袁曉芳 ,賈倩荷 ,孫林輝
(1.西安科技大學 管理學院,陜西 西安 710056;2.人因與管理工效學研究中心,陜西 西安 710056)
隨著信息技術的發(fā)展,煤礦開采已從最初的人工挖礦發(fā)展為機械化采礦,并進一步向數字化、智能化發(fā)展[1]。在煤礦企業(yè)的智能化變革進程中,煤礦工人的不安全行為及其影響因素也發(fā)生了變化[2]。目前,諸多學者從個人因素、組織與管理因素以及外部環(huán)境因素等方面探究了煤礦工人不安全行為的影響因素,并取得了豐富的研究成果[3]。但在一些研究結論中,部分相同變量對煤礦工人不安全行為的影響方向和影響程度存在較大的差異。例如朱艷娜[4]認為,設備因素是影響煤礦工人不安全行為的關鍵因素,而周波等[5]認為設備因素對煤礦工人不安全行為的作用是微不足道的。然而,煤礦工人不安全行為與其前因變量的真實情況如何,又受何種因素影響,亟須研究者進行綜合分析。元分析能夠對同一主題的不同實證研究進行定量文獻分析,可以更加科學地測量各前因變量的效應值,從而得出更加普適和可靠的結論[6]。因此,將利用元分析來檢驗我國煤礦工人不安全行為影響因素的效應值大小,并探究可能存在的調節(jié)變量。研究成果不僅為煤礦工人不安全行為的后續(xù)研究提供思路,也可為煤礦企業(yè)管理者提供優(yōu)化決策的依據。
研究對象為我國煤礦工人,因此僅對發(fā)表于2002—2022 年間的中文文獻進行了全面檢索。首先,將“不安全行為”、“人為錯誤”、“人因失誤”、“人的錯誤”、“人的失誤”分別和“煤礦工人”、“煤礦”、“礦山”組合,作為主題或關鍵詞,在中國知網、維普、萬方和超星等數據庫進行了文獻檢索。檢索截止日期為2022 年11 月25 日,經檢索后共得到1 044 篇文獻。
采用EndNote X9 管理文獻,對樣本文獻的題目和關鍵詞進行初次篩選后,制定以下納入規(guī)則:文獻的研究對象應是煤礦工人;文獻類型必須是實證研究,不包括定性和傳統(tǒng)綜述類的研究;文獻中必須報告自變量與因變量的相關系數r;必須可以下載全文。篩選流程如圖1。
圖1 元分析篩選流程Fig.1 Meta-analysis selection process
對樣本文獻提取了關鍵信息,具體包括題目、作者、發(fā)表年份、相關系數、樣本量、文獻類型、調查地區(qū)和影響因素。若同一篇文獻中同時包含多個獨立樣本數據,則進行多次獨立效應值的編碼。為滿足后續(xù)分析,選擇出現頻次不少于3 的自變量進行元分析。根據此標準,最終共納入了24 篇相關文獻,共計得到21 419 個獨立樣本,71個效應值。其中,期刊論文14 篇,占納入總文獻的58%;碩博學位論文10 篇,占納入總文獻的42%。出現頻次最多的調查地區(qū)是山西(17 篇)。通過對文獻進行仔細閱讀后,將相似影響因素進行歸納合并,如將魅力型領導風格、包容性領導風格合并為領導風格。最終確定了12 個對煤礦工人不安全行為有意義的影響因素(安全態(tài)度、不安全心理、情感情緒、人際關系、心智游離、主觀幸福感、工作投入、安全氛圍、領導風格、組織公平、安全監(jiān)管和管理制度)。由于篇幅所限,部分文獻編碼信息見表1,由于版面限制僅列出第一作者,A為期刊文獻,B為學位論文。
表1 部分文獻編碼信息Table 1 Some coded information of the literatures
使用CMA3.0 軟件進行統(tǒng)計分析,并采用相關系數r作為效應值。納入元分析的各獨立研究可能存在一定差異,因此需要進行異質性檢驗。異質性檢驗通常采用Q檢驗和I2檢驗2 種方法,并作為模型選擇的依據。Q值及顯著性檢驗反映的是各效應值異質性程度的大小,I2值則反映的是在效應值的總變異中,異質性部分所占的比重[7]。若研究存在異質性,則應選擇隨機效應模型進行元分析,反之應選擇固定效應模型。
根據樣本文獻的特點,將樣本量、調查地區(qū)、文獻類型和發(fā)表年份編碼為調節(jié)變量:①樣本量。研究表明,小樣本量研究要比大樣本量研究具有更大的效應值,更可能存在被夸大的效應[8]。以中值樣本量(n=306)為界,將樣本文獻分為2 個亞組:若樣本量>306,則編碼為A;若樣本量≤306,則編碼為B。②調查地區(qū)。將所有樣本文獻中的調查地區(qū)數量的中值作為2 個亞組的界限,調查地區(qū)數量>1,編碼為A,調查地區(qū)數量≤1,編碼為B。③文獻類型。將期刊文獻編碼為A,學位論文編碼為B。④發(fā)表年份。由于年份是連續(xù)變量,采用元回歸分析檢驗發(fā)表年份的調節(jié)作用。
