基于結構方程模型的公交駕駛員負性情緒駕駛下工作狀態的影響因素分析

唐秋生，孫齡波，劉世超，宋 臻，許 浩

(重慶交通大學交通運輸學院，重慶 400074)

在“公交優先”的背景下，乘坐公交已成為出行者們的優先選擇，公交出行的安全問題自然而然地成為了社會各界關注的熱點。近年來由公交駕駛員造成的交通事故屢見不鮮，如10·28重慶萬州區公交墜江事故和7·7貴州安順大巴車落入水庫事故，這兩起事故中駕駛員未能有效控制住自己的負性情緒，從而做出了消極的駕駛行為決策，導致了悲劇的發生。出行者們呼吁公交企業關注駕駛員的心理健康，不少專家學者則認為社會需要重視公交駕駛員情緒波動引起的危險駕駛行為問題。

心理學家普遍認為情緒(emotion)是身體和心理變化呈現出的復雜模式，伴隨著人的思考和行動過程。駕駛過程是一個眾多環節緊密聯系的復雜過程，駕駛員的情緒狀態在其中扮演著重要角色，對乘客的出行安全有著重要影響。目前，中外學者圍繞駕駛員情緒問題所進行的研究已取得了不少成果。Megías等[1]發現良好的情緒能積極影響駕駛員行為，可顯著降低駕駛員出現駕駛風險的概率；程靜等[2]采用競爭算法預測駕駛員行為，發現在憤怒和悲傷情緒的作用下，駕駛員的行為較消極，出現事故的可能性較正常情緒下更大；張殿業等[3]在此基礎上進行了解釋，認為負性情緒對大腦前扣帶皮層有著刺激影響，使得駕駛員偏離了正常反應；Wang等[4]采用艾森克人格問卷和癥狀自評量表對596名公交駕駛員進行人格和心理健康評估，發現公交司機明顯比普通人群更容易情緒化，同時壓力、人際關系敏感度和抑郁表現也明顯高于其他普通人群；林慶豐等[5]發現公交駕駛員在工作過程中最反感機動車駕駛員、行人以及非機動車騎行者的利己行為，容易引起他們的不滿；劉永濤等[6]認為乘客的情緒對駕駛員行為有著顯著影響，且乘客的情緒受多個因素控制；李瑞瑞等[7]調查發現公交駕駛員在良好的車內氛圍下駕駛時，發生激進駕駛行為的概率更低；嚴利鑫等[8]在研究駕駛員情緒影響因素時，發現男性駕駛員和年紀大的駕駛員相對而言更容易情緒失控；鄧院昌等[9]發現公交駕駛員等職業是“路怒癥”的高發群體，尤其體現在高駕齡和年齡的駕駛員中，原因是他們長期處于高度集中注意力的工作環境，產生的疲勞會影響生理及心理的舒適感；為研究“路怒癥”，德國學者利用原始駕駛憤怒量表測試駕駛員的駕駛憤怒水平，發現駕駛員文化程度是影響因素之一,劉睿哲等[10]將此項研究引入中國，發現中、德兩國駕駛員測試結果存在差異性，不同的地區文化是導致這一現象的原因之一；Zhang等[11]研究發現駕駛員在憤怒和低落情緒下，容易做出高風險的駕駛行為，主要原因是其對安全的認知能力減弱，對駕駛的專注度不再集中；Han等[12]發現經常加班的公交駕駛員易發生事故，高工作強度使駕駛員更容易怠倦，導致出現消極駕駛行為的頻率越來越高，而交通事故發生的概率也比相同頻率下積極駕駛的情況高53%。

綜上所述，目前中外對于公交駕駛員情緒問題的研究更多地集中在單一角度，缺乏綜合考慮，尚無研究對公交駕駛員工作狀態的影響因素進行多角度分析。為此，考慮以公交駕駛員負性情緒駕駛為背景，在現有研究的基礎上歸納出相關的影響因素，并通過構建各因素對公交駕駛員負性情緒駕駛下工作狀態影響的結構方程模型，對各因素之間的影響程度和相互關系進行解釋分析，以便能為公交企業以及交管部門保障公交安全提供理論基礎。

