基于結(jié)構(gòu)方程模型的公交駕駛員負(fù)性情緒駕駛下工作狀態(tài)的影響因素分析

唐秋生，孫齡波，劉世超，宋 臻，許 浩

(重慶交通大學(xué)交通運(yùn)輸學(xué)院，重慶 400074)

在“公交優(yōu)先”的背景下，乘坐公交已成為出行者們的優(yōu)先選擇，公交出行的安全問題自然而然地成為了社會(huì)各界關(guān)注的熱點(diǎn)。近年來由公交駕駛員造成的交通事故屢見不鮮，如10·28重慶萬州區(qū)公交墜江事故和7·7貴州安順大巴車落入水庫事故，這兩起事故中駕駛員未能有效控制住自己的負(fù)性情緒，從而做出了消極的駕駛行為決策，導(dǎo)致了悲劇的發(fā)生。出行者們呼吁公交企業(yè)關(guān)注駕駛員的心理健康，不少專家學(xué)者則認(rèn)為社會(huì)需要重視公交駕駛員情緒波動(dòng)引起的危險(xiǎn)駕駛行為問題。

心理學(xué)家普遍認(rèn)為情緒(emotion)是身體和心理變化呈現(xiàn)出的復(fù)雜模式，伴隨著人的思考和行動(dòng)過程。駕駛過程是一個(gè)眾多環(huán)節(jié)緊密聯(lián)系的復(fù)雜過程，駕駛員的情緒狀態(tài)在其中扮演著重要角色，對(duì)乘客的出行安全有著重要影響。目前，中外學(xué)者圍繞駕駛員情緒問題所進(jìn)行的研究已取得了不少成果。Megías等[1]發(fā)現(xiàn)良好的情緒能積極影響駕駛員行為，可顯著降低駕駛員出現(xiàn)駕駛風(fēng)險(xiǎn)的概率；程靜等[2]采用競(jìng)爭(zhēng)算法預(yù)測(cè)駕駛員行為，發(fā)現(xiàn)在憤怒和悲傷情緒的作用下，駕駛員的行為較消極，出現(xiàn)事故的可能性較正常情緒下更大；張殿業(yè)等[3]在此基礎(chǔ)上進(jìn)行了解釋，認(rèn)為負(fù)性情緒對(duì)大腦前扣帶皮層有著刺激影響，使得駕駛員偏離了正常反應(yīng)；Wang等[4]采用艾森克人格問卷和癥狀自評(píng)量表對(duì)596名公交駕駛員進(jìn)行人格和心理健康評(píng)估，發(fā)現(xiàn)公交司機(jī)明顯比普通人群更容易情緒化，同時(shí)壓力、人際關(guān)系敏感度和抑郁表現(xiàn)也明顯高于其他普通人群；林慶豐等[5]發(fā)現(xiàn)公交駕駛員在工作過程中最反感機(jī)動(dòng)車駕駛員、行人以及非機(jī)動(dòng)車騎行者的利己行為，容易引起他們的不滿；劉永濤等[6]認(rèn)為乘客的情緒對(duì)駕駛員行為有著顯著影響，且乘客的情緒受多個(gè)因素控制；李瑞瑞等[7]調(diào)查發(fā)現(xiàn)公交駕駛員在良好的車內(nèi)氛圍下駕駛時(shí)，發(fā)生激進(jìn)駕駛行為的概率更低；嚴(yán)利鑫等[8]在研究駕駛員情緒影響因素時(shí)，發(fā)現(xiàn)男性駕駛員和年紀(jì)大的駕駛員相對(duì)而言更容易情緒失控；鄧院昌等[9]發(fā)現(xiàn)公交駕駛員等職業(yè)是“路怒癥”的高發(fā)群體，尤其體現(xiàn)在高駕齡和年齡的駕駛員中，原因是他們長期處于高度集中注意力的工作環(huán)境，產(chǎn)生的疲勞會(huì)影響生理及心理的舒適感；為研究“路怒癥”，德國學(xué)者利用原始駕駛憤怒量表測(cè)試駕駛員的駕駛憤怒水平，發(fā)現(xiàn)駕駛員文化程度是影響因素之一,劉睿哲等[10]將此項(xiàng)研究引入中國，發(fā)現(xiàn)中、德兩國駕駛員測(cè)試結(jié)果存在差異性，不同的地區(qū)文化是導(dǎo)致這一現(xiàn)象的原因之一；Zhang等[11]研究發(fā)現(xiàn)駕駛員在憤怒和低落情緒下，容易做出高風(fēng)險(xiǎn)的駕駛行為，主要原因是其對(duì)安全的認(rèn)知能力減弱，對(duì)駕駛的專注度不再集中；Han等[12]發(fā)現(xiàn)經(jīng)常加班的公交駕駛員易發(fā)生事故，高工作強(qiáng)度使駕駛員更容易怠倦，導(dǎo)致出現(xiàn)消極駕駛行為的頻率越來越高，而交通事故發(fā)生的概率也比相同頻率下積極駕駛的情況高53%。

