基于SEM的安全氛围需求-认识-参与模型实证研究
基于SEM模型的社区居民参与实证分析
基于SEM模型的社区居民参与实证分析【摘要】本文基于SEM模型，通过对社区居民参与进行实证分析。
在我们阐述了研究背景、研究意义和研究目的。
接着，在我们介绍了SEM模型的概述，解析了社区居民参与的概念，探讨了SEM模型在社区居民参与分析中的应用，详细介绍了研究方法和实证分析结果。
在总结了研究发现，提出了实证分析的启示，并展望了未来的研究方向。
通过本文的研究，我们可以深入了解SEM模型在社区居民参与中的应用，为促进社区发展和居民参与提供理论支持和实践指导。
【关键词】SEM模型、社区居民参与、实证分析、社区发展、研究方法、研究发现、实证分析启示、未来展望。
1. 引言1.1 研究背景社区居民参与是社区建设和发展中重要的一环，对于促进社区和谐、提高居民生活质量具有重要意义。
在实际社区管理和发展过程中，如何有效地激发居民参与的积极性，提高居民参与的质量和水平，成为一个重要课题。
传统的社区参与研究主要依靠问卷调查、访谈等方法，缺乏系统性和综合性分析，难以真实反映社区居民参与的复杂性和多样性。
随着结构方程模型（SEM）在社会科学研究中的广泛应用，利用SEM模型对社区居民参与进行实证分析已成为一种新的探索方向。
通过构建SEM模型，可以从多个维度全面分析社区居民参与的影响因素及其内部关系，帮助揭示居民参与的本质和机制，为提高社区管理水平和居民生活质量提供理论支持和实践指导。
基于SEM模型的社区居民参与实证分析成为当今社会科学研究中备受关注的热点问题。
1.2 研究意义社区居民参与是社区建设和发展的重要组成部分，对于提升社区的凝聚力、促进社区共建共享具有重要意义。
社区居民参与既是社区管理者的责任，也是居民自身的权利。
通过社区居民参与，可以提升社区居民的归属感和参与感，促进社区的可持续发展。
研究社区居民参与的意义在于深入挖掘社区居民参与对社区发展的影响机制，为社区管理者提供科学的决策依据。
通过对社区居民参与的实证分析，可以探讨社区居民参与的影响因素及其关系，为制定具体的社区发展政策和规划提供参考。
基于SEM的安全氛围需求-认识-参与模型实证研究.
基于SEM的安全氛围需求-认识-参与模型实证研究陆柏1陈培2傅贵31 安徽经济管理学院培训管理处安徽.合肥 2300592 安徽农业科学院安徽.合肥 2300313 中国矿业大学（北京）资源与安全学院北京100083摘要：安全氛围测评是研究企业当前安全管理进程和安全文化发展现状的重要方法之一。
本文回顾和总结了国外安全氛围诊断与测评的典型结构方程（SEM）模型。
提出安全氛围需求-认知-参与模型及5因子结构，就模型中的安全需求、安全认知、安全参与、安全地位、安全实施各因子及要素之间关系进行了实证研究。
所采用的数据模型处理和分析方法对当前安全管理模式和安全文化测评技术探究具有重要参考价值。
关键词：安全科学技术结构方程（SEM）模型安全氛围因子结构*国家自然科学基金项目，项目编号：50474032，705330500引言1980年,祖哈在对以色列制造业的安全现状调查研究中,首次提出安全氛围(safety climate)概念并将之定义为“组织内员工共享的对于具有风险的工作环境的认知”[1]。
此后，美国Dedobbeleer、法国Niskanen、英国Cheyne、Cox和Flin、澳大利亚Neal等先后对安全氛围开展研究并采用相似定义[2-6]。
结合我国当前安全管理现状，安全氛围（气氛）可定义为“在某一特定时期内，由一系列可被员工认知的关键要素所组成的，能够反映目标企业内部当前的安全文化属性、以及企业组织行为的安全管理现状”；安全氛围的当前研究重点应集中于安全氛围的本质结构、有助于企业持续改进的安全氛围测评方法、合适的安全氛围测评要素和量化工具等；其中，影响因子的结构和关键要素的确定，以及因子之间、因子和从属要素之间的数量化关系建模是开展安全氛围研究的核心问题[7]。
