嚴亞磊 于 濤 沈麗珍 YAN Yalei, YU Tao, SHEN Lizhen

0 引言

共享單車又稱互聯(lián)網(wǎng)租賃自行車，是“市場主導、政府引導、公眾參與”的全新公共服務供給模式[1]。截至2018年，國內共享單車投放量已達到2 300萬輛，總用戶數(shù)量超過2.2億。其在降低傳統(tǒng)公共交通運載負荷、緩解交通擁堵的同時，也有利于公共健康、減少碳排放，已經(jīng)成為不可或缺的綠色出行方式[2]。與之相對，共享單車也給城市管理帶來諸多難題[3]，2017年，上海、北京等市紛紛頒布共享單車管理規(guī)范，摩拜開發(fā)智能“魔方”“需求紅包車”，旨在規(guī)范共享單車的運營與管理。然而，共享單車問題更多源自建成環(huán)境的空間結構不合理[4]，政策完善與技術改進只能起到一定程度的緩解作用。在此背景下，明晰建成環(huán)境對共享單車出行的影響機制能夠有效指導城市規(guī)劃與建設，提高城市公共交通能力，促進居民綠色出行。

國內外學者研究發(fā)現(xiàn)自行車出行受到天氣、地形等自然環(huán)境，年齡、性別、教育水平、家庭狀況等個體屬性，以及建成環(huán)境的影響[5]767,[6-8]。自然環(huán)境、個體屬性無法通過外在干預改變，而建成環(huán)境可通過主動式的規(guī)劃建設來優(yōu)化且具備長期有效性，因此許多學者開始關注建成環(huán)境對自行車出行的影響，研究發(fā)現(xiàn)在人口密度、土地開發(fā)強度、土地利用混合度等指標較高的地區(qū)，以及各種設施配套距離較短的地區(qū)，居民選擇自行車出行的意愿增加[9-10]；道路連通性和自行車基礎設施與居民自行車出行路徑的選擇直接相關[11-12]，并影響居民是否選擇自行車出行，一般情況下，低等級道路、密集的交叉口有利于自行車出行[13]；與地鐵站的接駁也促進了自行車的使用，但公交站點與自行車出行之間的關系并不明確[5]768，如南京、杭州等市公共自行車出行量與公交站點的密度呈負相關[14]338,[15]，這是因為二者的競爭關系大于互補關系；餐廳、零售商店、超市、學校等設施越密集，自行車的使用率就越高[14]338；居住、商業(yè)、工業(yè)等不同類型用地的公共自行車使用頻率也不同[16]1330,[17]。就研究視角而言，早期研究多為基于個體層面的問卷調查，驗證個體居住區(qū)域的建成環(huán)境特征與自行車出行水平的相關性，但這種方法忽略了位于同一個地理單元內的個體自相關問題，對結果真實性造成一定影響；近年來，有學者開始利用公共自行車運營大數(shù)據(jù)，探討公共自行車站點自行車使用率與周邊建成環(huán)境的關系[14]334,[16]1326，研究方法以回歸分析為主。

已有文獻證實了土地利用、道路網(wǎng)絡、公共交通和服務設施等建成環(huán)境要素與自行車出行的關聯(lián)，但共享單車出行的建成環(huán)境影響機制研究還有待深化。首先，現(xiàn)有研究大多關注公共自行車站點的自行車出行量與建成環(huán)境之間的關系，而共享單車的無樁使用模式使其出行規(guī)律更加復雜。目前共享單車的相關研究集中在出行時空特征、數(shù)量配置和空間調度、停車設施規(guī)劃等方面[18]68,[19]1123,[20]，對于共享單車出行與建成環(huán)境的研究尚處于起步階段。其次，學者們主要研究工作日與周末、工作日高峰時段與平緩時段等不同時間維度下共享單車出行的建成環(huán)境影響因素異同[21],[22]4，少有研究從建成環(huán)境的空間尺度入手，如在街道層面主要研究共享單車的總量調度問題，而在微觀地塊層面主要研究共享單車的過度集聚問題，兩種尺度下建成環(huán)境對共享單車出行的影響機制可能不同。最后，現(xiàn)有研究很少考慮建成環(huán)境因測量范圍不一致所導致研究結果的差異性，如羅桑扎西等[14]334、孫藝玲等[16]1326在研究公共自行車站點周圍建成環(huán)境對公共自行車出行的影響時，分別測度了站點周圍300 m、500 m、1 000 m半徑內的土地利用、道路網(wǎng)絡、公共交通站點等要素，導致所發(fā)現(xiàn)的自行車出行的建成環(huán)境影響因素并不相同，因此后續(xù)研究需要驗證不同測量范圍的建成環(huán)境對自行車出行的影響異同。

