城市公交专用道设置对公交运行效率影响断点回归与中介分析结合

城市公交专用道设置对公交运行效率影响断点回归与中介分析结合一、研究背景与问题提出在城市化进程加速推进的背景下，城市交通拥堵已成为制约城市发展、影响居民生活质量的关键问题。据《2024年中国主要城市交通分析报告》显示，全国主要城市高峰时段平均车速仅为22.3公里/小时，部分超大型城市早高峰平均车速甚至不足20公里/小时。公交系统作为城市交通的骨干力量，其运行效率直接关系到城市交通的整体通行能力。为提升公交运行效率，优先发展公共交通已成为国内外城市的普遍共识，而公交专用道作为公交优先策略的核心举措之一，被广泛应用于各大城市。然而，公交专用道设置对公交运行效率的影响效果却存在争议。部分城市在设置公交专用道后，公交准点率、平均车速等指标得到显著提升，公交吸引力明显增强；但也有城市出现公交专用道利用率低、社会车辆拥堵加剧等问题，甚至对公交运行效率产生负面影响。这种差异背后的原因是什么？公交专用道设置通过哪些路径影响公交运行效率？如何科学评估公交专用道的实施效果？这些问题的解决，对于优化公交专用道规划设计、提升公交系统运行效率具有重要的现实意义。传统的研究方法多采用相关性分析、回归分析等方法评估公交专用道的影响，但这些方法难以有效解决内生性问题，即无法准确区分公交专用道设置本身与其他混杂因素对公交运行效率的影响。断点回归设计（RegressionDiscontinuityDesign,RDD）作为一种准实验方法，能够利用政策实施前后的断点，有效识别政策的因果效应，为准确评估公交专用道设置的影响提供了新的思路。同时，中介分析方法可以深入探究公交专用道设置影响公交运行效率的中间机制，揭示其作用路径。将断点回归与中介分析相结合，能够更全面、深入地剖析公交专用道设置对公交运行效率的影响，为公交专用道的规划与管理提供科学依据。二、断点回归设计与中介分析方法概述（一）断点回归设计（RDD）断点回归设计是一种利用政策实施或干预的断点，来评估政策因果效应的准实验方法。其核心思想是，当个体被分配到处理组（受到政策干预）或控制组（未受到政策干预）的概率由一个连续变量（分配变量）是否超过某个断点决定时，断点附近的个体在除了是否受到政策干预之外的其他特征上具有相似性，因此可以将断点附近的处理组和控制组个体进行比较，从而估计政策的因果效应。根据分配变量与断点的关系，断点回归设计可分为清晰断点回归（SharpRDD）和模糊断点回归（FuzzyRDD）。在清晰断点回归中，分配变量超过断点的个体全部进入处理组，未超过断点的个体全部进入控制组；而在模糊断点回归中，分配变量超过断点的个体进入处理组的概率显著高于未超过断点的个体，但并非完全确定。在公交专用道设置的研究中，通常可以将公交专用道设置的时间或空间作为断点，将设置公交专用道的线路作为处理组，未设置的线路作为控制组，利用断点回归设计评估公交专用道设置对公交运行效率的因果效应。断点回归设计的关键在于满足“局部随机化”假设，即断点附近的个体在其他特征上是随机分布的，不存在系统性差异。为了验证这一假设，需要进行一系列的稳健性检验，如连续性检验、带宽选择检验、安慰剂检验等。同时，断点回归设计的估计结果对带宽的选择较为敏感，需要通过多种方法选择最优带宽，以保证估计结果的准确性和可靠性。（二）中介分析方法中介分析是一种用于探究自变量对因变量影响机制的统计方法，其目的是检验自变量是否通过一个或多个中介变量对因变量产生影响。在公交专用道设置对公交运行效率的影响研究中，公交专用道设置（自变量）可能通过影响公交平均车速、公交准点率、公交客流量等中介变量，进而影响公交运行效率（因变量）。中介分析可以帮助我们揭示这些中间机制，明确公交专用道设置影响公交运行效率的具体路径。中介分析的基本步骤包括：首先，检验自变量对因变量的总效应是否显著；其次，检验自变量对中介变量的效应是否显著；然后，检验中介变量对因变量的效应是否显著；最后，检验在控制中介变量后，自变量对因变量的直接效应是否显著。如果上述效应均显著，则说明存在中介效应。根据中介效应的数量，可分为简单中介模型和多重中介模型；根据中介变量之间的关系，可分为链式中介模型、平行中介模型等。