關(guān)于城市道路危險(xiǎn)駕駛行為影響因素的統(tǒng)計(jì)分析

陳文強(qiáng)，吳群琪，顧玉磊

（長(zhǎng)安大學(xué)經(jīng)濟(jì)與管理學(xué)院，西安 710064）

關(guān)于城市道路危險(xiǎn)駕駛行為影響因素的統(tǒng)計(jì)分析

陳文強(qiáng)，吳群琪，顧玉磊

（長(zhǎng)安大學(xué)經(jīng)濟(jì)與管理學(xué)院，西安 710064）

文章首先建立研究路徑模式和理論假設(shè)，基于此構(gòu)建適合中國(guó)城市道路危險(xiǎn)駕駛行為分析的危險(xiǎn)駕駛行為量表、風(fēng)險(xiǎn)感知量表、駕駛能力自信量表和人格特性量表，以西安城市道路駕駛員為研究對(duì)象，獲取110份有效樣本，利用SPSS17.0和外掛AMOS20對(duì)樣本進(jìn)行信度和效度檢驗(yàn)，采用LISREL的兩階段分析法進(jìn)行模式驗(yàn)證與模式適配度分析。研究結(jié)果顯示，研究城市的危險(xiǎn)駕駛行為主要取決于人格特性（路徑系數(shù)為.560），而影響人格特性程度最大的是無規(guī)范感（路徑系數(shù).633），其次是憤怒因素（路徑系數(shù).540），從這個(gè)層面來講，加強(qiáng)管理和處罰力度，增強(qiáng)駕駛員行為規(guī)范、端正駕駛員心態(tài)對(duì)于減少城市道路危險(xiǎn)駕駛行為有著重要的作用。

LISREL的兩階段分析法；風(fēng)險(xiǎn)感知；模式驗(yàn)證;能力自信；路徑分析

0 引言

據(jù)統(tǒng)計(jì)，全球范圍內(nèi)，道路交通事故每年造成近130萬人死亡，5000萬人傷殘，經(jīng)濟(jì)損失達(dá)5000多億美元。正因如此，交通安全引起了各國(guó)政府和學(xué)術(shù)界的高度關(guān)注，已經(jīng)成為一個(gè)快速發(fā)展的重要研究領(lǐng)域。根據(jù)2011年中國(guó)交通事故統(tǒng)計(jì)資料顯示，在97000件道路交通事故中，與駕駛行為因素相關(guān)的就占了91.85%，道路交通事故的產(chǎn)生與駕駛行為有高度關(guān)聯(lián)。理論研究也證實(shí)多種風(fēng)險(xiǎn)因素（道路、車輛、環(huán)境）誘發(fā)的交通沖突模型中的危險(xiǎn)駕駛行為是交通事故的主要誘因。因此，從危險(xiǎn)駕駛行為入手探討交通事故發(fā)生成因，有可能抓住交通事故形成的主要環(huán)節(jié)。而找尋影響危險(xiǎn)駕駛行為因素，分析其內(nèi)在關(guān)聯(lián)是問題的關(guān)鍵所在，也是有待我們深入研究的問題。因此有必要建立起一套適合于中國(guó)危險(xiǎn)駕駛行為的測(cè)量工具，探討影響中國(guó)道路交通危險(xiǎn)駕駛行為因素及其影響路徑，為交通事故預(yù)防與相關(guān)部門管理提供決策依據(jù)。

1 理論假設(shè)

經(jīng)文獻(xiàn)回顧發(fā)現(xiàn)，人格特質(zhì)、風(fēng)險(xiǎn)感知、駕駛能力自信是影響危險(xiǎn)駕駛行為的關(guān)鍵因素，因此本研究以Mathews等人（1986）和Machin and Sankey(2008)提出的駕駛決策行為模式為基礎(chǔ)，提出假設(shè)的路徑模式（圖1）。由圖1可知，人格特質(zhì)會(huì)影響駕駛能力自信、風(fēng)險(xiǎn)感知和危險(xiǎn)駕駛行為；駕駛能力自信影響風(fēng)險(xiǎn)感知和危險(xiǎn)駕駛行為，風(fēng)險(xiǎn)感知影響危險(xiǎn)駕駛行為。根據(jù)上述說明，本研究提出下列六項(xiàng)假設(shè)進(jìn)行驗(yàn)證：

