高雪琦 王昭华，2 于菲菲，2
（1.中石化安全工程研究院有限公司，山东青岛 266104 2.中石化管理体系认证（青岛）有限公司，山东青岛 266071）
炼化企业具有易燃易爆、高温高压、生产介质多为危险化学品的特点，生产操作中的任何不安全行为都可能带来严重后果。由杜邦公司事故事件原因统计分析可知，96%的伤害由人的不安全行为造成［1］，而机具、物料和作业环境等存在的潜在危险，即不安全状态增加了不安全行为的发生概率［2］。根据风险管理理论，不安全行为影响人的行为认知决策过程，可能造成财产损失和环境破坏，严重威胁员工的安全和健康；
而在行为认知决策过程中，人的风险感知程度也会反过来影响行为结果，即可能产生不安全行为。由此可见，如何在不安全状态下识别风险容忍度的影响因素，通过控制影响因素以降低不安全行为的发生概率成为安全管理的重要议题之一。
然而，问题的真正解决，有赖于在可能的不安全状态到来之前将其扼杀，关键在于避免不安全状态达到难以逆转的容忍阈值，以致不安全行为无法纠正。目前关于风险容忍度的研究多集中于金融和航空领域，且研究相对成熟［3］，针对炼化企业生产作业的风险容忍度研究较少［4］，更缺乏不安全状态下的相关理论研究。因此需要从以下2 个角度展开深入探讨：①对员工不安全行为的影响研究。传统的研究视角由于各自的局限而缺乏对员工不安全行为影响的深入探讨，亦缺少相关理论与实证研究。②缺乏风险容忍度与不安全行为的影响因素间多变量交互作用的研究。现有研究结论多数探讨了影响作用的结果，并未深入阐述内在的作用机制；
风险容忍度与工作态度、安全文化等影响因素之间的研究基本处于空白［5］。
基于上述分析，研究融合安全管理理论与风险管理理论，基于前期调研和文献整理，建立风险容忍度影响因素评价指标体系，设计并发放调查问卷，在此基础上对所搜集数据进行相关性统计分析，并依此构建识别风险容忍度对员工不安全行为影响因素的结构方程模型，计算关键影响因素及其与风险容忍度间的关联关系，以期为形成员工安全行为规范提供科学的数据和理论支撑。
针对研究视角问题，研究首先从员工自身出发，结合安全风险容忍度的定义，在个人方面增加认知风险因素，并将其分解为生理状态、心理状态和个人安全素质3 个方面；
考虑到员工所处的作业环境，将企业（组织）层面的环境因素分为工作性质、安全资源和安全文化；
同时，由于外部环境多为宏观层面的因素，故将其归纳为一个指标层因素。最终建立炼化企业风险容忍度对员工不安全行为影响因素评价指标体系，该体系由因素层、指标层和决策层共同组成，如图1 所示。
图1 风险容忍度对员工不安全行为影响因素评价指标体系
依据图1 中各影响因素的分类，结合员工实际工作，对指标层各因素做出如下假设：
（1）员工存在体力、身体状态、职业病、睡眠和生物节律方面的问题，例如视力或听力低下、身高或体力不足、身体活动受限甚至患病用药导致体力下降等，再例如疲劳、酒精刺激、操作能力降低、血糖降低等，均会影响容忍度，进而影响安全行为。可认为体力或身体状态越好，容忍度越高；
而职业病则会减少该阈值；
睡眠规律且有固定的生物节律则会提升容忍阈值。故可以假设：
H1——员工的生理状态显著影响风险容忍度，对行为产生间接影响，且为正向关联。
（2）员工如有情绪波动或不良动机，例如员工感受到来自工作或生活上的压力，以至出现情绪波动，再例如因为工作关系紧张导致工作中出现不良动机等，均会影响不安全状态下的容忍度，进而影响安全行为。可认为情绪或动机越好，容忍度越高。但对于员工的性格而言，没有具体的数据或案例说明性格对容忍度有明显的影响。故可以假设：
