農(nóng)村機(jī)動(dòng)車駕駛?cè)孙L(fēng)險(xiǎn)駕駛行為研究

沈文泰 趙丹

中國人民公安大學(xué)交通管理學(xué)院，北京 100038

伴隨我國社會(huì)經(jīng)濟(jì)的迅猛增長(zhǎng)，農(nóng)村公路在助力地區(qū)進(jìn)步中的重要性逐漸顯現(xiàn)。近年來,我國農(nóng)村公路建設(shè)進(jìn)步顯著,大幅提升了出行效率。但農(nóng)村公路建設(shè)取得了長(zhǎng)足發(fā)展的同時(shí),卻仍面臨安全駕駛宣傳不力、駕駛員安全意識(shí)偏低以及道路交通事故多發(fā)等問題。這些因素共同造成了出行安全的嚴(yán)重隱患，對(duì)農(nóng)村地區(qū)居民的生活質(zhì)量和出行效率構(gòu)成了實(shí)質(zhì)性的威脅。根據(jù)公安部交通管理局?jǐn)?shù)據(jù)顯示，我國農(nóng)村公路發(fā)生交通事故接近事故總量的一半,發(fā)生重大交通事故的1/3 在農(nóng)村。以海南省為例，截止2023 年2月，海南全省農(nóng)村地區(qū)發(fā)生道路事故起數(shù)、死亡人數(shù)分別占近三年總數(shù)的45.94%、59.13%，其中發(fā)生死亡3人以上較大事故起數(shù)、死亡人數(shù)，分別占近三年總數(shù)的61.54%、58.54%.在整個(gè)交通系統(tǒng)中，駕駛?cè)送墙煌ㄟ\(yùn)行過程中最不穩(wěn)定的因素之一，我國農(nóng)村公路技術(shù)等級(jí)較低、路況復(fù)雜、交通安全設(shè)施缺乏、機(jī)非混行等現(xiàn)象嚴(yán)重，農(nóng)村復(fù)雜的道路環(huán)境和交通狀況給駕駛員帶來了較大的生理和心理壓力，不利于駕駛員準(zhǔn)確感知道路情況并做出正確反應(yīng),增加了駕駛誤操作的風(fēng)險(xiǎn),進(jìn)而提高了事故發(fā)生的概率。2018 年，農(nóng)民在超速、酒駕、逆行、無證駕駛、未按規(guī)定讓行等交通違法行為中所占的比例均超過40%，縣道、鄉(xiāng)村道上車輛與行人碰撞的死亡事故達(dá)4000余起，占所有等級(jí)道路車輛與行人死亡事故的40%以上。

近年來，國內(nèi)外學(xué)者已經(jīng)對(duì)機(jī)動(dòng)車駕駛?cè)笋{駛行為、駕駛心理等駕駛因素以及交通安全宣傳方式方法做了廣泛的研究，每一種研究方式都各具特色，特點(diǎn)鮮明。在駕駛行為研究方面，李爽［1］通過多維度駕駛風(fēng)格量表（MDSI-C）和危險(xiǎn)行為態(tài)度量表（SRBA）發(fā)現(xiàn)駕駛行為影響著駕駛安全，同時(shí)駕駛行為又受到駕駛態(tài)度的影響。趙亮［2］通過對(duì)在農(nóng)村地區(qū)不同路段駕駛時(shí)駕駛?cè)说牟僮餍袨檫M(jìn)行統(tǒng)計(jì)，分析駕駛?cè)说男睦砩硪蛩?，得到駕駛?cè)笋{駛行為變化的規(guī)律。Reason 等［3］通過對(duì)曼徹斯特駕駛行為問卷的三個(gè)問卷因子的分析，進(jìn)而考察駕駛?cè)笋{駛行為。叢浩哲等［4］通過駕駛?cè)诵袨橐?guī)范度的形式分析駕駛行為。Browne等［5］通過卡特爾（Catell）的16PF 量表對(duì)出現(xiàn)違章的駕駛員進(jìn)行測(cè)試，結(jié)果表明這些駕駛員相比于其他駕駛員更容易沖動(dòng)，駕駛時(shí)更容易出現(xiàn)緊張情緒。侯雪艷［6］通過對(duì)駕駛?cè)巳烁衽c駕駛行為的研究，認(rèn)為人格會(huì)對(duì)駕駛行為造成影響，只不過這種影響往往通過其他因子加以顯現(xiàn)，比如駕駛?cè)税踩珣B(tài)度等。Godley［7］比較了真實(shí)駕駛和模擬駕駛中駕駛員對(duì)速度“感知-認(rèn)知-反應(yīng)”過程，發(fā)現(xiàn)駕駛員在模擬駕駛中的主要速度操作指標(biāo)與實(shí)路駕駛中基本一致。何莎等［8］驗(yàn)證了霧天時(shí)速度對(duì)駕駛風(fēng)險(xiǎn)將會(huì)產(chǎn)生重大影響。吳超仲等［9］發(fā)現(xiàn)當(dāng)駕駛?cè)顺霈F(xiàn)疲勞駕駛的情況時(shí)，更加容易保持在高速行駛的狀態(tài)。在計(jì)劃行為理論（TPB）方面，方曉平等［10］利用計(jì)劃行為理論（TPB）探索心理因素對(duì)公共交通交通工具選擇的影響。