綜上所述，本研究以上海市為例，爬取了摩拜共享單車出行大數(shù)據(jù)和網(wǎng)絡開源的建成環(huán)境數(shù)據(jù)，利用ArcGIS空間分析工具構建了街道和微觀200 m×200 m地塊兩種尺度的相關數(shù)據(jù)集，并在200 m×200 m地塊構建3種測量范圍的建成環(huán)境，運用SPSS回歸分析探討不同尺度、不同測量范圍下的土地利用、道路網(wǎng)絡、公共交通和服務設施等建成環(huán)境要素影響共享單車出行的異同點，為政府建設更利于共享單車出行的建成環(huán)境，管理、引導共享單車企業(yè)發(fā)展等提供建議。

1 研究方法

1.1 核密度估計

核密度估計是利用非參數(shù)估計，根據(jù)樣本本身的特點來擬合點或線分布密度函數(shù)的方法?？梢杂脕碜R別居民出行行為的空間集聚、熱點區(qū)模式等，公式如下：

式中：K（(x-xi)/h）為密度函數(shù)；n為點的數(shù)量；xi為抽取的樣本點；h為帶寬。隨著h的增大，核密度分析愈加平滑，但會掩蓋小區(qū)域的結構。因此，在ArcGIS中進行核密度估計時，應當注意搜索半徑的設置，以達到最好的擬合效果。

1.2 回歸分析

回歸分析是利用樣本數(shù)據(jù)探索因變量與相關變量之間線性或非線性數(shù)量關系式的統(tǒng)計分析方法，被廣泛應用于建成環(huán)境對自行車出行的影響機制研究中[14]335,[16]1238,[22]6。

當因變量為連續(xù)型時，選取多元線性回歸分析，公式如下：

式中：P代表自行車出行量；a0為常數(shù)項；I為建成環(huán)境指標總數(shù)；Ci為第i個建成環(huán)境指標；ai為回歸系數(shù)；b為誤差項。

當因變量為離散型且只有2個值時，選取二元Logit回歸分析，公式如下：

式中：P1、P2分別為兩種值的概率；Z0為常數(shù)項；I為建成環(huán)境變量指標總數(shù)；Xi表示第i個建成環(huán)境指標；Ki為第i個建成環(huán)境指標的回歸系數(shù)。

2 研究區(qū)域與數(shù)據(jù)處理

2.1 研究區(qū)概況

上海市作為邁向卓越的全球城市，致力于構筑綠色便捷的公共交通體系。與此同時，上海市居民選擇非機動車出行的意愿不斷升高，截至2018年，上海市中心城區(qū)非機動車出行的比例達到16.3%。共享單車的出現(xiàn)則是居民非機動車出行比例提升的重要因素。2017年年底，上海市共享單車投放量達150萬輛，注冊用戶突破1 300萬，共享單車已經(jīng)成為上海市公共交通體系的重要組成部分。且上海市頒布“禁投令”之后，共享單車的出行規(guī)律變得更加穩(wěn)定，能夠為北京、深圳等相似城市提供借鑒。

設置200 m的搜索半徑對摩拜單車出行軌跡進行核密度分析（見圖1），發(fā)現(xiàn)共享單車出行分布在郊環(huán)內，熱點區(qū)主要集中在中環(huán)內。因此，本文分別選取郊環(huán)、中環(huán)作為街道尺度、微觀地塊尺度分析的邊界。

2.2 數(shù)據(jù)來源

共享單車數(shù)據(jù)來自摩拜單車出行大數(shù)據(jù)。運用Python編程對摩拜單車App進行數(shù)據(jù)包的抓取與解析，頻率約為10 min/次，獲取上海市2018年9月17日至2018年9月23日一周內摩拜App上實時顯示的共享單車ID、經(jīng)緯度。利用Excel和ArcGIS軟件，根據(jù)同一ID的共享單車在不同時間經(jīng)緯度的變化計算共享單車出行起點、終點，考慮到摩拜單車GPS定位的精度，去除軌跡長度小于100 m的數(shù)據(jù)，得到上海市在該時段一周內454 268輛摩拜單車的出行數(shù)據(jù)。

