基于结构方程模型的交通需求分析
城市停车换乘设施吸引需求强度研究
换乘 设施 吸 引需 求 强 度 值 ， 概 率 密 度 三维 输 出 其
结果 见 图 ４ ～５ 从 图 中可 以看 出 ， 沿 停 车换 乘 ． 在 设施 与 中心 区 的轴 线 方 向上 ， 求 密 度 图上 呈 现 需
摘 要 ： 车换 乘 需 求 分 析 是 进 行 停 车 换 乘 规 划 建 设 的依 据 ， 据 在 北 京 市 进 行 的 停 车 换 乘 需 求 调 停 根
查 数 据 ， 析 了停 车 换 乘 设 施 吸 引 需求 空 间分 布 特 性 ， 利 用 核 密 度 估 计 理 论 得 出 了需 求 密 度 （ 分 并 强
引 区 域 的路 网 可 达 性 、 求 者 的 出行 方 向 ， 通 过 需 并
换乘需 求调查 数 据 ， 分析 停 车 换乘 设 施 吸 引需 求
强度分 布特性 ， 而 对停 车 换 乘设 施 吸 引需 求 强 进 度与影 响 因素的关 系进行 研究．
１ 停 车换 乘 需求调 查 概 述
２ １ 核 密 度 估 计 方 法 （ ｅｎ ｌｄ ｎ ｉ ｓｉ — ． ｋ ｒｅ ｅ ｓ ｙ ｅｔ ｔ ｍａ
ｔｏ ｉｎ，ＫＤＥ）
一
般 而言 ， 于二 维 数 据集 （ ） 固定 带 宽 对 ｚ， ，
＼
羞
ｌ 皿
的核 密度估 计 函数 采用 以下 公式
ｆ ， 一 １＂ ＼） （ 一 ｄ ｘ） 刍 凡 Ｚ ｉ ， ＂
率 密度 函数 ）Ｋ 和 ｈ均 可 自由选 取 ， 论 上 ， ． 理 为
２－ ０ １４
６－ ０ １８
出行 角度 ／ 。 （）
基于结构方程模型的黑龙江冰雪旅游游客满意度研究
基于结构方程模型的黑龙江冰雪旅游游客满意度研究一、本文概述随着冰雪旅游的兴起和发展，黑龙江省作为中国冰雪旅游的重要目的地，其游客满意度的高低直接影响着游客的复游意愿和口碑传播，进一步关系到该省冰雪旅游产业的可持续发展。
因此，本文旨在通过结构方程模型（SEM）这一量化研究方法，深入探究黑龙江冰雪旅游游客满意度的内在机制与影响因素，以期为提升黑龙江省冰雪旅游服务质量和游客体验提供理论支持和决策依据。
本文首先将对国内外关于冰雪旅游游客满意度的研究进行梳理和评价，明确研究的理论基础和现有研究的不足。
在此基础上，结合黑龙江冰雪旅游的实际情况，构建游客满意度的结构方程模型，并提出相应的研究假设。
模型将包括游客期望、感知质量、感知价值、游客满意度、游客忠诚等关键变量，并探讨它们之间的相互作用关系。
通过问卷调查的方式收集数据，运用统计软件对数据进行处理和分析，验证模型的拟合度和研究假设的有效性。
根据实证分析结果，提出提升黑龙江冰雪旅游游客满意度的具体策略和建议，以期为该省冰雪旅游产业的健康、持续发展提供有益参考。
二、文献综述随着全球旅游业的快速发展，游客满意度逐渐成为评估旅游目的地竞争力的重要指标。
在众多旅游类型中，冰雪旅游以其独特的魅力吸引着越来越多的游客。
黑龙江作为中国冰雪旅游的重要目的地，其游客满意度的研究对于提升旅游服务质量和促进冰雪旅游业的可持续发展具有重要意义。
结构方程模型（SEM）作为一种综合性的统计分析工具，在社会科学领域得到了广泛应用。
该模型能够同时处理多个因变量，并考虑变量间的复杂关系，因此在游客满意度研究中具有独特的优势。
国内外学者运用SEM对游客满意度进行了大量研究，涉及旅游目的地、旅游景区、旅游服务等多个方面。
这些研究不仅验证了SEM在游客满意度研究中的适用性，也为后续研究提供了理论支持和方法借鉴。
