本次模拟因变量Y（交通安全行为得分）对4个自变量 X1（安全教育）、X2（安全意识）、X3（安全态度）、X4（其他因素）的回归的非标准化系数分别为0.092，0.485，0.292，0.060，对应的显著性 检 验 的 t 值 分 别 为 3.230，12.661，9.339，3.068，4个回归系数b1，b2，b3，b4 的显著性水平sig.最大为0.001，所有的sig.＜0.05，因此可以认为自变量 X1（安全教育）、X2（安全意识）、X3（安全态度）、X4（其他因素）对因变量Y（交通安全行为得分）均有显著影响。根据以上表中的数据可以得到完整的多元线性回归方程：

可以很明显地从回归模型式（2）中得知青少年交通安全行为得分与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，以及相应的其他因素呈正相关关系，其中青少年交通安全意识和青少年交通安全态度的影响最大。

图6用来研究残差的直方图。是用来观察残差是否符合正态分布的工具方法之一。在此图中可以很明显地看出残差在该图形上的形状基本上是符合正态分布的。

图6 交通安全行为得分直方图Fig.6 Histogram of Score of traffic safety behavior

如图7所示，可以很明显地观察出残差图是散点图，并且可以看出散点都是随机分布在e＝0为中心的横带中，因此可以证明该模型是可以使用的。

图7 交通安全行为得分残差图Fig.7 Scatterplot of Score of traffic safety behavior

通过图6和图7的模型拟合分析结果，可以确定得出的多元线性回归模型是可行的。

3 结束语

笔者通过定量分析的形式，结合广州市主城区青少年安全调查数据，建立并标定了青少年交通安全回归分析模型，研究得出了2点结论。

1）模型不仅体现了对于青少年交通安全状况的分析，还可以用来对于交通安全状况进行预估和评价。

2）青少年的交通安全意识和态度几乎主导着青少年交通安全行为，提高青少年意识和态度才能从根本上保障青少年交通安全。

0 引 言随着交通安全的深入研究，人们越来越认识到青少年的安全与交通行为之间相互关系的重要性。国内外学者运用分析因果链条、多重表征和多中心方法、风险分析方法等对于交通环境进行了综合评价，并建立了道路交通系统交通安全可靠性模型［1－4］。文献［5-9］通过对于中小学生的相关交通行为和现状进行了调查，将回收后的数据进行了统计分析并量化，确定了相关的影响因素后，进行了一些探索性分析。由于我国与发达国家在小学生交通安全教育的系统性和针对性存在一定的差距，国内城市小学生安全过马路行为表现比国外小学生差。面对复杂的交通现状，国内的研究也认为短期行为和临时性措施无法从根本上解决这一问题［10］。本文基于出行行为分析理论，通过对于青少年安全调查数据的分析，针对目前国内外还没有对真实交通环境下青少年的交通行为的几个关键性因素进行过深入研究，以加强对青少年交通行为的理解，同时探讨教育、意识、态度、个人因素对于青少年安全行为的影响，通过对青少年交通安全行为得分，并进一步进行探索性分析，建立了多元回归模型，为预防与控制交通伤害，有针对性地开展青少年交通安全教育提供了理论依据。1 调查与分析1.1 调查对象按照学校生源的不同，将广州市主城区学校分为外来务工人员子弟学校、城市学生学校2大类，从每个大类中随机抽取2所小学，2所中学，再采取整群抽样方法，从4所学校分别随机抽取5个班，共抽取40个班的全部学生为调查对象。天河区天泽中学初一、初二年级各5个班，共计430人；天河区东方小学五、六年级各5个班，共计490人；天河区汇景实验学校初一、初二年级各5个班，共计440人；天河区五山小学五、六年级各1个班，共计440人。调查人数总共1 800人 调查方法1.2.1 问卷编制设计调查问卷时，首先需要对影响青少年交通安全的因素进行分析，分别是人、车、路、环境这4个方面针对青少年交通安全的影响分析。并将其分成5大块，分别是交通安全教育、交通安全意识、交通安全态度、交通安全行为以及学生基本信息进行问卷的设计。最终，选择一些可量化的指标设置问卷问题，并将分数按照梯度设计问卷选项。问卷设计依据青少年自身的认知特性而设计。问卷包括5个部分，共35个问题。第1个部分是青少年的交通安全教育、意识、态度调查。这一部分的操作比较特殊，共设35个题项。第一，要求青少年在每个题项中选出自己在参与道路交通中所表现的行为，以评估青少年交通行为安全性；第二，要求青少年在每个题项中选出自己认为参与道路交通中安全的行为，以评估青少年交通安全意识；第三，要求青少年在每个题项中选出自己认为参与道路交通中危险的行为，以评估青少年交通危险意识。第2个部分是青少年的过去30d道路交通行为，共10题。包括各种常见的不正确的交通行为的发生次数。第3个部分涉及人口统计学的信息，包括：年级、性别、年龄、出行方式、接送者、离校距离、安全教育途径，共7题。第4个部分是对青少年的家长的调查，共9题。完成每份问卷内容所需要的时间?数据收集整份问卷由青少年自己填写完成，在青少年不理解的题项上，由调查人员解释说明，以确保调查数据无误。本次调查问卷共1 800份，删除因填写不规范或者部分空缺而不合格的问卷102份，共收集合格问卷1 698份 分析方法利用SPSS19.0分析数据：第1，对问卷第一部分打分。问卷调查表的设计采用了李克特（Likert）5分制量表，问卷为每个维度的潜变量分别设计了2～3个可测量的题目。其中交通安全教育、交通安全行为和交通安全意识计分均一致。其得分越高，表示交通安全教育、意识、态度越好。第二，对问卷第二、三部分进行频率和描述统计分析。然后进行频率和描述统计分析，皮尔逊（Pearson）相关分析，和多元回归分析 调查数据描述性统计分析通过对于4所学校的系列调查，城市学校的综合交通安全得分好于外来务工子弟学校得分，中学的综合交通安全得分要好于小学得分。通过图1～5可以看出，由于家庭条件、年龄、父母文化水平、家到学校的距离等因素的原因，离学校近的学生采用步行为主，离学校远的学生采用公共交通为主。父母文化水平越高，家庭的安全教育越好，学校整体的安全意识及态度得分越高。家庭条件也影响着安全意识、态度的整体水平。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 income2 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 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 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其他因素常量本次模拟因变量Y（交通安全行为得分）对4个自变量 X1（安全教育）、X2（安全意识）、X3（安全态度）、X4（其他因素）的回归的非标准化系数分别为0.092，0.485，0.292，0.060，对应的显著性 检 验 的 t 值 分 别 为 3.230，12.661，9.339，3.068，4个回归系数b1，b2，b3，b4的显著性水平sig.