H2——员工的心理状态显著影响风险容忍度，对行为产生间接影响，且为正向关联。
（3）员工如掌握良好的安全技能和岗位能力或对安全工作较为负责，例如具备周围环境改变下正常操作的能力，再例如始终牢记岗位和安全责任，不放松、不懈怠等，均会影响风险容忍度。可认为安全技能水平和岗位能力越高，安全职责和态度越好，容忍度越高。故可以假设：
H3——个人安全素质显著影响风险容忍度，对行为产生间接影响，且为正向关联。
（4）炼化企业的作业环境与布局、工作单调性、工作强度也会影响到不安全状态下的容忍度。例如拥挤或活动受制、照明不适或光线太强、通风不宜、施工现场布局不合理等，再例如长时间重复性工作、工作强度过大或不够等。且前者对于风险容忍度有正向影响，后两者则具有负向影响。故可以假设：
H4——工作性质显著影响风险容忍度，对行为产生间接影响，且为负向关联。
（5）现场防护措施、应急预案、安全管理机构设置、安全投入也是主要影响因素。例如现场缺少适宜的防护罩和保护性装置抑或安装的防护罩和保护性装置在事故时刻失灵，再例如事故后应急预案的缺失，甚至是安全管理存在机构设置混乱、多头领导、权责不明等问题，均会影响风险容忍度。可认为现场防护措施越完善、应急预案越完备、安全投入越高、安全管理机构设置越合理，容忍度越高。故可以假设：
H5——安全资源显著影响风险容忍度，对行为产生间接影响，且为正向关联。
（6）炼化企业安全管理的领导力、作业过程监督、操作规程及标准、安全教育培训也对风险容忍度有影响。例如安全责任分配领导不力、作业过程缺乏完备监管，再例如安全操作规程缺失、教育培训效果欠佳等。可认为领导力越高、作业过程监督越严格、操作规程及标准越健全、安全教育培训越有效果，容忍度越高。故可以假设：
H6——安全文化显著影响风险容忍度，对行为产生间接影响，且为正向关联。
（7）员工面临复杂的外部环境，主要包括家庭和生活、安全法规、行业标准、经济环境和政策环境。其中，家庭和生活越稳定、安全法规越健全、行业标准越规范，容忍度越高。但涉及经济环境和政策环境的因素较多，很难从正负作用的角度对两者间的关系作出判断。故可以假设：
H7——外部环境显著影响风险容忍度，对行为产生间接影响，且为正向关联。
由此，可以得到各影响因素的指标层、决策层以及决策层与风险容忍度间关联关系的符号预测结果，如表1 所示。
表1 指标分类与符号预测
依据研究假设，设计炼化企业风险容忍度对员工不安全行为影响的调查问卷。问卷主要涉及生产作业中最常见、事故率最高的2 种作业类型：高处作业和受限空间作业，共计78 项测度项，综合取自某集团2009—2018 年度上报事故和其下属某炼化企业893 起违章操作的特征提取、相关文献中已经验证过具有较好内容信度和效度的量表，并经该领域有关专家的提炼、修正。调查问卷主要由2 部分构成，第一部分包括了研究模型中结构变量的测度项，主要采用李克特5 级量表设计，从1 到5 分别代表了回答者对每个题项的认同程度，1 表示“极度不认同”，2 表示“不认同”，3 表示“中立”，4 表示“认同”，5 表示“非常认同”；
第二部分对参与者的人口信息进行了询问。
研究选取某炼化企业共发放103 份问卷，回收有效问卷92 份，问卷回收率达到89.32%。根据调查的反馈，问卷中题项的措辞和格式对于参与者均适用。调查问卷统计数据的信度分析采用parallel（各题目变异数同质时的最大概率信度）进行计算，结果显示方程的真实度（True Variance）高达90.7%，通过信度检验；
效度检验主要通过KMO 和Bartlett 两种方法开展，结果显示，KMO值为0.6 ～0.7，通过效度检验，可以做因子分析；