綜上所述，目前中外對(duì)于公交駕駛員情緒問題的研究更多地集中在單一角度，缺乏綜合考慮，尚無研究對(duì)公交駕駛員工作狀態(tài)的影響因素進(jìn)行多角度分析。為此，考慮以公交駕駛員負(fù)性情緒駕駛為背景，在現(xiàn)有研究的基礎(chǔ)上歸納出相關(guān)的影響因素，并通過構(gòu)建各因素對(duì)公交駕駛員負(fù)性情緒駕駛下工作狀態(tài)影響的結(jié)構(gòu)方程模型，對(duì)各因素之間的影響程度和相互關(guān)系進(jìn)行解釋分析，以便能為公交企業(yè)以及交管部門保障公交安全提供理論基礎(chǔ)。

1 基于SEM的影響因素模型構(gòu)建

1.1 結(jié)構(gòu)方程模型

考慮到公交駕駛員負(fù)性情緒駕駛下的工作狀態(tài)的影響因素較多，且這些因素之間的作用機(jī)理無法直接測(cè)量，因此，選擇結(jié)構(gòu)方程模型作為分析方法。結(jié)構(gòu)方程模型(structural equation model，SEM)是一種廣泛應(yīng)用的多元統(tǒng)計(jì)分析方法，可用于研究潛變量和觀測(cè)變量之間的關(guān)系以及潛變量和潛變量之間的關(guān)系，相較于傳統(tǒng)的線性回歸方法，SEM能夠更好地解釋變量之間的因果關(guān)系。

SEM一般由測(cè)量模型和結(jié)構(gòu)模型兩部分組成、三個(gè)方程表示。其中測(cè)量模型用來說明觀測(cè)變量與潛變量之間的相互關(guān)系，而結(jié)構(gòu)模型則是用來解釋不同潛變量之間的關(guān)系，SEM表達(dá)式為

X=ΛXξ+δ

(1)

Y=ΛYη+ε

(2)

η=Bη+Γξ+ζ

(3)

式(1)、式(2)為測(cè)量模型，式(3)為結(jié)構(gòu)模型；X和Y分別為外生和內(nèi)生觀測(cè)變量；ξ和η為外生和內(nèi)生潛變量；ΛX和ΛY分別表示X在ξ上、Y在η上的因子負(fù)荷矩陣；δ和ε分別為X的觀測(cè)誤差及Y的觀測(cè)誤差；B和Г為結(jié)構(gòu)方程的系數(shù)矩陣，其中B表示內(nèi)生潛變量之間的關(guān)系，Г表示外生潛變量對(duì)內(nèi)生潛變量的作用；ζ為結(jié)構(gòu)方程的殘差項(xiàng)。

1.2 模型構(gòu)建

在現(xiàn)有研究成果的基礎(chǔ)上，考慮了新的影響因素，如公交駕駛員的心理特性，體現(xiàn)為抗壓能力、職業(yè)責(zé)任心及駕駛專注度。將影響因素體系劃分為工作環(huán)境、綜合壓力、心理特性、個(gè)人屬性及感知水平，這5個(gè)因素作為外生潛變量，影響著唯一的內(nèi)生潛變量，即負(fù)性情緒駕駛下的工作狀態(tài)。各潛變量和對(duì)應(yīng)的觀測(cè)變量如表1所示。

根據(jù)確定的6個(gè)潛變量，對(duì)它們之間的關(guān)系做出以下假設(shè)，并構(gòu)建了影響因素模型框架，如圖1所示。

H1：工作環(huán)境對(duì)工作狀態(tài)具有直接正向影響。即交通環(huán)境越好、車內(nèi)環(huán)境越舒適、乘客態(tài)度越禮貌，可使負(fù)性情緒得到控制，駕駛行為趨于安全。

H2：綜合壓力對(duì)工作狀態(tài)具有直接反向影響，即家庭壓力、工作壓力和人際交往壓力越大，會(huì)造成負(fù)性情緒刺激加深，駕駛行為趨于消極。

H3：心理特性對(duì)工作狀態(tài)具有直接正向影響，即抗壓能力和職業(yè)責(zé)任心越強(qiáng)、駕駛注意力越集中，可使負(fù)性情緒得到控制，駕駛行為趨于安全。

