基于个人视角网约车选择影响因素分析

王世佳，张艺嘉

(上海理工大学 管理学院，上海200093)

随着“互联网+”的发展，以顾客为主的共享经济商业模式成为当前商业模式创新的主流方向.同时新的交通方式在逐步被出行者采用，如Uber和滴滴出行等约车服务则作为点对点共享出行的新模式[1].与传统巡游出租车相比网约车平台是通过实时整合司乘人员的出行信息，实现了乘客与驾驶员信息的实时互通，使得驾驶员可以迅速接单，乘客快速打车，从本质上提升了打车的效率.极大的改善了传统巡游出租车长期以来司乘人员信息不对称的问题，从而提高了的城市的交通运行效率.网约车是依托着移动互联网建立起来打车平台，作为当前时代背景下的优秀产物.同时网约车也是共享经济的代表之一，强有力的带动了交通行业，激发了交通市场经济的活力.网约车行业将传统出租车与互联网相结合，充分提高了资源的配置效率.

截至2019年5月，滴滴出行凭借其丰富的业务种类以及规模，拥有约7 517万活跃用户；首约汽车作为独立专享类型的APP占据约340万活跃用户，成为品质出行市场中受到用户偏好较多的品牌；曹操出行秉持“低碳至上，服务至上”的核心价值观念布局新能源汽车出行的理念拥有了247万的活跃用户，各大平台用户活跃数量如图1所示[2].但2019年数据显示中国手机用户数量为108 680万，通过数据不难看出网约车用户量明显少于手机用户，说明网约车还有很大的市场等待去挖掘拓展.从图1可以看出，在众多网约车品牌网约车用户活跃人数发现，除滴滴出行外其他品牌的活跃用户人数远远小于滴滴品牌用户活跃人数.尽管网约车在很多大城市无处不在，但是对于其中的选择机理研究的阐述仍然不够完善，没有从各个视角分析其选择机理，特别是无法从个人的视角了解从未使用网约车的出行者未选择网约车出行的原因.

网约车作为“共享经济”的产物，其规模均通过市场进行调节，而难以对其进行直接调控，基于此需要从交通出行者的层面进行研究.因此，本文从个人视角出发，探讨影响出行者是否曾使用过网约车的因素，通过该研究可以帮助网约车市场更好的了解潜在用户，从而更好的拓宽用户市场.因此，了解出行者个人属性如何影响自身是否选择网约车作为自己的出行方式的研究是十分有必要的.

图1 2019年5月网约车市场主流平台乘客端活跃用户规模

通过阅读网约车选择的文献发现：Young等人的研究发现在与其他方式对比中年轻人更容易选择网约车作为自己的出行方式[3].Yuan等人研究了江苏省居民对网约车与出租车的选择意愿的影响因素，研究结果发现出行者所在地区影响了出行者对网约车与出租车之间的选择，并且出行者的个体特征、出行特征、车辆特征、价格和认知等因素也对网约车的选择意愿呈现显著的影响[4]，该研究也表明出行者的个体特征也是影响其出行选择的一大影响因素.在Lavieri等人的研究发现了网约车对于个人出行会产生一定的影响，其研究结果发现地区影响以及对网约车隐私的担忧会影响其出行的选择[5].而在Tang等人的研究中，运用混合Logit模型，从市场的角度探讨了网约车的选择偏好[6].Zhao等人基于Bootstrap技术的二项Logit模型的基础上，分别讨论不同的VMS发布形式、拥堵原因、拥堵时间和更新频率对驾驶人路径选择行为的影响[7].Yu等人基于演绎化理论，从出行效用和出行成本两个角度分析了出行者从出租车到网约车的出行选择，并且将出行者出行选择行为划分为供需匹配方式的选择与运营模式选择两个阶段，认为招手即停的打车模式终将被网约车替代[8].Zhao等人从个人属性、家庭属性和出行属性的角度出发考虑了出行者出行方式选择的影响因素[9].Wang等人的研究发现出行者出行方式的选择与其职业密切向相关[10].Zong等人的研究中发现出行者的出行方式选择不仅仅基于个人的独立行为，还受到其家庭规模及家庭成员的共同影响[11].Liu等人以大学生群体为研究对象，应用logistics回归分析探讨了影响大学生群体选择网约车出行与不选择网约车出行的影响因素[12].Cui等人通过研究网约车的订单数据来对居民出行特征进行分析，发现乘客在行程时间较长时会选择出租车[13].Palma等人的研究中发现影响城市居民出行方式的选择最主要的因素是出行者的个人经济属性[14].说明个人经济属性，对于是否选择网约车的影响研究是十分有必要的.综上所述，发现当前鲜有单独对出行者个人经济属性影响网约车选择的研究，本文将单独针对个人经济属性，来探讨哪些个人经济属性会显著影响出行者从未乘坐网约车.

