Modélisation du choix du moyen de transport

Afin de modéliser le choix du mode de transport, nous ne retenons que les modes de transports qui sont suffisamment utilisés dans la population étudiée (à savoir la voiture et les

89

transports en commun). Pour vérifier si les perceptions associées à la voiture et aux transports en commun permettent de prédire le choix de l’un de ces deux modes de transport, nous utilisons une régression logistique binaire (procédure LogReg sous SPSS 12.0) avec pour variable prédite le mode principal utilisé (voiture ou transports en commun) et comme variables prédictives le score de perception des aspects instrumentaux, environnementaux, symboliques et de risques associés à la voiture ainsi que les scores de perception des aspects plaisants, environnementaux et de contrôle associés aux transports en commun. La variable prédite comportant à l’origine plus de deux modalités, nous la dichotomisons afin d’éviter un nombre trop important de valeurs manquantes dans notre modèle. En effet, très peu de personnes déclarent utiliser le vélo, la marche ou d’autres modes alternatifs sur la région urbaine Grenobloise. L’avantage du recours à la régression logistique est qu’elle ne présuppose pas de la normalité de la distribution des variables prédictives (Menard, 2002).

Le modèle est construit en trois étapes. Les variables socio-démographiques sont entrées lors de la première étape (âge, genre et catégories socioprofessionnelles). La catégorie socioprofessionnelle est dichotomisée afin d’étudier l’effet d’appartenance à la catégorie la plus aisée (cadres, professions intellectuelles, intermédiaires, etc.) par rapport aux catégories moins aisées (employés, ouvriers, retraités, etc.). Durant la seconde étape, les variables structurelles sont intégrées au modèle (disponibilité d’une automobile, facilité d’accès à un arrêt de transports en commun à proximité du domicile). Enfin, les variables psychologiques sont intégrées au modèle lors de la troisième étape (aspects instrumentaux, environnementaux, symboliques et risques associés à l’automobile et aspects de détente, environnementaux et de contrôle associés avec les transports en commun).

Les variables socio-démographiques entrées à la première étape n’expliquent qu’une faible part de la variance dans le choix modal (R² de Cox et Snell estimated = 06; R² de Nagelkerke = .09) et ne rendent pas correctement compte des données observées (Hosmer-Lemeshow: chi² = 22.23, p < .005). L’âge a un effet sur le choix du mode de transport dans ce modèle (B = -.014, p < .003): l’usage de l’automobile étant plus probable chez les adultes (30-56 ans), alors que les transports en commun sont davantage utilisés par les plus jeunes (13-23 ans) et les plus âgés (57-92 ans). Le genre est également significativement lié au choix modal : les hommes utilisent moins les transports en commun que les femmes (B = .39, p < .008). Enfin, les personnes possédant des revenus important utilisent moins les transports en commun que les personnes de revenus moindres (B = -1.33, p < .0001). (voir Tableau V, page 90).

B E.T. Wald Ddl p B attendu I.C pour le B ( 95.0%) Genre .39 .15 6.95 1 .008 1.48 1.11 1.99 Age -.014 .01 8.64 1 .003 .99 .98 .99 Catégorie socioprofessionnelles élevée (versus basse) -1.33 .19 46.10 1 .000 .26 .18 .39 Constante -1.12 .31 12.72 1 .000 .33 R² (Nagelkerke) = .09 R² (Cox et Snell) = .06

Adéquation du modèle (Hosmer-Lemeshow): chi² = 22.23, ddl = 8, p < .005

Tableau V : Premier modèle de prédiction du choix du mode de transport (variable prédite : utilisation d’une automobile ou des transports en commun).

Le modèle obtenu à la seconde étape qui inclut les variables structurelles (disponibilité d’une automobile, facilité d’accès aux transports en commun) explique davantage de variance dans le choix du mode de transport (R² de Cox et Snell = .31, R² de Nagelkerke estimated R² = .48). De plus, ce modèle rend mieux compte des données observées (Hosmer-Lemeshow : chi² = 10.27, p > .25). D’après ce modèle, 96.8% des participants catégorisés comme automobilistes sont effectivement des automobilistes et 53.1% des participants classés comme utilisateurs des transports en commun sont effectivement des utilisateurs de ce mode de transport. Dans ce second modèle, le genre et l’âge n’ont plus d’effet (respectivement : B = .21, ns; B = -.01, ns) lorsque l’on contrôle l’accès à une automobile et la disponibilité des transports en commun (voir Tableau VI, ci-dessous). Par contre, les catégories socioprofessionnelles plus aisées utilisent toujours moins les transports en commun que les catégories moins aisées (B = - .59 ; p < .008).

B E.T. Wald ddl p B attendu I.C pour le B (95.0%)

Genre .21 .19 1.29 1 .26 1.24 .85 1.79 Age -.01 .01 .10 1 .75 .99 .98 1.01 Catégorie socioprofessionnelles élevée (versus basse) -.59 .22 7.06 1 .008 .55 .35 .85

Disponibilité d’une automobile -1.95 .15 163.01 1 .000 .14 .10 .19

Facilité d’accès aux transports en commun

1.12 .29 15.16 1 .000 3.06 1.74 5.37

Constante 4.52 .73 38.52 1 .000 91.59

R² (Nagelkerke) = .48 R² (Cox et Snell) = .31

Adéquation du modèle (Hosmer-Lemeshow): chi² = 10.27, ddl = 8, p > .24

Tableau VI : Second modèle de prédiction du choix du mode de transport en incluant en plus des variables socio-démographiques les variables structurelles (variable prédite : utilisation d’une automobile ou des transports en commun).

