吴文静▲杨旭贾洪飞
（吉林大学交通学院长春130022）
摘要：共享汽车具有“低碳”特征且能为出行者提供安全独立的空间，为后疫情时代出行提供了新的选择。为挖掘疫情常态化下共享汽车使用意愿的影响因素以及作用机理，以网络问卷的形式对出行者进行调查，回收有效问卷109份，并对调查结果进行分析。融合疫情感知风险和财务风险因素，构建扩展的整合型技术接受与使用理论模型（unified theory of acceptance and use of technology，UTAUT），提出11条假设并采用结构方程模型探索各潜变量影响共享汽车接受意向的途径，分析假设检验结果和模型拟合程度，对假设中不显著的路径进行中介效应分析。为探究社会经济属性变量的影响过程，构建基于结构方程的多原因多指标模型，并检验观测变量与潜变量的相关性以及潜变量与潜变量之间的相关性。研究结果表明：模型拟合程度均表现良好，潜变量中绩效期望对接受意向的正向影响最为显著，其次是促进条件和社会影响，而财务风险、努力期望对接受意愿有显著负向影响。疫情感知风险的直接影响不显著，但社会影响、绩效期望和促进条件在疫情感知风险和行为意向之间具有部分中介作用，总间接影响效应为0.240，中介效应占总效应的74.8%，间接影响显著。年龄、实际驾龄、是否持有机动车驾驶证因素对疫情下共享汽车的使用态度存在显著影响，而使用频率则直接影响疫情下的共享汽车使用意向。
基于本文研究为后疫情时代共享汽车的发展提供策略和方向指引，如优化出行体验、强化安全管理、刺激消费、提升品牌价值等。
关键词：城市交通；共享汽车；接受度；UTAUT模型；疫情感知风险
中图分类号：U121文献标识码：A doi：10.3963/j.jssn.1674-4861.2023.02.012
An Analysis of Impact Factors to the Propensity of Car Sharing in the “Post-Epidemic Era”Based on an Extended UTAUT Model
WU Wenjing▲YANG Xu JIA Hongfei
（Department of Transportation,Jilin University,Changchun,130022,China）
Abstract：In the post-epidemic period,car sharing offers a new choice of transportation mode because of its “low-carbon”attributes and independent space for travelers.A survey of travelers is created in the form of a web-based questionnaire.A total of109valid questionnaires were collected and the results are analyzed to investi-gate factors impacting people's propensity to use car sharing in the post-epidemic period.An expanded UTAUT model is developed by considering the perceived risk of epidemic and financial risk.To investigate how each latent variable influences the intention to a
ccept car sharing,eleven hypotheses are proposed,and structural equation mod-eling is applied.Analysis of the hypothesis test findings,model degree of fit,and mediating effects are done.Mediat-ing effects are looked at for routes that are insignificant in the hypothesis.A multiple factor and multiple reasoning model based on structural equations is developed to examine the effect process of socio-economic variables.Correla-tions between observed and latent variables are examined,in addition to correlations between latent variables and la-tent variables.Findings from this study show that that all of the models have a good fit.Performance expectation had the greatest,positive influence on acceptance intention among the latent variables,followed by facilitation con-ditions and social influence.Financial risk and effort expectation have the greatest negative influence on acceptance
收稿日期：2022-07-12
*吉林省教育厅科学研究项目（JJKH20211115KJ）资助
▲第一作者（通信作者）简介：吴文静（1980—），博士，教授.研究方向：运输系统规划.E-mail:************
