EN中文

GEOGRAPHICAL RESEARCH >

2014 , Vol. 33 >Issue 8: 1477 - 1488

DOI: https://doi.org/10.11821/dlyj201408008

Orginal Article

SEM-based study on the characteristics of business activities

  • ZHAI Qing , 1 ,
  • ZHEN Feng , 2, 3 ,
  • Wang Xia 1 ,
  • CHEN Ying Xue 1
Expand
  • 1. School of Geographic and Oceanographic Sciences, Nanjing University, Nanjing 210093, China
  • 2. School of Architecture and Urban Planning, Nanjing University, Nanjing 210093, China
  • 3. Human Geography Research Center, Nanjing University, Nanjing 210093, China

Received date: 2013-11-08

  Request revised date: 2014-02-25

  Online published: 2014-08-10

Copyright

《地理研究》编辑部
Fold

Abstract

The combination of information and communication technology (ICT) and rapid transit technology in today's information age has accelerated the spatio-temporal fragmentation of activities and has influenced travel behavior. Information and transportation networks are embedded in the “space of flows,” thus becoming a major component of simultaneous social interactions. “Mobility elites” connect physical and information flows with the new mobility paradigm. Changes in the behavioral activities of mobility elites under a novel background is worthy of further study because business people comprise a vital sector of the high-mobility population. In this empirical study, we analyzed the influence of ICT and transportation on business activities using a sample of sales team members of a multinational corporation in the medical device industry in Nanjing, China. We collected spatio-temporal data on 11 members of the selected sales team for 7 consecutive working days through global positioning system details, activity diaries, and in-depth interviews.We derived the following conclusions through structural equation modeling. First, the use of ICT and that of rapid transit technology in business are correlated (correlation coefficient = 0.439). The combined application of ICT and rapid transit technology promotes the integration of business activities in both cyber and physical spaces, results in a “new mobile paradigm” for business activities, and leads to the emergence of activities that serve as an external manifestation of the space of flows. Second, rapid transit technology significantly and positively influences business activities by affecting place type, flow state, and spatial distribution. It plays a more important role in business activities than ICT does (path coefficient = 0.709). The combination of high speed rail-based cross-city mobility and taxi-based inner-city mobility results in the seamless connection between places and, consequently, in the spatial fragmentation of business activities. Third, ICT directly (path coefficient = -0.060) and indirectly (path coefficient = 0.015) affects business, as its use leads to the temporal fragmentation of business activities. Business travel occurs between 9:00 to 18:00, whereas actual business operations occur between 18:00 and 22:00.

Key words： information and communication technology; rapid transit technology; business people; behavioral activities; structural equation modeling

Cite this article

ZHAI Qing , ZHEN Feng , Wang Xia , CHEN Ying Xue . SEM-based study on the characteristics of business activities[J]. GEOGRAPHICAL RESEARCH, 2014 , 33(8) : 1477 -1488 . DOI: 10.11821/dlyj201408008