建成環(huán)境數(shù)據(jù)來自傳統(tǒng)的統(tǒng)計數(shù)據(jù)和網(wǎng)絡開源大數(shù)據(jù)，包括：①上海市2010年的第六次全國人口普查分街道數(shù)據(jù)。②2018年第一季度除崇明區(qū)外上海市所有建筑的邊界與層數(shù)，共533 207棟，由城市數(shù)據(jù)派提供。③土地利用現(xiàn)狀數(shù)據(jù)，根據(jù)2015年上海市的土地利用現(xiàn)狀圖（源于《上海市城市總體規(guī)劃（2017—2035年）》），在ArcGIS軟件中將公共設施用地、公園廣場、居住用地、工業(yè)用地、交通用地5類用地進行數(shù)字化處理，由于不同公共設施用地對共享單車的使用需求差異很大，參照Winters M等[23]的劃分標準，根據(jù)Google Earth歷史衛(wèi)星影像圖和POI數(shù)據(jù)將公共設施用地細分為商業(yè)用地、教育用地、娛樂用地、辦公用地4類，最終用地分類為商業(yè)用地、教育用地、娛樂用地、辦公用地、公園廣場、居住用地、工業(yè)用地、交通用地。④路網(wǎng)數(shù)據(jù)，2018年12月從OpenStreetMap獲取，整理為快速路（高速公路、快速路）、城市干道（國道、省道、縣道及城市干路）、城市支路和街巷道路（小區(qū)或街區(qū)內部道路）、交叉口數(shù)量。⑤POI數(shù)據(jù)，2018年9月從高德地圖上獲取，去除同名數(shù)據(jù)后，篩選研究區(qū)內地鐵站、公交站、居住設施（居住小區(qū)、商務住宅）、購物設施（大型超市、綜合商場、社區(qū)超市、便利店）、辦公設施（公司企業(yè)）、教育設施（大學、高中、初中及小學、培訓機構等）、公園廣場、餐飲設施（中餐、外餐、快餐店等），共計386 925條數(shù)據(jù)。

2.3 指標體系構建

在建成環(huán)境變量方面，結合前人研究，選取土地利用、道路網(wǎng)絡、公共交通、服務設施4類，街道尺度建成環(huán)境變量的統(tǒng)計分析見表1。容積率、建筑密度根據(jù)建筑數(shù)據(jù)計算所得，其中容積率為建筑總面積除以地塊面積，建筑密度為建筑占地面積除以地塊面積；土地利用混合度參考Cervero R等[24]的方法，計算公式如下：

式中：Mi表示第i個街道的土地利用混合度；K表示街道i的土地利用類型數(shù)量，本文中共5類；P(k,i)表示第k種土地利用類型在i街道的面積占比。經(jīng)計算，上海市郊環(huán)內街道的土地利用混合度分布見圖2a，相比于容積率、建筑密度的中心式分布，高土地利用混合度的街道主要分布在上海市主城區(qū)邊緣及副城中心地區(qū)。

表1統(tǒng)計了上海市郊環(huán)范圍內所有街道的建成環(huán)境指標，反映街道尺度研究范圍內的整體建成環(huán)境特征。其中，地鐵站統(tǒng)計的是出入口數(shù)量，因為人流量越大的地鐵站，其出入口個數(shù)也越多，利用出入口個數(shù)測量可以考慮地鐵站規(guī)模等級的影響。

