论文题目：Exploring residential relocation behavior for families with workers and

students; a study from Beijing, China

职工家庭和学生家庭迁居行为研究对中国北京的研究

论文作者：薛飞，姚恩建，金方磊

论文期刊：Journal of Transport Geography

网址：https://www.sciencedirect.com/science/article/pii/S0966692320309704

关键词：迁居行为，建筑环境，房价，通勤出行，上学出行，出行行为

1 摘要

迁居行为对出行行为变化的影响在世界范围内都有研究;然而，当前研究很少对有工作者和学生的家庭迁居行为的影响因素进行分析。本研究利用第五次北京市居民出行调查的数据，通过构建结构方程模型，探讨建筑环境、房价、上班通勤距离、上学通勤距离、家庭社会人口属性等因素对居民迁居行为的影响。研究结果表明：建筑环境和社会人口属性对居民迁居行为有直接影响，房价、工作通勤距离和学校通勤距离对居民迁居行为有间接影响。此外，还发现了房价与建筑环境、房价与家庭工作和家庭学校通勤距离之间的权衡关系。在此基础上，提出了公共交通规划与城市土地利用规划平衡发展的若干建议。

2 研究背景

在过去的二十年中，与土地利用和交通运输之间关系和相互作用相关的研究被相当多地关注。家庭居住区位选择是影响土地利用和交通的关键因素，对于理解土地利用和交通的关系，制定相应的规划管理政策具有重要意义。个人可以根据自己的出行能力、需求和偏好选择居住地，即居住自选择（residential self-selection）。同时，一些学者也考虑了居住偏好与实际区位选择之间的不协调，认为这可能是各种竞争因素权衡的结果。这些因素包括房屋特征、家庭人口数目、地理位置等。

目前，许多研究者研究了迁居行为对居民出行行为变化的影响。他们表示，居民在迁居后可能会根据新房所在地的建筑环境改变出行方式。例如，从城市迁居到郊区的个人可能会增加汽车的使用或购买更多的汽车，以方便和满足旅行，这可能会导致二氧化碳排放增加和交通拥堵。

综上所述，以往的研究主要集中在居民迁居对出行行为和态度的影响;然而，对居民迁居行为的影响因素和影响机理却鲜有研究。此外，迁居对出行行为变化影响的研究主要集中在员工的通勤出行行为上。对于有学生的家庭，对学生通勤距离的变化分析较少，当他们重新安置住所时，也需要探索各种因素之间的权衡。

3 数据描述

本文的研究数据来自北京市交通委员会于2014年9月至11月在中国的首都和政治、经济、文化中心北京进行的第五次北京居民出行调查(2014)。该调查是到目前为止北京最近的一次出行调查(Zhang et al., 2017, 2019).。调查数据集记录了北京市40003个家庭的101815名成员的家庭居住流动性、家庭社会人口特征、家庭成员出行信息和家庭属性。

本文研究了父母通勤和学生上学属性对迁居行为的影响。考虑到中国独特的住房制度，并不是所有的居民都可以自行选择居住地。有工作单位的家庭(单位住房)、自建住房和社会福利住房没有被考虑在内，因为这些住房不是自主选择的，而是被动分配的。因此，本研究选择了居住在商品住房(私人拥有或租赁)、有通勤者和学生、并在两年内有迁居行为的家庭。总共收集了142个家庭和373位居民的数据。142户的地理分布如表1所示，研究区域如图1所示。

建筑环境通常用5- D来描述，分别是:密度、多样性、设计、目的地的可达性,和公交站距离。表2给出了5D的含义以及描述(Ewing和Cervero, 2010)。

表1 142户样本分布情况

表2 建筑环境因素描述

图1 研究区域位置

研究使用数据爬虫的方法对受访者迁居前后居住地的建筑环境属性进行了抓取，得到的信息包括居民区一公里半径内的交叉口数量、居民区一公里半径内重点小学数量、最近的地铁站到居民区的距离、市中心(天安门广场)到居民区的距离。

居住的地方的房价信息从房产信息服务平台安居客上获得。

所选变量的定义及其描述性统计如表3所示。从数据集中可以发现：所选调查对象的家庭平均年收入为87500元，11%的家庭有3岁及以下的幼儿子女，未达到幼儿园入学年龄，67%的家庭至少有1名家庭成员拥有北京户口。户口是中国在20世纪50年代建立的一种特殊的制度指标，它按类型(农业或非农业)和官方居住地点(本地或非本地)对居民进行分类。

