城市通勤者出行模式选择行为干预效果断点回归与中介分析结合

城市通勤者出行模式选择行为干预效果断点回归与中介分析结合一、城市通勤出行模式的现实困境与研究背景在城市化进程加速推进的当下，城市通勤问题已成为制约城市可持续发展的关键瓶颈之一。据《2024年中国主要城市通勤监测报告》显示，我国超大城市平均通勤距离达13.3公里，平均通勤时长达47分钟，其中北京、上海等一线城市的极端通勤（通勤距离超过20公里）占比更是突破15%。过长的通勤时间不仅降低了居民的生活质量，还加剧了城市交通拥堵、环境污染等一系列问题。在此背景下，引导通勤者选择绿色、高效的出行模式，成为城市交通治理的核心目标。传统的交通干预措施，如增加公交运力、优化地铁线路、建设自行车道等，虽然在一定程度上改善了出行条件，但通勤者的出行模式选择行为并未如预期般向绿色出行倾斜。这一现象背后，是通勤者出行决策的复杂性。通勤者的出行选择不仅受到出行时间、成本等客观因素的影响，还与个人偏好、社会规范、心理认知等主观因素密切相关。因此，单纯依靠基础设施建设难以从根本上改变通勤者的出行行为，需要深入探究干预措施对出行模式选择的作用机制，从而制定更具针对性的政策。断点回归设计（RegressionDiscontinuityDesign,RDD）作为一种准实验研究方法，能够有效评估政策干预的因果效应，近年来在公共政策评估领域得到广泛应用。而中介分析则可以揭示干预措施通过何种中间变量影响通勤者的出行选择，从而打开“黑箱”，解释政策效果的传导路径。将断点回归与中介分析相结合，不仅能够准确评估交通干预措施的效果，还能深入剖析其作用机制，为城市交通政策的制定提供科学依据。二、断点回归与中介分析的理论基础与方法框架（一）断点回归设计的核心原理断点回归设计的核心思想是利用某个连续变量（分配变量）在临界点处的不连续性，将研究对象分为处理组和控制组。当分配变量超过临界点时，研究对象接受政策干预（处理组）；当分配变量低于临界点时，研究对象不接受政策干预（控制组）。由于在临界点附近，处理组和控制组的个体特征在统计上是相似的，因此可以将两组之间的结果差异归因于政策干预的效果。断点回归设计分为清晰断点回归（SharpRDD）和模糊断点回归（FuzzyRDD）两种类型。在清晰断点回归中，分配变量完全决定个体是否接受干预；而在模糊断点回归中，分配变量只是影响个体接受干预的概率。在城市通勤出行研究中，常见的分配变量包括通勤距离、家庭收入、年龄等。例如，以通勤距离10公里为临界点，将通勤距离超过10公里的通勤者作为处理组（享受公交补贴），通勤距离低于10公里的通勤者作为控制组，通过对比两组的出行模式选择差异，评估公交补贴政策的效果。（二）中介分析的基本逻辑中介分析旨在探究自变量（干预措施）通过中介变量对因变量（出行模式选择）产生影响的机制。其基本逻辑是：自变量首先影响中介变量，然后中介变量再影响因变量。中介效应的存在意味着自变量对因变量的影响并非直接的，而是通过中介变量间接实现的。在城市通勤出行研究中，可能的中介变量包括出行感知成本、出行便利性感知、环境态度等。例如，公交专用道的建设（自变量）可能通过提高公交出行的便利性（中介变量），进而促使通勤者选择公交出行（因变量）。中介分析可以通过构建结构方程模型，检验中介效应的显著性，从而明确干预措施对出行模式选择的传导路径。（三）断点回归与中介分析的结合框架将断点回归与中介分析相结合，需要遵循以下步骤：首先，利用断点回归设计估计干预措施对出行模式选择的总效应；其次，检验干预措施对中介变量的影响；最后，检验在控制中介变量后，干预措施对出行模式选择的直接效应。如果总效应显著，且干预措施对中介变量的影响显著，同时控制中介变量后直接效应显著降低或不显著，则说明存在中介效应。具体而言，结合框架可以分为三个层次：第一层次是利用断点回归估计干预措施对出行模式选择的总效应，即政策的平均处理效应（AverageTreatmentEffect,ATE）；第二层次是通过回归分析检验干预措施对中介变量的影响；第三层次是在断点回归模型中加入中介变量，估计干预措施对出行模式选择的直接效应，并与总效应进行比较，从而判断中介效应的大小和显著性。三、实证研究设计与数据来源（一）研究对象与干预措施选取本研究选取某新一线城市作为研究对象，该城市近年来实施了一系列交通干预措施，包括公交专用道建设、共享单车投放、停车收费调整等。其中，公交专用道建设是一项具有明确实施时间和范围的干预措施，符合断点回归设计的要求。因此，本研究以公交专用道建设作为干预措施，评估其对通勤者出行模式选择的影响。研究对象为该城市的通勤者，定义为工作日每天往返于工作地与居住地之间的居民。