综合交通枢纽作为城市对外运输方式与市内轨道交通、常规公交、出租车等方式的物理衔接空间，承担着城市内外的客货运中转功能，在城市交通系统中扮演着重要角色，也是城市形象与治理水平的具体体现。随着生活水平的提高，人们对交通出行的认知已逐渐由“物理上的空间位移需求”向“心理上的综合服务体验”转变，对出行服务的要求更加注重品质化。而现今综合交通枢纽存在着衔接方式不匹配、换乘通道不便捷、组织流线不顺畅等问题，严重影响着居民出行体验。研究综合交通枢纽的乘客满意度可有针对性地提升服务水平，改善枢纽运营品质以及核心竞争力，引导综合交通枢纽向人性化、高效化、一体化健康发展。

随着近年来各城市对综合交通枢纽发展的愈加重视，关于综合交通枢纽的研究逐渐兴起，主要集中于选址布局与客流组织优化方面。Yuan等^[1]基于遗传算法进行了交通枢纽布局选址优化；Kalyuzhnyi等^[2]构建了一种交通枢纽选址规划的数学模型；李婷婷等^[3]提出了基于分层布局的城市群综合客运枢纽优化模型；任其亮等^[4]构建了组团城市换乘枢纽的双层规划选址模型；余跃武等^[5]构建了考虑公交优先与财政投入等多目标的客运枢纽客流标识导向优化模型；吕慎等^[6]基于乘客平均候车时间模型进行了交通枢纽的公交换乘优化；鲁晨等^[7]构建了综合交通枢纽内客流换乘组织优化模型；寇俊等^[8]基于多项Logit构建了分时段的客运铁路枢纽客流分配模型^[8]。

已有研究侧重于综合交通枢纽本身的规划布局、硬件设施及客流组织优化，以此提升综合交通枢纽的服务质量，但乘客对其服务质量提升效果的感知尚未明确，需从乘客心理感受角度开展综合交通枢纽的满意度研究，形成其满意度影响因素的定量分析方法。本研究基于改进的中国顾客满意度指数模型构建了综合交通枢纽的乘客满意度影响因素分析模型，分别运用一阶、二阶结构方程模型对各因素与乘客满意度之间的影响关系进行定量对比验证，从乘客心理感知角度为政府部门及运营企业改善综合交通枢纽的服务质量提供了理论支撑。

中国顾客满意度指数模型(China Customer Satisfaction Index，CCSI)由中国标准化研究所与清华大学于2002年共同提出，描述了顾客对产品或服务的消费认知过程。CCSI认为顾客满意度及忠诚度取决于顾客对产品或服务的期望质量与感知质量的价值衡量以及企业品牌形象的复合作用，目前已被广泛应用于社会学、管理学等各个研究领域，但其解释能力有限，各研究仍会对CCSI模型进行适应性的改进(包括融入新变量与调整路径关系等)^[9-11]，以期探索出更具有行业针对性、更高解释能力的满意度影响因素分析模型，CCSI模型框架见图 1。乘客作为综合交通枢纽的服务对象，其对综合交通枢纽的满意度也是一种顾客满意度，因此CCSI模型可作为乘客满意度影响因素分析的基础理论框架。

图 1 CCSI模型框架 Fig. 1 CCSI model framework

结合综合交通枢纽的服务特性，将CCSI模型中的感知质量、期望质量、品牌形象具体化为感知服务质量、期望服务质量、枢纽形象，基于CCSI模型既有路径关系，提出研究假设：感知服务质量正向影响乘客满意度(H₁)；期望服务质量负向影响乘客满意度(H₂)；枢纽形象正向影响乘客满意度(H₃)；期望服务质量负向影响感知服务质量(H₅)；枢纽形象正向影响期望服务质量(H₆)；乘客满意度正向影响顾客忠诚度(H₇)。考虑到CCSI模型中的感知价值旨在探究价格因素对满意度的影响，而综合交通枢纽中的价格因素主要体现在交通方式的出行费用，而不在枢纽本身，故剔除感知价值变量。此外，综合交通枢纽的交通区位条件在一定程度上决定着其换乘接驳功能及可达性^[12]，由交通区位条件不同所产生的出行时间成本、费用成本差异会直接影响出行者的出行体验，进而影响其满意度，故新增变量交通区位，并假设交通区位正向影响乘客满意度(H₄)。研究假设路径关系见图 2。