國內(nèi)外對(duì)于機(jī)動(dòng)車駕駛?cè)孙L(fēng)險(xiǎn)行為的研究主要集中在高速公路以及普通駕駛?cè)朔矫?，目前?duì)于農(nóng)村機(jī)動(dòng)車駕駛?cè)说鸟{駛行為研究尚不夠全面，還需要進(jìn)一步深入探索。同時(shí)，在對(duì)農(nóng)村機(jī)動(dòng)車駕駛?cè)孙L(fēng)險(xiǎn)駕駛行為的研究方面也存在深入不足的問題，需要加強(qiáng)研究深度和廣度，特別是對(duì)致因因素的研究。因而，本文基于問卷調(diào)查數(shù)據(jù)，探索駕駛?cè)诵睦硪蛩嘏c駕駛行為風(fēng)險(xiǎn)之間的關(guān)聯(lián)性，評(píng)估我國農(nóng)村地區(qū)駕駛?cè)私煌ò踩庾R(shí)和風(fēng)險(xiǎn)認(rèn)知水平，研究對(duì)我國農(nóng)村機(jī)動(dòng)車駕駛?cè)擞绊懽畲蟮娘L(fēng)險(xiǎn)因子。

1 計(jì)劃行為理論與建模方法

1.1 計(jì)劃行為理論

計(jì)劃行為理論（TPB）是一種用于預(yù)測(cè)和解釋個(gè)體行為的心理學(xué)理論，其框架圖如圖1 所示。該理論的核心是個(gè)體的行為意圖，受到個(gè)體的態(tài)度、主觀規(guī)范和知覺行為控制因素的影響，進(jìn)而影響個(gè)體的實(shí)際行為。計(jì)劃行為理論在駕駛領(lǐng)域得到廣泛應(yīng)用，尤其是在探究駕駛違規(guī)行為方面。這些違規(guī)行為包括攻擊性駕駛、酒后駕車、超速行駛等不安全駕駛行為［11］。

圖1 計(jì)劃行為理論基本結(jié)構(gòu)

為了準(zhǔn)確刻畫多維駕駛影響因素與農(nóng)村機(jī)動(dòng)車駕駛?cè)笋{駛行為的關(guān)聯(lián)關(guān)系，本文的行為定義為“農(nóng)村機(jī)動(dòng)車駕駛?cè)嗽趯?shí)際駕駛情景中可能出現(xiàn)的危險(xiǎn)駕駛行為”，并結(jié)合有關(guān)學(xué)者針對(duì)駕駛?cè)笋{駛行為與心理的研究，劃分四個(gè)構(gòu)面因子，本文在TPB 理論范式的基礎(chǔ)上通過風(fēng)險(xiǎn)感知、駕駛信心、安全態(tài)度對(duì)其風(fēng)險(xiǎn)駕駛行為進(jìn)行描述，理論范式結(jié)構(gòu)如圖2所示。