0引言
新冠肺炎疫情以来，我国采取了强有力的措施有效控制了病毒的传播，但疫情制约着我国各行业的发展。其中，旅客运输业由于其流动性和聚集性较强，在疫情期间受到较大冲击。许多城市在疫情形势严峻时采取了封城的措施，城市的公交和轨道交通线路停止运营，居民出行受限。相较传统的城市居民出行方式，共享汽车为疫情期间的安全出行提供了新的方案。
在后疫情时代，尽管我国疫情防控逐步实现常态化，旅客出行意向仍然较低。数据表明，2021年营业性客运量83亿人·次，比上1年下降14.1%。在这一阶段，旅客出行仍面临感染病毒的风险，人们更加注重出行的安全，相比公共交通的密集程度，私家车和共享汽车为出行者提供了1个封闭而独立的环境，提高了出行者的安全感，同时由于城市限牌等政策，采用共享出行方式的出行者增加。
共享汽车是1种基于互联网，以分钟或小时为单位计价，自助取还式的汽车租赁方式。现有研究表明：新冠疫情对共享汽车的出行分担率具有显著影响。惠英等[1]研究表明：疫情期间共享自行车成为主要的通勤工具之一，承担了更多的中长距离出行任务，时长超过30min的骑行占比15.6%，较疫情前提高10.1%。张小雨等[2]研究表明：疫情对分时租赁具有正向影响，低密接的分时租赁方式更能适应疫情期间的出行需求。Zhang等[3]研究表明：共享出行可以避免车内拥挤和减少密切接触，可以为无车人提供更多的保护空间。因此，它可以在后疫情时代发挥重要作用。Alonso-Almeida[4]的研究表明：共享汽车可以是疫情出行的首选，它比其他大多数的出行方式更安全，但是用户会担心清洁和消毒措施不完善。
共享汽车接受度研究主要基于以下3个理论：技术接受模型（technology acceptance model，TAM）、计划行为理论（theory of planned behavior，TPB））、创新扩散理论（diffusion of innovations theory，DOI）。技术接受模型是Davis在1989年提出[5]，胡晓伟等[6]对扩展的技术接受模型研究表明：感知有用性、出行费用、感知易用性、等待时间对出行者使用共享自动驾驶汽车的影响最为显著。李继朴等[7]建立的TAM 模型表明：对法律伦理的认知显著影响自动驾驶汽车接受意向。袁霞等[8]在TAM和理性行为理论的基础上，引入创新性、环保意识，以及感知风险研究了共享汽车使用意愿。计划行为理论早在1991年由Ajzen提出[9]，相比技术接受模型，计划行为理论考虑到了个体受外在条件的限制而对自身能力的评估，为接受度的评价增加了新的维度。鲍抄抄等[10]对共享汽车的消费意向研究表明：消费意向的影响因素重要性依次为主观规范、感知行为控制和态度。徐豪[11]结合计划行为理论和多指标多因果模型分析了影响出行者拼车出行的心理因素。此外，创新扩散模型在交通领域应用也非常广泛。部分学者应用创新扩散模型对共享汽车相关应用和服务进行了研究。Keller等[12]基于创新扩散理论，研究了共享汽车用户对综合多式联运平台的态度，以及可能影响使用意向的因素，结果表明：相对优势和兼容性与采用综合多式联运平台的意向强相关。Bösehans等[13]采用DOI 模型分析了阿姆斯特丹市用户使用共享电动交通枢纽的倾向，为增加共享出行的采用率提供建议。
综上所述，国内外对于共享汽车接受度的研究主要是基于不同影响因素建立接受度模型，影响因素主要是出行者的心理潜变量，少有考虑外界环境对于共享汽车接受意向的影响，对于疫情环境下出行者
的出行行为和对共享汽车使用意向的转变研究较为匮乏。为研究后疫情时代公众对共享汽车的接受程度，本文建立扩展的UTAUT（unified theory of acceptance and use of technology）模型，在UTAUT 模型的基础上加入疫情感知风险和财务风险因素，分别对社会经济属性变量和心理潜变量构建多原因多指标模型（multiple indicators and multiple causes,
intention.Social influence,performance expectation,and facilitation conditions partially mediated the effect be-tween perceived risk of epidemic and behavioral intention.This effect had a total indirect effect of0.240and a sig-nificant indirect effect of74.8%of the total effect.However,the direct effect of perceived epidemic risk is not signif-icant.Age,actual driving age,and the possession of a driver's license all significantly influence the attitudes regard-ing the use of car sharing during the pandemic.In contrast,frequency of usage directly affectes intention to use car sharing during the epidemic.Strategies and instructions for promoting car sharing in the post-epidemic era are then offered,which include ways to improve the travel experience,strengthen safety management,encourage consump-tion,and boost brand value.
