场景案例 · 2026-06-24

民航飞行员疲劳与工作负荷研究 — SEM 路径分析 + 重复测量 ANOVA 全流程 AI 统计

民航/航空安全/人因工程论文必看：用 AI 完成飞行员疲劳影响因素 SEM 路径分析与多时间点工作负荷重复测量 ANOVA，生成 APA 7th 格式结构方程路径报告与重复测量方差分析表。

航空安全、人因工程、劳动卫生方向的研究者最头疼的问题：飞行员疲劳数据既有潜变量（主观感知、认知资源、安全行为倾向），又有多时间点客观测量（模拟飞行前中后的 NASA-TLX 工作负荷评分），结构方程模型和重复测量 ANOVA 要同时上，哪个先跑？假设检验怎么检？APA 报告格式是什么样的？这篇文章把民航疲劳研究最常见的两条分析路线全流程打通，每步给出在 chatsrs.com 可直接粘贴的一句话指令，以及可抄进论文的 APA 7th 报告句式。

民航疲劳研究为什么在统计上特别难

飞行员疲劳研究横跨生理测量、主观问卷和客观绩效三个数据层次，常见卡点有四个：

潜变量结构复杂：疲劳本身不可直接测量，需要用情绪耗竭、认知减退、睡眠质量等观测指标来建构，这天然适合 SEM——但很多研究者不知道 CFA 和 SEM 路径要分步做，或者混淆了直接效应和间接效应。
多时间点设计：NASA-TLX 工作负荷在飞行前、飞行中、飞行后三个时间点重复测量，球形度假设（Mauchly 检验）一旦违反，F 值就不能直接用，需要 Greenhouse-Geisser 或 Huynh-Feldt 校正，这对很多用 SPSS 的人来说已经是一道坎。
中介路径需要 Bootstrap：工作负荷 → 疲劳 → 安全行为的中介链，传统 Sobel 检验功效不足，现在 APA 要求报告 Bootstrap 95% CI，不含 0 才算中介成立。
多组比较（长航 vs 短程）：不同航线、不同排班制度飞行员的疲劳差异，需要多组 SEM 或混合效应模型，而不是简单地把两组数据堆在一起跑。

chatsrs.com 的 sem_path 和 repeated_measures_anova 指令在 68 个字符以内就能启动完整分析链。下面分两条路线逐步演示。

数据结构：一份民航疲劳研究的典型数据集

以"排班制度对民航飞行员疲劳与飞行安全行为的影响机制"研究为例：

问卷测量部分（SEM 用）：

飞行员ID   航线类型   情绪耗竭(5题)   认知减退(4题)   睡眠质量(3题)   工作负荷感知(5题)   安全行为(6题)
F001       长航       3.8/4.2/...     3.1/...         2.6/...         4.0/...             3.5/...
F002       短程       2.4/...         2.0/...         3.8/...         2.7/...             4.1/...

重复测量部分（ANOVA 用）：

飞行员ID   航线类型   TLX_飞前   TLX_飞中   TLX_飞后   心率变异性_飞前   心率变异性_飞后
F001       长航       42.3       71.8       58.4       56.2              48.7
F002       短程       38.1       59.3       44.2       63.4              59.1

两份数据可以放在同一个 Excel 文件的两个 Sheet，上传一次，在 ChatSRS 里分别调用两种分析。

路线一：结构方程模型（SEM）— 疲劳影响机制路径分析

第一步：验证性因子分析（CFA）— 先确认测量模型

在 chatsrs.com 上传数据后输入：

"对疲劳影响机制问卷做验证性因子分析（CFA）：情绪耗竭（5 个观测变量）、认知减退（4 个观测变量）、睡眠质量（3 个观测变量）为三个潜变量，工作负荷感知（5 个观测变量）和安全行为（6 个观测变量）各为一个潜变量。报告模型拟合指标 CFI、TLI、RMSEA（90% CI）、SRMR，输出各因子载荷标准化估计值及 p 值，生成 APA 格式测量模型表。"

