0引言
当前，由于我国煤炭开采条件复杂，煤矿信息化水平较低，煤矿安全管理水平尚不成熟等众多因素，致使我国成为世界煤矿安全事故发生频率较高国家之一［1］。及时准确地识别煤矿安全风险因子，剖析煤矿安全风险因子的作用机理，提升煤矿安全风险管理水平，实现煤矿本质化安全生产与运行，已成煤炭工业急需解决的问题［2］。研究表明，高效地煤矿安全风险管控能力有利于减轻煤矿安全事故损失，降低煤矿安全事故发生率，提升煤矿安全管理效率［3－5］。本文在总结国内外学者关于煤矿安全风险研究成果的基础上［6－8］，以煤矿本质化安全生产为目标，根据近年来我国煤矿安全事故发生的特点，对我国煤矿安全风险因子进行有效地识别，从而构建构建煤矿安全风险因素结构模型，并针对模型进行有效性和实用性检验，探析各风险因素对煤矿安全事故的作用路径及影响程度，从阻隔煤矿安全风险演化路径的视角为防控煤矿安全风险提供新思路。煤矿安全风险管理是指运用各种风险管理技术和方法，对煤矿可遇到的各种风险进行识别、评价以及防控，从而降低煤矿安全事故发生和减轻安全事故损失。刘海滨［9］(2014)运用AＲT－2人工神经网络法从人员、设备、环境、管理、技术5个维度构建煤矿安全风险评价模型，仿真效果达77．78%。庞柒［10］(2014)借助主－客体理论从组织、人才、制度和资金4个因素构建煤矿企业长效安全评价体系。高建明、魏利军［11］(2007)通过分析日本安全生产管理从伤害预知预警(KTY)角度为我国煤矿安全风险管理提出新建议。李斌、王志军［12］(2013)从从业人员、机械设备、工作环境、组织管理、安全信息和企业文化6个维度构建煤矿本质安全管理的SVM模型，提升煤矿安全管理非线性模型的预测能力。钱敏、穆丹丹［13］(2008)运用多级综合评价模型，从环境、设备、人员和信息4角度构建煤矿安全评价模型。刘国安、杨怀玉［14］(2015)基于安全监管的角度提出防范煤矿零星事故的风险管控策略。
1研究样本与研究变量
1．1研究样本
基于保障潜变量特征被测量项正确反映的前提下，依据调查便利性和经济性原则，本文针对徐州矿务集团(3个，120份)、潞安矿业集团(2个，50份)和淮南矿业集团(4个，150份)的9个煤矿进行样本采集。问卷主要从21个维度对煤矿安全风险因素进行识别，从63个测量项对煤矿安全风险因素进行测量，测量表采用Likert5级测量法。在相关人员的支持下，共发放问卷共270份，回收问卷243份。通过初步整理与分析，剔除回收问卷中16份信息不完整问卷，最终获取有效问卷227份，有效问卷率84．07%。
1．2研究变量识别
煤矿安全风险管理是实现煤矿本质化安全的关键，安全风险的高低决定煤矿安全事故的发生频率以及损失幅度。管理是否科学、设备是否先进、环境是否安全、信息是否畅通等因素将对煤矿安全产生重要影响。依据上述调研数据，本文运用SPSS17．0的“Analyze(DataＲeduction(Factor”功能，对调研的各变量展开信度与效度的检验分析，信度分析用CITC值和Cronbach’sAlpha值检验，效度分析用KMO和Bartlett球形检验，信度检测见表1。表1显示，总体Cronbach’s值0．913，除作业环境友好性一项Cronbach’s值小于0．7之外，其余各项Cronbach’s均大于0．7，CITC均大于0．5，因此其余各项因子有效。作业环境友好性因子未通过检验，剔除该因子，最终煤矿企业安全事故风险因子为22项。通过计算，KMO=0．841＞0．5(参考标准)，因此数据较适合因子分析。同时Barlett球形度检验的F值为0．000，表明煤矿企业安全事故风险影响因素的指标数据呈正态分布，符合SEM对数据分析要求［15］。因此，该问卷信度、效度均达标。
1．3研究变量设计
