基于結(jié)構(gòu)方程模型的地鐵乘客安全行為影響因素分析*

鐘茂華，田向亮，劉　暢，何　理

(1.清華大學工程物理系 公共安全研究院，北京 100084；2.東北大學 資源與土木工程學院，遼寧 沈陽 110819；3.中國安全生產(chǎn)科學研究院 地鐵火災與客流輸運安全北京市重點實驗室，北京 100029)

0　引言

城市軌道交通在我國迅猛發(fā)展，截至2017年底，我國大陸地區(qū)共34個城市開通運營城市軌道交通，運營線路總長度約5 100 km。預計到2020年運營里程將達到6 000 km[1]。加強地鐵安全管理，做好地鐵安全工作關系到人民生命財產(chǎn)的安全，關系到整個城市的和諧發(fā)展，關系到國家經(jīng)濟發(fā)展和社會的穩(wěn)定。因此，進一步提升地鐵的安全氛圍，提高乘客的安全知識水平，增強乘客的安全動機，規(guī)范乘客的安全行為對于維護地鐵運營安全極為重要。

安全行為包括安全服從行為和安全參與行為，這兩者可以認為是安全績效的組成部分[2]。探索安全氛圍、安全行為和安全績效之間的關系是很多學者研究的重點[2-10]。ZOHAR提出安全氛圍的概念后[3]，WU等對安全氛圍的概念、維度、指標、要素結(jié)構(gòu)、應用組織層次以及在事故因果鏈中的作用進行了研究[4]。部分學者研究了安全氛圍對安全行為影響的中介效應，研究的維度包括安全知識，安全動機，安全心理和安全培訓等[2, 5-8]。SIU等評估了心理壓力作為中介因素對安全氛圍與安全績效的影響[5]；VINODKUMAR等研究發(fā)現(xiàn)安全培訓對安全參與行為和安全服從行為沒有直接影響，而是通過安全知識和安全動機的中介效應來產(chǎn)生影響[2]；NEAL等研究認為知識、技能和動機會對安全服從行為和安全參與行為有不同的作用，安全知識對安全服從行為的影響高于對安全參與行為的影響，安全動機對安全參與行為的影響高于對安全服從行為的影響[6]。安全氛圍與安全行為的研究目前主要集中在石化、建筑等傳統(tǒng)高風險行業(yè)，一些非傳統(tǒng)行業(yè)如學校[7]、醫(yī)院[8]的安全也有部分學者進行了研究，但是對于地鐵運營期間乘客安全行為等指標的研究目前主要為單指標定性比較研究[11-14]，而通過構(gòu)建結(jié)構(gòu)方程模型定量分析地鐵乘客安全行為影響因素的研究較少。因此，論文基于此研究背景開展對地鐵乘客安全行為影響因素的定量研究。

本文通過對北京、上海、廣州、深圳等城市的地鐵乘客進行地鐵安全問卷調(diào)查研究，運用因子分析、構(gòu)建結(jié)構(gòu)方程模型進行路徑分析等方法從地鐵的安全氛圍、乘客接受安全培訓的狀況、乘客的安全知識、安全動機、安全參與行為、安全服從行為和安全心理等方面探究了地鐵乘客安全行為的影響因素，分析了地鐵安全氛圍和安全培訓對乘客安全行為的影響以及乘客安全知識和安全動機的中介效應，并在此基礎上對提升地鐵安全氛圍，規(guī)范乘客安全行為提出了建議。

1　研究方法

1.1　問卷設計與調(diào)查

問卷基于安全行為研究的經(jīng)典問卷[2,6]以及研究地鐵乘客安全行為的相關問卷[11-14]進行設計，對于初始問卷的修訂采用現(xiàn)場預測試和在線預測試2種方法，現(xiàn)場預測試在廣州地鐵和深圳地鐵共6個地鐵車站進行，在線預測試通過問卷星平臺進行，預測試共收到有效問卷880份。通過對預測試問卷數(shù)據(jù)的分析，輔以文獻調(diào)研、現(xiàn)場調(diào)研、專家咨詢等方式逐步修訂形成了最終的問卷。問卷分為3個部分，共設置39個題項。第1部分為個人基本信息，主要從人員所在城市、性別、年齡、受教育程度、職業(yè)、接受安全培訓狀況、乘車頻率、換乘次數(shù)等8個方面展開，共設置8個題項；第2部分為問卷主體內(nèi)容，包括乘客對地鐵安全氛圍的評價、乘客的安全知識、安全動機、安全參與行為、安全服從行為以及安全心理等6個方面，共30個題項，該部分均為5分制量表，5分代表非常符合，1分代表完全不符合；第3部分為乘客建議，設置1個題項。正式問卷調(diào)查通過問卷星平臺進行，共搜集到問卷1 068份，其中有效問卷870份。