H1：“風(fēng)險(xiǎn)感知”對(duì)“危險(xiǎn)駕駛行為”有負(fù)向關(guān)系；

H2：“人格特性”對(duì)“危險(xiǎn)駕駛行為”有正向關(guān)系；

H3：“駕駛能力自信”對(duì)“危險(xiǎn)駕駛行為”有正向關(guān)系；

H4：“人格特性”對(duì)“風(fēng)險(xiǎn)感知”有負(fù)向關(guān)系；

H5：“駕駛能力自信”對(duì)“風(fēng)險(xiǎn)感知”有負(fù)向關(guān)系；

H6：“人格特性”對(duì)“駕駛能力自信”有正相關(guān)系。

圖1 路徑模式

2 研究方法

本研究問卷通過長(zhǎng)安大學(xué)車輛檢驗(yàn)辦公室向申請(qǐng)車輛檢驗(yàn)的司機(jī)發(fā)放。共發(fā)放了問卷300份，回收問卷150份，剔除不規(guī)則填寫和漏填等無效問卷，確定110份有效問卷。

研究中由于人格特質(zhì)、風(fēng)險(xiǎn)感知、駕駛能力自信和危險(xiǎn)駕駛行為是屬于潛在變量，且無法直接測(cè)量，因此需要借助顯性問題來進(jìn)行衡量，需要構(gòu)建相關(guān)量表問卷。

（1）人格特性量表。本研究人格特質(zhì)包含尋求刺激、憤怒、焦慮和無規(guī)范感四個(gè)層面，前三個(gè)層面是基于Costa等人（1992）提出的的NEO-PI-R人格量表修正而得的，共12題；無規(guī)范感層面，則是以Kohn等人（1983）提出的無規(guī)范量表為基礎(chǔ)，提取2個(gè)問題。因此人格特性部分共有14題，以Likert五點(diǎn)量表衡量。

（2）風(fēng)險(xiǎn)感知量表。本研究選擇Noland（1995）提出的風(fēng)險(xiǎn)感知量表。量表分為四個(gè)層面，分別為：失誤行為風(fēng)險(xiǎn)感知、錯(cuò)誤行為風(fēng)險(xiǎn)感知、一般違規(guī)行為風(fēng)險(xiǎn)感知、嚴(yán)重違規(guī)行為的風(fēng)險(xiǎn)感知，共計(jì)12個(gè)問題，計(jì)量采用Likert五點(diǎn)量表。

（3）駕駛能力自信量表。本研究從Lajunen與Summala（1995）設(shè)計(jì)的駕駛能力量表（DSI）中選擇15題，分為安全防衛(wèi)能力、純粹駕駛技術(shù)能力和情緒控制自信三個(gè)層面，作為評(píng)估駕駛員對(duì)于自身駕駛能力自信程度的高低評(píng)估試題。計(jì)量采用Likert五點(diǎn)量表。

（4）危險(xiǎn)駕駛行為。本研究根據(jù)Reason等人（1990）提出的駕駛行為問卷（DBQ）作為研究危險(xiǎn)駕駛行為評(píng)量范本，從中選取15題。計(jì)量采用Likert五點(diǎn)量表。

3 數(shù)據(jù)分析與討論

3.1 量表信度分析

信度分析用來測(cè)試問卷的穩(wěn)定性。本研究采用Cronbach’s α系數(shù)作為問卷量表的信度計(jì)量標(biāo)準(zhǔn)。利用SPSS17.0進(jìn)行樣本整體量表的信度分析，結(jié)果整理見表1。可以看出本研究所使用的量表樣本具有很好的信度。