表3 变量定义和描述性统计

4 方法介绍

为了解观测变量之间的关系，建立线性回归模型。具体建立7个多元线性回归模型和2个一元线性回归模型，如表4所示，每列代表一个模型。

从表4可以看出，建筑环境属性和社会经济属性对郊区化程度的增加有影响。同时，房价、工作通勤距离和学校通勤距离影响建筑环境属性，社会经济属性影响房价、工作通勤距离和学校通勤距离。此外，在不同建成环境属性和房价之间，工作通勤距离和学校通勤距离也有影响。

表4 回归模型的估计参数和检验结果

构建结构方程模型（SEM）来探究建筑环境、房价、工作通勤距离、学校通勤距离、社会经济属性和迁居行为之间的复杂交互作用。含有潜变量的SEM可以表示为:

式(1)为内生变量的测量模型，其中Y表示内生变量的向量，η表示内生潜变量，表示系数矩阵，ε表示误差向量。

式(2)为外生变量的测量模型，其中В表示外生变量的向量，ξ表示外生潜变量，表示系数矩阵，δ表示误差向量。

式(3)为结构模型，其中В和Γ分别表示系数矩阵，ζ表示回归残差项。

其中，结构方程的概念框架如图2所示。

图2 概念框架图

5 结果

5.1 SEM的拟合优度

构建了住宅位置在迁入前后的建成环境变化、家庭-工作通勤距离、家庭-学校通勤距离、房价变化与迁入方向的关系模型，其卡方值为101.071，自由度为60，= 1.685。其他评价指标RMSEA = 0.069, CFI = 0.947, TLI = 0.928, SRMR = 0.061。与一个可接受拟合模型的评价指标建议值相比，考虑到样本的大小，构建的模型是可接受的，结果如表5所示。

表5 模型符合的结果

5.2 测量模型的结果

构建的SEM包括两个潜变量的测量模型来表征建成环境的变化，分别代表优质生活设施和交通获取的便捷程度，潜变量的测量模型如图3所示。

图3 潜变量测量模型的结构

模型结果表明，优质生活设施测量模型中的三个指标都是潜在变量的显著指标，标准化系数分别为0.912、0.792和0.285。同时，交通便捷性潜测模型的两个显著指标的标准化系数分别为0.559和1.142。

优质生活设施获取系数测量模型显示，与旧城区相比，新城区人口密度更高，道路互动密度更高，附近重点小学更多。这为获得良好生活设施的潜在建设提供了更高的价值。同样，交通便利度测度模型的可达性系数为正，意味着新住宅区距离最近的地铁站和市中心的距离较短，其交通便利度较原有位置更高。

5.3 结构模型的结果

经过检验的结构模型如图5所示，表6给出了标准化的内生变量和外生变量的总效应、直接效应和间接效应。

图4 测试结构模型的路径图

表6 标准化的内生和外生变量的总、直接和间接影响

相关结果如下：

5.3.1 直接影响分析

研究发现，优质生活设施获取的潜在内生变量和交通获取的潜在内生变量对郊区化程度提升具有反向作用，表明建成区环境会对居民迁居行为产生影响。具体来说，那些注重生活设施和交通便利的家庭可能会迁居到比原来位置更靠近市中心的地区。具体而言，上班距离变量的增加和上学距离变量的增加对交通便利的获得有负向影响，这意味着家庭迁居到交通便利的地方，学生和工人的通勤距离可能都更短。