91

Enfin, nous décidons d’examiner le dernier modèle qui tient compte des variables socio-démographiques, des variables structurelles, mais également des différentes attitudes envers l’automobile et les transports en commun. Il se révèle être un meilleur prédicteur du choix du mode de transport (R² de Cox et Snell = .36, R² de Nagelkerke = .56; Hosmer-Lemeshow : chi² = 9.56, p > .297). Dans ce modèle le genre et l’âge ne sont pas liés au choix modal. Les participants ont une probabilité plus faible d’utiliser les transports en commun lorsqu’ils appartiennent à une catégorie socioprofessionnelle plus aisée (B = - .81, p < .002), lorsqu’une automobile est plus fréquemment à leur disposition (B = -1.76, p < .001), lorsqu’ils perçoivent davantage de risques en circulant en transports en commun (B = -.23, p < .04), et lorsqu’ils perçoivent davantage de gains instrumentaux liés à l’utilisation d’une automobile (B = -.68, p < .001). Au contraire, les participants ont une plus forte probabilité d’utiliser les transports en commun lorsqu’ils possèdent un accès facile aux transports en commun proche de leur domicile (B = .99, p < .002), lorsqu’ils estiment avoir davantage de contrôle en utilisant les transports en commun (B = .36, p < .02), et lorsqu’ils perçoivent les transports en commun comme plus relaxants (B = .33, p < .03) (voir Tableau VII, page 92).

B E.T. Wald ddl p B attendu I.C pour le B (95.0%) Genre .28 .20 1.83 1 .176 1.32 .88 1.97 Age -.01 .01 2.01 1 .156 .99 .98 1.00 Catégorie socioprofessionnelles élevée (versus basse) -.81 .24 11.11 1 .001 .44 .27 .72

Disponibilité d’une automobile -1.76 .15 132.92 1 .000 .17 .13 .23 Facilité d’accès aux transports

en commun ^{.99 .30 11.11 1 .001 2.69 1.50 4.81}

Risques perçus en transports

en commun ^{-.23 .11 4.46 1 .035 .796 .64 .98}

Contrôle perçu en transports

en commun ^{.35 .14 6.01 1 .014 1.43 1.07 1.89}

Protection de l’environnement

par les transports en commun ^{.14 .121 1.37 1 .242 1.15 .91 1.46}

Détente / plaisir ressenti en

transports en commun ^{.33 .15 4.86 1 .028 1.39 1.04 1.87}

Aspect symbolique de

l’automobile ^{.06 .11 .281 1 .596 1.06 .85 1.33}

Risques perçus en automobile -.15 .13 1.26 1 .262 .86 .67 1.11

Instrumental aspect of

automobile ^{-.675 .14 24.32 1 .000 .51 .39 .67}

Effets perçus de l’automobile

sur l’environnement ^{.070 .12 .32 1 .569 1.07 .84 1.36}

Constante 4.97 1.21 16.94 1 .000 143.73

R² (Nagelkerke) = .56 R² (Cox et Snell) = .36

Adéquation du modèle (Hosmer-Lemeshow): chi² = 9.56, dl = 8, p > .29

Tableau VII : Modèle de prédiction du choix modal à partir des variables socio-démographiques, structurels et des attitudes envers l’automobile et les transports en commun (variable prédite : usage d’une automobile ou des transports en commun).

Le contrôle perçu en utilisant les transports en commun, les avantages instrumentaux de l’automobile, les risques liés aux transports en commun et la détente ressentie en utilisant les transports en commun sont les principales dimensions associées au choix du mode de transport principal lorsque les infrastructures sont présentes pour deux modes de transport différents (automobile et transports en commun). Comme nous l’avions suggéré, la perception de l’aspect symbolique de l’automobile n’est pas lié au choix du mode de transport. Les analyses montrent cependant que les hommes perçoivent davantage de gains symboliques en utilisant l’automobile que les femmes. Nous avons donc décidé à titre exploratoire de vérifier s’il existe un effet d’interaction entre le genre et la perception des aspects symboliques liés à l’automobile sur le choix du mode de transport. Pour ce faire, nous réalisons une régression logistique en incluant l’effet du genre, de la perception des aspects symboliques liés à l’automobile et l’interaction entre ces deux facteurs. Les résultats indiquent qu’il n’y a pas d’effet du genre (B = .05, ns), pas d’effet de la perception de l’aspect symbolique (B = -.10,

93

ns), ni d’effet d’interaction de ces deux facteurs (B = .20, ns). Bien que les hommes perçoivent davantage de gains symboliques liés à l’automobile (voir résultats plus haut), le genre n’est pas lié au choix du mode de transport, pas plus que ne l’est la perception des gains symboliques liés à l’automobile.

Figure 3 : Modèle final retenu pour prédire le choix d’utiliser les transports en commun à partir des variables socioprofessionnelles, des variables structurelles et des différentes perceptions de la voiture et des transports en commun.