周耀東，李宛華，孫昭昱

（北京交通大學(xué)經(jīng)濟(jì)管理學(xué)院，北京100044）

一、引 言

許多城市將機動車限制性政策(1)論文中討論的居民“機動車”是指居民在出行過程中采取私家車、出租車等小客車的出行方式，與步行、自行車（包括電動）、公交（地面和地鐵）等一起，形成了居民出行中的“譜系化”選擇。（vehicle restriction）作為改善空氣污染和緩解交通擁堵的重要政策工具之一，并進(jìn)行了長期的實踐。從政策類型來看，大體上分為收費和權(quán)威導(dǎo)向兩種不同類型(2)也有觀點認(rèn)為除上述兩種以外，還應(yīng)包括引導(dǎo)類的需求管理，如替代出行、彈性工作制、公交優(yōu)先、合乘車、出行信息引導(dǎo)等（宗芳，2008）。。前者如新加坡（1976）、倫敦（2003）、斯德哥爾摩（2007）等地實行的擁堵費；我國香港、日本實行的停車費以及新加坡等地實行的車輛購置費；還包括燃油費（稅）等。后者主要涉及牌照限制和區(qū)域性出行限制，包括尾號限行，如圣地亞哥（1986）、墨西哥城（1989）、圣保羅（1995）、波哥大（1998）、烏蘭巴托（2013）和區(qū)域性限行，如羅馬、佛羅倫薩、米蘭、威尼斯和巴黎(3)羅馬市中心和古城區(qū)，平時只允許公務(wù)車和公交車通行，普通車輛只能在周一到周五的6：30 至18：00 通行，周末的通行時間為14：00 至18：00；除此之外，普通牌照汽車如要自由進(jìn)入市中心，必須辦理“市中心特殊通行證”，否則將視為違章。在意大利，實行類似限行的城市還包括佛羅倫薩、米蘭、威尼斯等。巴黎從2010 年12 月22 日起在巴黎及周邊地區(qū)對污染嚴(yán)重的老式柴油車和四驅(qū)車輛實施限行。等。

關(guān)于收費政策激勵效應(yīng)的研究成果較多。盡管許多觀點對權(quán)威導(dǎo)向的限制性政策提出了相當(dāng)多的批評，但對尾號限行政策激勵效應(yīng)的研究并不充分。與之不同的是，北京從2009 年全面實施尾號限行政策后，國內(nèi)許多城市，包括南昌（2009）、長春（2010）、蘭州（2010）、貴陽（2011）、杭州（2011）、成都（2012）、武漢（2013）、哈爾濱（2014）、天津（2014）和濟(jì)南（2015）等城市相繼實施了類似的限行方案，這項政策已成為國內(nèi)諸多城市治理交通擁堵的“偏向性”選擇。本文采用問卷調(diào)查與非集計（MNL）建模的實證方法，以北京為樣本，分析“尾號限行”政策對居民機動車出行選擇行為的影響機制。目的在于通過構(gòu)建居民出行效用模型，研究尾號限行政策對居民機動車出行的影響機理和傳導(dǎo)效應(yīng)。論文的邊際貢獻(xiàn)在于：（1）驗證家庭機動車擁有量和出行習(xí)慣對實施“尾號限行”政策的作用。（2）驗證“尾號限行”政策的實施是否存在群體異質(zhì)性。高收入群體可能會采取更多的策略選擇規(guī)避限行政策帶來的不便利性，以維持其固有的交通習(xí)慣。

二、文獻(xiàn)研究

關(guān)于機動車“尾號限行”的國際經(jīng)驗樣本最初來自于四個拉丁美洲城市的案例（墨西哥城；圣地亞哥；圣保羅；波哥大）。其所建立的一系列以“尾號限行”為主的交通管理政策主要特點是在每日高峰時段（8點到21點）的中心城區(qū)，以每天限行2個尾號（周一至周五，周末除外）來限制機動車出行（劉學(xué)東，2013）［1］。

現(xiàn)有文獻(xiàn)集中于分析“尾號限行”政策減少交通擁堵和空氣污染的長短期作用。部分學(xué)者認(rèn)為限行政策可以緩解交通擁堵和空氣污染（Carrillo，2013；Rodrigo Troncoso，2012；劉明君，2008；高浩然，2011）［2-5］，但吳德瑄等［6］（2012）和楊雨等［7］（2016）認(rèn)為限行政策短期內(nèi)有效，但長期效果不定，甚至無效。一些學(xué)者（Sun，2014；曹靜，2014；謝旭軒；2010）［8-10］實證表明即使是短期效果也影響微小。盡管通過雙重差分方法一定程度上消除了共生性因素，但由于缺乏內(nèi)生因素的討論，僅僅通過結(jié)果來推斷“限行”政策的影響并不可信。部分學(xué)者轉(zhuǎn)向?qū)用癯鲂蟹绞降挠绊懷芯?，試圖通過居民出行選擇變化推測政策的有效性。吳學(xué)新［11］（2017）利用仿真方法刻畫高峰通勤者的出行方式及出行時間選擇行為，發(fā)現(xiàn)限行政策使遠(yuǎn)離工作區(qū)的通勤者在非禁行日選擇機動車出行的概率增大。Lin 等［12］（2011）指出在工作日的高峰時段使用有效的限行政策，可能導(dǎo)致居民出行方式由私家車向公交車的轉(zhuǎn)換，私家車車流量減少，公交使用率提高。而Eskeland & Feyzioglu［13］（1995）和Davis［14］（2008）通過研究居民購買排放量更高的第二輛車等策略性行為，檢驗限行政策引導(dǎo)居民規(guī)避策略的作用邏輯，進(jìn)一步表明墨西哥城限行政策加劇了交通擁堵和空氣污染程度。Grange &Troncoso［15］（2011）發(fā)現(xiàn)圣地亞哥限行政策僅帶來工作日交通流量5.5%的減少，遠(yuǎn)低于預(yù)期，且交通流沒有有效地轉(zhuǎn)移到公共交通出行率，認(rèn)為限行政策導(dǎo)致居民出行有效轉(zhuǎn)移不充分。