1 基于SEM的影響因素模型構建

1.1 結構方程模型

考慮到公交駕駛員負性情緒駕駛下的工作狀態的影響因素較多，且這些因素之間的作用機理無法直接測量，因此，選擇結構方程模型作為分析方法。結構方程模型(structural equation model，SEM)是一種廣泛應用的多元統計分析方法，可用于研究潛變量和觀測變量之間的關系以及潛變量和潛變量之間的關系，相較于傳統的線性回歸方法，SEM能夠更好地解釋變量之間的因果關系。

SEM一般由測量模型和結構模型兩部分組成、三個方程表示。其中測量模型用來說明觀測變量與潛變量之間的相互關系，而結構模型則是用來解釋不同潛變量之間的關系，SEM表達式為

X=ΛXξ+δ

(1)

Y=ΛYη+ε

(2)

η=Bη+Γξ+ζ

(3)

式(1)、式(2)為測量模型，式(3)為結構模型；X和Y分別為外生和內生觀測變量；ξ和η為外生和內生潛變量；ΛX和ΛY分別表示X在ξ上、Y在η上的因子負荷矩陣；δ和ε分別為X的觀測誤差及Y的觀測誤差；B和Г為結構方程的系數矩陣，其中B表示內生潛變量之間的關系，Г表示外生潛變量對內生潛變量的作用；ζ為結構方程的殘差項。

1.2 模型構建

在現有研究成果的基礎上，考慮了新的影響因素，如公交駕駛員的心理特性，體現為抗壓能力、職業責任心及駕駛專注度。將影響因素體系劃分為工作環境、綜合壓力、心理特性、個人屬性及感知水平，這5個因素作為外生潛變量，影響著唯一的內生潛變量，即負性情緒駕駛下的工作狀態。各潛變量和對應的觀測變量如表1所示。

根據確定的6個潛變量，對它們之間的關系做出以下假設，并構建了影響因素模型框架，如圖1所示。

H1：工作環境對工作狀態具有直接正向影響。即交通環境越好、車內環境越舒適、乘客態度越禮貌，可使負性情緒得到控制，駕駛行為趨于安全。

H2：綜合壓力對工作狀態具有直接反向影響，即家庭壓力、工作壓力和人際交往壓力越大，會造成負性情緒刺激加深，駕駛行為趨于消極。

H3：心理特性對工作狀態具有直接正向影響，即抗壓能力和職業責任心越強、駕駛注意力越集中，可使負性情緒得到控制，駕駛行為趨于安全。

H4：個人屬性對工作狀態具有直接正向影響，即相對較小的駕齡和年齡、更高的受教育程度，可使負性情緒得到控制，駕駛行為趨于安全。

H5：感知水平對工作狀態具有直接正向影響，即對安全駕駛理念的認識越深入、駕駛情景的判斷力越強，可使負性情緒得到控制，駕駛行為趨于安全。

H6：工作環境對感知水平具有直接正向影響，即交通環境越好、車內環境越舒適、乘客態度越禮貌，可增強駕駛員對安全駕駛理念的認知程度以及駕駛情景判斷的準確性。

H7：工作環境對心理特性具有直接正向影響，即交通環境越好、車內環境越舒適、乘客態度越禮貌，可增強抗壓能力和職業責任心、提高駕駛注意力。

表1 模型變量描述Table 1 Description of model variables

H1～H9為假設條件圖1 模型框架Fig.1 Model framework

H8：工作環境對綜合壓力具有直接反向影響，即交通環境越好、車內環境越舒適、乘客態度越禮貌，可使家庭、工作以及人際交往帶來的壓力影響相對減少。

H9：綜合壓力對感知水平具有直接反向影響，即家庭、工作以及人際交往壓力越大，會造成駕駛員對安全駕駛理念的認知程度以及駕駛情景判斷的準確性下降。

2 實例驗證

2.1 數據獲取

為獲取用于實例分析的數據，選取重慶市南川區等區縣的公交駕駛員作為研究對象，采用線下和線下相結合的方式進行問卷調查。問卷內容由兩部分組成，一是公交駕駛員個人基本信息，具體包括年齡、駕齡、性別、婚姻狀況、受教育程度以及有無負性情緒駕駛經歷；二是采用李克特5點量表形式，1分代表程度最低，5分代表程度最高，涉及工作環境、綜合壓力、心理特性、感知水平以及工作狀態五方面的問題。