表1 各量表的信度檢測(cè)結(jié)果

3.2 效度分析

本研究利用因素分析法進(jìn)行效度分析。用KMO test加以測(cè)試。該法是對(duì)每個(gè)變量與全體變量，評(píng)估經(jīng)抽取共同因素后變量間的偏相關(guān)比原來變量之間的相關(guān)性小多少的指標(biāo)。一般而言，KMO大于0.8表示此組資料是適合作因素分析，小于0.5表示不適合。本文采用主軸因素法作為參數(shù)估計(jì)的方法，并根據(jù)Kaiser（1960）的建議，選取特征值大于1的因素。為獲得較明顯的因子負(fù)荷型態(tài)，本研究將以直交旋轉(zhuǎn)中的最大變異法進(jìn)行因子軸的旋轉(zhuǎn)。

3 2.1 危險(xiǎn)駕駛行為量表因素分析

KMO值為0.711（大于0.5），表示樣本數(shù)據(jù)適合作因素分析。在共同因素的萃取上，以Ksiser’s rule判斷，發(fā)現(xiàn)有4個(gè)共同因素其萃取特征值大于1，其解釋變異量分別為23.221%、13.204%、11.290%與10.498%，累積解釋變異量達(dá)到58.212%，各項(xiàng)與共同變數(shù)的loading值如表2所示。

表2 危險(xiǎn)駕駛行為共同因素與loading

因素分析后，得到危險(xiǎn)性駕駛行為的潛在共同因素，并且根據(jù)與該共同因素有高度相關(guān)的問項(xiàng)來對(duì)共同因素命名，因此共同因素1命名為嚴(yán)重違規(guī)駕駛行為，共7題；因素2，一般違規(guī)駕駛行為，3題；因素2：失誤駕駛行為，3題；因素4：錯(cuò)誤駕駛行為2題。

將因素分析后的四個(gè)共同因素進(jìn)行Cronbanch’s α值的信度檢測(cè)，發(fā)現(xiàn)除失誤駕駛行為因素的α值較低外（0.533），總量表與其它因素的信度皆在0.65以上（詳見表3），顯示危險(xiǎn)駕駛行為量表經(jīng)因素分析后，共同因素層面上也符合統(tǒng)計(jì)信度。

表3 危險(xiǎn)駕駛行為量表與各因素層面的信度分析結(jié)果

3.2.2 風(fēng)險(xiǎn)感知量表

KMO值為0.811（大于0.5），表示樣本數(shù)據(jù)適合作因素分析。共有3個(gè)因素層面其萃取特征值大于1，其解釋變異量分別為21.908%、18.405%、16.060%累積解釋變異量達(dá)到56.373%，各項(xiàng)與共同變數(shù)的loading值如表4所示。

共同因素1命名為嚴(yán)重違規(guī)風(fēng)險(xiǎn)感知，共5題；因素2，錯(cuò)誤行為風(fēng)險(xiǎn)感知，3題；因素3：一般違規(guī)風(fēng)險(xiǎn)感知，4題。

將因素分析后的3個(gè)共同因素進(jìn)行Cronbanch’s α值的信度檢測(cè)，見表5?？芍餐蛩貙用嫔弦卜辖y(tǒng)計(jì)信度。

3.2.3 駕駛能力自信

表4 風(fēng)險(xiǎn)感知共同因素與loading a

表5 風(fēng)險(xiǎn)感知量表與因素層面的信度分析結(jié)果

KMO值為0.822（大于0.5），表示樣本數(shù)據(jù)適合作因素分析。共有3個(gè)因素層面其萃取特征值大于1，其解釋變異量分別為31.857%、16.815%、14.099%累積解釋變異量達(dá)到62.771%，各項(xiàng)與共同變數(shù)的loading值如表6所示。

