袁晓芳 ，贾倩荷 ，孙林辉

（1.西安科技大学 管理学院，陕西 西安 710056；2.人因与管理工效学研究中心，陕西 西安 710056）

随着信息技术的发展，煤矿开采已从最初的人工挖矿发展为机械化采矿，并进一步向数字化、智能化发展[1]。在煤矿企业的智能化变革进程中，煤矿工人的不安全行为及其影响因素也发生了变化[2]。目前，诸多学者从个人因素、组织与管理因素以及外部环境因素等方面探究了煤矿工人不安全行为的影响因素，并取得了丰富的研究成果[3]。但在一些研究结论中，部分相同变量对煤矿工人不安全行为的影响方向和影响程度存在较大的差异。例如朱艳娜[4]认为，设备因素是影响煤矿工人不安全行为的关键因素，而周波等[5]认为设备因素对煤矿工人不安全行为的作用是微不足道的。然而，煤矿工人不安全行为与其前因变量的真实情况如何，又受何种因素影响，亟须研究者进行综合分析。元分析能够对同一主题的不同实证研究进行定量文献分析，可以更加科学地测量各前因变量的效应值，从而得出更加普适和可靠的结论[6]。因此，将利用元分析来检验我国煤矿工人不安全行为影响因素的效应值大小，并探究可能存在的调节变量。研究成果不仅为煤矿工人不安全行为的后续研究提供思路，也可为煤矿企业管理者提供优化决策的依据。

1 研究设计与方法

1.1 文献检索与纳入标准

研究对象为我国煤矿工人，因此仅对发表于2002—2022 年间的中文文献进行了全面检索。首先，将“不安全行为”、“人为错误”、“人因失误”、“人的错误”、“人的失误”分别和“煤矿工人”、“煤矿”、“矿山”组合，作为主题或关键词，在中国知网、维普、万方和超星等数据库进行了文献检索。检索截止日期为2022 年11 月25 日，经检索后共得到1 044 篇文献。

采用EndNote X9 管理文献，对样本文献的题目和关键词进行初次筛选后，制定以下纳入规则：文献的研究对象应是煤矿工人；文献类型必须是实证研究，不包括定性和传统综述类的研究；文献中必须报告自变量与因变量的相关系数r；必须可以下载全文。筛选流程如图1。

图1 元分析筛选流程Fig.1 Meta-analysis selection process

1.2 信息提取与文献编码

对样本文献提取了关键信息，具体包括题目、作者、发表年份、相关系数、样本量、文献类型、调查地区和影响因素。若同一篇文献中同时包含多个独立样本数据，则进行多次独立效应值的编码。为满足后续分析，选择出现频次不少于3 的自变量进行元分析。根据此标准，最终共纳入了24 篇相关文献，共计得到21 419 个独立样本，71个效应值。其中，期刊论文14 篇，占纳入总文献的58%；硕博学位论文10 篇，占纳入总文献的42%。出现频次最多的调查地区是山西（17 篇）。通过对文献进行仔细阅读后，将相似影响因素进行归纳合并，如将魅力型领导风格、包容性领导风格合并为领导风格。最终确定了12 个对煤矿工人不安全行为有意义的影响因素（安全态度、不安全心理、情感情绪、人际关系、心智游离、主观幸福感、工作投入、安全氛围、领导风格、组织公平、安全监管和管理制度）。由于篇幅所限，部分文献编码信息见表1，由于版面限制仅列出第一作者，A为期刊文献，B为学位论文。

表1 部分文献编码信息Table 1 Some coded information of the literatures

1.3 效应值与模型选择

使用CMA3.0 软件进行统计分析，并采用相关系数r作为效应值。纳入元分析的各独立研究可能存在一定差异，因此需要进行异质性检验。异质性检验通常采用Q检验和I2检验2 种方法，并作为模型选择的依据。Q值及显著性检验反映的是各效应值异质性程度的大小，I2值则反映的是在效应值的总变异中，异质性部分所占的比重[7]。若研究存在异质性，则应选择随机效应模型进行元分析，反之应选择固定效应模型。

1.4 调节变量编码

根据样本文献的特点，将样本量、调查地区、文献类型和发表年份编码为调节变量：①样本量。研究表明，小样本量研究要比大样本量研究具有更大的效应值，更可能存在被夸大的效应[8]。以中值样本量（n=306）为界，将样本文献分为2 个亚组：若样本量>306，则编码为A；若样本量≤306，则编码为B。②调查地区。将所有样本文献中的调查地区数量的中值作为2 个亚组的界限，调查地区数量>1，编码为A，调查地区数量≤1，编码为B。③文献类型。将期刊文献编码为A，学位论文编码为B。④发表年份。由于年份是连续变量，采用元回归分析检验发表年份的调节作用。

