曹煒威，劉 圣，李宜威，賈建民

(1. 西南交通大學(xué)經(jīng)濟(jì)管理學(xué)院, 成都 610031; 2. 嶺南大學(xué)商學(xué)院, 中國香港 999077;3. 香港中文大學(xué)(深圳)經(jīng)管學(xué)院, 深圳 518172; 4. 深圳市大數(shù)據(jù)研究院, 深圳 518172;5. 中國民用航空飛行學(xué)院，廣漢 618307; 6. 民航飛行技術(shù)與飛行安全重點(diǎn)實(shí)驗(yàn)室，廣漢 618307)

0 引 言

結(jié)伴，一個(gè)基于社會(huì)互動(dòng)、情感交流、熟人同行、從眾等動(dòng)機(jī)的行為，在當(dāng)今的社會(huì)活動(dòng)中日益普遍，如結(jié)伴出行、結(jié)伴購物、結(jié)伴旅游、結(jié)伴休閑等[1].結(jié)伴在許多方面產(chǎn)生著重大的影響：如結(jié)伴群體的目標(biāo)制定和分工較為合理，而目標(biāo)是刺激和改善行為的一個(gè)重要因素，清晰明確的目標(biāo)使群體的行動(dòng)進(jìn)展更加順利[2].在決策過程中，個(gè)體的決策行動(dòng)會(huì)因受到結(jié)伴群體的影響從而調(diào)整自己的行為[3].在實(shí)現(xiàn)目標(biāo)和行動(dòng)的過程中，結(jié)伴的個(gè)體之間可以互相溝通和交流，為其提供了良好的人際關(guān)系交往機(jī)會(huì)，這既滿足了個(gè)體的情感需求，也使其更容易產(chǎn)生積極的團(tuán)隊(duì)意識(shí)[4].結(jié)伴情景下所取得的成就往往也比不結(jié)伴要好，積極的情感和顯著的成就均會(huì)使個(gè)體的滿足感更高[5].

結(jié)伴活動(dòng)中，消費(fèi)者不免面臨各種決策問題，而當(dāng)前學(xué)術(shù)研究多把目光集中在個(gè)體如何根據(jù)其信念、偏好和心里動(dòng)機(jī)等做出決策上，對(duì)于涉及到其他人的決策研究略顯不足.實(shí)際上，生活以及商業(yè)消費(fèi)中很多的決策都會(huì)以不同的形式涉及到其他人[6]，直接地表現(xiàn)之一為結(jié)伴情況下的消費(fèi)行為.消費(fèi)者的決策過程受到群體規(guī)范的影響，尤其是當(dāng)結(jié)伴群體中存在一些代表性人物的時(shí)候[7]；而有時(shí)僅是他人的“存在”就能影響消費(fèi)行為，不管他人是朋友或是家人[8].結(jié)伴消費(fèi)時(shí)，群體中的個(gè)人會(huì)更傾向調(diào)整自己的購買行為從而與群體協(xié)調(diào)，在維持自己良好的情緒和體驗(yàn)的同時(shí)也兼顧團(tuán)隊(duì)其他成員的意見和利益.結(jié)伴對(duì)購買行為的影響還體現(xiàn)在推動(dòng)對(duì)產(chǎn)品或服務(wù)的消費(fèi)升級(jí)上(消費(fèi)需求由生存型向享受型再向發(fā)展型轉(zhuǎn)變)，促進(jìn)對(duì)中高端產(chǎn)品的需求.當(dāng)前我國經(jīng)濟(jì)已經(jīng)由高速增長(zhǎng)轉(zhuǎn)向高質(zhì)量發(fā)展，消費(fèi)對(duì)經(jīng)濟(jì)增長(zhǎng)的拉動(dòng)作用日益突出，居民個(gè)人的消費(fèi)需求也在不斷升級(jí)[9].一方面，結(jié)伴群體往往追求產(chǎn)品結(jié)構(gòu)的豐富性，并伴隨著高頻率的購買行為[8]；另一方面，消費(fèi)者結(jié)伴購物時(shí)更加看重產(chǎn)品的質(zhì)量維度，會(huì)更愿意選擇高質(zhì)量的產(chǎn)品和服務(wù).優(yōu)質(zhì)的中高端產(chǎn)品和服務(wù)有助于提高生活品質(zhì)，能夠更好地滿足消費(fèi)者的行為偏好和心理需求[10].因此，結(jié)伴行為的背后有可能意味著人們對(duì)于高品質(zhì)生活的追求，有助于推動(dòng)消費(fèi)升級(jí)，這也是本文的研究重點(diǎn).

如今，大數(shù)據(jù)時(shí)代的到來，消費(fèi)者在很多社會(huì)經(jīng)濟(jì)系統(tǒng)中留下了豐富的行為痕跡.利用先進(jìn)的技術(shù)手段能夠獲取顧客的多維度行為特征數(shù)據(jù)，借助強(qiáng)大的計(jì)算工具可以對(duì)這些數(shù)據(jù)進(jìn)行實(shí)時(shí)性的分析[11].這一方面有助于了解市場(chǎng)的動(dòng)態(tài)變化，另一方面也可以加強(qiáng)對(duì)企業(yè)優(yōu)勢(shì)和劣勢(shì)的認(rèn)知，為管理的改進(jìn)方向提供參考和建議[12].當(dāng)前快速發(fā)展的信息技術(shù)為研究消費(fèi)者行為(如結(jié)伴)提供了有力的工具.本文將借助鐵路客運(yùn)產(chǎn)品的海量在線銷售數(shù)據(jù)(超過130萬人的3 939 487條出行記錄)，以鐵路出行中客運(yùn)列車和座位的選擇為例，檢驗(yàn)結(jié)伴出行是否影響人們對(duì)高品質(zhì)產(chǎn)品的選擇，以此揭示結(jié)伴行為對(duì)消費(fèi)升級(jí)的影響.

本文在回顧前人研究的基礎(chǔ)上，首次在鐵路研究中使用赫克曼二階段模型(Heckman Two-Stage Model)分步對(duì)乘客的出行行為和鐵路產(chǎn)品的選擇行為進(jìn)行建模，檢驗(yàn)結(jié)伴出行這一核心變量對(duì)出行列車和座位選擇的影響.通過分析2017年1月1日～2017年3月31日期間成都鐵路局轄內(nèi)銷售的客票記錄數(shù)據(jù)并控制超過130萬乘客的個(gè)體固定效應(yīng)，結(jié)果發(fā)現(xiàn)：結(jié)伴出行顯著正向影響高級(jí)列車和高等座位的選擇(中高端產(chǎn)品和服務(wù))；女性結(jié)伴顯著促進(jìn)對(duì)高級(jí)列車和高等座位的選擇；年長(zhǎng)者結(jié)伴顯著促進(jìn)對(duì)高級(jí)列車和高等座位的選擇.這些發(fā)現(xiàn)反映了結(jié)伴行為背后人們對(duì)高品質(zhì)生活的追求，揭示了結(jié)伴行為對(duì)消費(fèi)升級(jí)的推動(dòng)作用.雖然鐵路產(chǎn)品是一個(gè)比較特殊的領(lǐng)域，但是在本文使用的兩個(gè)因變量中(列車和座位)，座位涉及到廣泛的商業(yè)領(lǐng)域，比如電影院、飛機(jī)、高檔餐廳等.所以通過結(jié)伴出行對(duì)于鐵路列車和座位選擇的顯著正向影響可以反映結(jié)伴者對(duì)中高端產(chǎn)品的消費(fèi).結(jié)伴的商業(yè)價(jià)值不僅為鐵路部門的管理提供了思路，也為整個(gè)商業(yè)和公共管理領(lǐng)域提供了有價(jià)值的參考.

1 文獻(xiàn)與假設(shè)

結(jié)伴出行通常發(fā)生在關(guān)系親密的熟人之間，例如家人、親戚、朋友或同事[13].和關(guān)系親密的人在一起時(shí)，人們的價(jià)格敏感度會(huì)降低，心理上對(duì)價(jià)格較貴的產(chǎn)品和服務(wù)的接受度會(huì)更大，表現(xiàn)出對(duì)中高端產(chǎn)品更強(qiáng)的消費(fèi)欲望，從這點(diǎn)來看結(jié)伴出行將有助于推動(dòng)消費(fèi)行為升級(jí)[14].結(jié)伴出行有助于同行者產(chǎn)生積極的情感體驗(yàn)，激發(fā)享樂的動(dòng)機(jī)[15]，從而導(dǎo)致出行者偏向選擇更高品質(zhì)的產(chǎn)品.Garcia-Rada等在其研究中指出，決策中涉及到與自身具有浪漫關(guān)系的他人時(shí)，相對(duì)于實(shí)用型產(chǎn)品消費(fèi)者更傾向于選擇享樂型產(chǎn)品[16].在鐵路出行客運(yùn)產(chǎn)品中，高級(jí)的列車和座位具有更舒適的乘坐服務(wù)和乘車環(huán)境(比如車內(nèi)清潔、工作人員服務(wù)態(tài)度好、出發(fā)到達(dá)準(zhǔn)時(shí)等)，代表出行環(huán)境下的中高端消費(fèi)品，能夠滿足結(jié)伴出行時(shí)的享樂動(dòng)機(jī)，更符合人們結(jié)伴情境下的選擇傾向.因此，本文提出以下假設(shè)：

H1a結(jié)伴出行正向影響對(duì)高級(jí)列車的選擇.