表6 駕駛能力自信共同因素與loading

共同因素1命名為技術(shù)層面，8題；因素2，安全防衛(wèi)，3題；因素3：情緒控制，4題。

將因素分析后的3個(gè)共同因素進(jìn)行Cronbanch’s α值的信度檢測(cè)，如表7所示，顯示駕駛能力自信量表經(jīng)因素分析后，共同因素層面上也符合統(tǒng)計(jì)信度。

表7 駕駛能力自信量表與因素面的信度分析結(jié)果

3.2.4 人格特性量表

KMO值為0.579（大于0.5），表示樣本數(shù)據(jù)適合作因素分析。在共同因素的萃取上，以Ksiser’s rule判斷，共有5個(gè)因素層面其萃取特征值大于1，其中因素五只含有一個(gè)變量(D12)，去除。作第二次因素分析，KMO值為0.579（大于0.5），表示修正樣本數(shù)據(jù)適合作因素分析。二次因素分析中共有4個(gè)因素萃取特征值大于1，其解釋變異量分別為17.240%、15.994%、13.401%與12.631%，累積解釋變異量達(dá)到59.266%。各項(xiàng)與共同變數(shù)的loading值如表8所示。

表8 人格特性共同因素與loading

根據(jù)各因素包含之問項(xiàng)并參考Reason定義DBQ各因素的結(jié)果，本研究將其重新命名為：因素1：憤怒層面，4題；因素2：焦慮層面，3題；因素3：無規(guī)范感，2題；因素4，尋求刺激，2題。

將因素分析后的四個(gè)因素進(jìn)行Cronbanch’s α值的信度檢測(cè)，發(fā)現(xiàn)需求刺激（V14）因素Cronbanch’s α值只有0.168，信度不夠，去除。重新作總量表與其它3個(gè)因素的信度分析，見表9。顯示修正后的人格特性量表經(jīng)因素分析后，因素層面上具有統(tǒng)計(jì)信度。

表9 人格特性量表與各構(gòu)面之信度分析結(jié)果

4 模式驗(yàn)證與適配度分析

本部分利用LISREL的兩階段分析法進(jìn)行模式驗(yàn)證與模式適配度分析。本部分首先進(jìn)行確認(rèn)性因素分析（CFA），剔除擾亂因果分析的干擾變量；其次，將以修正后的模式進(jìn)行路徑分析，研究潛在變量間的因果關(guān)系；最后，驗(yàn)證因果關(guān)系模式假設(shè)在研究區(qū)域危險(xiǎn)駕駛行為相關(guān)影響變量中的適配程度。研究結(jié)構(gòu)關(guān)系如圖2所示，圖中橢餅圖案代表潛在變量，方形圖案代表觀察變量。

圖2 線性結(jié)構(gòu)關(guān)系模式

4.1 CFA分析

利用SPSS外掛AMOS 20版本進(jìn)行整體確認(rèn)性因素分析，獲取模式的適配度指標(biāo)值，見表11。

（1）初始模式

對(duì)初始模式進(jìn)行CFA分析，結(jié)果如下：GFI值0.877、AGFI值0.811、RMR值0.02、NFI值0.689、NNFI值0.84、CFI值0.895，RMSEA值0.07，這幾項(xiàng)模式適配度指標(biāo)值僅部分達(dá)到可接受范圍，說明本研究的初始模式假設(shè)不理想，此模式有修正的必要。由于人格特性與能力自信標(biāo)準(zhǔn)相關(guān)系數(shù)僅為-0.069，因此，去除能力自信＜---人格特性層面，修正模式。

（2）修正模式

再次進(jìn)行CFA分析，結(jié)果如下：修正模式的GFI值0.92、AGFI值0.92、RMR值0.10、NFI值0.93、NNFI值0.99、CFI值0.97，RMSEA值0.06，所有指標(biāo)均達(dá)到要求標(biāo)準(zhǔn)，因此論文將以修正模式作為L(zhǎng)ISREL路徑分析的基礎(chǔ)。