1基于SEM的安全氛围研究模型SEM（Structure Equation Modeling），也叫做结构方程分析或结构方程建模，是一门基于统计分析技术的研究方法，通过有效整合多元回归和因素分析方法以实现自动评估一系列相互关联的因果关系[8]，从而达到处理复杂的多变量研究数据的探究与分析目的；适用于含隐变量、自变量相关、存在变量误差、多个应变量等复杂条件下的建模以及不同模型之间的比较。
大型体育赛事风险评估的结构方程模型构建及实证研究
大型体育赛事风险评估的结构方程模型构建及实证研究一、内容简述本文旨在探讨大型体育赛事（如奥运会、世界杯等）的风险评估。
通过文献综述与理论框架，构建了一个结构方程模型来识别和评估潜在风险，并通过对2016年里约热内卢奥运会的案例分析，验证了模型的合理性和实用性。
本研究对于理解大型体育赛事面临的风险挑战以及制定有效的预防和应对措施具有重要意义。
1. 背景介绍随着全球各地区对大型体育赛事的关注程度不断加深，如何有效地评估其风险成为了一个亟待解决的问题。
本文旨在通过构建结构方程模型（SEM），对大型体育赛事的风险因素进行识别、度量和影响分析，并结合具体案例进行实证研究。
大型体育赛事涉及面广，参与人数众多，因此在筹备和举办过程中存在着许多潜在的风险因素。
这些风险可能包括运动员安全、交通秩序、医疗保障、通讯保障、环境保护以及政治敏感性等方面。
为了确保赛事的顺利进行，有必要建立一个全面、系统性的风险评估框架。
而结构方程模型作为一种现代化的实证研究方法，可以在很大程度上帮助我们定量地分析和解释这些复杂的风险因素。
2. 研究目的及意义随着全球体育市场的不断扩大，大型体育赛事的举办愈发密集，这些赛事不仅是体育文化交流的平台，也是经济和社会发展的重要推动力。
在赛事筹办和举行过程中，潜在的风险因素也逐渐显现，如安全问题、交通拥堵、环境污染等，这些都可能对赛事的顺利进行和参与者的权益造成威胁。
构建科学合理的大型体育赛事风险评估模型，对于确保赛事的安全、高效、绿色、和谐举办具有重大意义。
本文旨在通过构建结构方程模型，对大型体育赛事的风险进行系统识别、评估和分类，为赛事的组织和管理提供理论支持和实践指导。
这一研究有助于揭示风险因素之间的相互作用和影响机制，为赛事风险的预警和防控提供科学依据。
本研究也有助于推动相关领域理论的创新和发展，为类似领域的研究和实践提供借鉴和参考。
通过实证研究验证模型的有效性和实用性后，可为未来大型体育赛事的风险管理提供有力的理论支撑和操作指南，推动体育事业的健康发展。
基于SEM的煤矿员工安全行为风险评价
详细描述：基于SEM的煤矿员工安全行为风险评 价虽然具有其独特的优势，但也有其局限性。未 来研究应结合其他方法进行综合研究，以更全面 地探讨煤矿员工安全行为风险问题。具体包括
2. 引入跨学科的研究方法，如心理学、社会学等 ，从多角度、多层次对煤矿员工安全行为风险进 行深入分析。
推进安全文化建设
树立安全文化理念
通过评价结果的应用，企业可以逐步树立以员工安全为核心的安全 文化理念，提高员工的安全意识。
加强部门安全文化建设
评价结果可以为各部门提供借鉴和参考，推动部门之间相互学习和 交流，加强部门安全文化建设。
营造全员参与的安全氛围
通过评价结果的应用，企业可以营造全员参与、人人关注安全的良 好氛围，使员工自觉遵守安全规定，提高整体安全水平。
02
03
04
05
总结词：将动态风险因 素纳入评价体系是提高 煤矿员工安全行为风险 评价准确性的关键。
详细描述：煤矿员工安 全行为风险是一个动态 变化的过程，受到多种 因素的影响。因此，未 来研究应将动态风险因 素纳入评价体系，以更 准确地反映员工安全行 为风险的变化情况。具 体包括