H1b結(jié)伴出行正向影響對(duì)高等座位的選擇.

結(jié)伴出行和個(gè)性特征差異的協(xié)同效應(yīng)也會(huì)對(duì)鐵路產(chǎn)品選擇產(chǎn)生影響.出行者個(gè)體特征的差異會(huì)導(dǎo)致其在心理和行為的諸多方面都大相徑庭，如交通出行、情感交流、互聯(lián)網(wǎng)使用等[17].性別是個(gè)體特征差異的主要表現(xiàn)之一，不同性別的出行者在出行鏈條與出行方式選擇上都有較大不同，這既有生理層面的影響也有心理和行為層面的原因[18].相比男性，女性在消費(fèi)決策中容易受到周邊環(huán)境的影響，這可能使得女性會(huì)傾向于價(jià)格更高且品質(zhì)也更好的中高端產(chǎn)品[19].同時(shí)，女性相比男性更加體貼和關(guān)懷他人[20]，所以女性在結(jié)伴出行中也可能會(huì)因顧及他人的感受而選擇高品質(zhì)的客運(yùn)產(chǎn)品.代表中高端出行消費(fèi)品的高級(jí)列車和高等座位往往讓人感到更舒適，能滿足享樂動(dòng)機(jī)和女性體貼關(guān)懷的想法.所以本文提出以下假設(shè)：

H2a女性結(jié)伴出行正向影響對(duì)高級(jí)列車的選擇.

H2b女性結(jié)伴出行正向影響對(duì)高等座位的選擇.

除了性別，年齡是個(gè)體特征差異的另一個(gè)表現(xiàn).不同年齡的個(gè)體在消費(fèi)過程中的目標(biāo)選擇上存在較大差異.已有的證據(jù)表明，消費(fèi)者的年齡會(huì)影響個(gè)體的消費(fèi)行為[21].平均而言，年長(zhǎng)者的健康狀態(tài)相對(duì)較差，相對(duì)年輕者而言身體和心理更需要被照顧[22-23]，出行中客觀上更需要環(huán)境舒服、服務(wù)優(yōu)質(zhì)的乘車環(huán)境(高級(jí)列車和高等座位可以提供).與之相應(yīng)，人們理解長(zhǎng)者的需求，也會(huì)給予長(zhǎng)者較多的關(guān)心和幫助[24]，所以與年長(zhǎng)者同行，會(huì)更加傾向選擇環(huán)境、服務(wù)和安全性更好的中高端客運(yùn)產(chǎn)品滿足長(zhǎng)者的客觀需要.而且，年長(zhǎng)者在社會(huì)交往中獲取社會(huì)認(rèn)同感的意愿較為強(qiáng)烈[25].在城際鐵路出行中，高級(jí)列車和高等座位還具有符號(hào)價(jià)值，一定程度上能夠體現(xiàn)身份地位，有助于出行者獲取社會(huì)認(rèn)同.因此，年長(zhǎng)者結(jié)伴可能對(duì)消費(fèi)升級(jí)具有促進(jìn)作用，正向影響對(duì)高級(jí)列車和高等座位的選擇.所以，本文提出以下假設(shè)：

H3a年長(zhǎng)者結(jié)伴出行正向影響對(duì)高級(jí)列車的選擇.

H3b年長(zhǎng)者結(jié)伴出行正向影響對(duì)高等座位的選擇.

2 數(shù)據(jù)

2.1 數(shù)據(jù)總覽

本文研究的目的是借助鐵路出行視角檢驗(yàn)結(jié)伴對(duì)消費(fèi)升級(jí)的促進(jìn)作用.客票數(shù)據(jù)中包含豐富的個(gè)人信息和出行屬性信息，例如旅客身份唯一標(biāo)識(shí)符、性別、年齡、證件地址、所乘列車類型(高鐵、動(dòng)車、普速列車)、座位席別(商務(wù)座、一等座、二等座、硬座、硬臥、軟座、軟臥)、購票時(shí)間、購票渠道(窗口、自助購票機(jī)、互聯(lián)網(wǎng)、移動(dòng)端)、出行距離、車票費(fèi)用、出發(fā)站、到達(dá)站、訂單序列號(hào)等.根據(jù)研究目的，借助相關(guān)字段信息能夠獲取研究所需變量.在本次研究中以成渝鐵路為例，收集了2017年1月1日～2017年3月31日連續(xù)三個(gè)月內(nèi)成渝間直達(dá)旅客的出行數(shù)據(jù)，共計(jì)3 939 487條，作為觀測(cè)樣本實(shí)證分析結(jié)伴出行對(duì)客運(yùn)產(chǎn)品選擇的影響.

2.2 成渝間列車及座位描述

隨著經(jīng)濟(jì)的發(fā)展、技術(shù)的進(jìn)步以及在國家經(jīng)濟(jì)發(fā)展藍(lán)圖中戰(zhàn)略地位的提升，成渝經(jīng)濟(jì)區(qū)鐵路運(yùn)輸系統(tǒng)客運(yùn)列車產(chǎn)品結(jié)構(gòu)日趨完善，形成了包括G字頭高鐵，D字頭動(dòng)車和K字頭列車為主的普速列車在內(nèi)的多層次客運(yùn)市場(chǎng)結(jié)構(gòu).高鐵平均運(yùn)營(yíng)時(shí)速300km/h，成渝間耗時(shí)約1.5h；動(dòng)車平均運(yùn)營(yíng)速度200km/h，全程耗時(shí)約2h10min；普速列車平均運(yùn)營(yíng)時(shí)速約100km/h，全程平均耗時(shí)約3h40min.高鐵、動(dòng)車和普速列車路線走向和途徑站點(diǎn)不盡相同，但均連接了成都和重慶兩大區(qū)域核心城市，為兩地人口流動(dòng)提供服務(wù).K字頭為主的普速列車運(yùn)營(yíng)時(shí)間較早，是沿線城市間人口流動(dòng)的基礎(chǔ)交通工具.動(dòng)車于2009年7月7日全線投入運(yùn)營(yíng)，成渝高鐵于2016年1月1日正式開通運(yùn)營(yíng)，自此成渝間形成了三種類型列車共存的客運(yùn)格局.成渝間開行的列車中，不同類型的列車可選擇的座位及相應(yīng)的票價(jià)如表1所示.

表1 成渝間不同等級(jí)列車及座位描述

綜合考慮列車運(yùn)營(yíng)速度、車廂環(huán)境、座位舒適度、票價(jià)等因素，結(jié)合對(duì)相關(guān)領(lǐng)域?qū)＜以L問對(duì)列車和座位進(jìn)行如下等級(jí)排序.列車等級(jí)排序：高鐵>動(dòng)車>普通列車.座位等級(jí)排序：高鐵商務(wù)座、高鐵一等座>高鐵二等座、動(dòng)車一等座、普速列車軟臥>動(dòng)車二等座、普速列車硬臥>普速列車硬座.由于商務(wù)座乘客比例不足1%，所以將其與一等座合并歸為一類.

2.3 變量描述

2.3.1 列車

列車等級(jí)信息是假設(shè)檢驗(yàn)所需的信息之一.列車的等級(jí)(高鐵、動(dòng)車、普通列車)由銷售數(shù)據(jù)中的列車車次名稱獲得(G字頭高鐵，D字頭動(dòng)車和K字頭普通列車).鐘業(yè)喜等[26]在其對(duì)于高鐵影響的研究中根據(jù)高鐵的定義將G開頭的高速動(dòng)車組、D開頭的動(dòng)車組和C開頭的城際高速均視為高速列車，其他視為普通列車.本文所用數(shù)據(jù)為成渝鐵路段，不存在C字頭的城際高速，所以此研究將列車等級(jí)分為高鐵、動(dòng)車和普通列車.根據(jù)表2中的票價(jià)信息，高鐵大于動(dòng)車、動(dòng)車大于普通列車，故本研究按列車等級(jí)高低分別將高鐵、動(dòng)車和普通列車取值為3、2和1.