1 引言

伴随着移动信息技术的使用和多样化交通方式的出现,信息网络和交通网络内嵌入流空间,成为实现瞬时社会互动的物质组合[1]。相应地,各种流的流动性发生着从“位移范式”(displacement paradigm)到“新流动范式”(new mobilities paradigm)的转变[2]。流动不再是纯粹为减少出行成本的位移,而是频繁使用移动信息设备更加合理协调活动需求的移动。新流动范式强调场所的网络覆盖和交通连接,强化每一个场所之间的联系。在新流动范式的重新配置中,固定时空中商务出行的模式更加多样化,行为活动的“多任务”形式逐渐产生[3]。行为活动与区位的固定关联被打破,时空对应关系由一对一转变为一对多,如Couclelis提出的活动碎片化假说(the fragmentation of activity):活动被瓦解了[4-6]。基于此,信息技术与行为活动的关系研究成为地理学与交通学关注的重要议题。
在信息技术与行为活动关系的理论和实证研究中,学者们认为二者之间主要存在替代、互补、修正、中立(Substitution, Complementarity, Modification, Neutrality)四种关系[7-14]。但是,二者之间的关系因行为活动类型的不同而存在差异[15-18]。出于信息技术的使用对减少或改变工作出行、减少交通拥堵的潜力,学者们对远程办公表现出极大的研究兴趣[19]。理论研究表明,信息技术对商务活动的短期、直接影响更倾向于替代效应(substitution effect),长期、间接影响更倾向于互补效应(complementarity effect)[9]。远程办公促使工作活动分布更加广泛,增加商业活动的分散化[20]。实证研究发现,远程办公对员工的工作满意度没有负面影响[21],但是,远程办公没有像学者早期预测的那样有效减少出行[22,23]。居家办公(home-based telecommuting)导致远程办公者工作相关出行的减少以及活动空间的收缩[24,25],是远程办公形式中对出行行为影响最大的办公类型。
为了更加深入探讨移动信息技术与出行行为之间的关系,西方学者选择商务人士这一“流动精英”群体进行实证研究。一方面,学者研究信息技术与商务出行之间的关系。Valenduc指出移动信息技术使用与长时间出行存在显著关联[26]。Lenz指出笔记本用户的时空活动更加破碎化,有更高的出行需求,并且高出行频率诱导信息技术的使用需求[27]。Graaff建议在分析信息技术使用和远程办公的关系时,考虑时间和经济成本的影 响[28]。Westenholz以IT业工作者为例,实证确定了四个“时间特性”(time identity)用于了解商务出行时间的作用和使用[29]。另一方面,在交通研究中学者不再将商务出行和商务办公区分开,并侧重分析商务出行时间的使用。商务出行最初仅被视为商务工作的衍生需求,但是,凭借移动信息技术的效率、便利优势,商务人士可以充分利用原本“破碎”、无法利用的时间(dead time)[30]。商务出行时间的使用价值得到提升[31],尤其是手机的使用正潜在改变商务人士对出行时间的利用。出行时间成为与工作有关的“任务景观”(task-scape)的一部分[32],即出行过程中的办公环境几乎与传统办公的等同,成为完成工作任务的场所之一。总之,研究表明,商务人士以飞机、火车等交通方式出行时,借助笔记本电脑、手机等移动信息设备完成工作任务,形成新的办公形式——移动办公。
近些年来,随着信息化基础设施网络完善和高铁网络的建设,中国城市居民的行为活动正受到高铁和移动信息技术的双重影响,并引起学者对此的研究兴趣。研究主要集中在以下两个方面:① 信息技术与城市居民出行关系研究。信息技术从家庭层面和居民个人层面影响到出行行为,导致新的家庭行为空间的出现——居家办公减少了日常的工作出行,网络活动替代部分日常活动出行[33,34]。由于数据采集由传统活动日志调查扩展到基于GPS、LBS的移动数据采集,相关研究更加精细化[35]。② 高铁与城市居民出行关系研究。沪宁高铁、京津高铁强化了沿线城市居民的城际出行,城际通勤周期模式更加多样、灵活,商务出行的跨城流动占据主导地位[36-38]。国内外学者关注于信息技术与行为活动、交通与行为活动之间的关系研究,并取得一定的研究成果。但是,移动信息技术的进步及其应用与高速铁路的加快建设必然对“流动精英”的行为活动产生新影响,这一全新的社会现象需要学者们予以深入研究。因此,本文尝试以医疗器械行业某跨国公司的南京销售团队为例,探索商务人士行为活动在移动信息技术的广泛应用和多样化交通方式的影响下表现出的新特征。文中所指的商务活动包含商务办公和商务出行两方面。

2 数据来源与研究方法

2.1 研究对象与研究区域

研究对象是医疗器械产业的某跨国公司南京销售团队的11位成员(表1)。选择该样本主要出于以下原因:一是受访者在商务出行中具备频繁使用信息技术和高频率跨城流动的特征,属于高流动人群;二是研究证明企业规模大的公司接收信息技术更快、使用信息技术的概率更高,尤其是跨国公司中一个部门或团队使用信息技术的优势突出[39,40]。该跨国公司重视信息设备在员工工作中的应用,企业建有公司内网,且为每一位员工配备了笔记本、密钥①(① 当公司员工需要登陆企业内网时,密钥发送登陆申请,再接收由企业内网发送的登陆密码。),要求其在工作时间内随身携带,每天至少一次借助这些设备与公司协调工作、汇报工作进展。以上两点说明选择南京销售团队为研究对象满足研究需求。
Tab. 1 Basic information about the respondents

表1 受访者基本情况

编号 性别 年龄(岁) 学历 职位 一周跨城流动次数 随身携带终端设备
高铁 长途大巴 飞机
1 男 31~40 本科 工程师 6 2 0 手机、笔记本、密钥
2 男 21~30 本科 工程师 2 2 0
3 男 21~30 本科 销售 0 0 2
4 女 31~40 本科 市场推进 6 0 0
5 男 21~30 本科 销售 10 0 0
6 男 21~30 本科 工程师 2 3 0
7 男 21~30 本科 工程师 1 2 2
8 男 21~30 大专 工程师 0 3 3
9 男 31~40 本科 销售 1 0 4
10 女 21~30 本科 主管 3 1 0
11 女 21~30 本科 销售 2 0 2
研究区范围是南京销售团队的商务活动范围,主要包括沪宁高铁沿线城市和公司总部北京。沪宁高铁于2010年7月1日正式通车,是中国“四横四纵”快速客运专线之一。沪宁高铁沿途停靠南京、镇江、丹阳、常州、无锡、苏州、昆山和上海等8个长三角重要经济城市,该区域既是长三角都市圈的重要组成部分,也是中国经济最发达、市场化程度最高的区域。在长三角地区内,高铁相对于飞机和汽车的优越性是显而易见的:出行成本低、正点到达的可靠性高,乘坐高铁频繁往返于中短地理距离的城市之间是完全可行的。因此,高铁出行是受访者跨城流动的主要方式(表1)。

