基于PR-SEM的煤矿安全管理风险因素综合评价

何叶荣，洪力学，黄廷辉

(1.安徽建筑大学 经济与管理学院，安徽 合肥 230601；2.安徽理工大学 经济与管理学院，安徽 淮南 232001)

0 引 言

由于煤矿安全管理力度的加大，近几年全国煤矿安全事故呈大幅下降趋势，2016年全国煤矿安全形势持续稳定好转。但是，重特大事故出现明显反弹，2016年共发生重特大事故11起、死亡194人，同比上升120%，128%[1]。据统计，在引起煤矿安全事故的诸多因素中，由于管理失范导致的人因问题是关键性的风险因素[2]。早在20 世纪70 年代，Petersen就指出安全事故主要是由人的不安全行为因素所致，其事故发生的根本原因在于管理政策、程序、监督和培训[3]；Heinrich经过一系列研究，认为导致事故发生的首要原因是管理制度和管理决策[4]。可见管理对控制安全事故的发生起着至关重要的作用。曹庆仁等从影响煤矿安全管理行为和管理维度的特点入手，探索出更为合理的安全管理行为模式，为煤矿安全管理提供了重要决策支持[5]；傅贵提出了煤矿安全事故致因的“2-4”模型，通过对事故风险因素进行系统编码，以提高利用该模型进行事故原因分析和事故预防的可操作性[6]；田水承等运用文献综述与现场访谈的方法，对煤矿瓦斯爆炸险兆事件及影响因素进行分析，探索出煤矿瓦斯爆炸险兆事件的致因机理，对煤矿安全管理具有一定的指导意义[7]。

文中通过对国内外相关研究文献的梳理，将随机游走的Page Rank算法和结构方程模型(Structural Equation Model，SEM)相结合，识别煤矿安全管理风险因素，建立风险因素评价模型，研究它们之间的相互影响关系及演化路径，对安全管理的事故进行预防预控，避免或减少煤矿安全事故的发生[8]。

1 原理及程序

1.1 基于煤矿安全管理风险因素的评价原理

在进行煤矿安全管理风险因素识别时，需要在煤矿及相关部门进行问卷发放及专家访谈。为了更准确找到影响煤矿安全管理的主要风险因素。文中引入随机游走的Page Rank算法进行专家权重确定。Page Rank算法是一种网页排名技术，值的大小反映一个网页在互联网中的重要程度[8-10]。

1.1.1 Page Rank(PR)值计算过程

Page Rank算法的基本思想是借鉴传统的学术文献的引文分析方法，即一篇文献的重要性可以通过其他文献对其引用情况来衡量。根据每篇文献的值来判断文献的重要性。如果一个文献被许多文献引用，那么它可能获得很高的值；如果一个文献被一个本身值很高的文献所引用，那么它同样可能具有很高的值，目前在很多领域得到了广泛的应用[11-13]。

1.1.2 结构方程(SEM)基本原理

Karl G.Joreskog于20世纪70年代提出的结构方程(SEM)[14-15]，可以同时处理多个因变量，主要包括2个部分[16-17]。

1)表示潜变量与观测变量之间关系的测量模型(Measurement Model)。

X=Λxξ+δ,Y=Λyη+ε

式中X，Y分别外源和内源指标向量；Λx，Λy分别为外源和内源指标与其对应的潜变量之间的关系；δ,ε分别为X，Y的误差项。

2)表示潜变量之间的关系的结构模型(Structural Model)。

η=Bη+Γξ+ζ

式中ξ，η分别为外源、内源潜变量向量；B为内源潜变量η之间的回归系数；Γ为ξ与η间的回归系数；ζ为残差项。

1.2 基于PR-SEM的煤矿安全管理风险因素评价的程序

模型构建包括3个阶段：准备阶段、模型构建阶段、模型评价阶段，如图1所示。

图1 PR-SEM评价模型构建的3个阶段Fig.1 Three stages of PR-SEM evaluation model

在模型准备阶段主要进行理论分析，数据处理，变量设计及研究假设的提出，数据是PR-SEM模型构建的基础，将基于Page Rank的专家权重与原始问卷数据的内积作为预处理数据，并对该数据进行信度和效度分析；确立各变量间的关系，提出研究假设。