2.3.2 座位

座位等級(jí)信息是假設(shè)檢驗(yàn)所需的另一信息.座位的等級(jí)信息由客票記錄數(shù)據(jù)直接獲得.過去的研究一般將座位等級(jí)信息編譯為分類變量，如王文憲等[27]在其對(duì)于鐵路產(chǎn)品選擇研究中，把客運(yùn)產(chǎn)品分為硬座、硬臥及軟臥.結(jié)合過去研究的度量方法和表1中的票價(jià)信息，本文將高鐵商務(wù)座、高鐵一等座取值4，高鐵二等座、動(dòng)車一等座和普速列車軟臥取值3，動(dòng)車二等座和普速列車硬臥取值2，普速列車硬座取值為1.

2.3.3 是否結(jié)伴出行

結(jié)伴出行會(huì)影響消費(fèi)產(chǎn)品的選擇，該變量為本文研究的核心信息.結(jié)伴信息根據(jù)乘車日期、車次和訂單號(hào)信息來判斷.過去對(duì)于結(jié)伴的測(cè)度常用的方式為是否結(jié)伴，例如Zhang等[28]在對(duì)結(jié)伴進(jìn)行研究時(shí)把結(jié)伴的存在與否作為變量對(duì)其影響進(jìn)行分析.本文對(duì)于結(jié)伴與否信息的提取方式是：如果某幾個(gè)出行者購買同一天的同一車次且購票記錄的訂單號(hào)相同，表示本次出行為結(jié)伴出行，變量取值為1；否則取值為0.

2.3.4 其他信息

根據(jù)客票字段信息還可以提煉多種其他的個(gè)體特征信息，包括性別、年齡、是否城市人口、是否移動(dòng)端購票、出行平均花費(fèi)、出行平均里程，以此控制人口統(tǒng)計(jì)學(xué)特征、購票特征、社會(huì)階層與地位因素對(duì)列車和座位選擇的影響.

1) 人口統(tǒng)計(jì)學(xué)特征

人口統(tǒng)計(jì)學(xué)特征對(duì)于出行產(chǎn)品的選擇有顯著影響[29-30]，如性別、年齡和是否城市人口變量.性別在研究中一般作為二分變量進(jìn)行測(cè)度，即男性或者女性.如果是女性，取值1；若為男性，取值0.年齡在研究中一般被當(dāng)作連續(xù)變量[31]，本文年齡變量根據(jù)客票數(shù)據(jù)中包含的旅客出生日期計(jì)算而來.是否城市人口變量根據(jù)客票數(shù)據(jù)中包含的旅客地址信息判斷，地址一定程度上可視為常住地址的代理變量.如果常住地為城市地址，變量值為1；否則為0.還有一些其他的人口統(tǒng)計(jì)學(xué)信息在已有文獻(xiàn)中被指出有顯著影響如出行者個(gè)人收入、行程目的、行程前時(shí)間等，這些信息無法從客票記錄數(shù)據(jù)中獲得，所以在結(jié)伴出行對(duì)鐵路產(chǎn)品的分析模型中(下一節(jié))，每個(gè)出行者的個(gè)體固定效應(yīng)將被加入分析，從而控制由于個(gè)體差異(如個(gè)人收入、行程目的等)帶來的影響，彌補(bǔ)了鐵路人口統(tǒng)計(jì)學(xué)特征變量信息的限制.

2) 購票渠道變量

購票方式對(duì)消費(fèi)者的選擇行為會(huì)產(chǎn)生影響，例如Hemamalini[32]指出消費(fèi)者認(rèn)為在線訂票更加方便.由于其他購票方式如傳統(tǒng)窗口購票和自助端購票數(shù)據(jù)無法觀測(cè)旅客是否結(jié)伴出行，故本文研究所用的數(shù)據(jù)僅包括互聯(lián)網(wǎng)購票和移動(dòng)端購票數(shù)據(jù).如果采用移動(dòng)端方式購票，是否移動(dòng)端購票變量取值1，否則取值0.

3) 平均花費(fèi)和平均里程

消費(fèi)者過去的經(jīng)歷會(huì)影響未來的選擇，過去出行的平均花費(fèi)和平均里程屬于歷史鐵路出行的兩個(gè)直接表現(xiàn).價(jià)格會(huì)影響消費(fèi)者的感受，如滿意度和公平感[33]，從而影響出行者的選擇.出行者的歷史平均花費(fèi)反映了出行者乘車的平均價(jià)格高低，將會(huì)對(duì)未來的乘車行為產(chǎn)生影響.另一方面，出行距離也會(huì)對(duì)出行的選擇產(chǎn)生顯著影響[34].根據(jù)2014年1月1日～2016年12月31日旅客的出行記錄對(duì)歷史平均花費(fèi)和平均里程進(jìn)行計(jì)算.由該時(shí)間段出行的票價(jià)總花費(fèi)除以這段時(shí)間段出行總次數(shù)，從而得到每個(gè)出行者過去出行中每次鐵路出行的花費(fèi).由該時(shí)間段出行的總里程除以這個(gè)時(shí)間段出行總次數(shù)，從而得到每個(gè)出行者過去出行中每次鐵路出行的里程.表2是變量的描述性統(tǒng)計(jì).

表2 變量的描述性統(tǒng)計(jì)

2.4 數(shù)據(jù)描述性分析

為了初步探究結(jié)伴對(duì)列車選擇的影響，首先將總體數(shù)據(jù)分為有結(jié)伴和無結(jié)伴兩個(gè)組，分別計(jì)算兩組(結(jié)伴與無結(jié)伴)中每位出行者選擇高鐵的次數(shù)在該出行者所有出行中的占比.通過對(duì)結(jié)伴出行的高鐵選擇占比與無結(jié)伴出行的高鐵選擇占比的T檢驗(yàn)，結(jié)果顯示結(jié)伴出行的高鐵選擇比例均值顯著高于個(gè)體(無結(jié)伴)出行的高鐵比例均值(t=4.22,p<0.001).圖1(左)展示了個(gè)體出行與結(jié)伴出行選擇高鐵的均值.同樣，為了初步探究結(jié)伴對(duì)于座位選擇的影響，分別計(jì)算兩個(gè)組(個(gè)體出行與結(jié)伴出行)中每位出行者選擇三等級(jí)座位和四等級(jí)座位(高鐵商務(wù)座、高鐵一等座取值4，高鐵二等座、動(dòng)車一等座和普速列車軟臥取值3)的次數(shù)在該出行者所有出行次數(shù)中的占比.通過對(duì)于結(jié)伴出行的選擇高等座位占比與個(gè)體(無結(jié)伴)出行的高等座位占比的T檢驗(yàn)，結(jié)果顯示結(jié)伴出行選擇高等座位比例均值顯著高于無結(jié)伴出行選擇高等座位比例均值(t=3.40,p<0.001).圖1(右)展示了選擇高等座位的均值及95%置信區(qū)間下均值的范圍.初步描述性統(tǒng)計(jì)分析的檢驗(yàn)結(jié)果支持本文的核心假設(shè)，即結(jié)伴出行對(duì)出行者高級(jí)列車和高等座位的選擇有潛在正向的影響，而在更加嚴(yán)密的模型設(shè)定下，假設(shè)是否依舊成立，本文在下一部分對(duì)此做進(jìn)一步驗(yàn)證.

圖1 結(jié)伴出行與否對(duì)于列車和座位選擇的描述性統(tǒng)計(jì)

旅客選擇鐵路產(chǎn)品出行可能會(huì)受前期乘坐體驗(yàn)的作用而影響后續(xù)選擇行為，因此本文抽取了總計(jì)出行兩次且均為單獨(dú)出行(103 490人，206 980次出行)的觀測(cè)樣本，檢驗(yàn)多次出行的旅客在列車和座位選擇上是否具有一致性，結(jié)果如圖2.結(jié)果顯示，旅客單獨(dú)出行兩次的情況下，其第二次出行會(huì)更多地選擇高鐵(t=2.30,p<0.05)和高等座位(t=2.32,p<0.05).也就是說，多次出行會(huì)一定程度上刺激旅客選擇高級(jí)鐵路客運(yùn)產(chǎn)品.故本文在后續(xù)的模型分析中將控制出行次數(shù)的固定效應(yīng)，這在一定程度上可以緩解多次出行對(duì)鐵路客運(yùn)產(chǎn)品選擇的影響.