本次調查共回收217份問卷，去掉從無負性情緒駕駛經歷、內容填寫缺失等情況的12份問卷，最終得到有效樣本問卷205份，有效率達94.47%。考慮到有效樣本數據在200份以上有助于確定變量之間的關系[13]，因此可認為本次調查獲得的數據具有較好的實踐基礎。根據統計性分析結果，男性占91.7%，女性占8.3%；30歲以下占5.9%，30～40歲占44.4%，40歲以上占49.7%；駕齡在10年以下的占30.2%，10～20年占52.7%，20年以上占17.1%；已婚占89.8%，未婚占10.2%；受教育程度在初中水平的駕駛員占40%，高中占37.6%，高中以上占22.4%。

2.2 信度和效度分析

為確保本次調查數據的可靠性，先進行信度和效度檢驗。檢驗信度的方法為Cronbach’sα系數法，該方法認為若測得Cronbach’sα≥0.7，說明問卷具有較高信度。而效度檢驗一般是對問卷的結構效度進行分析，良好的效度要求抽樣適合性檢驗值(Kaiser-Meyer-Olkin,KMO)不小于0.5、Bartlett球形檢驗的卡方值較大且顯著性系數小于0.05。

檢驗結果如表2、表3所示，問卷整體信度高達0.902，各潛變量均大于0.7，說明樣本數據內部一致性良好。KMO整體情況達到了0.851，各潛變量均大于0.5；Bartlett球形檢驗卡方值為1 926.4，顯著性概率(significance,Sig.)＜0.05，均達到顯著性水平，可以說明樣本具有良好的效度。

為進一步對因子進行驗證分析，計算因子荷載、組合信度(composite reliability,CR)及平均方差抽取值(average variance extracted,AVE)3個指標。結果如表3所示，各因子荷載均大于0.5，可認為本文變量的選擇較為合理；所有潛變量的CR在0.7以上，AVE在0.5以上，可認為因子之間內在質量理想，測量誤差合理，斂聚性良好。因此樣本數據適合進行下一步研究。

表2 整體信度和效度檢驗結果Table 2 Reliability and validity test results

表3 各變量檢驗結果Table 3 Test results of each variable

3 結果分析

3.1 模型評價

使用Amos軟件建立影響因素結構方程模型，并將數據導入進行整體擬合度檢驗。常用的擬合指標包括卡方自由度比(χ2/df)、近似均方根誤差(root mean square error of approximation,RMSEA)、比較擬合指數(comparative fit index,CFI)、擬合優度指數(goodness of fit index,GFI)、規范擬合指數(normed fit index,NFI)以及增值擬合指數(incremental fit index,IFI)等。結果如表4所示，除IFI略低于0.9之外，各指標均符合要求，可認為模型與調查數據的契合度在接受范圍內。

在解釋變量作用效果之前，需要先確定潛變量之間的路徑系數是否顯著，以此判斷模型假設成立與否。路徑系數表示變量間的作用效果，系數為正，表明變量之間正向相關，反之則為負向相關。本文采用C.R.值和P值兩個指標來判斷路徑系數的顯著性，結果如表5所示。其中臨界比率值(critical ration,C.R.)即路徑系數的估計值(estimate)與路徑系數的標準誤差項(standard error,S.E.)的比值，要求其絕對值大于1.96；P表示顯著性，要求P＜0.05。

表4 假設模型的擬合結果Table 4 Hypothetical model fit result

表5 初始路徑參數估計Table 5 Initial path parameter estimation

根據結果，工作環境→感知水平的C.R.值小于1.96，顯著參數P>0.05,可認為該路徑不顯著，假設H6不成立。而剩下8個路徑關系對應的C.R.和P均在要求范圍內，同時它們的路徑系數的正負性與所作假設一一對應，因此剩下8個路徑關系影響顯著，即假設H1～H5、H7～H9成立。