2.2 数据来源与研究方法

商务人士的行为活动具有时间灵活、空间不固定的特点,所以数据采集较为复杂。采用GPS、活动日志、深度访谈相结合的方式,获取11位受访者商务活动的时空数据。本研究首先,向受访者提供GPS接收机,要求受访者在连续7个工作日内携带,以此观察、记录商务活动的时空变化。然后,通过活动日志和深度访谈,完善受访者每一时空变化对应的商务活动内容、快速交通技术及信息设备使用情况等数据。
以受访者的每一个独立的商务行为活动为研究数据基础,将商务活动分为商务办公(居家办公、移动办公、公司办公、总部办公、酒店办公、客户办公)和商务出行(跨城流动、同城流动)。将商务活动的空间分布分为南京市内、江苏省内南京市外、江苏省外三类。根据商务活动空间分布的变化,将受访者流动状态分为没有流动、同城流动和跨城流动三类。根据活动所在空间的功能,将活动的场所类型分为四类:移动中、居住地(家和酒店)、工作地(公司、总部和客户所在地)和其他(机场、火车候车室等)。由于该公司规定的上班时间是9:00-18:00,再剔除22:00-6:00的休息时间,将商务活动的时间分布分为三类:上班时间之前(6:00-9:00);上班时间(9:00-18:00)、上班时间之后(18:00-22:00)(表2)。
Tab.2 Description of variable assignment

表2 变量赋值说明

变量 赋值 样本量(个) 说 明 变量 赋值 样本量(个) 说明
信息技术使用 1 94 三种都使用 商务活动 1 77 客户办公
2 21 使用手机和笔记本 2 28 酒店办公
3 338 使用手机 3 16 总部办公
4 9 使用笔记本 4 23 公司办公
5 6 不使用信息设备 5 11 居家办公
快速交通技术 1 172 固定状态 6 39 移动办公
2 1 步行 7 274 商务出行
3 1 公交车 流动状态 1 172 没有流动
4 206 出租车 2 238 同城流动
5 12 自驾车 3 58 跨城流动
6 18 地铁 场所类型 1 124 工作地(公司、总部、客户所在地)
7 14 大巴 2 40 居住地(家、酒店)
8 34 高铁、动车 3 298 移动中
9 10 飞机 4 6 其他
时间分布 1 70 18:00-22:00 空间分布 1 99 江苏省以外
2 348 9:00-18:00 2 205 江苏省内,南京市外
3 50 6:00-9:00 3 164 南京市内
结构方程模型(Structural Equation Modeling,SEM)是一种建立、估计和检验因果关系的模型分析方法[41]。结构方程模型中的路径分析可以容纳多环节的因果结构,通过路径图把因果关系清楚地表示出来,据此进行更深层次的分析,如比较各种因素之间的相对重要程度,计算变量与变量之间的直接和间接影响。本研究模型所有的变量均为测量指标变量,因此采用观察变量路径分析(PA-OV模型),既探究路径系数的影响是否达到显著,也就整体路径分析的假设模型作整体契合度的检验,并有效估计其测量误差[42]。
在SPSS 18.0中建立包含468个样本数据的数据库,并以此为基础导入AMOS 17.0进行分析并构建结构方程模型。商务出行研究中只考虑外生变量和内生变量之间的路径关系,不引入潜变量,因此,结构方程模型可以表达为:
式中:y是内生变量;x是外生变量;B是内生变量之间的相互影响效应关系;G是外生变量对内生变量的影响效应系数;ζ是结构方程的残差项。
为了说明信息技术使用、快速交通技术对商务行为活动的影响,构建结构方程模型,将信息技术使用、快速交通技术作为外生变量,将商务活动、流动状态、场所类型、活动的空间分布和时间分布作为内生变量,并分别赋值(表2)。其中,信息技术使用说明受访者在每一个商务行为活动中使用信息设备的情况,快速交通技术则反映每一商务行为活动对应的交通方式。流动状态反映每一交通方式对应的受访者流动性。信息技术使用促进行为活动的破碎化[4-6],并在时间维度上,提升行为活动的时间价值[31],交通技术促进商务活动的分散化[20],因此,选择时间分布、空间分布两个变量分别反映商务行为活动的时空破碎化情况。根据统计发现(表2),受访者的商务活动主要集中于几类场所,故按照空间功能进行分类,选择场所类型这一变量反映商务活动与其承载场所的关系。
采取极大似然法(Maximum Likelihood,ML)进行估算,通过路径图和效应值来分析外生变量和内生变量之间的关系。效应可以分解为直接效应(Direct Effect)、间接效应(Indirect Effect)和总体效应(Total Effect),其中,直接效应是标准化的路径系数,总体效应是直接效应和间接效应之和。信度分析结果表明,哥伦巴哈阿尔法系数(Cronbach's )为0.745,高于0.6的最低标准[43],说明调查数据具有适中的可靠性和稳定性。效度分析结果表明,KMO统计量值为0.743,巴特勒球形检验的P值为0.000,说明调查数据的结构效度能够保证。