1 相关数据

1.1 数据来源及统计信息

本研究选取了具有出行能力的群体作为研究的样本，通过网络问卷调查的方式扩大研究样本.该调查涵盖了两个部分：出行者个人的经济属性以及网约车用户使用意愿的相关心理指标.该调查问卷从2020年1月5日开始持续一多月，累计收到了316份问卷.通过对问卷的统计分析整理，得到了调查样本的个人属性统计信息，如表1所示.从表1可知，青年人群在此次调研中所占比例较大，与当前网约车服务对象多为青年人的实际情况相吻合，说明问卷调查具有实际意义.

表1 样本的人口学特征信息(N=316)

续表1

1.2 变量定义

从出行者使用过网约车的角度出发，可以将出行者分为使用过网约车出行和没有使用过网约车出行的人群，并以此作为因变量；结合个人经济属性将性别、年龄、学历、职业、月收入和常驻地区作为自变量，考虑这些变量是否会对网约车使用产生影响.将涉及的因素进行定义，如表2所示.

表2 是否乘坐过网约车的个人属性影响因素

2 二元Logit模型建立

2.1 二元Logit模型简述

Logit模型是基于IIA特性推导而来的，是最早的离散选择模型，同时也是迄今为止应用范围最广的模型.Logit模型由于其概率表达式存在显性特点，同时求解速度快的优点，被广泛应用在选择行为的分析中.在经典计量经济学中，Logit模型的因变量通常是连续变量，但是基于现实生活的经验，遇到的情况往往是有限的事件并且是离散的，当事件只存在是否发生两种情况时，也就是最常见的二元Logit回归模型.其与一般线性回归模型的不同之处是，模型可以是被解释变量仅有特定的取值，且为分类变量.在日常生活中，常常需要判断一些事情是否会发生，此时就需要建立模型的因变量取值范围在0～1之间，Logit模型在回归中，便可以相对某件事情的发生概率来预测另一件事情的发生概率.即对于二元Logit，是以某件事是否发生作为因变量y，其中y=1表示发生，y=0表示未发生，误差项服从二项式分布.也就是当被解释的变量为二分类变量时，如是否乘坐过网约车(乘坐为1，未乘坐过为0)，此时可以使用Logit模型作为二分类被解释变量的分布函数.Logit函数和Logit回归模型如下[15]：

(1)

(2)

其中：α为截距；β为回归系数向量；xi为第i个人乘坐过网约车的解释向量.

2.2 模型建立

Logit 回归模型属于非线性模型，通常使用极大似然估计法作为模型参数的估算方法.在极大似然估计前需要建立似然函数来表述乘坐过网约车的概率，对于模型参数估计的极大似然估计是使得函数值达到最大参数估计值.

其中在构建二元Logit模型的过程可以分为以下三步骤：1)确定事件;2)构建模型因变量;3)将因变量与自变量代入二元Logit模型中，得出最后的结果.