圖2 旅客多次出行中列車和座位選擇一致性分析

Fig. 2 Consistency analysis of multi-trips impact on train and seat choice

以上分析通過比較結(jié)伴人群與非結(jié)伴人群的鐵路產(chǎn)品消費(fèi)，初步證實(shí)了結(jié)伴行為對(duì)于消費(fèi)的刺激作用.為了更加直觀地檢驗(yàn)結(jié)伴行為對(duì)于消費(fèi)的影響，本文直接比較了同一乘客在非結(jié)伴與結(jié)伴下的鐵路產(chǎn)品消費(fèi).抽取了出行兩次的旅客作為觀測(cè)樣本，一次為單獨(dú)出行，一次為結(jié)伴出行(39 467人，78 934次出行).描述性統(tǒng)計(jì)如圖3所示，結(jié)果表明：若一個(gè)人僅出行兩次，相對(duì)于單獨(dú)出行而言結(jié)伴出行時(shí)會(huì)更多地選擇高鐵(t=2.08,p<0.05)和高等座位(t=1.93,p=0.05).

圖3 同一乘客結(jié)伴出行與非結(jié)伴出行選擇的差異性分析

Fig. 3 Consumption difference between individual travel and travelling companion of the same passenger

3 模型介紹

模型選擇方面，過去對(duì)于出行產(chǎn)品和方式選擇的研究往往通過單一Logit模型定量分析出行屬性特征(程前、程后接駁時(shí)間、在途時(shí)間、服務(wù)頻次、票價(jià)花費(fèi)等)和個(gè)體屬性特征(性別、年齡、教育、收入等)對(duì)出行方式選擇行為的影響[35-37].例如Behrens等[38]基于混合Logit模型研究倫敦至巴黎通道內(nèi)人們?cè)诟哞F和民航兩種客運(yùn)產(chǎn)品之間的選擇行為；Park等[39]使用了多項(xiàng)Logit模型研究韓國高鐵的開通對(duì)民航出行的影響，發(fā)現(xiàn)票價(jià)費(fèi)用和服務(wù)頻次顯著影響旅客選擇交通方式的效用感知.Lee等[40]應(yīng)用混合Logit模型研究首爾至濟(jì)州島通道上出行者在多種交通方式之間的選擇行為，指出除在途時(shí)間、出行花費(fèi)和服務(wù)頻次外，交通方式的安全性也是影響旅客選擇的重要因素.

已有的鐵路文獻(xiàn)對(duì)乘客出行的選擇問題的研究，往往建立在乘客一定會(huì)出行這一假設(shè)上，忽略了乘客出行行為本身和具體客運(yùn)產(chǎn)品選擇之間的關(guān)系.實(shí)際上，影響乘客出行的因素往往也會(huì)影響到乘客客運(yùn)產(chǎn)品的選擇.對(duì)這些因素的忽略可能帶來潛在的內(nèi)生性(Endogeneity) 問題.本文建議使用赫克曼二階段模型(Heckman two-stage model)，分步對(duì)乘客的出行行為和鐵路產(chǎn)品的選擇行為進(jìn)行建模.本文在第一階段使用logit回歸來探究乘客是否出行，然后在第二階段(基于乘客會(huì)出行的情況下)刻畫結(jié)伴出行對(duì)于乘客的產(chǎn)品和服務(wù)選擇的影響.為了加強(qiáng)模型識(shí)別的準(zhǔn)確度，加入了三個(gè)維度的固定效應(yīng)，包括1 317 854個(gè)個(gè)體固定效應(yīng)，3個(gè)月的時(shí)間固定效應(yīng)，以及213個(gè)出行次數(shù)的固定效應(yīng).具體來說，本文建立以下的第一階段模型

logit(travelit)=μi+μt+εit

(1)

第一階段使用了Logit模型分析乘客是否出行，i和t分別代表第i個(gè)乘客和第t個(gè)月，travelit表示乘客是否出行(1表示出行，0表示不出行)，logit為邏輯連接函數(shù)(logitlink)(1)早期的赫克曼二階段模型中的第一階段使用的是Probit模型，因?yàn)橛?jì)算逆米爾斯比率是基于第一階段的誤差項(xiàng)服從正態(tài)分布的假設(shè)，而Probit模型對(duì)于誤差項(xiàng)的假設(shè)就是服從一個(gè)標(biāo)準(zhǔn)的正態(tài)分布.但是Dubin和Rivers[41]在其研究中提出赫克曼模型的中第一階段的誤差項(xiàng)不必完全依賴正態(tài)分布的假設(shè)，也可以是邏輯斯諦分布.并且，Bushway等[42]也提出Logit模型和Probit模型在因變量的概率不接近0或者1的情況下，兩者差距是極小的.只有在預(yù)測(cè)概率接近0或者1的情況下，Logit模型才會(huì)顯著不同于Probit模型.本文在第一階段選擇了Logit模型，一方面因?yàn)榈谝浑A段的預(yù)測(cè)概率的80%都集中于0.3到0.4(并未接近0或者1)，所以Logit和Probit的差異是非常小.同時(shí)也是為了計(jì)算的方便，并和過往的鐵路研究中使用Logit模型的設(shè)置保持一致.，μi和μt分別表示乘客個(gè)體和時(shí)間的固定效應(yīng)，εit是一個(gè)隨機(jī)誤差項(xiàng).值得注意的是，此階段無法加入出行次數(shù)j的固定效應(yīng)，因?yàn)闊o論乘客i是第幾次出行均代表出行行為.此處估參的意義在于計(jì)算出逆米爾斯比率(2)逆米爾斯比率的計(jì)算方式是首先計(jì)算出Logit模型的線性預(yù)測(cè)結(jié)果，然后用這個(gè)結(jié)果的正態(tài)概率密度函數(shù)除以這個(gè)結(jié)果的概率密度函數(shù)的積分(累積分布)[42].(inverse_mills_ratioit)[43]，該比率類似于線性回歸里的殘差，是一種對(duì)可能影響乘客出行行為的潛在因素的衡量指標(biāo).本文將逆米爾斯比率作為一個(gè)控制變量進(jìn)入第二階段的模型，有效地降低了第二階段中可能出現(xiàn)的遺漏變量(omitted variable)問題：即影響乘客出行的潛在因素也有可能影響乘客對(duì)鐵路產(chǎn)品的選擇.另外，如鐵路數(shù)據(jù)的變量種類往往不如其他商業(yè)領(lǐng)域(如網(wǎng)絡(luò)購物等)豐富，第一階段的建模在變量種類不豐富的情況下(缺少同時(shí)隨個(gè)體和時(shí)間變化的變量)，依舊可以很好地衡量影響乘客客運(yùn)產(chǎn)品選擇的潛在因素.接下來，為了探究核心變量結(jié)伴出行對(duì)乘客客運(yùn)產(chǎn)品選擇的影響，本文建立以下的第二階段模型

Productijt=β1groupijt+β2mobile_ticketingijt+

β3inverse_mills_ratioit+μi+μt+

μj+εijt

(2)

第二階段使用了普通線性回歸(3)第二階段使用普通線性回歸一方面是因?yàn)楹湛寺A段模型的第二階段一般是使用普通線性回歸[44]，同時(shí)也考慮到普通線性回歸能夠減小超過130萬的固定效應(yīng)(個(gè)體，時(shí)間，次數(shù))所帶來的計(jì)算量.，在穩(wěn)健性檢驗(yàn)中此處會(huì)被換成Logit回歸和有序多項(xiàng)Logit回歸來檢驗(yàn)結(jié)論的一致性.Productijt為列車trainijt(1─3表示從普通列車到高鐵)或者座位seatijt(1─4表示從普速列車硬坐到高鐵商務(wù)座).groupijt是本研究的核心變量，表示是否結(jié)伴出行(1為結(jié)伴出行，0為非結(jié)伴出行)，mobile_ticketingijt表示移動(dòng)端購票的購票渠道控制變量.因?yàn)橥瑫r(shí)隨個(gè)體和時(shí)間維度變化的控制變量較少，第一階段模型計(jì)算的inverse_mills_ratio能夠有效地控制此類潛在遺漏變量帶來的內(nèi)生性問題.μi、μt和μj分別表示乘客個(gè)體、時(shí)間和出行次數(shù)的固定效應(yīng).εijt是隨機(jī)誤差.其中，β1為核心待估參數(shù)，表示結(jié)伴出行對(duì)列車等級(jí)和座位選擇的影響.為了探究性別與年齡因素對(duì)這一影響的調(diào)節(jié)作用，本文建立以下的第二階段模型

Productijt=β1groupijt+β4groupijt×

genderi+β5groupijt×agei+

β2mobile_ticketingijt+

β3inverse_mills_ratioit+

μi+μt+μj+εijt

(3)

groupijt×genderi表示結(jié)伴出行和是否為女性的交叉項(xiàng)，用以探究女性結(jié)伴出行對(duì)于鐵路產(chǎn)品和服務(wù)選擇的影響，groupijt×agei表示結(jié)伴出行與年齡的交叉項(xiàng)，用以探究年長(zhǎng)者結(jié)伴出行對(duì)于鐵路產(chǎn)品和服務(wù)選擇的影響，β4和β5為核心待估參數(shù)，其他設(shè)定均與方程(2)相同(4)genderi和agei的簡(jiǎn)單主效應(yīng)(simple main effect)被個(gè)體的固定效應(yīng)所吸收..

