基于结构方程模型的地铁乘客安全行为影响因素分析*

钟茂华，田向亮，刘　畅，何　理

(1.清华大学工程物理系 公共安全研究院，北京 100084；2.东北大学 资源与土木工程学院，辽宁 沈阳 110819；3.中国安全生产科学研究院 地铁火灾与客流输运安全北京市重点实验室，北京 100029)

0　引言

城市轨道交通在我国迅猛发展，截至2017年底，我国大陆地区共34个城市开通运营城市轨道交通，运营线路总长度约5 100 km。预计到2020年运营里程将达到6 000 km[1]。加强地铁安全管理，做好地铁安全工作关系到人民生命财产的安全，关系到整个城市的和谐发展，关系到国家经济发展和社会的稳定。因此，进一步提升地铁的安全氛围，提高乘客的安全知识水平，增强乘客的安全动机，规范乘客的安全行为对于维护地铁运营安全极为重要。

安全行为包括安全服从行为和安全参与行为，这两者可以认为是安全绩效的组成部分[2]。探索安全氛围、安全行为和安全绩效之间的关系是很多学者研究的重点[2-10]。ZOHAR提出安全氛围的概念后[3]，WU等对安全氛围的概念、维度、指标、要素结构、应用组织层次以及在事故因果链中的作用进行了研究[4]。部分学者研究了安全氛围对安全行为影响的中介效应，研究的维度包括安全知识，安全动机，安全心理和安全培训等[2, 5-8]。SIU等评估了心理压力作为中介因素对安全氛围与安全绩效的影响[5]；VINODKUMAR等研究发现安全培训对安全参与行为和安全服从行为没有直接影响，而是通过安全知识和安全动机的中介效应来产生影响[2]；NEAL等研究认为知识、技能和动机会对安全服从行为和安全参与行为有不同的作用，安全知识对安全服从行为的影响高于对安全参与行为的影响，安全动机对安全参与行为的影响高于对安全服从行为的影响[6]。安全氛围与安全行为的研究目前主要集中在石化、建筑等传统高风险行业，一些非传统行业如学校[7]、医院[8]的安全也有部分学者进行了研究，但是对于地铁运营期间乘客安全行为等指标的研究目前主要为单指标定性比较研究[11-14]，而通过构建结构方程模型定量分析地铁乘客安全行为影响因素的研究较少。因此，论文基于此研究背景开展对地铁乘客安全行为影响因素的定量研究。

本文通过对北京、上海、广州、深圳等城市的地铁乘客进行地铁安全问卷调查研究，运用因子分析、构建结构方程模型进行路径分析等方法从地铁的安全氛围、乘客接受安全培训的状况、乘客的安全知识、安全动机、安全参与行为、安全服从行为和安全心理等方面探究了地铁乘客安全行为的影响因素，分析了地铁安全氛围和安全培训对乘客安全行为的影响以及乘客安全知识和安全动机的中介效应，并在此基础上对提升地铁安全氛围，规范乘客安全行为提出了建议。

1　研究方法

1.1　问卷设计与调查

问卷基于安全行为研究的经典问卷[2,6]以及研究地铁乘客安全行为的相关问卷[11-14]进行设计，对于初始问卷的修订采用现场预测试和在线预测试2种方法，现场预测试在广州地铁和深圳地铁共6个地铁车站进行，在线预测试通过问卷星平台进行，预测试共收到有效问卷880份。通过对预测试问卷数据的分析，辅以文献调研、现场调研、专家咨询等方式逐步修订形成了最终的问卷。问卷分为3个部分，共设置39个题项。第1部分为个人基本信息，主要从人员所在城市、性别、年龄、受教育程度、职业、接受安全培训状况、乘车频率、换乘次数等8个方面展开，共设置8个题项；第2部分为问卷主体内容，包括乘客对地铁安全氛围的评价、乘客的安全知识、安全动机、安全参与行为、安全服从行为以及安全心理等6个方面，共30个题项，该部分均为5分制量表，5分代表非常符合，1分代表完全不符合；第3部分为乘客建议，设置1个题项。正式问卷调查通过问卷星平台进行，共搜集到问卷1 068份，其中有效问卷870份。