1.2　分析方法

本文的分析方法從因子分析和路徑分析兩方面著手。針對問卷信效度，采用因子分析法對問卷的因子結(jié)構(gòu)進行分析；針對安全行為影響因素，采用路徑分析法建立各項指標的結(jié)構(gòu)方程模型。

因子分析包括探索性因子分析和驗證性因子分析[15]。為了確認量表因子結(jié)構(gòu)，首先進行探索性因子分析。探索性因子分析是一降維技術，能夠?qū)⒕哂绣e綜復雜關系的變量綜合為少數(shù)幾個核心因子。探索性因子分析需對問卷進行Kaiser-Meyer-Olkin(KMO)檢驗和Bartlett 球形檢驗。KMO檢驗是通過比較各變量間簡單相關系數(shù)和偏相關系數(shù)的大小判斷變量間的相關性，相關性強時，偏相關系數(shù)遠小于簡單相關系數(shù)，KMO值接近1，通常的標準如表1所示[16]。Bartlett球形檢驗用于檢驗相關矩陣是否是單位矩陣，即各變量是否獨立。Bartlett球形檢驗統(tǒng)計量Chi-squared越大，證明問卷效度越高。統(tǒng)計量的顯著性概率p<0.05時說明該問卷適合因子分析。

表1　KMO檢驗標準

在證明問卷適合進行因子分析的基礎上，對各因子內(nèi)部信度進行檢驗，內(nèi)部一致性系數(shù)(Cronbach Alpha值)表征各因子內(nèi)部信度，通常的標準如表2所示[16]。

表2　因子內(nèi)部信度檢驗標準

在探索性因子分析的基礎上對各項指標進行驗證性因子分析，驗證性因子分析的主要指標為建構(gòu)效度(CR)和平均方差萃取量(AVE)[16]。CR值反映了每個潛變量中所有題項是否一致性地解釋該潛變量，當該值高于0.7時表示該潛變量具有較好的建構(gòu)信度。當AVE值高于0.5時表明觀察變量被其潛在變量解釋的變異量高于其被測量誤差所解釋的變異量。

結(jié)構(gòu)方程模型是路徑分析的常用方法[17]。結(jié)構(gòu)方程模型是基于變量的協(xié)方差矩陣來分析變量之間關系的一種統(tǒng)計方法。它彌補了傳統(tǒng)統(tǒng)計分析方法的不足，尤其在分析多種原因多種結(jié)果的聯(lián)系和潛變量關系方面。結(jié)構(gòu)方程模型是應用線性方程系統(tǒng)表示觀測變量與潛變量之間的一種統(tǒng)計方法，可以用于估計無法直接量化的參數(shù)。

2　調(diào)查結(jié)果

2.1　樣本統(tǒng)計

被測人員的基本信息主要從人員所在城市、性別、年齡、受教育程度、職業(yè)、接受安全培訓狀況、乘車頻率、換乘次數(shù)等8個方面展開。具體分類見表3。

表3　乘客信息表

根據(jù)各類人員分布情況將人員基本信息進行了重新分類。測試過程中60歲以上乘客較少，將年齡重新劃分為5類，將60歲以上年齡段與46～59歲年齡段合并為一類，符合地鐵乘客以中青年人為主的特征。受教育程度方面，小學學歷與初中學歷人員較少，合為一類，碩士及博士合為一類，本科生占比44.8%，說明乘客的整體受教育程度較高。職業(yè)方面主要分為企業(yè)人員，事業(yè)單位人員，個體戶、學生和其他類，企業(yè)人員占比47.1%，是地鐵乘客的主要人群。乘客的性別比例基本持平。

2.2　因子分析

2.2.1探索性因子分析

從表4中可以看出，問卷的KMO檢驗值為0.885，大于0.8，說明該問卷適合做因子分析。因子特征值大于1的成分共有6個，累計方差貢獻率為60.84%，符合社會調(diào)查量表要求。6個主成分內(nèi)部一致性系數(shù)(Cronbach Alpha)均高于0.7，滿足信度系數(shù)要求。各題項的因子載荷系數(shù)均大于0.6，只有Q20不符合要求，因此刪除該題項，其余題項與對應的指標均與問卷設計時一致。

