基于Logistic和Probit复杂环境下煤矿员工安全行为动态预警研究*

乔国通朱艳娜何 刚衡连伟

（1.安徽理工大学电气与信息工程学院，安徽省淮南市，232001；2.安徽理工大学经济与管理学院，安徽省淮南市，232001）

基于Logistic和Probit复杂环境下煤矿员工安全行为动态预警研究*

乔国通1朱艳娜2何 刚2衡连伟1

（1.安徽理工大学电气与信息工程学院，安徽省淮南市，232001；2.安徽理工大学经济与管理学院，安徽省淮南市，232001）

通过对安徽两淮煤矿近几年煤矿特大事故统计分析得出，导致煤矿员工安全行为事故的影响因素众多。以安全行为科学、结构方程模型、Logistic和Probit回归为研究基础，构建复杂环境下煤矿员工安全行为预测模型，并进行动态分析。研究结果说明，煤矿员工安全行为受矿工所在环境和个人收入水平的影响，其中，矿工收入水平与安全行为能力呈正向线性关系，提高煤矿员工激励程度是降低员工事故发生率的可行途径。

煤炭企业 安全行为 复杂环境 Logistic模型 Probit模型 动态预警

采矿是一项影响因素众多且环境十分复杂的高危行业，直接威胁着煤矿员工的人身安全和国家的财产安全，在某种程度上影响着社会的和谐稳定。所以，深入剖析影响矿工行为指标变量，动态预测煤矿员工安全行为对保障煤炭行业安全施工、防范重大煤矿事故的发生具有预警作用。

目前，国内外专家学者在煤矿员工安全行为管理、动态仿真等方面取得了较大成果，但动态预警方面的研究相对较少，一般是基于静态分析与定性研究居多，缺少定量、动态的预警机制。

（1）环境对于行为影响的研究越来越多，但涉及管理领域的较少。Popoola Oluwatoyin Pius研究环境对人的心理和行为的影响，涉及拥挤、噪音、气温、空气污染等具体研究；鲍越研究环境因素对人的工作与生活质量的影响，涉及建筑设计与城区规划等方面的研究；庄严对热害对矿工身体健康的影响因素进行了分析，并提出有效防止高温对矿工人体健康影响的措施；薛韦一、刘泽功从组织管理因素角度对矿工不安全心理行为的影响进行了调查研究，得出矿工不安全心理受组织公平、组织支持及生产任务的影响显著。

（2）运用数学模型对煤矿员工安全行为进行动态预测方法较为单一，使用系统动力学模型的居多。马鸿廉、王金凤、冯立杰运用解释结构模型分析各影响因素之间的相互关系，运用系统动力学原理和方法对影响煤矿灾害预警的各因素进行动态仿真；刘汝清通过软硬件集成技术，以评判预警模型为基础，搭建了煤矿安全风险预警应用系统；郭红领等利用建筑信息模型（BIM）和定位技术（PT），研究工人不安全行为的预警机制；何刚等应用系统动力学量化煤矿员工安全行为水平，并进行动态仿真；王君萍、白琼琼运用Logistic回归法构建财务危机预警模型，模型预测准确率达到了90%；杨亚文选择Logistic模型构建财务危机预警模型，并对比只包括基础财务变量的基础模型，加入了公司治理变量和宏观预警因素作为完善；蒋亚奇运用Probit模型针对上市旅游公司进行财务预警。

目前对煤矿安全管理及预警机制研究多局限于单一学科应用，把Logistic和Probit回归模型综合起来用于煤矿员工安全行为预警的事例较为罕见。因此，借助AMOS、SPSS、Logistic和Probit软件的力量，研究煤矿员工安全管理问题，做到跨学科的研究，这是本文的新尝试。

1　复杂环境煤矿员工安全行为模型简介

1.1结构方程模型简介

SEM与LISREL统计软件结合使用，整合因素分析（FA）与路径分析（PA）两种统计方法，可以实现测量和分析功能。文章应用AMOS理论和建模方法，构建安全高效的煤炭企业员工安全行为路径分析模型。

1.2Logistic模型简介

在计量经济学中，Logistic模型分为二元选择模型和多元选择模型。在本研究中，主要探究典型的二元选择模型，其中因变量Y存在0，1之分。Logistic回归方程见式（1）:

式中:xk——自变量；

P——事件发生的概率。

1.3Probit模型简介

Probit回归也称为单位概率回归，与Logistic回归模型相似，也是拟合0-1型（确保因变量Y=1的概率介于0和1之间）因变量回归的方法，其回归函数是:

式中:Φ（·）——标准正态分布的分布函数；

p——事件发生概率；

xik——自变量；

2　实证分析

2.1问卷设计及数据来源

煤矿员工安全行为的影响因素众多，基于现有文献的研究和典型煤矿事故分析，一般将影响员工安全行为因素分为员工个人因素（α）、作业环境因素（β）和企业管理因素（γ）三类，每种类别因素下面又有若干关键子因素构成。其中，员工个人因素（α）主要包括从业年限（α1）、教育程度（α2）、员工学习能力（α3）和员工合作意识（α4）；作业环境因素（β）包括温度（β1）、湿度（β2）、噪音（β3）和瓦斯浓度（β4）；企业管理因素（γ）包括企业文化（γ1）、管理体制（γ2）、激励程度（γ3）和人员配置效率（γ4）。为理清影响因素的分布状况及其作用强度，笔者所在团队先后深入安徽省两淮煤炭基地的五大煤矿面向各层次员工开展问卷调查，对得到的众多影响煤矿员工安全行为的影响因子采用李克特五点量表法，从非常不符合到直接相关，选项分数从1至5，分值越大，表示此因素对煤矿员工安全行为的影响越大。

2.2问卷信度效度检验

运用SPPS对问卷数据进行信度效度检验，检验计算结果见表1。采用克龙巴赫α系数（Cronbach's Alpha）对问卷信度进行检验；运用探索性因子分析方法检验得到各观察变量的因子载荷系数，进行效度检验。从表1中得知，Cronbach's Alpha值都大于0.7，说明信度可接受；因子载荷系数值都大于0.7，说明问卷效度可以接受。

表1　问卷信度效度计算结果分析

2.3变量共同度分析

为更清晰的描述3个潜在变量（α，β，γ）与12个观察变量（α1，α2，α3，α4；β1，β2，β3，β4；γ1，γ2，γ3，γ4）之间的关联及变量间的关系，列出旋转后的因子散点图，见图1，图中坐标值是12个观察变量在3个公因子轴上的旋转系数投影值，这些值介于-1.0～1.0之间。从图1可以看出，瓦斯浓度、噪音、企业文化3个变量距离较近，且在公因子1轴上的投影坐标较大；从业年限、温度、湿度、教育程度、员工合作意识与学习能力在公因子2轴上的投影坐标较大；人才配置效率、激励程度在公因子3轴上的投影坐标较大。

图1　旋转后因子散点图

2.4结构方程模型验证分析

运用结构方程模型分析各个子因素之间的相关关系，标准化估计值模型见图2，图中k1、k2、k3为潜在变量误差项，e1～e12为观察变量误差项。

图2中，GFI（适配度指数）值0.958＞0.900，AGFI值（调整后的适配度指数）0.935＞0.900，PGFI（简约适配度指数）值0.626＞0.500，RMSEA为渐进残差均方和平方根，其值愈小，表示模型的适配度愈佳。卡方值（CMIN栏）为51.020，模型的自由度为51，显著性概率值p=0.473＞0.05，未达显著水平，接受原假设，表示假设模型与样本数据可以适配。此处RMSEA值为0.001，小于0.050（模型可以接受的标准），均达到模型可以适配的标准。员工个人因素、作业环境因素及企业管理层面直接对煤矿员工安全行为产生影响，路径系数分别为0.85、0.90、0.89，其数值越大表明对员工安全行为影响程度越大，越需要煤矿企业重点解决与应对这方面出现的问题。

3　煤矿企业员工安全动态预警的Logistic和Probit回归模型

3.1Logistic回归模型

从图2可知，煤矿复杂作业环境对员工安全行为能力影响程度最大，其次是企业管理决策层面。因此文中重点对员工复杂作业环境方面和企业管理层面进行动态预测，并建立动态预警模型。

图2　标准化模型图

作业环境方面不仅仅局限在煤矿矿井的瓦斯浓度、温湿度及水质方面等，员工的年龄、性别、月收入水平及如何上下班等都在某种程度上影响着煤矿员工安全行为能力。根据前期的研究成果，对其中28位矿工的年龄x1、月收入水平x2、性别x3及上下班情况x4进行详细调查，对收集到的数据运用SPSS软件进行Logistic回归分析，根据统计量的概率值P可知，x2的回归系数最不显著，x1的回归系数也不是很显著。鉴于此，删除变量x2，重新进行Logistic回归分析，修正结果见表2，分类结果见表3。

表2　修正后方程式中的变数

表3　分类表

从表2可知，在0.05的显著性水平下，x1和x3都显著。根据表2和式（1）写出Logistic回归方程为:

表3的分类结果表明:对“Y=0”的正判概率为80.0%；对“Y=1”的正判概率为69.2%。总的正判概率为75.0%，表明模型的整体拟合效果较好。

3.2模型的预测应用

与多元回归分析类似，可利用建立的回归方程进行预测。在此种情况下，模型等价于判别分析。假设有一位45岁的男性矿工，通过式（3）来判断他是否会乘坐公交车上下班。

将x1=45，x3=0代入式（3），得到该男性矿工乘坐公交车上下班的概率为0.87664，推断该男性矿工属于主要乘公交车上下班一类，即认为他将乘公交车上下班。

同时，还可以计算出优势比率:

即该男性矿工乘公交车上下班的概率相对于不乘公交车的概率比为7.10643，此比率很大，故可推断该男性乘公交车上下班。

3.3Probit回归模型

同样，文中应用Probit回归模型对煤矿员工的年家庭收入及购房意向进行研究，从矿工的购房意向中可以了解到矿工对煤矿企业的满意度以及煤矿企业管理决策的透明度，研究模型参数结果如表4所示。

从表4可知，Probit回归系数为0.094，其标准误差为0.033，截距为-0.532，自变量的显著性水平为0.005＜0.05，说明年家庭收入与Probit回归函数显著性水平很高，把相关系数代入式（2）得:

另外，从Probit回归模型的预测结果来看，残差都比较小，即预测的煤矿员工购房人数与实际购房人数非常接近，模型的整体预测效果较好。即随着年家庭收入的增加，煤矿员工的购房人数也随之增加，从式（5）可以看出，年家庭收入与煤矿员工购房人数成正相关关系。

表4　Probit模型参数评估

4　结论

（1）文中建立的安徽省两淮基地煤矿企业员工安全行为动态预警的Logistic与Probit动态模型具有较高的预测准确率，模型总体预测准确率接近75%，如果考虑模型预测误差在一个等级内，模型预测准确率约为95%，Logistic与Probit模型基本等价，正确预测的比率几乎相同。

（2）复杂环境下煤矿员工安全行为动态预警需长期规范。煤矿企业及相似的高危行业应该抓住影响员工安全行为的关键因素且从影响程度最大的指标开始，当然如果只是单方面改善某个层面的因素或许对煤矿企业员工的安全行为能力提升直接产生作用不大，但从人力资本投资角度来讲，全面提高需要较大的人力、物力及财力等，因此，从影响程度最大的指标着手是首选。

（3）动态预测可以获得更准确有效的实际贡献率。通过重新设置修正指标参数，作出动态预测模型，更能准确反映其对系统贡献的实际作用率，以此来帮助煤矿企业决策者把握投资切入点和煤矿员工安全行为指标的作用路径，进一步有效降低煤矿人因事故发生率，保障矿工生命安全。

［1］ 宋宇辰，张志启.基于ARIMA模型对我国“十二五”需求的预测［J］.煤炭工程，2012（1）

［2］ 李新春，宋学锋.基于风险预控的煤矿安全管理评价系统建立研究［J］.煤炭工程，2007（9）

［3］ 李瑞峰.中国煤炭市场分析与研究 ［J］.煤炭工程，2013（1）

［4］ Popoola Oluwatoyin Pius.拥挤环境下的异常行为检测研究［D］.哈尔滨工程大学，2012

［5］ 姚有利，于海春.基于结构方程模型的煤矿安全氛围对安全行为影响分析［J］.中国煤炭，2014（12）

［6］ 庄严.深井高温对矿工健康的影响及防治措施 ［J］.煤矿安全，2014（10）

［7］ 薛韦一，刘泽功.组织管理因素对矿工不安全心理行为影响的调查研究 ［J］.中国安全生产科学技术，2014（3）

［8］ 马鸿廉等.煤矿灾害预警影响因素仿真分析 ［J］.工业安全与环保，2014（10）

［9］ 刘汝清.煤矿安全风险预警模型研究及应用效益分析［D］.中国地质大学（北京），2014

［10］ 郭红领等.集成BIM和PT的工人不安全行为预警系统研究［J］.中国安全科学学报，2014（4）

［11］ 何刚，乔国通等.煤炭企业员工安全行为水平量化研究［J］.中国安全科学学报，2013（4）

［12］ 王君萍，白琼琼.我国能源上市企业财务危机预警研究［J］.经济问题，2015（1）

［13］ 杨亚文.国有上市公司财务危机预警模型的构建研究［D］.山东大学，2014

［14］ 蒋亚奇.基于多元Probit模型的上市旅游公司的财务预警［J］.统计与决策，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

乔国通（1982-），男，管理学硕士，讲师，主要从事安全管理、人力资本投资管理等方面的研究。

（责任编辑 张艳华）

国家自然基金（51574010），安徽高校人文社会科学重点研究基地项目（SK2014A041）