北京機動車尾號限行的研究主要基于空氣質(zhì)量和交通狀況兩個方面（溫慧敏等，2008；Sun，et al，2014；Yang，et al，2018；曹靜等，2014）［16-17，8-9］，但僅對比政策前后交通擁堵程度以及空氣污染水平，并不能很好地評價限行政策的“純效應(yīng)”（謝旭軒，2010）［10］。這些研究并沒有討論限行政策與個人駕車選擇之間的關(guān)系（曹靜等，2014；趙峰俠，2010；Felix Creutzing，2011）［8，18-19］，但也有研究認(rèn)為約有47.8%的受限制車并不遵守限行政策，距城中心（地鐵站）較遠(yuǎn)的通勤者是主要的規(guī)則破壞者（Wang & Qin，

2018）［20］。

這種“規(guī)則破壞者”形成的原因和邏輯正是本文擬討論的核心問題之一。現(xiàn)有文獻(xiàn)討論了燃油稅、擁堵費、停車費等收費型政策通過價格波動影響居民機動車出行選擇的效應(yīng)（耿紀(jì)超，2017；李禎琪，2019）［21-22］。認(rèn)為價格波動有利于消費者擁有更多的選擇權(quán)（Sharaby，2012）［23］、時間彈性（張鐘允，2014）［24］和策略性偏好（李禎琪，2019）［22］等。在“尾號限行”政策作用下，顯性的價格效應(yīng)消失了，但影響居民選擇違規(guī)出行的隱性成本仍然存在。這種隱性成本取決于居民對時間價值和出行習(xí)慣之間的一種權(quán)衡。建立在這一基礎(chǔ)上，本文試圖打開“尾號限行”政策與出行選擇之間的“黑箱”，討論政策對居民機動車出行選擇的影響路徑和影響效果。

三、北京實施尾號限行政策的經(jīng)驗

北京市實施“尾號限行”政策的最初動機來自于為緩解奧運會期間交通壓力的應(yīng)急性安排。從2006 年和2007 年奧運會前兩年的交通狀況來看，道路交通擁堵十分嚴(yán)重，其中，2007 年曾經(jīng)達(dá)到年平均7.7 的擁堵指數(shù)（屬于嚴(yán)重?fù)矶拢?。因此，在奧運會期間，北京市實行了按機動車尾號“單雙號”為條件的交通限行（從7 月1 日到9 月20 日）。奧運會后解除限行，但交通壓力迅速增加，2009 年9 月27 日，市政府出臺了《關(guān)于實施交通管理措施》的文件，要求從10 月10 日起，全市機動車按尾號每周限行1 天，至此，拉開了“尾號限行”的交通需求管理序幕。從2009 年年底起至今，該項政策已經(jīng)實施十余年，成為影響居民機動車出行的長期性政策安排。

從所公布的限行令中，按兩個尾號限行，四個月一輪換的辦法基本保持穩(wěn)定。不僅如此，2010 年12 月22 日，北京市針對小客車購買出臺更為嚴(yán)厲的限制性措施（北京市政府令227 號），宣布從即日起，采取每月?lián)u號無償分配的方式，配置機動車車牌號，每月配額2 萬輛。同時，對外地進(jìn)京車輛也采取了限制性措施（18 號文件），要求非京籍機動車在工作日高峰時段（7 時－9 時，17 時－20 時）不得進(jìn)入五環(huán)線內(nèi)。2014 年，取消了長期進(jìn)京證制度，實行3－5 天短期進(jìn)京證，并且日趨嚴(yán)格(4)2018 年6 月15 日，北京交委和環(huán)境保護(hù)局聯(lián)合公告《關(guān)于對部分載客汽車采取交通管理措施的通告》，要求從2019 年11 月起，北京外地小汽車每年最長時間不得超過84 天，每年最多不能超過12 次。。由此，逐步形成了以“尾號限行”為中心，以“限購”和“外地車輛管理”為支撐的綜合性機動車交通需求管理政策體系。

根據(jù)北京市交通發(fā)展報告，“尾號限行”政策常態(tài)化開始的頭兩年間，交通擁堵狀況得到了有效控制，全市路網(wǎng)擁堵指數(shù)從2007 年的7.73 降低到2012 年的4.3，平均擁堵時長也降低至260 分鐘，但到2019 年，北京市路網(wǎng)交通擁堵指數(shù)回到了5.48，平均輕度及以上擁堵時長上升到370 分鐘，如圖1 所示。尾號限制的政策有效性在逐步減弱，從2018 年開始，北京市采取了更加嚴(yán)厲的機動車出行政策，比如規(guī)范出行行為的管控、停車收費、外埠車年出行量不超過84天等，目前，北京市機動車出行總體上保持平穩(wěn)狀態(tài)。

