多重对应分析在交通安全宣传重点群体识别中的应用

何 庆,刘 君,弯美娜,李 军

(1.北京警察学院道路交通管理工程系,北京 102202; 2.公安部道路交通安全研究中心道路安全研究室,北京 100062)

0 引言

随着我国经济社会的快速发展，机动车保有量和驾驶人规模不断增长.据统计，截至2016年底，全国机动车保有量达到2.9亿辆，机动车驾驶人达到3.6亿[1].与此同时，不安全交通行为的频繁发生，也引发了全社会的关注.工程、执法和宣传是交通安全管理的3大基本措施.一般认为，大约有85%的事故是由于道路交通参与者不遵守交通法律法规或是缺乏交通安全意识所引发的.针对各项违法行为开展交通安全宣传，普及交通法律法规，培养道路参与者的安全意识、守法意识、文明意识，提高遵守交通规则的水平，能有效地改善道路交通环境、减少交通违法行为和交通事故的发生.特别值得注意的是，与工程和执法措施相比较，交通安全宣传教育措施更加柔和，更富有人文关怀.交通安全宣传在事故预防工作中发挥了巨大作用.但随着时代发展、社会变迁，社会群体分化现象日益突出，社会异质性也在不断增强.不同群体间在信息获取、风险态度、道德认知等方面的差异也越来越受到研究者们关注.特别是伴随着网络时代的到来，信息获取的渠道越来越广，获取速度越来越快，人们传播和获取信息传播的主要方式从主动搜索变成被动接受推送.与此同时，传统交通安全宣传工作在内容和传播途径上缺乏针对性，局限了交通安全宣传的效果.因此，提升交通安全宣传针对性，面向不同的群体“量身定制”，是交通安全宣传的必然发展趋势[2].

研究者们已经开始对这种“定制”式的交通安全宣传模式进行初步的尝试.如王雪松等人围绕某些确定的群体，如中小学生，调查研究这些群体的交通安全态度或行为，并为制定相应的交通安全宣传策略提供支持[3-5].除了这些针对传统的交通安全宣传重点群体的研究之外，研究者们还在对交通违法、交通事故的实际数据进行挖掘的基础上，对宣传对象的特征进行进一步细化和区分，寻找并识别交通安全宣传中的重点群体，并为制定针对性的交通安全宣传策略、方式、载体等提供智力支持.如，马兆有等在对交通事故和违法行为等数据进行分析的基础上，提出了针对性的宣传教育建议[6].刘东波等在广泛调查宣传对象的性别、年龄等特征之后，采用了模糊综合评价法和层次分析法确定十类重点教育人群，继而分析和提炼了重点教育人群的特征[7].但必须承认的是，这一领域的研究仍然处于起步阶段，研究数量较为有限，同时，所使用的研究方法种类也较为匮乏.为此，本文引入一种新的分析方法——多重对应分析，研究宣传对象中的重点群体及特征，并以酒后驾驶行为的交通安全宣传为例进行了验证.

1 方法

1.1 受教对象的高维列联表描述

交通心理学认为，年龄、性别、学历、居住情况、婚姻状况等人口统计学变量深刻影响道路交通参与者交通安全态度和行为.同时，这些因素并不是独立地存在影响，而往往与其他因素共同作用.因此，为了能综合各个因素的作用效果，需要采用交叉列联表描述受教对象特征.以三维交叉列联表为例，其形式见表1.表1描述了A、B、C三维变量分布情况，其中A、B、C三个变量均为分类变量，分别具有r、s和t个水平.

表1 三维r*s*t列联分布表

1.2 多重对应分析原理

近年来，研究者们推荐使用对应分析来考察交叉列联表中各个因素之间关系.对应分析，又称为R-Q型因子分析，是在因子分析基础上发展来的一种多元统计方法.对应分析认为，在列联表中，行变量和列变量之间并非独立的，而是存在着一定的相关关系，这种相关关系可能突出体现在行变量的某些水平与列变量的某些水平之间.为此，对应分析采用总惯量I来描述变量之间的相关程度，继而通过矩阵分析的方法，提出由行变量和列变量组成的矩阵的特征值，根据特征值将总惯量I分解成若干个辨识度量，然后分别计算行变量和列变量在辨识度量上的值，如果行变量和列变量上某些水平在辨识度量上值相近，则认为它们之间存在对应关系.

