基于SEM的煤矿企业安全风险管理路径分析

王雯雯+何刚+衡连伟+夏业领

摘 要：为了提高煤矿企业安全生产水平，降低煤矿企业安全风险，基于人-环-机三个方面及事故致因理论，构建煤矿企业安全风险管理评价指标体系，并运用因子分析法和结构方程模型，验证所构建的评价指标及理论假设。进而以淮南市5个煤矿为例，进行实证分析。研究表明，煤矿企业安全风险管理受人员、环境、设备三者交互作用的影响，其中设备故障、作业人员培训以及设备完好率是影响煤矿企业安全风险管理最主要的三个因素。

关键词：结构方程模型（SEM）；煤矿企业；安全风险管理；路径分析

中图分类号：F426.1文献标识码：A文章编号：1672-1101（2017）06-0033-06

Abstract： In order to improve the safety level and reduce safety risk of coal mine enterprises， an evaluation index system of safety risk management of coal mine is built based on personnel-environment-machine system and accident causation theory. Then index system and theoretical hypothesis construction are verified by factor analysis and Structural Equation Model. An empirical analysis is carried out through taking 5 coal mines in Huainan as an example. Research shows that safety risk management of coal mine is influenced by the interaction of personnel， environment and machine. Among them， mechanical failure， employee training and the rate of mechanical integrity are the main factors.

Key words：Structural Equation Model （SEM）；coal mine enterprise；safety risk management；path analysis

2016年我国煤矿企业安全生产形势持续稳定好转，实现死亡人数和事故起数双下降，全年煤矿企业死亡人数538人，同比下降10%，共发生煤矿事故起数249起，同比下降29.3%，百万吨死亡率0.156，同比下降3.7%[1]。据统计，2017年第一季度我国发生各类煤矿事故共计30多起，造成90余人死亡，较上一年同期有较大幅度的下降。但与其他一些产煤大国及发达国家相比，我国煤矿企业安全生产水平仍存在很大差距，煤矿企业安全生产形势依然严峻。安全风险管理在煤矿企业安全生产过程中发挥着越来越重要的作用。加强和改善煤矿企业安全生产管理，通过对潜在风险进行识别和评价，降低煤矿企业安全事故发生率，已成为煤矿行业和学术界亟需解决的关键问题。提高煤矿企业安全风险管理水平，能够及时发现和控制危险源，增加煤矿企业生产的安全性。因此，安全风险管理在煤矿企业安全生产过程中发挥着越来越重要的作用。本文以煤矿企业安全风险管理为研究对象，通过问卷调查和文献研究等方式深入剖析煤矿企业安全风险管理的影响因素，构建煤矿企业安全风险管理评价指标体系，进而采用结构方程模型对建立的指标体系和理论假设进行验证分析，以期为煤矿企业安全风险管理提供理论参考。

一、文献综述

煤矿企业安全风险管理在煤矿企业安全生产过程中发挥着巨大作用。目前，国内外专家学者在煤矿企业安全风险管理方面有一定的研究。关于煤矿企业安全风险管理影响因素方面研究。美国DOW化学公司首次提出采用火灾和爆炸指数作为参数对化工生产过程的危险度进行评估[2]。随后，英国化工协会制定了《企业安全活动评价标准》和四等级评价法，将煤矿生产管理体系的操作规程、组织管理以及人员选用等活动划分为优、良、可和劣四个等级，然后各企业可根据自身的生产现状做出定性评价[3]。何刚等采用结构方程模型，从煤矿事故成因角度，进行煤矿安全风险成因耦合仿真，解析同质指标与异质指标的耦合路径[4]。关于煤矿企业安全风险管理也有大量的实证研究。庞染等利用可拓学拓展分析法通过人、机器、设备、环境、管理和文化五个因素建立风险预控模型，并选取神华集团的某两个煤矿进行实证研究[5]。刘占乾等利用工作危害分析、故障类型与影响分析、危险性与可操作性研究、能量源分析等4种危险源辨识方法建立煤矿安全风险数据库，并进行动态管理，使煤矿风险管理更加规范化、系统化[6]。尤荻等将安全风险管理要素、过程和人员逐步集成为一个有机整体，构建企业安全风险集成管理水平测评ANP模型，选取某煤矿集团下属的11个煤矿企业进行安全风险集成管理实证研究[7]。汪莹等从人员、环境、设备及管理四个方面构建煤矿安全生产预警指标体系，并利用粗集-支持向量机构建煤矿安全风险预测模型，进而以煤矿瓦斯爆炸风险预测为例进行实证研究[8]。刘海滨等利用人工神经网络自适应共振理论的ART-2算法，结合建立的风险评价指标体系，以山西省的9家煤矿为例进行实证研究[9]。