1. 关注员工生理、心理 状态的变化，如疲劳、 情绪波动等，这些因素 可能对员工安全行为产 生重要影响。
1. 深入研究煤矿员工安全行为风险的内涵和外延，全面考虑影响员工安全行为的因素。
完善评价指标体系
2. 结合煤矿实际生产情况，针对不同工种、不同岗位的特点，制定更为细致、更 具针对性的评价指标。
3. 采用定性和定量相结合的方法，合理确定各指标的权重，提高评价的科学性和 客观性。
基于SEM模型的社区居民参与实证分析
基于SEM模型的社区居民参与实证分析
社区居民参与是指社区居民在社区活动中积极参与、合作、贡献和分享的行为。
社区居民参与是社区营造的关键因素，能够促进社区的发展，增强社区凝聚力，提升居民生活质量。
本文将基于SEM模型对社区居民参与进行实证分析。
首先，我们需要确定SEM模型的变量。
本文选取社区居民参与、社区凝聚力和居民生活质量作为变量，其中社区居民参与是自变量，居民生活质量是因变量，社区凝聚力作为中介变量。
[image]
模型解释：
社区居民参与的影响变量是社区凝聚力和居民生活质量，即社区居民参与行为可以直接和间接地影响社区凝聚力和居民生活质量，其中直接影响为β1=0.3，间接影响为
β2=0.5。
为了验证模型的正确性，我们需要进行模型假设验证、参数估计和拟合度检验。
经过数据采集和处理，我们得到了以下结果：
模型假设验证：模型适合度良好，不存在多重共线性。
参数估计分析：社区居民参与影响社区凝聚力和居民生活质量有显著影响，同时社区凝聚力对居民生活质量也有显著影响。
拟合度检验：GFI值为0.985，CFI值为0.968，RMSEA值为0.063，均达到了标准拟合度要求。
综上所述，基于SEM模型进行社区居民参与实证分析，表明社区居民参与行为对社区凝聚力和居民生活质量有显著影响，社区凝聚力通过中介作用对居民生活质量也有显著影响。
这为社区居民参与的重要性提供了验证和支持，同时也为提高居民生活质量提供了一些思路。
基于SEM模型的社区居民参与实证分析
基于SEM模型的社区居民参与实证分析社区居民参与是社区治理的重要组成部分，具有重要意义。
本文基于结构方程模型（SEM）对社区居民参与进行实证分析。
前置知识SEM是一种复杂的多变量数据分析方法，可以将多个模型结合在一起，同时考虑因变量和自变量之间的关系。
它常常用于根据数据收集的观测变量之间的关系来推断一个或多个未观测变量的因果关系。
本文使用的SEM包括以下四个结构方程模型：1.个体特征模型2.社区生活满意度模型3.社区信息获取模型4.社区参与意愿模型研究方法本研究采用问卷调查方法，对一所城市社区的居民进行为期3个月的跟踪调查和数据收集，共发放问卷1000份，有效样本946份。
使用SPSS和AMOS软件进行数据分析。
结果分析个体特征模型本模型包括性别、年龄、教育程度、婚姻状况、职业等个体因素。
结果显示，职业具有显著正向影响，婚姻状况对社区参与没有显著影响。
社区生活满意度模型本模型包括居民对社区环境、医疗设施、交通状况、教育质量、公共安全等方面的评价。
结果显示，社区环境、医疗设施、公共安全对社区参与有显著正向影响，而交通状况、教育质量对社区参与没有显著影响。
社区信息获取模型本模型包括居民日常信息获取途径和社区服务信息获取途径两个方面。
结果显示，社区服务信息获取途径对社区参与有显著正向影响，而日常信息获取途径对社区参与没有显著影响。
社区参与意愿模型本模型包括参与意愿大小和参与方式两个方面。
结果显示，参与意愿大小对社区参与有显著正向影响，而参与方式对社区参与没有显著影响。
结论综合上述结果，社区居民参与社区的关键因素包括：1.职业类型：不同职业类型对社区参与有不同的影响程度，需要根据实际情况制定相应的政策。