H4：個(gè)人屬性對(duì)工作狀態(tài)具有直接正向影響，即相對(duì)較小的駕齡和年齡、更高的受教育程度，可使負(fù)性情緒得到控制，駕駛行為趨于安全。

H5：感知水平對(duì)工作狀態(tài)具有直接正向影響，即對(duì)安全駕駛理念的認(rèn)識(shí)越深入、駕駛情景的判斷力越強(qiáng)，可使負(fù)性情緒得到控制，駕駛行為趨于安全。

H6：工作環(huán)境對(duì)感知水平具有直接正向影響，即交通環(huán)境越好、車內(nèi)環(huán)境越舒適、乘客態(tài)度越禮貌，可增強(qiáng)駕駛員對(duì)安全駕駛理念的認(rèn)知程度以及駕駛情景判斷的準(zhǔn)確性。

H7：工作環(huán)境對(duì)心理特性具有直接正向影響，即交通環(huán)境越好、車內(nèi)環(huán)境越舒適、乘客態(tài)度越禮貌，可增強(qiáng)抗壓能力和職業(yè)責(zé)任心、提高駕駛注意力。

表1 模型變量描述Table 1 Description of model variables

H1～H9為假設(shè)條件圖1 模型框架Fig.1 Model framework

H8：工作環(huán)境對(duì)綜合壓力具有直接反向影響，即交通環(huán)境越好、車內(nèi)環(huán)境越舒適、乘客態(tài)度越禮貌，可使家庭、工作以及人際交往帶來的壓力影響相對(duì)減少。

H9：綜合壓力對(duì)感知水平具有直接反向影響，即家庭、工作以及人際交往壓力越大，會(huì)造成駕駛員對(duì)安全駕駛理念的認(rèn)知程度以及駕駛情景判斷的準(zhǔn)確性下降。

2 實(shí)例驗(yàn)證

2.1 數(shù)據(jù)獲取

為獲取用于實(shí)例分析的數(shù)據(jù)，選取重慶市南川區(qū)等區(qū)縣的公交駕駛員作為研究對(duì)象，采用線下和線下相結(jié)合的方式進(jìn)行問卷調(diào)查。問卷內(nèi)容由兩部分組成，一是公交駕駛員個(gè)人基本信息，具體包括年齡、駕齡、性別、婚姻狀況、受教育程度以及有無負(fù)性情緒駕駛經(jīng)歷；二是采用李克特5點(diǎn)量表形式，1分代表程度最低，5分代表程度最高，涉及工作環(huán)境、綜合壓力、心理特性、感知水平以及工作狀態(tài)五方面的問題。

本次調(diào)查共回收217份問卷，去掉從無負(fù)性情緒駕駛經(jīng)歷、內(nèi)容填寫缺失等情況的12份問卷，最終得到有效樣本問卷205份，有效率達(dá)94.47%。考慮到有效樣本數(shù)據(jù)在200份以上有助于確定變量之間的關(guān)系[13]，因此可認(rèn)為本次調(diào)查獲得的數(shù)據(jù)具有較好的實(shí)踐基礎(chǔ)。根據(jù)統(tǒng)計(jì)性分析結(jié)果，男性占91.7%，女性占8.3%；30歲以下占5.9%，30～40歲占44.4%，40歲以上占49.7%；駕齡在10年以下的占30.2%，10～20年占52.7%，20年以上占17.1%；已婚占89.8%，未婚占10.2%；受教育程度在初中水平的駕駛員占40%，高中占37.6%，高中以上占22.4%。

2.2 信度和效度分析

為確保本次調(diào)查數(shù)據(jù)的可靠性，先進(jìn)行信度和效度檢驗(yàn)。檢驗(yàn)信度的方法為Cronbach’sα系數(shù)法，該方法認(rèn)為若測(cè)得Cronbach’sα≥0.7，說明問卷具有較高信度。而效度檢驗(yàn)一般是對(duì)問卷的結(jié)構(gòu)效度進(jìn)行分析，良好的效度要求抽樣適合性檢驗(yàn)值(Kaiser-Meyer-Olkin,KMO)不小于0.5、Bartlett球形檢驗(yàn)的卡方值較大且顯著性系數(shù)小于0.05。

檢驗(yàn)結(jié)果如表2、表3所示，問卷整體信度高達(dá)0.902，各潛變量均大于0.7，說明樣本數(shù)據(jù)內(nèi)部一致性良好。KMO整體情況達(dá)到了0.851，各潛變量均大于0.5；Bartlett球形檢驗(yàn)卡方值為1 926.4，顯著性概率(significance,Sig.)＜0.05，均達(dá)到顯著性水平，可以說明樣本具有良好的效度。