3 結果分析

3.1 共享單車出行特征

共享單車出行在時間上表現(xiàn)為三峰式分布，工作日有明顯的出行早高峰、午高峰、晚高峰，而周末出行頻數(shù)變化相對平緩。圖3統(tǒng)計了2018年9月17日至2018年9月23日上海市一周內454 268輛摩拜單車在各小時內的出行量（以共享單車的駛出記作1次出行），可以看出共享單車出行在工作日與休息日表現(xiàn)出不同的特征。在工作日，早高峰峰值較大，如2018年9月18日，在早晨7: 00—9: 00間的出行量達到201 789次；午高峰的持續(xù)時間較短，且峰值較?。煌砀叻宓姆逯档陀谠绺叻?，但持續(xù)時間較長，從下午4: 00開始，至晚上8: 00結束。造成這種現(xiàn)象的原因是早晨騎行目的相對單一，以通勤為主，大量出行集中在較短時間內；而傍晚騎行目的更加多樣化，包含了游憩、休閑、購物等，出行時間更加分散。相比于工作日，周末共享單車出行并沒有明顯的出行高峰，出行量的變量相對平緩，說明在上海市，共享單車是一種比較重要的通勤或通勤換乘工具。此外，天氣對共享單車的出行也產(chǎn)生了較強的影響，如2018年9月20日為雨天，共享單車出行量急劇減少，但仍有一部分人繼續(xù)選擇共享單車出行。剔除天氣的影響，選取全天出行次數(shù)最多的9月18日進行研究，全天總計729 787次騎行。

圖1 摩拜單車出行軌跡核密度分布圖Fig.1 The kernel density estimation of Mobike travel trajectory

圖2 街道尺度土地利用指標Fig.2 The land use indicators at street scale

表1 上海市郊環(huán)范圍內所有街道的建成環(huán)境指標Tab.1 The built environment variables of all streets in Shanghai

共享單車出行在空間上表現(xiàn)為集中式分布。從共享單車出行軌跡核密度分析圖（見圖1）中可以看出，共享單車出行主要集中在中環(huán)內，即上海市楊浦區(qū)、虹口區(qū)、靜安區(qū)、普陀區(qū)、長寧區(qū)、徐江區(qū)、黃浦區(qū)全區(qū)及浦東新區(qū)的部分街道，這些地區(qū)共享單車出行占全市的71.5%。在街道層面統(tǒng)計了郊環(huán)內各街道共享單車的出行量（單車出行起點和終點的平均數(shù)）（見圖4a），發(fā)現(xiàn)共享單車出行總量較高的街道主要分布在主城區(qū)邊緣，如普陀區(qū)長征鎮(zhèn)，寶山區(qū)大場鎮(zhèn)，楊浦區(qū)五角場街道，浦東新區(qū)陸家嘴街道、三林鎮(zhèn)、花木街道、北蔡鎮(zhèn)、張江鎮(zhèn)等。在微觀尺度，借鑒網(wǎng)格劃分的方法[18]70,[19]1125，構建200 m×200 m的網(wǎng)格地塊作為基本研究單元（見圖4b），定義出行量大于400次為出行熱點，提取單車出行熱點共計7 796個基本研究單元，其分布較為分散。

3.2 回歸模型構建

圖3 一周內摩拜單車出行量變化Fig.3 Changes in Mobike traveling during the week

在街道尺度，共享單車主要面臨資源是否合理配置，即數(shù)量調度的問題；而在微觀地塊尺度，則需要應對單車爆棚問題，即識別共享單車出行熱點區(qū)域并進行?？空军c布局。因此，在街道尺度，構建共享單車出行量（借出量與歸還量的平均值）密度與建成環(huán)境變量之間的多元線性模型；在微觀尺度，考慮到共享單車出行熱點是受熱點周邊一定半徑內的建成環(huán)境的影響，建成環(huán)境測量方式的不同可能會導致研究結果的差異，因此構建了共享單車出行熱點與微觀地塊中心300 m、500 m、1 000 m范圍內的建成環(huán)境變量之間的二元Logit模型?；貧w分析要求自變量之間存在非線性關系，通過SPSS進行共線性檢驗，剔除方差膨脹因子（VIF）＞10的建筑密度、街區(qū)道路密度、交叉口密度3個變量。在微觀尺度，共享單車出行與地塊中心500 m范圍內的建成環(huán)境回歸模型的偽R2（0.375）最高，即地塊中心500 m范圍內的建成環(huán)境對共享單車出行的解釋效果最優(yōu)，因此在微觀尺度選取地塊中心500 m范圍內的建成環(huán)境進行分析（見表2）。

街區(qū)道路密度、交叉口密度被當作奇異值的原因如下：本文的路網(wǎng)數(shù)據(jù)來自OpenStreetMap，統(tǒng)計的街區(qū)道路多為不對共享單車開放的小區(qū)內部道路，并不能影響共享單車的出行。交叉口密度與路網(wǎng)密度存在較高的相關性，道路越密集的區(qū)域，交叉口密度也越高，而回歸分析要求自變量之間相互獨立，因此模型中剔除了交叉口變量。