在冰雪旅游领域，游客满意度的研究逐渐受到关注。
国内外学者针对不同冰雪旅游目的地进行了实证研究，探讨了冰雪旅游资源、服务质量、旅游体验等因素对游客满意度的影响。
学习成效及满意度的影响因素探究基于结构方程模型的实证分析
学习成效及满意度的影响因素探究基于结构方程模型的实证分析一、概述随着教育领域的快速发展，学习成效及满意度已成为评价教育质量的重要指标。
为了提高教育质量，满足学生的学习需求，众多学者和教育工作者致力于研究学习成效及满意度的影响因素。
在众多研究方法中，结构方程模型（SEM）因其能够处理复杂变量关系和提供深入洞见而受到广泛关注。
本研究旨在利用结构方程模型，对影响学习成效及满意度的多种因素进行实证分析，以期为教育实践和政策制定提供科学依据。
本研究将系统梳理和归纳国内外关于学习成效及满意度影响因素的研究文献，明确研究问题和假设。
在此基础上，构建结构方程模型，将学习成效及满意度作为因变量，将可能的影响因素如学习动机、学习资源、师生互动、教学方法等作为自变量和中介变量。
本研究将通过问卷调查、访谈等方式收集数据，运用统计软件对数据进行分析，验证模型的拟合度和变量的路径系数。
通过对实证结果的解读，揭示各因素对学习成效及满意度的直接和间接影响，以及不同因素之间的相互作用关系。
本研究将总结分析结果，提出针对性的教育改进建议。
同时，指出研究的局限性和未来研究方向，为相关领域的研究提供借鉴和参考。
通过本研究，我们期望能够为提高学习成效和满意度，优化教育资源配置，促进教育公平和质量的提升提供有力支持。
1. 研究背景与意义随着教育领域的快速发展和变革，学习成效及满意度逐渐成为教育领域研究的热点。
学习成效不仅反映了学生的学习效果，也是衡量教育质量的重要指标。
同时，学生满意度作为教育服务质量的直接反映，对于提高学生的学习动力和学校的教学质量具有重要影响。
深入探讨学习成效及满意度的影响因素，对于提升教育质量和满足学生需求具有重要意义。
近年来，结构方程模型作为一种强大的统计分析工具，在教育领域得到了广泛应用。
该模型能够同时处理多个变量之间的关系，并揭示变量之间的潜在结构。
通过结构方程模型，我们可以更深入地了解学习成效及满意度的影响因素之间的复杂关系，为教育决策提供科学依据。
跨境电子商务发展研究的国内文献综述
电子商务跨境电子商务发展研究的国内文献综述王建丰 吕荣艳 郑州大学商学院摘要：跨境电子商务在近几年呈现“井喷式”快速发展，国内相关学者对影响跨境电子商务发展的各个方面展开研究，并对如何更好地开展跨境电子商务提出建议。
本文通过对跨境电子商务概念及发展现状、国内学者发表文献的状况、研究内容关注点和研究方法进行归纳总结，以期对当前国内学者对跨境电子商务的研究状况进行梳理，为相关学者的研究提供参考。
关键词：跨境电子商务；贸易模式；文献综述中图分类号：F724.6 文献识别码：A 文章编号：1001-828X(2017)003-0319-03一、跨境电子商务的概念及发展现状１．跨境电子商务的定义欧阳晓波(2014)、刘章发(2016)定义跨境电子商务为生产和贸易企业或者个人通过电子商务的手段，将传统贸易中的展示、洽谈和成交环节数字化、电子化，并通过跨境物流送达商品，完成交易的一种国际商业活动，是把传统国际贸易加以网络化、电子化的新型国际贸易方式。
张建芹和蒋凤娟(2014)指出跨境电子商务具有全球性、无形性、匿名性、即时性、无纸化和快速演进等特征。