最大为0.001，所有的sig.＜0.05，因此可以认为自变量 X1（安全教育）、X2（安全意识）、X3（安全态度）、X4（其他因素）对因变量Y（交通安全行为得分）均有显著影响。根据以上表中的数据可以得到完整的多元线性回归方程：可以很明显地从回归模型式（2）中得知青少年交通安全行为得分与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，以及相应的其他因素呈正相关关系，其中青少年交通安全意识和青少年交通安全态度的影响最大。图6用来研究残差的直方图。是用来观察残差是否符合正态分布的工具方法之一。在此图中可以很明显地看出残差在该图形上的形状基本上是符合正态分布的。图6 交通安全行为得分直方图Fig.6 Histogram of Score of traffic safety behavior如图7所示，可以很明显地观察出残差图是散点图，并且可以看出散点都是随机分布在e＝0为中心的横带中，因此可以证明该模型是可以使用的。图7 交通安全行为得分残差图Fig.7 Scatterplot of Score of traffic safety behavior通过图6和图7的模型拟合分析结果，可以确定得出的多元线性回归模型是可行的。3 结束语笔者通过定量分析的形式，结合广州市主城区青少年安全调查数据，建立并标定了青少年交通安全回归分析模型，研究得出了2点结论。1）模型不仅体现了对于青少年交通安全状况的分析，还可以用来对于交通安全状况进行预估和评价。2）青少年的交通安全意识和态度几乎主导着青少年交通安全行为，提高青少年意识和态度才能从根本上保障青少年交通安全。参考文献［1］ ELVIK the validity of road safety evaluation studies by analysing causal chains［J］.Accident Analysis ＆ Prevention，2003，35（5）：741-748.［2］ WANG Xiang，PAN Xiaodong，CONG road traffic safety education effect evaluation based on multiple-representations［C］.Management Science and Industrial Engineering（MSIE），2011International Conference ：IEEE，2011：89-92.［3］ VIET Hung K，HUYEN L influence in traffic safety：A case study in vietnam［J］.IATSS research，2011，34（2）：87-93.［4］ LI Shuqing，LI of the traffic safety reliability models in Road Traffic Sys-tem［C］.11thInternational Conference of Chinese Transportation Professionals（ICCTP）.Nanjing：Southeast U-niversity，2011：2086-2091.［5］ 姚玉华，陈道湧，周 峰.上海市虹口区小学生预防交通伤害知识态度行为调查［J］.中国学校卫生，2008，11： Yuhua，CHEN Daoyong，ZHOU injury knowledge，attitude and behaviors of primary school students in hongkou district in shanghai［J］.Chinese Journal of School Health，2008（11）：991-992.（in Chinese）［6］ 石 琦，王雪松，杨东援，等.中学生交通安全知识，态度，行为调查分析［J］.中国安全科学学报，2011，21（12）： Qi，WANG Xuesong，YANG Dongyuan，et of traffic safety among middle school students and safety education improvements［J］.China Safety Science Journal，2011，21（12）：143-152.（in Chinese）［7］ 王 薇，黄 瑛，高宁波.基于模糊界定的道路交通安全评价模型［J］.交通信息与安全，2013（5）： Wei，HUANG Ying，GAO Ningbo.A road safety evaluation model based on fuzzy definition theory［J］.Journal of Transport Information and Safety，2013（5）：87-92.（in Chinese）［8］ 王 丽，王雪松，杨东援.考虑学校和年级差异的精细化小学生交通安全教育研究［J］.交通信息与安全，2012，30（1）： Li，WANG Xuesong，YANG education of pupils’traffic safety considering schools and grades differences［J］.Journal of Transport Information and Safety，2012，30（1）：103-110.（in Chinese）［9］ 李海琼，秦雅琴，赵琳琳，等.昆明市儿童行人交通安全行为研究［J］.人类工效学，2012（1）：45-49.LI Haiqiong，QIN Yaqin，ZHAO Linlin，et on traffic safety behavior of children pedestrian in kunming［J］.Chinese Journal of Ergonomics，2012（1）：45-49.（in Chinese）［10］ 宋 洋，王雪松.中小学生交通安全教育现状分析与改进策略研究［J］.中国安全科学学报，2013（2）： Yang，WANG on improving traffic safety education for pupils and middle school students in china［J］.China Safety Science Journal，2013（2）：153-159.（in Chinese）

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