圖2 基于計(jì)劃行為理論的風(fēng)險(xiǎn)行為模型

1.2 結(jié)構(gòu)方程模型

結(jié)構(gòu)方程模型（Structural Equation Modeling，SEM）是一種常用的多元統(tǒng)計(jì)技術(shù)，它融合了因素分析和路徑分析，是社會(huì)科學(xué)研究中的一個(gè)重要方法，分為測(cè)量模型（measurement model）和結(jié)構(gòu)模型（strutural equation model）。測(cè)量模型的主要作用在于建立外顯變量與對(duì)應(yīng)的潛變量之間的關(guān)聯(lián)，并通常采用驗(yàn)證性因子分析模型（Confirmatory Factor Analysis，CFA）來實(shí)現(xiàn)。驗(yàn)證性因子分析模型常被應(yīng)用于檢驗(yàn)潛變量的因子結(jié)構(gòu)，是一種廣泛使用的方法。結(jié)構(gòu)方程模型是一種用于分析因子之間因果關(guān)系的工具，能夠確定影響因素。相較于傳統(tǒng)的路徑分析方法，結(jié)構(gòu)方程模型考慮了顯性變量的測(cè)量誤差，因此能夠更加準(zhǔn)確地估算潛在變量之間的關(guān)系［12］。

數(shù)據(jù)的計(jì)算，如初階因子負(fù)荷，參照Stawart David W（1981）制定的結(jié)構(gòu)方程因子計(jì)算方法進(jìn)行，從而對(duì)理想模型進(jìn)行評(píng)估［13］。

測(cè)量方程是一種用于描述測(cè)量變量與潛在變量之間關(guān)系的驗(yàn)證性因子分析模型。它包含兩個(gè)方程式，其中第一個(gè)方程式描述了內(nèi)生潛在變量與內(nèi)生可觀測(cè)變量之間的聯(lián)系，第二個(gè)方程式描述了外生潛在變量與外生可觀測(cè)變量之間的聯(lián)系。該模型可幫助研究人員分析和解釋數(shù)據(jù)，了解變量之間的關(guān)系。其模型形式為：

其中，Y（q×1）為內(nèi)生潛變量η的顯變量構(gòu)成的向量，X（q×1）為外生潛變量ζ 的顯變量構(gòu)成的向量；Λy是Y 在η 上的因子載荷矩陣；Λx是X 在ζ 上的因子載荷矩陣；δ 為q×1 階測(cè)量誤差向量，ε 為p×1 階測(cè)量誤差向量，δ、ε表示不能由潛變量解釋的部分。

結(jié)構(gòu)方程是表示因子之間因果關(guān)系的模型，方程溝通了潛在變量和觀察變量，同時(shí)也將內(nèi)生潛在變量與外生潛在變量聯(lián)系起來，其方程為：

其中，η（m×1）是由內(nèi)生潛在變量構(gòu)成的向量；B（m×m）是內(nèi)生潛變量向量η 的系數(shù)參數(shù)矩陣，即內(nèi)生潛變量間的通徑系數(shù)矩陣，ζ（n×1）是外生潛變量構(gòu)成的向量，Г（m×n）是外生潛變量向量的系數(shù)參數(shù)矩陣；σ（m×1）為殘差向量，是模型內(nèi)未能解釋的部分。

1.3 變量劃分

在計(jì)劃行為理論和相關(guān)研究的基礎(chǔ)上構(gòu)建了風(fēng)險(xiǎn)感知、駕駛信心、安全態(tài)度和風(fēng)險(xiǎn)行為這4個(gè)潛在變量和21 個(gè)觀測(cè)變量在內(nèi)的測(cè)量體系來分析農(nóng)村機(jī)動(dòng)車駕駛?cè)孙L(fēng)險(xiǎn)駕駛行為的心理影響因素，各變量具體描述如表1所示。

表1 潛在變量與觀測(cè)變量

1.4 結(jié)構(gòu)方程模型構(gòu)建

結(jié)合國內(nèi)外機(jī)動(dòng)車駕駛者風(fēng)險(xiǎn)駕駛行為的現(xiàn)有研究，本研究充分考慮農(nóng)村機(jī)動(dòng)車駕駛者的特定駕駛模式，建立了包含駕駛信心、安全態(tài)度、風(fēng)險(xiǎn)感知、風(fēng)險(xiǎn)行為的結(jié)構(gòu)方程模型。其中，駕駛信心、安全態(tài)度、風(fēng)險(xiǎn)感知這3 個(gè)因素作為外生潛變量，影響著唯一的內(nèi)潛變量，即風(fēng)險(xiǎn)行為。