2.社区环境、医疗设施和公共安全等因素：提高这些因素质量可以显著增加居民参与社区的意愿。
3.社区服务信息获取途径：官方提供的服务、信息渠道对居民参与社区的积极性有着重要的促进作用。
4.参与意愿大小：提高居民参与的积极性可以促进社区的参与活动。
基于SEM模型的社区居民参与实证分析
基于SEM模型的社区居民参与实证分析SEM（结构方程模型）是一种统计模型，用于描述和分析多个观测变量之间的关系。
在社区居民参与的实证分析中，SEM模型可以用来探索社区居民参与的影响因素和参与行为之间的关系。
本文将基于SEM模型进行社区居民参与的实证分析，并从理论、方法和结果三个方面进行阐述。
社区居民参与的理论框架是该研究的基础。
社区居民参与可以基于多种理论框架，如社会资本理论、公共参与理论和社会认同理论等。
在选择理论框架时，需要考虑到社区居民的特点、研究目的和研究背景。
理论框架可以提供研究的基本假设和变量选择的依据。
在方法方面，SEM模型可以采用两步法进行分析。
构建潜在变量模型。
通过收集和整理社区居民参与的相关数据，可以运用因子分析、聚类分析等方法，建立潜在变量模型，从而识别出社区居民参与的主要维度。
接下来，构建结构模型。
在构建结构模型时，需要选择适当的指标变量，来衡量社区居民参与的各个方面。
然后，将潜在变量和指标变量结合起来，构建完整的SEM模型。
在结果方面，基于SEM模型的社区居民参与实证分析可以提供多个方面的结果。
可以通过模型拟合度指标来评估SEM模型的拟合程度，如均方误差逼近指数（RMSEA）、比较拟合指数（CFI）和标准化均方残差（SRMR）等。
可以通过路径分析来研究社区居民参与的关键因素和影响路径。
路径分析可以揭示不同变量之间的关系强弱和方向，从而提供有效的决策依据。
还可以通过模型比较和模型修正来验证和改进SEM模型，以提高研究结果的可信度和可解释性。
基于SEM模型的社区居民参与实证分析可以有效地研究社区居民参与的影响因素和参与行为之间的关系。
通过理论的选择、方法的运用和结果的分析，可以提供科学、准确的结果，为社区发展和社区居民参与提供决策支持。
基于SEM的监狱安全文化建设影响因素实证研究
研究背景
监狱安全问题一直是监狱管理工作的重要内容， 也是社会稳定和公共安全的重要保障。
针对监狱安全问题，国内外学者进行了大量的研 究，但是大多数研究集中在监狱管理、犯罪预防 等方面，而对于监狱安全文化的研究相对较少。
近年来，随着社会犯罪率的不断上升，监狱安全 问题也日益突出，成为了社会关注的焦点。
06
影响因素对监狱安全文化建设的贡献 率分析
贡献率计算方法
01
02
03
贡献率计算公式
影响系数
权重
贡献率（%）=（影响系数/权重 ）×100%
通过SEM模型计算得出，表示 各因素对监狱安全文化建设的直 接影响程度。
通过专家打分法或问卷调查法获 得，表示各因素在监狱安全文化 建设中的相对重要程度。
结果分析
数据收集方法
问卷发放与回收
通过向监狱管理人员和囚犯发放问卷，并 按照规定的时间和程序进行回收。
VS
数据清洗与整理
对收集到的数据进行清洗和整理，去除无 效和异常数据，确保数据的准确性和完整 性。
变量测量与定义
监狱安全文化
采用SEM模型（结构方程模型），通过拟合度检验、路径系数估计等手段，分析各因素对监狱安全文化的影响 程度和路径。
研究限制与展望
总结词
尽管本研究已经取得了一定的成果，但是仍然存在一 些限制和不足之处，需要进一步改进和完善。
详细描述
首先，本研究只针对一所监狱进行了实证研究，因此 研究结果可能存在一定的局限性。未来可以扩大样本 范围，对多所监狱进行对比研究，以提高研究的普遍 性和适用性。其次，本研究主要关注了监狱安全文化 建设的直接影响因素，没有考虑其他潜在的影响因素 ，如囚犯的心理健康状况、狱警的培训和教育等。未 来可以进一步探讨这些因素对监狱安全文化建设的影 响。