鄂立彬和黄永稳(2014)认为金融危机爆发以后，国际贸易环境恶化，中小企业受创最为严重，我国迫切推动外贸导向型企业转型升级及各项技术的完善为跨境电商的发展提供了鼓励与支持。
２．跨境电子商务模式分类黄永江(2013)、李迟(2015)、张卉(2015)、徐艳和严怀旭(2015)对当前存在的跨境电子商务模式进行分类，认为主要包括B2B(Business to Business)、B2C(Business toCustomer)和C2C(Customer to Customer)三种模式。
李金芳等(2015)以杭州跨境电子商务综合试验区为例，提出M2B2C(Manufacturer toBusiness to Customer)即前半段M2B是传统国际贸易流程，后半段B2C是进口国国内电子商务过程相结合贸易模式以有利于做大跨境电商交易额、提高海外用户的体验感、破解跨境物流困境和规避海外法律政策风险的优势，是使我国从“世界工厂”向“世界商店”转变的有效途径。
基于结构方程模型的民生科技需求实证研究
基于结构方程模型的民生科技需求实证研究内容摘要:本文针对民生科技需求,运用结构方程模型探讨安全科技需求、健康科技需求与教育科技需求三者之间的关系,以期为湖北省发展民生科技选择优先发展领域或突破口提供参考。
关键词:结构方程模型民生科技民生科技需求民生问题是指人民“最关心、最直接、最现实”的利益问题,民生科技则是与民生问题最直接相关的科学技术,即与人民最关心、最直接、最现实的利益问题相关的科学技术。
党的十七大报告已经从政治的高度,将以改善民生为重点的社会建设作为中国特色社会主义“四位一体”总体战略布局的重要组成部分,强调要以改善民生为重点加快推进社会建设。
目前,关于民生科技的研究已成为国家各部委、研究机构和科技管理部门非常关心的一个热点问题。
本文认为,对湖北省民生科技需求进行研究有着重要的实践和理论意义。
结构方程模型(structural equation model,SEM)是在20 世纪60 年代由Bock 和Bargmann最早提出的,被称为近年来统计学三大进展之一。
它是一种建立、估计和检验因果关系模型的方法,模型中既包含有可观测的显变量,也可能包含无法直接观测的潜变量。
从数理角度看,结构方程模型综合了路径分析和验证性因子分析(confirmatory factor analysis,CFA),是一种多用途的数学方法。
目前结构方程模型已在心理、行为、教育和社会科学等学科领域得到了广泛的应用,本文针对民生科技需求,运用结构方程模型探讨安全科技需求、健康科技需求与教育科技需求三者之间的关系,以期为湖北省发展民生科技选择优先发展领域或突破口提供参考。
概念模型—理论假设(一)相关概念民生科技的着眼点在“民生”。
20世纪20年代,孙中山给“民生”做出了解释:“民生就是人民的生活—社会的生存,国民的生计,群众的生命”。
关于“民生”的地位和作用问题,孙中山先生提出:“民生就是社会一切活动中的原动力。
”就是说“民生”是社会历史发展的总根源。
结构方程模型及其应用
结构方程模型及其应用引言结构方程模型（SEM）是一种广泛应用于社会科学、心理学、经济学、医学等领域的统计方法。
SEM可以同时处理潜在变量和观测变量，并能够准确地估计模型中各种参数的值，以便更好地理解和预测现实世界中的各种现象。
基本概念结构方程模型包括路径分析、因素分析和结构方程建模等方面。
路径分析旨在揭示变量之间的因果关系，通过建立变量之间的路径图来表现各个变量之间的相互作用。
因素分析则是将变量之间的关系转化为潜在因素之间的关系，从而更好地理解变量之间的本质。
