公交专用道车辆运行与乘客感知服务水平评估方法

公交专用道乘客满意度估计模型的构建思路是：首先建立乘客满意度与全部解释变量的有序Logistic回归模型，然后逐步剔除与乘客满意度不显著相关的解释变量，直到模型中所包含的解释变量均与乘客满意度显著相关，即为本书所要构建的乘客满意度估计模型。

1）模型1

首先建立乘客满意度与全部解释变量的有序Logistic回归模型，称为模型1，输出结果如表6-2所示。成比例发生比假设检验的P值为0.813 1，大于0.05，说明成比例发生比假设不能被拒绝，有序Logistic回归模型适合调查数据的建模。模型χ2统计的P值为0.000 1，小于0.05，说明模型1所包含的解释变量对乘客满意度有显著的解释能力，比零假设模型好。到站时间、潜在等车时间、车内时间、edu2的系数显著性检验P值均小于0.05，说明在0.05的置信水平下，这些变量与乘客满意度显著相关，应该纳入到回归模型。车内拥挤度、停靠站设施水平、有无私家车和age2的系数显著性检验P值基本介于0.05和0.1之间，如果把置信水平扩大到0.1，可认为这些变量与乘客满意度显著相关，可以纳入到回归模型中。性别、出行目的、职业（ocu1、ocu2、ocu3和ocu4）的系数显著性检验P值均明显地大于0.05，因此这些变量对乘客满意度没有显著影响，应该逐步从回归模型中剔除。

性别的系数为0.020 8，男性为参照类，说明在其他条件相同时，女性乘客会使得各累积对数发生比增大，即女性乘客满意的概率要大于男性乘客。出行目的系数为-0.102 9，工作出行为参照类，说明在其他条件相同时，乘客娱乐出行会使得各累积对数发生比减小，相应地，乘客娱乐出行时满意的概率要小于工作出行，即乘客娱乐出行对公交服务要求更高。职业中，公务员和教师的系数为-1.053 4、学生的系数为-0.083 6、个体的系数为0.738 1、其他职业乘客的系数为0.283 7，公司职员为参照类。说明在其他条件相同时，公务员和教师、学生的满意概率小于公司职员，而个体和其他职业类乘客的满意概率高于公司职员。

表6-2　乘客满意度与全部解释变量的有序Logistic回归输出结果（模型1）

续表6-2

注：＊＊表示在0.05的置信水平下显著相关；＊表示在0.1的置信水平下显著相关。

2）模型2

从模型1中剔除性别后，建立乘客满意度与剩余解释变量的有序Logistic回归模型，称为模型2，输出结果如表6-3所示。模型2的成比例发生比假设成立，模型χ2统计显著，说明有序Logistic回归模型适合剔除性别后的数据建模，模型2比零假设模型好。系数显著性检验发现在0.05的置信水平下，到站时间、潜在等车时间、车内时间及edu2与乘客满意度显著相关；在0.1的置信水平下，车内拥挤度、停靠站设施水平、有无私家车及age2与乘客满意度显著相关；出行目的和职业（ocu1、ocu2、ocu3和ocu4）仍然对乘客满意度没有显著影响，应逐步剔除。

表6-3　乘客满意度与解释变量（剔除性别）的有序Logistic回归输出结果（模型2）

续表6-3

注：＊＊表示在0.05的置信水平下显著相关；＊表示在0.1的置信水平下显著相关。

3）模型3

从模型2中剔除职业后，建立乘客满意度与剩余解释变量的有序Logistic回归模型，称为模型3，输出结果如表6-4所示。模型3的成比例发生比假设成立，模型χ2统计显著，说明有序Logistic回归模型适合模型3数据的建模，模型3比零假设模型好。模型3中age2的系数显著性检验P值为0.042 0，说明剔除性别和职业后，age2与乘客满意度变为在0.05的置信水平下显著相关。age3的系数显著性检验P值为0.091 0，说明剔除性别和职业后，age3与乘客满意度在0.1的置信水平下显著相关。到站时间、潜在等车时间、车内时间及edu2与乘客满意度仍然在0.05的置信水平下显著相关。车内拥挤度、停靠站设施水平和有无私家车与乘客满意度仍然在0.1的置信水平下显著相关。出行目的仍然对乘客满意度没有显著影响，应继续剔除。(www.xing528.com)

表6-4　乘客满意度与解释变量（剔除性别、职业）的有序Logistic回归输出结果（模型3）

续表6-4

注：＊＊表示在0.05的置信水平下显著相关；＊表示在0.1的置信水平下显著相关。

4）模型4

从模型3中剔除出行目的后，建立乘客满意度与到站时间、潜在等车时间、车内时间、车内拥挤度、停靠站设施水平、有无私家车、age1、age2、age3、edu1、edu2和edu3的有序Logistic模型，称为模型4，输出结果如表6-5所示。

模型4的成比例发生比假设检验P值为0.445 8，说明成比例发生比假设不能被拒绝，有序Logistic回归模型适合剔除性别、职业和出行目的数据的建模。模型χ2统计P值为0.000 1，说明模型4所包含的解释变量对乘客满意度有显著的解释能力，比零假设模型好。从系数显著性检验看出到站时间、潜在等车时间、车内时间、age2及edu2与乘客满意度在0.05的置信水平下显著相关；车内拥挤度、停靠站设施水平和有无私家车与乘客满意度在0.1的置信水平下显著相关；模型4所包含的解释变量均与乘客满意度显著相关。需指出的是：age1、age3、edu1、edu3不与乘客满意度显著相关，年龄以age2为代表、受教育程度以edu2为代表与乘客满意度显著相关。

表6-5　乘客满意度与解释变量（剔除性别、职业和出行目的）的有序Logistic回归输出结果（模型4）

续表6-5

注：＊＊表示在0.05的置信水平下显著相关；＊表示在0.1的置信水平下显著相关。

5）模型比较

AIC和SC可比较不同模型的拟合优度，AIC和SC的值越小，模型的拟合优度越好。Somers'D、Gamma、Tau-a和C可比较不同模型的预测准确性，它们的值越大，模型的预测准确性越好。采用这些指标对模型1、模型2、模型3和模型4的拟合优度和预测准确性进行比较。

模型1的AIC和SC分别为219.911和293.862，模型2的AIC和SC分别为218.051和288.560，模型3的AIC和SC分别为211.787和268.194，模型4的AIC和SC分别为210.025和262.907。4个模型中，模型4的AIC和SC的值最小，说明模型4对数据的拟合程度最好。

模型1的Somers'D、Gamma、Tau-a和C分别为0.662、0.984、0.467和0.831；模型2的分别为0.659、0.984、0.465和0.830；模型3的分别为0.653、0.983、0.461和0.827；模型4的分别为0.653、0.983、0.461和0.827。4个模型的这些指标值差别很小，说明虽然解释变量的数量逐步减少，但模型的预测准确性却没有相应地降低。针对公交专用道乘客满意度问卷调查回收的有效问卷，将由模型4预测出的乘客满意度与调查得到的乘客满意度进行对比，模型4的预测准确性达86.06%，见附录J。