4 實(shí)證分析結(jié)果

4.1 假設(shè)檢驗(yàn)

表3中的(1)欄和表4中的(1)欄分別展示了方程(2)的估參結(jié)果.結(jié)果顯示，結(jié)伴出行顯著正向影響乘客對(duì)高級(jí)列車(β=0.012 6,p<0.001)和高等座位(β=0.013 0,p<0.001)的選擇，假設(shè)H1a和H1b得到了證實(shí).同時(shí)可以發(fā)現(xiàn)移動(dòng)端購票也對(duì)高級(jí)列車(β=0.030 9,p<0.001)和高等座位(β=0.033 4,p<0.001)的選擇產(chǎn)生了顯著正向的影響.這個(gè)發(fā)現(xiàn)也可以為結(jié)伴出行的商業(yè)應(yīng)用提供組合參考，比如在鼓勵(lì)人們結(jié)伴出行的同時(shí)改善和優(yōu)化移動(dòng)端購票體驗(yàn)，使人們更多地使用移動(dòng)端購票，提升消費(fèi)者選擇高品質(zhì)產(chǎn)品的概率.另外，可以從表3中的(1)欄和表4中的(1)欄中發(fā)現(xiàn)逆米爾斯比率顯著影響了出行者對(duì)于列車(β=-0.208 5,p<0.001)和座位(β=-0.296 8,p<0.001)的選擇.說明第二階段確實(shí)存在潛在遺漏變量的問題，赫克曼的兩階段矯正法利用第一階段的逆米爾斯比率對(duì)估參偏差進(jìn)行了有效的糾正.

表3 結(jié)伴對(duì)列車選擇的影響

注：1.***、**、*分別表示在0.1%、1%、5%的置信水平下顯著.

2.截距項(xiàng)被個(gè)體差異的固定效應(yīng)所吸收.

3.NA表示該效應(yīng)被個(gè)體差異的固定效應(yīng)所吸收.

表4 結(jié)伴對(duì)座位選擇的影響

注：1.***、**、*分別表示在0.1%、1%、5%的置信水平下顯著.

2.截距項(xiàng)被個(gè)體差異的固定效應(yīng)所吸收.

3.NA表示該效應(yīng)被個(gè)體差異的固定效應(yīng)所吸收.

從表3中的(2)欄和表4中的(2)欄可以看出，在分別加入了結(jié)伴出行與性別和年齡的交叉項(xiàng)后，交叉項(xiàng)顯著正向影響對(duì)高級(jí)列車和高等座位的選擇.首先，從結(jié)伴出行與性別的交叉項(xiàng)結(jié)果可以看出，女性結(jié)伴出行顯著正向影響出行者選擇高級(jí)列車(β=0.011 4,p<0.001)和高等座位(β=0.012 8,p<0.001)，假設(shè)H2a和H2b得到證實(shí).從結(jié)伴出行與年齡的交叉項(xiàng)結(jié)果可以看出，年長(zhǎng)者結(jié)伴出行顯著正向影響出行者選擇高級(jí)列車(β=0.000 3,p<0.001)和高等座位(β=0.000 4,p<0.001)，假設(shè)H3a和H3b得到證實(shí). 除此之外，可以發(fā)現(xiàn)移動(dòng)端購票對(duì)列車(β= 0.030 9,p<0.001)和座位(β=0.033 5,p<0.001)選擇依舊有顯著正向的影響，逆米爾斯比率對(duì)于第二階段的樣本偏差的糾正作用依然顯著.

需要說明的是，在主分析中并未使用乘客居住地是否為城市、平均花費(fèi)和平均里程這三個(gè)對(duì)消費(fèi)者選擇有潛在影響的變量，因?yàn)檫@些個(gè)體差異性變量的效應(yīng)已經(jīng)被個(gè)體的固定效應(yīng)所吸收.同時(shí)，列車出發(fā)時(shí)間、到達(dá)時(shí)間可能也會(huì)影響到旅客出行中的鐵路客運(yùn)產(chǎn)品選擇行為.在接下來的穩(wěn)健性分析部分中，在適當(dāng)?shù)哪Ｐ椭袑?huì)使用這些變量.

4.2 穩(wěn)健性檢驗(yàn)

本文從四個(gè)方面對(duì)研究結(jié)論進(jìn)行了穩(wěn)健性分析.

4.2.1 替代性的操作化

首先對(duì)因變量采取另一種量度方式，即檢驗(yàn)本文的發(fā)現(xiàn)在替代性的操作化(alternative operationalization)下是否成立.在主分析中列車等級(jí)被分為1到3(普通列車、動(dòng)車、高鐵分別取值為1、2和3)，將原本的2(動(dòng)車)和3(高鐵)合并為2(較高等級(jí)列車)，而1維持不變(普通列車).主分析中列車座位等級(jí)被分為1到4(普速列車硬臥取值為1，動(dòng)車二等座和普速列車硬臥取值2，高鐵二等座、動(dòng)車一等座和普速列車軟臥取值3，高鐵商務(wù)座、高鐵一等座取值4)，將原本的座位等級(jí)2和3合并為2(中等座位)，4變?yōu)?(高等座位)，1維持不變(普通座位).在模型的其他設(shè)置不變的情況下，重新對(duì)模型進(jìn)行估參.表5和表6展示了對(duì)應(yīng)的分析結(jié)果，新結(jié)果與主分析結(jié)果在方向與顯著性上保持一致：結(jié)伴出行顯著正向影響對(duì)高級(jí)列車和高等座位的選擇；結(jié)伴和女性交叉項(xiàng)顯著正向影響對(duì)高級(jí)列車和高等座位的選擇；結(jié)伴和年齡交叉項(xiàng)顯著正向影響對(duì)高級(jí)列車和高等座位的選擇.

表5 結(jié)伴對(duì)列車選擇的影響(等級(jí)1～等級(jí)2的列車)

注：1.***、***、*分別表示在0.1%、1%、5%的置信水平下顯著.

2.截距項(xiàng)被個(gè)體差異的固定效應(yīng)所吸收.

3.NA表示該效應(yīng)被個(gè)體差異的固定效應(yīng)所吸收.

表6 結(jié)伴對(duì)座位選擇的影響(等級(jí)1～等級(jí)3的座位)

注：1.***、***、*分別表示在0.1%、1%、5%的置信水平下顯著.

2.截距項(xiàng)被個(gè)體差異的固定效應(yīng)所吸收.

3.NA表示該效應(yīng)被個(gè)體差異的固定效應(yīng)所吸收

4.2.2 有序多分類回歸

除了改變對(duì)因變量的測(cè)量方式，本文還嘗試了改變模型設(shè)置.主分析將列車和座位當(dāng)做連續(xù)變量，使用了普通線性回歸.在穩(wěn)健性檢驗(yàn)中，將列車和座位當(dāng)做有序變量和分類變量，分別使用有序多分類回歸(ordinal regression, OR)和多項(xiàng)Logit回歸進(jìn)行估參.但是如果在這兩種回歸中依舊加入個(gè)體、時(shí)間和次數(shù)的固定效應(yīng)，會(huì)產(chǎn)生上百萬的虛擬變量，計(jì)算量非常大.由于有序多分類回歸或多項(xiàng)Logit回歸中添加隨機(jī)效應(yīng)是相對(duì)合理且顯著降低計(jì)算量的手段，所以第二種檢驗(yàn)首先將主分析模型里所有的固定效應(yīng)替換為隨機(jī)效應(yīng)，檢驗(yàn)結(jié)論的穩(wěn)健性.如果將固定效應(yīng)換成隨機(jī)效應(yīng)后，結(jié)論仍然穩(wěn)健，此時(shí)則將普通的線性回歸換成有序多分類回歸.主分析模型將列車和座位視作數(shù)值型連續(xù)變量，采用普通線性回歸方法進(jìn)行參數(shù)估計(jì)可能存在一定的不合理性.事實(shí)上，不同等級(jí)列車(或座位)的差距可能是有較大的不同，從速度、票價(jià)花費(fèi)、舒適度等多個(gè)客觀因素將列車和座位劃分等級(jí)，不同分類之間僅保持相對(duì)順序(而非等距)是一種相對(duì)保守的做法.另一方面，由于帶有三個(gè)隨機(jī)效應(yīng)的多項(xiàng)Logit回歸計(jì)算量過大，本文繼而在保持固定效應(yīng)的設(shè)定下，將普通的線性回歸換成多個(gè)Logit模型，把列車和座位等級(jí)當(dāng)成分類變量來驗(yàn)證結(jié)論的穩(wěn)健性，對(duì)不同的列車或者座位進(jìn)行兩兩比較.