2 研究结果

2.1 发表偏差

发表偏差是指具有统计学显著意义的研究结果被报告和发表的可能性更大[9]。在元分析中为确保研究结论的准确性和客观性，需要考虑发表偏差对结论的影响。采用漏斗图和失安全系数（Failsafe Number，Nfs）来评估发表偏差的情况,发表偏差漏斗图如图2。纳入元分析的全部研究基本分布在漏斗图的上方，许多自变量分布在平均效应值附近，仅有少许的研究出现在漏斗图侧面，表明研究较少受到发表偏倚的影响。此外，当Nfs>5K+10（K为效应值个数）同样表明研究不存在发表偏差[9]。各自变量及其整体元分析的统计结果见表2，除了领导风格和管理制度存在发表偏差外，其余各变量的Nfs值均大于5K+10，进一步表明了元分析结果的有效性。但对于存在发表偏差问题的变量，则在后续分析中不再进行单独讨论。

表2 各自变量及其整体元分析的统计结果Table 2 Statistical results of the respective variables and overall meta-analysis results

图2 发表偏差的漏斗图Fig.2 Funnel plot of published deviation

2.2 整体元分析

Cohen 提出了行为科学研究领域中评估效应值大小的标准，建议|r|=0.1 为低相关，|r|=0.25 为中等相关，|r|=0.4 为强相关[10]。由表2 可知，除领导风格和管理制度外，其余各变量与不安全行为的关系在0.05 的水平上均具有统计显著性（95%置信区间不包含0，P<0.05）。其中，不安全心理（r=0.563）、 工 作 投 入（r=-0.453）和 安 全 监 管（r=-0.402）具 有 较 高 效 应 值； 主 观 幸 福 感（r=-0.380）、 组 织 公 平（r=-0.380）、安 全 态 度（r=-0.280）、 心 智 游 离（r=0.278）、 情 感 情 绪（r=0.256）、人际关系（r=-0.250）具有中等效应值；安全氛围（r=-0.201）具有低等效应值。

2.3 异质性检验

由表2 可知，除工作投入（P=0.406>0.05）外，其余变量的Q检验均达到显著性水平（P<0.05），因此，需要分析异质性产生的原因。对样本文献进行亚组分组后，选择文献数量大于等于3 的自变量与不安全行为间的关系进行调节效应检验结果见表3。限于篇幅，只报告了每个亚组的效应值r和每个亚组研究间的Q统计值QB。若QB显著，则表明该调节变量显著减少了亚组间的异质性。由表3 可知，相较于样本量较少的研究，样本量较多的研究中不安全行为与安全态度（r=-0.405）、 情 感 情 绪（r=0.323）和 组 织 公 平（r=-0.408）的相关性更强；相较于调查地区数量较多的研究，调查地区数量较少的研究中不安全行为与安全态度（r=-0.384）、人际关系（r=-0.371）和安全监管（r=-0.670）的相关性更强；与学位论文相比，期刊文献中安全态度与不安全行为的相关性更强（r=-0.384），但不安全心理和安全监管则相反。为了便于解释，进一步将调节效应检验进行可视化表示结果见表4。

表3 调节变量亚组分析结果Table 3 Adjusted variables subgroup analysis results

表4 调节变量的效应分析Table 4 Effect analysis of adjustment variables

结合表3 和表4，发现样本量在安全态度（QB=28.811，P<0.001）、不安全心理（QB=17.965，P<0.001）、情感情绪（QB=29.296，P<0.001）、组织公平（QB=13.008，P<0.001）、安全监管（QB=8.854，P<0.01）与不安全行为的关系中存在显著的调节作用。但样本量在人际关系、主观幸福感与不安全行为的关系中没有调节作用，说明这2 个变量与不安全行为的关系可能存在跨样本量的稳定性。调查地区数量在安全态度（QB=50.801，P<0.001）、人际关系（QB=5.010，P<0.05）、安全监管（QB=138.643，P<0.001）与不安全行为的关系中具有显著的调节作用，但在情感情绪与不安全行为的关系中没有调节作用。文献类型在安全态度（QB=50.831，P<0.05）、不安全心理（QB=10.287，P<0.05）、安全监管（QB=121.839，P<0.05）与不安全行为的关系中具有显著的调节作用，而在情感情绪、人际关系、心智游离和主观幸福感这4 个变量与不安全行为的关系中没有调节效应。总体而言，横向上，样本量、调查地区和文献类型至少能调节3 种被检查的煤矿工人不安全行为关系；纵向上，这3 个调节变量在心智游离、主观幸福感、安全氛围与不安全行为的关系中均没有调节作用。