ChatSRS 输出：

测量模型拟合指标（N = 186）

CFI = 0.962   TLI = 0.955   RMSEA = 0.051 (90% CI [0.038, 0.064])   SRMR = 0.047

标准化因子载荷（节选）
                              载荷     SE      z        p
情绪耗竭1 <- 情绪耗竭        0.78    0.043   18.14   < .001
情绪耗竭2 <- 情绪耗竭        0.81    0.039   20.77   < .001
情绪耗竭3 <- 情绪耗竭        0.76    0.046   16.52   < .001
情绪耗竭4 <- 情绪耗竭        0.83    0.038   21.85   < .001
情绪耗竭5 <- 情绪耗竭        0.72    0.051   14.12   < .001
认知减退1 <- 认知减退         0.85    0.036   23.61   < .001
...（其余载荷均 > 0.70，p < .001）

判断标准：CFI、TLI >= .95，RMSEA <= .06，SRMR <= .08，测量模型可接受。所有因子载荷 > .50（理想 > .70）、p < .05，收敛效度成立。

第二步：AVE 与区分效度检验

"在上述 CFA 基础上，计算每个潜变量的平均方差提取量（AVE）和组合信度（CR），并进行 Fornell-Larcker 准则检验（AVE 平方根与潜变量间相关系数比较）以验证区分效度。"

ChatSRS 输出：

收敛效度与区分效度检验

潜变量         AVE    CR     情绪耗竭  认知减退  睡眠质量  工作负荷  安全行为
情绪耗竭       0.62   0.89   [0.787]
认知减退       0.65   0.88   0.534     [0.806]
睡眠质量       0.60   0.86   0.498     0.461     [0.775]
工作负荷感知   0.63   0.91   0.612     0.573     0.489     [0.794]
安全行为       0.59   0.90   0.421     0.393     0.442     0.531     [0.768]

注：对角线为 AVE 平方根；所有 AVE > 0.50，CR > 0.80；AVE 平方根均大于对应行/列相关系数，区分效度成立。

第三步：SEM 结构路径分析

"在验证测量模型可接受后，估计以下结构路径：工作负荷感知 -> 情绪耗竭、工作负荷感知 -> 认知减退、情绪耗竭 -> 安全行为、认知减退 -> 安全行为；同时检验工作负荷感知 -> 安全行为是否存在通过情绪耗竭和认知减退的中介效应（Bootstrap 5000 次，95% CI）。报告标准化路径系数、t 值、p 值和 R 方，生成 APA 格式路径表。"

ChatSRS 输出（sem_path 指令触发）：

表 2  结构方程模型路径系数（N = 186）

路径                              beta    SE      t        p        95% Bootstrap CI
工作负荷感知 -> 情绪耗竭          0.58   0.062   9.35    < .001   [0.451, 0.697]
工作负荷感知 -> 认知减退          0.52   0.071   7.32    < .001   [0.381, 0.659]
情绪耗竭 -> 安全行为             -0.34   0.074  -4.59    < .001   [-0.485, -0.195]
认知减退 -> 安全行为             -0.28   0.079  -3.54    < .001   [-0.435, -0.125]
工作负荷感知 -> 安全行为（直接）  -0.11   0.068  -1.62    .106    [-0.243, 0.023]

中介效应（Bootstrap 95% CI）
经由情绪耗竭：beta = -0.197，95% CI [-0.301, -0.102]（不含 0，中介成立）
经由认知减退：beta = -0.146，95% CI [-0.249, -0.058]（不含 0，中介成立）
总间接效应：  beta = -0.343，95% CI [-0.451, -0.239]

R^2（安全行为）= 0.487

模型拟合：CFI = 0.958, TLI = 0.950, RMSEA = 0.054, SRMR = 0.049

结论读法：工作负荷感知对安全行为的直接效应不显著（p = .106），但通过情绪耗竭和认知减退的两条中介路径均显著，属于完全中介。R^2 = .487 表示模型解释了安全行为 48.7% 的方差。

路线二：重复测量 ANOVA — 工作负荷跨时间点变化分析

第四步：球形度检验与校正 F 检验

打开 chatsrs.com，上传 NASA-TLX 数据后输入：

"以 NASA-TLX 总工作负荷评分为因变量，时间点（飞前/飞中/飞后）为被试内因素，航线类型（长航 vs 短程）为被试间因素，做 2×3 混合设计重复测量方差分析。先做 Mauchly 球形度检验，若违反则报告 Greenhouse-Geisser 校正后 F 值；报告时间主效应、航线主效应、时间 x 航线交互效应，以及 partial eta^2 效应量。显著效应做事后多重比较（Bonferroni 校正）。"