圖1 2006－2019 年北京市交通擁堵指數(shù)和擁堵時長

四、基本假設(shè)、模型和數(shù)據(jù)

居民機動車出行方式選擇來自于多種因素。除了其個人屬性特征（性別、年齡、職業(yè)、收入）、出行目的和距離等基本因素之外，政策誘導(dǎo)是重要的沖擊變量。它能否有效，關(guān)鍵在于不同政策類型能否形成選擇不同交通工具過程中的成本和收益變化，激勵居民在出行選擇過程采取符合城市需要的權(quán)衡策略，如搭乘公共交通工具、綠色出行等。

（一）基本假設(shè)

出行行為選擇的一般解釋是建構(gòu)在計劃行為理論和隨機效用論的基礎(chǔ)上，這些理論認(rèn)為出行方式選擇受到意向、感知、外部環(huán)境等共同因素影響。前者認(rèn)為居民的出行選擇受到態(tài)度（對行為發(fā)生可能性和結(jié)果的判斷）、主觀規(guī)范（社會規(guī)范的個體元素集合）和感知行為（個體感知到可能影響執(zhí)行行為的因素）共同決定，后者認(rèn)為在一定的外部環(huán)境（城市擁堵狀況、交通約束政策等）前提下，居民會依據(jù)有限的資源與自身需求的變化在不同約束條件下針對不同商品進(jìn)行合理的配置，做出最優(yōu)策略選擇。但這兩個理論均是建構(gòu)在理性行為假定基礎(chǔ)上，即理性人對外部的價格波動和政策沖擊有完全的計算能力和認(rèn)知，能夠進(jìn)行最優(yōu)選擇，這些理論廣泛運用于收費型政策的出行選擇影響。

有別于收費型需求管理政策直接激勵的方式，尾號限行作為一種帶有“命令控制”的權(quán)威型交通需求管理政策，它僅要求居民放棄限行日的機動車出行（主要是私家車），改乘其他交通工具（比如公共交通工具或者綠色交通工具），并不直接改變居民出行的時間價值和出行習(xí)慣。限行日機動車出行下降是“限行”規(guī)定的直接結(jié)果，同時也是政策影響的效應(yīng)之一。但居民可以換乘其他非公共交通工具（打車、合乘、購買車票和第二輛車等）來規(guī)避政策約束。因此，“尾號限行”政策能否有效，關(guān)鍵在于它能否誘導(dǎo)出符合社會需要的出行方式。一種可解釋邏輯是限行日對非限行日交通行為存在誘導(dǎo)性影響。對于大多數(shù)居民而言，實際的通勤、商務(wù)、休閑等出行過程中都有其固有的出行方式，是對過去多期出行方式重復(fù)性選擇的記憶過程，一旦選擇就難以改變其出行方式的路徑（Klockner＆Matthies，2004）［25］，有些文獻(xiàn)將其解釋為持續(xù)性習(xí)慣或者對不同出行方式的忠誠度等，心理學(xué)認(rèn)為出行習(xí)慣是一種非規(guī)范，被不斷強化，重復(fù)的過去行為，有內(nèi)生和外生的兩種誘導(dǎo)過程（Lanken，B 等，1994）［26］(5)內(nèi)生的誘導(dǎo)是把出行慣性視為類似神經(jīng)反射的內(nèi)生性過程。在面對相近的情境時，人們下意識地、固定地選擇特定的交通出行方式，無關(guān)乎政策變化；外生誘導(dǎo)則是把它視為對外生環(huán)境信息的累積反應(yīng)結(jié)果。居民在不同情景下不斷重復(fù)的利弊權(quán)衡所積累的信息，最終對選擇本身產(chǎn)生影響［21］。。當(dāng)存在交通習(xí)慣時，習(xí)慣就會對行為產(chǎn)生一種機械作用，使居民很難再考慮和體驗到其他出行方式所帶來的好處（Aarts，2000）［27］。限行日的好處在于通過限行日的約束，鼓勵或者誘導(dǎo)居民體驗其他出行方式的好處和代價，并逐步遷移到非限行日之中，從而改變非限行日的出行方式，這就是權(quán)威型政策可能產(chǎn)生的作用機制。

權(quán)威型政策在實施過程中，為防止居民為鞏固其原有出行方式采取規(guī)避策略，數(shù)量控制是有效實現(xiàn)政策傳遞機制的關(guān)鍵保障條件。早期墨西哥城的“尾號限行”政策實施過程中沒有采取數(shù)量控制，居民購買“更為耗油，更為廉價”的二手車規(guī)避“限行”政策，不僅削弱了政策的初衷目標(biāo)，并且由于二手車出行過多引發(fā)了城市空氣污染加劇。北京市在2009年10月到2010年12月“限購、限外”政策正式出臺之間，機動車數(shù)量在短短一年時間內(nèi)有了快速增加(6)根據(jù)北京市統(tǒng)計年鑒（2019），相較于2005—2007 三年北京城市私人小客車擁有量每年增加20 萬輛（分別為134.3 萬，160.6 萬和192.8 萬），2008—2010 年的私人機動車增長量呈現(xiàn)遞增態(tài)勢（分別為228.9 萬、281.8 萬和356.6 萬），尤其是2009—2010 年間汽車擁有量遞增近80 萬輛。，因此“限購”和“限外”等政策實施的目的就是防止居民通過購買新車削弱政策的效能（Eskeland& Feyzioglu，1995）［13］。在這一邏輯下，本文提出了四種假設(shè)，見表1。