本文建立的結(jié)構(gòu)方程模型中包含兩層因子結(jié)構(gòu)：農(nóng)村機(jī)動(dòng)車駕駛?cè)孙L(fēng)險(xiǎn)駕駛行為和其可能影響因素共提取的10個(gè)因子為初階因子，駕駛信心、安全態(tài)度、風(fēng)險(xiǎn)感知、風(fēng)險(xiǎn)行為為10 個(gè)初階因子構(gòu)成的高階因子。以收集到的與初階因子相對(duì)應(yīng)的數(shù)據(jù)作為觀察變量，按照模型路徑假設(shè)，提出農(nóng)村機(jī)動(dòng)車駕駛?cè)孙L(fēng)險(xiǎn)駕駛行為理論模型，如圖3所示。

圖3 模型路徑假設(shè)圖

2 數(shù)據(jù)來源與描述性統(tǒng)計(jì)

2.1 數(shù)據(jù)采集

通過查閱文獻(xiàn)和實(shí)地考察，本文針對(duì)我國駕駛?cè)说鸟{駛特點(diǎn)進(jìn)行問卷設(shè)計(jì)，選項(xiàng)采用李克特（Likert）五點(diǎn)計(jì)分法，其中1 代表“非常不同意”，2 代表“不同意”，3 代表“一般”，4 代表“同意”，5 代表“非常同意”。本次調(diào)查共回收436份問卷。因調(diào)查對(duì)象為農(nóng)村機(jī)動(dòng)車駕駛?cè)?，因此在?shù)據(jù)清洗時(shí)，刪除了與本次調(diào)查不相關(guān)、內(nèi)容不合理的數(shù)據(jù)。經(jīng)過篩選，最終確定用于后續(xù)分析的調(diào)查問卷共366 份，占原調(diào)查問卷總數(shù)的83.94%，受訪者基本情況如表2所示。

表2 受訪者基本信息分布情況

2.2 信效度檢驗(yàn)

信度（Reliability）分析是一種用于評(píng)估測(cè)量工具或問卷的一致性和穩(wěn)定性的方法。它通過檢測(cè)量表內(nèi)部的一致性和穩(wěn)定性來確保測(cè)量結(jié)果的準(zhǔn)確性和可信度。多種常用的方法都可以用于信度分析，比較常見的有折半信度法以及克倫巴赫α 系數(shù)法（Cronbach’s alpha）［14］。本文采用Cronbach’s alpha 系數(shù)進(jìn)行信度檢驗(yàn)。某些學(xué)者的研究結(jié)果表明，如果系數(shù)的值大于0.6，那么該問卷的可信度相對(duì)較高［15］。

使用SPSS20.0 軟件進(jìn)行信度檢驗(yàn)。根據(jù)表3 所示，本研究所涉及的4 個(gè)心理潛變量的克倫巴赫系數(shù)為0.636 至0.866。這表明，該問卷的測(cè)量結(jié)果具有較高的可信度。

表3 各因子內(nèi)部一致性系數(shù)(Cronbach’s alpha)

為了判斷問卷測(cè)量結(jié)果的真實(shí)性和有效性，通常會(huì)使用效度判別方法。而通過KMO 值進(jìn)行初步判斷也是常見的做法，一般要求KMO 值不低于0.5。為保證因子分析的有效性，本研究采用了SPSS20.0軟件進(jìn)行了效度檢驗(yàn)，其中包括了KMO 檢驗(yàn)和Bartlett 球形檢驗(yàn)兩種方法。為了通過效度檢驗(yàn)，必須滿足兩個(gè)條件：KMO 檢驗(yàn)系數(shù)必須大于0.5，而Bartlett檢驗(yàn)的P值必須小于0.05。分析表明，本問卷KMO 值為0.733，介于0.7～0.8 之間，研究數(shù)據(jù)適合提取信息（從側(cè)面反映出效度較好），P為0.000。

表4 KMO和Bartlett的檢驗(yàn)

