“双碳”背景下，为了规划可持续发展交通运输系统，交通规划者需要深入了解出行者出行方式选择的内在机理及偏好.出行者作为城市交通碳排放的基本单元，直接影响城市交通碳排放，研究者通过分析出行行为引导部分出行者向低碳出行转变.

在行为研究中，研究者将社会经济属性、建成环境作为解释变量，并证实其对出行者的出行方式选择的影响^[1-4]. 通过深入研究，Jia等^[5-6]发现出行者的决策行为受到不可直接观测变量的影响，提出结构方程，分析潜变量间的影响. 结构方程模型忽视了社会经济属性对潜变量的影响，无法分析出行者的选择行为.Ben-Akiva等^[7]将潜变量引入离散选择模型，形成混合选择模型(hybrid choice model，HCM)，解决了以上问题.混合选择模型由多原因多指标模型（multiple causes multiple indicators，MIMIC）与离散选择模型（discrete choice model，DCM）共同组成，被广泛应用于出行行为分析,如共享自动汽车^[8]、出行方式选择^[9]、低碳出行^[10]等领域.

MIMIC模型作为混合选择模型的基础，由结构方程模型与原因变量组成.结构方程模型常依托于计划行为理论建立，态度^[11]、主观准则^[12]被视为重要的影响因素. 计划行为理论所考虑的潜变量不全面，研究者常进行扩展，如马壮林等^[13]引入限行政策，Huang等^[14]引入低碳知识进行分析.

随着“碳中和”目标的推进，碳激励政策被提出,低碳行为奖励机制^[15]（individuals low carbon behavior reward system ，ILBRS）的成立更推动了碳激励及碳市场的发展.低碳领域如新能源汽车、回收行为催生了激励相关的研究，但不同研究对激励的有效性褒贬不一.Jenn等^[16]指出激励可以有效提升个人的新能源汽车购买意愿，Zhang等^[17]指出激励无法加强人们的行为意向.碳激励在低碳出行领域的有效性尚未得到明确验证，碳激励策略下人们的行为转变缺乏研究. 融合碳激励到MIMIC模型中，分析碳激励对出行者低碳出行意愿的影响效用，碳激励策略下的出行行为转变值得研究者关注.

本研究通过获取杭州市居民出行数据，以计划行为理论、价值-信念-规范理论为基础，融合对出行方式选择有影响的潜变量，以激励态度作为扩展建立多原因多指标模型. 构建混合选择模型，分析心理潜变量在出行者的方式选择过程中的干扰作用，与传统无潜变量Logit模型进行预测精度的对比. 建立二元混合选择模型，分析碳激励下出行者的行为转变.

计划行为理论（theory of planned behavior，TPB）是典型的社会心理学理论，由Ajzen^[18]提出. 该理论认为个人的行为意图由个人对该行为的看法（态度）、个人采取该行为时所感受到的社会压力（主观准则）以及实施该行为时基于过去的经验和未来预期所感知的实现难易程度（知觉感知控制）共同影响，而个人的行为意图直接影响个人的实际行为.

价值-信念-规范理论（theory of value-belief-norm，VBN）最初由Stern^[19]提出，用于理解环境保护主义下的公众支持，常被用于亲环境行为研究，其中信念部分主要包括新生态范式、后果意识、责任意识3个潜变量.新生态范式反映人类活动与环境的密切关系，后果意识受到新生态范式的触发，在感知到特定条件将对他人产生威胁时被激活，在此情况下将采取系列行为减轻或消除威胁，即责任意识.

TPB和VBN在亲环境领域研究中已被广泛应用^[12,14,20]，该理论应用的可行性被证实. TPB反映行为的理性选择，VBN是利他主义的反映. Bamberg等^[21]指出结合理性选择理论和利他主义理论，可以提升模型解释力，故学者们开始研究TPB和VBN的整合模型^[6]. 此外，研究者致力于引导城市居民从小汽车出行向低碳方式（如公共交通、非机动交通）出行转化，以缓解城市交通拥堵、降低碳排放.随着低碳行为奖励制度的推广，碳激励被用于鼓励低碳出行. 激励曾被用于亲环境领域如新能源汽车购买，然而激励的有效性存在争议^[16-17]，引入激励态度分析碳激励对促进居民选择低碳出行的可行性.

