基于Logistic和Probit復雜環(huán)境下煤礦員工安全行為動態(tài)預警研究*

喬國通朱艷娜何 剛衡連偉

（1.安徽理工大學電氣與信息工程學院，安徽省淮南市，232001；2.安徽理工大學經(jīng)濟與管理學院，安徽省淮南市，232001）

基于Logistic和Probit復雜環(huán)境下煤礦員工安全行為動態(tài)預警研究*

喬國通1朱艷娜2何 剛2衡連偉1

（1.安徽理工大學電氣與信息工程學院，安徽省淮南市，232001；2.安徽理工大學經(jīng)濟與管理學院，安徽省淮南市，232001）

通過對安徽兩淮煤礦近幾年煤礦特大事故統(tǒng)計分析得出，導致煤礦員工安全行為事故的影響因素眾多。以安全行為科學、結構方程模型、Logistic和Probit回歸為研究基礎，構建復雜環(huán)境下煤礦員工安全行為預測模型，并進行動態(tài)分析。研究結果說明，煤礦員工安全行為受礦工所在環(huán)境和個人收入水平的影響，其中，礦工收入水平與安全行為能力呈正向線性關系，提高煤礦員工激勵程度是降低員工事故發(fā)生率的可行途徑。

煤炭企業(yè) 安全行為 復雜環(huán)境 Logistic模型 Probit模型 動態(tài)預警

采礦是一項影響因素眾多且環(huán)境十分復雜的高危行業(yè)，直接威脅著煤礦員工的人身安全和國家的財產(chǎn)安全，在某種程度上影響著社會的和諧穩(wěn)定。所以，深入剖析影響礦工行為指標變量，動態(tài)預測煤礦員工安全行為對保障煤炭行業(yè)安全施工、防范重大煤礦事故的發(fā)生具有預警作用。

目前，國內(nèi)外專家學者在煤礦員工安全行為管理、動態(tài)仿真等方面取得了較大成果，但動態(tài)預警方面的研究相對較少，一般是基于靜態(tài)分析與定性研究居多，缺少定量、動態(tài)的預警機制。

（1）環(huán)境對于行為影響的研究越來越多，但涉及管理領域的較少。Popoola Oluwatoyin Pius研究環(huán)境對人的心理和行為的影響，涉及擁擠、噪音、氣溫、空氣污染等具體研究；鮑越研究環(huán)境因素對人的工作與生活質(zhì)量的影響，涉及建筑設計與城區(qū)規(guī)劃等方面的研究；莊嚴對熱害對礦工身體健康的影響因素進行了分析，并提出有效防止高溫對礦工人體健康影響的措施；薛韋一、劉澤功從組織管理因素角度對礦工不安全心理行為的影響進行了調(diào)查研究，得出礦工不安全心理受組織公平、組織支持及生產(chǎn)任務的影響顯著。

（2）運用數(shù)學模型對煤礦員工安全行為進行動態(tài)預測方法較為單一，使用系統(tǒng)動力學模型的居多。馬鴻廉、王金鳳、馮立杰運用解釋結構模型分析各影響因素之間的相互關系，運用系統(tǒng)動力學原理和方法對影響煤礦災害預警的各因素進行動態(tài)仿真；劉汝清通過軟硬件集成技術，以評判預警模型為基礎，搭建了煤礦安全風險預警應用系統(tǒng)；郭紅領等利用建筑信息模型（BIM）和定位技術（PT），研究工人不安全行為的預警機制；何剛等應用系統(tǒng)動力學量化煤礦員工安全行為水平，并進行動態(tài)仿真；王君萍、白瓊瓊運用Logistic回歸法構建財務危機預警模型，模型預測準確率達到了90%；楊亞文選擇Logistic模型構建財務危機預警模型，并對比只包括基礎財務變量的基礎模型，加入了公司治理變量和宏觀預警因素作為完善；蔣亞奇運用Probit模型針對上市旅游公司進行財務預警。

目前對煤礦安全管理及預警機制研究多局限于單一學科應用，把Logistic和Probit回歸模型綜合起來用于煤礦員工安全行為預警的事例較為罕見。因此，借助AMOS、SPSS、Logistic和Probit軟件的力量，研究煤礦員工安全管理問題，做到跨學科的研究，這是本文的新嘗試。