2.3 因子描述性統(tǒng)計(jì)

為對(duì)問卷所得數(shù)據(jù)進(jìn)行進(jìn)一步分析，首先對(duì)四個(gè)潛在變量進(jìn)行描述性統(tǒng)計(jì),如表5 所示。最大似然估計(jì)法要求結(jié)構(gòu)方程的變量分布服從正態(tài)分布。通過K-S 檢驗(yàn)，可以發(fā)現(xiàn)除風(fēng)險(xiǎn)行為因子之外，其他因子的數(shù)據(jù)均符合正態(tài)分布。

圖4 調(diào)查量表數(shù)據(jù)分布直方圖

表5 問卷因子描述性統(tǒng)計(jì)

風(fēng)險(xiǎn)行為因子的p 值為0.000，小于0.05，不符合正態(tài)分布要求，但正態(tài)性檢驗(yàn)要求嚴(yán)格，通常無法滿足，如果數(shù)據(jù)的峰度絕對(duì)值小于10并且偏度絕對(duì)值小于3，即使不符合正態(tài)分布的要求，也可以被認(rèn)為是基本符合正態(tài)分布［16］。駕駛行為因子的偏度絕對(duì)值為1.557，峰度值為2.455，因此基本可接受為正態(tài)分布。

表6 各因子的Kolmogorov-Smirnov檢驗(yàn)

3 模型檢驗(yàn)

3.1 模型評(píng)價(jià)

使用Amos 軟件建立農(nóng)村機(jī)動(dòng)車駕駛?cè)孙L(fēng)險(xiǎn)駕駛行為結(jié)構(gòu)方程模型，并將數(shù)據(jù)導(dǎo)入進(jìn)行整體擬合度檢驗(yàn)。常用的擬合指標(biāo)主要包括卡方比自由度（X2/df）、近似誤差均方根（Root Mean Squared Error of Approximation,RMSEA）、相對(duì)擬合指數(shù)（Comparative Fit Index，CFI）、標(biāo)準(zhǔn)擬合指數(shù)（Normed Fit Index，NFI）、遞增擬合指數(shù)（Incremental Fit Index，IFI）等［17-19］。模型評(píng)價(jià)結(jié)果如表7所示。

表7 假設(shè)結(jié)構(gòu)方程模型整體模型適配度檢驗(yàn)結(jié)果

該模型檢驗(yàn)結(jié)果顯示假設(shè)的結(jié)構(gòu)方程模型與觀察所得數(shù)據(jù)自由度、卡方值以及二者比值均滿足模型標(biāo)準(zhǔn)要求，但近似誤差平方根和標(biāo)準(zhǔn)擬合指數(shù)分別大于0.05、小于0.9，超出了對(duì)應(yīng)指數(shù)分析標(biāo)準(zhǔn)要求，證明該理論模型與觀察數(shù)據(jù)擬合程度低，不滿足分析條件，需要對(duì)初步理論模型進(jìn)行進(jìn)一步的修正。

首先，通過皮爾遜相關(guān)系數(shù)（Pearson correlation coefficient）對(duì)四個(gè)高階因子進(jìn)行相關(guān)性分析，分析結(jié)果如表8 所示。結(jié)果顯示，除風(fēng)險(xiǎn)感知-安全態(tài)度路徑顯著性不高外，其他路徑在95%顯著水準(zhǔn)情形下，均達(dá)到顯著水平。

表8 高階因子相關(guān)性檢驗(yàn)結(jié)果

其次，通過AMOS 軟件對(duì)結(jié)構(gòu)模型進(jìn)行參數(shù)估計(jì)，結(jié)果如表9 所示。結(jié)果顯示安全態(tài)度因子下的初階因子“從眾心理”與安全態(tài)度之間沒有顯著的相關(guān)性，在理論模型中應(yīng)予刪除。且理論模型中的數(shù)據(jù)顯示，風(fēng)險(xiǎn)行為因子下的初階因子“追求刺激”以及安全態(tài)度因子下的初階因子“從眾心理”負(fù)荷分別為0.245、0.285，不符合應(yīng)大于0.5的負(fù)荷要求［17］。