层次聚类分析(ClassifiedAnalysis)又称树聚类分析，通过反复对复层次式构架的数据进行聚合与分裂，从而构造一个层次聚类问题解，通常运用自底向上或自顶向下两种分裂式层次聚类［16］。层次聚类凭借控制聚类粒度灵活性和表达簇间层次关系清晰性的优点，广泛应用于管理学、经济学、行为性等领域，有效寻找各类数据集的“自然属性”［17］。当前，层次聚类分析法主要有粗聚类算法(ＲCOSD)、Hungarian聚类算法、快速聚类算法三种方式［18］。本文选用SPSS17．0的“Analyze(Classify(Hierarchi-calCluster”功能对上述甄别的22项风险因子进行聚类分析，寻找风险因子的“自然属性”，确定风险因素层次，聚类结果见表2。表2显示，通过因素聚类分析，煤矿企业安全事故风险因素最终分为5层次较合理，其分别是管理风险、设备风险、信息风险、环境风险、人因风险。
2研究假设
煤矿企业安全事故通常是由各风险有效迭加导致的，结合《中国煤炭事故暨专家点评集》，表明煤矿安全事故约92%是人因所致［19］，人因风险是煤矿安全事故主要诱因，管理风险、设备风险、信息风险及环境风险都是围绕行或通过人因风险作用。因此，令人因风险层的6个风险因子为内源潜变量，其余4个风险层的16个风险因子为外源潜变量，由此提出假设如下。
2．1外源潜变量对内源潜变量影响假设
Ha1:工作技能与经验影响因素有:制度与规程建设、安全教育培训、管理人员素质、安全重视与投入、设备机械化与先进度、设备检修与维护、信息预测水平、作业场所安全性;Ha2:员工风险处理水平影响因素有:制度与规程建设、安全教育培训、应急体系与救援能力、设备机械化与先进度、设备故障率、设备检查与维护、信息采集质量、信息处理效果、信息预测水平;Ha3:安全态度与责任影响因素有:制度与规程建设、安全教育培训、管理人员素质、安全监督与检查、安全重视与投入、应急体系与救援能力、设备机械化与先进度、设备故障率、设备检查与维护;Ha4:不安全行为影响因素有:制度与规程建设、安全教育培训、管理人员素质、安全监督与检查、安全重视与投入、设备机械化与先进度、设备故障率、设备检查与维护、信息采集质量、信息处理效果、信息预测水平、粉尘浓度、瓦斯水平、通风条件;Ha5:安全心理影响因素有:安全教育培训、管理人员素质、安全监督与检查、安全重视与投入、应急体系与救援能力、设备故障率、信息采集质量、信息处理效果、信息预测水平、作业场所安全性、粉尘浓度、瓦斯水平、通风条件;Ha6:安全生理影响因素有:制度与规程建设、管理人员素质、安全重视与投入、应急体系与救援能力、设备机械化与先进度、粉尘浓度、瓦斯水平、通风条件。
2．2内源潜变量因素之间相互影响假设
Hb1:工作技能与经验受员工风险处理能力、安全态度与责任和不安全行为影响;Hb2:员工风险处理能力受工作技能与经验、安全态度与责任、不安全行为影响;Hb3:安全态度与责任受工作技能与经验、风险处理能力和不安全行为影响;Hb4:不安全行为受工作技能与经验、安全态度与责任、安全心理和安全生理影响;Hb5:安全心理受安全生理、不安全行为和员工风险处理能力的影响;Hb6:安全生理理受安全心理、工作技能与经验的影响。
3研究模型
3．1模型构建
由于煤矿安全事故风险因素各变量相关性较强，各风险因素较难进行直接测量。因此，根据研究变量特征和研究目的，基于以下5项原则，构建煤矿安全事故风险因素关系模型:①以CA聚类分析结果为总体框架;②以人因风险层的6个风险因素为内在潜变量;③以管理、设备、信息和环境4个风险层的16个风险因素为外在潜变量;④以47个问题为风险观测变量;⑤以227份有效问卷的数据为协方差矩阵。采用AMOS7．0软件，构建煤矿安全事故风险因素CA－SEM模型，如图1所示。
3．2模型检验与修正
从简约适配度、绝对适配度和增值适配度三方面对模型拟合效果进行评价，根据评价结果对不符合拟合度参考标准的进行反复修正直至达到标准要求。采用AMOS7．0的“AmosOutputModelFit”功能，对模型适配度进行检验，通过整理分析，结果如表3所示。表3显示，模型各拟合指数达到标准要求，模型构建合理。
4研究结果分析
4．1外源潜变量对内源潜变量影响分析