综上所述，目前学者对于煤矿企业安全风险管理的研究成果很多，在内容和方法上都较丰富，但是结合结构方程模型对区域煤矿企业安全风险管理路径的研究还比较少。本文以淮南市5个煤矿为例进行研究，通过文献研究和问卷调查确定煤矿企业安全风险管理的关键影响因素，提出各影响因素之间关系的理论假设，运用结构方程模型进行验证，并对每个因素的影响方式和影响程度进行分析，进而为案例煤礦企业安全风险管理提出合理化对策建议。endprint

二、煤矿企业安全风险管理指标获取及理论假设

（一）指标获取

在对国内外相关文献进行系统分析的基础上，综合考虑煤矿事故致因理论并结合问卷调查从人员的不安全行为、物的不安全状态以及作业环境的不安全等3个维度对煤矿企业安全风险进行识别和筛选，提取出可能影响安全风险的14个关键因素。主要包括作业人员从业年限（VA1）、操作违章率（VA2）、作业人员培训率（VA3）、作业人员持证率（VA4）、作业人员受教育年限（VA5）、作业人员安全激励频率（VA6）、瓦斯浓度（VB1）、温度（VB2）、噪音（VB3）、粉尘浓度（VB4）、应急装置配备率（VC1）、防护装置配备率（VC2）、设备故障率（VC3）、设备完好率（VC4）。

借助SPSS20.0软件对问卷数据进行因子分析，先对14个因素进行初次因子分析，剔除公因子方差小于0.5的因素，作业人员受教育年限（VA5）与作业人员安全激励频率（VA6）的公因子方差均小于0.5，予以剔除。对其余的12个因素再次进行因子分析，由输出结果可知，KMO值为0.732>0.5，Bartlett球形度检验的P值为0.000.05，说明问卷获得的数据可用于因子分析。按照因子提取原则（特征值大于1.5），可提取出3个主成分，并用最大方差法对因子进行正交旋转，3个主成分累计解释的总方差为75.618%，说明问卷数据的收敛效度较好。由旋转成分矩阵可以看出VA1、VA2、VA3、VA4在第1个主成分的因子载荷值较高，VB1、VB2、VB3、VB4在第2个主成分的因子载荷值较高，VC1、VC2、VC3、VC4在第3个主成分的因子载荷值较高。根据各组因素的特性，可以将主成分1看作员工个人因素，主成分2看作环境因素，主成分3看作设备因素，具体如表1所示。

（二）相关理论假设

综合以上分析可知，煤矿企业安全风险管理主要与员工个人、环境、设备等因素有关，在此基础上提出以下理论假设：

H1：员工个人因素与环境因素之间有显著的相互影响；

H2：员工个人因素与设备因素之间有显著的相互影响；

H3：环境因素与设备因素之间有显著的相互影响；

H4：员工个人因素对煤矿企业安全风险管理有显著影响；

H5：环境因素对煤矿企业安全风险管理有显著影响；

H6：设备因素对煤矿企业安全风险管理有显著影响。

三、实证分析

鉴于煤矿企业安全风险管理影响因素众多，而且相互之间作用关系错综复杂，很难用简单的线性关系进行描述。本文采用结构方程模型进行分析，这是一种能够同时估计多个潜在变量和观察变量间路径关系的模型，而且能够直观地反映出各变量之间的相互关系和影响程度。

（一）数据来源

运用问卷调查法对煤矿企业安全风险管理影响因素进行研究，通过预调研与文献研究来确定外因量表与内因量表。量表采用李克特五级量表的模式进行设计，以便利用SPSS20.0进行数据分析处理。对淮南市矿业集团下属的五个煤矿进行调查，共回收问卷187份，其中有效问卷179份，调查样本涉及煤矿企业基层作业人员以及基层管理班组长。

（二）信度效度检验

为了确保结构方程模型的准确性，需要运用SPSS20.0软件对问卷数据的信度和效度进行检验。采用克龙巴赫α系数对问卷的信度进行检验，运用探索性因子分析对问卷的效度进行检验。具体结果如表2所示。