基于SEM模型的社区居民参与实证分析
基于SEM模型的社区居民参与实证分析随着社会发展，社区居民参与社区建设的重要性越来越凸显。
然而，人们对于如何提高社区居民参与度的研究仍然有限。
本文旨在通过构建SEM模型，分析社区居民参与的影响因素和作用机制，并提出优化建议。
一、研究背景社区居民参与是社区建设的重要组成部分。
社区居民参与可以促进社区从单一管理角色转变为集体管理角色，从而提高社区经济、文化和环境的整体发展水平。
因此，为了实现社区居民参与的最大化，需要梳理出影响社区居民参与的因素和其作用机制。
二、文献回顾近年来，许多学者已经探索了社区居民参与的影响因素。
其中，韦拉斯和西姆西兹认为社区居民参与与居民的社交资本和社区归属感有关。
孟霞等人则认为社区居民参与与社区管理的透明度和居民满意度密切相关。
而阮某等人认为强调公共权益保护和听取社区意见对社区居民参与的激励作用更明显。
三、研究方法在本研究中，采用典型性的SEM模型。
SEM模型的特点是可以同时进行观察变量和潜在变量之间的因果分析。
考虑到本研究中的各个变量之间的复杂关系，使用SEM模型可以更加全面地考虑这些变量之间的相互作用和影响。
四、研究结果本研究的SEM模型包含4个构念：社交资本、社区归属感、居民满意度和公共权益保护。
通过使用数据分析工具，本研究发现以下结果：1. 居民的社交资本对社区居民参与度的影响呈正向影响。
2. 社区归属感对社区居民参与度的影响呈正向影响。
3. 居民满意度对社区居民参与度的影响呈正向影响。
4. 公共权益保护对社区居民参与度的影响呈正向影响。
基于以上结果，本研究提出以下建议：1. 改善社区居民的社交资本，比如加强社区活动的部署，让居民之间相互熟悉，增加社交机会。
2. 提高居民对社区的归属感，比如通过宣传推介本社区的资源和优势来提高居民的认同感。
3. 加强社区管理的透明度，定期收集居民的反馈意见，以便了解居民的满意度，排除居民的不满之处，并改善社区管理。
4. 加强公共权益保护，防止发生问题或损害居民合法权益事件，并尽快解决发生的问题。
基于SEM模型的社区居民参与实证分析
基于SEM模型的社区居民参与实证分析
社区居民参与是社区建设和社会服务的重要环节，本文将基于SEM（结构方程模型）模型对社区居民参与进行实证分析。
首先，我们需要确定SEM模型的构建指标。
社区居民参与包括多个方面，如社区公共事务参与、社区自我管理参与、社会组织参与等。
在此，我们将社区居民参与分为三个维度：社区服务参与、社区公共事务参与和社会组织参与，因此，SEM模型的构建指标包括3个潜变量和15个表面变量。
第一步是数据收集和处理。
数据收集采用问卷调查的方式，选择某一社区居民进行调查，利用SPSS软件进行数据处理和清理，并进行因素分析和统计分析。
第二步是SEM模型的构建。
将社区居民参与分为3个潜变量：社区服务参与、社区公共事务参与和社会组织参与。
社区服务参与由表面变量“参与社区志愿活动”、“参与居民文艺活动”、“参与街道文化活动”、“参与社区卫生服务”组成；社区公共事务参与由表面变量“参与社区议事”、“参与社区规划”、“参与社区管理”组成；社会组织参与由表面变量“加入社会团体”、“参与社团、协会、俱乐部”、“参与志愿服务”组成。
在模型构建过程中，要注意对各个变量进行有效性测试，以确保变量之间存在显著相关性，并消除模型中的测量误差。
第三步是SEM模型的拟合。
在SEM模型中，要识别影响社区居民参与的关键因素，比如性别、年龄、教育程度、职业状况等因素，从而准确地评估模型。