表1 論文的相關(guān)假設(shè)

假設(shè)1 是驗證政策的直接效果是否存在，由于政策本身限制了每天2 個尾號的出行，如違法則受到相應(yīng)的處罰(7)2009 年限行政策規(guī)定違反尾號限行的小汽車將受到扣3 分，并罰款100 元的處罰，2012 年之后，將這一違法成本進(jìn)一步提高到扣3 分，并處罰200 元。。與無限行日相比，約有20%的機動車受尾號影響出行受限。但居民有可能采取其他策略規(guī)避這一政策，因此，需要考察政策在居民使用規(guī)避策略和選擇公共交通出行方式權(quán)衡過程中能否實現(xiàn)減少機動車出行的目的。假設(shè)2 驗證政策能否引導(dǎo)居民在非限行日選擇公共交通方式出行。交通出行習(xí)慣是否改變是驗證引導(dǎo)作用的“試金石”，如果政策能夠改變非限行日的交通習(xí)慣，即證明引導(dǎo)作用的有效性。假設(shè)3 是驗證數(shù)量控制是否是政策實現(xiàn)的有效條件，加入數(shù)量控制因素將有效地增強這一機制實現(xiàn)的顯著性。假設(shè)4 是檢驗不同收入群體出行選擇是否存在策略性規(guī)避行為，驗證政策影響是否存在群體差異。

（二）模型和指標(biāo)設(shè)計

本文采用非集計實證模型（MNL），以微觀出行的問卷樣本為對象。非集計模型以概率選擇模型（logit）為主，其基本的模型表達(dá)式為

其中，x為選擇枝總數(shù)，K為變量總數(shù)，I為要考察的選擇枝總數(shù)，i＝1，2，…，I，Xk是第k個變量值，βik是對于選擇枝i來說變量k的待定系數(shù)，αi為選擇枝i的常數(shù)項變量。P（y=i|x）為共x個選擇枝中第i個選擇枝被選擇的概率。

以“是否贊成尾號限行”政策分類因變量為例，模型的選擇枝為不贊成、中性和贊成三項，設(shè)定模型以第三個選擇枝“贊成”為基礎(chǔ)，用P1到P3分別表示3 個選擇枝被選擇的概率。則有Logistic 公式：

其中，i＝1 和2，分別表示“不贊成”和“中性態(tài)度”；αi是第i個選擇枝的效用函數(shù)的常數(shù)項；βik是相應(yīng)變量xik的系數(shù)，表示影響第i個選擇枝效用的第k個變量；Vi表示各選擇枝對“反對”的相對效用。

根據(jù)Pi/P3=，可求得選擇各選項的概率：Pi=/1+y

非集計建模的微觀出行數(shù)據(jù)樣本，要求數(shù)據(jù)能夠體現(xiàn)每位微觀個體的特征、習(xí)慣和意愿。根據(jù)王振報［28］（2006）和程歡［29］（2015）非集計模型行為（revealed preference）與意向調(diào)查（stated preference）的數(shù)據(jù)結(jié)構(gòu)，問卷由RP（15 條）調(diào)查與SP（12 條）調(diào)查兩部分構(gòu)成。其中，RP調(diào)查主要針對出行者的個人、家庭屬性和出行特征；SP調(diào)查則針對機動車限制政策態(tài)度進(jìn)行設(shè)計，有6 個指標(biāo)體現(xiàn)尾號限行政策維度。政策態(tài)度模塊采用李克特5 分量表法，為“十分贊成”“比較贊成”“不清楚”“不太贊成”以及“十分不贊成”。相關(guān)解釋變量見表2。

根據(jù)實證分析的數(shù)據(jù)要求，本文對分類變量進(jìn)行了數(shù)據(jù)處理。在出行者人口社會學(xué)屬性及家庭特征方面，年齡這一定序變量作為連續(xù)變量處理；職業(yè)按照是否為機關(guān)事業(yè)單位劃分成兩類，教育程度按照是否接受本科及以上高等教育劃分為兩類；家庭月收入水平以每月3 萬元為界，大于此標(biāo)準(zhǔn)的居民被視為高收入高凈值人群，低于此標(biāo)準(zhǔn)的歸為中低收入群體。

出行特征及政策因素方面。出行習(xí)慣是居民偏好且長期的重復(fù)性出行選擇，用來衡量居民對每一種出行方式的忠誠態(tài)度，分為私家車出行習(xí)慣以及公共交通出行習(xí)慣兩分類變量處理；限行政策認(rèn)可度用來衡量居民對限行政策的偏好態(tài)度，采用3 分量處理，即將原有的5 分量轉(zhuǎn)換為贊同（包括十分贊同和比較贊同）、中立及反對（包括不太贊同和十分不贊同）。