在街道尺度，共享單車出行同時受到土地利用、道路網(wǎng)絡、公共交通和服務設施的影響。①在土地利用方面，容積率與人口密度的標準系數(shù)分別為0.233和0.331，土地利用混合度未通過顯著性檢驗，證明高強度的土地利用開發(fā)可以促進共享單車出行，而街道尺度的土地利用混合使用與共享單車出行之間并無關聯(lián)。因為上海市在舊城改造和新城建設中居住設施逐漸向郊區(qū)遷移[25]，主城區(qū)或副城中心集聚了大量商業(yè)、商務、娛樂等設施，街道尺度土地利用混合度的提升并沒有帶來居住與就業(yè)的平衡。②在道路網(wǎng)絡方面，城市支路密度和城市干道密度的標準系數(shù)分別為0.249和0.090，快速路密度與街道面積未通過顯著性檢驗，證明城市支路網(wǎng)密度提升可有效促進共享單車出行，城市干道密度也能小幅促進共享單車出行，街道密度和城市快速路密度與共享單車出行無關。③在公共交通方面，地鐵站出入口密度與公交站密度的標準系數(shù)分別為-0.126和-0.153，證明密集的公交站與地鐵站在一定程度上會抑制共享單車出行。④在服務設施方面，居住設施密度、辦公設施密度、教育設施密度、公園廣場密度的標準系數(shù)分別為0.152、0.269、0.234、0.066，餐飲設施密度與娛樂設施密度未通過顯著性檢驗，證明密集的居住、辦公、教育設施能夠大幅促進共享單車出行，公園廣場可以小幅促進共享單車出行，餐飲、娛樂設施與共享單車出行無關。

表2 共享單車出行與建成環(huán)境變量的回歸模型Tab.2 Regression model of shared bikes travel and built environment variables

在微觀尺度，共享單車出行同樣受到建成環(huán)境的影響。①整體而言，500 m半徑內的建成環(huán)境變量對共享單車出行的解釋率最高，偽R2達37.5%?？赡苁且驗樵谖⒂^尺度市民選擇共享單車出行時普遍可以接受500 m的步行距離，因此當設施內部用地匱乏時，可在設施周邊500 m范圍內鋪設自行車停靠站點。②在土地利用方面，僅有土地利用混合度通過顯著性檢驗，標準系數(shù)為0.182，證明微觀尺度的土地利用混合使用可以帶來各種服務設施的混合，縮短出行距離進而促進共享單車出行。③在道路網(wǎng)絡方面，僅有城市支路密度通過顯著性檢驗，標準系數(shù)為0.318，密集的支路網(wǎng)能夠促進共享單車出行。④在公共交通方面，地鐵站出入口密度與公交站密度的標準系數(shù)分別為0.378和-0.179，證明在微觀尺度地鐵站能夠吸引共享單車出行，與共享單車形成共生關系；而公交站則抑制共享單車出行，與共享單車形成競爭關系。⑤在服務設施方面，居住、辦公、教育、餐飲、公園廣場密度的標準系數(shù)分別 為0.202、0.234、0.175、0.032、0.072，娛樂設施未通過顯著性檢驗，證明居住、辦公、教育設施能夠大幅促進共享單車出行，餐飲設施、公園廣場可以小幅促進共享單車出行，娛樂設施與共享單車出行無關。

