基于因子分析法的装备保障力量安全建设指标体系构建研究

2022-05-18张建李恒陈黎明牛妍懿

科技创新导报 2022年1期

张建　李恒　陈黎明　牛妍懿

摘要：为构建出系统科学、层次清晰、客观准确的装备保障力量安全建设指标体系，本文采用因子分析法对19个基础指标进行分析，提取出将安全教育与训练、规章制度、重点部位、重要装备和安全设施等5个公因子作为一级指标，最终构建了以5个公因子为一级指标、19个基础指标为二级指标的装备保障力量安全建设指标体系，有效解决了安全建设基础指标数目多、分析不易的难题，为后续装备保障力量安全建设效果评估工作奠定了坚实基础。

关键词：装备保障力量安全建设指标体系因子分析

中图分类号：E257文献标识码

Research on the Construction of Safety Construction Index System of Equipment Support Force Based on Factor Analysis

0.9≥KMO>0.8，很适合;0.8≥KMO>0.7，适合;

0.7≥KMO>0.6，不太适合;0.6≥KMO>0.5，很勉强;

KMO≤0.5，不适合。

巴特利特球形检验也是以变量的相关系数矩阵为出发点的，其零假设相关系数矩阵是一个单位阵，即相关系数矩阵对角线上的所有元素都是1，所有非对角线上的元素都为0。巴特利特球形检验的统计量根据相关系数矩阵的行列式进行计算，如下所示。

近似卡方：（2）

自由度：（3）

式（2）、式（3）中，n为各变量的数据个数，p为变量数，为相关系数矩阵R的行列式值。

如果该统计量值较大，且对应的相伴概率值小于显著性水平（一般为0.01），则拒绝零假设，认为相关系数矩阵不可能为单位阵，即原始变量存在相关性，适合作因子分析。反之，则不适合作因子分析。

1.2 因子提取

因子提取是通过分析原始变量的相互关系，提取少数的几个因子。提取方法是对样本数据进行处理，计算得到因子载荷矩阵，再利用因子载荷矩阵求解原始变量相关矩阵的特征值，根据特征值的大小最终确定需要提取的因子数量。求解因子载荷矩阵的方法较多，如主成份分析法、主轴因子法等^[5]，本文采用主成份分析法求解因子载荷矩阵。

1.3 因子旋转

建立因子分析模型的目的不仅是找出公因子并对变量进行分组，更重要的是要知道每个公因子的意义，以便对实际问题进行科学分析^[6]。因子提取以后，虽然提取的各因子间是正交的，即不相关的，但因子对变量解释能力较弱，不易解释和命名，此时，可以对因子模型进行旋转。因子旋转即用一个正交矩阵T右乘因子载荷矩阵A实现对因子载荷矩阵的旋转，旋转后因子载荷矩阵结构简化，更容易对公因子进行解释。结构简化就是重新分配每个因子所解释方差的比例，使每个变量仅在一个公因子上有较大的载荷，在其他公因子上的载荷较小。

1.4 因子得分和释义

采用因子表示原始变量，需要计算因子得分，以表示因子与原始变量之间的线性关系，为进一步分析奠定基础^[7]。旋转后，因子载荷矩阵反映了变量和公因子的相互关系。在载荷矩阵中，每一列的载荷系数越大，所对应的变量与该因子的关联也最密切。通常情况下，在实际应用中会选取较大载荷系数对应的几个变量，并根据这些变量的含义确定因子内涵，即释义。

2 安全建设指标确立

由于装备保障力量安全建设的重点主要集中在装备使用阶段，因此，本文主要研究使用管理期间的装备保障力量安全建设指标体系构建问题。

通过对安全管理等法规研究分析，征询装备安全管理专家意见及考虑装备安全建设和管理实际，共计筛选确立19个基础指标作为指标体系的底层指标，分别是安全教育计划与实施、安全方案预案与演练、安全管理规章制度种类、安全管理规章制度落实、火器室安全管理、技术区（库区）安全管理、火工品安全管理、带药装备安全管理、推进剂安全管理、专用车辆安全管理、报废装备安全管理、安全监控设备、电气防爆设施设备、防雷设施设备、防静电设施设备、消防设施设备与器材、防盗设施设备、防潮防热设施设备和防洪防台设施设备与器材等。