表9 模型參數(shù)評(píng)估結(jié)果

3.2 模型修正

由于安全態(tài)度因子下的初階因子“從眾心理”與安全態(tài)度之間沒有顯著的相關(guān)性，且風(fēng)險(xiǎn)行為因子下的初階因子“追求刺激”以及安全態(tài)度因子下的初階因子“從眾心理”負(fù)荷不滿足分析要求，因此對(duì)模型進(jìn)行調(diào)整，對(duì)相關(guān)初階因子進(jìn)行刪除處理。另外，根據(jù)相關(guān)性分析的結(jié)果，在四個(gè)高階潛在因子之間，風(fēng)險(xiǎn)感知-安全態(tài)度路徑顯著性不高，刪除后可以提高模型的擬合度，修正后的模型如表10、圖5所示。

表10 修正結(jié)構(gòu)方程模型整體模型適配度檢驗(yàn)結(jié)果

圖5 風(fēng)險(xiǎn)駕駛行為結(jié)構(gòu)模型擬合結(jié)果

4 結(jié)果分析

通過農(nóng)村機(jī)動(dòng)車駕駛?cè)孙L(fēng)險(xiǎn)駕駛行為結(jié)構(gòu)方程模型，可運(yùn)用標(biāo)準(zhǔn)化路徑系數(shù)及荷載系數(shù)的結(jié)果，對(duì)結(jié)構(gòu)方程模型進(jìn)行適當(dāng)?shù)慕忉尅４伺e不僅能夠分析變量之間的因果關(guān)系或相關(guān)關(guān)系，還能明確變量之間相互作用的強(qiáng)弱。除此之外，在結(jié)構(gòu)方程模型中，變量之間的關(guān)系可以分為直接關(guān)系和間接關(guān)系兩類；而變量之間的作用效果則是所有直接效果和間接效果之和。在直接關(guān)系中，路徑系數(shù)即為因果關(guān)系的直接效果；而在間接關(guān)系中，變量之間的間接效果為關(guān)系路徑系數(shù)的乘積［21］。

4.1 駕駛信心-風(fēng)險(xiǎn)行為路徑分析

農(nóng)村機(jī)動(dòng)車駕駛?cè)说摹榜{駛信心”對(duì)“風(fēng)險(xiǎn)行為”的直接效果顯著，其直接影響值為-0.61，即每當(dāng)駕駛信心分值提高1 分，則風(fēng)險(xiǎn)行為的得分降低0.61 分。除直接影響外，駕駛信心也會(huì)對(duì)風(fēng)險(xiǎn)行為產(chǎn)生其他間接影響，即通過駕駛信心-風(fēng)險(xiǎn)感知-風(fēng)險(xiǎn)行為（RA1），以及駕駛心-安全態(tài)度-風(fēng)險(xiǎn)行為兩條路徑（RA2），對(duì)風(fēng)險(xiǎn)行為產(chǎn)生影響。RA1 路徑影響數(shù)值為0.3515（0.95×0.37），RA2 路徑影響數(shù)值為0.1184（0.37×0.32），故RA1+RA2=0.4699?！榜{駛信心”對(duì)“風(fēng)險(xiǎn)行為”的間接影響數(shù)值為0.4699，故“駕駛信心”對(duì)“風(fēng)險(xiǎn)行為”的直接影響為-0.61。每當(dāng)“駕駛信心”提高一分時(shí)，“風(fēng)險(xiǎn)行為”則會(huì)降低0.1401分。

故農(nóng)村機(jī)動(dòng)車駕駛?cè)笋{駛信心的提高，會(huì)降低駕駛行為規(guī)范的程度，提高駕駛風(fēng)險(xiǎn)。

4.2 風(fēng)險(xiǎn)感知-風(fēng)險(xiǎn)行為路徑分析

農(nóng)村機(jī)動(dòng)車駕駛?cè)说?風(fēng)險(xiǎn)行為"受到"風(fēng)險(xiǎn)感知"的影響是非常顯著的，根據(jù)結(jié)構(gòu)方程模型，“風(fēng)險(xiǎn)感知”僅會(huì)對(duì)“風(fēng)險(xiǎn)行為”產(chǎn)生直接影響，而風(fēng)險(xiǎn)感知-風(fēng)險(xiǎn)行為路徑顯示數(shù)值為0.37，即當(dāng)農(nóng)村機(jī)動(dòng)車駕駛?cè)恕帮L(fēng)險(xiǎn)感知”分?jǐn)?shù)提高1 分，則會(huì)提高“風(fēng)險(xiǎn)行為”得分0.37分，其效果是非常顯著的。

