吴 刚，宁得春，陈兰芳，邹泓瑶

(1.四川旅游学院 经济管理学院，四川 成都 610100; 2.西南交通大学 交通运输与物流学院，四川 成都 610031； 3.中铁四院集团西南勘察设计有限公司，云南 昆明 650214)

0 引言

高速铁路因快速、安全、舒适、环保等特点在运输市场中极具竞争力。随着社会经济不断发展，人们越来越注重铁路客运服务的质量，不仅在乎出行过程，更注重的是出行体验。客运服务包含旅客与铁路系统互动过程的各个环节，若有某一环节处理不好，旅客满意度就会受到影响。这些问题已引起学者的关注。Piyali Ghosh等[1]以坎普尔中央车站为研究对象，运用回归分析确定旅客满意度模型，结果显示坎普尔车站的设施设备满意度较差，亟需改善车站的基础设施。徐春婕等[2]引入粗糙集理论确立高铁客运站满意度评价指标权重，并运用模糊综合评价法对其进行验证。Eboli Laura等[3]则以结果评价为目的，建立了基于模糊理论的多层次模糊综合评价模型，根据评价结果找出旅客服务感知差异。温碧燕等[4]从旅客视角，将列车服务质量划分为不同维度，探究列车各服务环节与旅客满意度之间的关系。冯运卿[5]阐释旅客出行满意度时，运用多角度粗糙集理论发现其影响因素。崔袁丁等[6]在此基础上，运用树模型构建评价指标体系，借助贝叶斯网络特有概率计算旅客服务质量。综上所述，现有研究主要集中在对满意度结果评价，较少关注过程控制，基于全过程研究高速铁路旅客服务的则更少。关于铁路客运服务过程的研究，对服务属性的确定、服务阶段的划分等问题均还处在概念阶段[7]。而且，既有研究将评价结果和指标近似线性处理，求解过程繁琐，指标权重主观性较大。为研究旅客在高速铁路服务过程中影响其满意度的关键点，论文从服务接触(Service Contact，简称SC)视角出发，构建了高速铁路旅客满意度评价模型，运用结构方程模型(Structural Equation Model，简称SEM)对结果进行分析验证。

1 高速铁路旅客满意度模型构建

1.1 高速铁路客运服务接触阶段

最早提出SC的是Norman[8]，他认为顾客和员工之间的互动会影响顾客对服务质量的看法。而由Zeithaml提出的服务接触链(Service Contact Chain，简称SCC)是指服务过程中的每个小环节组成的链条，链条上的每个点，即每次服务接触会影响顾客对服务质量的看法。因此容易通过SC的关键点来判断顾客对服务质量看法的影响因素。

乘客从购票开始，经过取票、安检、候车、乘车，出站等环节，这些环节共同构成了一个完整的SCC(图1)。

图1 高速铁路客运SCC

由图1可知，高速铁路客运SCC包括进站、候车、列车和出站4个SC阶段，涉及旅客与工作人员、设施设备、信息等的接触。

1.2 高速铁路旅客满意度理论模型构建

诸多研究发现，为给旅客提供更好的服务，做好关键服务接触点的管理是提高服务质量的有效途径。丁韵[9]以网购民航机票为研究背景，在建立顾客满意度和忠诚度模型时，引入顾客参与因素，发现前者对后者有显著影响。刘丽等[10]在电商环境下，用SEM证实了顾客忠诚度受满意度的间接影响。任威等[11]也应用SEM来研究旅客对高速铁路客运站的满意度，以此体现该站的服务水平。曹灿明等[12]发现企业形象、服务质量对高铁客运的旅客满意度有较大影响。基于相关研究，构建以四个阶段的SC作为外生潜变量、旅客满意度和忠诚度作为内生潜变量的高速铁路旅客满意度理论模型(图2)。

图2 高速铁路旅客满意度理论模型

2 模型的检验和分析

2.1 调查问卷指标体系

影响高速铁路旅客满意度的相关指标如表1所示，并据此设计调查问卷。

表1 高速铁路旅客满意度问卷测量量表

问卷采用里克特7级量表法收集样本数据，并在高铁成都东站、成都南站和峨眉山站发放问卷，问卷回收数量为321份，除去无效部分，问卷有效数量为284份，问卷的可用率为88.47%。

2.2 数据分析

(1)信度分析

对量表的信度分析见表2，所有潜变量的Cronbach’sα系数均大于0.7，总体信度为0.934，问卷信度良好。

表2 信度分析

(2)效度分析

采用因子分析方法检验数据的结构效度，对样本数据进行KMO值和Bartlett球形检验(表3)。结果表明变量间效度好，可用于SEM。

表3 KMO和Bartlett检验

2.3 模型拟合

根据图2的理论模型绘制SEM图，在AMOS中对模型求解，结果见图3。

图3 初始模型的路径系数图

显著性检验结果表明，出站SC、候车SC、列车SC对旅客忠诚度的路径均未达到显著水平。对模型的适配度再次进行评定，得出数据与理论模型的适配度，见表4。

表4 适配参数初步估计

表4中，CMIN/DF值为3.954<5，说明拟合的整体效果较好；RMSEA为0.102>0.08，CFI为0.828<0.90，IFI为0.830<0.90。可见，需要对初始模型进行修正。

2.4 模型修正

修正时逐一去除不显著路径，修正一次只去除一条路径，直至所有路径均显著。从P值最大的路径“候车SC→旅客忠诚度”开始。其后，根据SEM输出的MI指标，在观测变量的残差间增加双向箭头，以减少卡方值，提高拟合度。最后，检验修正后模型的适配度，见表5。

表5 修正后模型的适配度

从表5可知，修正后的模型拟合水平良好，最终高速铁路旅客满意度模型如图4所示。

图4 修正后的模型结构

3 结论

(1)各路径对旅客满意度的影响系数依次为列车SC(0.235)、候车SC(0.227)、出站SC(0.218)、进站SC(0.182)，均为正向影响并依次递减。其中列车SC对旅客满意度影响最大。因此，高铁运营企业应关注进站、候车、列车、出站等服务接触质量，尤其要注重改善列车服务质量。

(2)影响旅客忠诚度的路径包括4条间接影响路径和1条直接影响路径。其中，“列车SC→旅客满意度→旅客忠诚度”为关键路径。这意味着，虽然高铁运营企业可以从多个途径提高旅客忠诚度，但以旅客满意度为中介变量，列车SC才是改善旅客忠诚度的关键所在。