表10 整體確認(rèn)性因素分析結(jié)果

4.2 路徑分析

對(duì)修正模式進(jìn)行結(jié)構(gòu)模式分析，整體路徑分析結(jié)果見表11。由表11知，所設(shè)定的18條路徑，有1條路徑分析結(jié)果為不顯著（灰色標(biāo)識(shí)），其他17條存在顯著因果關(guān)系。全部路徑關(guān)系如圖3所示。

4.3 研究假設(shè)檢驗(yàn)

（1）風(fēng)險(xiǎn)感知對(duì)于危險(xiǎn)駕駛行為的路徑系數(shù)為-.171，p值小于.05，顯示風(fēng)險(xiǎn)感知對(duì)于危險(xiǎn)駕駛行為有顯著的負(fù)向關(guān)系，即風(fēng)險(xiǎn)感知態(tài)度越強(qiáng)，則發(fā)生危險(xiǎn)駕駛行為的頻率越小。故假設(shè)H1：“風(fēng)險(xiǎn)感知”對(duì)“危險(xiǎn)駕駛行為”有負(fù)向關(guān)系成立。

（2）人格特性對(duì)于危險(xiǎn)駕駛行為的路徑系數(shù)為.560，p值為.002（＜.05），顯示人格特性對(duì)于危險(xiǎn)駕駛行為有顯著的正向關(guān)系，即人格特性越強(qiáng)，危險(xiǎn)駕駛行為的頻率越大。故假設(shè)H2：“人格特性”對(duì)“危險(xiǎn)駕駛行為”有正向關(guān)系成立。

表11 全部路徑分析結(jié)果

圖3 研究路徑關(guān)系圖

（3）駕駛能力自信對(duì)于危險(xiǎn)駕駛行為的路徑系數(shù)為-.116，p值小于.000，顯示駕駛能力自信對(duì)危險(xiǎn)駕駛行為有顯著的負(fù)向關(guān)系，即駕駛能力自信越強(qiáng)，則發(fā)生危險(xiǎn)駕駛行為的頻率越小。故假設(shè)H3：“駕駛能力自信”對(duì)“危險(xiǎn)駕駛行為”有正向關(guān)系成立。

（4）人格特性對(duì)于風(fēng)險(xiǎn)感知的路徑系數(shù)為-.252，p值小于.000，顯示人格特性對(duì)于風(fēng)險(xiǎn)感知有顯著的負(fù)向關(guān)系，即人格特性越強(qiáng)，對(duì)于風(fēng)險(xiǎn)的態(tài)度越弱。假設(shè)H4：“人格特性”對(duì)“風(fēng)險(xiǎn)感知”有負(fù)向關(guān)系成立。

（5）能力自信對(duì)于風(fēng)險(xiǎn)感知的路徑系數(shù)為.236，p值小于.000，顯示能力自信對(duì)于風(fēng)險(xiǎn)感知有顯著的正向關(guān)系，即人格特性越強(qiáng)，對(duì)于風(fēng)險(xiǎn)感知態(tài)度越強(qiáng)。假設(shè)H5：“駕駛能力自信”對(duì)“風(fēng)險(xiǎn)感知”有負(fù)向關(guān)系不成立。

5 研究結(jié)論

（1）影響危險(xiǎn)駕駛行為程度最大的是人格特性層面（路徑系數(shù)0.560）；而影響人格特性程度最大的是無規(guī)范感（V13）（路徑系數(shù)0.633），其次是憤怒（V11）（路徑系數(shù)0.540），從這個(gè)層面來講，加強(qiáng)管理和處罰力度，增強(qiáng)駕駛員行為規(guī)范對(duì)于減少危險(xiǎn)駕駛有著重要的作用；其次，駕駛員心態(tài)對(duì)于危險(xiǎn)駕駛行為有著重要的影響。影響危險(xiǎn)駕駛行為程度最小的則是能力自信層面（系數(shù)為-0.116），這表明駕駛員能力自信較于其他層面對(duì)于危險(xiǎn)駕駛行為的影響較低。而且一般情況下，對(duì)于自身能力自信較低的駕駛員駕駛態(tài)度會(huì)越謹(jǐn)慎，發(fā)生危險(xiǎn)駕駛行為的頻率越低。