户口变量对于迁移到一个更昂贵的住房变量有显著的直接正向影响，这可能是因为北京市政府出台的限购政策，规定只有拥有北京户口的家庭才能在北京购买住房。

在其他社会人口变量中，幼儿数量变量对上学距离变量和工作距离变量的增加有显著的直接负向影响，这表明在孩子出生后，家庭可能会迁移到学校和工作通勤距离较短的地方。

电动自行车数量对上学距离的增加有显著的正向影响。作为一种非常实用的交通方式，可以帮助人们提升出行距离。

5.3.2 间接影响分析

在间接效应方面，户口、幼儿数量、家庭收入水平等社会人口变量对郊区化程度上升的内生变量均有显著的间接影响。其中，家庭收入水平变量为正影响，其他两个变量为负影响。

此外，户口变量对工作距离变量的增加和学校距离变量的增加具有显著的间接负向影响，这表明具有本地户口的家庭迁移到离工作地点和学校更近的地方。

此外，家庭收入水平变量对学校距离变量的增加有显著的间接正向影响，这是高端住宅区远离城市中心造成的。同时，幼儿数量变量对上学距离变量的增加也有显著的间接负向影响。

6 研讨

本模型以中国这一发展中国家为例，量化了家庭的社会人口特征、建筑环境、家庭-工作通勤距离、家庭-学校通勤距离和房价变化对住宅迁居方向的影响。与以往的研究相比，本文重点研究了哪些因素对迁居行为产生影响，这些因素如何影响迁居行为，以及影响因素之间的关系。本文就本研究的具体经验教训和可能实施的相关政策进行了讨论。

结果表明，社会人口属性和建成环境的变化对郊区化程度的增加有直接影响。此外，迁居到更贵的房子、增加到学校的距离、增加到工作的距离等变量都有间接影响。迁居到更昂贵的房子和建筑环境的变化之间的关系，迁居到更昂贵的房子和学校和工作距离的增加之间的关系，表明房价和建筑环境之间的关系，以及房价和从家到学校和从家到工作的通勤距离之间的关系是存在的。

具体来说，家庭可能会支付更高的价格，以获得与生活和交通相关的更好的建筑环境。此外，他们也愿意花更多的钱买一个距离孩子上学和工作地点更近的房子。房价因素对居民居住迁移行为具有显著影响，而房价因素在研究居民居住区位选择的影响因素时鲜有研究。

此外，从受访家庭的统计数据来看，工作和上学的平均通勤距离分别为1.49公里和6.94公里。另外，迁移到更昂贵的住房变量对上班距离和上学距离增加的直接影响分别为?0.274和?0.308。这意味着，离孩子的学校近是家庭迁居的一个重要标准，这可能比离工作单位近更重要。

此外，收入高、一卡通卡少的家庭会倾向于迁居到离市中心更远的地方，而有幼儿和本地户口的家庭则比以前更倾向于住在离市中心更近的地方。这是因为公共交通服务和生活设施在靠近市中心的地区更为密集，这意味着与那些收入较高、交通卡较少的家庭相比，有当地户口的家庭和幼儿可能会更多地选择公共或主动交通方式。

因此，那些在市中心工作和学习的高收入人群应该被考虑在内，因为他们使用私家车上班和上学，在高峰时间可能会造成严重的交通堵塞。

我们的研究表明，家庭可能会迁居到一个生活成本更高的地方，以缩短他们的工作和上学通勤距离。这些人在改变居住地后，可以在一定程度上减少交通，享受到更好的旅游满意度。与此同时，对于那些无法负担北京、香港、东京、纽约、伦敦、巴黎等大城市城区高房价的人来说，如果他们的工作地点和学校不在他们的居住地的同一区域甚至同一区域，他们可能会经历非常长的通勤时间，这很难改变。因此，在郊区建立便捷的公共交通服务体系或制定方便使用公共交通的政策，如票价政策、补贴政策，吸引这些人群乘坐公共交通是非常必要的。这可能会减少私家车的使用，减少交通拥堵、尾气排放和噪音污染。此外，本文还注意到，高收入家庭和交通卡较少的家庭可能会向远离市中心的方向迁移。为了防止他们过度依赖私家车，政府还需要加强公共交通的宣传，激励他们采用绿色交通方式。

此外，政府及相关规划部门在制定土地利用规划时，应设计职住平衡、校住平衡的布局。此外，还需要确保规划的住宅用地周边有一定的公共服务配套设施。这样可以避免土地的一次性使用，这可能会导致未来的长途旅行，可能会造成交通拥堵，也可能会降低人们的旅行满意度。因此，制定相应的交通管理和土地利用规划政策是至关重要的，以帮助人们更好地生活和出行。

7 结论

本研究扩展了现有的居住迁移行为研究文献，在中国发展中国家的背景下，综合考虑了建筑环境、房价、工作通勤距离、学校通勤距离和社会人口特征的影响。

构建了包含两个潜变量的SEM模型。研究结果表明，建筑环境、住房价格、家庭工作和家庭学校通勤距离以及社会人口特征都对居民迁移行为产生影响。具体而言，建设环境和社会人口变量对郊区化程度的增加有直接影响，其他变量对郊区化程度的增加有间接影响。同时，房价与建筑环境之间、房价与工作和学校通勤距离之间存在着博弈。