图 2 研究假设 Fig. 2 Research hypothesis

结合李克特五点评分量表以观察变量(测量题项)对不可直接观测的潜变量进行定量测度，从“非常不同意(=1)”到“非常同意(=5)”的五点评分表达受访者对调查问卷测量题项中相关描述内容的心理认可程度。期望服务质量、感知服务质量、枢纽形象的构念涵盖多方面的复杂内容，若仅以一阶测量模型测度会造成题项冗杂且题项间相关性太高，模型拟合结果不可信，故采用二阶测量模型对此3个潜变量分别设立一级测量指标与二级测量题项以进行构念简化，进而减少模型测量误差。而交通区位、乘客满意度、乘客忠诚度3个潜变量构念清晰，可直接以二级测量题项予以测度。为对比分析一阶模型与二阶模型的估计效果，一阶模型中所有潜变量直接以二级测量题项予以测度，具体测量指标及题项见表 1。

为同时探究本研究模型中多个概念较为抽象、不可直接测量的潜变量之间的影响关系，通过多元统计分析方法结构方程模型进行数据分析。结构方程模型是基于变量的协方差矩阵来分析变量之间关系的一种统计方法，可同时处理多个因变量之间的作用关系，并可利用观察变量(测量题项)有效测量概念较为抽象、不可直接测量的潜变量，在心理学、教育学、社会学等研究领域已有广泛应用^[13-15]，但在交通研究领域的应用仍处于起步阶段。

结构方程模型基本原理是通过因子分析计算潜变量与观察变量间的关系(因子载荷系数)以得到潜变量的观测值，并以此观测值计算多个潜变量之间的相关系数，二者分析在结构方程模型中同步进行，故能够在分析自变量对某一因变量的作用关系时，避免忽略其他因变量的客观存在及其影响。其包括测量模型与结构模型两部分，测量模型用于描述观察变量与潜变量之间的关系，结构模型用于描述各潜变量之间的关系。

一阶模型：

(1)

(2)

二阶模型：

(3)

(4)

式中，X为外生显变量(T₁~T₉、TL₁~TL₃)构成的向量；ξ为外生潜变量(枢纽形象TI、交通区位TL)构成的向量；Λ_X为X对ξ的因子载荷矩阵；δ为由X的观测误差构成的向量；Y为内生显变量(E₁~E₉、P₁~P₁₂、PS₁~PS₄、PL₁~PL₃)构成的向量；η为内生潜变量(一阶模型中包含期望服务质量EQ、感知服务质量PQ、乘客满意度PS、乘客忠诚度PL，二阶模型中另包含EQ₁~EQ₃、PQ₁~PQ₄、TI₁~TI₃)构成的向量；Λ_Y为Y对η的因子载荷矩阵；ε为由Y的观测误差构成的向量。

一阶模型：

(5)

二阶模型：

(6)

式中，B为内生潜变量η(一阶模型中包含期望服务质量EQ、感知服务质量PQ、乘客满意度PS、乘客忠诚度PL，二阶模型中另包含EQ₁~EQ₃、PQ₁~PQ₄、TI₁~TI₃)的结构系数矩阵，反映模型中内生潜变量间的作用大小；Γ为外生潜变量ξ(枢纽形象TI、交通区位TL)的结构系数矩阵，反映外生潜变量ξ对内生潜变量η的作用大小；ζ为内生潜变量的误差向量。

采用最大似然法对模型进行参数估计，检验模型所生成的测量变量协方差矩阵与样本协方差矩阵的接近程度(拟合度)，模型拟合度越好，参数估计结果越准确，相关运算通过Mplus软件完成。

结合问卷调查所得数据对模型的内在质量(信度、效度)以及外在质量(模型整体的拟合优度)进行检验。信效度检验通过验证性因子分析方法对检验组合信度值(Composite Reliability, CR)、平均方差抽取变异量(Average Variance Extracted, AVE)，良好的信效度要求因子载荷与CR大于0.7，AVE大于0.5^[16]。

模型整体拟合优度检验指标包括：卡方自由度比(χ²/df, 也称规范卡方)、近似误差均方根(Root Mean Square Error of Approximation, RMSEA)、比较拟合指数(Comparative Fit Index, CFI)、非规范适配指数(Tacker-Lewis Index, TLI)、标准化残差均方根(Standardized Root Mean Square Residual, SRMR)。良好的模型适配度要求拟合优度指标χ²/df属于1~3范围内，CFI与TLI均大于0.90，RMSEA与SRMR均小于0.08^[17]。

以重庆市典型综合交通枢纽的乘客为调查对象，在设计初始问卷基础上，通过预测试收集的数据检验问卷的信度与效度，根据测试结果适当调整问卷测量题项以得到最终正式问卷。调查于2019年12月在主城区重庆北站、重庆西站、沙坪坝站3个综合交通枢纽采用分层随机抽样方式发放正式问卷1 000份，剔除不认真填答、缺失值个数大于3，连续选择极端值超过5个的样本，最终共回收有效问卷857份，有效回收率85.70%。有效问卷中，受访者男女比例约各占50%，年龄主要集中在18~40岁之间(59.01%)，受教育程度多为本科层次(35.10%)，平均每月到调查所在枢纽站场出行次数最多为3~4次(35.29%)，样本数据结构受调查抽样方式、调查时间、调查地点的影响而具有一定的随机性，具体统计信息见表 2。

