關于城市道路危險駕駛行為影響因素的統計分析

陳文強，吳群琪，顧玉磊

（長安大學經濟與管理學院，西安 710064）

關于城市道路危險駕駛行為影響因素的統計分析

陳文強，吳群琪，顧玉磊

（長安大學經濟與管理學院，西安 710064）

文章首先建立研究路徑模式和理論假設，基于此構建適合中國城市道路危險駕駛行為分析的危險駕駛行為量表、風險感知量表、駕駛能力自信量表和人格特性量表，以西安城市道路駕駛員為研究對象，獲取110份有效樣本，利用SPSS17.0和外掛AMOS20對樣本進行信度和效度檢驗，采用LISREL的兩階段分析法進行模式驗證與模式適配度分析。研究結果顯示，研究城市的危險駕駛行為主要取決于人格特性（路徑系數為.560），而影響人格特性程度最大的是無規范感（路徑系數.633），其次是憤怒因素（路徑系數.540），從這個層面來講，加強管理和處罰力度，增強駕駛員行為規范、端正駕駛員心態對于減少城市道路危險駕駛行為有著重要的作用。

LISREL的兩階段分析法；風險感知；模式驗證;能力自信；路徑分析

0 引言

據統計，全球范圍內，道路交通事故每年造成近130萬人死亡，5000萬人傷殘，經濟損失達5000多億美元。正因如此，交通安全引起了各國政府和學術界的高度關注，已經成為一個快速發展的重要研究領域。根據2011年中國交通事故統計資料顯示，在97000件道路交通事故中，與駕駛行為因素相關的就占了91.85%，道路交通事故的產生與駕駛行為有高度關聯。理論研究也證實多種風險因素（道路、車輛、環境）誘發的交通沖突模型中的危險駕駛行為是交通事故的主要誘因。因此，從危險駕駛行為入手探討交通事故發生成因，有可能抓住交通事故形成的主要環節。而找尋影響危險駕駛行為因素，分析其內在關聯是問題的關鍵所在，也是有待我們深入研究的問題。因此有必要建立起一套適合于中國危險駕駛行為的測量工具，探討影響中國道路交通危險駕駛行為因素及其影響路徑，為交通事故預防與相關部門管理提供決策依據。

1 理論假設

經文獻回顧發現，人格特質、風險感知、駕駛能力自信是影響危險駕駛行為的關鍵因素，因此本研究以Mathews等人（1986）和Machin and Sankey(2008)提出的駕駛決策行為模式為基礎，提出假設的路徑模式（圖1）。由圖1可知，人格特質會影響駕駛能力自信、風險感知和危險駕駛行為；駕駛能力自信影響風險感知和危險駕駛行為，風險感知影響危險駕駛行為。根據上述說明，本研究提出下列六項假設進行驗證：

H1：“風險感知”對“危險駕駛行為”有負向關系；

H2：“人格特性”對“危險駕駛行為”有正向關系；

H3：“駕駛能力自信”對“危險駕駛行為”有正向關系；

H4：“人格特性”對“風險感知”有負向關系；

H5：“駕駛能力自信”對“風險感知”有負向關系；

H6：“人格特性”對“駕駛能力自信”有正相關系。

圖1 路徑模式

2 研究方法

本研究問卷通過長安大學車輛檢驗辦公室向申請車輛檢驗的司機發放。共發放了問卷300份，回收問卷150份，剔除不規則填寫和漏填等無效問卷，確定110份有效問卷。

研究中由于人格特質、風險感知、駕駛能力自信和危險駕駛行為是屬于潛在變量，且無法直接測量，因此需要借助顯性問題來進行衡量，需要構建相關量表問卷。

（1）人格特性量表。本研究人格特質包含尋求刺激、憤怒、焦慮和無規范感四個層面，前三個層面是基于Costa等人（1992）提出的的NEO-PI-R人格量表修正而得的，共12題；無規范感層面，則是以Kohn等人（1983）提出的無規范量表為基礎，提取2個問題。因此人格特性部分共有14題，以Likert五點量表衡量。

（2）風險感知量表。本研究選擇Noland（1995）提出的風險感知量表。量表分為四個層面，分別為：失誤行為風險感知、錯誤行為風險感知、一般違規行為風險感知、嚴重違規行為的風險感知，共計12個問題，計量采用Likert五點量表。