通过问卷调查的方式收集通勤者的出行信息、个人特征、心理认知等数据。调查范围覆盖了公交专用道沿线和非沿线的多个社区，共发放问卷3000份，回收有效问卷2450份，有效回收率为81.7%。（二）变量定义与测量分配变量：选取通勤距离作为分配变量。根据城市交通规划，公交专用道主要覆盖通勤距离较长的区域，因此将通勤距离10公里作为临界点。通勤距离超过10公里的通勤者被纳入处理组（公交专用道覆盖区域），通勤距离低于10公里的通勤者被纳入控制组（非公交专用道覆盖区域）。处理变量：是否使用公交专用道。处理组中实际使用公交专用道的通勤者赋值为1，未使用的赋值为0；控制组通勤者赋值为0。因变量：出行模式选择。将出行模式分为私家车出行、公交出行、地铁出行、自行车/步行出行四类，分别赋值为1、2、3、4。为了便于分析，将私家车出行定义为非绿色出行，公交、地铁、自行车/步行出行定义为绿色出行，构建二元因变量（绿色出行=1，非绿色出行=0）。中介变量：选取出行便利性感知和环境态度作为中介变量。出行便利性感知通过通勤者对公交出行的等待时间、换乘便利性、车内拥挤程度等方面的评价进行测量，采用5级李克特量表（1=非常不便利，5=非常便利）；环境态度通过通勤者对环境保护的重视程度、对绿色出行的支持程度等问题进行测量，同样采用5级李克特量表（1=非常不赞同，5=非常赞同）。控制变量：包括性别、年龄、家庭收入、职业、驾照拥有情况等个人特征变量，以及家庭汽车拥有量、居住地与工作地的距离、出行时间等出行相关变量。（三）模型设定断点回归模型：构建清晰断点回归模型，估计公交专用道建设对通勤者绿色出行选择的总效应。模型设定如下：[Y_i=\alpha+\betaT_i+\gamma_1X_i+\gamma_2(X_i-c)+\gamma_3T_i(X_i-c)+\epsilon_i]其中，(Y_i)表示通勤者(i)是否选择绿色出行（1=是，0=否）；(T_i)表示处理组虚拟变量（1=处理组，0=控制组）；(X_i)表示通勤距离；(c)表示临界点（10公里）；((X_i-c))表示通勤距离与临界点的偏差；(T_i(X_i-c))表示处理组与偏差的交互项；(\alpha)为截距项；(\beta)为政策处理效应；(\gamma_1)、(\gamma_2)、(\gamma_3)为控制变量的系数；(\epsilon_i)为随机误差项。中介效应模型：构建中介效应模型，检验出行便利性感知和环境态度在公交专用道建设影响绿色出行选择中的中介作用。模型设定如下：[M_i=\delta_0+\delta_1T_i+\delta_2X_i+\delta_3(X_i-c)+\delta_4T_i(X_i-c)+\mu_i][Y_i=\theta_0+\theta_1T_i+\theta_2M_i+\theta_3X_i+\theta_4(X_i-c)+\theta_5T_i(X_i-c)+\nu_i]其中，(M_i)表示中介变量（出行便利性感知或环境态度）；(\delta_0)、(\theta_0)为截距项；(\delta_1)表示处理组对中介变量的影响；(\theta_1)表示控制中介变量后处理组对因变量的直接效应；(\theta_2)表示中介变量对因变量的影响；(\mu_i)、(\nu_i)为随机误差项。其他变量定义与断点回归模型一致。四、实证结果分析（一）断点回归结果：公交专用道建设的总效应通过对断点回归模型进行估计，得到公交专用道建设对通勤者绿色出行选择的总效应。结果显示，处理组虚拟变量(T_i)的系数为0.23，且在1%的水平上显著。这表明，公交专用道建设使通勤者选择绿色出行的概率提高了23个百分点，政策干预效果显著。为了验证断点回归结果的稳健性，进行了以下检验：一是改变临界点的设定，将临界点分别设为9公里和11公里，重新估计模型，结果显示处理效应的系数分别为0.21和0.25，均在1%的水平上显著，与原结果基本一致；二是使用局部线性回归方法，缩小样本范围至临界点附近（通勤距离8-12公里），估计结果显示处理效应的系数为0.24，同样在1%的水平上显著。这些检验结果表明，公交专用道建设对通勤者绿色出行选择的促进作用是稳健的。（二）中介效应检验：出行便利性感知的中介作用首先，检验公交专用道建设对出行便利性感知的影响。回归结果显示，处理组虚拟变量(T_i)的系数为0.87，在1%的水平上显著，说明公交专用道建设显著提高了通勤者对公交出行便利性的感知。其次，在断点回归模型中加入出行便利性感知变量，估计公交专用道建设对绿色出行选择的直接效应。结果显示，处理组虚拟变量(T_i)的系数变为0.12，在5%的水平上显著，而出行便利性感知变量的系数为0.13，在1%的水平上显著。