2.2.2驗證性因子分析

在探索性因子分析的基礎上對各項指標進行驗證性因子分析，為了使得各指標AVE值高于0.5，刪除路徑因子較低的題項，因此，安全服從行為中的Q36，Q37，Q38，安全氛圍中的Q29，安全動機中的Q22和安全心理中的Q32被刪除。各題項平均值，標準差和路徑因子如表5所示，各指標的平均值通過該指標所包含題項的算術平均值求得，各指標的建構(gòu)效度均高于0.7，說明修正后的量表的信度較高。

2.3　路徑分析

路徑分析采用建立乘客安全行為影響因素的結(jié)構(gòu)方程模型的方法。乘客乘車頻率直接反應了乘客與地鐵的關系，乘車頻率越高的乘客對于地鐵的熟悉程度越高，對于地鐵各項指標的反應情況也更客觀合理，因此在本研究中選取乘車頻率非常高的乘客共196份樣本作為研究對象?；谖墨I[2-10]，作如下假設：1)安全氛圍對安全知識、安全動機和安全心理具有積極作用；2)安全培訓對安全知識、安全動機和安全心理具有積極作用；3)安全知識對安全參與行為和安全服從行為具有積極作用；4)安全動機對安全參與行為和安全服從行為具有積極作用；5)安全心理對安全參與行為和安全服從行為具有積極作用；6)安全知識，安全動機和安全心理是安全氛圍和安全行為的中介變量；7)安全知識，安全動機和安全心理是安全氛圍和安全培訓的中介變量；8)安全氛圍與安全培訓具有共變作用。根據(jù)上述假設，構(gòu)建地鐵安全結(jié)構(gòu)方程模型。

表4　探索性因子分析

表6表示結(jié)構(gòu)方程模型的指標擬合情況?？ǚ阶杂啥缺?χ2/df)是模型適配度的重要指標，當χ2/df<1時，表示模型過度適配；其值大于3時，表示模型適配度不佳；較為嚴格的適配度準則是χ2/df值介于1至2間。假設模型的χ2/df值為4.209，遠高于合理范圍，表明假設條件與模型不適配，同時顯著性概率值為0.000，達到了0.05以下的顯著水平，表示觀察數(shù)據(jù)與假設模型存在顯著差異。當漸進殘差均方和平方根值(RMSEA)<0.05時，表示模型有良好的適配度。假設模型的RMSEA值為0.128，進一步說明適配度欠佳。從圖1中的加粗路徑可以看出，安全心理與安全培訓、安全行為均無顯著關系。安全培訓與安全動機、安全知識與安全服從行為、安全動機與安全參與行為間均無顯著關系。刪除上述關系不顯著的路徑后得到修正模型1(如圖2)，修正模型1的χ2/df值減小但還未達到合理區(qū)間，說明修正模型1與觀測數(shù)據(jù)仍不適配。其他參數(shù)如比較擬合指數(shù)(CFI)、規(guī)范擬合指數(shù)(NFI)、增量擬合指數(shù)(IFI)、擬合優(yōu)度指數(shù)(GFI)、均方根殘差(RMR)等值均小于假設模型，說明模型嚴重不適配，因此在模型中必然存在其他相關關系。

表5　驗證性因子分析

根據(jù)擬合結(jié)果發(fā)現(xiàn)安全知識對安全動機存在顯著影響，安全培訓對安全參與行為同樣存在顯著影響，因此增加安全知識對安全動機影響的路徑和安全培訓對安全參與行為影響的路徑(圖3中的加粗路徑)得到修正模型2。修正模型2的χ2/df值為1.161 5，介于1至2之間，且顯著性概率為0.08，高于0.05，說明模型適配度較好；同時CFI，NFI，IFI，GFI以及RMR等指標均符合適配標準。但是RMSEA值為0.056，稍高于適配度較好的臨界值0.05，說明該模型還需進一步改進。

NEAL等[6]的研究表明，安全氛圍對安全參與行為存在顯著影響。因此在修正模型2的基礎上，增加安全氛圍對安全參與行為的影響路徑(圖4中的加粗路徑)得到最終模型。最終模型的各項指標均符合適配標準。CFI，NFI，IFI，GFI以及RMR等值均大于之前的模型，同時RMSEA和RMR值小于之前的模型，進一步說明最終模型相較于之前的模型更合理。

