图1 上学最常用的出行方式Fig.1 The most common way to travel to school

图2 家离学校的距离Fig.2 Distance from home to school

图3 获得交通安全知识的最主要途径Fig.3 The main way to get traffic safety knowledge

图4 父母最高学历Fig.4 Parents’highest degree

图5 家庭年收入Fig.5 Annual household income

2 青少年交通安全行为影响因素分析

青少年交通安全教育、青少年交通安全意识、青少年交通安全态度和青少年交通安全态度和其他影响因素作为解释变量。其中，其他影响因素指的是将年龄、出行方式、出行距离以及父母文化水平这四部分相结合所得到的得分。被解释变量即为青少年交通安全行为得分。运用SPSS19.0采用皮尔逊（Pearson）相关分析以及多元回归模型分析进行实证分析。

2.1 皮尔逊相关分析

相关分析主要的目的是为了研究各个变量之间的密切程度。根据发放的调查问卷得到的数据，按照青少年安全教育、青少年安全意识、青少年安全态度、其他因素以及青少年安全行为得分这4个变量之间的关系，使用SPSS19.0软件对这5个变量之间做其皮尔逊相关矩阵见表1。

表1 影响青少年交通安全各因素相关矩阵Tab.1 Correlation matrix of various influence factors of adolescent traffic safety注：＊＊为在0.01水平（双侧）上显著相关。教育 意识 态度 其他 总得分＊＊教育 相关性 1.00 0.391＊＊ 0.481＊＊ 0.277＊＊ 0.518意识态度其他总得分 0.000显著性 0.000 0.000相关性 0.391＊＊1.00 0.377＊＊ 0.247＊＊ 0.744＊＊显著性 0.000 0.000 0.000 0.000相关性 0.481＊＊0.377＊＊ 1.00 0.204＊＊ 0.654＊＊显著性 0.000 0.000相关性 0.277＊＊0.247＊＊ 0.204＊＊ 1.00 0.373＊＊显著性 0.000相关性 0.518＊＊0.744＊＊ 0.654＊＊ 0.373＊＊ 1.00显著性

由表1可见，交通安全行为得分与青少年安全教育、青少年安全意识、青少年安全态度、其他因素均呈现出正相关关系，并且5个变量之间的皮尔逊相关系数R均达到了显著水平，即其相关系数通过检验，得出的相关系数R值可以使用。并且我们可以看出，与青少年交通安全行为得分相关系数R值按大排到小分别依次是青少年交通安全意识、青少年交通安全态度、青少年交通安全教育和其他因素。其R值分别为0.744，0.654，0.518，0.373。说明改善青少年交通行为最有效的方法就是通过提高青少年的交通安全意识，并且青少年交通安全态度和青少年交通安全教育的影响也是比较大的。而其他影响因素的R值只有0.373，相比其他几个变量来说比较低，但是也达到了显著水平，其他影响因素对青少年的交通安全行为存在着潜在的影响。

2.2 青少年交通安全行为回归分析

经过青少年交通安全行为相关分析后，为了进一步分析青少年交通安全行为的影响因素，需要对青少年交通安全行为进行回归分析。回归分析是寻找自变量与因变量间的函数式，从而将变量之间的相关关系近似的表示出来。由相关分析可知青少年交通安全行为与各个变量之间存在近似的线性关系，因而选择线性回归分析。线性回归的一般数学模型为

式中：Y为青少年交通安全行为得分；X1为青少年交通安全教育；X2为青少年交通安全意识；X3为青少年交通安全态度；X4为其他影响因素；α为常数项；e为随机变量。并使用SPSS19.0软件对这5个变量进行多元线性回归分析，并建立模型。分别得到以下数据，见表2、表3。

表2 模型拟合程度Tab.2 Model fitting degree模型 R R2 调整R2估计标准误差L 0.862 0.743 0.740 0.869

表3 均方、F值以及对F值的显著性检验Tab.3 Mean square、Fvalue and F value of test of significance模型 平方和 F Sig.回归L 21 702.540 228.806 0.000残差 7 493.261总计29 195.801

表2列出了模型的R，R2，调整R2、以及估计标准误差。其中R称之为多元相关系数；R2为模型的拟合度，就是说R2的值越大，其反映的自变量与因变量的共变量比率越高，模型的拟合程度越好。本次定义模型所得的多元相关系数R＝0.862，拟合多元线性回归的确定系数R2＝0.743，调整后的确定系数为0.740，估计的标准误差为0.869。说明该模型的拟合度还是比较良好的。

表3中模型的回归平方和为21 702.540，残差平方和为7 493.261，总平方和为29 195.801，F值为228.806，F的值比较大，这代表着该回归模型是显著的；并且sig.的值约等于0.000，sig.＜0.05，因此可以认为本次所建的多元线性回归方程模型有效。表4为该多元线性回归方程模型的系数。

表4 回归系数表Tab.4 The regression coefficient table模型 非标准化系数bi 标准误差标准系数 t 0.020 0.107 3.068 0.002 6.845 3.249 2.107 0.036安全意识 0.098 0.030 0.128 3.230 0.001安全教育 0.485 0.038 0.473 12.661 0.000安全态度 0.292 0.031 0.363 9.339 0.000其他因素常量

文章来源：《青少年体育》 网址: http://www.qsntyzz.cn/qikandaodu/2020/1026/865.html