[论文解读] The Short-term Impact of Congestion Taxes on Ridesourcing Demand and Traffic Congestion: Evidence from Chicago

Yuan Liang, Bingjie Yu+3 more|arXiv (Cornell University)|Jul 5, 2022

Transportation and Mobility Innovations被引用 5

一句话总结

本研究采用双重差分法评估芝加哥拥堵税对叫车需求和交通拥堵的短期影响。研究发现，该税收显著降低了整体叫车需求，尤其是短途出行需求，而对缓解交通拥堵的影响微乎其微，且在多种模型设定和敏感性检验下结果均具稳健性。

ABSTRACT

Ridesourcing is popular in many cities. Despite its theoretical benefits, a large body of studies have claimed that ridesourcing also brings (negative) externalities (e.g., inducing trips and aggravating traffic congestion). Therefore, many cities are planning to enact or have already enacted policies to regulate its use. However, these policies' effectiveness or impact on ridesourcing demand and traffic congestion is uncertain. To this end, this study applies difference-in-differences (i.e., a regression-based causal inference approach) to empirically evaluate the effects of the congestion tax policy on ridesourcing demand and traffic congestion in Chicago. It shows that this congestion tax policy significantly curtails overall ridesourcing demand but marginally alleviates traffic congestion. The results are robust to the choice of time windows and data sets, additional control variables, alternative model specifications, alternative control groups, and alternative modeling approaches (i.e., regression discontinuity in time). Moreover, considerable heterogeneity exists. For example, the policy notably reduces ridesourcing demand with short travel distances, but such an impact is gradually attenuated as the distance increases.

研究动机与目标

• 评估拥堵税在芝加哥对叫车需求和交通拥堵的短期影响。
• 评估拥堵定价是否能有效缓解交通拥堵并减少对叫车服务的依赖。
• 考察政策效果在行程距离、时间段和出行者类型之间的异质性。
• 为城市政策制定者提供关于拥堵税在现实世界中调节叫车服务有效性的实证证据。
• 通过分析拥堵定价在疫情前对共享出行的影响，为后疫情时代交通政策提供参考。

提出的方法

• 采用双重差分（DiD）回归模型，比较拥堵税实施前后受干预区域与对照区域的叫车需求和交通拥堵情况。
• 使用按普查区、一天中时间段和星期几聚合的叫车行程面板数据，并引入日期、小时和地理单元的固定效应。
• 纳入天气、时间趋势和交通流量等控制变量，以隔离拥堵税的因果效应。
• 通过使用替代时间窗口、数据集、模型设定、对照组以及时间上的断点回归设计，开展稳健性检验。
• 分别分析单人行程、授权共享行程和匹配共享行程的影响，以评估用户对定价的响应行为。
• 通过排除征税执行后第一周的数据，检验潜在偏差，因该阶段行为适应可能尚未完成。

实验结果

研究问题

• RQ1 芝加哥实施拥堵税是否显著降低了叫车需求？
• RQ2 在短期内，拥堵税在多大程度上减少了交通拥堵？
• RQ3 拥堵税的影响在不同行程距离和类型（如单人出行与共享出行）之间如何变化？
• RQ4 该政策的影响是否对替代模型设定、对照组和数据源具有稳健性？
• RQ5 政策实施初期，特别是实施第一周内，对叫车行为有何影响？

主要发现

• 拥堵税显著降低了整体叫车需求，行程数量明显下降，尤其体现在短途出行中。
• 该政策对减少交通拥堵的影响微弱且统计上不显著，表明对拥堵的缓解作用十分有限。
• 需求下降最显著的是短途行程，随着行程距离增加，影响减弱，表明用户行为响应存在异质性。
• 模型结果在多种设定下保持稳健，包括替代时间窗口、控制变量、对照组以及断点回归方法。
• 排除征税后第一周的数据表明，初始需求响应可能因行为适应延迟而被低估。
• 该税收对共享出行具有强烈激励作用，政策实施后匹配共享行程显著增加，表明定价可引导用户选择更高效的出行方式。