在应用中介分析方法时，需要注意变量的测量误差、内生性问题等。同时，中介分析结果只能说明变量之间的统计关系，不能直接证明因果关系，需要结合理论分析和实际情况进行解释。（三）断点回归与中介分析的结合将断点回归与中介分析相结合，能够充分发挥两种方法的优势。首先，利用断点回归设计准确估计公交专用道设置对公交运行效率的总因果效应；其次，在断点回归的框架下，引入中介变量，构建中介效应模型，检验公交专用道设置是否通过中介变量影响公交运行效率；最后，通过分解总效应为直接效应和中介效应，明确各中介变量的作用大小和路径。这种结合方法不仅能够解决传统研究中的内生性问题，准确识别公交专用道设置的因果效应，还能够深入探究其影响机制，为公交专用道的规划设计和管理提供更具针对性的建议。例如，通过中介分析发现，公交专用道设置主要通过提高公交平均车速来提升公交运行效率，那么在公交专用道的规划中，应重点保障公交专用道的连续性和畅通性，减少公交专用道的干扰因素；如果发现公交准点率是重要的中介变量，则应加强公交信号优先、智能调度等措施，进一步提高公交准点率。三、研究设计与数据来源（一）研究对象与断点选择本研究选取国内某特大城市作为研究对象，该城市于2023年在中心城区多条主干道设置了公交专用道。选取设置公交专用道的15条公交线路作为处理组，同时选取与处理组线路在长度、客流量、途经区域等特征上相似的15条未设置公交专用道的公交线路作为控制组。考虑到公交专用道设置的时间断点，将2023年6月作为断点时间，即2023年6月之前为政策实施前时期，2023年6月之后为政策实施后时期。通过比较处理组和控制组在断点前后的公交运行效率变化，评估公交专用道设置的因果效应。（二）变量定义与测量因变量：公交运行效率公交运行效率是一个综合性的指标，本研究从公交速度、准点率、运营可靠性三个维度进行测量。具体指标包括：公交平均车速：指公交车在运营过程中的平均行驶速度，单位为公里/小时，通过公交GPS数据计算得到。公交准点率：指公交车按照计划时间到达站点的比例，计算公式为（准点到达班次/总班次）×100%，通过公交调度系统数据获取。公交运营可靠性：采用公交行程时间变异系数来衡量，变异系数越小，说明公交行程时间越稳定，运营可靠性越高，计算公式为（行程时间标准差/行程时间均值）×100%。为了更全面地反映公交运行效率，将上述三个指标进行标准化处理后，采用熵权法计算综合得分，作为公交运行效率的综合衡量指标。自变量：公交专用道设置设置虚拟变量，当公交线路设置公交专用道时取值为1，未设置时取值为0。同时，在断点回归设计中，将时间作为分配变量，以2023年6月为断点，构建处理组的虚拟变量，即政策实施后处理组取值为1，其他情况取值为0。中介变量根据理论分析和实际情况，选取以下三个变量作为中介变量：公交平均车速：如前所述，公交专用道设置可能通过提高公交平均车速，减少公交行驶时间，从而提升公交运行效率。公交客流量：公交专用道设置可能提升公交的吸引力，增加公交客流量，进而促进公交企业优化运营调度，提高公交运行效率。客流量数据通过公交IC卡刷卡数据和人工计数数据相结合的方式获取。公交站点覆盖率：公交专用道设置通常伴随着公交站点的优化调整，站点覆盖率的提高可以扩大公交服务范围，吸引更多乘客，同时减少乘客步行到站点的时间，提升公交运行效率。站点覆盖率采用站点服务面积与区域总面积的比例来衡量。（三）数据来源与处理本研究的数据主要来源于以下几个方面：公交GPS数据：包含公交车的实时位置、行驶速度、行驶时间等信息，数据时间范围为2023年1月至2023年12月，共获取了30条公交线路的GPS数据，数据量约为1200万条。公交调度系统数据：包含公交车的计划班次、实际到达时间、准点情况等信息，与GPS数据进行匹配，用于计算公交准点率。公交IC卡刷卡数据：记录了乘客的刷卡时间、刷卡站点等信息，用于分析公交客流量的变化。城市地理信息数据：包含城市道路网络、公交站点位置、行政区划等信息，用于计算公交站点覆盖率、公交线路长度等指标。