假设Ha1分析:上述结果显示，ξ2、ξ5、ξ7、ξ11对η1影响显著，影响系数分别为0．769、0．683、0．676、0．713;ξ3和ξ12对η1影响一般，ξ1对η1影响未获支持。即安全教育培训、安全重视与投入、设备机械化与先进度和信息处理效果对工作技能与经验的产生重要影响，管理人员素质、信息预测水平和作业场所安全性对工作技能与经验产生一定影响，制度与规程建设对工作技能与经验的影响未获支持。假设Ha2分析:上述结果显示，ξ2、ξ6、ξ12对η2影响显著，影响系数分别为0．696、0．702、0．652;ξ1、ξ7、ξ8、ξ10和ξ11对η2影响一般，ξ9对η2影响未获支持。即安全教育培训、应急体系与救援能力、信息预测水平对员工风险处理能力产生重要影响，制度与规程建设、设备机械化与先进度、设备故障率和信息采集质量对员工风险处理能力产生一定影响，设备检查与维护对员工风险处理能力的影响未获支持。假设Ha3分析:上述结果显示，ξ1、ξ2、ξ4、ξ5对η3影响显著，影响系数分别为0．741、0．680、0．729、0．683;ξ3、ξ6、ξ8和ξ9对η3影响一般，ξ7对η3影响未获支持。即制度与规程建设、安全教育培训、安全检查与维护、安全重视与投入对员工安全态度与责任产生重要影响，管理人员素质、应急体系与救援能力、设备故障率和设备检查维护对员工安全态度与责任产生一定影响，设备机械化与先进度对员工安全态度与责任影响未获支持。假设Ha4分析:上述结果显示，ξ2、ξ3、ξ4对η4影响显著，影响系数分别是0．668、0．641、0．652;ξ1、ξ5、ξ7、ξ8、ξ9、ξ14、ξ15、ξ16对η4影响一般，ξ10、ξ11、ξ12对η4影响未获支持。即安全教育培训、管理人员素质、安全监督与检查对不安全行为产生重要影响，制度与规程建设、安全重视与投入、设备机械化与先进度、设备故障率、设备检查与维护、粉尘浓度、瓦斯含量和通风条件对不安全行为产生一定影响，信息采集质量、信息处理效果、信息预测水平对不安全行为的影响未获支持。假设Ha5分析:上述结果显示，ξ2、ξ6、ξ8、ξ13对η5影响显著，影响系数分别是0．727、0．704、0．649、0．658;ξ4、ξ5、ξ10、ξ11、ξ14、ξ15、ξ16对η5影响一般，ξ12对η5影响未获支持。即安全教育培训、应急体系与救援能力、设备故障率和作业场所安全性对安全心理产生重要影响，安全监督与检查、安全重视与投入、信息采集质量、信息处理效果、粉尘浓度、瓦斯含量和通风条件对安全心理产生一定影响，信息预测效果对安全心理的影响未获支持。假设Ha6分析:上述结果显示，ξ13、ξ14、ξ15、ξ16对η6影响显著，影响系数分别是0．704、0．687、0．695、0．675;ξ1、ξ7对η6影响一般，ξ3对η6影响未获支持。即作业场所安全性、粉尘浓度、瓦斯含量和通风条件对安全生理产生重要影响，制度与规程建设和设备机械化与先进度对安全生理产生一定影响，管理人员素质对安全生理影响未获支持。
4．2内源潜变量间相互影响分析
假设Hb1检验显示，η1受η2、η3、η4影响通过检验，即风险处理能力、安全态度与责任以及不安全行为对员工工作技能与经验有影响作用，Hb1全部获得支持。假设Hb2检验显示，η2受η1、η3影响通过检验，η4的影响未通过检验，即工作技能与经验与安全态度与责任对员工风险处理能力有影响作用，Hb2部份获得支持。假设Hb3检验显示，η3受η1、η2、η4影响通过检验，即安全态度与责任、风险处理能力和不安全行为对员工安全态度与责任有影响作用，Hb3全部获得支持。假设Hb4检验显示，η4受η1、η3、η5影响通过检验，受η6影响未通过检验，即工作技能与经验、安全态度与责任、员工安全心理对员工不安全行为有影响作用，Hb4部分获得支持。假设Hb5检验显示，η5受η4、η6影响通过检验，受η2影响未通过检验，即员工不安全行为、员工安全生理对员工安全心理有影响作用，Hb5部分获得支持。假设Hb6检验显示，η6受η5的影响通过检验，η1对η6的影响未通过检验，即员工安全心理对员工安全生理有影响作用，Hb6部分获得支持。
5结语与建议
1)在外源潜变量中，安全教育培训对内源潜变量影响最为显著，影响系数为3．54(0．769+0．696+0．680+0．668+0．727=3．54)，因此，在煤矿安全生产中，应重视与加强安全教育培训工作，通过培训提高员工工作技能、风险处理能力和强化安全态度责任。2)在内源潜变量中，不安全行为和安全心理受外源潜变量因素作用最显著，影响系数分别是5．921、5．913，因此，应加强防范员工不安全行为，疏导员工安全心理，构建良好的煤矿安全氛围，压缩员工与管理人员的心理距离，关注员工生理素质和健康。3)注重人因风险中各变量间的相互关联作用，结合实际情况，深入挖掘各风险变量因素的传播路径，采取有效措施，阻隔各风险的传播途径。4)重视防范管理和信息风险，提升信息的采集、处理和预测能力，加强煤矿安全信息化水平，建立合理的安全管理机制，不断提升管理人员自身素质和应急救援能力，为实现煤矿本质化安全的提供重要保障。
