：假設自行車和步行的具體成本等于零，因此沒有對線性參數(shù)的實用效果社會經(jīng)濟特征：性別（1 =男性）：GENDER個人一個月凈收入（11收入類）——包括投入失去：P_INC個人至少有一個下屬在工作（1,0）：BOSS公共運輸通行證所有權（1,0）：ABO潛變量（通用）：出行無障礙的重要性：ACCESS享受市區(qū)、城市的生活方式：CITYLIFE表1給出了系統(tǒng)共用程式的規(guī)范。表1：出行方式選擇模型規(guī)范歐元匯率在數(shù)據(jù)收集期間：2008年5月到6月從24CZK到25CZK不等。潛變量基于前面的定性調(diào)查和文獻（Walker和Li，2006年）的結果獲取所需的特色街區(qū)和公共交通無障礙的態(tài)度問題納入問卷。答復采用Likert式五點協(xié)議的尺度。表2顯示在就業(yè)問題上的措辭。表2：潛變量的指標你同意下面的多少？*我愿意前往一次超過15分鐘的旅程生活在綠色、寧靜的地方實現(xiàn)我的興趣愛好。我喜歡居住在有步行距離的商店、餐館和其他設施的地方。我喜歡城市的喧囂。我認為我家附近到市中心的無阻礙公共交通非常重要。我認為到我經(jīng)常去的地方的無阻礙公共交通非常重要。*鄰里和訪問指標、變量采用Likert式五點協(xié)議的尺度。為了減少通過個人反應獲得的信息，我第一次使用因素分析。因素分析中的應用建立在假定相對較少的潛變量所產(chǎn)生的數(shù)據(jù)的基礎上。我用主成分分析法，因子提取和方差最大旋轉(zhuǎn)，最大限度地減少了一些變量，每個因素都有高負荷。%（詳情見附錄表一）。組件的旋轉(zhuǎn)矩陣（見附錄表二）協(xié)助制訂組件的解釋。第一部分獲取無障礙回家、到市中心和經(jīng)常去的地點的交通重要性。第二部分向在社區(qū)的商店、餐館和其他有市區(qū)特點的設施獲取積極的態(tài)度。雙方提取的因子分作為變量保存。提取的因子分進入了出行的選擇，因為泛型變量的模型在不同個體間的變量的效用，但不是變量。假設檢驗為了測試是否列入獲取的出行方式選擇模型的潛變量訪問和城市生活的喜好增加其解釋力，我使用概似比檢定(BenAkiva和Lerman, 1985, 164167)。我第一次在包括唯一具體行程和社會經(jīng)濟變量的受限模型估計未知參數(shù)。然后，我比較限制模型的對數(shù)似然函數(shù)，包括兩個潛變量和不受限制的模型。因此，零假設是H0: βACCESS = βCITYLIFE = 0零假設的檢驗統(tǒng)計給出 2 (LR – LU)χ2和df = KU–KR自由度分別是漸進分布，KU和KR是在無限制和有限制模型參數(shù)估計下的數(shù)字。我拒絕零假設的限制，是因為使用α = , 2 ( + ) = 因此我得出結論，獲取接入和城市生活喜好的潛變量應包括出行方式選擇模型，因為它增加了模型的解釋力。估計結果位置參數(shù)的估計采用最大似然估計。BIOGEME軟件（Bierlaire 2003, 2008）用于多項Logit模型估計。SPSS軟件用于潛變量得分的估計。為了估計的目的，我將已經(jīng)正?；慕煌üぞ咛娲奶囟ǔ?shù)為零。上面的型號規(guī)格的估計結果列于表3。結果表明兩種可供選擇的特定常數(shù)統(tǒng)計學意義，ASCPASS和ASCWALK。前者有一個負號表明出行有負面偏好的汽車客運交通工具。后者有一個積極的跡象和較高的值，該值只是行走更大的積極偏好。方案特定常數(shù)（驅(qū)動器）替代汽車和自行車替代消極的跡象，表明這些替代品的所有其余保持不變，負面偏好，但僅在10%的水平統(tǒng)計學意義。正如所料，汽車成本和運輸成本，均在5%水平顯著，有負數(shù)，這以為著對各自替代品的效用的負面影響。乘客的具體成本系數(shù)有一個積極的跡象，但沒有統(tǒng)計學意義。所有有負面標志的出行時間系數(shù)是統(tǒng)計學
環(huán)評公示相關推薦
鄂ICP備17016276號-1