混合选择模型是集社会经济属性与潜变量于一体的选择行为分析模型，通过整合MIMIC模型与Logit模型而成. 混合选择模型的第1阶段为MIMIC模型的建立与估计，用于计算潜变量的适配值.第2阶段为含心理潜变量的Logit模型参数估计，用于开展出行选择行为的分析与预测. 针对出行者工作日的方式选择行为及碳激励下的行为转变，分别建立混合选择模型.相较于传统的Logit模型，混合选择模型可以从固有的社会经济属性与心理潜变量2个维度进行分析，考虑出行者的心理动机，量化“碳激励”政策的影响效果，获得更好的模型拟合度，提升出行行为的预测准确度. 模型概念图如图1所示.

根据效用最大化理论可知，出行者被假定在出行时选择效用最大的方式出行，出行者$ n $选择第$ i $个选择肢的效用函数如下：

式中：$ \mathop x\nolimits_{nj} $为出行者$ n $的第j个显变量（包括个人属性、家庭属性、出行属性等变量），$ \mathop \lambda \nolimits_{nk} $为出行者$ n $无法直接观测的第k个潜变量，$ \mathop \beta \nolimits_{ij} $与$ \mathop \mu \nolimits_{ik} $为待估计参数，$ j $为显变量个数，$ \mathop \varepsilon \nolimits_i $为误差项.

出行者$ n $选择第$ i $个选择肢的概率为

式中：$ l $为选择肢的个数，当$ l $= 2时，为二元Logit模型.

多原因多指标模型由测量模型与结构模型共同组成. 测量模型描述了显变量（原因变量、观测指标）与潜变量的相关关系，其中原因变量与潜变量的相关关系对应MIMIC模型中的多原因部分，方程如下：

式中：$ \lambda $为潜变量；$ {S_{{z}}} $为原因变量，即社会经济属性，包含婚姻、教育、家庭月收入、家庭非机动车数与家庭人数；Z为原因变量的个数；μ为待估计参数.

观测指标与潜变量的相关关系对应MIMIC模型中的多指标部分，方程如下：

式中：$ {\boldsymbol{X}} $、$ {\boldsymbol{Y}} $分别为外生、内生观测变量向量，$ {\boldsymbol{\xi}} $、$ {\boldsymbol{\eta }}$分别为外生、内生潜变量，$ {\boldsymbol{\varLambda}} _{{X}} $、$ {\boldsymbol{\varLambda}} _Y $分别为外生、内生观测变量与对应潜变量的待估计参数矩阵，${\boldsymbol{\delta}} $、${\boldsymbol{ \varepsilon}} $分别为外生、内生观测变量的测量误差.

结构模型反映潜变量间的相关关系，方程如下：

式中：B为内生潜变量间的路径系数；$ {\boldsymbol{\varGamma}} $为内生潜变量与外生潜变量间的路径系数；ζ为结构方程模型的残差，即模型未能解释的部分.

式（1）、（2）共同构成Logit模型，式（3）~（6）共同构成多原因多指标模型.

调查问卷共包括3个部分：社会经济属性调查、潜变量调查、出行方式选择调查. 其中社会经济属性调查包括出行者的性别、年龄、收入等变量；潜变量调查包括基于TPB与VBN所设计的心理潜变量观测指标^{[6,14,20,22-23]}，采用Likert五点量表法，从“1”到“5”分别表示从“非常不赞同”到“非常赞同”，如态度的观测指标包括对低碳出行的安全性评价、便捷性评价、实惠性评价，具体潜变量及其观测指标如表1所示.表中，低碳出行奖励指的是对所完成的低碳出行行为进行嘉奖，每一次低碳出行都会获得一定数额的奖励（如碳积分），奖励可以用于抵扣公交费或兑换杭州市内景区门票，此外，根据获得的奖励数量授予称号，如“低碳出行大使”. 出行方式选择的调查包括出行者在工作日的实际出行方式与碳激励下的意向出行方式.

以杭州市主城区为调查区域，采用线上调查的方式对杭州市居民进行调查，调查时间为2023年2月14日至3月5日，设置甄别题检验被试者回答专注度. 根据人口比例抽样法^[24]，问卷发放结合杭州市2021年人口统计年鉴^[25]设置人群配额，共计发放问卷700份，回收有效样本602份，样本有效率为86%，其中变量性别、年龄与杭州市2021年人口统计年鉴中的变量比例差异小于1%，学历差异小于5%，数据统计结果如图2所示. 图中，性别、年龄、学历栏中的括号内容为2021年杭州市统计年鉴中的变量比例.