1.2　分析方法

本文的分析方法从因子分析和路径分析两方面着手。针对问卷信效度，采用因子分析法对问卷的因子结构进行分析；针对安全行为影响因素，采用路径分析法建立各项指标的结构方程模型。

因子分析包括探索性因子分析和验证性因子分析[15]。为了确认量表因子结构，首先进行探索性因子分析。探索性因子分析是一降维技术，能够将具有错综复杂关系的变量综合为少数几个核心因子。探索性因子分析需对问卷进行Kaiser-Meyer-Olkin(KMO)检验和Bartlett 球形检验。KMO检验是通过比较各变量间简单相关系数和偏相关系数的大小判断变量间的相关性，相关性强时，偏相关系数远小于简单相关系数，KMO值接近1，通常的标准如表1所示[16]。Bartlett球形检验用于检验相关矩阵是否是单位矩阵，即各变量是否独立。Bartlett球形检验统计量Chi-squared越大，证明问卷效度越高。统计量的显著性概率p<0.05时说明该问卷适合因子分析。

表1　KMO检验标准

在证明问卷适合进行因子分析的基础上，对各因子内部信度进行检验，内部一致性系数(Cronbach Alpha值)表征各因子内部信度，通常的标准如表2所示[16]。

表2　因子内部信度检验标准

在探索性因子分析的基础上对各项指标进行验证性因子分析，验证性因子分析的主要指标为建构效度(CR)和平均方差萃取量(AVE)[16]。CR值反映了每个潜变量中所有题项是否一致性地解释该潜变量，当该值高于0.7时表示该潜变量具有较好的建构信度。当AVE值高于0.5时表明观察变量被其潜在变量解释的变异量高于其被测量误差所解释的变异量。

结构方程模型是路径分析的常用方法[17]。结构方程模型是基于变量的协方差矩阵来分析变量之间关系的一种统计方法。它弥补了传统统计分析方法的不足，尤其在分析多种原因多种结果的联系和潜变量关系方面。结构方程模型是应用线性方程系统表示观测变量与潜变量之间的一种统计方法，可以用于估计无法直接量化的参数。

2　调查结果

2.1　样本统计

被测人员的基本信息主要从人员所在城市、性别、年龄、受教育程度、职业、接受安全培训状况、乘车频率、换乘次数等8个方面展开。具体分类见表3。

表3　乘客信息表

根据各类人员分布情况将人员基本信息进行了重新分类。测试过程中60岁以上乘客较少，将年龄重新划分为5类，将60岁以上年龄段与46～59岁年龄段合并为一类，符合地铁乘客以中青年人为主的特征。受教育程度方面，小学学历与初中学历人员较少，合为一类，硕士及博士合为一类，本科生占比44.8%，说明乘客的整体受教育程度较高。职业方面主要分为企业人员，事业单位人员，个体户、学生和其他类，企业人员占比47.1%，是地铁乘客的主要人群。乘客的性别比例基本持平。

2.2　因子分析

2.2.1探索性因子分析

从表4中可以看出，问卷的KMO检验值为0.885，大于0.8，说明该问卷适合做因子分析。因子特征值大于1的成分共有6个，累计方差贡献率为60.84%，符合社会调查量表要求。6个主成分内部一致性系数(Cronbach Alpha)均高于0.7，满足信度系数要求。各题项的因子载荷系数均大于0.6，只有Q20不符合要求，因此删除该题项，其余题项与对应的指标均与问卷设计时一致。

2.2.2验证性因子分析

在探索性因子分析的基础上对各项指标进行验证性因子分析，为了使得各指标AVE值高于0.5，删除路径因子较低的题项，因此，安全服从行为中的Q36，Q37，Q38，安全氛围中的Q29，安全动机中的Q22和安全心理中的Q32被删除。各题项平均值，标准差和路径因子如表5所示，各指标的平均值通过该指标所包含题项的算术平均值求得，各指标的建构效度均高于0.7，说明修正后的量表的信度较高。

