基于结构方程模型的管制员应激影响因素研究

刘继新，尹旻嘉，朱学华

(南京航空航天大学 民航学院，江苏 南京 211106)

基于结构方程模型的管制员应激影响因素研究

刘继新，尹旻嘉，朱学华

(南京航空航天大学 民航学院，江苏 南京 211106)

分析了影响管制员应激行为的主客观因素，建立了管制员应激影响因素结构方程模型，并通过路径系数图直观表示潜在变量与观测变量之间联系，实现对应激影响因素的实证研究.对某空管局200名管制员定量测量数据进行分析，结果表明, 管制能力对管制员应激调节能力影响最强(0.69),安全氛围对管制员应激中介效应最强(0.40)，扇区复杂度通过管制能力、操作安全性等中介因素间接对管制员应激调节能力产生影响.本文得出的结论对于更有针对性的加强管制员应激影响因素管理具有重要的现实意义.

应激(源)；结构方程模型；安全氛围；中介效应

管制员作为空中交通的指挥者，是保证航空器安全运行的重要组成部分，其可靠性将直接影响民航运输系统的整体协调性.随着我国空中交通流量的不断增长，管制员需要在有限的空域环境中负责更多航空器的安全，高强度、高密度的工作环境会促使应激行为的产生，由此人为因素引起的事故或事故症候率逐年增加.如何有针对性地使管制员在工作时处于最佳状态，切实避免人为差错，保证指挥过程的安全稳定性，将成为我国民航安全研究领域的关注重点.

由于我国航空业起步较晚，国内对管制员应激行为研究几乎处于空白阶段，国内外学者主要关注管制员情景意识及人为差错的研究[1-2].相比较于这两方面，应激行为特点在于它是人们在处于紧急情况下做出的应对反应，它对及时性和危险程度关注度更高.目前应激研究在地面交通及煤矿业应用较为广泛，机动车驾驶员需要在紧急情况下及时做出正确操作反应，否则易引发交通事故，这就需要具体细化应激反应过程[3-4].煤矿业作为安全研究的初始行业，其安全行为同样与应激行为息息相关，通常涉及到组织安全行为、企业安全运行、安全文化等因素[5].为了研究这些因素之间的因果关系，相关高危行业的研究学者选择采用结构方程模型的方法来验证[6-7].

工作应激行为的产生与工作本身、组织中的角色、工作中的关系、职业发展等因素密切相关[8]，而这些因素通常通过心理行为和认知反应形式出现，难以具体测量.对于一个含有双向影响、循环作用和测量误差等因素的复杂关系结构而言，传统统计方法是很难对其做出科学分析的.20世纪70年代中期，瑞典统计学学者Karl G·Joreskog[9]提出了结构方程模型(Structural Equation Modeling，简称 SEM)，这是一种可以有效处理及检验观测变量和潜在变量、潜在变量和潜在变量之间关系的多元统计方法，为根据观测变量间假设的因果关系建立具体的因果模型提供了一套有效的方法，使用其他可测量因素来反应不可测变量之间关系，并用路径系数图来明确指定变量间的因果联系，已经成为经济学、管理学、心理学、行为科学等领域的重要研究工具[10-11].综上，本文将结构方程模型用于分析管制员应激反应，克服了应激不可测的不足，通过详细分析管制员的实际指挥过程，并结合主客观因素，建立管制员应激反应影响因素模型，并通过结构方程模型进行验证，弥补了我国关于管制员应激研究量化的空白.

1 管制员应激影响因素结构模型算法

1.1 探索型因子分析

通过分析管制员日常工作实际情况，结合其他学者使用频率较高的应激测量量表工具，包括职业紧张调查表[12]、社会再适应量表[13]及民航飞行员心理应激问卷，重点关注安全氛围[14]、应激调节能力[15]等维度设计管制员应激测量量表，并进行信度与效度检验，评估Cronbach系数及KMO值，确认调查问卷符合测试要求，从而定义观测变量，完成数据的收集和分析.

1.2 结构方程模型

1.2.1 模型算法

SEM方程主要通过观测指标来验证观察变量之间的假设关系.所以可以将其分为测量模型和结构模型两部分.测量模型主要用来分析潜在变量与观测变量之间的关系，通过主成分抽取方法从问卷调查确认的观测变量中抽取因子结合模型实际情况，得出潜在变量.结构模型正是用来分析各潜在变量之间的关系.

