《表9 结伴对列车选择的影响(随机效应+有序多分类回归)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《结伴出行推动消费升级:基于铁路大数据的分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:1．因为传统的点估计（point estimation）方法难以估计海量数据下的3维随机项（个体、时间、次数），该分析使用了变分贝叶斯估参．2．“a”表示该参数后验的均值在95%的可信区间内不包括0.

对于座位等级的选择，为降低计算量和比较组数，将2（动车二等座和普速列车硬卧）和3（高铁二等座、动车一等座和普速列车软卧）合并为2（中等座位），4（高铁商务座、高铁一等座）变成了3（高等座位），1（普速列车硬坐）维持不变（普通座位）（7）．由于变换后的等级2的座位占比超过八成，故这里只比较等级为3和2的座位、等级2和1的座位，来检验结伴出行对于座位选择的作用．表13和表14分别展示了这两组Logit回归的结果．从表13（1）栏和表14（1）栏可以看出，结伴出行者在两种情况下都显著正向影响对高等座位的选择:在三等座位和二等座位的选择中显著正向影响对三等座位（β=0.053 0，p<0.01）的选择，在二等座位和一等座位的选择中显著影响对二等座位（β=0.137 4，p<0.001）的选择．从表13（2）栏可以看出，在三等座位和二等座位之间选择时，女性（β=0.076 3，p<0.01）结伴和长者（β=0.003 4，p<0.01）结伴显著正向影响三等座位（更高等的座位）的选择．从表14（2）栏可以看出，在二等座位和一等座位之间选择时，女性（β=0.065 5，p<0.01）结伴和与长者（β=0.008 1，p<0.001）结伴显著正向影响二等座位（更高等的座位）的选择．所以在Logit模型的设置下，结伴出行对于座位选择的分析结果和主分析依旧保持高度一致．