参考文献
［1］刘铁忠，李志祥．煤矿安全管理能力影响因素结果方程建模［J］．煤炭学报，2008，33(12):1452－1456LIUTie－zhong，LIZhi－xiang．Affectingfactorsofsafe-tymanagementcapabilityaboutcoalminebasedonstruc-turalequationmodel［J］．JournalofChinacoalsociety，2008，33(12):1452－1456
［2］汪伟忠，卢明银．煤矿作业人员系统风险知觉能力量化分析［J］．中国安全生产科学技术，2015，11(8):152－156WANGWei－zhong，LUMing－yin．Quantitativeanaly-sisonperceptualabilityofsystematicriskforcoalminers［J］．JournalofSafetyScienceandTechnology，2015，11(8):152－156
［3］LuY，HinzeJ，LiQ．Developingfuzzysignaldetectiontheoryforworkers’hazardperceptionmeasuresonsub－wayoperations［J］．SafetyScience，2011，49(3):491－497
［4］张江石，傅贵，郭启明，等．不安全行为的预控方法［J］．煤炭学报，2012，37(2):373－377ZHANGJiang－shi，FUGui，GUOQi－ming．Thepre－controllingmeasuresonunsafebehavior［J］．JournalofChinaCoalSociety，2012，37(2):373－377
［5］杨军．煤矿安全风险评价与预警研究［D］．徐州:中国矿业大学，2013
［6］ＲackwitzＲ．Optimizationandriskacceptabilitybasedonthelifequalityindex［J］．StructuralSafety，2002，24(24):297－331
［7］X．J．LI．SafedevelopmentofcoalmineenterprisesbasedonEndogenousGrowthTheory［C］．ProceedingsofMan-agementofNaturalＲesources，SustainableDevelopmentandEcologicalHazardsII:Section1，DevelopmentIssues．Southampton:WITPress，2009:65－73
［8］马改焕，刘广君．安全风险预控管理体系在煤矿生产中的运用［J］．中国公共安全(学术版)，2014，37(4):27－31MAGai－huan，LIUGuang－jun．Applicationofcoalminesafetyriskpre－controlmanagementsystemintheactualproductionofcoalmine［J］．ChinaPublicSecuri-ty．AcademyEdition，2014，37(4):27－31
［9］刘海滨．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，2014，10(2):81－85LIUHai－bin．CoalminesafetyriskassessmentbasedonAＲT－2neuralnetwork［J］．JournalofSafetyScienceandTechnology，2014，10(2):81－85