1　復雜環(huán)境煤礦員工安全行為模型簡介

1.1結構方程模型簡介

SEM與LISREL統(tǒng)計軟件結合使用，整合因素分析（FA）與路徑分析（PA）兩種統(tǒng)計方法，可以實現(xiàn)測量和分析功能。文章應用AMOS理論和建模方法，構建安全高效的煤炭企業(yè)員工安全行為路徑分析模型。

1.2Logistic模型簡介

在計量經(jīng)濟學中，Logistic模型分為二元選擇模型和多元選擇模型。在本研究中，主要探究典型的二元選擇模型，其中因變量Y存在0，1之分。Logistic回歸方程見式（1）:

式中:xk——自變量；

P——事件發(fā)生的概率。

1.3Probit模型簡介

Probit回歸也稱為單位概率回歸，與Logistic回歸模型相似，也是擬合0-1型（確保因變量Y=1的概率介于0和1之間）因變量回歸的方法，其回歸函數(shù)是:

式中:Φ（·）——標準正態(tài)分布的分布函數(shù)；

p——事件發(fā)生概率；

xik——自變量；

2　實證分析

2.1問卷設計及數(shù)據(jù)來源

煤礦員工安全行為的影響因素眾多，基于現(xiàn)有文獻的研究和典型煤礦事故分析，一般將影響員工安全行為因素分為員工個人因素（α）、作業(yè)環(huán)境因素（β）和企業(yè)管理因素（γ）三類，每種類別因素下面又有若干關鍵子因素構成。其中，員工個人因素（α）主要包括從業(yè)年限（α1）、教育程度（α2）、員工學習能力（α3）和員工合作意識（α4）；作業(yè)環(huán)境因素（β）包括溫度（β1）、濕度（β2）、噪音（β3）和瓦斯?jié)舛龋é?）；企業(yè)管理因素（γ）包括企業(yè)文化（γ1）、管理體制（γ2）、激勵程度（γ3）和人員配置效率（γ4）。為理清影響因素的分布狀況及其作用強度，筆者所在團隊先后深入安徽省兩淮煤炭基地的五大煤礦面向各層次員工開展問卷調(diào)查，對得到的眾多影響煤礦員工安全行為的影響因子采用李克特五點量表法，從非常不符合到直接相關，選項分數(shù)從1至5，分值越大，表示此因素對煤礦員工安全行為的影響越大。

2.2問卷信度效度檢驗

運用SPPS對問卷數(shù)據(jù)進行信度效度檢驗，檢驗計算結果見表1。采用克龍巴赫α系數(shù)（Cronbach's Alpha）對問卷信度進行檢驗；運用探索性因子分析方法檢驗得到各觀察變量的因子載荷系數(shù)，進行效度檢驗。從表1中得知，Cronbach's Alpha值都大于0.7，說明信度可接受；因子載荷系數(shù)值都大于0.7，說明問卷效度可以接受。

表1　問卷信度效度計算結果分析

2.3變量共同度分析

為更清晰的描述3個潛在變量（α，β，γ）與12個觀察變量（α1，α2，α3，α4；β1，β2，β3，β4；γ1，γ2，γ3，γ4）之間的關聯(lián)及變量間的關系，列出旋轉后的因子散點圖，見圖1，圖中坐標值是12個觀察變量在3個公因子軸上的旋轉系數(shù)投影值，這些值介于-1.0～1.0之間。從圖1可以看出，瓦斯?jié)舛?、噪音、企業(yè)文化3個變量距離較近，且在公因子1軸上的投影坐標較大；從業(yè)年限、溫度、濕度、教育程度、員工合作意識與學習能力在公因子2軸上的投影坐標較大；人才配置效率、激勵程度在公因子3軸上的投影坐標較大。