测量模型的方程式包括：

X=λxξ+δ

(1)

Y=λyη+ε

(2)

其中:X=(x1,x2,…xq)T是指外源观测指标；ξ=(ξ1,ξ2,…ξn)T是指外源潜在变量；λx是指X对ξ的回归矩阵，表示指标与潜在变量之间的关系；δ=(δ1,δ2…ηq)T是指〗X的测量误差；Y=(Y1,Y2…Yp)T内生观测指标；η=(η1,η2…ηm)T内生潜在变量；λy是指Y对η的回归矩阵，表示指标与潜在变量之间的关系；ε=(ε1,ε2…εp)T是指的测量误差；

结构模型的方程式包括：

η=Bη+Γζ+ζ

(3)

其中:B内生潜在变量之间的关系，即系数矩阵；Γ=外源潜在变量对内生潜在变量的影响，即系数矩阵；ζ=模型内所包含的变量及变量间关系未能解释的部分.

模型通常假设，ζ和ξ不相关，ε与δ不相关，而且与潜在变量也不相关；B非奇异；且E(η)=E(ζ)=0.

同时分别记ξ、ζ、ε、δ的协方差矩阵COV(ξ)、COV(ζ)、COV(ε)、COV(δ)为Φ、Ψ、Θε、Θδ.

目前主要有两大类估计技术可用来构建结构方程模型.一种是基于最大似然估计的协方差结构分析方法，往往被称为“硬模型”(Hard Modeling)，以LISREL方法为代表；另一种则是基于偏最小二乘法的方差分析方法，被称为"软模型"，(Soft Modeling)，以PLS方法为代表.前一种方法诞生较早且应用较广，在广大学者的不断努力下，已经趋于成熟，后一种方法即PLS方法提出的时间较晚，仍需要加以完善.为了能够明确直观的表示指定变量之间的因果关系，本文选用LISREL路径图示法，LISREL方法通过拟合模型估计协方差∑(θ)与样本协方差S来估计模型参数.具体来说，就是使用极大似然(Maximum Likelihood, ML)方法，构造模型估计协方差与样本协方差的拟合函数，然后通过迭代，得到使拟合函数值最优的参数估计.

1.2.2 验证性因子分析

根据实际情况，对潜在变量之间的关系进行假设，并对测量模型外源观测指标及潜在变量建立回归方程式，通过分析统计检验值(T值)，根据T分布进行显著性水平检验，只有当T检验值大于1.96时，置信度≥95%，表示两变量之间关系显著，否则拒绝原假设，从而完成假设模型的验证性因子分析，进而对模型进行评估.

为了评估理论模型与样本数据模型之间的拟合程度，更好地阐释变量间的关系，最大程度描述数据特征，通常需要求出拟合指数[16]模型加以判断.本文采用9个指标来判定，检验结果见表2，卡方自由度比(normed chi-square;χ2/df)介于1～3之间时，表示模型适配度良好；规范拟合指数(normed fit index; NFI)、非规范拟合指数(non-normed fit index; NNFI)、比较拟合指数(comparative-fit index; CFI)与调整后拟合优度指数(adjusted goodness-of-fit index; AGFI)都大于标准0.9时表示拟合度较好，标准化残差均方根(root mean square residual; RMR)小于0.08时表示拟合度较好，小于0.1时表示模型中度拟合，近似误差均方根值(root mean square error of approximation; RMSEA)要求小于0.1，模型只有达到以上标准，表示模型能够很好地拟合所有数据，从而得到最终结构方程模型.

本文将通过以下流程来建立完整的结构模型，最终经过不断修正，进行模型评估，最终确立变量之间关系，具体流程如图1所示.

图1 结构方程模型建立及验证流程图

2 管制员应激影响因素结构方程模型建立

2.1 问卷设计

本次问卷针对某空管局一线空中交通管制员，共设计30个观测变量.经过信度与效度分析，剔除量表中不一致问题后，共有28个条目，采用主成分抽取方法抽取特征根大于1的主成分，输出的6个因子，定义为潜在变量，分别为扇区复杂度、安全氛围、管制能力、管制效率、应激调节能力和操作安全性.根据旋转后的因子负荷矩阵定义因子，其中8个条目为反向计分，20个为正向计分.各维度关键因子测评指标见表1.测量方法采用李克特(Likert)五点测量法，问卷的设计根据不同的测量项分级，进行5级计分.这次测试采用随机抽样的方式抽取测试人员，共发放问卷200份，经剔除，合格问卷为182份.有效问卷率为90.1%.

2.2 信度与效度检验

将收集结果采用数据分析软件SPSS19.0进行问卷信度和效度检验.一般情况下, 若Cronbach系数<0.35为低信度, 0.35≤Cronbach系数<0.7则尚可, 若Cronbach系数≥0.7则属于高信度[17].