Batlett’s 检验中显著性值＜0.05，也通过检验。
为进一步观察影响因素与两类容忍度及影响因素间的相关性，采用二元相关性分析方法，通过SPSS统计分析软件展开因素指标间相关性分析，具体分析结果如表2、表3。
表2 高处作业容忍度与影响因素间的相关性分析
表3 受限空间作业容忍度与影响因素间的相关性分析
由表2 可知，高处作业容忍度与安全资源关联参数的显著性为0.029＜0.05，与心理状态关联参数的显著性为0.093＜0.1，均接受原假设，即两者间存在关联关系。而除上述2 个影响因素外，其他因素显著性值（除个别值）均＞0.05（0.1），说明上述变量与高处作业容忍度关系不显著。进一步分析三者间关系，如图2 所示。
图2 HO、PSF、SR 三维关联的散点图
图2 中，HO 表示高处作业容忍度，PSF 表示心理状态，SR 表示安全资源。进一步观察可得，多数散点落于PSF 和SR 组成的平面中，说明对于HO 而言，多数员工处于8 分这一水平，与15 分的区间上限相比，8 分处于中游水平，说明容忍度阈值并未达到最大值15 分。可能是由于心理脆弱性或安全资源缺失导致。
由表3 可知，受限空间作业容忍度与工作性质关联参数的显著性为0.041＜0.05，与心理状态关联参数的显著性为0.094＜0.1，均接受原假设，即两者间存在关联关系。而除上述两个影响因素外，其他因素显著性值（除个别值）均＞0.05（0.1），说明上述变量与受限空间作业容忍度关系不显著。进一步分析三者间的关系，如图3 所示。
图3 CSO、PSF、WN 三维关联的散点图
图3 中，CSO 表示受限空间作业容忍度，PSF 表示心理状态，WN 表示工作性质。进一步观察可得，与HO的三维散点图不同，在CSO的散点图中，散点并非均匀分布于PSF 和WN 组成的平面上，说明CSO的分值并不集中，但多数落于6 ～10 分的区间之内，这与预期结果一致，即容忍度会随条件的变化而变化。但期望值也未达到最大预期15 分，可能是由于受限空间作业危险性较大所致。
为分析容忍度与关键影响因素间的关系，需进一步构建风险容忍度影响因素关联分析的结构方程模型，并做实证研究。
3.1 模型构建与检验
在开展员工风险容忍度对不安全行为影响的分析过程中，不仅应对风险容忍度进行单一评估和客观比较，其复杂性还体现在整合个人性格特征以及对于刺激的响应方面。针对风险容忍度与不安全行为的影响因素间缺少多变量交互作用研究这一问题，基于指标体系构建、研究假设和调研分析结果，采用结构方程模型（Structural equation modeling，SEM）建立员工容忍度对不安全行为的影响因素分析模型，其中包括整体影响分析模型、高处作业容忍度与受限空间容忍度对比分析模型以及各前因因素影响分析模型。基本计算模型如下：
式中，x、y表示难以直接、准确测量的风险容忍度，系数为xm的载荷，系数为yn的载荷为残差值。综合考虑模型计算需要在非正态性和小到中样本的条件下模拟出潜在的构造，以及模型复杂度、理论发展的研究需要，采用Smart PLS软件对数据进行偏最小二乘（Partial least squares，PLS）分析。
该PLS-SEM 算法满足以下关系：
在得到满意的测量模型检验结果之后，继续对结构模型进行评估。通过自助重取样过程（Bootstrap resampling procedure）产生的T统计值和标准误差来对研究模型进行检验，员工容忍度对不安全行为的影响因素分析的结构方程模型计算结果见图4。
图4 SEM 计算结果
3.2 计算结果分析
3.2.1 整体影响结果分析