為進(jìn)一步對(duì)因子進(jìn)行驗(yàn)證分析，計(jì)算因子荷載、組合信度(composite reliability,CR)及平均方差抽取值(average variance extracted,AVE)3個(gè)指標(biāo)。結(jié)果如表3所示，各因子荷載均大于0.5，可認(rèn)為本文變量的選擇較為合理；所有潛變量的CR在0.7以上，AVE在0.5以上，可認(rèn)為因子之間內(nèi)在質(zhì)量理想，測(cè)量誤差合理，斂聚性良好。因此樣本數(shù)據(jù)適合進(jìn)行下一步研究。

表2 整體信度和效度檢驗(yàn)結(jié)果Table 2 Reliability and validity test results

表3 各變量檢驗(yàn)結(jié)果Table 3 Test results of each variable

3 結(jié)果分析

3.1 模型評(píng)價(jià)

使用Amos軟件建立影響因素結(jié)構(gòu)方程模型，并將數(shù)據(jù)導(dǎo)入進(jìn)行整體擬合度檢驗(yàn)。常用的擬合指標(biāo)包括卡方自由度比(χ2/df)、近似均方根誤差(root mean square error of approximation,RMSEA)、比較擬合指數(shù)(comparative fit index,CFI)、擬合優(yōu)度指數(shù)(goodness of fit index,GFI)、規(guī)范擬合指數(shù)(normed fit index,NFI)以及增值擬合指數(shù)(incremental fit index,IFI)等。結(jié)果如表4所示，除IFI略低于0.9之外，各指標(biāo)均符合要求，可認(rèn)為模型與調(diào)查數(shù)據(jù)的契合度在接受范圍內(nèi)。

在解釋變量作用效果之前，需要先確定潛變量之間的路徑系數(shù)是否顯著，以此判斷模型假設(shè)成立與否。路徑系數(shù)表示變量間的作用效果，系數(shù)為正，表明變量之間正向相關(guān)，反之則為負(fù)向相關(guān)。本文采用C.R.值和P值兩個(gè)指標(biāo)來判斷路徑系數(shù)的顯著性，結(jié)果如表5所示。其中臨界比率值(critical ration,C.R.)即路徑系數(shù)的估計(jì)值(estimate)與路徑系數(shù)的標(biāo)準(zhǔn)誤差項(xiàng)(standard error,S.E.)的比值，要求其絕對(duì)值大于1.96；P表示顯著性，要求P＜0.05。

表4 假設(shè)模型的擬合結(jié)果Table 4 Hypothetical model fit result

表5 初始路徑參數(shù)估計(jì)Table 5 Initial path parameter estimation

根據(jù)結(jié)果，工作環(huán)境→感知水平的C.R.值小于1.96，顯著參數(shù)P>0.05,可認(rèn)為該路徑不顯著，假設(shè)H6不成立。而剩下8個(gè)路徑關(guān)系對(duì)應(yīng)的C.R.和P均在要求范圍內(nèi)，同時(shí)它們的路徑系數(shù)的正負(fù)性與所作假設(shè)一一對(duì)應(yīng)，因此剩下8個(gè)路徑關(guān)系影響顯著，即假設(shè)H1～H5、H7～H9成立。

3.2 模型修正

由于假設(shè)H6不成立，因此對(duì)模型進(jìn)行調(diào)整，刪除該路徑。重新對(duì)模型進(jìn)行檢驗(yàn)，發(fā)現(xiàn)各擬合指標(biāo)均達(dá)到要求，且余下的路徑系數(shù)顯著性均成立。修正后的模型結(jié)果如表6、圖2所示。