根据研究结果，建议在郊区发展公共交通服务，并实施优惠票价、公交补贴等激励政策，以激励上班族和学生乘坐公共交通出行。加强对高收入人群和低交通卡持卡人群体的宣传教育，鼓励他们使用公共交通工具和积极的出行方式。同时，建议政府和规划部门在城市发展前设计职住平衡、校住平衡布局和混合用地规划。这些建议可以减少人们对私家车的依赖，改善他们的生活和旅行体验。

本研究存在一定的局限性。首先，本文将迁移前的社会人口状况、工作和学校地址视为不变，因为这些信息在调查中没有得到;然而，由于中国社会和文化的福利和户籍要求困难，两年对于国有和中央企业和公立学校的换工作来说是一个相对较短的时间。此外，本研究没有考虑旅行和社会接触态度和偏好的影响，这些也没有纳入调查。尽管存在这些不足，但本研究有助于了解居民迁居行为，为城市制定公共交通管理政策和设计均衡的土地利用规划提供有价值的参考。

8 参考文献

1. Aditjandra, P.T., Cao, X., Mulley, C., 2012. Understanding neighbourhood design impact on travel behaviour: an application of structural equations model to a British metropolitan data. Transportation. Research. Part A Policy Practice. 46, 22–32. https://doi.org/ 10.1016/j.tra.2011.09.001.

2. Aditjandra, P.T., Mulley, C., Cao, X.J., 2016. Exploring changes in public transport use and walking following residential relocation: a British case study. J. Transp. Land Use 9, 77–95. https://doi.org/10.5198/jtlu.2015.588.

3. Ardeshiri, A., Vij, A., 2019. Lifestyles, residential location, and transport mode use: a hierarchical latent class choice model. Transp. Res. Part A Policy Pract. 126, 342–359. https://doi.org/10.1016/j.tra.2019.06.016.

4. Beenackers, M.A., Foster, S., Kamphuis, C.B.M., Titze, S., Divitini, M., Knuiman, M., Van Lenthe, F.J., Giles-Corti, B., 2012. Taking up cycling after residential relocation: built environment factors. Am. J. Prev. Med. 42, 610–615. https://doi.org/10.1016/ j.amepre.2012.02.021.

5. Beijing Municipal Bureau of Statistics, 2013. Beijing Statistical Yearbook. China Statistics Press.

6. Beijing Municipal Bureau of Statistics, 2014. Beijing Statistical Yearbook. China Statistics Press.

7. Bruns, A., Matthes, G., 2019. Moving into and within cities – interactions of residential change and the travel behavior and implications for integrated land use and transport planning strategies. Travel Behav. Soc. 17, 46–61. https://doi.org/ 10.1016/j.tbs.2019.06.002.

8. Cao, J., Ermagun, A., 2017. Influences of LRT on travel behaviour: a retrospective study on movers in Minneapolis. Urban Stud. 54, 2504–2520. https://doi.org/10.1177/ 0042098016651569.

9. Cao, X., Yang, W., 2017. Examining the effects of the built environment and residential self-selection on commuting trips and the related CO2 emissions: an empirical study in Guangzhou, China. Transp. Res. Part D Transp. Environ. 52, 480–494. https://doi. org/10.1016/j.trd.2017.02.003.

10. Cao, X., Mokhtarian, P.L., Handy, S.L., 2009. Examining the impacts of residential self- selection on travel behaviour: a focus on empirical findings. Transp. Rev. https:// doi.org/10.1080/01441640802539195.

11. Chan, K.W., Buckingham, W., 2008. Is China abolishing the hukuo system? China Q. 582–606. https://doi.org/10.1017/S0305741008000787.

12. De Vos, J., Witlox, F., 2016. Do people live in urban neighbourhoods because they do not like to travel? Analysing an alternative residential self-selection hypothesis. Travel Behav. Soc. 4, 29–39. https://doi.org/10.1016/j.tbs.2015.12.002.