1)隨機(jī)效應(yīng)模型

需要說明的是，此時(shí)的模型中可以加入在數(shù)據(jù)說明部分提到的三個(gè)重要的控制變量：平均花費(fèi)、平均里程和是否城市.主分析模型中的三個(gè)固定效應(yīng)(個(gè)體、時(shí)間、次數(shù))的控制很嚴(yán)格，所以在去除固定效應(yīng)后應(yīng)該加入控制變量對(duì)此缺陷進(jìn)行彌補(bǔ).此外，這一改變也有助于看到這三個(gè)在文獻(xiàn)中提到的顯著影響變量在本文數(shù)據(jù)中的表現(xiàn).由于加入的三個(gè)控制變量(平均花費(fèi)、平均里程、是否城市)中含有缺失值，模型剔除缺失值后最終剩下的觀測(cè)數(shù)為2 721 052.隨機(jī)效應(yīng)模型的分析結(jié)果如表7與表8所示.

表7 結(jié)伴對(duì)列車選擇的影響(隨機(jī)效應(yīng))

表8 結(jié)伴對(duì)座位選擇的影響(隨機(jī)效應(yīng))

注：***、***、*分別表示在0.1%、1%、5%的置信水平下顯著.

從表7和表8可以看出，當(dāng)把固定效應(yīng)換成隨機(jī)效應(yīng)并加入三個(gè)控制變量后，如表7(1)欄和表8(1)欄所示，結(jié)伴出行依舊顯著正向顯著對(duì)高級(jí)列車(β=0.011 4,p<0.001)和高等座位(β=0.013 5,p<0.001)的選擇.從表7(1)和表8(1)可以看出，在加入結(jié)伴出行與性別、年齡的交叉項(xiàng)后，交叉項(xiàng)依舊正向顯著：結(jié)伴與性別交叉項(xiàng)顯著正向影響高級(jí)列車(β=0.012 1,p<0.001)和高等座位(β=0. 013 0,p<0.001)的選擇；結(jié)伴與年齡交叉項(xiàng)顯著正向影響對(duì)高級(jí)列車(β=0.000 4,p<0.001)和高等座位(β=0.000 3,p<0.001)的選擇.

基于上述的替換的可行，接下來將分別使用帶有隨機(jī)效應(yīng)的有序多分類回歸和帶有固定效應(yīng)的Logit模型來檢驗(yàn)主分析結(jié)論的穩(wěn)健性.

2)隨機(jī)效應(yīng)下有序多分類回歸

表9和表10展示了隨機(jī)效應(yīng)下有序多分類回歸分析的結(jié)果.表9(1)欄和表10(1)欄顯示，在未加入結(jié)伴出行與性別和年齡的交叉時(shí)，結(jié)伴出行對(duì)于高級(jí)列車(β=0.004 1a)(5)“a”表示該參數(shù)后驗(yàn)的均值在95%的可信區(qū)間內(nèi)不包括0.和高等座位(β=0.003 7a)的影響是正向的.表9(2)欄表明女性(β=0.725 1a)或長(zhǎng)者(β=0.027 4a)結(jié)伴更傾向選擇高級(jí)列車.表10(2)欄中，雖然女性對(duì)座位等級(jí)的影響的后驗(yàn)可信區(qū)間包含了0，但是整個(gè)區(qū)間更加偏向?yàn)檎?，且該參?shù)也為正向(β=0.046 9)，與主分析結(jié)果方向一致.結(jié)伴與年齡交叉項(xiàng)(β=0.007 4a)正向影響出行者對(duì)高等座位的選擇，與主分析結(jié)果保持一致.

表9 結(jié)伴對(duì)列車選擇的影響(隨機(jī)效應(yīng)+有序多分類回歸)

注：1. 因?yàn)閭鹘y(tǒng)的點(diǎn)估計(jì)(point estimation)方法難以估計(jì)海量數(shù)據(jù)下的3維隨機(jī)項(xiàng)(個(gè)體、時(shí)間、次數(shù))，該分析使用了變分貝葉斯估參.

2. “a”表示該參數(shù)后驗(yàn)的均值在95%的可信區(qū)間內(nèi)不包括0.

表10 結(jié)伴對(duì)座位選擇的影響(隨機(jī)效應(yīng)+有序多分類回歸)

注：1. 因?yàn)閭鹘y(tǒng)的點(diǎn)估計(jì)(point estimation)方法難以估計(jì)海量數(shù)據(jù)下的3維隨機(jī)項(xiàng)(個(gè)體、時(shí)間、次數(shù))，該分析使用了變分貝葉斯估參.

2. “a”表示該參數(shù)后驗(yàn)的均值在95%的可信區(qū)間內(nèi)不包括于0.

3. 為降低計(jì)算量，基于變換座位等級(jí)分類方法不影響估參結(jié)果，此處使用三個(gè)等級(jí)的座位分類作為因變量(將主分析的因變量

3)固定效應(yīng)下的多個(gè)二項(xiàng)Logit模型回歸

本節(jié)的穩(wěn)健性檢驗(yàn)將因變量視為多個(gè)二分變量，采用二項(xiàng)Logit模型進(jìn)行兩兩對(duì)比檢驗(yàn).對(duì)于列車的選擇，因?yàn)樵诹熊嚨娜齻€(gè)等級(jí)中，高鐵的數(shù)據(jù)量在總數(shù)據(jù)量中超過七成，所以這里將分別比較3(高鐵)和2(動(dòng)車)、3(高鐵)和1(普通列車).表11和表12分別展示了這兩組二項(xiàng)Logit回歸的結(jié)果，從表11(1)欄和表12(1)欄可以看出，在兩種情況下結(jié)伴出行顯著正向影響對(duì)高級(jí)列車─高鐵(β=0.116 9,p<0.001)和(β=0.143 7,p<0.001)的選擇.從表11(2)欄可以看出，高鐵和動(dòng)車相比，女性(β=0.057 1,p<0.001)結(jié)伴和長(zhǎng)者(β=0.000 9)結(jié)伴正向影響對(duì)高鐵的選擇.雖然此處結(jié)伴出行和年齡的交叉項(xiàng)系數(shù)不顯著，但其方向保持正向，與主分析結(jié)果比較一致.表12(2)欄可以看出，高鐵與普通列車相比，女性(β=0.116 7,p<0.001)結(jié)伴和長(zhǎng)者(β=0.005 6,p<0.001)結(jié)伴顯著正向?qū)Ω哞F的選擇.所以在多個(gè)二項(xiàng)Logit模型下，結(jié)伴出行對(duì)于列車選擇的分析結(jié)果依舊和主分析保持一致.

表11 結(jié)伴對(duì)列車選擇的影響(高鐵與動(dòng)車)

注：1.***、**、*分別表示在0.1%、1%、5%的置信水平下顯著.

2.截距項(xiàng)被個(gè)體差異的固定效應(yīng)所吸收.

表12 結(jié)伴對(duì)列車選擇的影響(高鐵與普通列車)

注：1.***、***、*分別表示在0.1%、1%、5%的置信水平下顯著.

2.截距項(xiàng)被個(gè)體差異的固定效應(yīng)所吸收.

3.NA表示該效應(yīng)被個(gè)體差異的固定效應(yīng)所吸收.

對(duì)于座位等級(jí)的選擇，為降低計(jì)算量和比較組數(shù)，將2(動(dòng)車二等座和普速列車硬臥)和3(高鐵二等座、動(dòng)車一等座和普速列車軟臥)合并為2(中等座位)，4(高鐵商務(wù)座、高鐵一等座)變成了3(高等座位)，1(普速列車硬坐)維持不變(普通座位)(6)第一個(gè)穩(wěn)健性檢驗(yàn)表明該變換不影響主分析結(jié)果的方向和顯著性..由于變換后的等級(jí)2的座位占比超過八成，故這里只比較等級(jí)為3和2的座位、等級(jí)2和1的座位，來檢驗(yàn)結(jié)伴出行對(duì)于座位選擇的作用.表13和表14分別展示了這兩組Logit回歸的結(jié)果.從表13(1)欄和表14(1)欄可以看出，結(jié)伴出行者在兩種情況下都顯著正向影響對(duì)高等座位的選擇：在三等座位和二等座位的選擇中顯著正向影響對(duì)三等座位(β=0.053 0,p<0.01)的選擇，在二等座位和一等座位的選擇中顯著影響對(duì)二等座位(β=0.137 4,p<0.001)的選擇.從表13(2)欄可以看出，在三等座位和二等座位之間選擇時(shí)，女性(β=0.076 3,p<0.01)結(jié)伴和長(zhǎng)者(β=0.003 4,p<0.01)結(jié)伴顯著正向影響三等座位(更高等的座位)的選擇.從表14(2)欄可以看出，在二等座位和一等座位之間選擇時(shí)，女性(β=0.065 5,p<0.01)結(jié)伴和與長(zhǎng)者(β=0.008 1,p<0.001)結(jié)伴顯著正向影響二等座位(更高等的座位)的選擇.所以在Logit模型的設(shè)置下，結(jié)伴出行對(duì)于座位選擇的分析結(jié)果和主分析依舊保持高度一致.