本文模型的具体推导过程：

假设第i个人乘坐过网约车的概率为P(yi=1|xi)=Pi，那么在相同条件下，没有乘坐过网约车的概率则为P(yi=1|xi)=1-Pi.通过以上描述，yi乘坐过网约车的概率为：

(3)

由于每个人是否乘坐过网约车的选择样本之间为相互独立的关系，那么，第n个人乘坐过网约车的似然函数为：

(4)

对公式(4)两边进行自然对数变化，求其对数似然值(即，ln[L(θ)])，最终变化为：

(5)

分别上述对数似然函数的截距项与解释变量的回归系数求偏导数，同时令其等于0,通过迭代计算求最终使ln[L(θ)]值最大的总体参数.

3 分析与讨论

本文将是否乘坐网约车设为因变量，性别、年龄、学历、职业、收入、常驻地区六个影响因素设为自变量.与此同时，以企业单位职工为标准变量，将职业设置为虚拟变量.利用SPSS软件对其进行二元Logit回归建模分析，采用向前似然比检验对所建立的模型的拟合度和准确率进行分析.

3.1 数据检验

HL检验的原假设为：模型拟合值和观测时的吻合度一致，P值大于0.05代表通过HL检验.由表3 HL检验结果所示可知，显著性为0.783>0.05，即认为模型能够很好的拟合数据.所以，可以对数据继续进行回归分析.

表3 霍斯默-莱姆肖检验结果

3.2 向前似然比检验法

似然比检验是一种检验参数是否反映真实约束的方法，实质上是比较有约束条件下似然函数最大值与无约束条件下似然函数最大值.根据软件输出的每一个-2log(L)，该值可用于似然比的检验.同时，也输出了Cox&SnellR2和NagelkerkeR2两组伪决定系数，其中伪决定系数越大，代表该模型拟合程度越高.通过表4所示结果，在拟合所得的两个模型中，-2log(L)值在逐步减小，同时伪决定系数也在不断增大，该模型的预测准确率达到88%.

表4 向前似然比检验法模型汇总

表5 向前似然比检验法回归结果

如表5所示，在回归的过程中，由于出行人员的性别、年龄、职业、收入的显著性水平均大于0.05，对是否乘坐过网约车无显著影响，因此，将其排除.在表5的回归结果表中得知，影响出行者是否曾乘坐过网约车的影响因素主要，该出行者的学历和其常驻地区.

通过向前似然比检验法得到了出行者的学历和常驻地区对出行者是否曾乘坐网约车有着显著的影响，其中随着出行者的学历增加，其乘坐网约车的概率会增加；而随着出行者常驻地区城市规模的减小，其乘坐网约车的概率会减小.同时，得出预测出行者是否使用过网约车的二元Logit回归方程：

其中：P为出行人员乘坐过网约车的概率；x1表示出行者的学历；x2表示出行者常驻地区.

4 结 语

本文基于网约车出行意愿调查数据，从个人经济属性角度，利用二元Logit模型对出行者是否使用过网约车的影响因素进行了研究，采用向前似然比检验得到了最终拟合模型，得到了影响是否乘坐网约车的个人因素，模型预测的准确率达到88%.

出行者的学历和常驻地区显著影响出行者是否乘坐过网约车的主要因素.其中出行者的学历影响系数为0.418，正向影响出行者选择网约车出行的行为；常驻地区的影响系数为-0.358，负向影响出行者选择网约车的行为.该数据表明，随着个人学历的增加，接受一项新兴的出行方式显得容易些；出行者个人居住地对应网约车平台的发展，在较小的地区网约车行业渗透不足，因此常驻地区也影响了出行者是否乘坐过网约车.

本文是研究出行者个人基本属性上对是否选择乘坐网约车进行研究，目的是找到影响出行者未使用网约车的个人原因.综上，通过研究发现了是否曾使用网约车在个人层面的显著影响因素为学历与常驻地区，针对从未使用过网约车的出行者群体：一方面可以加强对于网约车的宣传，使其更加了解该出行方式，从而引导其拥有愿意使用网约车的观念，另一方面可以投放体验券，从而让未乘坐网约车的出行者体验网约车；对于规模较小的城市，也需要将网约车行业逐步渗透，从而先行抢占市场份额，有利于网约车品牌的长足发展.