Keywords：city traffic;car sharing;acceptance;UTAUT model;epidemic perceived risk
MIMIC）模型和结构方程模型（structural equation model,SEM）进行分析，比较各影响因素的重要程度，为共享汽车的现有问题提供改进措施，为其发展方向提供可行建议和策略。
1模型构建与假设
1.1扩展UTAUT理论
整合型技术接受模型（UTAUT模型）由Ven-katesh等[14]于2003年提出，作为计划行为理论、技术接受模型等8个模型的集大成者，UTAUT被广泛应用于各项产品和服务的接受度研究中。其在交通领域的各项研究中也发挥了重要作用。Curtale等[15]基于延伸的UTAUT模型，研究了6种心理变量对共享电车使用行为意图的影响，结果表明：社会影响是行为意图最重要的驱动因素，其次是绩效期望和个人态度。由于UTAUT模型适用于接受度的研究，且在交通领域的相关研究中具备较强的解释力，因此，本文选择扩展UTAUT模型研究共享汽车的接受度。
UTAUT模型中的影响因素涉及社会环境、公众心理等各个方面，本文变量定义见表1。
表1UTAUT模型变量定义
Tab.1UTAUT model variable definition
变量行为意向社会影响努力期望绩效期望促进条件
定义
出行者愿意接受和使用共享汽车服务的主观倾向出行者受他人及社会环境的影响程度
出行者认为自己使用共享汽车的难易程度
出行者对共享汽车能带来的效益的衡量
共享汽车的发展收到的外界各方面条件的支持
除上述因素，本文引入疫情感知风险和财务风险作为模型潜变量。现有研究表明：感知风险影响出行者对共享服务的接受程度。感知风险即人们对于结果的不确定性和潜在的损失的感知程度，包括财务风险、隐私泄露风险、安全风险等。疫情感知风险是指在新冠肺炎疫情等特大公共卫生事件中，公众对于使用共享汽车安全性的感知程度。根据Zafri 等[16]的研究，人们认为公共交通工具的病毒传播风险非常高，共享模式的风险适中。这种对公共交通工具的病毒传播的高风险认知可能会导致出行者从公共交通到私人交通的转移。研究表明：疫情风险的感知程度影响出行者出行方式的选择[17]。出行者感知到共享汽车使用过程中感染病毒的风险越低，对于共享汽车的使用意向可能越高。此外，在各类感知风险中，财务风险对共享单车使用意愿的负面影响最大。财务风险是指在使用共享汽车的过程中出行者可能承担的潜在财产损失。在使用共享汽车APP时，平台需要获取用户的个人信息以及支付账户。一旦出行者认为在此过程中需要承担较大的财务风险，则可能放弃使用共享汽车。因此本文引入疫情感知风险和财务风险，构建共包含7个变量的扩展UTAUT模型。
1.2研究假设
为探究影响共享汽车接受度的主要因素，本文对UTAUT模型进行拓展，引入7个变量，提出11条假设，建立共享汽车接受度模型，理论框架和影响路径，见图1。
社会影响
疫情感知风险行为意向
H6
H4
H5
H3
H2
H1H9
H10
H11
H8
H7
图1扩展UTAUT模型及假设路径
Fig.1Extend UTAUT model and hypothetical path
徐刚[18]的研究表明：社会影响、绩效期望、促进条件对接受意向有显著正向影响。出行者可能因为从众心理而使用共享汽车，当共享汽车相对传统交通方式能提供更好的出行服务时，出行者会将目光转移到共享汽车上。同时，出行者对于共享技术的发展存在不同程度的认知，对共享出行的接受程度也有所不同。基于以上分析，提出假设H1，H3，H4。在疫情环境中，有些出行者认为共享汽车安全性较强，更愿意使用共享汽车，有些出行者认为共享汽车容易造成病毒的接触传播而不接受共享汽车，因此提出假设H2。假设描述如下。
H1：社会影响对行为意向有显著正向影响。
H2：疫情感知风险对行为意向有显著正向影响。
H3：绩效期望对行为意向有显著正向影响。
H4：促进条件对行为意向有显著正向影响。
财务风险和努力期望体现了出行者使用共享汽车的投入，这种投入的判断标准一方面取决于出行者对自己个人经济、能力、性格的评价，一方面取决于出行者对共享服务的评价。使用共享汽车需要付出的代价越高，出行者的共享出行意愿越弱。因此，本文提出假设H5、H6。
H5：财务风险对行为意向有显著负向影响。
H6：努力期望对行为意向有显著负向影响。
人们在对自己不熟悉的品牌进行选择时往往会向身边购买或使用过的人寻求建议，若持有相同建