3 城市商务人士行为活动的描述性分析

3.1 商务办公

根据统计,受访者的商务办公方式分化为公司办公、客户办公、总部办公、酒店办公、居家办公、移动办公等多种形式。办公场所的选择以商务活动的发生地为基准,商务办公方式更加灵活多样。由于2007年以后移动服务应用趋于成熟、沪宁高铁建成运营,受访者在公司办公的比例与2007年之前的情况相比,降低很多。传统的公司办公不再是商务人士的主要办公形式,取而代之的是客户所在地办公和酒店办公,其中,酒店办公是居家办公的一种衍生形式(图1)。目前,移动办公所占时间比例不高,但是移动办公已成为商务出行中的新的活动形式,更是一种新的办公状态。对于受访者而言,办公场所的传统边界变得模糊,需要重构其时空维度和功能维度。
Fig. 1 Comparison between the respondents' various working times

图1 受访者不同形式的商务办公时间比较

由于面对面交流在商务活动中仍然重要,因此,信息技术的使用是促成商务办公形式多样化的重要因素。受访者在客户所在地、总部、酒店等场所办公,借助信息技术的使用实现与公司、同事的信息交流,协调商务活动的安排。手机几乎参与到每一个商务行为活动中,是受访者使用最频繁、对商务活动至关重要的信息设备(表2)。商务人士在空间中趋于独立,支撑公司的商务活动网络,并成为商务信息获取和传输的节点。由于信息通信的瞬时性和便捷性,信息技术削弱了商务活动所受到的时间约束,受访者的商务活动扩展至规定的上班时间以外,商务活动发生时间弹性化,即信息技术使用导致商务活动的时间破碎化。
同时,商务办公场所的多样化要求商务人士具备高流动性,说明快速交通技术对商务办公的重要作用。快速交通技术弱化了实体空间对商务人士行为活动的空间制约,增强了实体空间的流动性,强化了场所之间的联系。商务办公的场所由工作地扩散至居住地和临时场所,而且工作地、居住地突破传统的概念扩展至具备工作地或居住地功能的场所。根据受访者商务办公情况的统计,具备工作地功能的场所有公司、总部、客户所在地,具备居住地功能的场所有酒店和家,即办公与场所一对一的关系被打破。在快速交通技术中,高铁既强化了城市的可达性,又提升了受访者的流动性,是受访者跨城流动的最主要方式(表2),对商务活动空间破碎化的作用最为突出。
总之,信息技术和快速交通技术共同影响着受访者的商务活动(图2)。信息技术构成了商务活动的网络空间,信息设备的使用强化了信息流动性。快速交通连接着公司所在城市和业务所在城市,在信息流的导引下,受访者的流动更趋于合理和有序,增强了实体流动性。商务人士依托信息流和交通流,行为活动的时空模式颠覆了传统的时空和距离概念。商务人士在活动组织中占支配地位,最终实现“在场”和“不在场”情境中商务活动之间的关联性和整体性。信息技术、快速交通技术和商务人士分别属于流空间的三个层次:由信息设备所构成的物质支持、节点和核心、占支配地位的管理精英的空间组织。在新技术背景下,商务活动表现出衔接虚拟流动与实体流动的新流动范式的特征,承载商务人士行为活动的空间是一种流空间的表现形式。
Fig. 2 Research framework

图2 研究框架

3.2 商务出行

根据统计,所有受访者的出行时间比例均超过10%;其中,有5位受访者的该比例在20%以上,最高达24.8%。出行需求源于活动需求,商务出行是商务活动的重要组成部分。
商务出行的最大特征是移动办公的出现。移动办公是指工作者在家与工作地之间或更远的工作场所之间的移动过程中,借助信息设备高效利用出行时间,持续工作。在调查周期内,移动办公贯穿于商务出行的整个过程。高铁被认为是最适合移动办公的流动场所,由此,形成一种新的空间形式和工作环境——混合空间(hybrid workspace)[44],即承载商务信息的网络空间与承载商务活动的实体空间之间的融合。
其次,商务出行是商务活动时空调节的重要环节。由于商务活动的灵活性,受访者常常遇到突发的多任务活动。为确保工作的顺利完成,通常在商务出行过程中使用信息设备及时调整、适应活动安排。所以,信息技术在商务出行中起到柔化活动安排的作用。此外,为实现商务出行效用最大化,受访者尽可能地延长出行链。本文将出行链定义为受访者从家出发在完成一项或多项活动之后再次回到家的全过程。统计在简单出行链(仅含同城流动)和复杂出行链(包含同城流动和跨城流动)中,受访者每天见客户的次数、出行时间和出行距离,以此代表受访者的工作量。经曼—惠特尼 U检验(Mann-Whitney U),受访者在复杂出行链中见客户次数和明显多于在简单出行链中的(P<0.01)。经双样本检验(Two-Sample T-Test),在复杂出行链中受访者的出行时间更长(P<0.05)、出行距离更远(P<0.01),说明在复杂出行链中受访者的流动性更大。据此推测,商务出行越久,受访者对信息技术使用和快速交通技术的依赖性越强。
根据文献研究和以上分析,在构建结构方程模型之前提出以下假设:① 由于高出行频率诱导信息技术的使用[27],信息技术使得商务出行更加多样化[3],假设在商务活动过程中信息技术使用和快速交通技术之间存在共变关系。② 快速交通技术促进了商务活动的空间破碎化。③ 信息技术使用促进了商务活动的时间破碎化。