（2）影響道路風(fēng)險(xiǎn)感知程度最大的是人格特性層面（系數(shù)為-0.252），人格特質(zhì)不僅直接影響危險(xiǎn)駕駛行為，而且其通過風(fēng)險(xiǎn)感知層面間接影響危險(xiǎn)駕駛行為（系數(shù)=-0.252*-.171=0.043）；其次為駕駛能力自信（系數(shù)為0.236），駕駛能力自信不僅直接影響危險(xiǎn)駕駛行為，而且其通過風(fēng)險(xiǎn)感知層面間接的影響危險(xiǎn)駕駛行為（系數(shù)=0.236*-.171=0.040）。可以推論出人格特質(zhì)和駕駛能力自信是危險(xiǎn)駕駛行為最源頭的影響因素，如果想有效降低駕駛員危險(xiǎn)駕駛行為，可在日常生活中加強(qiáng)對(duì)駕駛員教育，充分認(rèn)識(shí)駕駛員自身駕駛技術(shù)和自信能力，端正駕駛員對(duì)于交通風(fēng)險(xiǎn)的觀念和態(tài)度，提高駕駛員對(duì)于交通事故傷害的嚴(yán)重性認(rèn)識(shí)。

[1]Cheol Oha,Seri Park,Stephen G.Ritchie.A Method for Ideantifying rear-end Collision Risks Using Inductive Loop Detectors[J].Accident Analysis and Prevention 2006,(38).

[2]國(guó)家統(tǒng)計(jì)局.2011中華人民共和國(guó)道路交通事故統(tǒng)計(jì)年報(bào)[M].北京：中國(guó)統(tǒng)計(jì)出版社,2011.

[3]Cheol Oh,Taejin Kim.Estimation of Rear-end Crash Potential Using vehicle Trajectory Data[J].Accident Analysis and Prevention,2010,(42).

[4]Jonah B A.Sensation Seeking and Risky Driving:a Review and Synthe?sisoftheliterature[J].AccidentAnalysisandPrevention,1997,29(5).

[5]Parker D,Lajunen T,Stradling S.Attitudinal Predictors of Interper?sonal Violations on the Road[J].Transportation Research,1998,(1).

[6]Ulleberg P,Rundmo T.Risk-taking Attitude among Young Drivers:the Psychometric Qualities and Dimensionality of an Instrument to Measure Young Drivers’Risk-taking Attitudes[J].Scandinavian Jour?nal of Psychology,2002,43(3).

[7]Warren A.Harrison.Investigation of the Driving Experince of a Sample of Victorian Learner Drivers[J].Accident Analysis and Prevention,2004,(36).

[8]莊明科，白海峰，謝曉非.駕駛?cè)藛T風(fēng)險(xiǎn)駕駛行為分析及相關(guān)因素研究[J].北京大學(xué)學(xué)報(bào)(自然科學(xué)版)，2008，3(44)．

[9]丁靖艷,鄭全全.侵犯駕駛行為的研究及其展望[J].人類工效學(xué)，2004，2(10)．

[10]駱勇.道路交通中攻擊性駕駛行為分析與研究[D].西南交通大學(xué)博士論文，2009．

B846

A

1002-6487（2013）14-0107-04

國(guó)家社會(huì)科學(xué)基金西部項(xiàng)目資助項(xiàng)目（11XJY027）；中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目（CHDW2011JC022；CHDW2012ZD001；CHD2010JC105）；西安市社科基金資助項(xiàng)目（12J85）

陳文強(qiáng)(1981-)，男，安徽界首人，博士，講師，研究方向：交通管理。

吳群琪(1956-)，男，廣東大埔人，博士，教授，博士生導(dǎo)師，研究方向：交通管理。

顧玉磊(1982-)，女，安徽界首人，博士生，研究方向：交通運(yùn)輸、物流管理。

（責(zé)任編輯/浩 天）