表13 結(jié)伴對(duì)座位選擇的影響(三等座位與二等座位)

注：1.***、**、*分別表示在0.1%、1%、5%的置信水平下顯著.

2.截距項(xiàng)被個(gè)體差異的固定效應(yīng)所吸收.

3.NA表示該效應(yīng)被個(gè)體差異的固定效應(yīng)所吸收.

4.為降低計(jì)算量，基于變換座位等級(jí)分類方法不影響估參結(jié)果，此處使用三個(gè)等級(jí)的座位分類作為因變量(將主分析的因變量從1-4變?yōu)?-3).

表14 結(jié)伴對(duì)座位選擇的影響(二等座位與一等座位)

注：1.***、**、*分別表示在0.1%、1%、5%的置信水平下顯著.

2.截距項(xiàng)被個(gè)體差異的固定效應(yīng)所吸收.

3.NA表示該效應(yīng)被個(gè)體差異的固定效應(yīng)所吸收.

4.為降低計(jì)算量，基于變換座位等級(jí)分類方法不影響估參結(jié)果，此處使用三個(gè)等級(jí)的座位分類作為因變量(將主分析的因變量從1-4變?yōu)?-3).

4.2.3 考慮列車發(fā)車/到達(dá)時(shí)間與是否結(jié)伴

交叉影響的穩(wěn)健性分析

不同等級(jí)列車發(fā)車和到達(dá)時(shí)間上存在顯著差異，就發(fā)車時(shí)間而言，普速列車(K字頭快速列車和Z字頭直達(dá)列車)發(fā)車時(shí)間早于D字頭動(dòng)車發(fā)車時(shí)間(t=-346.36,p<0.001)；D字頭動(dòng)車發(fā)車時(shí)間早于G字頭高鐵(t=-301.65,p<0.001).就發(fā)車時(shí)間的均值來講，普速列車(11時(shí)左右)最早，其次是D字頭動(dòng)車(14時(shí)左右)，最后是G字頭高鐵(15時(shí)左右).就到達(dá)時(shí)間而言，普速列車到達(dá)時(shí)間稍早于D字頭動(dòng)車到達(dá)時(shí)間(t=-9.06,p<0.001)；D字頭動(dòng)車到達(dá)時(shí)間早于G字頭高鐵(t=-411.65,p<0.001).就到達(dá)時(shí)間的均值來講，普速列車和D字頭動(dòng)車都是15時(shí)左右，G字頭高鐵為18時(shí)左右.不同客運(yùn)產(chǎn)品發(fā)車/到達(dá)時(shí)間段與是否結(jié)伴對(duì)旅客出行選擇可能存在交叉影響，從而影響主效應(yīng)結(jié)果.為了驗(yàn)證這一假設(shè)，本文根據(jù)當(dāng)期列車時(shí)刻表信息提取了列車發(fā)車/到達(dá)時(shí)間，將列車發(fā)車/到達(dá)時(shí)間歸類為四個(gè)時(shí)間段：上午、中午、下午和夜晚(7)若發(fā)車/到達(dá)時(shí)間為6點(diǎn)至10點(diǎn)則該時(shí)間點(diǎn)被歸為上午；若發(fā)車/到達(dá)時(shí)間為11點(diǎn)至13點(diǎn)則該時(shí)間點(diǎn)被歸為中午；若發(fā)車/到達(dá)時(shí)間為14點(diǎn)至18點(diǎn)則該時(shí)間點(diǎn)被歸為下午；其余時(shí)間點(diǎn)被歸為夜晚.. 接著在模型中分別加入四個(gè)時(shí)間段變量與是否結(jié)伴的交叉項(xiàng)來檢驗(yàn)列車時(shí)間與是否結(jié)伴對(duì)于鐵路客運(yùn)產(chǎn)品選擇的交叉影響.就發(fā)車時(shí)間來講，不同時(shí)間段與是否結(jié)伴對(duì)于鐵路產(chǎn)品選擇的交叉影響是不同的.從表15可以看出：旅客選擇上午發(fā)車的鐵路產(chǎn)品時(shí)，交叉項(xiàng)顯著正向影響選擇高級(jí)列車(β=0.015 2,p<0.001)和高等座位(β=0.014 4,p<0.001)；旅客選擇中午發(fā)車的鐵路產(chǎn)品時(shí)，交叉項(xiàng)顯著正向影響選擇高級(jí)列車(β=0.008 4,p<0.001)和高等座位(β=0.015 4,p<0.001)；旅客選擇下午發(fā)車的鐵路產(chǎn)品時(shí)，交叉項(xiàng)顯著負(fù)向影響選擇高級(jí)列車(β=-0.006 4,p<0.001)和高等座位(β=-0.004 0,p<0.001)；旅客選擇夜晚發(fā)車的鐵路產(chǎn)品時(shí)，交叉項(xiàng)顯著負(fù)向影響選擇高級(jí)列車(β=-0.015 9,p<0.001)和高等座位(β=-0.026 3,p<0.001).

表15 發(fā)車時(shí)間與結(jié)伴對(duì)于鐵路產(chǎn)品選擇的交叉影響

注：1.***、**、*分別表示在0.1%、1%、5%的置信水平下顯著.

2.截距項(xiàng)被個(gè)體差異的固定效應(yīng)所吸收.

3.均值下方的括號(hào)內(nèi)為標(biāo)準(zhǔn)差.

對(duì)于列車的到達(dá)時(shí)間來講，從表16可以看出：旅客選擇上午到達(dá)的鐵路客運(yùn)產(chǎn)品時(shí)，交叉項(xiàng)顯著負(fù)向影響對(duì)高級(jí)列車(β=-0.031 6,p<0.001)和高等座位(β=-0.041 8,p<0.001)的選擇；旅客選擇中午到達(dá)的鐵路產(chǎn)品時(shí)，交叉項(xiàng)顯著正向影響對(duì)高級(jí)列車(β=0.021 7,p<0.001)和高等座位(β=0.026 0,p<0.001)的選擇；旅客選擇下午到達(dá)的鐵路產(chǎn)品時(shí)，交叉項(xiàng)顯著負(fù)向影響對(duì)高級(jí)列車(β=-0.007 8,p<0.001)和高等座位(β=-0.003 1,p<0.05)的選擇；旅客在選擇夜晚到達(dá)的鐵路產(chǎn)品時(shí)，交叉項(xiàng)正向影響對(duì)高級(jí)列車(β=0.003 2,p<0.05)和高等座位(β=0.000 1,p=0.932 0)的選擇，雖然夜晚到達(dá)與是否結(jié)伴對(duì)座位選擇的交叉影響不顯著，但是其影響方向與對(duì)列車選擇的影響是一致的.

表16 到達(dá)時(shí)間與結(jié)伴對(duì)于鐵路產(chǎn)品選擇的交叉影響

注：1.***、**、*分別表示在0.1%、1%、5%的置信水平下顯著.

2.截距項(xiàng)被個(gè)體差異的固定效應(yīng)所吸收.

3.均值下方的括號(hào)內(nèi)為標(biāo)準(zhǔn)差.