最后，根据SEM模型分析的结果，可以得出社区居民参与的影响因素，为社区建设和社会服务提供科学的依据。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于SEM的安全氛围需求-认识-参与模型实证研究陆柏1陈培2傅贵31 安徽经济管理学院培训管理处安徽.合肥 2300592 安徽农业科学院安徽.合肥 2300313 中国矿业大学（北京）资源与安全学院北京100083摘要：安全氛围测评是研究企业当前安全管理进程和安全文化发展现状的重要方法之一。
本文回顾和总结了国外安全氛围诊断与测评的典型结构方程（SEM）模型。
提出安全氛围需求-认知-参与模型及5因子结构，就模型中的安全需求、安全认知、安全参与、安全地位、安全实施各因子及要素之间关系进行了实证研究。
所采用的数据模型处理和分析方法对当前安全管理模式和安全文化测评技术探究具有重要参考价值。
关键词：安全科学技术结构方程（SEM）模型安全氛围因子结构*国家自然科学基金项目，项目编号：50474032，705330500引言1980年,祖哈在对以色列制造业的安全现状调查研究中,首次提出安全氛围(safety climate)概念并将之定义为“组织内员工共享的对于具有风险的工作环境的认知”[1]。
此后，美国Dedobbeleer、法国Niskanen、英国Cheyne、Cox和Flin、澳大利亚Neal等先后对安全氛围开展研究并采用相似定义[2-6]。
结合我国当前安全管理现状，安全氛围（气氛）可定义为“在某一特定时期内，由一系列可被员工认知的关键要素所组成的，能够反映目标企业内部当前的安全文化属性、以及企业组织行为的安全管理现状”；安全氛围的当前研究重点应集中于安全氛围的本质结构、有助于企业持续改进的安全氛围测评方法、合适的安全氛围测评要素和量化工具等；其中，影响因子的结构和关键要素的确定，以及因子之间、因子和从属要素之间的数量化关系建模是开展安全氛围研究的核心问题[7]。
1基于SEM的安全氛围研究模型SEM（Structure Equation Modeling），也叫做结构方程分析或结构方程建模，是一门基于统计分析技术的研究方法，通过有效整合多元回归和因素分析方法以实现自动评估一系列相互关联的因果关系[8]，从而达到处理复杂的多变量研究数据的探究与分析目的；适用于含隐变量、自变量相关、存在变量误差、多个应变量等复杂条件下的建模以及不同模型之间的比较。
鉴于安全氛围的量化研究中具有社会学、行为学、心理学、管理学等方面的交叉学科特点，因此，结构方程的建模原理与路径模拟技术正逐步在安全氛围研究中得以运用。
当前，具有代表性意义的模型主要包括安全氛围的行为模型、安全氛围的态度模型、安全氛围的认知模型以及安全氛围的社会技术模型，等等。
1.1安全氛围的行为模型Neal[9]认为企业的组织氛围和安全氛围对个人行为的安全性具有显著影响作用。
在生产运营过程中，有关组织氛围的各种体系化文件的建设、管理实施与完善程度，直接作用于企业安全氛围，并对员工的安全参与积极性产生间接影响；而企业安全氛围与员工的安全知识、安全动机、对安全规章制度的遵守程度以及安全参与的积极性有关。
Neal对组织氛围、安全氛围和个人行为关系开展研究，认为企业组织氛围对安全氛围产产生直接作用，并间接影响到个人的行为安全性；首次提出安全氛围的组织—行为模型。
图1.1：安全氛围的组织——行为模型Fig.1.1：Organization-behavior model for safety climateSusanna Larsson[10]针对建筑企业安全氛围和个人行为安全性的相关关系，建立了安全氛围的心理-行为模型，认为：安全氛围的形成、发展与员工的心理氛围建设密切相关；员工的心理氛围直接影响现场工作状态、工作满意程度、建筑安全行为；安全知识和安全动机对个人行为、员工之间的交互行为产生影响；心理氛围的建设与员工的安全知识和安全参与动机有关，并通过这两个因子间接影响到个人行为和交互行为。