圖1　旋轉后因子散點圖

2.4結構方程模型驗證分析

運用結構方程模型分析各個子因素之間的相關關系，標準化估計值模型見圖2，圖中k1、k2、k3為潛在變量誤差項，e1～e12為觀察變量誤差項。

圖2中，GFI（適配度指數(shù)）值0.958＞0.900，AGFI值（調(diào)整后的適配度指數(shù)）0.935＞0.900，PGFI（簡約適配度指數(shù)）值0.626＞0.500，RMSEA為漸進殘差均方和平方根，其值愈小，表示模型的適配度愈佳?？ǚ街担–MIN欄）為51.020，模型的自由度為51，顯著性概率值p=0.473＞0.05，未達顯著水平，接受原假設，表示假設模型與樣本數(shù)據(jù)可以適配。此處RMSEA值為0.001，小于0.050（模型可以接受的標準），均達到模型可以適配的標準。員工個人因素、作業(yè)環(huán)境因素及企業(yè)管理層面直接對煤礦員工安全行為產(chǎn)生影響，路徑系數(shù)分別為0.85、0.90、0.89，其數(shù)值越大表明對員工安全行為影響程度越大，越需要煤礦企業(yè)重點解決與應對這方面出現(xiàn)的問題。

3　煤礦企業(yè)員工安全動態(tài)預警的Logistic和Probit回歸模型

3.1Logistic回歸模型

從圖2可知，煤礦復雜作業(yè)環(huán)境對員工安全行為能力影響程度最大，其次是企業(yè)管理決策層面。因此文中重點對員工復雜作業(yè)環(huán)境方面和企業(yè)管理層面進行動態(tài)預測，并建立動態(tài)預警模型。

圖2　標準化模型圖

作業(yè)環(huán)境方面不僅僅局限在煤礦礦井的瓦斯?jié)舛?、溫濕度及水質(zhì)方面等，員工的年齡、性別、月收入水平及如何上下班等都在某種程度上影響著煤礦員工安全行為能力。根據(jù)前期的研究成果，對其中28位礦工的年齡x1、月收入水平x2、性別x3及上下班情況x4進行詳細調(diào)查，對收集到的數(shù)據(jù)運用SPSS軟件進行Logistic回歸分析，根據(jù)統(tǒng)計量的概率值P可知，x2的回歸系數(shù)最不顯著，x1的回歸系數(shù)也不是很顯著。鑒于此，刪除變量x2，重新進行Logistic回歸分析，修正結果見表2，分類結果見表3。

表2　修正后方程式中的變數(shù)

表3　分類表

從表2可知，在0.05的顯著性水平下，x1和x3都顯著。根據(jù)表2和式（1）寫出Logistic回歸方程為:

表3的分類結果表明:對“Y=0”的正判概率為80.0%；對“Y=1”的正判概率為69.2%?？偟恼懈怕蕿?5.0%，表明模型的整體擬合效果較好。

3.2模型的預測應用

與多元回歸分析類似，可利用建立的回歸方程進行預測。在此種情況下，模型等價于判別分析。假設有一位45歲的男性礦工，通過式（3）來判斷他是否會乘坐公交車上下班。

將x1=45，x3=0代入式（3），得到該男性礦工乘坐公交車上下班的概率為0.87664，推斷該男性礦工屬于主要乘公交車上下班一類，即認為他將乘公交車上下班。

同時，還可以計算出優(yōu)勢比率:

即該男性礦工乘公交車上下班的概率相對于不乘公交車的概率比為7.10643，此比率很大，故可推斷該男性乘公交車上下班。

3.3Probit回歸模型

同樣，文中應用Probit回歸模型對煤礦員工的年家庭收入及購房意向進行研究，從礦工的購房意向中可以了解到礦工對煤礦企業(yè)的滿意度以及煤礦企業(yè)管理決策的透明度，研究模型參數(shù)結果如表4所示。

從表4可知，Probit回歸系數(shù)為0.094，其標準誤差為0.033，截距為-0.532，自變量的顯著性水平為0.005＜0.05，說明年家庭收入與Probit回歸函數(shù)顯著性水平很高，把相關系數(shù)代入式（2）得:

另外，從Probit回歸模型的預測結果來看，殘差都比較小，即預測的煤礦員工購房人數(shù)與實際購房人數(shù)非常接近，模型的整體預測效果較好。即隨著年家庭收入的增加，煤礦員工的購房人數(shù)也隨之增加，從式（5）可以看出，年家庭收入與煤礦員工購房人數(shù)成正相關關系。

表4　Probit模型參數(shù)評估

4　結論

（1）文中建立的安徽省兩淮基地煤礦企業(yè)員工安全行為動態(tài)預警的Logistic與Probit動態(tài)模型具有較高的預測準確率，模型總體預測準確率接近75%，如果考慮模型預測誤差在一個等級內(nèi)，模型預測準確率約為95%，Logistic與Probit模型基本等價，正確預測的比率幾乎相同。