4 城市商务人士行为活动的模型分析

4.1 模型拟合性检验

建立初始模型进行反复试验和修正,最终得到卡方值(Chi-square)为14.133,自由度(Degrees of freedom)为10,卡方值和自由度比值小于2,说明最终模型与最优模型十分相近。显著性概率P值为0.167(大于0.05),未达0.05显著水平,接受虚无假设,即所提出的因果模型与实际调查数据可以适配,路径分析假设的模型可以得到支持[42]。
进一步对模型进行拟合度(goodness of fit)检验。衡量模型对数据的拟合度的指标有绝对拟合指数、相对拟合指数、信息指数等。分析发现:RMR值为0.021,GFI值为0.992,AGFI值为0.977,RMSEA值为0.030,NFI值为0.994,RFI值为0.988,IFI值为0.998,TLI值为0.996,CFI值为0.998(表3)。各指标均在理想值范围内,显示模型具有较好的对数据的拟合能力。
Tab. 3 Goodness of fit indices of criteria of SEM

表3 结构方程模型拟合度检验

拟合指数 绝对拟合指数 相对拟合指数 信息指数
AIC
RMR GFI AGFI RMSEA NFI RFI IFI TLI CFI
理想值 <0.05 >0.90 >0.90 <0.05 >0.90 >0.90 >0.90 >0.90 >0.90 越接近饱和模型越好
假设模型 0.021 0.992 0.977 0.030 0.994 0.988 0.998 0.996 0.998 50.133
饱和模型 0.000 1.000 - - 1.000 - 1.000 - 1.000 56.000
独立模型 0.047 0.696 0.629 0.205 0.000 0.000 0.000 0.000 0.000 2430.359

4.2 模拟结果

模型结果显示信息技术使用和快速交通技术之间存在显著的共变关系(P<0.001,临界比值为8.684),相关系数为0.439(图3)。说明当所选交通方式的流动性不断提高,受访者倾向于仅使用手机或笔记本,或不使用信息设备。这主要是由于不同交通工具自身具备的工作环境特征所造成的。飞机上的办公环境与传统办公室办公相类似,但限制使用网络,所以受访者仅能使用笔记本或不使用信息设备;公交车、出租车、自驾车、地铁、大巴等不具备办公条件且换乘较频繁,仅适宜使用手机或不使用信息设备;相比之下,高铁不仅支持使用无线网络,且具备舒适的办公环境,是受访者最理想的移动办公环境。由于高铁是受访者最主要的跨城流动方式(表1),以及手机在商务活动中被高频率使用(表2),高铁和手机的结合应用是受访者信息技术使用和快速交通技术耦合的典型模式。
Fig. 3 The direct effect between endogenous variables and exogenous variables

图3 内生变量与外生变量之间的直接效应路径图

注:*表示在0.05以上的水平上显著,其余均在0.001以上的水平上显著。

模型结果显示外生变量和内生变量之间、内生变量和内生变量之间存在总体效应、直接效应和间接效应,以此反映变量间的因果关系(表4、表5)。路径系数绝对值大小反映外生变量对内生变量的影响(图3)。根据变异量百分比(Squared Multiple Correlations),快速交通技术和信息技术使用两个外生变量对流动状态、商务出行、场所类型的解释力较强,分别可以联合92.7%、77.4%、53.5%的变异量,对空间类型和时间类型的解释力较弱。
Tab. 4 Total, direct and indirect effects between exogenous variables and endogenous variables

表4 外生变量对内生变量的总体效应、直接效应和间接效应

外生变量效应 快速交通技术 信息技术使用
总体效应 直接效应 间接效应 总体效应 直接效应 间接效应
场所类型 0.731** 0.731** 0 0 0 0
流动状态 0.956** 0.837** 0.119** 0 0 0
空间类型 -0.181** -0.181** 0 0 0 0
时间类型 0 0 0 0.156** 0.156** 0
商务活动 0.709** 0 0.709** -0.044* -0.060* 0.015**