经分析，该空管单位扇区复杂度的效度与信度为：KMO值为0.710，Cronbachα系数为0.770；安全氛围的效度与信度为：KMO值为0.696，Cronbach系数为0.745；管制能力的效度与信度为：KMO值为0.787，Cronbachα系数为0.740；管制效率的效度与信度为：KMO值为0.787，Cronbachα系数为0.740；应激应对能力的效度与信度为：KMO值为0.787，Cronbach系数为0.740α；操作安全性的效度与信度为：KMO值为0.787，Cronbach系数为0.740.结果表明，调查问卷数据具有一定的可信度，适合进行因子分析.

表1 问卷调查测量量表

2.3 定义潜在变量

House J·S[18]在1974年提出职业应激模式，他认为职业应激模式由五部分组成：客观的外部环境产生应激、个体感觉到应激、个体对应激的反应(生理层面的、行为层面的和认知情感层面的反应)、应激结果的症状，以及个人或情境的制约.其中前四个部分均受第五部分，即个人或情境因素的影响和制约，感觉到的应激与对应激的反应交互作用，对应激的反应可能进一步成为新的应激反应，进而为个体所感知.所以本文从主、客观两个角度出发，以个体影响因素为主，通过咨询多位一线管制员和专家的意见，将主成分抽取方法抽取出的6个因子定义为以下潜在变量.从客观性出发，将管制员工作外部环境定义为扇区复杂度、安全氛围两个维度，包含工作本身及管理层对管制员工作的重视程度；从主观性出发，将管制员自身适应能力定义为管制能力、管制效率、操作安全性和应激调节能力，包含管制员工作熟练程度、自律性以及对相关职业应激反应.

2.4 模型关系假设

根据管制工作中实际情况作出如下假设：

1)扇区复杂性对管制能力、管制效率、应激调节能力具有显著的正向影响；

2)安全氛围对管制效率、操作安全性为有显著的正向影响；

3)操作安全性、管制能力对应激调节能力有显著的正向影响；

4)管制能力对管制效率有显著的正向影响；

3 模型修正及评估

3.1 模型修正

首先对假设的模型进行验证性因子分析，本文提出的模型在这一过程中建立的测量模型外源观测指标的28个回归方程式和矩阵方式如下：

X1=λ11ζ1+δ1

X2=λ21ζ1+δ2

X3=λ31ζ1+δ3

X4=λ41ζ1+δ4

⋮

X28=λ286ξ6+δ28

(4)

(5)

同样的对于其他指标也可建立回归方程式，最后结果如图2所示，图2中数值为统计检验值(T值)，根据T值分布进行显著性水平检验.

图2 初始模型T-Value分布图

以此为模型修正依据，拒绝T检验值不合格的假设关系：扇区复杂性对管制效率具有显著的正向影响，扇区复杂性对应激应对能力为有显著的正向影响，最终得到完整的模型，如图3所示，图中表明所有假设关系T检验值均符合显著性要求，假设成立.

图3 最终模型T-Value分布图

3.2 模型评估

通过模型修正，最终得到应激调节能力影响因素结构方程模型的标准化路径系数图，图4中数值反应了各变量之间的影响程度及影响方向.

对已建立好的模型进行拟合指数探究，测量8个拟合指标，表2显示本模型具有更好的拟合度与显著性.最终模型如图4所示，与修正前模型相比较，能够很好的解释变量之间的关系.

图4 应激应对能力影响因素结构方程模型标准化路径系数图

表2 最终模型拟合指数与检验标准

3.3 模型分析

外源潜变量与内生潜变量之间标准化路径系数如图所示，可以看出，安全氛围对管制安全性直接正向影响最高，路径影响系数为0.73，对管制效率影响次之，路径系数只有0.26，属于中等影响层次，对管制能力及应激行为没有显著影响，但其通过操作安全性间接影响应激调节能力，路径影响系数为0.40；而扇区复杂度只对管制能力具有较强的显著性影响，路径系数为0.54，并通过管制能力进而对管制效率产生较强的间接正想影响，路径系数为0.37.内生潜在变量之间，管制员管制能力越高，则直接提升其管制效率，自身应激调节能力就越强.从以上分析结果可以看出，管制员工作的外部环境和自身的工作适应能力共同作用于应激调节能力，其中工作环境间接影响管制员行为，从而从宏观层面促使管制员能够逐渐降低应激行为带来的影响.

4 结 语

本文通过设计调查问卷收集数据，运用结构方程构造了完整的安全氛围、扇区复杂度以及管制员自身因素对应激调节能力的影响关系模型，模型整体拟合度达到要求.

研究结果表明：1)扇区复杂度、安全氛围通过管制能力、管制效率及操作安全性中介因素对管制员应激调节能力产生影响，其中安全氛围对操作能力直接影响效应最强(0.73)，这表明管制单位能够通过制定有效的操作规范，使管制员能够按照安全标准进行指挥，从而操作能力大大提高；2)当管制员自身管制能力和操作安全性提高时，能够避免更多不安全事件的发生，自身的应激调节能力也随之提高；3)人们通过外在行为活动反映其心理认知反应，模型表明管制能力及操作安全性高低能够较为明显地反映管制员在工作过程中感知到的压力程度，管理层可通过这三个方面间接监测管制员个人心理动态，消除管制过程中的潜在威胁.