3.2 模型修正

由于假設H6不成立，因此對模型進行調整，刪除該路徑。重新對模型進行檢驗，發現各擬合指標均達到要求，且余下的路徑系數顯著性均成立。修正后的模型結果如表6、圖2所示。

表6 修正模型的擬合結果Table 6 The fitting result of the modified model

圖2 模型計算結果Fig.2 Model calculation results

3.3 結果說明

圖2中e1～e16為觀測變量的多元相關平方值，要求大于0.36;e17～e20為潛變量的多元相關平方值，要求大于0.19，因此模型結果符合要求。由圖2可以看出，測量模型標準化路徑系數均大于0.6，可認為各潛變量能夠很好地被對應的觀測變量表示出來。在工作環境的觀測變量中，乘客態度的標準化路徑系數最大(0.85)，說明相較于交通環境和車內氛圍而言，乘客態度是工作環境的主要影響因素；綜合壓力的觀測變量中，工作壓力的影響程度(0.86)比家庭壓力(0.81)和人際交往壓力(0.74)更大，表明公交駕駛員負性情緒駕駛下的工作狀態更容易受到工作壓力的影響；心理特性的觀測變量中，抗壓能力(0.77)的影響程度最大，說明抗壓能力更能夠反映公交駕駛員心理特性的效應；個人屬性的觀測變量中，年齡(0.77)和駕齡(0.75)的影響程度接近，受教育程度的影響最低(0.63)，說明年齡和駕齡最能反映個人屬性；感知水平的觀測變量中，安全意識(0.83)和駕駛情景判斷(0.80)的影響程度都非常顯著；而對于工作狀態所對應的情緒狀態和駕駛行為傾向兩個觀測變量，情緒狀態(0.79)是其主要的表現。

各潛變量對駕駛員工作狀態的影響效應如表7所示，其中直接效應是5個變量對工作狀態的直接作用，用相應的路徑系數表示；間接效應則是工作環境和綜合壓力分別通過其他變量間接作用到工作狀態，用相應的路徑系數之積表示，若有多條間接效應路徑存在，則為各間接效應之和。

結果表明，工作環境對公交駕駛員負性情緒駕駛下的工作狀態的總效應最大(0.97)，說明工作環境是最主要的影響因素；其次是綜合壓力(-0.72)和心理特性(0.52)；而感知水平和個人屬性對公交駕駛員工作狀態的綜合影響相對較小，分別為0.39和0.36。

表7 各潛變量對工作狀態的影響效應Table 7 The influence effect of each latent variable on working state

綜上，為更好地提升公交出行的安全，建議：首先應為駕駛員提供良好的工作環境，這需要交管部門保障公交路權的優先地位，同時加大對乘客擾亂司機駕駛等現象的懲罰力度，而乘客也應注意個人態度和禮儀，營造出良好的車內氛圍；其次公交企業應考慮通過合理排班、完善績效考核制度、提高收入以及增加休息時間等方式降低駕駛員工作強度和生活壓力，此外還應該定期開展駕駛員心理健康培訓和職業培訓，提高駕駛員的情緒調節能力和抗壓能力，增強駕駛員企業歸屬感和職業責任感；交管部門和公交企業應經常聯合組織駕駛員安全教育活動，增強駕駛員對安全駕駛理念的認知以及駕駛情景準確判斷的能力；最后在條件允許下，公交企業應建設具有良好綜合素質同時避免大齡化的駕駛員隊伍。

4 結論

(1)建立了基于SEM的公交駕駛員負性情緒駕駛下工作狀態的影響因素模型，通過問卷調查的形式獲取了相關數據并進行實例分析。結果表明個人屬性、工作環境、心理特性和感知水平對工作狀態具有正向影響，綜合壓力對工作狀態具有反向影響。最后根據影響因素模型，提出了相關的建議和措施，可為公交企業和交通管理部門未來的決策提供參考依據。

(2)除研究的影響因素外，不排除還有其他的因素存在，后續研究可做進一步明確，調查數據來源于重慶市的部分區縣，下一步將考慮擴大調查范圍。