（2）復雜環(huán)境下煤礦員工安全行為動態(tài)預警需長期規(guī)范。煤礦企業(yè)及相似的高危行業(yè)應該抓住影響員工安全行為的關鍵因素且從影響程度最大的指標開始，當然如果只是單方面改善某個層面的因素或許對煤礦企業(yè)員工的安全行為能力提升直接產(chǎn)生作用不大，但從人力資本投資角度來講，全面提高需要較大的人力、物力及財力等，因此，從影響程度最大的指標著手是首選。

（3）動態(tài)預測可以獲得更準確有效的實際貢獻率。通過重新設置修正指標參數(shù)，作出動態(tài)預測模型，更能準確反映其對系統(tǒng)貢獻的實際作用率，以此來幫助煤礦企業(yè)決策者把握投資切入點和煤礦員工安全行為指標的作用路徑，進一步有效降低煤礦人因事故發(fā)生率，保障礦工生命安全。

［1］ 宋宇辰，張志啟.基于ARIMA模型對我國“十二五”需求的預測［J］.煤炭工程，2012（1）

［2］ 李新春，宋學鋒.基于風險預控的煤礦安全管理評價系統(tǒng)建立研究［J］.煤炭工程，2007（9）

［3］ 李瑞峰.中國煤炭市場分析與研究 ［J］.煤炭工程，2013（1）

［4］ Popoola Oluwatoyin Pius.擁擠環(huán)境下的異常行為檢測研究［D］.哈爾濱工程大學，2012

［5］ 姚有利，于海春.基于結構方程模型的煤礦安全氛圍對安全行為影響分析［J］.中國煤炭，2014（12）

［6］ 莊嚴.深井高溫對礦工健康的影響及防治措施 ［J］.煤礦安全，2014（10）

［7］ 薛韋一，劉澤功.組織管理因素對礦工不安全心理行為影響的調(diào)查研究 ［J］.中國安全生產(chǎn)科學技術，2014（3）

［8］ 馬鴻廉等.煤礦災害預警影響因素仿真分析 ［J］.工業(yè)安全與環(huán)保，2014（10）

［9］ 劉汝清.煤礦安全風險預警模型研究及應用效益分析［D］.中國地質(zhì)大學（北京），2014

［10］ 郭紅領等.集成BIM和PT的工人不安全行為預警系統(tǒng)研究［J］.中國安全科學學報，2014（4）

［11］ 何剛，喬國通等.煤炭企業(yè)員工安全行為水平量化研究［J］.中國安全科學學報，2013（4）

［12］ 王君萍，白瓊瓊.我國能源上市企業(yè)財務危機預警研究［J］.經(jīng)濟問題，2015（1）

［13］ 楊亞文.國有上市公司財務危機預警模型的構建研究［D］.山東大學，2014

［14］ 蔣亞奇.基于多元Probit模型的上市旅游公司的財務預警［J］.統(tǒng)計與決策，2014（3）

Study on dynamic early warning of safety behaviors of coal mine employee based on the Logistic and Probit complex situation

Qiao Guotong1，Zhu Yanna2，He Gang2，Heng Lianwei1
（1.College of Electric and Information Engineering，Anhui University of Science&Technology，Huainan，Anhui 232001，China；2.College of Economics and Management，Anhui University of Science&Technology，Huainan，Anhui 232001，China）

It was obtained that the influence factor resulting in the safety behaviors accident of coal mine employee was numerous by statistics and analysis of especially serious accident in coal mines of Huainan and Huaibei in Anhui province in recent years.Based on the safety behavior science，structural equation model，Logistic and Probit regression，safety behaviors prediction model of coal mine employee in complex situation was established，and then the dynamical analysis by the model was carried out.The research results show that safety behaviors of coal mine employee are affected by miner's situation and personal income，and miner's income and safety behaviors take on positive linear relationship，increasing the motivation degree of coal mining employee is a feasible way to reduce employee accident rates.

coal enterprise，safety behaviors，complex situation，Logistic model，Probit model，dynamic early warning

X915.1 TD79

A

喬國通（1982-），男，管理學碩士，講師，主要從事安全管理、人力資本投資管理等方面的研究。

（責任編輯 張艷華）

國家自然基金（51574010），安徽高校人文社會科學重點研究基地項目（SK2014A041）