由表2可以看出，各观察变量的平均值基本在4.3上下波动，标准偏差基本在1.0上下波动，说明问卷获取的数据较稳定。各变量的α系数都大于0.7，说明问卷的信度是可接受的。各观察变量的因子载荷量都大于0.7，说明问卷具有较高的效度。

（三）初始模型构建

根据上述分析及相关理论假设，构建初始结构方程模型，如图1所示。该模型中共有29个变量，其中观察变量12个，潜在变量17个，外因变量16个，内因变量13个。

（四）模型验证

根据问卷调查获取到的数据运用AMOS软件对初始结构模型进行验证，模型图的卡方值为65.960，自由度为54，显著性概率值p=0.127>0.05，未达到显著性水平，接受虚无假设，表明假设模型图与观察数据契合。AGFI值=0.924>0.900，GFI值=0.947>0.900，CN值=218>200，RMSEA值=0.033<0.05，均达到模型可以适配的标准，表明假设模型与观察数据能适配。部分运行结果如表3所示。

从表3中可以看出，提出的6个因果假设中，所有的路径参数的临界比C.R.值都大于2.58，说明各参数估计值都达到了0.01显著水平，即模型具有较好的拟合度。

表4中的M.I.值说明如果在误差变量e7与误差变量e8间再增加1条相互关系路径，那么就会减少6.766的卡方值，而且初始模型的拟合度就会更好。对模型进行修正后的拟合结果见图2。

修正后模型的卡方值为56.996，自由度由54變为53，显著性概率p=0.329>0.05，未达到显著性水平，接受虚无假设，表明假设模型图与观察数据契合。AGFI值=0.934>0.900，GFI值=0.955>0.900，CN值=248>200，RMSEA值=0.019<0.05，均达到模型可以适配的标准，表明假设模型与观察数据能适配。

（五）结果分析

从修正后的标准化系数可知，三个潜在变量与12个观察变量间的因素负荷量分别为0.80、0.79、0.81、0.68、0.74、0.70、0.68、0.71、0.65、0.76、0.86、0.81，可以看出各因素负荷量均介于0.50～0.95之间，表示模型适配良好。

1.员工个人因素→安全风险管理的路径系数为0.39，环境因素→安全风险管理的路径系数为0.26，设备因素→安全风险管理的路径系数为0.35，表明三个要素对安全风险管理均能产生影响，其中员工个人因素对安全风险管理的影响最大，设备因素的影响其次。说明假设H1、H2、H3成立。endprint

2.员工个人因素与设备因素间相互关系的路径系数为0.79，员工个人因素与环境因素间相互关系的路径系数为0.74，设备因素与环境因素间相互关系的路径系数为0.8。各系数都远大于0，说明员工个人因素、环境因素以及设备因素三个维度的各因素对安全风险管理的影响不是简单的线性关系，而是更为复杂的多因素斜交关系。说明假设H4、H5、H6成立。

3.员工个人因素方面，根据其各子指标的因素负荷量的大小可以看出，作业人员培训率（VA3）对安全风险管理的影响程度最大（0.81），表明对作业人员进行培训可以提高他们的安全意识和专业知识水平，从而提高他们的安全作业率。作业人员持证率（VA4）对安全风险管理的影响程度最小（0.68）。说明井下作业人员大多都是低学历，持证上岗的意识比较薄弱，但是部分员工工作年限较久，也积累了大量的工作经验。

4.环境因素方面，根据其各子指标因素负荷量的大小可以看出，瓦斯浓度（VB1）对安全风险管理的影响程度最大（0.74），主要是由于瓦斯混入煤层时，会使煤尘爆炸的下限浓度降低，瓦斯浓度越大，煤層爆炸的下限浓度越低，从而导致煤矿安全事故的发生。噪音（VB3）对安全风险管理的影响程度最小（0.68），表明噪音通过影响煤矿员工的行为对煤矿企业安全生产产生影响，但不是影响煤矿企业安全生产的最主要因素。

5.设备方面，根据其各子指标因素负荷量的大小可以看出，设备故障率（VC3）对安全风险管理的影响程度最大（0.86），主要由于设备在工作过程中如果发生故障，会影响工作的正常进行从而增加事故的发生率。应急装置配备率（VC1）对安全风险管理的影响程度最小（0.65）。表明应急装置能够为煤矿企业安全生产提供保障，但不是影响煤矿企业安全生产最主要的因素。

