建筑工程施工安全氛围的因子结构模型——基于长沙建筑市场的调查

李瑚均，陈辉华，曾晓叶，户晓栋，程保全，唐晓莹

(1.中南大学 土木工程学院，湖南 长沙410075；2.河南理工大学 土木工程学院，河南 焦作454003）

建筑业是我国安全事故的高发行业，据统计，2019年2月至6月间我国建筑业共发生230起安全事故，导致276人死亡和17人重伤，事故给国家、社会、企业和个人带来严重的经济或无形损失[1]。因此，建筑安全管理一直是国内外行业专家致力攻克的科学难题与现实问题。一直以来，国内外学者从技术与管理2个层面探究建筑安全事故的发生机理与规避策略。技术层面的研究主要集中在BIM，虚拟现实技术，计算机视觉技术和移动穿戴设备等[2−3]；而对于管理层面建筑安全的研究，越来越多的学者聚焦安全氛围(文化)[4]。安全氛围是ZOHAR在1980年研究制造业安全绩效时提出的一类特殊组织氛围[5]。施工安全氛围可追溯到1991年，DEDOBBELEER等[6]验证BROWN等[7]的组织安全氛围因子模型是否适用于建筑行业，研究否定了该因子结构模型在建筑行业的可用性，提出了经典的双因子组织安全氛围结构模型，即安全管理承诺和工人安全参与。此后，施工安全氛围因子结构模型的不一致性一直是该领域争论的焦点问题，不同的施工安全氛围因子结构被不断地被提出并验证，例如方东平等的10因子模型[5]、LINGARD等的多层次代理模型[8]和Newaz等的5因子模型[9]等。CHOUDHRY等[10]指出上述因子结构相异的原因在于问卷、方法、样本来源、采样层次和采样地区的安全管理水平等不同。我国地理空间跨度大，不同区域因所处空间位置、发展层次和安全管理水平等的差异可能导致不同地区的施工安全氛围有所不同。国内现有针对施工安全氛围的调研多集中于东南沿海等发达城市，比如北京[11]、天津[12]、南京[13]和广州[14]等，而我国其他地域的施工安全氛围研究较少。为更全面了解我国建筑安全氛围的现状，有必要在其他地域开展调查研究。本文选取我国中部城市长沙为采样区，结合专家访谈设计建筑工程施工安全氛围调查问卷，综合运用探索性因子分析(EFA)和验证性因子分析(CFA)辨识并验证施工安全氛围的因子结构，评价该地区施工安全氛围的现状，并与其他学者的因子结构模型对比分析。研究提供我国长沙地区的建筑工程施工安全氛围的因子结构模型，拓展施工安全氛围在我国的研究空间尺度，为构建建筑业广泛适用的建筑工程施工安全氛围奠定基础；此外，该研究也可为长沙地区工程项目安全管理人员进行安全决策提供依据。

1 研究方法

1.1 调研问卷设计与调研样本

本研究调查问卷的题项(如表1所示)有2个来源：题项1-14来源于新加坡政府的CultureSAFE(安全文化)的调研问卷，题项15-19来源于专家调研。研究人员首先组织讨论小组评估CultureSAFE调研问卷中的题项，删掉意义相近或相反的题项，然后通过邮件发送给专家小组(专家小组由本系4名教授和长沙地区7名项目经理组成)，他们被邀请评价删减后调研问题的适用性和补充未涉及问题。经过调研反馈，保留CultureSAFE中题项1-14，增加了题项15-19。问卷采用李克特5点法测量。

研究人员设计了网上调查问卷，发送给与研究团队具有合作关系的项目管理人员，再经项目管理人员发给所管辖项目的建筑工人。调研邀请的项目管理人员均隶属于长沙地区(长沙地区及所辖县区)，项目管理人员所管辖的项目均在长沙地区，项目现场建筑工人均在长沙地区有半年以上工作经验。研究团队最终回收276份问卷反馈，去掉无效问卷，共获得有效问卷共计255份。

1.2 数据分析方法及程序

本研究综合运用EFA和CFA分析调研数据。首先检验数据的内部信度与效度以确定是否可用于后续分析，然后应用R语言编写EFA分析代码，选用正交旋转抽取公共因子，确定题项与公共因子的隶属关系，再构建假设的建筑工程施工安全氛围二阶因子结构模型；选用CFA验证假设的概念模型，并分析单个公共因子的信度与效度。

2 数据分析结果与讨论

2.1 数据分析结果

1)数据信度与效度检验

调研数据的信度检验选用Cronbach’sα系数，经检验α=0.935(>0.8)，说明数据有较好的内部一致性。效度检验选用KMO和Bartlett检验，经检验可得KMO值为0.924(>0.9)，说明效度较好；Bartlett球形检验的统计量显著(<0.05)。综合说明数据具有较高相关性，适合进一步开展因子分析。

