基于结构方程模型的地铁驾驶员工作绩效评价研究

吕 静，杨聚芬，刘志钢 （上海工程技术大学，上海 201620）

LV Jing, YANG Jufen, LIU Zhigang (Shanghai University of Engineering and Science, Shanghai 201620, China)

0 引 言

地铁驾驶员作为列车的直接控制者，其工作状态和绩效表现影响着城市轨道交通系统的安全运营和服务质量，对驾驶员工作绩效影响因素进行系统分析，有助于促进人岗匹配，建立科学的人力资源管理机制。目前地铁公司对驾驶员绩效评价主要集中在对驾驶员操作技能和专业知识两方面，涉及对驾驶员人因因素的较少[1]。

驾驶员工作绩效受到职业适应性、工作负荷、组织关系适应性、工作满意度、个性特征等多方面因素的影响。刘玉[2]等研究表明，组织结构和关系对驾驶员行为影响最为明显。也有研究表明[3]工作压力对驾驶员的行为产生消极作用，驾驶员的个性特征、工作满意度对驾驶员的工作绩效有显著影响[4]。这些影响因素之间可能是相互联系的[5]，而传统的绩效评价方法如专家打分法、层次分析法、熵权法等默认为不同影响因素之间是互相独立的。结构方程模型（Structural Equation Model，SEM） 从大样本数据内部关系出发，能容许更大的弹性[6]，可真实反映各指标之间的关系，适用于多指标，指标衡量存在误差的情况，能够更好地挖掘驾驶员工作绩效评价体系。

鉴于此，本文采用维也纳心理测评系统（Vienna Test System，VTS） 对驾驶员职业适应性指标进行评价，依据美国国家航空航天局开发的（National Aeronautics and Space Administration-Task Load Index，NASA-TLX） 心理负荷测评量表及卡特尔人格测试量表从驾驶员工作负荷、组织关系适应性、工作满意度、个性特征4 个方面设计调查问卷，对影响驾驶员工作绩效的人因因素进行充分挖掘，利用探索性因子分析筛选出20 个影响驾驶员工作绩效的关键二级指标。为充分考虑驾驶员工作绩效影响因素之间的相关关系，本文采用结构方程模型，建立驾驶员工作绩效影响因素体系，并应用纵向拉开档次法确定各指标的综合权重，建立地铁驾驶员工作绩效评价模型。

1 理论基础

1.1 结构方程模型

结构方程模型（SEM） 整合了因素分析和路径分析两种统计方法，适用于同时分析多个指标之间的关系[7]。在SEM 中，可直接观测出来的变量称为显变量，无法直接观测的变量称为潜变量。结构方程模型由测量模型和结构模型两个基本模型构成[8]。

（1） 测量模型。测量模型由潜变量与显变量组成，是一组潜变量和显变量的线性函数。

（2） 结构模型。结构模型即是潜在变量之间的因果关系模型的说明，也即外因潜变量对内因潜变量之间的预测关系模型。

具体参数如表1 所示。

表1 参数意义说明

本文通过文献资料总结，结合专家访谈法，初步确定从职业适应性、组织关系适应性、工作满意度、工作负荷、个性特征5 个维度来评估地铁列车驾驶工作绩效，基于结构方程模型，建立驾驶员工作绩效评价结构模型如图1 所示。

图1 驾驶员工作绩效评价结构模型

1.2 拉开档次法

拉开档次法是通过差异驱动原理，根据各指标自身提供的信息量从总体上最大限度突出各指标之间的差异[9]，减少主观因素影响。运用拉开档次法确定权重的方法如下所示：

设有n个评价对象S1,S2,S3,…,Sn，有m个评价指标X1,X2,X3,…,Xm，则基于拉开档次法其线性综合评价函数可表述为：

若记：

则将式 （5）、式 （6） 带入式 （4），得：

要突出各评价对象之间的差异，转化为数学语言即求n个被评价对象指标向量取值的分散度或者方差的最大值，如式（8）所示：

将式（7） 带入式（8），并对原始数据进行标准化，可得=0，同时限定ωTω=1，H=AT A为实对称矩阵，实对称矩阵最大特征值对应的标准特征向量的ω 即为评价指标的权重系数。

2 工作绩效模型建立与评估

2.1 数据调查与分析

为完善和评估驾驶员工作绩效评价模型，建立工作绩效影响因素指标体系，本文数据由维也纳心理测评系统（VTS） 及问卷调查两部分组成。

维也纳心理测评系统（VTS） 是对驾驶员的决断力（DT）、反应力（RT）、外周知觉能力（PP） 及注意警觉性（COG） 进行测试和分析，此部分测试用来描述驾驶员的职业适应性。

问卷调查则在驾驶员做完VTS 之后进行，问卷调查的内容通过调研分析，依据美国国家航空航天局开发的NASA-TLX 心理负荷测评量表及卡特尔人格测试进行改编[10]。问卷内容包括基本信息及调查题项两部分，基本信息包括驾驶员的性别、年龄、驾龄等。调查题项就关系绩效、工作负荷、工作满意度、个性特征分别设计4 个题项，问卷采用5 级李克特计分方式，1～2 分表示低分水平，3 表示一般水平，4～5 分表示高分水平[11]。驾驶员工作绩效问卷调查指标体系如表2 所示：