ChatSRS 输出（repeated_measures_anova 指令触发）：

Mauchly 球形度检验：W = 0.874，chi^2(2) = 21.43，p = .003
球形度假设违反，采用 Huynh-Feldt 校正（epsilon = 0.882）

重复测量方差分析结果（2 航线 x 3 时间点，N = 186）

效应                          df_corrected    F         p        partial eta^2
时间主效应                    1.764, 325.9    87.32    < .001    .321
航线主效应                    1, 184          42.18    < .001    .186
时间 x 航线 交互效应          1.764, 325.9    19.74    < .001    .097

Bonferroni 校正事后比较（时间主效应）
飞前 vs 飞中：mean diff = -24.31，SE = 1.83，p < .001，95% CI [-28.73, -19.89]
飞前 vs 飞后：mean diff = -13.67，SE = 1.74，p < .001，95% CI [-17.89, -9.45]
飞中 vs 飞后：mean diff = 10.64，SE = 1.69，p < .001，95% CI [6.54, 14.74]

交互效应图自动生成：ChatSRS 同时输出时间 x 航线的折线交互图，可直接截图放论文。

第五步：简单效应分析 — 拆解交互

"交互效应显著，请分别对长航组和短程组做三时间点的简单效应分析，报告每组内各时间点均值（M ± SD）及 Bonferroni 校正的两两比较 p 值。"

ChatSRS 输出：

简单效应分析

长航组（n = 94）
时间点      M        SD       与飞前比较 p   与飞中比较 p
飞前        44.8     9.2      —              < .001
飞中        78.6    10.4      < .001         —
飞后        61.2    10.1      < .001         < .001

短程组（n = 92）
时间点      M        SD       与飞前比较 p   与飞中比较 p
飞前        39.7     8.6      —              < .001
飞中        61.4     9.8      < .001         —
飞后        47.3     9.3      < .001         < .001

交互解读：长航组飞中工作负荷峰值（M = 78.6）显著高于短程组（M = 61.4），飞后下降幅度也更大，提示长航飞行员工作负荷的时间波动曲线更为陡峭。

论文方法/结果写法（APA 7th，民航疲劳研究报告句式）

以下句式可直接进论文，替换你自己的数值。

方法章节：数据分析策略

本研究采用两阶段分析策略。首先，以 R 语言 lavaan 包（v0.6-17）构建结构方程模型（SEM），采用最大似然估计（MLR）。在估计结构路径前，先检验测量模型，以确认潜变量的收敛效度（AVE > .50，CR > .80）与区分效度（Fornell-Larcker 准则）。中介效应通过 Bootstrap 5,000 次重抽样的偏校正置信区间进行检验（Hayes, 2022）。其次，对 NASA-TLX 工作负荷数据采用 2（航线类型：长航 vs 短程）× 3（时间点：飞前、飞中、飞后）混合设计重复测量方差分析；球形度假设用 Mauchly 检验评估，违反时采用 Greenhouse-Geisser 校正（Greenhouse & Geisser, 1959）；事后多重比较采用 Bonferroni 校正。效应量分别报告 SEM 路径的标准化 beta 系数与 R^2，以及方差分析的偏 eta 平方（partial eta^2；Cohen, 1988）。所有分析使用 ChatSRS 完成（R 引擎，显著性水平 alpha = .05）。

结果章节：SEM 测量模型

验证性因子分析结果显示，五因子测量模型对数据具有良好的拟合：CFI = 0.962，TLI = 0.955，RMSEA = 0.051，90% CI [0.038, 0.064]，SRMR = 0.047（Hu & Bentler, 1999）。所有标准化因子载荷范围为 0.72 至 0.85（均 p < .001），各潜变量平均方差提取量（AVE）介于 0.59 至 0.65（均 > 0.50），组合信度（CR）介于 0.86 至 0.91（均 > 0.80），收敛效度良好。Fornell-Larcker 准则检验确认各潜变量 AVE 平方根均大于其与其他潜变量的相关系数，区分效度成立。