而结构方程建模则是将路径分析和因素分析结合起来，建立一个完整的模型，并估计模型中各种参数的值。
方法与技术结构方程模型的方法和技术包括问卷调查、数据采集、数据分析等。
在建立SEM模型之前，需要通过问卷调查来收集数据，确定潜在变量和观测变量的具体指标。
数据采集的方法可以包括网络调查、调查、面对面访谈等。
在数据采集完成后，需要使用特定的统计分析软件，如SPSS、AMOS等，来进行数据分析，估计模型中各种参数的值，并检验模型的拟合程度。
应用场景结构方程模型在教育、金融、医疗等领域有广泛的应用。
在教育领域，SEM可以帮助教育工作者了解学生学习成果的影响因素，为教育政策的制定提供科学依据。
在金融领域，SEM可以用来研究投资组合优化、风险管理等问题，帮助投资者做出更加明智的投资决策。
在医疗领域，SEM可以用来研究疾病发生、发展及其影响因素，为疾病的预防和治疗提供新的思路和方法。
案例分析以一个实际案例来说明结构方程模型的应用过程。
假设我们想要研究学生的心理健康状况对其学业成绩的影响。
首先，我们需要通过问卷调查来收集数据，确定潜在变量和观测变量。
潜在变量包括学生的心理健康状况和学业成绩，观测变量则包括学生的性别、年龄、家庭背景等。
然后，我们使用AMOS软件来建立SEM模型，并估计模型中各种参数的值。
在模型中，我们建立了一条从心理健康状况到学业成绩的路径，表示心理健康状况对学业成绩的影响。
结构方程模型与路径分析
3. 模型估计(model estimation)：模型参数可以采用几种 不同的方法来估计，最常使用的模型估计方法是最大 概似法(maximum likelihood)。
4. 模型评估(model evaluation)：对模型与数据之间是否 配合进行评估，并与替代模型的配合指针进行比较。
这些潜在变量的替代指针总是包含了大量的衡量误差 （measurement errors）。
单一指标且没有衡量误差的假设，即假设构念是可直接观 测的，在某些情况下可能是相当适合的。
然而在大多数的情况下，这样的假设是很不适当的，尤其 是许多社会、心理和行为等科学的计量研究。
智胜文化事业有限公司制作
「结果变量」其变异可被外生变量所解释，称之为 内生变量(Endogenous Variable)。
在SEM模型中，每个变量皆为下列情况中的一种： 「可观测、外生变数」 「可观测、内生变数」 「隐藏、外生变数」 「隐藏、内生变数」
智胜文化事业有限公司制作
多变量分析 林震岩 着
ISBN 957-729-569-X
认识结构方程模型的基本概念与特点。 了解结构方程模型分析的五大步骤。 了解如何建构具有潜在变量间因果关系的结构方程模型。 探讨结构方程模型的识别种类与对求解的影响。 认识结构方程模型适合度的衡量及如何修正模型。 认识路径分析模型的直接效果与间接效果。 探讨路径分析的两种基本类型：递归模型与非递归模型。 探讨路径分析模型与结构方程模型的异同。 认识SPSS的AMOS软件的接口操作与结果解释。 了解路径分析模型与结构方程模型的各种应用实例。
其虚无假设与对立假设如下： H0：观察数据=理论模型
基于SEM的行人过街影响因素模型多群组分析
基于SEM的行人过街影响因素模型多群组分析作者：余豪来源：《信息技术时代·上旬刊》2019年第01期摘要：针对行人过街影响因素模型，利用SEM技术，通过多群组分析，得到了在不同年龄段中，各模型影响因素所起作用不同（少年组（18岁以下）：硬件0.54、软件0.43、心理：0.46；青年组（18-35岁）：硬件0.51、软件0.30、心理：0.37；中年组（36-55歲）：硬件0.62、软件0.18、心理：0.13；老年组（55岁以上）：硬件0.71、软件0.15、心理：0.06；），从而为以后的行人过街的规范化提出有意义的建议。