此外，纳入本次元分析的样本文献时间跨度较大，以样本量、调查地区数量、文献类型为调节变量并不能反映煤矿工人不安全行为的时间变化趋势。因此，对发表年份进行了元回归分析，以探究效应值的年份变化趋势。年份调节变量的元回归分析见表5，安全态度、情感情绪和安全监管的效应值随年份并无显著变化（P>0.05），即发表年份在不安全行为与安全态度、情感情绪和安全监管的关系中没有调节作用。但发表年份在心智游离和组织公平这2 个变量对不安全行为的影响关系中存在调节作用（P<0.05），可以显著正向预测二者与不安全行为的关系，这意味着关于煤矿工人不安全行为研究的年份差异也是异质性产生的原因之一。

表5 年份调节变量的元回归分析Table 5 Meta regression analysis of year adjusting variables

3 讨论分析

3.1 主效应分析

采用元分析对国内煤矿工人不安全行为影响因素的24 篇实证研究进行综合分析，并探讨了不同因素的影响强度和作用效果。在纳入的所有因素中，除领导风格和管理制度无显著影响外，其余各因素对煤矿工人不安全行为均存在显著影响，只是影响强度和影响方向不同。首先，不安全心理是影响煤矿工人不安全行为的关键因素，影响强度最大。研究表明，不安全心理显著正向影响煤矿工人的不安全行为（r=0.663），相关系数接近元分析的整体效应值（r=0.563），研究结果支持了先前学者的相关研究。李红霞等学者从人因视角探讨了国内煤矿领域发展趋势，指出不安全心理致因因素是我国煤矿领域今后的研究焦点[11]，进一步反映了元分析效应值的稳健性。因此，煤矿企业要充分认识到煤矿工人不安全心理产生的原因，在智能化、数字化的煤矿时代，更应该关注煤矿工人的心理因素。其次工作投入、安全监管对煤矿工人不安全行为具有高等影响，主观幸福感、组织公平、安全态度、心智游离、情感情绪和人际关系对煤矿工人不安全行为具有中等影响。而安全氛围对不安全行为的影响强度较低，对于低等相关强度的变量，不同研究结果存在不一致性。例如，一些研究中安全氛围与不安全行为的相关强度较高（r=-0.369）[12]，而在另一些研究中，二者的关系呈现出较低的相关强度（r=-0.120）[13]。这种现象的产生一方面来源于研究特征，另一方面，可能是纳入本次元分析研究的样本文献数量较少。

3.2 调节效应分析

将样本量、调查地区数量、文献类型和发表年份作为调节变量，通过亚组检验和元回归分析，发现这些调节变量能够解释部分研究结果不一致的问题。例如，李京蔓[14]指出安全监管和煤矿工人不安全行为之间具有较高的相关性（r=-0.464），而王家坤等[15]认为二者之间具有较低的显著相关性（r=-0.104）。这种差异性结果的产生可能来源于2 项研究的样本量大小，前者的样本量为207，后者的样本量为811。研究发现，样本量较小的研究中安全监管对不安全行为的影响更加显著，表明样本量确实存在调节效应，能够解释这2 项研究结果不一致的原因。纳入元分析的样本文献均采用问卷调查的研究方法，在调节效应检验时一个亚组缺失数据，因而将研究方法这一调节变量排除。今后的研究中应包含新的测量方法，从而为后续研究提供独特的研究视角。

4 结 语

通过对国内煤矿工人不安全行为相关的24 篇实证研究进行定量文献分析，识别出12 个关键影响因素，并分析了这些因素的影响作用效果，得出不安全心理是影响强度最高的因素。利用亚组检验和元回归分析，发现样本量、调查地区、文献类型和发表年份作为调节变量，在一定程度上可以解释各因素与不安全行为研究间的异质性。元分析作为一种定量分析工具，在国内煤矿领域的实际应用还较少。利用元分析计算了各独立研究的效应值，并分析它们所反映的共同效应，得到了更加可靠和真实的结论。研究还存在局限性，数量较少的研究无法进行亚组分析，因而限制了研究结果的可靠性，还存在其他未挖掘的调节变量，未来的研究应尽可能考虑能够调节煤矿工人不安全行为关系的变量，如被试年龄、被试身体健康状况等，以提高各变量与煤矿工人不安全行为关系的理解。