结果章节：SEM 结构路径与中介效应

结构路径分析结果显示（参见图 1），工作负荷感知对情绪耗竭（beta = 0.58，p < .001）和认知减退（beta = 0.52，p < .001）均有显著正向预测作用；情绪耗竭（beta = -0.34，p < .001）和认知减退（beta = -0.28，p < .001）均显著负向预测安全行为。工作负荷感知对安全行为的直接效应不显著（beta = -0.11，p = .106）。Bootstrap 中介检验（5,000 次重抽样）显示，工作负荷感知通过情绪耗竭对安全行为的间接效应显著（beta = -0.197，95% CI [-0.301, -0.102]），通过认知减退的间接效应亦显著（beta = -0.146，95% CI [-0.249, -0.058]），两条间接路径的置信区间均不含 0，提示工作负荷感知对安全行为的影响经由完全中介实现，中介变量（情绪耗竭和认知减退）共同解释了安全行为 48.7% 的方差（R^2 = .487）。

结果章节：重复测量 ANOVA

Mauchly 球形度检验表明球形度假设被违反，W = 0.874，chi^2(2) = 21.43，p = .003，故采用 Huynh-Feldt 校正（epsilon = 0.882）。重复测量方差分析显示，时间主效应显著，F(1.764, 325.9) = 87.32，p < .001，partial eta^2 = .321，属于大效应（Cohen, 1988）；航线类型主效应显著，F(1, 184) = 42.18，p < .001，partial eta^2 = .186；时间 x 航线交互效应显著，F(1.764, 325.9) = 19.74，p < .001，partial eta^2 = .097。Bonferroni 校正的简单效应分析显示，长航组飞行中工作负荷峰值（M = 78.6，SD = 10.4）显著高于短程组（M = 61.4，SD = 9.8），且飞行后恢复至飞前水平的速度更慢（长航：M_飞后 = 61.2 vs M_飞前 = 44.8；短程：M_飞后 = 47.3 vs M_飞前 = 39.7），表明长航飞行员工作负荷的时间动态曲线更为陡峭，对疲劳管理干预的需求更为迫切。

上面四段句式可按需直接进论文 Methods / Results 章节，替换自己的数值。ChatSRS 的"生成 APA 报告"功能可同步输出对应段落，无需手动转写。

常见 FAQ

Q1: SEM 和路径分析有什么区别？飞行员疲劳研究该用哪个？

路径分析（Path Analysis）只处理观测变量之间的关系，无法处理测量误差；SEM（结构方程模型）在路径分析基础上增加了测量模型，允许用多个观测指标来估计潜变量，同时估计测量误差。

飞行员疲劳研究中"疲劳"、"工作负荷感知"、"安全行为意向"本身都是不可直接测量的潜变量，必须用 SEM。如果你的数据全是单题直接测量（如 1 题直接打分的疲劳程度），路径分析更合适。ChatSRS 在你描述变量结构后会自动判断用哪种模型。

Q2: NASA-TLX 工作负荷有 6 个维度，是该用总分还是分维度做 ANOVA？

两种方案都有文献支持：

总分方案：加权或未加权求和得 TLX 总分，做一个 2×3 ANOVA，解释最清晰，适合主效应导向的研究。
多变量方案（MANOVA）：6 个维度作为因变量向量，做 2×3 MANOVA，能检验负荷模式是否随时间和航线类型不同，适合探索性强的研究。

民航疲劳论文若需区分脑力需求和体力需求的差异走势，推荐 MANOVA。在 ChatSRS 输入"对 NASA-TLX 六个维度做 MANOVA，时间和航线为因素"即可切换。

Q3: 样本量多少才够跑 SEM？飞行员研究样本普遍偏小怎么办？

SEM 的经验法则：每个观测变量至少 5-10 个被试（即 20 个观测变量需要 100-200 个样本），RMSEA 和 CFI 的稳健性在 N >= 150 时表现较好。

飞行员研究样本确实偏小（100-200 人已经算大），应对策略：

使用 MLR（最大似然 Robust）估计法，对非正态性更稳健
精简模型：每个潜变量保留 3-4 个核心观测变量，减少参数数量
报告 SRMR（对小样本较敏感）和 RMSEA 置信区间
若 N < 100，考虑 PLS-SEM（偏最小二乘 SEM），在 ChatSRS 里输入"用 PLS-SEM"即可切换估计方法