（三）數(shù)據(jù)調(diào)查、信度和效度檢驗

問卷數(shù)據(jù)的采集過程分為預(yù)調(diào)查與正式調(diào)查兩個階段。在預(yù)調(diào)查階段，以100 位北京市居民為調(diào)查樣本，對象涵蓋專家學(xué)者和具有代表性職業(yè)的北京市居民，通過對調(diào)查結(jié)果的信效度檢驗，重新優(yōu)化了問卷結(jié)構(gòu)；在正式調(diào)查階段，在全北京市范圍內(nèi)進(jìn)行隨機抽樣調(diào)查，主要通過網(wǎng)絡(luò)調(diào)查與實地調(diào)查兩種途徑(8)使用實地調(diào)查與網(wǎng)絡(luò)調(diào)查相結(jié)合的方式，通過分類對比回歸來避免數(shù)據(jù)的同質(zhì)性以及同源偏差等問題。問卷為避免區(qū)域偏差，對北京市地區(qū)進(jìn)行網(wǎng)格化處理，分為9 個區(qū)域，分別派出調(diào)查員進(jìn)行調(diào)查，以保證問卷來源廣泛性。，共計發(fā)出問卷2 096 份（網(wǎng)絡(luò)調(diào)查1 096 份、實地調(diào)查1 000 份），回收有效問卷1 961 份（網(wǎng)絡(luò)調(diào)查1 056 份，實地調(diào)查905 份），135 份問卷因作答不完整被放棄，網(wǎng)絡(luò)與實地調(diào)查的問卷有效回收率分別為96.35%與90.5%。

利用SPSS 的可靠性分析工具檢驗了問卷信度，問卷態(tài)度模塊總量表的Cronbach’s Alpha 值為0.851，限行政策量表的Cronbach’s Alpha 值達(dá)到了0.81，說明問卷總體的信度較好，具有較高的內(nèi)部一致性。在結(jié)構(gòu)效度檢驗方面，KMO 檢驗統(tǒng)計量值為0.849（>0.5），Bartlett’s 球形檢驗近似卡方值達(dá)到17 954.814（p＝0.00），均通過檢驗。樣本與北京交通發(fā)展研究院的大樣本出行特征［30］比對，基本符合北京市的居民出行特征，見表3。

鑒于微觀數(shù)據(jù)的多個分類變量，為便于數(shù)據(jù)描述分析及回歸，本文將部分原始多分類變量變?yōu)槎堤摂M變量，描述性統(tǒng)計結(jié)果見表4。

五、實證分析

實證模型是建立在二值邏輯斯特概率選擇模型（BNL）的基礎(chǔ)上，以居民出行選擇作為自變量，尾號限行政策和其他特征變量作為控制變量，具體實證步驟為（1）尾號限行政策對居民出行選擇的影響。首先不引入其他控制變量，只考慮居民的特征變量（假設(shè)1）。然后加入出行習(xí)慣因素，考慮當(dāng)出行習(xí)慣條件下，這種影響是否強化（假設(shè)2.2）；（2）分析尾號限行政策對交通出行習(xí)慣的影響，以出行習(xí)慣為自變量，尾號限行政策為因變量（假設(shè)2.1）。（3）利用雙因素方差分析，分析家庭機動車擁有量、收入對出行選擇是否存在顯著性的差異，以分析這兩個因素是否存在調(diào)節(jié)效應(yīng)（假設(shè)3.1 和假設(shè)3.2）。（4）分組回歸。驗證尾號限行政策在不同收入條件下是否存在一致性的政策作用（假設(shè)4.1）和策略規(guī)避行為（假設(shè)4.2），以此驗證“尾號限行”政策對居民出行的影響是否存在差異。

表2 問卷的解釋變量表

表3 問卷結(jié)果與交通發(fā)展報告的問卷比對

表4 問卷調(diào)查數(shù)據(jù)描述性統(tǒng)計（n=1 961）

（一）政策影響和出行習(xí)慣的中介效應(yīng)

本文參考了溫忠麟［31］（2005）對中介效應(yīng)相關(guān)的論述，將出行習(xí)慣替代某一出行習(xí)慣的忠誠度，采取逐步法對其進(jìn)行檢驗。限行政策對出行選擇的政策影響回歸結(jié)果見表5。不包括習(xí)慣（1）和包括習(xí)慣（2）的限行政策對出行選擇影響的實證結(jié)果都表明，限行政策能夠有效地減少當(dāng)?shù)鼐用袼郊臆嚦鲂邢鄬Ω怕剩謩e為33.2%和22.3%。對限行持贊成態(tài)度的居民，實際私家車出行相對概率顯著減少，且比其他態(tài)度均要低，符合計劃行為理論假設(shè)，表明政策成效的認(rèn)可度與出行選擇保持了較好的一致性，政策認(rèn)可度越高，私家車出行發(fā)生比就越低，假設(shè)1 得到驗證，即限行政策能夠有效減少居民私家車出行選擇的概率，且持贊成意見的群體減少機動車出行的概率程度更顯著。

