1．2研究變量識別

　　煤礦安全風險管理是實現煤礦本質化安全的關鍵，安全風險的高低決定煤礦安全事故的發生頻率以及損失幅度。管理是否科學、設備是否先進、環境是否安全、信息是否暢通等因素將對煤礦安全產生重要影響。依據上述調研數據，本文運用SPSS17．0的“Analyze(DataＲeduction(Factor”功能，對調研的各變量展開信度與效度的檢驗分析，信度分析用CITC值和Cronbach’sAlpha值檢驗，效度分析用KMO和Bartlett球形檢驗，信度檢測見表1。表1顯示，總體Cronbach’s值0．913，除作業環境友好性一項Cronbach’s值小于0．7之外，其余各項Cronbach’s均大于0．7，CITC均大于0．5，因此其余各項因子有效。作業環境友好性因子未通過檢驗，剔除該因子，最終煤礦企業安全事故風險因子為22項。通過計算，KMO=0．841＞0．5(參考標準)，因此數據較適合因子分析。同時Barlett球形度檢驗的F值為0．000，表明煤礦企業安全事故風險影響因素的指標數據呈正態分布，符合SEM對數據分析要求［15］。因此，該問卷信度、效度均達標。

　　1．3研究變量設計

　　層次聚類分析(ClassifiedAnalysis)又稱樹聚類分析，通過反復對復層次式構架的數據進行聚合與分裂，從而構造一個層次聚類問題解，通常運用自底向上或自頂向下兩種分裂式層次聚類［16］。層次聚類憑借控制聚類粒度靈活性和表達簇間層次關系清晰性的優點，廣泛應用于管理學、經濟學、行為性等領域，有效尋找各類數據集的“自然屬性”［17］。當前，層次聚類分析法主要有粗聚類算法(ＲCOSD)、Hungarian聚類算法、快速聚類算法三種方式［18］。本文選用SPSS17．0的“Analyze(Classify(Hierarchi-calCluster”功能對上述甄別的22項風險因子進行聚類分析，尋找風險因子的“自然屬性”，確定風險因素層次，聚類結果見表2。表2顯示，通過因素聚類分析，煤礦企業安全事故風險因素最終分為5層次較合理，其分別是管理風險、設備風險、信息風險、環境風險、人因風險。

上一頁 [1] [2] [3] [4] [5] [6] 下一頁