多重对应分析是将对应分析从两维推广到多维上的成果.其基本原理可参见王静龙等编著的《定性数据统计分析》[8].多重对应分析广泛地应用在卫生保健等诸多领域，特别是市场营销中市场定位环节.如陈道平、刘伟通过多重对应分析研究年龄、职业、居住城市、购车用途、家庭平均消费与汽车类型的对应关系，从而确定不同汽车类型的用户对象[9].

2 实例

为了说明多重对应分析在受教对象重点群体识别和特征分析中的应用，本文对酒后驾驶人的人口统计学变量为例，对这一群体进行了分类和特征分析.

2.1 数据基本情况

搜集某市1 075个酒后驾驶人的性别、年龄、居住情况、教育程度、婚姻状况等5个变量的数据.这5个变量是心理行为科学最为关注的人口社会学变量.样本中，年龄大于60岁或者小于20岁的驾驶人几乎没有，为了便于分析，将年龄这一连续变量转化为分类变量，按照一般研究，年龄小于35岁为青年，反之为中年；按照是否拥有本地户口，将居住情况分为本地和外地；数据采集时，酒后驾驶人的受教育程度包括小学、初中、高中、大专、本科、研究生等6类，为了便于分析，将前3类统归为高中及以下，将后3类统归为大学及以上；婚姻状况分为未婚、已婚和离异等3类.

对1 075个酒后驾驶人的原始数据进行处理后，得到其五维列联表，见表2.

表2 酒后驾驶人在性别、年龄等5个维度上的人数分布表

2.2 数据分析结果

选择数据分析软件SPSS，对数据进行处理，可以得到对应分析结果.

2.2.1 特征值

通过对五维列联表进行特征分析，按照特征根的值大于1的标准进行筛选，得到2个特征根，见表3.

表3 五个维度在特征根值的分布情况表

从表3可看出，第1个特征根对应的方差为28.7%，表明第1个特征根可以解释总体变异的28.7%；第2个特征根对应的方差为22.9%，表明第2个特征根可以解释总体变异的22.9%.两个特征根合计可以解释总体变异的51.6%.

2.2.2 辨别度量

根据上述两个特征根，得到两个辨识度量，并得到性别等5个维度在这两个辨识度量之间的载荷，见表4.

表4 五个维度与辨识度量的相关系数表

注：低于0.2的载荷不予显示.

从表4可以看出，性别和文化程度主要分布在第一个辨识度量上，婚姻状况和年龄主要分布在第2个辨识度量上，而户籍在两个辨识度量上分布比较平均.它们之间的关系，如图1所示.

图1 5个变量在两个辨识度量上分布图

2.2.3 对应分析图

将两个辨识度量进行标准化后分别作为横、纵坐标，计算5个维度的11个水平在这两个辨识度量上的得分，并绘制出对应分析图，结果如图2所示.

图2 酒后驾驶人五维属性的多重对应分析图

对应分析图是多重对应分析结果的主要体现.从图2可看出，学历和性别共同组成一个维度，说明在酒后驾驶人中，学历和性别之间存在着较高的一致性，具体表现为，男性偏向低学历和女性偏向高学历的倾向.婚姻状况和年龄共同组成一个维度，说明在酒后驾驶人中，婚姻状况和年龄之间存在较高的一致性，表现为青年偏向未婚、中年偏向已婚和离异，这与一般社会群体的特征相同.户籍的两个水平，按照与两个维度关系，分别出现在第二象限和第四象限.

2.3 讨论

多重对应分析的结论，主要来自多重对应分析图的解读.其原则是：落在由原点(0，0)出发接近相同方位及图形相同区域的同一个变量的不同类别具有类似性质；落在原点出发接近相同方位及图形相同区域的不同变量的类别间可能有联系.

从图1可看出，高中及以下、外地、男性3个特征距离较近，大学及以上、女性2个特征距离较近，其他的特征分布较为散乱.根据多重对应图解读依据来看“高中及以下、外地、男性”和“大学及以上、女性”这2个群体可能应该成为交通安全宣传教育的重点关注群体.

研究者进一步对被试的学历和性别分布情况进行了分析，结果如表5所示.在酒后驾驶群体中，虽然女性占比较低((107+142)/1 075=23.2%)，但在学历的影响下，女性驾驶人占比上升，从低学历女性驾驶人占低学历驾驶人的16.9%(107/(107+527))，上升到高学历女性驾驶占高学历驾驶人的32.2%(142/(142+299)).高学历和女性关系较为密切.