关键词：行人过街；结构方程模型；多群组分析；潜变量绪论在传统的综合交通系统中，步行交通属于最基本的出行方式，跟人们密切相关。
根据数据统计，在加拿大，步行交通占总出行量的17%；在我国，城市交通约占总出行量中的40%。
但又由于步行交通的灵活性和群体效应性，使得行人步行过街成为了城市道路交通问题中的一大难题，形成了中国式过马路的现象。
1 国内外研究综述在国外，有大量的学者对行人过街进行了研究。
国外，Zeeger[1]针对老年人在过街行为的研究，得到了老年人过街过程中行为不便，引起其他行人不遵守交通规则的现象；Zuckerman[2]提出了过街行为中的感觉搜索的定义；Whitebread[3]通得到了训练可以使人找到更好的安全过街途径。
在国内，向红艳[4]提出了在无信号灯控制下，行人主观感受对其过街选择影响最大；张智勇[5]得到当等待时间大于52.88秒时中国式过马路有较大几率发生。
2 原理2.1 原理简介结构方程模型主要分为结构模型和测量模型两部分，而模型又是由潜变量与观察变量构成。
潜变量是无法进行观测变量，只能由观测变量进行解释，而变量之间的相互作用关系构成了所要研究的模型基础。
SEM建模的方法有Lisrel法[6]和偏最小二乘法（PLS）[7]。
Lisrel法要求数据样本呈现正态分布，且样本容量需要是观测变量10倍以上。
如何提高轨道交通运输客运服务质量
如何提高轨道交通运输客运服务质量摘要：目前，城市轨道交通服务的客运服务质量正逐渐引起乘客的关注，因此，相关单位需要尽快打造城市轨道交通建设和客运服务质量建设的双重引擎。
城市交通周期中客运服务检测水平高低，与质量客运服务相关，低质量的客运服务导致城市轨道交通负荷高，将大量乘客引导到其他运输方式，导致轨道交通系统对城市交通压力的分流作用能效大大降低。
针对此现象，必须坚实筑牢轨道客运服务质量的基础，创新服务模式，深化服务理念，全面提高旅客跟踪交通服务的质量，才能在市场竞争中发挥主导作用。
关键词：轨道交通；运输客运服务；质量一、客运服务质量内在涵义城市客运服务是为城市居民在乘坐城市轨道系统所涵盖的交通设施所提供的服务。
服务质量是满足乘客需求的总体原则和特征，公司为迎合其客户提供的最低服务量以及公司保持的平均服务水平是该体系的评估标准。
企业提供的服务质量最终取决于客户的评估。
服务质量主要表现在服务质量和运输质量方面，因此，对城市轨道交通服务水平的评估主要表现在对城市交通传输服务质量的评估上。
1城市轨道交通客运服务影响因素城市轨道交通客运服务项目是指为乘客提供及时、安全的室内空间移动服务，以满足乘客出行需求。
乘客对城市轨道交通的满意度是衡量其乘客服务质量的重要环节。
因此，在城市轨道交通运营中，要注重以乘客为核心，遵循安全第一、以乘客为导向、以需求为导向、持续改进的标准，开展客运机构和服务项目。
乘客对城市轨道交通客运服务满意度的关键影响因素如下：（1）安全因素，即在紧急情况下驾驶、等待、乘坐的可靠性及其疏通能力；（2）方便快捷，可实现路网通行能力、运营管理时间、换乘时间和省力等；（3）列车运行的准确性、正点性、发车间隔、购票和检查机械设备的稳定性、安全检查和顺利驾驶；（4）舒适、自然环境和骑行纪律、列车运行稳定、列车车厢噪音低等；（5）合理、有效的门票和优惠的门票政策；（6）引导信息、地铁车站标志清晰醒目、设置有效、乘客信息即时公布、信息覆盖面广等；（7）人工客服电话、员工态度友好、反应准确、公共服务设施和机械完善、投诉渠道畅通、反应及时等。