5 結(jié)束語

本文從結(jié)伴出行對(duì)于鐵路客運(yùn)產(chǎn)品選擇影響的視角實(shí)證分析結(jié)伴對(duì)消費(fèi)升級(jí)的促進(jìn)作用.本文利用成渝直達(dá)旅客的出行記錄作為觀測(cè)樣本，除了抽取現(xiàn)有文獻(xiàn)中提到的潛在顯著因素，如人口統(tǒng)計(jì)學(xué)特征、平均花費(fèi)、列車出發(fā)達(dá)到時(shí)刻等，首次提取了一個(gè)重要的信息：消費(fèi)者結(jié)伴出行.為了準(zhǔn)確地研究結(jié)伴出行對(duì)于鐵路產(chǎn)品(不同等級(jí)列車和座位)的影響，首次在鐵路研究領(lǐng)域采用了赫克曼二階段模型，并嚴(yán)格控制了130多萬個(gè)個(gè)體差異固定效應(yīng)、3個(gè)時(shí)間固定效應(yīng)和213個(gè)出行次數(shù)的固定效應(yīng).主分析和一系列的穩(wěn)健性分析均顯示，人們結(jié)伴出行背后體現(xiàn)的是對(duì)于更加舒適的生活和中高端消費(fèi)品的追求，即結(jié)伴有助于推動(dòng)消費(fèi)升級(jí).具體來說：結(jié)伴出行顯著正向影響出行者對(duì)高級(jí)列車和高等座位的選擇(中高端的出行產(chǎn)品).同時(shí)，結(jié)伴出行的影響受到性別與年齡的調(diào)節(jié)作用，女性結(jié)伴出行更傾向于選擇高級(jí)列車和高等座位；年長(zhǎng)者結(jié)伴更傾向于選擇高級(jí)列車和高等座位.

本文的發(fā)現(xiàn)對(duì)包括大數(shù)據(jù)、鐵路管理、商業(yè)運(yùn)營(yíng)和公共管理在內(nèi)的多個(gè)領(lǐng)域有一定的啟發(fā)性意義. (1)首先，本文的分析基于海量數(shù)據(jù)，充分證實(shí)大數(shù)據(jù)對(duì)于理解消費(fèi)者行為所起到的突出性作用.如今，消費(fèi)者產(chǎn)生的數(shù)據(jù)具有實(shí)時(shí)、集中、多樣、細(xì)微、海量的特點(diǎn)，這是一個(gè)蘊(yùn)含豐富商業(yè)價(jià)值的資源，對(duì)競(jìng)爭(zhēng)日趨激烈的市場(chǎng)來說，大數(shù)據(jù)能夠讓企業(yè)更加了解消費(fèi)者的偏好和動(dòng)機(jī)，更好更快地滿足消費(fèi)者的需求. (2)同時(shí)，本文關(guān)于結(jié)伴出行對(duì)于鐵路產(chǎn)品選擇的影響發(fā)現(xiàn)有利于鐵路客運(yùn)管理部門更好地理解顧客的需求，從而幫助鐵路部門更好地按需服務(wù)和精準(zhǔn)營(yíng)銷.例如，對(duì)于結(jié)伴出行的顧客，特別是女性或長(zhǎng)者出行的顧客，鐵路部門可以提供特定的配套優(yōu)質(zhì)產(chǎn)品和服務(wù)，開通相關(guān)的綠色通道，使其更加享受結(jié)伴出行的樂趣，在提高顧客滿意度的同時(shí)也增強(qiáng)了鐵路產(chǎn)品的競(jìng)爭(zhēng)力.從更廣的商業(yè)角度來說，本文從鐵路產(chǎn)品這個(gè)視角出發(fā)真正想看到的是結(jié)伴對(duì)消費(fèi)升級(jí)的推動(dòng)作用.當(dāng)前我國社會(huì)主要矛盾已經(jīng)轉(zhuǎn)化為人民日益增長(zhǎng)的美好生活需要和不平衡不充分的發(fā)展之間的矛盾，消費(fèi)升級(jí)作為國家當(dāng)前的重點(diǎn)發(fā)展戰(zhàn)略，能夠帶動(dòng)產(chǎn)業(yè)結(jié)構(gòu)邁向中高端，有助于緩解這一矛盾的發(fā)展.如果結(jié)伴出行正向顯著影響出行者對(duì)于代表中高端產(chǎn)品的高級(jí)列車和高等座位的選擇，則有理由相信結(jié)伴行為本身會(huì)對(duì)廣闊的商業(yè)領(lǐng)域，如航空、電影、餐飲、購物等帶來消費(fèi)結(jié)構(gòu)的提升，促進(jìn)消費(fèi)升級(jí).企業(yè)的管理者以各種形式推動(dòng)人們結(jié)伴消費(fèi)，比如會(huì)員俱樂部、結(jié)伴定制化服務(wù)與結(jié)伴回饋，可以顯著刺激人們對(duì)于高品質(zhì)服務(wù)和產(chǎn)品的消費(fèi)，進(jìn)而增大企業(yè)的利潤(rùn).對(duì)于消費(fèi)者來說，這些結(jié)伴定制化產(chǎn)品和服務(wù)也能更好地滿足消費(fèi)者的心理需求，提高消費(fèi)者生活品質(zhì)，實(shí)現(xiàn)企業(yè)消費(fèi)者的共贏(8)以鐵路為載體研究結(jié)伴對(duì)消費(fèi)升級(jí)的促進(jìn)作用可能具有一定的局限性，這里要感謝匿名審稿專家對(duì)這一問題所提改進(jìn)意見.期望這一研究能夠激發(fā)更多學(xué)者在消費(fèi)者結(jié)伴行為為主題的研究上有更多創(chuàng)新性的發(fā)現(xiàn)..本文也建議使用二階段模型來糾正以鐵路數(shù)據(jù)為代表的量級(jí)巨大但信息維度相對(duì)單薄的數(shù)據(jù)潛在遺漏變量的問題.第一階段計(jì)算出的逆米爾斯比率作為控制變量參與第二個(gè)階段的主模型估計(jì)，能在一定程度上彌補(bǔ)第二階段樣本偏差的缺陷，進(jìn)而降低傳統(tǒng)鐵路文獻(xiàn)中直接研究第二階段所帶來的對(duì)于隱含假設(shè)的依賴(如消費(fèi)者一定會(huì)出行).配合有力的海量個(gè)體固定效應(yīng)(如本文超過130萬個(gè)個(gè)體固定效應(yīng))，能在鐵路數(shù)據(jù)信息有限的情況下，盡可能準(zhǔn)確地對(duì)模型和核心變量進(jìn)行估參. (3)另外，從公共管理的角度來講，本文從動(dòng)態(tài)的角度(乘客連續(xù)三個(gè)月的出行記錄)去研究人們的流動(dòng)性(空間變化)，并結(jié)合出行者之間的關(guān)聯(lián)(結(jié)伴行為)，用一個(gè)綜合的視角，即時(shí)間-空間-關(guān)聯(lián)的角度，來審視消費(fèi)者行為背后的動(dòng)機(jī)和商業(yè)價(jià)值，政府和管理者可以更加快速、準(zhǔn)確、全面地掌握當(dāng)下的市場(chǎng)趨勢(shì)和需求，更好更快地滿足消費(fèi)者日益豐富的需求.

本文研究也有一定的局限性.第一，文中鐵路數(shù)據(jù)只用到成渝的鐵路數(shù)據(jù)，此處假設(shè)了該數(shù)據(jù)可以代表廣泛的產(chǎn)品和服務(wù).雖然成渝鐵路的發(fā)展比較成熟和完善，具有代表性，但是如果可以獲得更加一般性的產(chǎn)品消費(fèi)數(shù)據(jù)或者更具代表性的區(qū)域鐵路數(shù)據(jù)，那么結(jié)論的普適性會(huì)更有基礎(chǔ).在未來的研究中，一方面可以將中國的鐵路數(shù)據(jù)和外國的鐵路數(shù)據(jù)進(jìn)行對(duì)比，在發(fā)現(xiàn)普遍性趨勢(shì)的情況下探究地域差異性.另一方面，還可以結(jié)合鐵路數(shù)據(jù)和其他數(shù)據(jù)，比如出行者對(duì)于移動(dòng)APP的使用情況、出行者對(duì)于航空產(chǎn)品的選擇等等，通過融合數(shù)據(jù)對(duì)更多的消費(fèi)者行為進(jìn)行關(guān)聯(lián).第二，此次數(shù)據(jù)只涉及了移動(dòng)端和互聯(lián)網(wǎng)訂票的數(shù)據(jù).因?yàn)閷?duì)于其他的購票方式的數(shù)據(jù)，比如傳統(tǒng)窗口的購票數(shù)據(jù)，無法準(zhǔn)確記錄結(jié)伴出行行為的發(fā)生，所以本文只使用了移動(dòng)端和互聯(lián)網(wǎng)訂票的數(shù)據(jù).最后，本文研究欲透過鐵路數(shù)據(jù)的分析折射出結(jié)伴行為對(duì)消費(fèi)升級(jí)的推動(dòng)作用.在未來的研究中，可以探究在其他的領(lǐng)域里結(jié)伴行為對(duì)高品質(zhì)產(chǎn)品和服務(wù)選擇的影響.本文拋磚引玉，希望不僅能闡釋結(jié)伴行為與消費(fèi)升級(jí)間的關(guān)系，更能激發(fā)未來的一系列以消費(fèi)者結(jié)伴行為為主題的研究.