表5 学历及性别状况的交叉分布表

虽然在酒后驾驶人群体中，男性与低学历关系较为密切，高中及以下外地男性，占总体的49%(527/1 075)，属于突出人群.但还需要进一步分析.对学历、性别和户籍所在地的分布情况进行分析，结果如表6所示.从表6可看到，仅观察属于男性的四格表来看，外地偏向低学历(从133人增加至375人)，而对于本地，学历似乎影响并不大.因此，高中以下、外地、男性是突出群体.

表6 学历、户籍所在地、性别三者交叉表

综合表5、6来看，可以认为“高中及以下、外地、男性”“大学以上、女性”是2个重点宣传群体.如果通过进一步调查，分析这两个群体酒后驾驶的心理动机，则可以更好地找到酒后驾驶宣传的切入点.

3 结束语

从对酒后驾驶人的多重对应分析结果来看，研究者认为，酒后驾驶行为似乎存在两个重点群体，即外地、高中及以下学历的男性和大学以上的女性，相对于酒后驾驶人集中在这两个群体中.因此，在未来对酒后驾驶这一违法行为进行宣传教育时，似乎应该考虑对这两个群体进行有针对性的设计和宣传，如，选择更容易被这两个群体所接受的明星，加大在这些群体获取信息较多的渠道进行宣传等方式，也许能使相关的安全宣传工作达到事半功倍的效果.

事实上，根据人口统计学变量或者其他变量，来分析受教群体.如果使用的变量过少，如仅选择一个，由此分析获得重点群体，作为宣传宣传对象，将存在宣传对象过于宽泛的不足.增加变量，不仅划分细致，也会增加一些宣传元素，从而提高宣传对象的认同感.如，“高学历女性”这样的标签较之“女性”这一标签更容易引起高学历女性的关注.但是如果增加的变量过多，不仅会因所分过细，导致信息冗余，同时也会浪费宣传教育资源.由此可见，选择合适变量，恰当合理地定位宣教对象比较重要，而本文分析结果相对取得了平衡.

当然，必须承认，多重对应分析仅仅是一个探索性的数据分析方法，在利用分析结果推论因果关系时必须要十分谨慎.但是，多重对应分析的优点是可视化效果较好，能直观地说明数据分析的结果；也能为进一步的研究，如分析这些人群选择酒后驾驶的心理机制，提供基础.

本文所使用案例中两个辨识度量对应方差仅解释了总体变异的50%，这在一定程度上限制了分析效果，这一原因可能是由于纳入此次分析的样本量过小.如果增加样本量，甚至再增加一部分变量，则分析效果将会大大提升.

总之，从对酒后驾驶人的分析中可以看到，多元对应分析为分析和识别可能的风险群体提供了一种可能性，未来这一研究方法还可以尝试应用到其他违法驾驶人或者风险群体的分析和识别工作中.

[1] 公安部交管局.我国机动车保有量达2.9亿辆汽车驾驶人超3.1亿人[EB/OL].http://news.xinhuanet.com/auto/2017-01/11/c_1120285334.htm.

[2] 黎刚.改善我国道路交通安全宣传教育的几个问题[J].公安研究,2016(2): 84-87.

[3] 宋洋,王雪松.中小学生交通安全教育现状分析与改善策略研究[J].中国安全科学学报,2013,23(2): 153-159.

[4] 张梅玲,毛辉青.西宁市出租车驾驶员交通安全知识、态度、行为现况调查[J].青海医药杂志,2011,41(7): 2-6.

[5] 张永青,吴蔚,黄明豪,等.南京市社区居民道路交通安全知识、态度、行为分析[J].中国健康教育,2007,23(8): 570-572.

[6] 马兆有,王长君,陈纲.交通安全宣传教育的针对性及要点分析[J].交通企业管理,2007 ,22(11): 70-71.

[7] 刘东波,杨轸,唐磊.我国交通安全宣教群体划分与受教特征研究[J].城市道桥与防洪,2013(1): 129-132,152.

[8] 王静龙,梁小筠.定性数据统计分析[M].北京: 中国统计出版社,1998.

[9] 陈道平,刘伟.微型汽车消费者特性分析[J].汽车工业研究,2008(1): 8-12.