發(fā)表偏差是指具有統(tǒng)計學顯著意義的研究結果被報告和發(fā)表的可能性更大[9]。在元分析中為確保研究結論的準確性和客觀性,需要考慮發(fā)表偏差對結論的影響。采用漏斗圖和失安全系數(Failsafe Number,Nfs)來評估發(fā)表偏差的情況,發(fā)表偏差漏斗圖如圖2。納入元分析的全部研究基本分布在漏斗圖的上方,許多自變量分布在平均效應值附近,僅有少許的研究出現在漏斗圖側面,表明研究較少受到發(fā)表偏倚的影響。此外,當Nfs>5K+10(K為效應值個數)同樣表明研究不存在發(fā)表偏差[9]。各自變量及其整體元分析的統(tǒng)計結果見表2,除了領導風格和管理制度存在發(fā)表偏差外,其余各變量的Nfs值均大于5K+10,進一步表明了元分析結果的有效性。但對于存在發(fā)表偏差問題的變量,則在后續(xù)分析中不再進行單獨討論。
表2 各自變量及其整體元分析的統(tǒng)計結果Table 2 Statistical results of the respective variables and overall meta-analysis results
圖2 發(fā)表偏差的漏斗圖Fig.2 Funnel plot of published deviation
Cohen 提出了行為科學研究領域中評估效應值大小的標準,建議|r|=0.1 為低相關,|r|=0.25 為中等相關,|r|=0.4 為強相關[10]。由表2 可知,除領導風格和管理制度外,其余各變量與不安全行為的關系在0.05 的水平上均具有統(tǒng)計顯著性(95%置信區(qū)間不包含0,P<0.05)。其中,不安全心理(r=0.563)、 工 作 投 入(r=-0.453)和 安 全 監(jiān) 管(r=-0.402)具 有 較 高 效 應 值; 主 觀 幸 福 感(r=-0.380)、 組 織 公 平(r=-0.380)、安 全 態(tài) 度(r=-0.280)、 心 智 游 離(r=0.278)、 情 感 情 緒(r=0.256)、人際關系(r=-0.250)具有中等效應值;安全氛圍(r=-0.201)具有低等效應值。
由表2 可知,除工作投入(P=0.406>0.05)外,其余變量的Q檢驗均達到顯著性水平(P<0.05),因此,需要分析異質性產生的原因。對樣本文獻進行亞組分組后,選擇文獻數量大于等于3 的自變量與不安全行為間的關系進行調節(jié)效應檢驗結果見表3。限于篇幅,只報告了每個亞組的效應值r和每個亞組研究間的Q統(tǒng)計值QB。若QB顯著,則表明該調節(jié)變量顯著減少了亞組間的異質性。由表3 可知,相較于樣本量較少的研究,樣本量較多的研究中不安全行為與安全態(tài)度(r=-0.405)、 情 感 情 緒(r=0.323)和 組 織 公 平(r=-0.408)的相關性更強;相較于調查地區(qū)數量較多的研究,調查地區(qū)數量較少的研究中不安全行為與安全態(tài)度(r=-0.384)、人際關系(r=-0.371)和安全監(jiān)管(r=-0.670)的相關性更強;與學位論文相比,期刊文獻中安全態(tài)度與不安全行為的相關性更強(r=-0.384),但不安全心理和安全監(jiān)管則相反。為了便于解釋,進一步將調節(jié)效應檢驗進行可視化表示結果見表4。
表3 調節(jié)變量亞組分析結果Table 3 Adjusted variables subgroup analysis results
表4 調節(jié)變量的效應分析Table 4 Effect analysis of adjustment variables
結合表3 和表4,發(fā)現樣本量在安全態(tài)度(QB=28.811,P<0.001)、不安全心理(QB=17.965,P<0.001)、情感情緒(QB=29.296,P<0.001)、組織公平(QB=13.008,P<0.001)、安全監(jiān)管(QB=8.854,P<0.01)與不安全行為的關系中存在顯著的調節(jié)作用。但樣本量在人際關系、主觀幸福感與不安全行為的關系中沒有調節(jié)作用,說明這2 個變量與不安全行為的關系可能存在跨樣本量的穩(wěn)定性。調查地區(qū)數量在安全態(tài)度(QB=50.801,P<0.001)、人際關系(QB=5.010,P<0.05)、安全監(jiān)管(QB=138.643,P<0.001)與不安全行為的關系中具有顯著的調節(jié)作用,但在情感情緒與不安全行為的關系中沒有調節(jié)作用。文獻類型在安全態(tài)度(QB=50.831,P<0.05)、不安全心理(QB=10.287,P<0.05)、安全監(jiān)管(QB=121.839,P<0.05)與不安全行為的關系中具有顯著的調節(jié)作用,而在情感情緒、人際關系、心智游離和主觀幸福感這4 個變量與不安全行為的關系中沒有調節(jié)效應??傮w而言,橫向上,樣本量、調查地區(qū)和文獻類型至少能調節(jié)3 種被檢查的煤礦工人不安全行為關系;縱向上,這3 個調節(jié)變量在心智游離、主觀幸福感、安全氛圍與不安全行為的關系中均沒有調節(jié)作用。