昆明地铁乘客满意度报告对比分析及提升研究
昆明地铁乘客满意度报告对比分析及提升研究作者：孟帅王宝玉来源：《中国水运》2022年第04期摘要：昆明地铁自开通以来，一直坚持为乘客提供“优质安全、快捷准时、舒适贴心”的服务。
随着乘客对地铁运营服务的不断关注，乘客对运营服务质量要求日益提高，对昆明地铁服务提出了更高的要求。
在两份满意度评价报告的基础上通过对2020年度昆明地铁服务质量评价结果进行对比、分析和验证，同时采用 Kappa 检验来定量分析两家评价单位评价结果的一致性。
通过分析两份报告所得结论的共同点，从而对昆明地铁乘客满意度的提升提出建议。
关键词：昆明地铁;乘客满意度;Kappa 分析;提升策略中图分类号：U491 文献标识码：A 文章编号：1006—7973（2022）04-0134-03随着社会经济的发展，越来越多的城市开始发展城市轨道交通。
在轨道交通兴建、逐步成网，建设以大容量快速轨道交通为骨干的社会大背景下[1-4]，昆明越来越多的市民选择地铁作为交通工具。
因此只有充分了解乘客满意度的价值、满足乘客的需求、赢得乘客的信赖与好感，才能使客流保持稳定增长，提升企业品牌形象[5-7]。
本文以两份2020年度昆明地铁乘客满意度评价报告为研究对象，首先通过对两份调查数据结果进行对比，分析两家评价单位得出的影响乘客满意度因素的结论，其次通过 Kappa 系数检验对比结论的相似性，在评价结果分析的基础上分析昆明地铁乘客满意度方面存在的不足，最后针对分析结果提出提升昆明市乘客满意度水平的合理建议。
1昆明地铁简介昆明地铁于2008年启动建设，1号线首期工程南段于2013年5月20日开通初期运营;2014年4月30日昆明地铁1号线和2号线首期工程全线贯通;2016年12月26日昆明地铁1号线支线开通初期运营。
2017年8月29日昆明地铁3号线、6号线一期工程开通初期运营。
2020年9月23日，昆明地铁4号线、6号线二期工程开通初期运营，标志着昆明地铁进入网络化运营阶段。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
3 交通需求分析的结构方程模型
图 1 展示了根据交通行为理论得到的出行者特 征、活动参与和出行行为之间的关系。 出行者特征 (家庭属性、个人属性) 既能直接影响出行者出行行 为 (出行数量、活动链数量、出行时间、交通方式选择 等) , 又能通过出行者活动参与 (出行者消耗不同的 时间参与各类活动) 间接影响出行者出行行为。本文 将采用结构方程模型对这三者关系进行模拟和分 析, 其中活动参与和出行行为作为模型的内生变量, 出行者特征作为模型的外生变量。
本文应用结构方程模型, 建立交通需求分析模 型, 用于分析和模拟出行者特征、活动参与和交通行 为之间的关系。
1 结构方程模型
带有潜变量的结构方程模型可分为测量模型和 结构模型两部分[5 ]。
1. 1 测量模型
测量模型描述潜变量Ν、Γ 与显变量 (测量指标)
X、Y 之间的关系。
Y = + YΓ + Ε,
是模型参数的函数。
2 交通需求分析的结构方程模型
2. 1 模型求解
交通需求分析的结构方程模型暂不涉及潜变
量, 其模型形式为
Y = B Y + #X + Φ.