由图4（a）可知，生理因素、心理状态、工作性质、安全文化、外部环境对容忍度产生正向影响；
说明具有较高心理素质、较好工作性质、良好安全文化和外部环境的员工，其容忍度越高。除工作性质外，其余结果与预期一致，这说明工作单调性和工作强度对风险容忍度的影响并非线性负相关，反而会随其他因素的增强而呈现正向关联。
由图4（a）还可以得到，个人安全素质和安全资源对容忍度产生负向影响。说明具有较高安全素质的员工和拥有安全资源较高的员工，其容忍度越低，这一结果与预期相反。个人安全素质越高的员工，可能存在“眼高手低”的情况，或由于接触违章行为的机会更小，故机会成本更高、容错空间更少，致使其对不安全行为的容忍越低。至于安全资源方面，不论是应急预案、现场防护措施，还是安全管理机构设置、安全投入，更高的资源配置会导致容错空间的扩大，从员工认知失效的角度来看，在更大容错空间中的员工会减弱甚至失去对风险的感知，故一旦风险发生，员工不论从行为还是心理上并未做好充分准备，因此其风险容忍度更低。
3.2.2 高处作业和受限空间作业计算结果的比较分析
由图4（b）所示，从整体结果来看，除个人安全素质以外，高处作业容忍度的影响因素参数估计值（绝对值）均高于受限空间容忍度的影响因素参数估计值，说明与受限空间作业相比，员工的高处作业容忍度更容易受到各项因素的影响。
从分项结果来看，心理状态、工作性质、安全资源、安全文化对高处作业容忍度的影响更大；
个人安全素质对对受限空间容忍度产生的负向影响作用更大。
3.2.3 各项前因因素计算结果分析
由图4（c）可知，生理因素中影响最大的是员工体力，其次是身体状况；
由图4（d）可知，心理状态中影响最大是情绪因素，其次是性格因素；
由图4（e）可知，个人安全因素中影响最大的是安全技能水平，其次是岗位能力；
由图4（f）可知，工作性质因素中影响最大的是工作强度，其次是作业环境与分布；
由图4（g）可知，安全资源因素中现场防护措施的影响较大，其中安全管理机构设置、应急预案、安全投入的影响差别不大；
由图4（h）可知，安全文化因素中作业过程监督的影响较大，其次是操作规程及标准和安全教育培训，其中领导力的影响较小；
由图4（i）可知，外部环境因素中影响较大的是行业标准，其次是家庭生活和政策环境。
综上所述，根据整体结果、比较分析结果和各项前因分析结果可以得到指标层、决策层与风险容忍度间的具体关联关系，如图5 所示。
图5 指标层、决策层与风险容忍度间的关联关系
研究依据安全管理理论、风险管理理论和认知心理学理论，建立风险容忍度对员工不安全行为影响因素评价指标体系，通过李克特量表法设计调查问卷以获取第一手调研数据，并开展指标间相关性统计分析，在此基础上构建结构方程模型，通过整体分析和比较分析计算结果识别关键指标，基于前因因素分析挖掘决策层与风险容忍度的关联关系。研究得到以下结论：
（1）由相关性统计分析结果可知，风险容忍度（含高处作业和受限空间作业）与员工心理和工作性质存在显著相关性，与员工生理、安全文化、安全资源等其他因素的相关性非显著。说明在作业过程中，仅就风险容忍度而言，被调查者更加注重心理感受和工作性质带来的影响。
（2）由结构方程模型计算结果可知，生理因素、心理状态、工作性质、安全文化和外部环境与风险容忍度间正相关，关键决策层指标分别为员工体力、员工情绪、工作强度、作业过程监督和行业标准；
个人安全素质和安全资源与风险容忍度间负相关，关键决策层指标分别为安全技能水平和现场防护措施。需要说明的是，受限空间作业容忍度整体受影响程度低于高处作业容忍度，且在比较分析结果中，受限空间作业容忍度受个人安全素质的负向影响更大。