表6 修正模型的擬合結(jié)果Table 6 The fitting result of the modified model

圖2 模型計(jì)算結(jié)果Fig.2 Model calculation results

3.3 結(jié)果說明

圖2中e1～e16為觀測(cè)變量的多元相關(guān)平方值，要求大于0.36;e17～e20為潛變量的多元相關(guān)平方值，要求大于0.19，因此模型結(jié)果符合要求。由圖2可以看出，測(cè)量模型標(biāo)準(zhǔn)化路徑系數(shù)均大于0.6，可認(rèn)為各潛變量能夠很好地被對(duì)應(yīng)的觀測(cè)變量表示出來。在工作環(huán)境的觀測(cè)變量中，乘客態(tài)度的標(biāo)準(zhǔn)化路徑系數(shù)最大(0.85)，說明相較于交通環(huán)境和車內(nèi)氛圍而言，乘客態(tài)度是工作環(huán)境的主要影響因素；綜合壓力的觀測(cè)變量中，工作壓力的影響程度(0.86)比家庭壓力(0.81)和人際交往壓力(0.74)更大，表明公交駕駛員負(fù)性情緒駕駛下的工作狀態(tài)更容易受到工作壓力的影響；心理特性的觀測(cè)變量中，抗壓能力(0.77)的影響程度最大，說明抗壓能力更能夠反映公交駕駛員心理特性的效應(yīng)；個(gè)人屬性的觀測(cè)變量中，年齡(0.77)和駕齡(0.75)的影響程度接近，受教育程度的影響最低(0.63)，說明年齡和駕齡最能反映個(gè)人屬性；感知水平的觀測(cè)變量中，安全意識(shí)(0.83)和駕駛情景判斷(0.80)的影響程度都非常顯著；而對(duì)于工作狀態(tài)所對(duì)應(yīng)的情緒狀態(tài)和駕駛行為傾向兩個(gè)觀測(cè)變量，情緒狀態(tài)(0.79)是其主要的表現(xiàn)。

各潛變量對(duì)駕駛員工作狀態(tài)的影響效應(yīng)如表7所示，其中直接效應(yīng)是5個(gè)變量對(duì)工作狀態(tài)的直接作用，用相應(yīng)的路徑系數(shù)表示；間接效應(yīng)則是工作環(huán)境和綜合壓力分別通過其他變量間接作用到工作狀態(tài)，用相應(yīng)的路徑系數(shù)之積表示，若有多條間接效應(yīng)路徑存在，則為各間接效應(yīng)之和。

結(jié)果表明，工作環(huán)境對(duì)公交駕駛員負(fù)性情緒駕駛下的工作狀態(tài)的總效應(yīng)最大(0.97)，說明工作環(huán)境是最主要的影響因素；其次是綜合壓力(-0.72)和心理特性(0.52)；而感知水平和個(gè)人屬性對(duì)公交駕駛員工作狀態(tài)的綜合影響相對(duì)較小，分別為0.39和0.36。

表7 各潛變量對(duì)工作狀態(tài)的影響效應(yīng)Table 7 The influence effect of each latent variable on working state

綜上，為更好地提升公交出行的安全，建議：首先應(yīng)為駕駛員提供良好的工作環(huán)境，這需要交管部門保障公交路權(quán)的優(yōu)先地位，同時(shí)加大對(duì)乘客擾亂司機(jī)駕駛等現(xiàn)象的懲罰力度，而乘客也應(yīng)注意個(gè)人態(tài)度和禮儀，營造出良好的車內(nèi)氛圍；其次公交企業(yè)應(yīng)考慮通過合理排班、完善績效考核制度、提高收入以及增加休息時(shí)間等方式降低駕駛員工作強(qiáng)度和生活壓力，此外還應(yīng)該定期開展駕駛員心理健康培訓(xùn)和職業(yè)培訓(xùn)，提高駕駛員的情緒調(diào)節(jié)能力和抗壓能力，增強(qiáng)駕駛員企業(yè)歸屬感和職業(yè)責(zé)任感；交管部門和公交企業(yè)應(yīng)經(jīng)常聯(lián)合組織駕駛員安全教育活動(dòng)，增強(qiáng)駕駛員對(duì)安全駕駛理念的認(rèn)知以及駕駛情景準(zhǔn)確判斷的能力；最后在條件允許下，公交企業(yè)應(yīng)建設(shè)具有良好綜合素質(zhì)同時(shí)避免大齡化的駕駛員隊(duì)伍。

4 結(jié)論

(1)建立了基于SEM的公交駕駛員負(fù)性情緒駕駛下工作狀態(tài)的影響因素模型，通過問卷調(diào)查的形式獲取了相關(guān)數(shù)據(jù)并進(jìn)行實(shí)例分析。結(jié)果表明個(gè)人屬性、工作環(huán)境、心理特性和感知水平對(duì)工作狀態(tài)具有正向影響，綜合壓力對(duì)工作狀態(tài)具有反向影響。最后根據(jù)影響因素模型，提出了相關(guān)的建議和措施，可為公交企業(yè)和交通管理部門未來的決策提供參考依據(jù)。

(2)除研究的影響因素外，不排除還有其他的因素存在，后續(xù)研究可做進(jìn)一步明確，調(diào)查數(shù)據(jù)來源于重慶市的部分區(qū)縣，下一步將考慮擴(kuò)大調(diào)查范圍。