在除“風(fēng)險(xiǎn)行為”的其他三項(xiàng)因子中，“風(fēng)險(xiǎn)感知”與“風(fēng)險(xiǎn)行為”關(guān)系最為密切，農(nóng)村機(jī)動(dòng)車駕駛?cè)恕帮L(fēng)險(xiǎn)行為”受“風(fēng)險(xiǎn)感知”的影響也是最大的，因此，可以考慮從這個(gè)方面入手來制定提高農(nóng)村機(jī)動(dòng)車駕駛?cè)税踩庾R(shí)的方案，進(jìn)而減少風(fēng)險(xiǎn)行為出現(xiàn)的頻率。

4.3 安全態(tài)度-風(fēng)險(xiǎn)行為路徑分析

根據(jù)結(jié)構(gòu)方程模型顯示，“安全態(tài)度”因子對(duì)“風(fēng)險(xiǎn)行為”因子只有直接影響，并沒有產(chǎn)生間接影響的路徑，而安全態(tài)度-風(fēng)險(xiǎn)行為路徑顯示數(shù)值為0.32，即“安全態(tài)度”因子提高1 分時(shí)，“風(fēng)險(xiǎn)行為”因子得分將會(huì)提高0.32分。

在“安全態(tài)度”因子與“風(fēng)險(xiǎn)行為”因子的相關(guān)性顯著的情況下，分析可知“安全態(tài)度”會(huì)對(duì)“風(fēng)險(xiǎn)行為”產(chǎn)生一定的影響，在提高農(nóng)村機(jī)動(dòng)車駕駛?cè)私煌ò踩庾R(shí)的策略中可以加以體現(xiàn)。

5 結(jié)語

針對(duì)農(nóng)村機(jī)動(dòng)車駕駛?cè)私煌ò踩L(fēng)險(xiǎn)行為，本文通過結(jié)構(gòu)方程模型進(jìn)行數(shù)據(jù)建模與分析，得出如下結(jié)論：

（1）風(fēng)險(xiǎn)感知對(duì)風(fēng)險(xiǎn)行為會(huì)產(chǎn)生顯著的直接影響，隨著風(fēng)險(xiǎn)感知能力的提升，風(fēng)險(xiǎn)行為降低明顯。

（2）安全態(tài)度-風(fēng)險(xiǎn)行為路徑呈現(xiàn)為正值，說明安全態(tài)度的提升會(huì)降低風(fēng)險(xiǎn)行為水平。

（3）農(nóng)村機(jī)動(dòng)車駕駛?cè)笋{駛信心對(duì)其風(fēng)險(xiǎn)行為有著較高的直接影響和間接影響，總的來說，駕駛信心-風(fēng)險(xiǎn)行為路徑數(shù)值呈現(xiàn)為負(fù)值，當(dāng)駕駛信心程度提高時(shí)，反而會(huì)提高行為的風(fēng)險(xiǎn)性。

（4）“駕駛信心”因子中，個(gè)人技術(shù)對(duì)農(nóng)村機(jī)動(dòng)車駕駛?cè)说挠绊懫兀闆r判斷能力的影響相對(duì)較輕。同樣，在“風(fēng)險(xiǎn)感知”“安全態(tài)度”“風(fēng)險(xiǎn)行為”中，預(yù)知危險(xiǎn)、責(zé)任承擔(dān)、疏忽大意分別對(duì)三個(gè)因子產(chǎn)生主要影響。

（5）本研究仍有不足之處。如樣本量不算充足，問卷調(diào)查所獲取的數(shù)據(jù)存在主觀偏差，與實(shí)際情況可能有一定出入，且除本文研究的影響因素之外，不排除還有其他因素的存在，這將對(duì)結(jié)果產(chǎn)生一定影響，后續(xù)研究中可以考慮擴(kuò)大樣本收集范圍，并對(duì)其他影響因素進(jìn)一步明確。