模型（3）用于檢驗出行習(xí)慣的中介效應(yīng)(9)當(dāng)解釋變量對中介變量、中介變量對因變量的效應(yīng)同時顯著的情況下，逐步法犯第一類錯誤的可能性極低，可以有效的檢測中介效應(yīng)（溫忠麟，2015）［31］。結(jié)果表明限行政策顯著地影響居民機動車的出行習(xí)慣，有效降低居民私家車出行習(xí)慣的概率為42.4%，相對于直接影響效應(yīng)的33.2%，中介效應(yīng)的作用更大，假設(shè)2.1 得到驗證。

從其他控制變量來看，收入水平和機動車擁有量等兩個關(guān)鍵性控制變量也對出行習(xí)慣有顯著性影響。這里可解釋的邏輯是考慮到出行習(xí)慣之后，收入水平和機動車擁有量不會直接作用于居民的出行選擇，但居民的出行選擇受到收入水平和機動車擁有量等因素影響。同樣，時間、距離、性別、年齡和職業(yè)也在一定程度上顯著地影響居民的出行習(xí)慣，對比三種模型的實證結(jié)果發(fā)現(xiàn)，這些控制變量并不直接作用于居民的出行選擇，但通過出行習(xí)慣對出行選擇起到了間接誘導(dǎo)作用。因此，在限行政策對居民出行選擇的影響之間，應(yīng)當(dāng)存在一個出行習(xí)慣的中介變量，它受到了包括限行政策等特征變量的影響，共同作用于出行選擇，假設(shè)2.2 得到驗證。

（二）機動車數(shù)量和家庭收入的調(diào)節(jié)效應(yīng)

根據(jù)溫忠麟［31］（2005）的表述，顯變量的調(diào)節(jié)效應(yīng)檢驗，當(dāng)自變量與調(diào)節(jié)變量均為分類變量時，可采用方差分析。本文的家庭收入水平與尾號限行政策均為虛擬類別顯變量，家庭機動車擁有數(shù)量為1 或2 的比例非常高，在實際情況中存在明顯的有界性，可以視為一種定序的類別變量。因此，采用方差分析的方法檢驗其調(diào)節(jié)效應(yīng)。方差齊性檢驗的結(jié)果表明家庭收入水平以及機動車擁有量均可以利用雙因素方差分析的方法進(jìn)行調(diào)節(jié)效應(yīng)檢驗，由于收入水平與機動車數(shù)量均近似等同于二分類變量，所以無需對數(shù)據(jù)進(jìn)行中心化處理。最終調(diào)節(jié)效應(yīng)檢驗的結(jié)果見表6。

表6中家庭機動車擁有量、收入水平與現(xiàn)行政策的交互項給出了調(diào)節(jié)效應(yīng)檢驗的結(jié)果?？梢钥闯鍪杖肱c限行政策的交互項系數(shù)不顯著，但家庭機動車擁有量與限行政策交互項系數(shù)顯著，可以認(rèn)為家庭收入水平在限行政策對居民出行（包含習(xí)慣）選擇影響中不存在調(diào)節(jié)效應(yīng)，家庭機動車擁有量在限行政策對含有習(xí)慣的居民出行選擇影響中存在95%的顯著性水平下的調(diào)節(jié)效應(yīng)，且這一調(diào)節(jié)效應(yīng)具有負(fù)向關(guān)系，因此，假設(shè)3.1 得到驗證，假設(shè)3.2 沒有通過檢驗。上述檢驗結(jié)果說明（1）家庭機動車的擁有量會顯著地減弱限行政策的影響效應(yīng)，家庭機動車擁有量越多，限行政策的效能越弱，“尾號限行”必須同限購一起才能保證發(fā)揮最大的政策效能；（2）家庭收入本身顯著影響居民出行習(xí)慣的養(yǎng)成，但其作用并不因“限行”政策有無而產(chǎn)生明顯差異，這一結(jié)果可能隱含了收入本身不能作為政策和出行選擇之間的調(diào)節(jié)變量。利用價格工具，通過收入效應(yīng)引導(dǎo)居民機動車出行選擇概率減少在限行政策框架下可能是無效的。

（三）分組回歸：收入和策略規(guī)避

由于家庭收入并不能作為一個穩(wěn)定的調(diào)節(jié)變量，進(jìn)一步考慮尾號限行政策是否也會因家庭收入不同而產(chǎn)生差異化的影響。假設(shè)有兩類人群：時間價值較高、金錢敏感較低的高收入人群和時間價值較低、金錢敏感較強的中低收入人群，尾號限行政策盡管不改變時間價值和出行代價，但對于擁有不同時間和金錢價值的群體來說，影響程度是不同的。

表5 因變量與解釋變量、中介變量的logit 回歸

表6 家庭收入水平、機動車擁有數(shù)量調(diào)節(jié)效應(yīng)檢驗

從描述性統(tǒng)計中也可以發(fā)現(xiàn)不同收入背景居民的選擇差異。在這次調(diào)查問卷中，以家庭月收入3 萬元為界，大于此標(biāo)準(zhǔn)的居民被視為高收入高凈值人群，低于此標(biāo)準(zhǔn)的被歸為中低收入群體。對兩類群體的描述性統(tǒng)計見表7 和表8。