(4)
式中: Y 是由 p 个内生变量组成的 p ×1 向量; X 是 由 q 个外生变量组成的 q×1 向量; B 和 # 分别是 p ×p 和q×q 系数矩阵, Φ是p 个结构方程的残差组
在整个模型拟合良好的前提下, 对单个参数进 行检验, 即检验所有参数的估计值是否有意义。在结 构方程模型的输出结果中, 会有 t 统计量的值, 当用 于检验“参数等于零”的假设时, 如果检验结果是参 数显著不等于零, 认为让该参数自由估计是合理的。
此外, 结构方程模型与一般模型相比其又一个 优点是, 不仅能分析变量间的直接效应, 还能分析间 接效应, 为了解复杂模型中变量间的相互关系提供 了可能。
Key words: tran spo rtation p lann ing; travel dem and analysis; structu ral equation model; fam ily effect
基于活动方法 (act ivity2ba sed app roach ) 的交 通行为分析主要研究个人或者家庭对于活动和出行 的决策, 试图分析和模拟活动参与和交通行为之间 的关系。 几十年来, 国外学者进行了大量的理论研 究, 提出了很多模型 (计算过程模型、离散选择模型 等)。但是, 很少有模型能够真正解释出行者特征、活
ZHOU Q ia n1, L I Yi2, M ENG C ha o2, LU Hua pu1
(1. In stitute of Tran sporta tion Eng ineer ing, Tsinghua Un iversity, Be ij ing 100084, Ch ina; 2. Con struction Plann ing Comm ittee, Tsinghua Un iversity,
880
清 华 大 学 学 报 (自 然 科 学 版)
2008, 48 (5)
它表示内生潜变量 Γ 和其显变量 Y 之间的关系; +X 为外生显变量在外生潜变量上的因子负荷矩阵, 它 表示外生潜变量Ν和其显变量X 之间的关系; Ε为测 量方程的残差矩阵; ∆ 为测量模型的残差矩阵。
1. 2 结构模型 结构模型说明外生潜变量和内生潜变量之间的
FML = lg 2 (Η) - lg S +
t r (S 2- 1 (Η) ) - (p + q).
(6)
其中: t r (A ) 表示矩阵A 的迹; lg A 表示矩阵A 的
行列式的对数; S 是全部显变量组成的 (p +) 是由模型推
(1. 清华大学 交通研究所, 北京 100084; 2. 清华大学 基建规划处, 北京 100084)
摘 要: 应用日益成为国外研究热点和主流研究方法的基 于活动方法 (activity2ba sed app roach) , 提出了交通需求分析 的结构方程模型, 用于分析和模拟出行者特征、活动参与和 交通行为之间的影响关系。研究了交通需求分析的结构方程 模型的结构、求解方法、参数估计和模型评价分析方法, 并采 用离散出行调查数据对模型进行了检验和应用。 结果表明: 该模型既有很强的理论优势, 又有良好的操作性, 且预测精 度较高。
3. 2 模型结构 本文研究采用的结构方程模型如图 2 所示。 与
图1 的概念图有所不同, 模型分为2 个层次: 上层是 社会经济人口特性, 下层是活动参与和出行行为。模 型共选择了4 个内生变量和5 个外生变量, 具体变量 解释如表1 所示。模型的初始构架参考了文[ 6 ], 然 后多次根据模型的分析结构, 通过增加或删除变量 间的关系, 来修正模型。同时, 考虑了外生变量 (社会 经济人口特征) 对内生变量 (活动参与和出行行为) 的直接、间接效应, 得到了如图 2 所示的最终模型。
关键词: 交通规划; 交通需求分析; 结构方程模型; 家庭 作用
中图分类号: U 491. 1+ 2 文章编号: 100020054 (2008) 0520879204
文献标识码: A
Ana lys is of travel demand ba sed on a structura l equa tion m odel
关系, 这种关系以图形的形式表达出来就形成路 径图。
Γ = B Γ + #Ν+ Φ.