2.3　路径分析

路径分析采用建立乘客安全行为影响因素的结构方程模型的方法。乘客乘车频率直接反应了乘客与地铁的关系，乘车频率越高的乘客对于地铁的熟悉程度越高，对于地铁各项指标的反应情况也更客观合理，因此在本研究中选取乘车频率非常高的乘客共196份样本作为研究对象。基于文献[2-10]，作如下假设：1)安全氛围对安全知识、安全动机和安全心理具有积极作用；2)安全培训对安全知识、安全动机和安全心理具有积极作用；3)安全知识对安全参与行为和安全服从行为具有积极作用；4)安全动机对安全参与行为和安全服从行为具有积极作用；5)安全心理对安全参与行为和安全服从行为具有积极作用；6)安全知识，安全动机和安全心理是安全氛围和安全行为的中介变量；7)安全知识，安全动机和安全心理是安全氛围和安全培训的中介变量；8)安全氛围与安全培训具有共变作用。根据上述假设，构建地铁安全结构方程模型。

表4　探索性因子分析

表6表示结构方程模型的指标拟合情况。卡方自由度比(χ2/df)是模型适配度的重要指标，当χ2/df<1时，表示模型过度适配；其值大于3时，表示模型适配度不佳；较为严格的适配度准则是χ2/df值介于1至2间。假设模型的χ2/df值为4.209，远高于合理范围，表明假设条件与模型不适配，同时显著性概率值为0.000，达到了0.05以下的显著水平，表示观察数据与假设模型存在显著差异。当渐进残差均方和平方根值(RMSEA)<0.05时，表示模型有良好的适配度。假设模型的RMSEA值为0.128，进一步说明适配度欠佳。从图1中的加粗路径可以看出，安全心理与安全培训、安全行为均无显著关系。安全培训与安全动机、安全知识与安全服从行为、安全动机与安全参与行为间均无显著关系。删除上述关系不显著的路径后得到修正模型1(如图2)，修正模型1的χ2/df值减小但还未达到合理区间，说明修正模型1与观测数据仍不适配。其他参数如比较拟合指数(CFI)、规范拟合指数(NFI)、增量拟合指数(IFI)、拟合优度指数(GFI)、均方根残差(RMR)等值均小于假设模型，说明模型严重不适配，因此在模型中必然存在其他相关关系。

表5　验证性因子分析

根据拟合结果发现安全知识对安全动机存在显著影响，安全培训对安全参与行为同样存在显著影响，因此增加安全知识对安全动机影响的路径和安全培训对安全参与行为影响的路径(图3中的加粗路径)得到修正模型2。修正模型2的χ2/df值为1.161 5，介于1至2之间，且显著性概率为0.08，高于0.05，说明模型适配度较好；同时CFI，NFI，IFI，GFI以及RMR等指标均符合适配标准。但是RMSEA值为0.056，稍高于适配度较好的临界值0.05，说明该模型还需进一步改进。

NEAL等[6]的研究表明，安全氛围对安全参与行为存在显著影响。因此在修正模型2的基础上，增加安全氛围对安全参与行为的影响路径(图4中的加粗路径)得到最终模型。最终模型的各项指标均符合适配标准。CFI，NFI，IFI，GFI以及RMR等值均大于之前的模型，同时RMSEA和RMR值小于之前的模型，进一步说明最终模型相较于之前的模型更合理。

从图4可以看出，安全氛围对安全知识，安全动机和安全心理存在积极影响，路径系数分别为0.51, 0.30和0.28，这证明假设1成立。安全培训只对安全动机存在积极影响，因此假设2部分成立。同样的，安全知识只对安全参与行为存在积极影响，安全动机只对安全服从行为存在积极影响，因此，假设3和假设4也是部分成立。安全心理对安全参与行为与安全服从行为均不存在任何影响，说明假设5完全被否定。对于安全培训来说，安全培训直接影响着安全知识和安全参与行为，安全知识也是安全培训和安全参与行为的中介变量。与此同时，安全氛围直接影响着安全知识、安全动机和安全心理，安全知识是安全氛围与安全参与行为、安全氛围与安全动机的中介变量，安全动机是安全氛围与安全服从行为的中介变量，因此假设6和假设7也部分成立。安全培训与安全氛围间存在显著共变关系，所以假设8成立。综上所述，假设1和假设8完全成立，假设2，3，4，6，7部分成立，假设5不成立。