從圖4可以看出，安全氛圍對安全知識，安全動機和安全心理存在積極影響，路徑系數(shù)分別為0.51, 0.30和0.28，這證明假設1成立。安全培訓只對安全動機存在積極影響，因此假設2部分成立。同樣的，安全知識只對安全參與行為存在積極影響，安全動機只對安全服從行為存在積極影響，因此，假設3和假設4也是部分成立。安全心理對安全參與行為與安全服從行為均不存在任何影響，說明假設5完全被否定。對于安全培訓來說，安全培訓直接影響著安全知識和安全參與行為，安全知識也是安全培訓和安全參與行為的中介變量。與此同時，安全氛圍直接影響著安全知識、安全動機和安全心理，安全知識是安全氛圍與安全參與行為、安全氛圍與安全動機的中介變量，安全動機是安全氛圍與安全服從行為的中介變量，因此假設6和假設7也部分成立。安全培訓與安全氛圍間存在顯著共變關系，所以假設8成立。綜上所述，假設1和假設8完全成立，假設2，3，4，6，7部分成立，假設5不成立。

表6　結(jié)構(gòu)方程模型指標擬合

圖1　假設模型Fig.1　Hypothesis model

圖2　修正模型1Fig.2　Modified model 1

圖3　修正模型2Fig.3　Modified model 2

圖4　最終模型Fig.4　Final model

3　結(jié)果分析

各項因子的信度以及問卷的整體效度均表明該問卷用于研究乘客安全行為影響因素是合理可行的，為建立乘客安全行為影響因素的結(jié)構(gòu)方程模型打下了堅實的基礎。

通過路徑分析得到的最終模型證明了假設模型部分路徑的正確性。地鐵安全氛圍對于乘客的安全知識、安全動機、安全心理和安全參與行為均存在顯著影響，其中，對于乘客地鐵安全知識的路徑系數(shù)最高，即對安全知識影響最大，說明良好的地鐵安全氛圍有助于提高乘客的安全知識水平。乘客的安全培訓狀況對于安全知識和安全參與行為有直接影響，安全培訓狀況雖然沒有直接對乘客安全動機產(chǎn)生影響，但通過地鐵安全知識的中介效應對安全動機產(chǎn)生了間接影響。安全氛圍與安全培訓狀況作為外界因素變量存在共變現(xiàn)象，證明了安全培訓狀況與安全氛圍之間存在相互影響。安全知識水平只對安全參與行為水平有顯著影響，安全服從行為水平只與安全動機水平直接相關，這與前述學者的研究存在顯著差異，這可能是由于地鐵安全現(xiàn)場管理水平存在差異造成的。在客流較大的車站，通常設有更多客流疏導人員或志愿者，這直接提高了乘客的安全服從行為水平，與乘客的安全知識水平無明顯關聯(lián)。因此，乘客安全服從行為水平與安全知識水平間無顯著聯(lián)系，而只與乘客的安全動機直接相關，且安全動機對安全服從行為的路徑系數(shù)為0.24，即安全動機對于安全服從行為的解釋率僅為5.76%，說明乘客的安全服從行為更多的受到了其他因素如車站管理水平等的影響。乘客的安全參與行為水平受到乘客安全知識的影響較大，路徑系數(shù)為0.55，安全知識水平對安全參與行為水平的解釋率為30.25%。安全動機對于安全參與行為水平無顯著影響，這表明良好的安全動機并不能顯著提高乘客的安全參與行為水平。乘客的安全心理水平主要受到地鐵站安檢流程以及限流措施的影響，同時與地鐵客流密度，負荷強度等外部因素相關，所以安全心理對于安全參與行為與安全服從行為無顯著影響。

4　結(jié)論

1)良好的地鐵安全氛圍有助于提升乘客的安全知識水平、安全動機、安全心理水平和安全參與行為水平，營造更加良好的安全氛圍對于提高地鐵乘客的安全行為水平具有重要作用。

2)乘客的安全參與行為水平主要受到乘客安全知識水平的影響，乘客安全服從行為水平主要受到乘客的安全動機的影響。乘客安全心理與地鐵安全氛圍顯著相關，對乘客的安全行為不會產(chǎn)生顯著影響。安全知識水平作為中介因素同時影響著安全氛圍與安全參與行為，安全培訓與安全參與行為，安全氛圍與安全動機以及安全培訓與安全參與行為之間的關系。由此可見，安全知識水平是影響乘客安全行為水平的重要因素。對于乘客來說，獲得更多的安全知識對于提升自身的安全動機及安全行為具有顯著效果。

3)安全培訓是提升安全知識水平的重要途徑。無論是地鐵運營公司、企事業(yè)單位、學校等均應充分重視安全培訓工作，建立健全安全培訓機制，努力提升地鐵乘客的安全知識水平，這對于提升整個社會的安全意識以及保障地鐵乘客的人身安全都具有重要意義。

[1]國務院.“十三五”現(xiàn)代綜合交通運輸體系發(fā)展規(guī)劃[Z].2017-02-03.