13. De Vos, J., Derudder, B., Van Acker, V., Witlox, F., 2012. Reducing car use: changing attitudes or relocating? The influence of residential dissonance on travel behavior. J. Transp. Geogr. 22, 1–9. https://doi.org/10.1016/j.jtrangeo.2011.11.005.

14. De Vos, J., Ettema, D., Witlox, F., 2018. Changing travel behaviour and attitudes following a residential relocation. J. Transp. Geogr. 73, 131–147. https://doi.org/ 10.1016/j.jtrangeo.2018.10.013.

15. De Vos, J., Ettema, D., Witlox, F., 2019. Effects of changing travel patterns on travel satisfaction: a focus on recently relocated residents. Travel Behav. Soc. 16, 42–49. https://doi.org/10.1016/j.tbs.2019.04.001.

16. De Vos, J., Cheng, L., Witlox, F., 2020. Do changes in the residential location lead to changes in travel attitudes? A structural equation modeling approach. Transportation. https://doi.org/10.1007/s11116-020-10119-7.

17. Deka, D., 2013. An explanation of the relationship between adults’ work trip mode and children’s school trip mode through the Heckman approach. J. Transp. Geogr. 31, 54–63. https://doi.org/10.1016/j.jtrangeo.2013.05.005.

18. Ding, C., 2004. Urban spatial development in the land policy reform era: evidence from Beijing. Urban Stud. 41, 1889–1907. https://doi.org/10.1080/ 0042098042000256305.

19. Ding, C., Lin, Y., Liu, C., 2014. Exploring the influence of built environment on tour- based commuter mode choice: a cross-classified multilevel modeling approach. Transp. Res. Part D Transp. Environ. 32, 230–238. https://doi.org/10.1016/j. trd.2014.08.001.

20. Easton, S., Ferrari, E., 2015. Children’s travel to school-the interaction of individual, neighbourhood and school factors. Transp. Policy 44, 9–18. https://doi.org/ 10.1016/j.tranpol.2015.05.023.

21. Ettema, D., Nieuwenhuis, R., 2017. Residential self-selection and travel behaviour: what are the effects of attitudes, reasons for location choice and the built environment? J. Transp. Geogr. 59, 146–155. https://doi.org/10.1016/j.jtrangeo.2017.01.009.

22. Ewing, R., Cervero, R., 2010. Travel and the built environment. J. Am. Plan. Assoc. 76, 265–294. https://doi.org/10.1080/01944361003766766.

23. Fatmi, M.R., Habib, M.A., 2017. Modelling mode switch associated with the change of residential location. Travel Behav. Soc. 9, 21–28. https://doi.org/10.1016/j. tbs.2017.07.006.

24. Fatmi, M.R., Chowdhury, S., Habib, M.A., 2017. Life history-oriented residential location choice model: a stress-based two-tier panel modeling approach. Transp. Res. Part A Policy Pract. 104, 293–307. https://doi.org/10.1016/j.tra.2017.06.006.

25. Giles-Corti, B., Bull, F., Knuiman, M., McCormack, G., Van Niel, K., Timperio, A., Christian, H., Foster, S., Divitini, M., Middleton, N., Boruff, B., 2013. The influence of urban design on neighbourhood walking following residential relocation: longitudinal results from the RESIDE study. Soc. Sci. Med. 77, 20–30. https://doi. org/10.1016/j.socscimed.2012.10.016.

26. Gu, C., Shen, J., 2003. Transformation of urban socio-spatial structure in socialist market economies: the case of Beijing. Habitat Int. 27, 107–122. https://doi.org/10.1016/ S0197-3975(02)00038-3.

27. Guan, X., Wang, D., 2019. Residential self-selection in the built environment-travel behavior connection: whose self-selection? Transp. Res. Part D Transp. Environ. 67, 16–32. https://doi.org/10.1016/j.trd.2018.10.015.

28. Guan, J., Xu, C., 2018. Are relocatees different from others? Relocatee’s travel mode choice and travel equity analysis in large-scale residential areas on the periphery of megacity Shanghai, China. Transp. Res. Part A Policy Pract. 111, 162–173. https:// doi.org/10.1016/j.tra.2018.03.011.

29. Guidon, S., Wicki, M., Bernauer, T., Axhausen, K., 2019. The social aspect of residential location choice: on the trade-off between proximity to social contacts and commuting. J. Transp. Geogr. 74, 333–340. https://doi.org/10.1016/j. jtrangeo.2018.12.008.