此外,納入本次元分析的樣本文獻時間跨度較大,以樣本量、調查地區(qū)數量、文獻類型為調節(jié)變量并不能反映煤礦工人不安全行為的時間變化趨勢。因此,對發(fā)表年份進行了元回歸分析,以探究效應值的年份變化趨勢。年份調節(jié)變量的元回歸分析見表5,安全態(tài)度、情感情緒和安全監(jiān)管的效應值隨年份并無顯著變化(P>0.05),即發(fā)表年份在不安全行為與安全態(tài)度、情感情緒和安全監(jiān)管的關系中沒有調節(jié)作用。但發(fā)表年份在心智游離和組織公平這2 個變量對不安全行為的影響關系中存在調節(jié)作用(P<0.05),可以顯著正向預測二者與不安全行為的關系,這意味著關于煤礦工人不安全行為研究的年份差異也是異質性產生的原因之一。
表5 年份調節(jié)變量的元回歸分析Table 5 Meta regression analysis of year adjusting variables
采用元分析對國內煤礦工人不安全行為影響因素的24 篇實證研究進行綜合分析,并探討了不同因素的影響強度和作用效果。在納入的所有因素中,除領導風格和管理制度無顯著影響外,其余各因素對煤礦工人不安全行為均存在顯著影響,只是影響強度和影響方向不同。首先,不安全心理是影響煤礦工人不安全行為的關鍵因素,影響強度最大。研究表明,不安全心理顯著正向影響煤礦工人的不安全行為(r=0.663),相關系數接近元分析的整體效應值(r=0.563),研究結果支持了先前學者的相關研究。李紅霞等學者從人因視角探討了國內煤礦領域發(fā)展趨勢,指出不安全心理致因因素是我國煤礦領域今后的研究焦點[11],進一步反映了元分析效應值的穩(wěn)健性。因此,煤礦企業(yè)要充分認識到煤礦工人不安全心理產生的原因,在智能化、數字化的煤礦時代,更應該關注煤礦工人的心理因素。其次工作投入、安全監(jiān)管對煤礦工人不安全行為具有高等影響,主觀幸福感、組織公平、安全態(tài)度、心智游離、情感情緒和人際關系對煤礦工人不安全行為具有中等影響。而安全氛圍對不安全行為的影響強度較低,對于低等相關強度的變量,不同研究結果存在不一致性。例如,一些研究中安全氛圍與不安全行為的相關強度較高(r=-0.369)[12],而在另一些研究中,二者的關系呈現出較低的相關強度(r=-0.120)[13]。這種現象的產生一方面來源于研究特征,另一方面,可能是納入本次元分析研究的樣本文獻數量較少。
將樣本量、調查地區(qū)數量、文獻類型和發(fā)表年份作為調節(jié)變量,通過亞組檢驗和元回歸分析,發(fā)現這些調節(jié)變量能夠解釋部分研究結果不一致的問題。例如,李京蔓[14]指出安全監(jiān)管和煤礦工人不安全行為之間具有較高的相關性(r=-0.464),而王家坤等[15]認為二者之間具有較低的顯著相關性(r=-0.104)。這種差異性結果的產生可能來源于2 項研究的樣本量大小,前者的樣本量為207,后者的樣本量為811。研究發(fā)現,樣本量較小的研究中安全監(jiān)管對不安全行為的影響更加顯著,表明樣本量確實存在調節(jié)效應,能夠解釋這2 項研究結果不一致的原因。納入元分析的樣本文獻均采用問卷調查的研究方法,在調節(jié)效應檢驗時一個亞組缺失數據,因而將研究方法這一調節(jié)變量排除。今后的研究中應包含新的測量方法,從而為后續(xù)研究提供獨特的研究視角。
通過對國內煤礦工人不安全行為相關的24 篇實證研究進行定量文獻分析,識別出12 個關鍵影響因素,并分析了這些因素的影響作用效果,得出不安全心理是影響強度最高的因素。利用亞組檢驗和元回歸分析,發(fā)現樣本量、調查地區(qū)、文獻類型和發(fā)表年份作為調節(jié)變量,在一定程度上可以解釋各因素與不安全行為研究間的異質性。元分析作為一種定量分析工具,在國內煤礦領域的實際應用還較少。利用元分析計算了各獨立研究的效應值,并分析它們所反映的共同效應,得到了更加可靠和真實的結論。研究還存在局限性,數量較少的研究無法進行亞組分析,因而限制了研究結果的可靠性,還存在其他未挖掘的調節(jié)變量,未來的研究應盡可能考慮能夠調節(jié)煤礦工人不安全行為關系的變量,如被試年齡、被試身體健康狀況等,以提高各變量與煤礦工人不安全行為關系的理解。