在数据处理过程中，首先对原始数据进行清洗，去除异常值、缺失值和错误数据；然后对不同来源的数据进行匹配和整合，构建统一的数据库；最后根据变量定义，计算各指标的数值。四、断点回归结果分析（一）描述性统计分析表1展示了处理组和控制组在政策实施前后的主要变量描述性统计结果。从表中可以看出，政策实施前，处理组和控制组的公交平均车速、准点率、运营可靠性等指标差异较小，说明两组在政策实施前具有较好的可比性。政策实施后，处理组的公交平均车速从18.2公里/小时提高到23.5公里/小时，准点率从78.5%提高到89.2%，运营可靠性变异系数从25.3%下降到18.7%；而控制组的公交平均车速从17.9公里/小时提高到19.8公里/小时，准点率从77.8%提高到82.1%，运营可靠性变异系数从24.8%下降到21.5%。初步观察发现，处理组的公交运行效率提升幅度明显大于控制组，说明公交专用道设置可能对公交运行效率产生了积极影响。变量处理组（政策前）处理组（政策后）控制组（政策前）控制组（政策后）公交平均车速（公里/小时）18.2±3.123.5±2.817.9±3.319.8±2.9公交准点率（%）78.5±6.289.2±4.577.8±6.582.1±5.3运营可靠性变异系数（%）25.3±4.818.7±3.624.8±5.121.5±4.2公交客流量（人次/日）12560±235015890±287012340±242013670±2650公交站点覆盖率（%）68.5±5.375.2±4.867.8±5.670.1±5.1（二）断点回归结果分析清晰断点回归估计采用清晰断点回归设计，以时间为分配变量，以2023年6月为断点，构建回归模型。模型形式如下：$Y_{it}=\alpha+\betaD_{it}+\gammaX_{it}+\delta_1T_{it}+\delta_2T_{it}\timesD_{it}+\epsilon_{it}$其中，$Y_{it}$表示第i条公交线路在t时期的公交运行效率综合得分；$D_{it}$表示处理组虚拟变量，处理组取值为1，控制组取值为0；$T_{it}$表示时间虚拟变量，政策实施后取值为1，政策实施前取值为0；$X_{it}$表示控制变量，包括线路长度、途经区域人口密度、道路等级等；$\beta$表示公交专用道设置的因果效应；$\epsilon_{it}$表示随机误差项。回归结果显示，$\beta$的估计值为0.32，且在1%的水平上显著，说明公交专用道设置显著提升了公交运行效率，处理组的公交运行效率综合得分比控制组高0.32个标准差。控制变量中，线路长度、人口密度等变量对公交运行效率也有显著影响，线路越长、人口密度越高，公交运行效率越低，这与实际情况相符。稳健性检验为了验证断点回归结果的稳健性，进行了以下检验：连续性检验：检验分配变量（时间）在断点处的密度是否连续，以及控制变量在断点处是否连续。结果显示，分配变量和控制变量在断点处均不存在显著的跳跃，说明满足局部随机化假设。带宽选择检验：分别采用不同的带宽（如3个月、6个月、9个月）进行回归估计，结果显示，$\beta$的估计值在0.29-0.35之间波动，且均在1%的水平上显著，说明结果对带宽选择具有较好的稳健性。安慰剂检验：将断点设置在其他时间点（如2023年3月、2023年9月），进行虚假的断点回归估计，结果显示，$\beta$的估计值均不显著，说明原断点回归结果不是由其他偶然因素引起的。（三）异质性分析进一步分析公交专用道设置对不同类型公交线路的影响差异，结果发现：不同等级道路上的公交线路：在城市快速路上设置公交专用道的线路，公交运行效率提升幅度最大，$\beta$的估计值为0.41；在主干道上设置公交专用道的线路，$\beta$的估计值为0.33；在次干道上设置公交专用道的线路，$\beta$的估计值为0.25。这说明公交专用道在交通流量较大的快速路和主干道上的实施效果更好，能够更有效地提升公交运行效率。不同客流量的公交线路：对于高客流量的公交线路，公交专用道设置对公交运行效率的提升作用更显著，$\beta$的估计值为0.38；对于低客流量的公交线路，$\beta$的估计值为0.22。