表6　结构方程模型指标拟合

图1　假设模型Fig.1　Hypothesis model

图2　修正模型1Fig.2　Modified model 1

图3　修正模型2Fig.3　Modified model 2

图4　最终模型Fig.4　Final model

3　结果分析

各项因子的信度以及问卷的整体效度均表明该问卷用于研究乘客安全行为影响因素是合理可行的，为建立乘客安全行为影响因素的结构方程模型打下了坚实的基础。

通过路径分析得到的最终模型证明了假设模型部分路径的正确性。地铁安全氛围对于乘客的安全知识、安全动机、安全心理和安全参与行为均存在显著影响，其中，对于乘客地铁安全知识的路径系数最高，即对安全知识影响最大，说明良好的地铁安全氛围有助于提高乘客的安全知识水平。乘客的安全培训状况对于安全知识和安全参与行为有直接影响，安全培训状况虽然没有直接对乘客安全动机产生影响，但通过地铁安全知识的中介效应对安全动机产生了间接影响。安全氛围与安全培训状况作为外界因素变量存在共变现象，证明了安全培训状况与安全氛围之间存在相互影响。安全知识水平只对安全参与行为水平有显著影响，安全服从行为水平只与安全动机水平直接相关，这与前述学者的研究存在显著差异，这可能是由于地铁安全现场管理水平存在差异造成的。在客流较大的车站，通常设有更多客流疏导人员或志愿者，这直接提高了乘客的安全服从行为水平，与乘客的安全知识水平无明显关联。因此，乘客安全服从行为水平与安全知识水平间无显著联系，而只与乘客的安全动机直接相关，且安全动机对安全服从行为的路径系数为0.24，即安全动机对于安全服从行为的解释率仅为5.76%，说明乘客的安全服从行为更多的受到了其他因素如车站管理水平等的影响。乘客的安全参与行为水平受到乘客安全知识的影响较大，路径系数为0.55，安全知识水平对安全参与行为水平的解释率为30.25%。安全动机对于安全参与行为水平无显著影响，这表明良好的安全动机并不能显著提高乘客的安全参与行为水平。乘客的安全心理水平主要受到地铁站安检流程以及限流措施的影响，同时与地铁客流密度，负荷强度等外部因素相关，所以安全心理对于安全参与行为与安全服从行为无显著影响。

4　结论

1)良好的地铁安全氛围有助于提升乘客的安全知识水平、安全动机、安全心理水平和安全参与行为水平，营造更加良好的安全氛围对于提高地铁乘客的安全行为水平具有重要作用。

2)乘客的安全参与行为水平主要受到乘客安全知识水平的影响，乘客安全服从行为水平主要受到乘客的安全动机的影响。乘客安全心理与地铁安全氛围显著相关，对乘客的安全行为不会产生显著影响。安全知识水平作为中介因素同时影响着安全氛围与安全参与行为，安全培训与安全参与行为，安全氛围与安全动机以及安全培训与安全参与行为之间的关系。由此可见，安全知识水平是影响乘客安全行为水平的重要因素。对于乘客来说，获得更多的安全知识对于提升自身的安全动机及安全行为具有显著效果。

3)安全培训是提升安全知识水平的重要途径。无论是地铁运营公司、企事业单位、学校等均应充分重视安全培训工作，建立健全安全培训机制，努力提升地铁乘客的安全知识水平，这对于提升整个社会的安全意识以及保障地铁乘客的人身安全都具有重要意义。

[1]国务院.“十三五”现代综合交通运输体系发展规划[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，石杰红，等．地铁不同人群疏散行为特征调查问卷研究[J]．中国安全生产科学技术，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，钟茂华，史聪灵，等．北京地铁乘客疏散行为特征调查试验分析[J]．东北大学学报，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，钟茂华，史聪灵，等.地铁突发事件下乘客疏散行为调查研究[J].中国安全生产科学技术，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，肖国清，何理，等.地铁人员疏散心理行为调查及相关性研究[J].中国安全生产科学技术，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]陈胜可.SPSS统计分析从入门到精通[M].北京:清华大学出版社,2013.

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

[17]吴明隆.结构方程模型——AMOS的操作与应用[M].重庆:重庆大学出版社,2016.