以出行習(xí)慣作為自變量，尾號限行等政策作為因變量進(jìn)行回歸，回歸結(jié)果見表9。表明尾號限行政策對高收入群體和中低收入群體的機動車出行習(xí)慣均產(chǎn)生了積極顯著的影響，但影響程度略有差異。中低收入組出行選擇受政策的影響程度顯著高于高收入群體20.5%，且中低收入群體各變量參數(shù)的顯著性更好，高收入群體部分解釋變量未通過檢驗。對于中低收入群體而言，任何與出行相關(guān)的變量改變均能顯著影響其出行習(xí)慣。高收入組的出行習(xí)慣可能不會受到個人、家庭以及出行情景的影響，存在機動車出行“依賴癥”。

表7 高收入組數(shù)據(jù)描述性統(tǒng)計（n=364）

表8 低收入組數(shù)據(jù)描述性統(tǒng)計（n=1 596）

家庭的機動車數(shù)量多少依舊是影響居民機動車出行習(xí)慣的重要因素，這一點在兩個組別中都表現(xiàn)得非常顯著。高收入組機動車擁有量每增加一輛便會導(dǎo)致居民產(chǎn)生私家車出行習(xí)慣的發(fā)生比提高1.31 倍，低收入組這一提高比例為1.93 倍。表明有效控制機動車數(shù)量是引導(dǎo)居民形成公共交通出行習(xí)慣的重要助力手段?！拔蔡栂扌小闭咄ㄟ^數(shù)量控制影響不同收入層次用戶的機動車出行習(xí)慣，但中低收入群體行為改變的可能性要高于高收入分組，假設(shè)4.1 得到了部分驗證。

高收入群體存在機動車“依賴癥”。在限行日條件下，他們可能會采取規(guī)避策略來維持自身固有的出行習(xí)慣。在尾號限行政策中，居民可能采取購買第二輛車、打車（合乘、出租）、延后出行、繞行、違法等行為來規(guī)避其出行過程中時間價值的損失。Eskeland & Feyzioglu［13］（1995）研究墨西哥城尾號限行政策有效性時也提出類似的觀點，認(rèn)為這項看似公平的政策實際上真正影響的是那些買不起第二輛車的中低收入群體，高收入人群可以通過購買第二輛車等行為(10)2011 年后，北京市通過搖號購車的方式，限制了高收入家庭購買第二輛車的可能。但對于高收入家庭而言，仍然可以采取多種方式，維系其固有的小汽車出行習(xí)慣。如購買車牌、租車、合乘、打車（出租）等多種方式逃避公共交通出行選擇。來規(guī)避監(jiān)管。本文以是否存在規(guī)避性行為作為自變量，與尾號限行等因變量回歸模型，結(jié)果見表10。

表9 收入分組回歸結(jié)果

表10 政策規(guī)避行為回歸結(jié)果

實證結(jié)果發(fā)現(xiàn)限行政策使得人們選擇規(guī)避行為的發(fā)生比僅提高了5.1%，且結(jié)果并不顯著，表明采用規(guī)避行為維持原有的機動車出行習(xí)慣與限行政策無關(guān)。從其他變量影響來看，收入對居民選擇規(guī)避行為起到了正向作用。相對于中低收入人群，高收入居民采取規(guī)避行為的概率將增加53.1%。和墨西哥城不一樣，在國內(nèi)大城市限行限購雙管政策下，居民的策略性規(guī)避行為受到一定限制，但是，不可否認(rèn)的是低收入人群使用策略性規(guī)避行為的空間十分有限。機動車數(shù)量仍然是一個重要的指標(biāo)，家庭（居民）每添置一輛新車會帶來規(guī)避行為發(fā)生比增加近69.5%。購買第二輛車本身就屬于規(guī)避行為的一種，同時，家庭擁有的機動車數(shù)量多少也體現(xiàn)了居民的收入水平，指標(biāo)越高間接地導(dǎo)致規(guī)避行為發(fā)生概率提高。出行補貼雖然不作用于居民出行習(xí)慣，但卻對規(guī)避行為也有一定程度的正向誘導(dǎo)作用。上班出發(fā)時間（departure time）也與居民的規(guī)避行為相關(guān)，早高峰比非高峰時段選擇規(guī)避行為的發(fā)生比高出38.1%，大城市早高峰時段道路交通十分擁堵，公交運行緩慢，地鐵等軌道交通往往是人滿為患，絕大多數(shù)有一定經(jīng)濟(jì)基礎(chǔ)的居民更愿意通過規(guī)避行為自由選擇出行時間且選擇更為舒適的私家車，假設(shè)4.2 得到證實。

（四）穩(wěn)健性檢驗

本文將購買牌照作為機動車出行行為的替代變量，以居民的限行規(guī)避策略（strategy）、出行習(xí)慣（mode）、家庭車輛數(shù)（vehicles）等為自變量，牌照意愿購買價格（license fee）為因變量，分別對北京市高收入群體、低收入群體以及總體樣本進(jìn)行回歸(11)考慮到研究居民采取何種方式規(guī)避尾號限行方式帶來的效用損失，本次回歸不再將居民限行時出行選擇分為小汽車和非小汽車，而是對不同的出行方式進(jìn)行賦值，以小汽車為選擇方式出行行為其賦值較高，反之采取步行、自行車和公交車等方式則賦值較低。同樣的，在居民限行規(guī)避策略以及出行習(xí)慣上，均采用賦值方法代入模型。，以驗證策略的穩(wěn)健性，實證結(jié)果見表11。

