从乘客感知角度建立成都市BRT的评价体系

作者简介

王昊天，男（2000.4-）汉族，四川简阳人，本科就读于西南交通大学交通运输与物流学院交通运输专业，获工学学士学位。

本文将从乘客角度对成都市BRT系统进行评价，依据发放的针对乘客的感知所收集的问卷数据，运用SEM对模型进行具体分析处理，对成都市BTT的服务水平进行评价。

一、乘客满意度相关数据的采集和分析

（一）数据来源

本文通过抽样调查的方式，使用五点数据量表。表格设计如下：

问卷一共设计了18个问题，对成都快速公交系统的乘客满意度现场调查在2023年4月期间完成，共获得209份有效问卷。

（二）研究变量描述性统计分析

本文变量主要包含均值、标准差从而判断量表中的题目的基本水平和数据呈现的分布。表格的1、2、3、4、5对应乘客满意度非常差、比较差、一般、比较好和非常好。统计可知：车辆运行的速度、旅行时间、道路平稳性、票价、可达性等均得到了较高的评价，相对较低的变量是服务频次和票价。

1.基于乘客角度的服务水平分析评价

（1）信度与效度检验

①信度检验

信度分析是为了确保模型拟合度评价和假设检验的有效性，本文采用Cronbach's Alpha信度系数来检查调查问卷研究变量在各个变量上的一致性程度。变量要有良好的信度的依据是Cronbach's Alpha系数大于0.7。若变量的信度不足，可以采用缩减变量的方法提高整体的信度。在进行变量缩减时，如果在删除对应变量后的Cronbach's Alpha系数减小，则应保留该变量，反之删除。

上表所示为使用SPSS进行信度分析的输出结果，其中CITC（Corrected Item-Total Correlation）是指校正项总计相关性。从上表可知，对成都BRT系统研究的潜在变量运行能力、乘坐体验、可靠可信度、便利程度、经济性、满意度、忠诚度的Cronbach's Alpha系数分别为0.862、0.859、0.908、0.848、0.911、0.865、0.854，均大于0.7。表明变量具有良好的内部一致性信度，可以直接使用问卷数据。

②效度检验

对于观测变量对潜在变量的反映效果，本文将对数据使用KMO检验和巴特利特检验来核实其效度，以此判断可否进行下一步的因子分析，若KMO检验所得值小于0.5，则说明效度检验不合格。一方面要满足大于等于0.5的KMO检验值，一方面要Bartlett's 球形检验显著（即Sig.<0. 05）。在SPSS里对导入的数据——降维——因子分析，选入建立的变量，进行KMO和Bartlett’s检验和探索性因子分析，得到结果如下：

KMO检验值在0.5以上，通过检验。且巴特利特球形检验的显著性也满足要求，符合进行因子分析的要求，进行的分析结果如下，从得到的数据可见，运行能力、乘坐体验、可靠可信度等7个因素的解释能力分别为16.058%、13.423%、13.170%、10.361%、10.132%、9.950%、9.298%，总解释能力达到了82.391%大于50%， 表明我们筛选出来的7个因素具有良好的代表性。

因子分析形成的划分与本文选择的七个维度划分一致，且因子负荷量均大于0.5，可以判断模型的因素划分具有很高的效度。

（2）模型结果分析

①拟合度评价

为了检定实际的测量数据与理论架构的适配度，首先便是要对模型的拟合程度进行检验，如果在对应指标引导下的拟合度不合格，需要进行修正。根据有关资料查阅，选取如下指标作为判断模型拟合度的依据：

Amos的运行结果如下表所示，可见CMIN（卡方）/DF为1.605，小于3以下标准， GFI=0.915，AGFI=0.872，落在各自的接受范围内。 IFI=0.969，TLI=0.957，CFI=0.968，RMSEA为0.027，也都满足各自对应的标准要求区间。由于各项指标的拟合结果均在标准范围内，因此模型具有很好的拟合度。

②结构方程模型路径分析

在Amos中建立结构方程模型，依据前文所做的信效度检验处理和拟合度分析，可以得出本文所构建的模型和调查所得数据具有较好的稳定性。在Amos中进行各潜在变量的路径分析，得到的结果表明运行能力对满意度具有显著的正向相关影响，乘客对BRT系统运行能力的感知程度提升100%，整体的乘客满意度提升16.7%。乘客满意度提升100%，对使用的忠诚度将提升41.5%。

根据所得的数据判断，本模型中观测变量与潜变量呈现显著关联性，P值和T值检验值也均满足标准。经过以上运行分析，得到在Amos中建立的成都市BRT系统运营服务质量的结构方程模型为：

其中，运行能力这一准则下的所有观测变量的路径系数均很高，体现了其所涉及的指标对“高性能运行”这一准则均具有很显著的影响力。从整体来看，乘客对成都市BRT系统的运营服务质量评价较高。