2)数据的EFA分析

运用R语言编写探索性因子分析代码，获得因子分析碎石图(如图1所示)。可得调研数据协方差矩阵的19个特征值，存在3个大于1的特征值：9.03，1.32和1.23，可知调研数据的公共因子个数为3。

图1 因子分析碎石图Fig.1 Scree of factor analysis

设定公共因子数量为3个，运用主成分法抽取公共因子，并采用正交旋转进行公共因子旋转，EFA的分析结果如表1所示。题项1～8多由公共因子1解释，这些题项大多测量项目管理人员的安全职责和承诺，因此因子1可命名为项目安全管理承诺。题项9～14多由公共因子2解释，这些题项大多测量工人或工作伙伴所采取安全相关活动，因此因子2可命名为工人安全响应。题项15～19多由公共因子3解释，这些题项多测量领班的安全相关职责和承诺，因此因子3可命名为领班安全承诺。3个公共因子累计方差贡献率达到54%(如表2所示)，说明抽取的3个公共因子可很好解释19个题项。此外，当单个题项的因子荷载小于0.5时，此题项的模型适配度较差[15]。题项8(λ=0.38)、题项14(λ=0.4)和题项19(λ=0.41)被删去(见表1，用“*”标识)。

表1 问卷题项和EFA分析结果Table 1 Items of questionnaire and result of EFA

表2 公共因子的方差贡献Table 2 Interpreted variance of common factors

在EFA分析的基础上，构建二阶的建筑工程施工安全氛围因子结构概念模型(如图2所示)。图2中的观测变量VA1-VA7分别代表题项1～7；观测变量VB1-VB5分别代表题项9～13；观测变量VC1-VC4分别代表题项15～18。

图2 建筑工程施工安全氛围因子结构概念模型Fig.2 Conceptual framework of factor structure of construction safety climate

3)数据的二阶CFA分析

选用二阶的CFA对概念模型进行验证。首先对单因子的建筑工程施工安全氛围因子结构模型进行检验(如表3所示)，模型拟合统计量χ2/df=2.98(>2)，GFI=0.77(<0.9)，CFI=0.85(<0.9)和RMSEA=0.115(>0.08)，结果显示单因子的建筑工程施工安全氛围因子结构模型拟合度较差。后对假设的三因子概念模型进行二阶CFA分析(如表3所示)，模型 拟 合 统 计 量χ2/df=1.50(<2)，GFI=0.91(>0.9)，CFI=0.97(>0.9)和RMSEA=0.057(<0.08)，结果显示三因素模型的拟合度好。对比单因子模型与三因子模型，拟合统计量的值有明显改善，且更简洁有效。

表3 单因子模型与三因子模型CFA结果Table 3 CFA results of one-factor and three-factor model

三因子的建筑工程施工安全氛围因子结构模型的观测变量与潜在变量之间的结构关系如图3所示，非标准化的回归权重及其显著性如表4所示。表4中的C.R.值(临界比)均大于1.96，且P值均小于0.001，说明三因子模型中的回归权重显著且有效。图3中，一阶模型中标准化回归权重值处于0.63～0.84之间，显示一阶模型的潜在变量(项目安全管理承诺、工人安全响应和领班安全承诺)对观测指标有较高的解释程度；二阶模型中标准化回归权重值处于0.86～0.91之间，显示施工安全氛围对3个一阶潜在变量解释程度很高。因此，项目安全管理承诺、工人安全响应与领班安全承诺为合理的建筑工程施工安全氛围因子。

表4 非标准化回归权重及显著性Table 4 Non-standardized regressive weights and significance

图3 三因子的建筑工程施工安全氛围因子结构模型Fig.3 Three-factor model of factor structure of construction safety climate

计算每个因子的信度、组合效度和收敛效度(如表5所示)。项目安全管理承诺的Cronbach’sα值为0.91(>0.8)，组合信度为0.90(>0.6)和平均变异量抽取值为0.57(>0.5)；工人安全响应的Cron‐bach’sα值为0.88(>0.8)，组合信度为0.88(>0.6)和平均变异量抽取值为0.60(>0.5)；领班安全承诺的Cronbach’sα值为0.81(>0.8)，组合信度为0.81(>0.6)和平均变异量抽取值为0.52(>0.5)。每个因子有较高的信度、组合效度和收敛效度。此外，由表5可知，用于测量项目安全管理承诺的题项中VA3与VA7的显著性不足；用于测量工人安全响应的题项中VB5显著性不足；用于测量领班安全承诺的题项中VC2显著性不足。但整体而言，3个因子显著性较高。

表5 因子信度、组合效度和收敛效度Table 5 Factor reliability,composite validity and convergence validity