注:以上数值均为标准化后的值,*表示在0.05及以上水平显著,**表示在0.001及以上水平极显著,下同。

Tab. 5 Total, direct and indirect effects between endogenous variables

表5 内生变量之间的总体效应、直接效应和间接效应

流动状态 商务活动
总体效应 直接效应 间接效应 总体效应 直接效应 间接效应
场所类型 0.163** 0.163** 0 0.752** 0.715** 0.036**
流动状态 0 0 0 0.222** 0.222** 0
空间类型 0 0 0 0.151** 0.151** 0
时间类型 0 0 0 0.099** 0.099** 0
快速交通技术的路径作用显示(表4、表5),快速交通技术对流动状态具有显著的正向影响(P<0.001,临界比值为45.530),路径系数为0.837;对场所类型具有显著的正向影响(P<0.001,临界比值为23.177),路径系数为0.731;对空间类型具有显著的负向影响(P<0.001,临界比值为-3.978),路径系数为-0.181。说明受访者选择的交通方式流动性越高,受访者在实体空间的流动性越大,在移动中或候车室等临时场所的概率越高,在工作地和居住地的概率越低,商务活动在空间分布上离南京公司越远。
场所类型对流动状态具有显著的正向影响(P<0.001,临界比值为8.863),路径系数为0.163。所以,快速交通技术对流动状态有间接正向影响,间接效应为0.119。在三个内生变量中,快速交通技术对流动状态的影响最大,总体效应为0.956。
场所类型、流动状态、空间类型对商务活动具有显著的正向影响(P<0.001),路径系数分别为0.715、0.222、0.151,临界比值分别为20.562、6.093、6.752。所以,快速交通技术对商务活动有间接正向影响,间接效应为0.709。当商务活动对应的空间类型是南京市以外地区时,商务办公的概率更高,商务出行的概率偏低,说明受访者的办公活动在空间分布上是分散的,但集中在具备工作或居住功能的场所,如酒店、客户所在地等。商务出行和移动办公是伴随着受访者的流动而出现的,选择的交通方式流动性越高,受访者商务出行和移动办公的概率越大,说明快速交通技术是影响商务出行和移动办公的重要间接因素。
信息技术使用的路径作用显示(表4、表5),信息技术使用对商务活动具有显著的负向影响(P<0.05,临界比值为2.444),但影响不大,路径系数为-0.060。说明受访者在商务出行中使用信息设备的概率比在商务办公中略高些。信息技术使用对时间类型具有显著的正向影响(P<0.001,临界比值为3.403),路径系数为0.156。说明在上班时间之前、上班时间、上班时间之后的三个阶段中,受访者使用信息设备的概率和种类递增,信息技术使用主要将商务活动延伸至18:00-22:00这一时间段。时间类型对商务活动具有显著的正向影响(P<0.001,临界比为4.457),路径系数为0.099。这说明商务活动时间破碎化体现在:商务出行多延伸至9:00-18:00时段,商务办公多延伸至18:00-22:00时段。综合以上情况,信息技术使用对商务活动有间接正向影响,间接效应为0.015,总体效应为-0.044。

5 结论与讨论

信息技术对行为活动、交通技术对出行行为的影响一直是地理学、交通学关注的热点问题。信息技术、交通技术和商务人士的行为活动的关系是复杂的、交织的,这些新空间基础设施改变了商务人士的常规行为。本文以医疗器械行业某跨国公司在南京的销售团队为研究对象,构建结构方程模型,实证分析得出以下结论:
(1)在商务活动过程中,快速交通技术和信息技术的使用具有共变关系(相关系数为0.439),再次证实了高出行频率诱导信息技术的使用需求[27]。快速交通技术和信息技术的结合促进了商务活动的网络空间和实体空间的联系与融合,使商务人士行为活动呈现“新流动范式”特征,也使承载商务活动的空间成为流空间的外在表现形式。
(2)通过直接影响场所类型、流动状态、空间分布,交通技术对商务活动产生间接正向影响(路径系数为0.709),且影响程度比信息技术使用大。以高铁为主的跨城流动和以出租车为主的同城流动相结合,基本实现了商务人士在场所之间流动的无缝连接,并导致商务活动的空间破碎化。即快速交通连接着商务活动中的每一个核心和节点,是承载流动精英的人流、信息流、交通流的主要物质载体。
(3)信息技术使用对商务活动的影响是多方面的,包括直接影响(路径系数 为-0.060)和间接影响(路径系数为0.015),证实了信息技术与行为活动的关系是多样化的。信息技术使用导致商务活动的时间破碎化,商务出行大多延伸至9:00-18:00时段,商务办公大多延伸至18:00-22:00时段。
流空间是以信息技术和快速交通技术为支撑的,促进人流、信息流、技术流等要素流动的空间,为商务人士行为活动的研究增加了空间研究的思维角度。在新技术背景下,商务活动空间不是静止、封闭的,而是流动的,因此,商务人士行为活动的研究有助于人们形成流空间观。商务人士的流动必然伴随着资金流、技术流和信息流等,且偏好于网络覆盖、交通便利的区域,说明网络基础设施和交通基础设施成为城市发展的新动力源。
作为以一个小规模团体为例的实证分析,由于有效样本获取难度大、样本数量有限,研究结论还不足以判断在新技术背景下商务人士行为活动模式的变化趋势。但是,商务人士的行为活动包含了信息流动和实体流动,说明商务人士是探索流空间的媒介,商务人士行为活动的研究有助于进一步探讨流空间特征。因此,下一步研究将选取不同类型的商务人士予以实证研究,以提高研究模型的稳健性和结论的代表性。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Castells M,Fernandez-Ardevol M,Qie J. Mobile Communication and Society: A Global Perspective. Cambridge, MA: MIT Press, 2007.