(2)
式中: B 为结构系数矩阵, 它表示结构模型中内生
潜变量 Γ 的构成因素之间的互相影响; # 为结构系
数矩阵, 它表示结构模型中外生潜变量 Ν对内生潜
变量 Γ 的影响; Φ为结构模型的残差矩阵。
1. 3 模型求解
ICSNSN11120202022300N54
清华大学学报 (自然科学版) J T singhua U n iv (Sci & T ech) ,
2008 年 第 48 卷 第 5 期 2008, V o l. 48, N o. 5
基于结构方程模型的交通需求分析
30 36 8792882
周 钱1, 李 一2, 孟 超2, 陆化普1
一 个完整的结构方程包含 + Y、+X、B、#、5、 7、( Ε、( ∆ 共8 个参数矩阵。前面4 个矩阵已经在测 量模型或结构模型中出现。 5 为潜变量 Ν的协方差 矩阵, 7 为残差项Φ的协方差矩阵, ( Ε 为Ε的协方差 矩阵, ( ∆ 为 ∆ 的协方差矩阵。
通过上述参数, 可推导出显变量 (Y′, X ′) ′的协 方差矩阵
2 (Η) =
2YY (Η) 2XY (Η)
2YX (Η) =
2XX (Η)
+
～
YB
(#5 #′+
7 )B～ ′+ Y′+
(Ε
+
～
YB
#5
+
′
X
+ X 5 #′B～ ′+ Y′
+ X 5 + X′+
. (∆
(3)
如果理论模型为真, 则 2 (Η) 等于总体的协方差
矩阵2, 即 2= 2 (Η) , 从而显变量的方差和协方差都
出的协方差矩阵。
参数估计能够得到变量之间、模型未能解释部
分、变量测量上误差等指定参数, 其数值亦反映各关
系的强弱。此外, 也检验研究者所提出的模型是否与
样本数据吻合 (即数据是否可用模型表示)。
2. 3 模型评价和分析
一般的模型只能给出单个方程的结果评价, 结 构方程模型的优点之一就在于能够得到反映整个模 型拟合好坏的统计量——拟合指数。 最常用的拟合 指数是卡方ς2, 还有近似误差均方根RM SEA 、标准 化残差均方根 SRM R、正规化拟合指数N F I 和非正 规化拟合指数NN F I 等指数。
周 钱, 等: 基于结构方程模型的交通需求分析
881
图 1 模型结构概念图
3. 1 模型数据 模型数据选自清华大学交通研究所和国家统计
局长春市城市社会经济调查队联合完成的长春市城 区居民出行调查结果。 本次居民出行调查的对象为 长春市建成区内居住的常住人口, 市区内分为 136 个小区, 共包括5 101 户家庭的14 655 个人的一日出 行情况。 调查内容主要包括出行者家庭和个人的属 性, 以及一日间每次出行的出行时间、出行目的、交 通方式以及出发地和目的地用地性质等其他出行特 性。
描述
家庭成员一日在外强制性活动次数 家庭成员一日在外生活性活动次数 家庭成员一日在外娱乐性活动次数
家庭成员一日出行次数 家庭人口总数 家庭自行车数量 性别 年龄 月收入
图 2 交通需求分析的模型结构
变量分类 内生变量
特征
活动参与 出行行为
外生变量
家庭特征 个人特征
表 1 模型变量描述
变量名称
变量符号
强制性活动次数 生活性活动次数 娱乐性活动次数
活动链数量 人口数量 车辆数量
性别 年龄 收入
MAND M A IN R ECR CHA IN PO PU B IKE GEND ER A GE IN COM E
动参与和交通行为这三者之间的复杂关系, 而且模 型的实用性较差[1- 3 ]。
结构方程模型 ( st ructu ra l equa t ion m odeling, SEM ) 是在 20 世纪 60 年代才出现的统计分析手段, 被称为近年来统计学三大进展之一。它是一种建立、 估计和检验因果关系模型的方法, 模型中既包含有 可观测的显在变量, 也可能包含无法直接观测的潜 在变量。从数理角度看, 结构方程模型综合了路径分 析和证实性因子分析 (confirm a to ry facto r ana lysis, CFA ) , 是一种多用途的数学方法。目前结构方程模 型已在心理、行为、教育和社会科学等学科领域得到 了广泛的应用。 随着交通行为科学研究问题复杂性 的增加, 国外学者已经开始将结构方程模型引入到 交通领域中[4 ]。