为了保证调查数据的有效性，在模型建立前需要进行数据的信度与效度检验，采用SPSS软件与Amos软件相结合的验证性因子分析进行检验. 具体的检验结果如表2与图3所示. 图中，C为相关性系数. Cronbach’s Alpha值反映数据的信度，大于0.7表示样本数据具有较好的一致性^[26]. 组合信度、因子载荷与平均方差提取值（average variance extracted, AVE）表示数据的聚合效度，组合信度阈值为0.7，因子载荷与平均方差提取值阈值为0.5，超过阈值表示样本中潜变量有较高的理论相关性.各潜变量间的相关性系数与AVE开方值大小的比较反映数据的区分效度，相关性系数小于平均方差提取值根号表示数据有较好的变量区分度. 综上所述，样本具有较好的信度与效度.

考虑到不同类型出行者的差异性，为了更准确地描述心理潜变量间的影响关系，分别对小汽车、公共交通、非机动交通3种出行方式建立对应的MIMIC模型. 该模型基于结构方程模型建立，3种出行方式对应的MIMIC模型变量、结构关系保持一致，便于对不同方式的MIMIC模型进行对比. 模型拟合指标见表3，RMSEA为近似误差均方根，小于0.06表示模型有较好的拟合度，0.08为可接受上限；Chi/DF为卡方与自由度的比值，小于3表明拟合度较好；TLI为塔克-刘易斯指数，CFI为相对拟合指数，二者的接受阈值均为0.9.

总体而言，3种方式的MIMIC模型拟合度指标均在可接受范围内，模型有较好的拟合度，图1中的潜变量假设关系以及潜变量与原因变量间的关系基本可接受. 就非机动交通MIMIC模型而言，拟合度指标略差于小汽车与公共交通MIMIC模型，这是由于“收入”与“学历”对潜变量未产生显著影响，导致非机动交通MIMIC模型中的原因变量较少.

各出行方式的MIMIC模型估计结果见图4~6.图中，“*”表示P < 0.05，“**”表示P < 0.01，“***”表示P < 0.001.出行意向上方的数字为各模型对出行意向的解释程度R²，分别表示对3类出行方式人群的低碳出行意向方差解释程度，表明TPB与VBN的整合模型对于3类出行方式人群的低碳出行意向均有较好的解释效果.

在图4~6的3个MIMIC模型中，激励态度对主观准则均有显著正影响，除了非机动交通模型外，激励态度对知觉感知控制有显著正影响.这表明社会低碳出行环境氛围与公众实施低碳出行的自信掌控受到碳激励的促进作用，采取合理的碳激励手段可以降低社会公众对实施低碳出行的感知难度，从而向低碳出行行为转化.态度对低碳出行意向均有显著影响，这表明出行者在选择出行方式时会重点考虑出行方式的便捷性、安全性.在小汽车与公共交通的MIMIC模型中，低碳出行意向受到激励态度的显著影响，合理的碳激励将提升公众的低碳出行意愿，非机动交通中此路径不显著，可能与非机动交通出行者本身具有较高的低碳出行意向有关. 新生态范式影响后果意识，间接影响低碳出行意向，在小汽车与非机动交通的MIMIC模型中，它对后果意识有显著影响，然而后果意识对出行意向无显著影响，这表明公众的后果意识与新生态范式有紧密关系，但新生态范式对低碳出行意向的影响微乎其微，这与以往的研究结果指出新生态范式有显著影响相反^[14]. 主观准则仅在小汽车MIMIC模型中对态度有显著影响，对低碳出行意向无直接影响，表明小汽车用户更易受到社会环境的影响. 综上所述，激励态度、态度是影响公众低碳出行意向的关键变量，主观准则对小汽车出行者有重要影响.

根据第1阶段MIMIC模型的估计结果，计算各潜变量的适配值，与社会经济属性、出行属性共同纳入模型，开展第2阶段模型参数的估计.模型以小汽车为参照，建立含潜变量的出行者工作日出行方式选择模型，即混合选择模型，与无潜变量的模型进行对比.结果仅保留了有显著影响的变量，如表4所示. 表中，“*”表示P < 0.1，“**”表示P < 0.05，“***”表示P < 0.01.

一般认为伪R²大于0.2表示模型拟合度良好，由表4可知，混合选择模型与无潜变量的方式选择模型的伪R²均大于0.2，二者均可接受. 混合选择模型的拟合优度高于无潜变量的方式选择模型，模型命中率为74.4%，较无潜变量的方式选择模型提升了4.6%.

根据表4可知，个人属性、家庭属性及出行属性对出行者的出行方式选择表现出显著影响，在无潜变量的方式选择模型中，公共交通与非机动交通的常数项分别为6.079与5.552.这表明在其余因素不变的情况下，公共交通与非机动交通的吸引力远高于小汽车，即公众的低碳出行意愿较高，选择低碳出行的可能性大于小汽车出行.