这是因为高客流量线路的公交需求更大，公交专用道设置能够更好地满足乘客需求，提高公交吸引力，进而促进公交运行效率的提升。五、中介分析结果（一）中介效应模型构建在断点回归结果的基础上，构建中介效应模型，检验公交专用道设置是否通过中介变量影响公交运行效率。中介效应模型包括以下三个方程：总效应模型：$Y=\alpha_0+\alpha_1D+\alpha_2X+\epsilon_1$中介变量模型：$M=\beta_0+\beta_1D+\beta_2X+\epsilon_2$直接效应模型：$Y=\gamma_0+\gamma_1D+\gamma_2M+\gamma_3X+\epsilon_3$其中，$Y$表示公交运行效率综合得分，$D$表示公交专用道设置虚拟变量，$M$表示中介变量，$X$表示控制变量，$\alpha_1$表示总效应，$\beta_1$表示自变量对中介变量的效应，$\gamma_2$表示中介变量对因变量的效应，$\gamma_1$表示直接效应。中介效应的大小为$\beta_1\times\gamma_2$，当$\beta_1$和$\gamma_2$均显著时，说明存在中介效应。（二）中介效应检验结果公交平均车速的中介效应总效应模型中，$\alpha_1$的估计值为0.32，且在1%的水平上显著；中介变量模型中，$\beta_1$的估计值为0.45，在1%的水平上显著，说明公交专用道设置显著提高了公交平均车速；直接效应模型中，$\gamma_2$的估计值为0.48，在1%的水平上显著，$\gamma_1$的估计值为0.12，在5%的水平上显著。中介效应的大小为0.45×0.48=0.216，占总效应的比例为0.216/0.32=67.5%，说明公交平均车速在公交专用道设置影响公交运行效率的过程中起到了部分中介作用，即公交专用道设置通过提高公交平均车速，进而提升公交运行效率。公交客流量的中介效应总效应模型中，$\alpha_1$的估计值为0.32，显著为正；中介变量模型中，$\beta_1$的估计值为0.28，在5%的水平上显著，说明公交专用道设置显著增加了公交客流量；直接效应模型中，$\gamma_2$的估计值为0.35，在5%的水平上显著，$\gamma_1$的估计值为0.22，在1%的水平上显著。中介效应的大小为0.28×0.35=0.098，占总效应的比例为0.098/0.32=30.6%，说明公交客流量在公交专用道设置影响公交运行效率的过程中起到了部分中介作用，即公交专用道设置通过吸引更多乘客，增加公交客流量，进而促进公交运行效率的提升。公交站点覆盖率的中介效应总效应模型中，$\alpha_1$的估计值为0.32，显著为正；中介变量模型中，$\beta_1$的估计值为0.18，在10%的水平上显著，说明公交专用道设置对公交站点覆盖率有一定的提升作用；直接效应模型中，$\gamma_2$的估计值为0.22，在10%的水平上显著，$\gamma_1$的估计值为0.28，在1%的水平上显著。中介效应的大小为0.18×0.22=0.0396，占总效应的比例为0.0396/0.32=12.4%，说明公交站点覆盖率在公交专用道设置影响公交运行效率的过程中起到了较弱的中介作用，其影响程度相对较小。（三）中介效应的对比分析通过比较三个中介变量的中介效应大小和占比可以发现，公交平均车速的中介效应最大，占总效应的67.5%，是公交专用道设置影响公交运行效率的主要路径；公交客流量的中介效应次之，占总效应的30.6%；公交站点覆盖率的中介效应最小，仅占总效应的12.4%。这说明公交专用道设置主要通过提高公交平均车速来提升公交运行效率，增加公交客流量也是重要的影响路径，而公交站点覆盖率的影响相对较小。六、研究结论与政策建议（一）研究结论公交专用道设置显著提升了公交运行效率。断点回归结果显示，处理组的公交运行效率综合得分比控制组高0.32个标准差，且在1%的水平上显著，说明公交专用道设置对公交运行效率具有显著的正向影响。公交专用道设置对公交运行效率的影响存在异质性。在城市快速路和主干道上设置公交专用道的效果更好，对高客流量公交线路的提升作用更显著。公交平均车速、公交客流量和公交