利用Mplus软件对一阶模型与二阶模型分别进行验证性因子分析得出卡方值χ₁²和χ₂²，然后计算目标系数T=χ₁²/χ₂²=0.96(接近1.0)，表示适合采用二阶测量模型对潜变量进行构念简化^[18]，以增强模型的解释能力。

一阶、二阶模型的因子载荷系数计算结果见表 3，一阶模型CR值较二阶模型略高，二阶模型AVE值较一阶模型有显著提升。两个模型各潜变量的CR值均大于0.8，表明模型同一潜变量的测量指标之间的内部一致性较好，满足信度要求；测量指标、测量题项的因子载荷均大于0.7，各潜变量的AVE均大于0.5，模型聚合效度良好。综上所述，模型具有良好的内在质量。

模型拟合优度相关检验指标计算结果见表 4，χ²/df，RMSEA，CFI等全部检验指标均在可接受的范围内，模型拟合优度符合检验标准，模型具有良好的外在质量。且二阶模型的各检验指标优于一阶模型，表明二阶模型适配性更好。

标准化路径系数β可反映各变量间的影响作用大小(负号表示负向影响作用)，内生潜变量的多元相关平方(Square Multiple Correlation，SMC)即R²可反映相应变量及整体模型的解释能力。结构方程模型标准化路径分析结果见表 5，图 3，图 4(为简明起见，图 4中未标注一级测量指标的R²)。

图 3 一阶结构方程模型标准化路径分析结果 Fig. 3 Standardized path analysis result using first-order structural equation model

图 4 二阶结构方程模型标准化路径分析结果 Fig. 4 Standardized path analysis result using second-order structural equation model

二阶模型各潜变量对乘客满意度的影响作用按大小排序依次为感知服务质量(0.72^***)、交通区位(0.58^***)、期望服务质量(-0.40^**)，枢纽形象对乘客满意度的影响作用不显著(β=0.35，P>0.05)；期望服务质量对感知服务质量的负向影响作用较低(-0.33^**)，其受枢纽形象的影响作用也较低(0.31^**)；乘客满意度对乘客忠诚度的影响作用最为显著(0.75^***)。两个模型中除枢纽形象对乘客满意度的影响作用不显著外，其余变量间的影响关系均达到95%置信度的显著性(P < 0.05)，故H₃不成立，其余关于潜变量的假设均成立。二阶模型路径系数较一阶模型略高，表明一阶模型中的影响作用会被低估。二阶模型期望服务质量、感知服务质量能够解释乘客满意度变异量的62%(R²=0.62)，乘客满意度能够解释乘客忠诚度变异量的59%(R²=0.59)，均达到中等偏上水平且比一阶模型提升7%，模型整体解释能力良好。

由标准化路径分析结果可知，影响被访乘客对综合交通枢纽满意度的最为关键因素是其服务质量，乘客感知到的服务质量越高，其满意度就越高，服务质量主要体现在枢纽的舒适性、安全性、便捷性、移情性等方面，其中便捷性(购票、检票、换乘等方面的便捷性)是服务质量的最重要因素，其因子载荷系数最大(0.87)；新增变量交通区位对满意度的影响作用(正向影响)仅次于感知服务质量，表明综合交通枢纽的交通区位条件越好，被访乘客的满意度就越高；枢纽形象对满意度的影响不显著，表明被访乘客现暂未十分关心枢纽的形象品质；乘客满意度是其忠诚度的决定性因素，二者之间的影响作用在模型中最为显著，表明乘客对某一综合交通枢纽的满意度越高，未来继续到该枢纽出行或推荐他人到该枢纽出行的意愿就越高。

本研究基于改进CCSI模型, 构建了综合交通枢纽的满意度影响因素分析模型，通过实证分析，利用结构方程模型定量，验证了潜变量与测量变量以及各潜变量之间的相互影响关系，拓展了综合交通枢纽满意度的影响因素，为提升综合交通枢纽的服务水平提供了决策依据。研究发现感知服务质量对综合交通枢纽的乘客满意度具有最显著的影响作用，故政府部门在把控综合交通枢纽的建设方向以及制订相关管理政策时，应重点关注提升乘客对综合交通枢纽的舒适性、安全性、便捷性、移情性等方面的出行体验。研究通过对比分析得知二阶模型较一阶模型在整体适配度、影响作用评估能力(标准化路径系数)与变量解释能力方面得到了显著提升，表明二阶模型对综合交通枢纽满意度研究领域具有更好的适用性。但研究尚未考虑不同社会群体的属性特征对模型变量的调节效应，模型针对不同社会群体的适用性有待进一步验证。