（3）駕駛能力自信量表。本研究從Lajunen與Summala（1995）設計的駕駛能力量表（DSI）中選擇15題，分為安全防衛能力、純粹駕駛技術能力和情緒控制自信三個層面，作為評估駕駛員對于自身駕駛能力自信程度的高低評估試題。計量采用Likert五點量表。

（4）危險駕駛行為。本研究根據Reason等人（1990）提出的駕駛行為問卷（DBQ）作為研究危險駕駛行為評量范本，從中選取15題。計量采用Likert五點量表。

3 數據分析與討論

3.1 量表信度分析

信度分析用來測試問卷的穩定性。本研究采用Cronbach’s α系數作為問卷量表的信度計量標準。利用SPSS17.0進行樣本整體量表的信度分析，結果整理見表1?？梢钥闯霰狙芯克褂玫牧勘順颖揪哂泻芎玫男哦取?/p>

表1 各量表的信度檢測結果

3.2 效度分析

本研究利用因素分析法進行效度分析。用KMO test加以測試。該法是對每個變量與全體變量，評估經抽取共同因素后變量間的偏相關比原來變量之間的相關性小多少的指標。一般而言，KMO大于0.8表示此組資料是適合作因素分析，小于0.5表示不適合。本文采用主軸因素法作為參數估計的方法，并根據Kaiser（1960）的建議，選取特征值大于1的因素。為獲得較明顯的因子負荷型態，本研究將以直交旋轉中的最大變異法進行因子軸的旋轉。

3 2.1 危險駕駛行為量表因素分析

KMO值為0.711（大于0.5），表示樣本數據適合作因素分析。在共同因素的萃取上，以Ksiser’s rule判斷，發現有4個共同因素其萃取特征值大于1，其解釋變異量分別為23.221%、13.204%、11.290%與10.498%，累積解釋變異量達到58.212%，各項與共同變數的loading值如表2所示。

表2 危險駕駛行為共同因素與loading

因素分析后，得到危險性駕駛行為的潛在共同因素，并且根據與該共同因素有高度相關的問項來對共同因素命名，因此共同因素1命名為嚴重違規駕駛行為，共7題；因素2，一般違規駕駛行為，3題；因素2：失誤駕駛行為，3題；因素4：錯誤駕駛行為2題。

將因素分析后的四個共同因素進行Cronbanch’s α值的信度檢測，發現除失誤駕駛行為因素的α值較低外（0.533），總量表與其它因素的信度皆在0.65以上（詳見表3），顯示危險駕駛行為量表經因素分析后，共同因素層面上也符合統計信度。

表3 危險駕駛行為量表與各因素層面的信度分析結果

3.2.2 風險感知量表

KMO值為0.811（大于0.5），表示樣本數據適合作因素分析。共有3個因素層面其萃取特征值大于1，其解釋變異量分別為21.908%、18.405%、16.060%累積解釋變異量達到56.373%，各項與共同變數的loading值如表4所示。

共同因素1命名為嚴重違規風險感知，共5題；因素2，錯誤行為風險感知，3題；因素3：一般違規風險感知，4題。

將因素分析后的3個共同因素進行Cronbanch’s α值的信度檢測，見表5。可知共同因素層面上也符合統計信度。

3.2.3 駕駛能力自信

表4 風險感知共同因素與loading a

表5 風險感知量表與因素層面的信度分析結果

KMO值為0.822（大于0.5），表示樣本數據適合作因素分析。共有3個因素層面其萃取特征值大于1，其解釋變異量分別為31.857%、16.815%、14.099%累積解釋變異量達到62.771%，各項與共同變數的loading值如表6所示。