3.3 建成環(huán)境影響機制

街道尺度與微觀尺度下建成環(huán)境對共享單車出行的影響機制在土地利用和公共交通兩方面差異較大，在道路網(wǎng)絡、服務設施兩方面具有相似性（見圖5）。①在土地利用方面，街道尺度共享單車出行主要受到街道人口密度和容積率的影響，微觀尺度共享單車出行主要受到土地利用混合度的影響。因此，在街道尺度關注高強度的土地利用開發(fā)模式；在微觀尺度提升地塊土地利用混合使用，打造“15分鐘生活圈”；建設利用共享單車出行的建成環(huán)境。②在公共交通方面，地鐵站在街道尺度抑制共享單車出行，在微觀尺度促進共享單車出行；公交站在兩種尺度下都抑制共享單車出行。說明共享單車作為新型的城市公共交通方式，與城市公交形成了競爭關系，不過由于上海市軌道交通建設較為發(fā)達，地鐵成為市民日常出行的首選，“共享單車+地鐵”成為普遍的交通模式，在微觀尺度地鐵站與共享單車形成共生關系。③在道路網(wǎng)絡方面，城市支路在兩種尺度下都能促進共享單車出行，因為城市支路連接著各類服務設施，充當著吸引自行車出行的“磁鐵”。上海市在21世紀初推進公共交通出行時，很多道路取消或縮窄了自行車道，對于騎行者來說，設置有非機動車道的道路都是可以選擇的，因此街道尺度的城市干道也能在一定程度上促進共享單車出行。④在服務設施方面，共享單車出行與居住設施、教育設施、辦公設施等通勤出行起終點的相關性較強，與購物、娛樂、公園廣場等休閑設施呈現(xiàn)出弱相關或不相關。證明在工作日，共享單車出行目的主要為通勤，TANG Y等[26]對比了上海、北京、杭州3座城市公共自行車用戶的出行行為，也發(fā)現(xiàn)上海市公共自行車用戶出行的主要目的是通勤。

4 結論與討論

圖4 兩種尺度下研究區(qū)范圍及共享單車出行概況Fig.4 Distribution map of the study area and shared bikes trips under two scales

圖5 街道尺度與微觀尺度下建成環(huán)境變量的影響系數(shù)Tab.5 Influence coefficients of built environment variables at street scale and micro scale

自行車出行的影響因素探析在國內外已廣泛進行，但共享單車方面的研究相對匱乏，且少有研究從空間尺度上探討不同測量范圍的建成環(huán)境對共享單車出行的影響。為此，本文從街道、微觀200 m×200 m地塊兩種尺度構建回歸模型分析共享單車出行的建成環(huán)境影響機制。研究結論為：①共享單車出行在時間上呈現(xiàn)為三峰式分布特征，早高峰最強，晚高峰次之且持續(xù)時間長，午高峰峰值較小且持續(xù)時間短；在空間上表現(xiàn)為集中式分布，出行熱點主要集中在上海市中環(huán)內，出行總量較高的街道分布在主城區(qū)邊緣。②兩種尺度下，土地利用與公共交通對共享單車出行的影響機制不同。首先，街道尺度下高強度的土地利用開發(fā)（人口密度、容積率）是促進共享單車出行的影響因素；微觀尺度下通過地塊土地混合利用打造“15分鐘生活圈”，縮短出行距離進而促進共享單車出行。其次，共享單車與傳統(tǒng)城市公共交通存在競爭關系，但微觀尺度存在著“地鐵+共享單車”換乘的出行模式，因此在地鐵站周邊應當合理布置自行車停靠站點。③兩種尺度下，道路網(wǎng)絡與服務設施對共享單車出行的影響具有相似性。首先，城市支路網(wǎng)密度提升可有效促進共享單車出行，但目前上海市的綠色出行體系建設不夠完善，人們對自行車出行舒適環(huán)境的訴求并沒有得到滿足。開放式街區(qū)由于產(chǎn)權問題難以推廣，規(guī)劃建設新的自行車道也相對困難，未來上海市需要從道路綠化、地面鋪裝、路燈設置等細節(jié)方面優(yōu)化現(xiàn)有的非機動車道，營造稱心如意的道路環(huán)境。其次，在工作日上海市共享單車出行與居住設施、教育設施、辦公設施等通勤出行起終點的相關性較強，未來規(guī)劃共享單車?？空军c時應當有所側重。

本文利用摩拜單車騎行大數(shù)據(jù)與地圖開放大數(shù)據(jù)，結合人口普查、土地利用等傳統(tǒng)數(shù)據(jù)，探討了不同尺度、不同測量范圍下建成環(huán)境對共享單車出行的協(xié)同影響機制，為共享單車資源配置、共享單車?？空军c規(guī)劃布局及土地開發(fā)利用等提供建議。然而，由于數(shù)據(jù)和技術限制，本文僅考慮了客觀建成環(huán)境，未來可結合主觀與客觀建成環(huán)境，從兩種環(huán)境對自行車出行的不同作用機制，POI設施的等級規(guī)模，天氣、地形等自然因素及居民個體屬性不同造成的自選擇效應等方面進行深入研究。