模型构建阶段主要进行初始模型构建与模型拟合。模型构建时设定相关参数关系；模型拟合即对模型参数的估计值进行计算，分析结构方程解的适合度，迭代估计是否收敛、各参数估计值是否合理；依据理论或有关假设对模型进行修正[17]。

模型评价阶段即对最终的模型评价结果进行综合分析，得出最终结论。

2 研究过程

2.1 样本选择与数据处理

2.1.1 样本选择

在5所煤炭高校和12个煤矿，发放360份问卷，收回有效问卷318份。问卷包括4个部分：问卷填写指南、基本信息、风险因素和风险后果表述，其中选择性问题部分采用李克特七点量表，完全不同意(1分)，不同意(2分)，基本不同意(3分)，不完全同意(4分)，基本同意(5分)，同意(6分)，完全同意(7分)。

2.1.2 Page Rank专家权重计算及数据预处理

对318份问卷的被访专家进行搜索，挖掘他们之间的社会关系。建立一个318阶的网络邻接矩阵，获取专家权重PR(Hi),i=1,…n.运用专家权重与原始数据进行内积运算，原始数据是由18个变量构成的矩阵A=[a]318×18。将专家权重向量V=(v1,v2,…,v318)，转化为对角阵G=

则有W=G·A=[w]318×18=

运用Matlab 7.0软件工具进行运算，运算结果作为本研究的实际分析数据。根据问卷统计分析，结合专家访谈结果，归集18个关键风险因素，这些因素均可能引发煤矿安全风险，进而导致煤矿安全管理风险后果[8]。运用STATA 12.0软件工具，对于采集的数据首先进行描述性统计，得到18个风险评价指标和3个风险后果指标数据的基本概要统计情况。

2.1.3 数据归一化处理及信度和效度分析

对数据进行归一化处理，然后进行信度和效度分析，以增加数据的稳定性和可靠性，处理后的数据信度与效度分析结果见表1,表2.

表1 数据信度分析结果

表2 KMO和Bartlett检验值

表1显示，总体Cronbach’sAlpha值为0.927，大于参照值0.7；Bartlett球形检验用于检验各变量的独立性，其值越大越好，表2显示煤矿安全管理风险评价指标的KMO和Bartlett球型检验值分别为0.887，1 650.32；相应概率Sig为0，存在显著差异。指标的信度、效度均较好[8]。

2.2 研究假设

安全管理组织风险是影响煤矿安全管理的关键风险因素，着重从煤矿安全管理组织结构、组织行为、组织文化等方面对煤矿安全管理组织风险因素进行分析；安全管理模式主要涉及管理方法、程序及制度体系；安全管理能力则是风险后果的直接影响因素；信息是煤矿安全管理决策的基础，信息的时效性、信息来源及质量直接决定了安全管理决策的正确性；安全管理监控系统能对安全管理活动中的各个环节进行动态监控，以便能提前发现安全管理过程中可能存在的风险因素。

综合以上内容，文中提出如下H1～H5的假设：安全管理组织(SMO)，安全管理模式(SMM)，安全管理能力(SMA)，安全管理要素(AMF)，安全管理监控(SMC)，这5个方面存在的风险因素对安全管理风险后果(SMR)均具有直接显著影响。