表11 牌照購買意愿價格回歸結(jié)果

表10的實證結(jié)果表明，出行習(xí)慣、限購態(tài)度以及機動車擁有量均顯著影響居民購買車牌的意愿；無論是高收入還是低收入居民，購買車牌等非公交策略成為可行的規(guī)避策略；越傾向于采用規(guī)避策略的居民，其對機動車車牌的意愿報價高于采取其他規(guī)避方式的居民，進(jìn)一步驗證了本文研究結(jié)果。

六、結(jié)論和建議

（一）主要研究結(jié)論

構(gòu)建了尾號限行政策對居民出行影響的基本邏輯。認(rèn)為在尾號限行政策下，居民機動車的出行選擇來自居民對隱性時間價值和出行習(xí)慣的權(quán)衡結(jié)果。從出行選擇、習(xí)慣和政策規(guī)避三個方面實證分析了限行政策對居民機動車出行選擇的影響效應(yīng)。主要結(jié)論是：

1.政策影響機動車出行選擇的直接效應(yīng)（不通過習(xí)慣的影響效應(yīng)為33.2%）和間接效應(yīng)（通過習(xí)慣的影響效應(yīng)為22.3%）的顯著性結(jié)果均表明了政策的有效性。

2.出行習(xí)慣是政策影響重要的中介變量，且政策對習(xí)慣的影響效應(yīng)（42.4%）超過了出行選擇的影響效應(yīng)（33.2%）。

3.機動車數(shù)量對限行和出行習(xí)慣均具有顯著的反向調(diào)節(jié)作用。表明家庭擁有的機動車數(shù)量越多，公交出行的可能性越低，機動車出行可能性越高，削弱了限行政策的有效性。

4.分組回歸表明政策的收入效應(yīng)存在異質(zhì)性特征。政策對中低收入群體的私家車出行習(xí)慣影響更為顯著，對高收入群體影響程度有限，高收入群體采取策略規(guī)避的可能性更高。

（二）啟示和建議

長期以來，北京市以“限購、限行和限外”政策所構(gòu)建的廣義限行管理體系被認(rèn)為是一個相對有效的舉措，但這一實踐案例的特殊性決定了其經(jīng)驗難以完全“復(fù)制”。難以復(fù)制的關(guān)鍵條件就是針對大多數(shù)群體的規(guī)避策略受到了抑制，如非常低的“搖號購車”概率、嚴(yán)格的外埠車使用、擁擠的早晚高峰打車、受政策限制的合乘、較高的租車價格等。但政策實施的結(jié)果仍然造就了一大批無車急需用車以及有車免費享受非限行日駕車好處的家庭，形成了事實性的分配性問題。2016 年后，隨著新能源車（不受尾號限制）、外埠車、網(wǎng)約車、定制等不斷涌現(xiàn)，對這一交通限行政策構(gòu)成了一定的沖擊。表明北京市實施尾號限行政策的代價已經(jīng)日益顯現(xiàn)，向更有彈性的收費型或激勵型交通管理政策轉(zhuǎn)型是一種更為經(jīng)濟(jì)的選擇。

本文研究的政策建議是：

1.持續(xù)引導(dǎo)居民機動車出行習(xí)慣轉(zhuǎn)變，這是一個長期持續(xù)策略。出行習(xí)慣本身隱含著居民對不同交通出行方式的成本和時間節(jié)約的長期權(quán)衡結(jié)果。這不僅意味著要調(diào)整機動車的出行代價，更意味著構(gòu)建更加完善的公共交通網(wǎng)絡(luò)是題中之義。提升公共交通的網(wǎng)絡(luò)結(jié)構(gòu)、便捷程度和人性化水平，通過更具有環(huán)境親和力和城市幸福感為導(dǎo)向的公交和綠色出行方式轉(zhuǎn)變，促進(jìn)居民出行習(xí)慣轉(zhuǎn)變。

2.建立更加完善的多重激勵機制。一方面，針對長期無車家庭，應(yīng)在搖號購車環(huán)節(jié)以更優(yōu)惠的概率，以調(diào)節(jié)事實性分配問題；另一方面，實施更為嚴(yán)格的道邊停車收費政策，更加嚴(yán)格的機動車停車行為規(guī)范等，提高機動車使用代價，引導(dǎo)機動車的出行。

3.加大對家庭機動車的數(shù)量約束。對擁有多輛汽車的家庭實施更為嚴(yán)格的收費型政策，如對購買第二輛汽車的家庭征收更高的購置稅、征收更高的停車費等。

總體來看，特大城市的機動車過度使用所形成的“擁堵”是世界共性“難題”，北京市的特殊性在于路網(wǎng)密度較低、空間過于集聚（單中心化）、大院式的文化傳承以及城市結(jié)構(gòu)發(fā)展轉(zhuǎn)型等多種復(fù)雜條件。更加精細(xì)化、綜合性的交通治理政策可能是更為適宜的政策選擇，即建立在更加完善的“以人為本”的公共交通網(wǎng)絡(luò)，綠色出行的交通導(dǎo)向基礎(chǔ)上，結(jié)合限行和收費激勵形成更加強有力的需求管理政策，以推動居民出行選擇向公交和綠色方式遷移。