表6 駕駛能力自信共同因素與loading

共同因素1命名為技術層面，8題；因素2，安全防衛，3題；因素3：情緒控制，4題。

將因素分析后的3個共同因素進行Cronbanch’s α值的信度檢測，如表7所示，顯示駕駛能力自信量表經因素分析后，共同因素層面上也符合統計信度。

表7 駕駛能力自信量表與因素面的信度分析結果

3.2.4 人格特性量表

KMO值為0.579（大于0.5），表示樣本數據適合作因素分析。在共同因素的萃取上，以Ksiser’s rule判斷，共有5個因素層面其萃取特征值大于1，其中因素五只含有一個變量(D12)，去除。作第二次因素分析，KMO值為0.579（大于0.5），表示修正樣本數據適合作因素分析。二次因素分析中共有4個因素萃取特征值大于1，其解釋變異量分別為17.240%、15.994%、13.401%與12.631%，累積解釋變異量達到59.266%。各項與共同變數的loading值如表8所示。

表8 人格特性共同因素與loading

根據各因素包含之問項并參考Reason定義DBQ各因素的結果，本研究將其重新命名為：因素1：憤怒層面，4題；因素2：焦慮層面，3題；因素3：無規范感，2題；因素4，尋求刺激，2題。

將因素分析后的四個因素進行Cronbanch’s α值的信度檢測，發現需求刺激（V14）因素Cronbanch’s α值只有0.168，信度不夠，去除。重新作總量表與其它3個因素的信度分析，見表9。顯示修正后的人格特性量表經因素分析后，因素層面上具有統計信度。

表9 人格特性量表與各構面之信度分析結果

4 模式驗證與適配度分析

本部分利用LISREL的兩階段分析法進行模式驗證與模式適配度分析。本部分首先進行確認性因素分析（CFA），剔除擾亂因果分析的干擾變量；其次，將以修正后的模式進行路徑分析，研究潛在變量間的因果關系；最后，驗證因果關系模式假設在研究區域危險駕駛行為相關影響變量中的適配程度。研究結構關系如圖2所示，圖中橢餅圖案代表潛在變量，方形圖案代表觀察變量。

圖2 線性結構關系模式

4.1 CFA分析

利用SPSS外掛AMOS 20版本進行整體確認性因素分析，獲取模式的適配度指標值，見表11。

（1）初始模式

對初始模式進行CFA分析，結果如下：GFI值0.877、AGFI值0.811、RMR值0.02、NFI值0.689、NNFI值0.84、CFI值0.895，RMSEA值0.07，這幾項模式適配度指標值僅部分達到可接受范圍，說明本研究的初始模式假設不理想，此模式有修正的必要。由于人格特性與能力自信標準相關系數僅為-0.069，因此，去除能力自信＜---人格特性層面，修正模式。

（2）修正模式

再次進行CFA分析，結果如下：修正模式的GFI值0.92、AGFI值0.92、RMR值0.10、NFI值0.93、NNFI值0.99、CFI值0.97，RMSEA值0.06，所有指標均達到要求標準，因此論文將以修正模式作為LISREL路徑分析的基礎。

表10 整體確認性因素分析結果

4.2 路徑分析

對修正模式進行結構模式分析，整體路徑分析結果見表11。由表11知，所設定的18條路徑，有1條路徑分析結果為不顯著（灰色標識），其他17條存在顯著因果關系。全部路徑關系如圖3所示。

4.3 研究假設檢驗

（1）風險感知對于危險駕駛行為的路徑系數為-.171，p值小于.05，顯示風險感知對于危險駕駛行為有顯著的負向關系，即風險感知態度越強，則發生危險駕駛行為的頻率越小。故假設H1：“風險感知”對“危險駕駛行為”有負向關系成立。

（2）人格特性對于危險駕駛行為的路徑系數為.560，p值為.002（＜.05），顯示人格特性對于危險駕駛行為有顯著的正向關系，即人格特性越強，危險駕駛行為的頻率越大。故假設H2：“人格特性”對“危險駕駛行為”有正向關系成立。

表11 全部路徑分析結果

圖3 研究路徑關系圖

（3）駕駛能力自信對于危險駕駛行為的路徑系數為-.116，p值小于.000，顯示駕駛能力自信對危險駕駛行為有顯著的負向關系，即駕駛能力自信越強，則發生危險駕駛行為的頻率越小。故假設H3：“駕駛能力自信”對“危險駕駛行為”有正向關系成立。

（4）人格特性對于風險感知的路徑系數為-.252，p值小于.000，顯示人格特性對于風險感知有顯著的負向關系，即人格特性越強，對于風險的態度越弱。假設H4：“人格特性”對“風險感知”有負向關系成立。