[2]
Sheller M, Urry J. The new mobilities paradigm. Environment and Planning A, 2006, 38(2): 207-226.

[3]
Kwan M P. Mobile communications, social networks, and urban travel: Hypertext as a new metaphor for conceptualizing spatial interaction. Professional Geographer, 2007, 59(4): 434-446.

[4]
Couclelis H. The new field workers. Environment and Planning B: Planning and Design, 1998, 25(3): 321-323.

[5]
Couclelis H. From sustainable transportation to sustainable accessibility: Can we avoid a new 'tragedy of the commons'?. In: Janelle D G, Hodge D C. Information, Place, and Cyberspace: Issues in Accessibility. Berlin: Springer, 2000: 342-356.

[6]
Couclelis H. Pizza over the internet: E-commerce, the fragmentation of activity and the tyranny of the region. Entrepreneurship & Regional Development, 2004, 16(1): 41-54.

[7]
Pendyala R M, Goulias K G, Kitamura R. Impact of telecommuting on spatial and temporal patterns of household travel. Transportation, 1991, 18(4): 383-409.

[8]
Köhler S. Interdependencies between telecommunications and passenger: Theoretical considerations and empirical findings on the example of the impact of videoconferencing on business travel. Journal of Transport Economics, 1994, 65(3): 205-221.

[9]
Mokhtarian P I, Salomon I. Emerging travel patterns: Do telecommunications make a difference? In: IATBR'97. The 8th Meeting of the International Association for Travel Behavior Research. Austin: Texas, 1997: 143-182.

[10]
Nobis C, Lenz B, Vance C. Communication and travel behaviour: Two facets of human activity patterns. In: Timmermans H J P. Progress in Activity-Based Analysis. Elsevier: Oxford, 2005: 471-488.

[11]
Nobis C, Lenz B. The impact of ICT on activity programs and mobility. In: Institut für Verkehrsforschung. International Specialists Meeting on ICT, Everyday Life and Urban Change. Berlin: Adlershof, 2006: 9-12.

[12]
Nobis C, Lenz B. Communication and mobility behaviour: A trend and panel analysis of the correlation between mobile phone use and mobility. Journal of Transport Geography, 2009, 17(2): 93-103.

[13]
Zumkeller D. Stagnating demand for passenger?. In: DVWG. Demographic Change and Mobility Traffic Series of the German Transport Sciences. Springer: Berlin, 2005: 94-112.

[14]
Hislop D, Axtell C. The neglect of spatial mobility in contemporary studies of work: The case of telework. New Technology Work and Employment, 2007, 22(1): 34-51.

[15]
Senbil M,Kitamura R2014-02-21.

[16]
Mokhtarian P L, Meenakshisundaram R. Beyond tele-substitution: Disaggregate longitudinal structural equations modeling of communication impacts. Transportation Research Part C-emerging Technologies, 1999, 7(1): 33-52.

[17]
Srinivasan K K, Athuru S R. Modeling interaction between Internet communication and travel activities: Evidence from bay area, California, travel survey 2000. Transportation Research Record, 2004, 1894(1): 230-240.

[18]
Wang D G, Law F. Impacts of information and communication technologies (ICT) on time use and travel behavior: A structural equations analysis. Transportation, 2007, 34(4): 513-527.

[19]
Mokhtarian P I, Salomon I. Modeling the choice of telecommuting: 3. Identifying the choice set and estimating binary choice models for technology-based alternatives. Environment and Planning A, 1996, 28(10): 1877-1894.

[20]
Graham S, Marvin S. Telecommunications and the City: Electronic Space, Urban Places. London: Routledge, 1996.

[21]
Illegems V, Verbeke A. Telework: What does it mean for management?. Long Range Planning, 2004, 37(4): 319-334.

[22]
Wells K, Douma F, Loimer H. Telecommuting implications for travel behavior: Case studies from minnesota. Transportation Research Record: Journal of the Transportation Research Board, 2001, 1752(1): 148-156.

[23]
Pratt J H. Teleworkers, trips, and telecommunications: Technology drives telework —but does it reduce trips? Transportation Research Record: Journal of the Transportation Research Board, 2002, 1817(1): 58-66.

[24]
Koenig B E, Henderson D K, Mokhtarian P L. The travel and emissions impacts of telecommuting for the State of California Telecommuting Pilot Project. Transportation Research C, 1996, 4(1): 13-32.