30. Hooper, D., Coughlan, J., Mullen, M.R., 2008. Structural equation modelling: guidelines for determining model fit. Electron. J. Bus. Res. Methods 6, 53–60. https://doi.org/ 10.21427/D79B73. Ibrahim, M.R., 2017. How do people select their residential locations in Egypt? The case of Alexandria. Cities 62, 96–106. https://doi.org/10.1016/j.cities.2016.12.012.

31. Jones, T., Harms, L., Heinen, E., 2016. Motives, perceptions and experiences of electric bicycle owners and implications for health, wellbeing and mobility. J. Transp. Geogr. 53, 41–49. https://doi.org/10.1016/j.jtrangeo.2016.04.006.

32. Klinger, T., Lanzendorf, M., 2016. Moving between mobility cultures: what affects the travel behavior of new residents? Transp. (Amst). 43, 243–271. https://doi.org/ 10.1007/s11116-014-9574-x.

33. Krizek, K.J., 2003. Residential relocation and changes in urban travel: does neighborhood-scale urban form matter? J. Am. Plan. Assoc. 69, 265–281. https:// doi.org/10.1080/01944360308978019.

34. Kroesen, M., 2019. Residential self-selection and the reverse causation hypothesis: assessing the endogeneity of stated reasons for residential choice. Travel Behav. Soc. 16, 108–117. https://doi.org/10.1016/j.tbs.2019.05.002.

35. Li, S. Ming, Liu, Y., 2016. The jobs-housing relationship and commuting in Guangzhou, China: Hukou and dual structure. J. Transp. Geogr. 54, 286–294. https://doi.org/ 10.1016/j.jtrangeo.2016.06.014.

36. Lijiang, Z., 2003. The Hukou system of the People’s Republic of China: a critical appraisal under international standards of internal movement and residence. Chin. J. Int. Law 2, 519–565. https://doi.org/10.1093/oxfordjournals.cjilaw.a000487.

37. Lin, T., Wang, D., Guan, X., 2017. The built environment, travel attitude, and travel behavior: residential self-selection or residential determination? J. Transp. Geogr. 65, 111–122. https://doi.org/10.1016/j.jtrangeo.2017.10.004.

38. Lin, T., Wang, D., Zhou, M., 2018. Residential relocation and changes in travel behavior: what is the role of social context change? Transp. Res. Part A Policy Pract. 111, 360–374. https://doi.org/10.1016/j.tra.2018.03.015.

39. Mokhtarian, P.L., Cao, X., 2008. Examining the impacts of residential self-selection on travel behavior: a focus on methodologies. Transp. Res. Part B Methodol. 42, 204–228. https://doi.org/10.1016/j.trb.2007.07.006.

40. Ou, H., Tang, T.Q., Rui, Y.X., Zhou, J.M., 2018. Electric bicycle management and control at a signalized intersection. Phys. A Stat. Mech. Appl. 512, 1000–1008. https://doi. org/10.1016/j.physa.2018.06.116.

41. Scheiner, J., Holz-Rau, C., 2013. Changes in travel mode use after residential relocation: a contribution to mobility biographies. Transp. (Amst). 40, 431–458. https://doi. org/10.1007/s11116-012-9417-6.

42. Schwanen, T., Mokhtarian, P.L., 2004. The extent and determinants of dissonance between actual and preferred residential neighborhood type. Environ. Plan. B Plan. Des. 31, 759–784. https://doi.org/10.1068/b3039.

43. Schwanen, T., Mokhtarian, P.L., 2005a. What affects commute mode choice: neighborhood physical structure or preferences toward neighborhoods? J. Transp. Geogr. 13, 83–99. https://doi.org/10.1016/j.jtrangeo.2004.11.001.

44. Schwanen, T., Mokhtarian, P.L., 2005b. What if you live in the wrong neighborhood? The impact of residential neighborhood type dissonance on distance traveled. Transp. Res. Part D Transp. Environ. 10, 127–151. https://doi.org/10.1016/j. trd.2004.11.002.

45. Steiger, J.H., 2007. Understanding the limitations of global fit assessment in structural equation modeling. Personal. Individ. Differ. 42, 893–898. https://doi.org/10.1016/ j.paid.2006.09.017.