（5）能力自信對于風險感知的路徑系數為.236，p值小于.000，顯示能力自信對于風險感知有顯著的正向關系，即人格特性越強，對于風險感知態度越強。假設H5：“駕駛能力自信”對“風險感知”有負向關系不成立。

5 研究結論

（1）影響危險駕駛行為程度最大的是人格特性層面（路徑系數0.560）；而影響人格特性程度最大的是無規范感（V13）（路徑系數0.633），其次是憤怒（V11）（路徑系數0.540），從這個層面來講，加強管理和處罰力度，增強駕駛員行為規范對于減少危險駕駛有著重要的作用；其次，駕駛員心態對于危險駕駛行為有著重要的影響。影響危險駕駛行為程度最小的則是能力自信層面（系數為-0.116），這表明駕駛員能力自信較于其他層面對于危險駕駛行為的影響較低。而且一般情況下，對于自身能力自信較低的駕駛員駕駛態度會越謹慎，發生危險駕駛行為的頻率越低。

（2）影響道路風險感知程度最大的是人格特性層面（系數為-0.252），人格特質不僅直接影響危險駕駛行為，而且其通過風險感知層面間接影響危險駕駛行為（系數=-0.252*-.171=0.043）；其次為駕駛能力自信（系數為0.236），駕駛能力自信不僅直接影響危險駕駛行為，而且其通過風險感知層面間接的影響危險駕駛行為（系數=0.236*-.171=0.040）?？梢酝普摮鋈烁裉刭|和駕駛能力自信是危險駕駛行為最源頭的影響因素，如果想有效降低駕駛員危險駕駛行為，可在日常生活中加強對駕駛員教育，充分認識駕駛員自身駕駛技術和自信能力，端正駕駛員對于交通風險的觀念和態度，提高駕駛員對于交通事故傷害的嚴重性認識。

[1]Cheol Oha,Seri Park,Stephen G.Ritchie.A Method for Ideantifying rear-end Collision Risks Using Inductive Loop Detectors[J].Accident Analysis and Prevention 2006,(38).

[2]國家統計局.2011中華人民共和國道路交通事故統計年報[M].北京：中國統計出版社,2011.

[3]Cheol Oh,Taejin Kim.Estimation of Rear-end Crash Potential Using vehicle Trajectory Data[J].Accident Analysis and Prevention,2010,(42).

[4]Jonah B A.Sensation Seeking and Risky Driving:a Review and Synthe?sisoftheliterature[J].AccidentAnalysisandPrevention,1997,29(5).

[5]Parker D,Lajunen T,Stradling S.Attitudinal Predictors of Interper?sonal Violations on the Road[J].Transportation Research,1998,(1).

[6]Ulleberg P,Rundmo T.Risk-taking Attitude among Young Drivers:the Psychometric Qualities and Dimensionality of an Instrument to Measure Young Drivers’Risk-taking Attitudes[J].Scandinavian Jour?nal of Psychology,2002,43(3).

[7]Warren A.Harrison.Investigation of the Driving Experince of a Sample of Victorian Learner Drivers[J].Accident Analysis and Prevention,2004,(36).

[8]莊明科，白海峰，謝曉非.駕駛人員風險駕駛行為分析及相關因素研究[J].北京大學學報(自然科學版)，2008，3(44)．

[9]丁靖艷,鄭全全.侵犯駕駛行為的研究及其展望[J].人類工效學，2004，2(10)．

[10]駱勇.道路交通中攻擊性駕駛行為分析與研究[D].西南交通大學博士論文，2009．

B846

A

1002-6487（2013）14-0107-04

國家社會科學基金西部項目資助項目（11XJY027）；中央高?；究蒲袠I務費專項資金資助項目（CHDW2011JC022；CHDW2012ZD001；CHD2010JC105）；西安市社科基金資助項目（12J85）

陳文強(1981-)，男，安徽界首人，博士，講師，研究方向：交通管理。

吳群琪(1956-)，男，廣東大埔人，博士，教授，博士生導師，研究方向：交通管理。

顧玉磊(1982-)，女，安徽界首人，博士生，研究方向：交通運輸、物流管理。

（責任編輯/浩 天）