议的人数达到心理预期，人们可能做出与建议一致的选择。因此，未使用过共享汽车的出行者对共享汽车的了解会受周围人评价的影响，若这些评价符合出行者对共享汽车的期望，则促进出行者尝试使用共享汽车的意愿，反之则降低出行者的使用意愿。评价的内容包括人们对共享汽车的期望、疫情下共享汽车相较其他出行方式的优势、人们可能面对的财产损失和共享汽车的发展前景。因此，本文提出假设H7~H9。据研究，消费者预期直接影响消费者态度倾向，这种倾向可能提高出行者对共享汽车存在问题的容忍度，因此本文提出假设H10。
H7：社会影响对绩效期望有显著正向影响。
H8：社会影响对疫情感知风险有显著正向影响。
H9：社会影响对促进条件有显著正向影响。
H10：绩效期望对努力期望有显著正向影响。
共享汽车的使用者增加有利于提升其他出行者对共享汽车的信任，降低风险感知，因此提出假设H11。
H11：社会影响对财务风险有显著负向影响。1.3多原因多指标模型
多原因多指标模型（MIMIC）起源于结构方程模型，主要用于探索社会经济属性变量与心理潜变量之间的关系，由2个部分组成，其中结构方程分析潜变量之间的关系，方程见式（1），测量方程分析观测变量与潜变量之间的关系，方程见式（2）。
η=Λx+ξ（1）式中：η为n´1维共享汽车接受度心理潜变量向量；x为k´1维可观测变量向量；Λ为n´k维矩阵；ξ为测量误差。
y=Γη+ν（2）式中：y为η的q´1维可观测变量向量；Γ为q´n 维参数矩阵；ν为测量误差。
2数据调查与统计分析
2.1问卷设计与方案实施
本次调查采用网络问卷的方法，在正式调查之前，通过纸质问卷和访谈的形式进行预调查，了解影响共享汽车接受度的主要因素，对问题选项的设置进行调整，确定终稿后用于网络问卷调查。
问卷内容主要包括2个部分，社会经济属性变量和可观测变量。第1个部分，人口统计学共8个变量；第2个部分，可观测变量共21个，问题项均采用李克特五级量表（从１“非常不同意”到５“非常同意”），被测试者根据自己的实际情况对相关选项给
出评价，问卷见表2。
表2影响接受意向的潜变量问题项描述Tab.2Problem items description that affects latent
variable of intention to accept
变量
社会
影响
绩效
期望
努力
期望
促进
条件
疫情
感知
风险
财务
风险
行为
意向
可观测变量
SI_1：亲戚朋友使用共享汽车我也会尝试
SI_2：亲戚朋友的意见影响我是否使用
SI_3：使用时会选择亲戚朋友推荐的品牌
PE_4：节约我的出行成本
PE_5：提高我出行的舒适度
PE_6：使我的出行更加便利
EE_7：寻一辆共享汽车对我来说很容易
EE_8：租车流程简单方便
EE_9：我的车技驾驶共享汽车完全没问题
FC_10：提供保险服务会让我倾向使用
FC_11：政府对其安全性的宣传会让我倾向使用
FC_12：事故责任判定更加清晰会让我倾向使用
EPR_13：疫情期间使用可以减少我与他人接触
EPR_14：可以降低感染新冠的风险
EPR_15：合理的疫情防控措施会让我倾向使用
FR_16：支付账户得不到安全保障
FR_17：支付的共享汽车的费用偏高
FR_18：押金无法退还
BI_19：我计划尝试共享汽车出行
BI_20：我计划持续使用共享汽车出行
BI_21：如果共享汽车投放在小区、公司、学校等更方
便的地方，我会尝试使用共享汽车出行
来源
文献
[19]
文献
[20]
文献
[10]
文献
[21]
文献
[2]
文献
[21]
文献
[22] 2.2数据分析
2.2.1描述性统计分析
共回收121份问卷，剔除存在问题（如选择完全一致）的无效问卷，获得有效问卷109份，问卷有效率90.08%。被调查者中，男性占比45.9%，女性占比54.1%，年龄分布在18~65岁之间（均值28岁，标准差10.21岁）。36.7%的人获得了学士学位；其中，56.9%的获得硕士或博士学位。受访者中，76.1
%的人没有获得驾驶证，获得驾驶证的人中，48.2%的人没有驾驶经验。78.0%的受访者没有共享汽车驾驶经验，95.4%的受访者对共享汽车有所了解。
2.2.2信度、效度分析
本文潜变量的信度效度检验见表3。
信度是对样本数据的一致性、稳定性和可靠性进行衡量，衡量的指标主要是克隆巴赫α系数（Cronbach'sα）和组合信度（composite reliability，CR）。Cronbach'sα值高于0.8，说明信度高；介于0.7~0.8之间，说明可接受；介于0.6~0.7之间，说明基本可接受；小于0.6，说明信度不够，需要重新考虑修正量表[20]。组合信度大于0.6表明数据信度可接受。