Q4: 球形度检验 p < .05 后，Greenhouse-Geisser 和 Huynh-Feldt 校正怎么选？

两者区别在于 epsilon 值的估计方式，选用规则如下：

Greenhouse-Geisser（GG）：更保守，当 epsilon < .75 时推荐使用
Huynh-Feldt（HF）：偏自由度损失少，当 epsilon >= .75 时可用，功效略高

ChatSRS 默认同时报告两种校正，并根据 epsilon 值自动标注推荐方案。若你的 epsilon 接近边界（0.70-0.80），论文中可两种都报告并注明选用依据。

Q5: SEM 中介效应 p < .05 但 Bootstrap CI 含 0，以哪个为准？

以 Bootstrap CI 为准。传统的 Sobel 检验 p 值建立在正态性假设下，对小样本和非对称分布的间接效应估计有偏；Bootstrap 置信区间属于非参数方法，不依赖正态性假设，APA 7th 和方法论文献（Hayes, 2022；Preacher & Hayes, 2008）均推荐以"Bootstrap 95% CI 不含 0"作为中介成立的判断标准。在 ChatSRS 中指定 Bootstrap 5,000 次后，结果报告会直接用 CI 判断，不再输出 Sobel p 值。

Q6: 飞行员疲劳研究能不能加入纵向数据或生理指标（心率变异性）？

可以，且推荐这样做，论文方法论贡献更强：

生理指标 + 主观问卷：心率变异性（HRV）、眼动追踪或皮肤电导作为疲劳的客观观测指标，与问卷条目一起构成疲劳潜变量，SEM 结构不变，只是观测变量类型混合
纵向追踪：若对同一批飞行员在不同排班周期重复调查，可考虑交叉滞后面板模型（CLPM）或潜变量增长曲线模型（LGM），在 ChatSRS 里输入"做交叉滞后面板模型 / 潜变量增长曲线"即可

民航疲劳分析方法速查表

研究问题	推荐方法	ChatSRS 一句话关键词
疲劳影响安全行为的路径机制	SEM 结构路径	"SEM 路径分析，Bootstrap 中介 5000 次"
工作负荷感知是否中介疲劳→行为	SEM 间接效应	"中介效应，Bootstrap 95% CI，不含 0 判断"
多时间点工作负荷变化	重复测量 ANOVA	"重复测量 ANOVA，Mauchly 检验，GG 校正"
长短航线工作负荷差异随时间变化	2×3 混合 ANOVA	"2×3 混合设计 ANOVA，被试间因素航线类型"
疲劳量表信效度	CFA + AVE/CR	"CFA，报告 AVE、CR、Fornell-Larcker 准则"
飞行员亚组差异（长短航多组对比）	多组 SEM	"多组 SEM，测量不变性检验，形态/负荷/截距不变"
生理指标 + 问卷综合建构疲劳潜变量	混合观测 SEM	"SEM，混合生理与问卷观测指标"

民航疲劳研究为什么在统计上特别难

数据结构：一份民航疲劳研究的典型数据集

路线一：结构方程模型（SEM）— 疲劳影响机制路径分析

第一步：验证性因子分析（CFA）— 先确认测量模型

第二步：AVE 与区分效度检验

第三步：SEM 结构路径分析

路线二：重复测量 ANOVA — 工作负荷跨时间点变化分析

第四步：球形度检验与校正 F 检验

第五步：简单效应分析 — 拆解交互

论文方法/结果写法（APA 7th，民航疲劳研究报告句式）

方法章节：数据分析策略

结果章节：SEM 测量模型

结果章节：SEM 结构路径与中介效应

结果章节：重复测量 ANOVA

常见 FAQ

Q1: SEM 和路径分析有什么区别？飞行员疲劳研究该用哪个？

Q2: NASA-TLX 工作负荷有 6 个维度，是该用总分还是分维度做 ANOVA？

Q3: 样本量多少才够跑 SEM？飞行员研究样本普遍偏小怎么办？

Q4: 球形度检验 p < .05 后，Greenhouse-Geisser 和 Huynh-Feldt 校正怎么选？

Q5: SEM 中介效应 p < .05 但 Bootstrap CI 含 0，以哪个为准？

Q6: 飞行员疲劳研究能不能加入纵向数据或生理指标（心率变异性）？

民航疲劳分析方法速查表

相关阅读