【香樟推文1015】北京汽车限行对个体出行行为的影响

香樟经济学术圈2019-06-05 01:49:34
推文信息

原文信息:Yizhen Gu, Elizabeth Deakin, Ying Long, The Effects of Driving Restrictions on Travel Behavior Evidence from Beijing, Journal of Urban Economics (2017)

图片来源:百度图片


1
  研究背景


汽车限行在很多城市实行过,大量研究质疑了这类政策的有效性: Davis (2008) 使用断点回归的方法,限行哥城市的限行对于空气质量没有显著影响;Viard and Fu (2015)发现北京的限行降低8%的PM10浓度,但是对于同一个政策, Lin et al. (2011) 发现没有显著效果;Grange and Troncoso (2011) 发现智利首都圣地亚哥的车辆的永久限行降低了大约5.5%的交通流量。


此外,家庭住户的调整适应行为可能导致限行只是短暂有效,比如购买额外的车辆。Eskeland and Feyzioglu (1997) and Davis (2008) 验证了调整性行为:发现墨西哥城市的汽油销量和汽车拥有率显著提高。另外一个批评的观点是:限行忽略了人们对于使用汽车的愿意支付的异质性。但是此类研究非常少,一个特例是Viard and Fu (2015) 使用工作者的电视观看率来间接测量出行受限和劳动供给的关系。


该文是第一篇使用微观数据去估计汽车行驶受限对于个体出行行为的影响的文章。


2

 研究对象


本文研究的政策是,北京自2009年4月开始实行的工作日时,五环路以内和部分其它道路的尾号限行:周一限行1和6,周二限行2和7,周三限行3和8,周四限行4和9,周五限行0和5。对于每一个尾号对(1&6, 2&7, 3&8, 4&9, 0&5)来说,限行的日子每13周轮换一次。限行的时间是早上7:00到晚上8:00。在2010年底,北京大约有480万辆注册的车,所以平均来说,每个工作日有100万辆车限行。但是由于4是不吉利的数字,注册的车辆中以4结尾的车辆会少一些。


3
 数据介绍


本文采用的是北京市政府组织调查的2010年的住户交通调查。调查采取1%的样本率,选择了北京市1911个交通分析区的1085个区域,每个区域有10-50的住户接受面对面的调查。最终的样本有46,900家庭的116,142位家庭成员。调查包括了每一个家庭成员一天的交通情况,家庭的信息和其他个人信息。在样本中,有71.1%的家庭没有私人汽车,26.7%的家庭有一辆,2.2%的家庭至少有两辆车。


由于调查是在2010年9月8日到2010年10月31日的不同日子进行的,所以作者控制了通行行为的周变化。此外,在样本调查期间,尾号数字在2010年10月10日轮换过一次。根据该调查,以4结尾的车牌号大概只有2.4%。所以限行4和9的日子里,大概只有13.6%的车辆被限行,低于均值21.6%,这时,道路更加拥挤。


为了研究限行对于通行频率的影响,作者基于原始的数据构建了一个出行的数据库。在这里,通行被定义为具有某种目的的两个交通点之间的通行,包括通勤和逛街等。在每一次通行中,交通模式被定义为使用的最长距离的交通工具,当有两个及以上的交通工具具有相同距离时,选择流动性大的交通工具(比如汽车)。


作者把样本分为了家庭是否住在五环以内,因为只有五环以内才限行。该文还构建了位置变量,来控制行驶的空间变化: 北京的老城区和郊区,离最近地铁站的距离,以长安街为分界线的公共交通的供给,见图1。



作者使用了三个不同的样本:驾驶者,驾驶者的通行次数和非驾驶者。


在第一个样本中,定义虚拟变量 “限行”为1 如果调查日为限行日,大概有20%的驾驶者在调查日被限行。有35%的驾驶者在调查日的前一天或者后一天被限行,用于检验汽车在非限制日行驶的跨期替代。


在第二个样本中包括了驾驶者在工作日的出行信息,以此,作者检验驾驶者的适应机制。作者进一步考虑三个子样本:在限行地区的家庭拥有一辆汽车的5,123个驾驶者,在非限行地区的家庭拥有一辆汽车的3,874个驾驶者,在限行地区的家庭拥有两辆及以上汽车的61个驾驶者。


第三个样本用来检验对通行频率的不均衡影响,包括限行地区的家庭没有任何汽车的32,170个非驾驶者和21%的非驾驶者在限行尾号4&9的日子接受样本调查。


4
研究方法


作者使用一个基于活动的交通理论的简单框架,来解释限行对于个体出行行为的影响。


假设效用最大化驾驶者i为了某个特定的活动,综合选择交通模式和出行时间。由于作者没有展开这个理论,这里省略。


在第一个样本中,作者使用以下回归方程:




5
  结果


估计方程4.2的每日汽车通行的频率的结果请见表4。结果表明,限行显著降低了受限地区的驾驶者出行的频率大约是每个工作日0.25-0.3,或者说,平均出行数值的15.5-18.6%。



然后,作者估计了二元Logit模型,去看驾驶者是否在调查日当天有出行,请看表5。结果表明,限行显著降低了受限地区的驾驶者在工作日使用汽车至少出行一次的概率8.1%-8.9%。



表6显示的是对于不同的驾驶者的不同效应。



对于调整适应机制,使用其他交通工具,使用非受限的汽车,在非受限的时间出行和违反规定,请见表7,表8和图2。


在主要结果的最后,作者估计了方程4.4,结果请见表9。


原文还进行了一系列的稳健检验,比如,使用不同的估计方程,在不同级别类聚标准误差,进行安慰剂检验,增加样本权重,详情请见原文。

亲爱的读者,如果您从阅读本文中得到启发,或者受益,请您为本文打赏,以感谢推文者的辛苦工作,鼓励她(他)下一期提供更精彩的推文(香樟打赏直接给每期的推文作者)。


声明

推文仅代表文章原作者观点及推文作者的评论观点,并不代表香樟经济学术圈公众号平台观点。


香樟经济学术圈征稿

香樟致力于提供学术研究公共品,对香樟最好的回馈就是向平台赐稿。联系邮箱:cectuiwen@163.com。


香樟经济学术圈
本期小编:汪海建


Copyright © 日本跟团价格联盟@2017