图1.2：安全氛围的心理——行为模型Fig.1.2: Psychological-behavior model for safety climate1.2安全氛围的态度模型Oi-ling Siu[11]在对香港建筑业的安全氛围调查研究过程中，认为：安全态度和安全信息沟通交流的有效性、心理压力等对事故产生具有显著作用；心理压力作为安全态度和事故的中间载体，应在安全氛围量化研究中予以考虑。
并据此提出安全氛围的态度模型：认为安全态度与工作压力、工作满意程度和职业伤害直接相关；与安全信息的交流沟通有效性呈显著性相关；安全信息的交流沟通有效性与工作满意程度、职业伤害直接相关，并间接影响事故率；安全态度直接影响压力并对事故率产生间接作用。
图1.3：安全氛围的态度模型Fig.1.3：Attitude model for safety climate1.3安全氛围的认知模型T.Rundmo[12]提出的安全氛围认知模型认为：员工的风险认知能力、安全态度和安全行为是企业安全氛围构成的基本因子；风险认知能力对安全态度呈显著相关；安全态度决定个人行为的安全性；违反规章制度的奖惩力度、安全规章制度在企业管理中的地位和员工风险认知能力之间的路径效应关系不显著；员工的非安全行为、安全规章制度在企业管理中的地位与企业对违反规章制度所采取的奖惩力度之间呈显著相关。
图1.4：安全氛围的认知模型Fig.1.4：Perception model for safety climate1.4安全氛围的社会技术模型Karen A.Brown[13]认为：安全氛围与社会影响力度、行为的安全性和技术的进步程度等有关；特别是社会、技术对企业安全氛围构成具有显著影响，事故风险、安全氛围（文化）、生产压力直接影响安全绩效和安全态度并间接影响行为的安全性。
提出安全氛围的社会技术模型：安全氛围与风险对员工的压力有直接影响，并间接作用于安全态度、安全绩效、员工的行为安全性；压力直接影响到安全态度和安全绩效，间接影响员工的行为安全性。
图1.5：安全氛围的社会技术模型Fig.1.5：Social-technical model for safety climate1.5安全氛围测评模型的应用分析国外这些模型已取得较好的应用效果，对推进企业安全管理和安全文化发展研究具有积极作用。
但由于上述模型研究的侧重点和企业背景不同，有关安全氛围测评的因子结构和关键要素因此存在一定的差异，不能简单地引用。
鉴于当前安全氛围测评在国内的研究处于起步阶段，且国内安全管理水平、安全文化背景与发达国家存在显著差距，单纯地把国外研究的成果借鉴使用，不能满足中国国情需求；因此，必须在前人研究的基础上，结合中国企业安全管理现状，开展研究；对安全氛围的基本构成因子和关键要素组合的相关模型假设和验证必须符合国内企业需求。
2需求-认识-参与模型的假设文献表明，当前安全氛围构成要素的研究主要集中于企业的安全管理、组织结构、管理监督作用、信息交流及反馈、安全业务方案、员工参与、安全行为、安全信仰以及安全价值观等等方面[14]。
本文在总结分析前人研究基础上，就国内企业安全氛围的因子构成和关键要素予以考虑，并提出需求-认识-参与模型的相关假设。
2.1安全氛围因子结构假设在文献参考的基础上，结合我国企业安全管理特点，通过对比分析、专家探讨、员工访谈等方法，提出本文安全氛围测评研究的5因子结构，即安全实施（因子1）、安全认识（因子2）、安全地位（因子3）、安全参与（因子4）、安全需求（因子5）。
其中：安全实施（因子1）：企业中组织层面上对安全工作的落实情况；安全认识（因子2）：个人对安全有关问题的具体看法；安全地位（因子3）：对安全的认识和需求程度，决定了安全在企业组织中的地位，即对安全问题的认识不足，对安全状态的需求不高，常决定了安全问题、安全专业人士在社会、企业等组织团体中的劣势地位；安全参与（因子4）：既包括员工对各类日常安全工作的参与，也包括对专门培训的参与，该因子既受到安全认识和需求（因子2、5）的交互影响，也受到安全工作实施质量和安全在企业中的地位影响，反之，安全参与的积极程度对上述四个因子也有显著作用；安全需求（因子5）：企业管理组织和个人在安全认识的基础上产生的对相关安全问题的期望与实际表现。