与总效应（0.23）相比，直接效应有所降低，说明出行便利性感知在公交专用道建设与绿色出行选择之间起到了部分中介作用。进一步通过Bootstrap方法检验中介效应的显著性。重复抽样1000次后，得到中介效应的95%置信区间为[0.08,0.16]，不包含0，说明出行便利性感知的中介效应显著。计算中介效应占总效应的比例为（0.23-0.12）/0.23≈47.8%，即公交专用道建设对绿色出行选择的总效应中，有近一半是通过提高出行便利性感知实现的。（三）中介效应检验：环境态度的中介作用同样地，检验公交专用道建设对环境态度的影响。回归结果显示，处理组虚拟变量(T_i)的系数为0.32，在5%的水平上显著，说明公交专用道建设对通勤者的环境态度有一定的正向影响，但影响程度小于对出行便利性感知的影响。在断点回归模型中加入环境态度变量后，处理组虚拟变量(T_i)的系数变为0.20，在1%的水平上显著，环境态度变量的系数为0.09，在5%的水平上显著。与总效应相比，直接效应略有降低，说明环境态度在公交专用道建设与绿色出行选择之间起到了部分中介作用。通过Bootstrap方法检验中介效应的显著性，得到中介效应的95%置信区间为[0.02,0.10]，不包含0，说明环境态度的中介效应显著。计算中介效应占总效应的比例为（0.23-0.20）/0.23≈13.0%，即公交专用道建设对绿色出行选择的总效应中，约13%是通过改善通勤者的环境态度实现的。（四）多重中介效应分析为了进一步探究出行便利性感知和环境态度在公交专用道建设与绿色出行选择之间的共同中介作用，构建多重中介模型。结果显示，出行便利性感知的中介效应为0.11，环境态度的中介效应为0.03，总中介效应为0.14，占总效应的比例为0.14/0.23≈60.9%。这表明，公交专用道建设对绿色出行选择的影响主要通过出行便利性感知和环境态度两个中介变量传导，其中出行便利性感知的中介作用更为显著。五、研究结论与政策启示（一）研究结论本研究通过将断点回归与中介分析相结合，评估了公交专用道建设对通勤者出行模式选择的干预效果，并深入剖析了其作用机制，得出以下结论：第一，公交专用道建设显著促进了通勤者选择绿色出行，政策干预效果明显。断点回归结果显示，公交专用道建设使通勤者选择绿色出行的概率提高了23个百分点，且这一结果具有稳健性。第二，出行便利性感知在公交专用道建设与绿色出行选择之间起到了重要的中介作用。公交专用道建设通过提高公交出行的便利性，降低了通勤者的出行成本，从而促使其选择绿色出行。中介效应占总效应的比例接近50%，是政策效果传导的主要路径。第三，环境态度在公交专用道建设与绿色出行选择之间起到了部分中介作用，但中介效应相对较小。公交专用道建设作为一种绿色交通政策，能够在一定程度上引导通勤者关注环境保护，增强其绿色出行意识，但这种影响需要长期的政策宣传和引导才能持续发挥作用。第四，出行便利性感知和环境态度在公交专用道建设与绿色出行选择之间存在共同中介作用，两者的中介效应之和占总效应的比例超过60%，说明政策干预的效果主要通过这两个中介变量实现。（二）政策启示基于以上研究结论，为城市交通政策的制定和优化提供以下启示：第一，持续加强绿色交通基础设施建设，提高出行便利性。公交专用道、自行车道等基础设施的建设是改善出行条件的基础，能够直接降低通勤者的出行成本，提高绿色出行的吸引力。在建设过程中，应注重网络的连通性和覆盖范围，优化换乘枢纽的设计，进一步提升公共交通的服务水平。第二，强化政策宣传与引导，培育绿色出行文化。虽然环境态度的中介效应相对较小，但长期来看，培养通勤者的绿色出行意识能够从根本上改变其出行行为。政府可以通过开展主题宣传活动、发放绿色出行补贴、建立积分奖励制度等方式，引导通勤者树立绿色出行理念，形成良好的社会风尚。第三，制定差异化的交通政策，满足不同通勤群体的需求。通勤者的出行需求存在显著差异，例如，长距离通勤者更关注出行时间和便利性，而短距离通勤者更注重出行的灵活性。因此，应根据通勤距离、年龄、收入等特征，制定差异化的政策措施。对于长距离通勤者，重点优化公共交通服务；对于短距离通勤者，鼓励其选择自行车或步行出行。第四，建立政策效果评估机制，动态调整政策措施。城市交通政策的实施效果受到多种因素的影响，需要建立长期的监测和评估机制，及时发现政策实施过程中存在的问题。通过断点回归、中介分析等方法，定期评估政策干预的效果和作用机制，根据评估结果动态调整政策措施，提高政策的针对性和有效性。六、研究局限与未来展望（一）研究局限本研究虽然取得了一定的研究成果，但仍存在以下局限：一是数据来源主要依赖问卷调查，可能存在一定的主观偏