效度是对问卷的有效性和准确程度的检验，衡量的指标通常是平均方差提取值（average variance
extracted ，A VE ），A VE 值大于0.5表明收敛效度较好。同时，各观测变量的标准化因子载荷系数应大于0.5。根据信度和效度的检验结果，克隆巴赫α系数在0.733~0.850之间，组合信度CR 值在0.790~0.906之间，均高于0.6，表明潜变量之间具有较强的一致性，问卷可信度较高。A VE 值均在0.563~0.762之间，表明数据收敛效度较好。
区分效度用于检验各潜变量之间是否存在足够的相关性，当每个变量A VE 值的均方根大于该变量与其
他潜变量之间的相关系数时，表明所有变量之间具有较好的区分效度（p <0.001）。由表4可见：除A VE 值以外所有对角线的数值均大于该变量与其他变量的相关系数，表明数据区分效度良好。
3模型和结果分析
3.1结构方程拟合
对结构方程模型的拟合程度进行分析，采取评
价指标：卡方自由度比、近似误差均方根（RMSEA ）、Tucker-Lewis 指数（TLE ）、比较拟合指数（CFI ）、递增
表3心理潜变量信度、效度检验结果Tab.3
Reliability and validity tests Results of
psychological latent variables
变量社会影响
绩效期望努力期望促进条件疫情感知风险财务风险行为意向测量变量SI_1SI_2SI_3
PE_4PE_5PE_6
EE_7EE_8EE_9
FC_10FC_11FC_12
EPR_13EPR _14EPR _15
FR_16FR_17FR_18
BI_19BI_20BI_21
载荷因子0.5660.8940.8110.8310.5670.8230.8370.8020.7970.7320.8590.7880.8410.8720.8470.8650.8860.8670.7290.6930.853
A VE 0.592
0.563
0.660
0.632
0.728
0.762
0.580
α
0.775
0.733
0.740
0.850
0.787
0.847
0.844
CR 0.808
0.790
0.853
0.837
0.889
0.906
0.804
表4区分效度检验结果
Tab.4
Distinct validity test results
社会影响绩效期望财务风险疫情感知风险促进条件努力期望行为意向
A VE
0.5920.5630.7620.7280.6320.6600.580
社会影响0.7690.453-0.2390.4560.5330.1230.669
绩效期望0.750-0.1080.2060.2410.2720.554
财务风险
0.873-0.109-0.127-0.029-0.347
疫情感知风险
0.8530.2430.0560.389
促进条件
0.7950.0660.553
努力期望
0.812-0.109
行为意向
0.762
拟合指数（IFI ），指标及评价结果见表5。各指标取值均在合理区间内，表明模型拟合程度良好，各潜变量之间的结构效度较好。
表5
结构方程拟合指标
Tab.5
Structural equation fitting index
指标名称合理区间模型参数评估结果
卡方自由度比<0.05优秀
<3良好<5可接受1.370良好
RMSEA
时代汽车<0.05优秀<0.08良好0.059良好
TLI
>0.900.921接受
CFI
>0.900.933接受
IFI
>0.900.935接受
3.2假设结果分析
结构方程模型和标准化路径系数β见图2。其中，显著路径用实线表示，不显著路径用虚线表示。
由图2可见：除假设H2（疫情感知风险对行为意向有显著正向影响）不成立以外，所有假设均成立。
疫情感知风险对于共享汽车的接受意向影响可能是双向的，在给出行者提供便利的同时，使用共享汽车的风险也为出行者带来了顾虑，抵消了部分的正向作用。2个方面的因素共同导致疫情感知风险对共享汽车接受意向的正向影响不显著。在对共享汽车接受意愿的影响因素中，绩效期望（β=0.53，P <0.001）对接受意愿的正向影响最为显著，促进条件（β=0.40，P <0.01）、社会影响（β=0.34，P <0.05）对接受意愿有显著正向影响，财务风险
（β=-0.19，P <0.05）、努力期望（β=-0.30，
P <0.01）对接受意愿有显著负向影响。另外，社会影响对绩
效期望（β=0.40，P <0.001）、疫情感知风险（β=
发布评论