4)长沙地区建筑工程施工安全氛围评测

基于上文构建的三因子结构模型对长沙地区的建筑工程施工安全氛围进行评测。安全氛围及其因子的均值计算方法如式(1)和式(2)所示。假定安全氛围及其因子的均值分别由M和MF表示，则：

其中：i为代测度模型因子的个数(i=3)；j为每个因子的题项个数；Itemij为第i个因子的第j个题项的平均值；MFi为第i个因子的均值；λij为第i个因子的第j个题项的标准化回归权重；λi为第i个因子的标准化回归权重。

综合运用上述公式，计算长沙地区建筑工程施工安全氛围的分值(如表6所示)。

表6 长沙地区建筑项目施工安全氛围及其因子得分Table 6 Scores of CSC and its factors in surveyed area

安全氛围评分为3.89，说明长沙地区的安全氛围整体水平有待提高，其中单个因子的评分分别为：项目安全管理承诺(3.89)、工人安全响应(3.93)和领班安全承诺(3.86)，可知长沙地区单个建筑工程施工安全氛围的因子水平不高，揭示该地区应该提高项目管理人员的安全承诺和领班安全承诺，并通过培训提高该地区工人整体安全参与和安全交流。3个因子中，工人安全响应分值最高，说明工人的安全认知可能大部分依赖工人自身和工友，这与我国建筑工人多是农民工为主体的非正式班组的现状相符；同时，项目安全管理承诺的分值比领班安全承诺较高，显示项目部安全管理人员比领班更加重视安全，可能的原因是：1)项目部都会依照安全法规的要求开展安全相关工作(比如，配备专门安全管理人员、开展安全培训)，从而弱化了领班的安全管理方面的作用；2)领班的教育程度较低，不善于通过正式的安全交流来影响工人的安全认知或安全能力，更多是通过实际作业中的非正式交流和“手把手”的指导。

2.2 结果讨论

本研究综合运用EFA和CFA，识别并验证了长沙地区的建筑工程施工安全氛围因子结构模型，因子包括：项目安全管理承诺、工人安全响应和领班安全承诺。国内基于东南沿海等发达地方验证的施工安全氛围因子结构模型主要有：三因子模型、五因子模型和九因子模型。整体而言，基于长沙地区验证的因子结构模型与东南沿海等发达地区验证的因子模型具有较强的一致性。具体而言，相较于张静等[16]的三因子模型，2个模型均测量安全管理承诺与工人参与等内容，而张静等的模型测量了政府管理；王亦虹等[12]的五因子模型测量了管理者关注、监督者态度、工友行为影响、安全意识、安全沟通与参与，本研究验证的三因子模型涉及了管理者关注、监督者态度、工友行为影响和安全沟通与参等4个方面，却并未涉及安全意识相关内容；同时，本研究论证的三因子模型涉及季闯等[17]九因子模型中的8个因子，但未测量班组工作环境。然而,本研究提出的三因子模型并未测量政府管理班组工作环境和安全意识是合理的,原因在于施工安全氛围是工人对现场管理组织的安全重视程度的认知[18]，政府管理与班组工作环境不以项目安全管理组织为职能载体。且安全意识是否等同或者应该被并入安全氛围需要更为深入的探讨19]。

此外，与以往在东南沿海等发达地区验证的施工安全氛围因子结构模型不同，本文基于长沙地区提出的建筑工程施工安全氛围因子(即项目安全管理承诺、工人安全响应和领班安全承诺)符合代理理论。根据该理论，建筑安全管理涉及的代理包括项目部管理人员、领班和一线作业工人(工作伙伴和工人自身)。本文提出的三因子对应了建筑安全管理涉及的3类代理，结论与NEWAZ等[20]的研究基本保持一致，他们基于代理理论构建了施工安全氛围因子结构模型，安全氛围因子包括安全管理承诺、安全监督者角色、团队影响和工人参与。

运用本文提出的施工安全氛围因子结构模型评估了长沙地区的施工安全氛围。整体而言，长沙地区的施工安全氛围水平不高。对比季闯等[17]基于南京市场的调研，发现南京地区的施工安全氛围水平(4.15)明显高于长沙地区(3.89)。此外，长沙地区的调研和南京地区的调研都显示工人安全响应分值大于项目安全管理承诺分值。

3 结论

1)提出了三因子的建筑工程施工安全氛围因子结构模型，三因子分别为：项目安全管理承诺、工人安全响应和领班安全承诺,该模型遵循代理理论。

2)运用三因子模型评价了长沙地区的建筑工程施工安全氛围，发现长沙地区的施工安全氛围水平有待提高。其中，工人安全响应分值最高，且项目安全管理承诺分值高于领班安全承诺。

3)基于长沙地区的数据验证了我国中部地区的建筑工程施工安全氛围因子结构，后续研究人员可在其他地区验证本文提出的施工安全氛围因子结构模型。