这5个方面的风险因素之间也是相互影响的，SMO会对SMA和SMM产生一定影响；SMA也会受SMM，AMF，SMC等的影响；SMC会对SMA，AMF等产生影响。

因此，文中又提出如下假设：

H6～H7：SMO风险可能会增加SMA和SMM的风险概率并导致风险后果。

H8：SMM风险可能会增加SMA风险概率并导致风险后果。

H9：AMF风险可能会增加SMA风险概率并导致风险后果。

H10～H11：SMC风险可能会增加SMA和AMF的风险概率并导致风险后果。

经过反复集体讨论，文中提出11个研究假设。H1～H5是直接影响效应，H6～H11是间接效应对煤矿安全管理产生影响效应。

2.3 模型构建

根据研究假设，构建5个外源潜变量和一个内源潜变量的初始概念模型。外源潜变量和内源潜变量之间有11条传输路径。以问卷调查题目的协方差矩阵为基础数据进行建模。

2.3.1 外源潜变量测量方程

根据以上分析结果，5个外源潜变量中每个变量分别包含3，4，4，4，3，共计18个观测指标。根据X=Λxξ+δ，确立外源潜变量测量方程

2.3.2 内源潜变量测量方程

SMR包含3观测指标，根据Y=Λyη+ε，确立内生潜变量测量方程

2.3.3 结构方程的构建

根据η=Bη+Γξ+ζ，可得本研究的结构方程

2.3.4 模型拟合与修正

依据各项拟合指标的评价标准[17-19]，对模型的拟合度进行评价，见表3.

运用AMOS 17.0对初始模型进行拟合检验，拟合结果见表4.

表3 拟合指数与评价标准

表4 修正前后结果比较

表4显示，模型修正后各变量的显著性概率均大于0.05.χ2/df为2.321，表示模型很好，模型修正后的RMSEA(近似误差均方根)是0.058 4，NFI(赋范拟合指数)为0.919，NNFI(非范拟合指数)为0.918，IFI(增值拟合优度指数)为0.921，均大于0.9的标准，说明是好的拟合[21]。运算结果如图2所示。

图2 煤矿安全管理风险因素结构方程模型及运算结果Fig.2 Model and operation result of coal mine safety management risk factor structure equation

3 煤矿安全管理风险因素综合评价

由表4修正后模型各变量之间的参数值和图2结构方程模型显示：H1的影响系数为0.79，H2的影响系数为0.78，H3的影响系数为0.98，H4的影响系数为0.68，H5的影响系数为0.73，对于H1～H5，均为影响显著，通过检验，H1～H5成立；H6的影响系数为0.59，H7的影响系数为0.70，H8的影响系数为0.75，H9的影响系数为0.68，H10的影响系数为0.61，H11的影响系数为0.72，H6～H11均为影响显著，通过检验，H6～H11成立。

根据路径系数计算值，5个外源潜变量对安全管理风险后果的影响直接效用排序为：SMC

表5 综合评价指标路径系数值

安全管理组织通过一条直接路径和2条间接路径作用于风险后果，路径系数分别为0.79，0.70，0.75.综合路径系数值为

psmo=0.79+0.98(0.70×0.75+0.59)=1.88

同理，依次计算出安全管理模式、安全管理要素、安全管理监控等的综合路径系数值，分别为

psmm=0.78+0.98×0.75=1.52

psmf=0.82+0.98×0.68=1.37

psmc=0.79+0.98(0.72×0.68+0.61)=1.87

安全管理能力的路径系数为0.98，呈直接显著效应。

通过综合计算，归一化处理后，得到5个一级风险指标对风险后果的影响路径系数值为W=(0.247,0.199,0.179,0.245,0.130)，影响大小总排序为：安全管理能力<安全管理要素<安全管理模式<安全管理监控<安全管理组织。

4 结 论

由以上分析结果可知，在直接影响效应排序中，安全管理能力对安全管理风险后果的影响用最大，在综合影响效应排序中，安全管理能力对安全管理风险后果的影响用最小。这恰说明了安全管理能力对安全管理风险后果作用的显著性和直接性，同时煤矿安安全管理能力受多种风险因素的影响；其他几个方面潜在的风险因素也会演化成安全管理能力风险，进而引发风险后果，以至于造成风险损失。二级风险指标路径系数分别为

wsmo=(0.38,0.33,0.29),wsma=(0.27,0.26,0.24,0.23)，wsmf=(0.32,0.23,0.24,0.26),wsmc=(0.25,0.38,0.37)其系数值的大小反映了二级指标对一级指标的影响大小，主要通过一级指标对风险后果产生影响。

总之，在煤矿安全管理过程中，既要关注各种风险因素的直接影响，又要关注风险因素间的演化与传导。只有准确把握各种风险因素对风险后果的影响路径及作用程度，及时采取措施，消除风险因素的影响作用，切断风险传导路径，才能将煤矿安全管理风险概率降到最低，真正实现煤矿安全的精细化与本质化管理。