在混合选择模型中，潜变量对出行者的出行方式选择呈现显著影响，然而并非所有潜变量都对方式选择有直接的显著影响. 态度、出行意向产生了显著的正向影响，新生态范式、后果意识、责任意识产生了显著的负影响，其余潜变量通过影响出行意向间接对出行方式的选择产生影响.

根据MIMIC模型结果可知，激励态度对公众的低碳出行意向有显著正向影响，碳激励下公众可能改变本身的出行习惯，转向低碳出行. 调查数据表明，在存在碳激励的情况下，小汽车出行者中有57.1%的出行者愿意转向公共交通出行，7.3%的出行者愿意转向非机动交通出行，如图7所示.

考虑到小汽车出行者为高碳出行者，针对小汽车出行者建立二元混合选择模型，分析碳激励下出行方式选择行为的转变. 通过小汽车MIMIC模型估计结果计算潜变量的适配值，与社会经济属性、出行属性共同纳入模型；加入社会经济属性及出行属性与潜变量的交互项，以分析潜变量的异质性，采用“向前法”输入变量进行变量筛选.

Hosmer-Lemeshow检验被用于模型拟合优度分析，显著性Sig大于0.05表明模型可接受，大于0.1表明模型拟合度较好. 模型检验结果Sig为0.232表明模型具有良好的拟合度，模型结果仅保留显著的变量，列出胜算值（odds ratio，OR），如表5所示. 表中，“*”表示P < 0.1，“**”表示P < 0.05，“***”表示P < 0.01.

从表5可知，碳激励下出行者是否愿意转变其行为与社会经济属性、心理潜变量均有关，家庭月收入低于19 999元的出行者在激励下不愿意转变出行行为，随着出行时间的增长，个人向低碳出行转变的可能性降低，个人对低碳出行的知觉感知控制、激励态度、出行意向每提升一个单位，向低碳出行转变的可能性分别提升1.136、1.691、1.565倍. 交互项变量的结果显示，对于有孩子的个人而言，其对低碳出行的态度越正向，越可能转变出行方式.此外，在出行时间一定的情况下，个人的责任意识对其转变出行行为有正向影响，换言之，即使出行时间的增长对低碳出行方式转变产生了负向影响，责任意识的提升仍然可以在一定程度上扭转出行时间所带来的负向影响，这表现出了变量态度及出行时间的异质性.

（1）心理潜变量对公众的低碳出行意向有显著影响，其中态度是影响低碳出行意向的关键变量，知觉感知控制的影响不如预期显著，这与社会经济的发展有关，低碳出行的便捷性与人们知识水平的不断提升增强了公众使用低碳方式出行的能力.

（2）公众的新生态范式通过后果意识影响低碳出行意向，尽管新生态范式对后果意识有显著的正向影响，对公众的低碳出行意向影响很小，即公众的低碳知识水平高低与公众的低碳出行意向高低无显著关系，政府仅提升公众的低碳出行知识对促进低碳出行可能收效甚微.

（3）含潜变量的方式选择模型即混合选择模型比无潜变量的方式选择模型有更好的拟合优度和模型表现. 在模型预测中，混合选择模型有更高的模型预测准确度，模型精度提升了4.6%. 混合选择模型同时从社会经济属性与心理潜变量两方面进行出行方式选择行为分析与预测，有助于交通规划者分析出行者的行为机理，针对性地改善交通拥堵.

（4）激励态度对小汽车出行者与公共交通出行者的低碳出行意向有显著的促进作用，激励态度、低碳出行意向的提升将显著促进公众行为的转变.在存在碳激励的情况下，有64.4%的小汽车出行者愿意向低碳出行转变，收入高于19 999元的个体倾向于转变出行行为，而过多的出行时间阻碍公众的行为转变，对有孩子的个体而言，对低碳出行持正向态度更可能转变出行行为.在面临相同出行时间的情形下有较高责任意识的个体更可能转变出行行为，潜变量态度存在一定的异质性.

（5）碳激励措施的实行应完善碳普惠交易市场.政府应从外部环境上鼓励低碳出行，基于外在特征如社会经济属性进行差异化经济补贴措施设置，比如对与孩子同行人群、远距离出行人群提供更高的低碳出行票价折扣或补贴，在奖励资源（如碳积分）的分配上给予适度倾斜. 应以心理潜变量如责任意识为中介，加强个人低碳出行内驱力，如开展绿色出行日活动，以提升公众参与度，形成低碳出行自发意识，达到增强低碳出行意愿、转变出行观念的目的.

下一步研究将考虑建成环境对出行方式选择的影响，将碳激励措施具体化，分析不同碳激励措施对低碳出行的促进效果.