[2]VINODKUMAR M N, BHASI M. Safety management practices and safety behaviour: Assessing the mediating role of safety knowledge and motivation [J]. Accident Analysis & Prevention, 201(42)： 2082-2093.

[3]ZOHAR Dov. Safety climate in industrial organizations: theoretical and applied implications [J]. Journal of Applied Psychology, 1980(65)： 96-102.

[4]WU Chunlin, SONG Xinyi, WANG Tao， et al. Core dimensions of the construction safety climate for a standardized safety-climate measurement[J]. Journal of Construction Engineering and Management-ASCE, 2015, 141(8)，04015018.

[5]SIU O, PHILLIPS D R, LEUNG T. Safety climate and safety performance among construction workers in Hong Kong: the role of psychological strains as mediators [J]. Accident Analysis and Prevention, 2004, 36(3)： 359-366.

[6]NEAL A, GRIFFIN MA, HARTP.M. The impact of organizational climate on safety climate and individual behavior [J]. Safety Science,2000(34)：99-109.

[7]WU Tsung-Chih, CHEN ChiHsiang, LI ChinChung. A correlation among safety leadership, safety climate and safety performance [J]. Journal of Loss Prevention in the Process Industries, 2008(21)：307-318.

[8]NEAL A, GRIFFIN MA. A study of the lagged relationships among safety climate, safety motivation, safety behavior, and accidents at the individual and group levels [J]. Journal of Applied Psychology, 2006, 91(4)：946-953.

[9]LIU Xinxia, HUANG Guoxian, HUANG Huiqiang, et al. Safety climate, safety behavior, and worker injuries in the Chinese manufacturing industry [J]. Safety Science, 2015(78)：173-178.

[10]GUOBRAIN HW, YIU TW, GONZLEZ VICENTE A. Predicting safety behavior in the construction industry: Development and test of an integrative model [J]. Safety Science,2016(84)： 1-11.

[11]郭雩，何理，石杰紅，等．地鐵不同人群疏散行為特征調(diào)查問卷研究[J]．中國安全生產(chǎn)科學技術，2012，8(4):183-188.

GUO Yu, HE Li, SHI Jiehong, et al. Questionnaire research on the evacuation behavior characteristics of different crowds in subway [J]. Journal of Safety Science and Technology, 2012, 8(4)：183-188.

[12]何理，鐘茂華，史聰靈，等．北京地鐵乘客疏散行為特征調(diào)查試驗分析[J]．東北大學學報，2011，32(S2): 253-257.

HE Li, ZHONG Maohua, SHI Congling, et al. Survey on behavioral features of evacuation of Beijing Subway [J]. Journal of Norththeastern University, 2011, 32(S2): 253-257.

[13]何理，鐘茂華，史聰靈，等.地鐵突發(fā)事件下乘客疏散行為調(diào)查研究[J].中國安全生產(chǎn)科學技術，2009，5(1):53-58.

HE Li, ZHONG Maohua, SHI Congling, et al. Investigation on evacuation behavior of passengers in metro emergency[J]． Journal of Safety Science and Technology, 2009, 5(1): 53-58.

[14]穆娜娜，肖國清，何理，等.地鐵人員疏散心理行為調(diào)查及相關性研究[J].中國安全生產(chǎn)科學技術，2013, 9( 6):53-58.

MU Nana, XIAO Guoqing, HE Li, et al. Investigation and correlation study on human evacuation psychological behavior in subway [J]. Journal of Safety Science and Technology, 2013, 9(6)： 85-90.

[15]陳勝可.SPSS統(tǒng)計分析從入門到精通[M].北京:清華大學出版社,2013.

[16]HAIR JF, ANDERSON RE, TATHAM RL, et al. Multivariate Data Analysis [M].New Jersey: Prentice-Hall International, 2010.

[17]吳明隆.結(jié)構(gòu)方程模型——AMOS的操作與應用[M].重慶:重慶大學出版社,2016.