假设：组织和个人的安全需求、个人的安全认识、安全参与积极程度这三个因子之间存在相互影响关系，同时对安全地位和安全实施因子也具有因果联系，并且可以产生直接影响；安全地位和安全实施因子本身也具有一定的因果关系，而且相互作用。
在满足上述假设条件下，确定被测企业的安全氛围构成因子和内部隶属要素，并予以理论定义，可以明确研究的思路，为理论模型的建立奠定基础工作。
2.2安全氛围的需求-认识-参与理论模型本文安全氛围理论模型的结构基础中，安全需求、安全认识、安全参与均为外源变量(自变量)，安全地位、安全实施为内生变量(因变量)。
其中：安全需求、安全认识、安全参与分别有单向的箭头指向安全地位、安全实施，这说明安全地位、安全实施分别受到安全需求和安全认识、安全参与的影响。
安全需求、安全认识因子、安全参与各包含若干个外源指标要素，以及相应的测量误差；安全地位和安全实施分别包含若干个内生指标要素，以及相应的测量误差。
如图2.1所示:图2.1 安全氛围需求-认识-参与的理论模型Fig.2.1 Structural foundation of theoretic model for safety climate 根据安全氛围理论模型的结构基础图2.1，可以确定理论模型研究的假设关系：H1：假设安全需求因子对安全地位因子没有正向影响；H2：假设安全需求因子对安全实施因子没有正向影响；H3：假设安全认识因子对安全地位因子没有正向影响；H4：假设安全认识因子对安全实施因子没有正向影响；H5：假设安全参与因子对安全地位因子没有正向影响；H6：假设安全参与因子对安全实施因子没有正向影响。
3研究设计与数据收集3.1问卷开发与设计根据文献调查[15-18]，目前国外开展安全氛围量化研究的调查问卷主要包括：Aberdeen 大学发掘的远海天然气开采业的80条款安全问卷（OSQ99，Offshore Safety Questionnaire- Aberdeen University）、英国的HSE开发的健康与安全氛围测评工具（CST，Health and Safety Climate Survey Tool- HSE）、职业心理中心发掘的安全文化问卷（SafeCQ，Safety Culture Questionnaire-Occupational Psychology Centre）、Quest Evaluations and Databases Ltd 开发的安全氛围测评问卷（QSCQ，Quest Evaluations and Databases Ltd Safety Climate Questionnaire）、铁路安全与标准委员会研发的安全文化调查工具（RSSB，Rail Safety and Standards Board Safety Culture Tool）、Robert Gordon 大学电算化安全氛围测评问卷（CSCQ，Computerised Safety Climate Questionnaire-Robert Gordon University）、Loughborough 大学的安全氛围评价工具（LSCAT，The Loughborough University Safety Climate Assessment Toolkit）、Serco Assurance 安全文化测评工具（SASCAT，Serco Assurance Safety Culture Assessment Tool），等等。