可见，基础指标涉及的因素多、方面多，故需要对这些进行分类处理。而因子分析可以通过分析相关性来对变量进行分类，因此，本文采用因子分析法对安全建设的基础指标进行分析分类，并归纳一级指标，确立装备保障力量安全建设的两级指标，为后续装备保障力量安全建设及其效果评估奠定基础。

3 安全建设指标的因子分析

3.1 问卷调查及数据统计

为构建安全建设指标的因子分析数据集，本文设计了调查问卷，邀请30名理论知识和实践经验丰富的高工和教授等专家对19个基础指标的重要性进行打分。每个基础指标分7档打分，即：1-不重要、2-一般重要、3-较重要、4-重要、5-很重要、6-非常重要、7-特别重要。将调查问卷数据收集起来构成因子分析数据集。

3.2 因子分析适用性检验及提取

为确定基础指标数据是否适合作因子分析，需要对其指标数据变量的相关性进行检验。本文采用KMO和巴特利特球体检验方法对数据进行检验。通过式（1）、式（2）得到的KMO和巴特利特球体检验结果如表1所示。

从表2中可以看出，装备保障力量安全建设基础指标的KMO值为0.840，大于0.7;同时，巴特利特球体检验显著性概率是0.000，小于0.01，相关矩阵不是一个单位矩阵，由此可知，安全建设基础指标具备一定的相关性，适合作因子分析。

采用主成分分析法對安全建设基础指标数据进行处理，得到其特征值及其因子载荷矩阵。处理后得到的总方差分解表如表2所示，由于篇幅关系，只列出了前6个特征值及其相应情况。

从表2中可以看出，前5个特征值均大于1，且解释了总体方差的88.958%，满足因子分析的需要，因此，提取前5个特征值进行因子分析。但同时也注意到，虽然利用因子提取方法得到的结果保证了因子之间的正交性，但对因子的解释能力较弱，不容易解释和命名，因此还需要对因子进行旋转和解释。

3.3 因子旋转确立一级指标

为方便对安全建设基础指标数据提取的因子进行解释，采用方差极大的正交旋转方法对因子载荷矩阵进行旋转，可以得到旋转后的因子载荷矩阵，进而得到旋转后的因子负载值，如表3所示。

从表3中可以看出，因子1受安全监控设备、电气防爆设施设备、防雷设施设备、防静电设施设备、消防设施设备与器材、防盗设施设备、防潮防热设施设备和防洪防台设施设备与器材等影响较大，反映了安全设施设备的建设情况，可以命名为“安全设施”。因子2受火工品、带药装备、推进剂和专用车辆等重要装备安全管理情况影响较大，反映了重要装备安全管理方面的建设情况，可以命名为“重要装备”。因子3受安全管理制度种类和落实等影响较大，反映了安全管理规章制度的建设情况，可以命名为“规章制度”。因子4受火器室和技术区（库区）等安全管理情况影响较大，反映了重点部位安全管理方面的建设情况，可以命名为“重点部位”。因子4受安全教育計划与实施、安全方案预案与演练等情况影响较大，反映了安全教育与训练方面的建设情况，可以命名为“安全教育与训练”。经重新命名后关键因子与高载荷指标的对应关系如表4所示。

在对19个基础指标进行主成分分析并进行因子旋转后，可以得到5个关键因子，将5个关键因子和19个基础指标分别作为装备保障力量安全建设指标的一级指标和二级指标，就可以得到装备保障力量安全建设指标体系。

通过对比因子分析前后的装备保障力量安全建设指标，可以看出，若不进行因子分析构建两级指标，安全建设指标共有19个，指标繁杂，不易分析;而进行因子分析构建两级指标后，形成了5个一级指标和19个二级指标形成的指标体系，层次清晰、简单明了，易于分析，便于使用且形成的两级指标体系与装备保障力量安全建设及管理实际基本一致。

4 结语

本文在分析与确定装备保障力量安全建设基础指标的基础上，采用因子分析法对基础指标进行分析研究，经因子提取、旋转和释义后，确立了两级指标，得到了装备保障力量安全建设指标体系。两级装备保障力量安全建设指标体系具有层次清晰、方便实用等优点，后续可以从建设内容和标准要求上对装备保障力量安全建设指标体系进行完善，进而为装备保障力量安全建设标准的制定工作奠定了坚实的基础。

参考文献