［10］庞柒．煤矿企业长效安全评价体系的研究［D］．北京:北京工业大学，2014［11］高建明，魏利军．日本安全生产管理及其对我国的启示［J］．中国安全科学学报，2007，17(3):105－111GAOJian－ming，WEILi－jun．ManagementofworksafetyinJapananditsenlightenmenttoChina［J］．Chi-naSafetyScienceJournal，2007，17(3):105－111
［12］李斌，王志军．煤矿本质安全管理综合评价的SVM模型及应用［J］．矿业安全与环保，2013，40(5):117－120LIBin，WANGZhi－jun．SVMmodelforcomprehen-siveevaluationofcoalmineinherentsafetymanagementanditsapplication［J］．MiningSafety＆EnvironmentalProtection，2013，40(5):117－120
［13］钱敏，穆丹丹．煤矿安全管理评价指标体系［J］．采矿与安全工程学报，2008，25(3):375－378QIANMin，MUDan－dan．Assessmentindexsystemofsafetymanagementofcoalmine［J］．JournalofMining＆SafetyEngineering，2008，25(3)375－378
［14］刘安国，杨怀玉．对煤矿零星事故安全管理的实践思考［J］．煤矿安全，2015，46(8):237－239LIUAn－guo，YANGHuai－yu．Practiceandthinkingofsafetymanagementforsporadiccoalmineaccidents［J］．SafetyinCoalMines，2015，46(8):237－239
［15］牛莉霞，李乃文．安全领导、安全动机与安全行为的结构方程模型［J］．中国安全科学学报，2015，25(4):23－29NIULi－xia，LINai－wen．SEMofsafetyleadership，safetymotivationandsafetybehavior［J］．ChinaSafetyScienceJournal，2015，25(4):23－29
［16］李红霞，薛建文，张恒．煤矿安全氛围对险兆事件的影响研究［J］．安全与环境学报，2015，15(3):161－164LIHong－xia，XUEJian－wen，ZHANGHeng．Corre-lationbetweenthesafetyenvironmentalwould－beacci-dentsinthecoalminingpractice［J］．JournalofSafetyandEnvironment，2015，15(3):161－164
［17］孙旭东，张蕾欣．基于FuzzyAHP的煤矿安全生产风险评价模型［J］．工业安全与环保，2014，40(1):65－68SUNXu－dong，ZHANGLei－xin．Coalminesafetyproductionriskassessmentmodelbasedonfuzzyanalytichierarchyprocess［J］．IndustrialSafetyandEnvironmen-talProtection．2014，40(1):65－68
［18］杨军，宋学锋．基于ANP方法的煤矿安全生产风险评价［J］．统计与决策，2014，382(10):63－65YANGJun，SONGXue－feng．TheriskevaluationofcoalminesafetyproductionBasedonANPmethod．［J］．StatisticsandDecision2014，382(10):63－65
［19］国家安全生产监督管理总局．事故伤亡人数统计．2014．/．StateAdministrationofWorkSafety．DeathtollsofAcci-dents．2014．
作者：汪刘凯 孟祥瑞 何叶荣 王向前 李慧宗 单位：安徽理工大学 经济与管理学院 淮南师范学院经济与管理学院
相关专题：沈阳航空航天大学邮编 儿科护理论文范文