利用上述分析的结果，可以通过以下途径提高管制员应激调节能力，达到提升空管工作安全性的目的：建议空管局管理层要加强安全氛围建设，定期对管制员进行安全培训，实时监督管制工作的操作安全性与规范性；同时关心管制员的心理活动，积极沟通工作中存在的安全问题，巩固管制员管制能力基础，降低不安全因素，实现从内外两方面综合管理管制过程中可能存在的安全隐患.

[1] MARK P R. Emotional dissonance in ATC: the role of stress factors upon performance and safety [J]. Controller, 2012, 51: 12-14.

[2] 闫少华. 基于信息加工模型的管制员差错分类与分析[J]. 中国安全科学学报, 2009, 19(8): 121-125.

[3] 赵炜华, 刘浩学, 刘 玮, 等. 城市道路环境中驾驶人应激反应能力研究[J]. 中国安全科学学报, 2011, 21(7): 10-14.

[4] 陈 春. 道路交通事故的影响因素研究——基于结构方程模型的实证研究[J]. 中国安全生产科学技术, 2014(5): 110-116.

[5] 王 茜, 栗继祖. 煤矿安全从业人员工作满意感与应激水平、自我效能感的关系[J]. 中国安全科学学报, 2007, 17(2): 35-38.

[6] 王 红, 霍莉钦, 蒋晓燕, 等. 急救人员心身健康影响因素的结构方程研究[J]. 中国急救复苏与灾害医学杂志, 2008, 15(4): 209-211.

[7] 梁振东. 组织及环境因素对员工不安全行为影响的SEM研究[J]. 中国安全科学学报, 2012, 11(11): 16-22.

[8] 卢彩玲. 心理应激的模型化方法及应用[D]. 北京: 北京化工大学, 2014.

[9] JORESKOG K G. A general method for estimating a linear structural equation system [J]. Ets Research Bulletin,1970(2): 43.

[10] AL-REFAIE A. Factors affect companies’ safety performance in Jordan using structural equation modeling [J]. Safety Science, 2013, 57: 169-178.

[11] TAKAYA M, HASEGAWA Y. An analysis of the relation between stress coping profile and job stress using structural equation modeling (SEM) [J]. Journal of occupational health, 2010, 52(5): 209-215.

[12] WILLIAMS S, COOPER C L. Occupational stress indicator [M]. Lanham: A book of resources, 1997. 251-276.

[13] HOLMES T H, RAHE R H. The social readjustment rating scale[J]. Journal of psychosomatic research, 1967, 11(2): 213-218.

[14] 叶新凤．安全氛围对矿工安全行为影响—整合心理资本与工作压力的视角[D]. 徐州: 中国矿业大学, 2014.

[15] 梁宝勇. 应对研究的成果、问题与解决办法[J]. 心理学报, 2002, 34(6): 643-650.

[16] 温忠麟, 侯杰泰, 马什赫伯特. 结构方程模型检验:拟合指数与卡方准则[J]. 心理学报, 2004, 36(2): 186-194.

[17] 薛 薇. SPSS统计分析方法及应用[M]. 北京: 电子工业出版社, 2009.

[18] HOUSE J S. Occupational stress and coronary heart disease: A review and theoretical integration [J]. Journal of Health and Social Behavior, 1974: 12-27.

Research on controllers’ stress impact factors based on structural equation modeling

LIU Ji-xin, YIN Min-jia, ZHU Xue-hua

(School of Civil Aviation, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China)

The subjective and objective factors affecting controllers’ stress behavior was analyzed. The structural equation model of controllers’ stress impact factors was established, and a empirical study about stress impact factors was conducted by intuitively representing the relationship between latent variables and observed variables through path coefficient graph. Quantitatively measured data of 200 air traffic controllers at a certain ATMB in China was analyzed. The results showed that control capability had the most powerful impact on controllers’ stress adjustment ability (0.69), and safety climate influenced controllers’ stress mediating effect the most (0.40), and sector complexity exerted indirect impact on controllers’ stress response ability through mediating factors such as control capability and operational safety. The conclusions drawn in this paper has realistic meaning in efficient and pertinent management of controllers’ stress impact factors.

stress (or); structural equation model; safety climate; mediating effect

2006-03-12.

刘继新(1966-)，男，博士，副教授，硕士生导师，研究方向：交通运输规划与管理.

V325

A

1672-0946(2017)02-0251-06