[25]
Saxena S, Mokhtarian P L. The impact of telecommuting on the activity spaces of participants. Geographical Analysis, 1997, 29(2): 124-144.

[26]
Valenduc G, Vendramin P. Telework: From distance working to new forms of flexible work organisation. European Review of Labour and Research, 2001, 7(2): 244-257.

[27]
Lenz B, Nobis C. The changing allocation of activities in space and time by the use of ICT: “Fragmentation” as a new concept and empirical results. Transportation Research Part A: Policy and Practice, 2007, 41(2): 190-204.

[28]
Graaff T D, Rietveld P. Substitution between working at home and out-of-home: The role of ICT and commuting costs. Transportation Research Part A: Policy and Practice, 2007, 41(2): 142-160.

[29]
Westenholz A. Identity, times and work. Time & Society, 2006, 15(1): 33-55.

[30]
Kalakota R, Robinson M, Ebrary I. M-Business: The Race to Mobility. New York: McGraw-Hill Companies, 2001.

[31]
Mackie P J,Wardman M,Fowkes A S,et al2014-02-21.

[32]
Holley D, Jain J, Lyons G. Understanding business travel time and its place in the working day. Time & Society, 2008, 17(1): 27-46.

[33]
Zhen F, Wei Z C. Influence of information technology on social spatial behaviors of urban residents: Case of Nanjing city in China. Chinese Geographical Science, 2008, 18(4): 316-322.

[34]
甄峰, 魏宗财, 杨山, 等. 信息技术对城市居民出行特征的影响: 以南京为例. 地理研究, 2009, 28(5): 1307-1317.

[Zhen Feng, Wei Zongcai, Yang Shan, et al. The impact of information technology on the characteristics of urban resident travel: Case of Nanjing. Geographical Research, 2009, 28(5): 1307-1317.]

[35]
柴彦威, 申悦, 马修军, 等. 北京居民活动与出行行为时空数据采集与管理. 地理研究, 2013, 32(3): 441-451.

[Chai Yanwei, Shen Yue, Ma Xiujun, et al. The collection and management of space-time data of individual behavior based on location-based technologies: A case study of activity-travel survey in Beijing. Geographical Research, 2013, 32(3): 441-451.]

[36]
吴康, 方创琳, 赵渺希, 等.京津城际高速铁路影响下的跨城流动空间特征. 地理学报, 2013, 68(2): 159-174.

[Wu Kang, Fang Chuanglin, Zhao Miaoxi, et al. The intercity space of flow influenced by high-speed rail: A case study for the rail transit passenger behavior between Beijing and Tianjin . Acta Geographica Sinica, 2013, 68(2): 159-174.]

[37]
王兴平, 赵虎. 沪宁高速轨道交通走廊地区的职住区域化组合现象: 基于沪宁动车组出行特征的典型调研. 城市规划学刊, 2010, (1): 85-90.

[Wang Xingping, Zhao Hu. A preliminary study on regional combination of living and working in Shanghai-Nanjing high-speed rail transit corridor areas. Urban Planning Forum, 2010, (1): 85-90.]

[38]
侯雪, 刘苏, 张文新,等. 高铁影响下的京津城际出行行为研究. 经济地理, 2011, 31(9): 1573-1579.

[Hou Xue, Liu Su, Zhang Wenxin, et al. Characteristics of commuting behaviors between Beijing and Tianjin influenced by high speed train. Economic Geography, 2011, 31(9): 1573-1579.]

[39]
Forman C. The corporate digital divide: Determinants of internet adoption. Management Science, 2005, 51(4): 641-654.

[40]
Galliano D, Roux P, Filippi M. Organisational and spatial determinants of ICT adoption: The case of French industrial firms. Environment and Planning A, 2001, 33(9): 1643-1663.

[41]
侯杰泰,温忠麟,成子娟. 结构方程模型及其应用. 北京: 教育科学出版社, 2004.

[Hou Jietai,Wen Zhonglin,Cheng Zijuan. Structural Equation Model and Its Application. Beijing: Education Science Press, 2004.]

[42]
吴明隆. 结构方程模型: AMOS的操作与应用. 重庆: 重庆大学出版社, 2009.

[Wu Minglong. Structural Equation Model: AMOS Operation and Application. Chongqing: Chongqing University Press, 2009.]

[43]
汪侠, 吴小根, 章锦河, 等. 基于结构方程模型的旅游消费券效用影响因素研究. 地理研究, 2012, 31(3): 543-554.

[Wang Xia, Wu Xiaogen, Zhang Jinhe, et al. Investigating influencing factors of tourism consumption coupon effect based on structural equation model approach: A case study of Hangzhou. Geographical Research, 2012, 31(3): 543-554.]

[44]
Frith R,Dea D. A general comparison of SharePoint 2007 and SharePoint 2010. 2014-02-21.

Options
Outlines

/

〈 〉