四、对策建议

人、环境、设备三方面存在着复杂的相互作用关系，煤矿员工个人不仅对煤矿企业安全风险管理有直接影响，还通过环境和设备对煤矿企业安全风险产生间接影响，环境和设备亦是如此。所以，煤矿企业决策者在安全风险管理方面要综合考虑三者之间的关系，从三个方面同时着手，缺一不可。

1.员工个人方面。由结论分析可知，作业人员培训率和作业人员从业年限对煤矿企业安全风险管理影响程度较大，操作违章率和作业人员持证率影响程度次之。因此，煤矿企业应加强员工的培训工作，增加员工培训次数并提高员工培训质量来增强员工的风险管理意识。同时，安排从业年限较高、经验丰富的员工在作业面工作，他们能够及时处理一些突发情况。此外，要对员工违章行为予以严重处罚，制定专门的违章处罚规定，把员工违章行为与工资绩效挂钩，降低员工违章率，从而提高煤矿企业安全风险管理水平。

2.作业环境方面。由结论分析可知，井下瓦斯浓度和粉尘浓度对煤矿企业安全风险管理影响程度较大，井下温度和噪音强度影响程度次之。因此，煤矿企业要增设各种传感器对井下瓦斯浓度、粉尘浓度以及噪音强度进行实时监控，当各指标值超出合理范围时，及时进行处理。同时，做好井下作业环境的通风工作并增加井下的降温装置，有利于降低井下温度和瓦斯浓度。通过增加瓦斯抽放时间，也可以降低井下瓦斯浓度。此外，增设吸音装置，可以降低作业环境中的噪音强度，为煤矿企业员工提供一个良好的作业环境，从而降低煤矿企业事故发生率。

3.设备方面。由结论分析可知，设备故障率和设备完好率对煤矿企业安全风险管理影响程度较大，应急装置配备率和防护装置配备率影响程度次之。因此，煤矿企业应经常检修机械设备并及时更新技术落后和存在故障的设备，以降低设备在工作过程中发生故障的频率。同时，增加井下防护装置和应急装置的配备，为员工井下作业提供良好的硬件设施。此外，增加对煤矿员工的设备操作培训，降低煤矿员工设备操作的出错率，从而使得煤矿企业安全风险防范工作更加全面。

参考文献：

[1] 中国煤矿市场网. 2016全国煤矿百万吨死亡率0.156[EB/OL].（2017-01-17）[2017-05-08].http：//www.cctd.com.cn/show-176-157960-1.html

[2] 乔国厚. 煤矿安全风险综合评价与预警管理模式研究[D].武汉：中国地质大学博士学位论文，2013.

[3] 王朝飞，蔡立勇，夏妮，等. 基于事故致因理论分析煤矿安全事故[J].工业安全与环保，2009（6）：46-48.

[4] 何刚，朱艳娜，张贵生，等.基于SEM的煤矿员工安全风险成因耦合模型[J]. 矿业安全与环保，2016（6）：103-106.

[5] 庞染，阮平南.基于可拓学理论的煤矿企业安全风险预控评价体系研究[J].风险管理，2014（2）：99-101.

[6] 刘占乾，陈全.煤矿企业安全风险信息系统的建立[J].煤矿安全，2015（1）：227-229.

[7] 尤荻，戚安邦.煤矿企业安全风险集成管理系统及其ANP测评模型研究[J].中国安全科学学报，2011（1）：60-65.

[8] 汪莹，蒋高鹏.RS-SVM组合模型下煤矿安全风险预测[J].中国矿业大学学报，2017（2）：423-429.

[9] 刘海滨，李光荣，刘欢，等.基于ART-2人工神经网络的煤矿安全风险评价[J].中国安全生产科学技术，2014（2）：81-85.

[10] 曹庆仁，李凯，刘丽娜.煤矿安全文化对员工行为安全影响作用的实证研究[J].中国安全科学学报，2011（4）：143-149.

[11] 杨军.煤矿安全风险评价与预警研究[D].徐州：中国矿业大学博士学位论文，2013.

[12] 苗成林，孙丽艳，杨力，等.基于结构方程模型的煤矿企业应急救援能力评价研究[J].中国安全生产科学技术，2014（2）：106-113.

[责任编辑：范 君 李 丽]endprint