表2 驾驶员工作绩效问卷调查指标体系表

本次研究对上海地铁182 名在职驾驶员进行测试，有效数据170 份。在有效数据中，包括女性驾驶员6 名，男性驾驶员164 名，年龄在26～40 岁之间161 人，占94.7%，驾龄占比最多的在8～12 年，占64.3%。

2.2 问卷信度和效度分析

为了验证数据收集有效性，首先分析问卷信度和效度。采用Cronbach'sα 系数对问卷进行整体和5 个潜变量进行检验，如表3 所示，Cronbach'sα 系数均大于0.6，说明问卷的内部一致性较好，问卷具有良好的信度。

表3 信度检验

为了检验问卷调查是否真正反应观测指标，本文采用KMO 检验和Bartlett 球形检验来检验问卷的效度。具体结果如表4 可知所示，KMO 值均在0.6 以上，大于0.5，Sig值均为0.000，小于0.05，因此问卷结构效度良好。

表4 效度检验

2.3 模型建立与评估

在信度和效度检验均符合要求后，采用AMOS24.0 对驾驶员工作绩效评价模型进行极大似然估计。驾驶员工作绩效评价模型标准化参数估计如图2 所示，图中每条路径所对应的数据为标准化回归系数，表示对应变量之间关系的显著性。模型的质量评估主要包括绝对适配度指数（RMSEA）、增值拟合指数（ILI、IFI、CFI） 和简约适配度指数（NC、PNFI、PGFI），本模型具体适配度指标如表5 所示，由模型适配度指标表可知，除了ILI在一般水平，其他指标均良好，表示本模型拟合良好。

表5 结构方程模型适配度指标

3 工作绩效评价

确定指标体系的权重系数是绩效评价中的核心问题。由于在问卷调查中驾驶员个人感知因素，驾驶员工作绩效评价模型关键二级指标之间不可避免存在一定的相关关系，因此为真实反应各指标之间关系，本文采用SEM—拉开档次法确定指标体系权重系数。在SEM 中，标准化的路径系数可以看作对应指标的权重系数[12]。将每项显变量对应的路径系数绝对值作为分子，每个潜变量对应显变量路径系数绝对值之和作为分母，同理对潜变量做相应处理，两者比值相乘即为对应指标的权重系数，本文初级权重系数如表6 所示。

图2 驾驶员工作绩效评价模型标准化参数估计

表6 驾驶员绩效评价初级权重系数

基于SEM—拉开档次法求工作绩效的综合权重，需要运用Min-max 方法对原始数据标准化，并使用初级权重进行加权处理，再根据式（9），计算出矩阵H最大特征值对应的特征向量，并对特征向量进行归一化处理，即得驾驶员工作绩效综合权重。为了评价SEM—拉开档次法确定指标权重的质量，本文采用另外一种广泛使用的客观评价方法——熵权法计算权重，进行对比分析。不同评价方法综合权重结果如表7 所示。

由表7 可直观看出，利用熵权法所得列车驾驶员工作绩效的综合权重系数基本稳定分布在0.05 左右，但是相对于SEM—拉开档次法缺少区分度。由于驾驶员个人感知判断因素，影响驾驶员工作绩效的各指标之间存在着一定的相关关系，比如驾驶员对组织价值及方针的认同度会影响其对工作的责任感。基于这一显著特征，本研究通过改变DT指标中的10 个数据，打破原有的数据关系，来进一步评价SEM—拉开档次法和熵权法所确定的权重系数对驾驶员工作绩效的适用性。如表8 所示为数据改变后两种方法对应的权重系数变化率。

由表8 可知，SEM—拉开档次法的各指标的变化率明显高于熵权法权重系数的变化率。这是由于熵权法确定权重系数的原则是根据某项指标观测值自身的差异程度来确定权重系数，因此只有观测值发生变化的指标权重系数变化率较大，其余指标权重系数变化率很小。而SEM—拉开档次法确定权重系数是从大样本数据内部关系出发，当观测数据间的内部关系发生改变时，其确定的权重系数会发生明显改变，由此可知，SEM—拉开档次法充分考虑了各观测指标间相关关系，能更客观真实反映驾驶员工作绩效，在评价驾驶员工作绩效上具有一定的优越性。

4 研究小结

结合指标体系的综合权重系数可知，驾驶员的工作负荷、对工作的认知及个性特征对工作绩效的影响最为显著。地铁列车驾驶员工作环境相对密闭，需要轮班，这些都会给驾驶员带来较大的心理生理负荷，因此在追求驾驶员职业适应性指标的同时，不可忽视对驾驶员的人因管理。结合驾驶员指标体系权重系数值及驾驶员工作实际，在筛选驾驶员上应注意选拔有耐心有责任心的驾驶员，同时在驾驶员的日常管理中应着重加强驾驶员对工作的认知，宣扬企业文化，增强驾驶员的职业认同感和归属感。另外，可根据驾驶员的具体情况，在排班、休息方面作出适当的调整，加强人性化管理、不断优化工作氛围，都可以有效降低驾驶员工作负荷，提高驾驶员工作绩效。

表7 不同评价方法综合权重结果

表8 两种方法变化率 单位：%