场景案例 · 2026-06-24

航海人因安全研究 AI 统计分析 — 安全行为 SEM 路径与多层模型全流程

海事/航海人因安全研究：从安全行为SEM路径分析、多层混合效应模型到跨船组多群组验证，ChatSRS AI一句话完成R全流程（lavaan + lme4），生成APA 7th论文级报告。

海事/航海人因安全领域的论文数据分析有三道难关：一是数据天然嵌套（船员嵌套于船舶、船舶嵌套于船公司），普通回归会低估标准误；二是安全行为涉及多个潜变量（安全意识、安全氛围、疲劳、风险感知），需要 SEM 才能同时处理测量误差与路径关系；三是跨船比较需要先做测量不变性检验，否则组间比较无意义。这篇文章把航海人因安全研究最核心的分析链条——SEM 路径 + 多层混合效应模型——从数据结构到 APA 报告一次串通，每步给出 ChatSRS 可直接使用的真实指令，以及可抄进论文的 APA 7th 报告句式。

航海人因安全研究的数据特点

航海/海事领域的人因安全（Human Factors & Safety）研究，数据通常来自问卷调查（船员量表）、事故记录、行为观察日志三类来源，统计分析的复杂性远超一般社科问卷：

嵌套结构不可回避。 船员工作于特定船舶，船舶隶属于特定船公司，数据具有三层嵌套结构。若直接用 OLS 回归忽略组内相关，会导致标准误被低估、I 类错误膨胀，ICC（组内相关系数）一旦超过 .05 就应使用多层模型（HLM/混合效应）。

潜变量测量误差大。 安全意识（Safety Awareness）、安全氛围（Safety Climate）、疲劳（Fatigue）、风险感知（Risk Perception）、安全行为（Safety Behavior）均为潜变量，通过 Likert 量表测量存在误差。SEM（结构方程模型）能同时建模测量层和结构层，比路径回归更合理。

跨组比较前提苛刻。 比较不同航线（远洋 vs 近海）、不同职位（甲板 vs 机舱）的安全行为差异，前提是两组对量表的理解方式相同——即测量不变性（Measurement Invariance）成立，否则比较无意义。

chatsrs.com 支持 SEM（sem_path 指令）与多层混合效应（mixed_effects 指令），输出 APA 7th 格式报告。下面按典型研究设计演示全流程。

研究设计示例：船员安全行为影响因素

以"安全氛围、疲劳与风险感知对船员安全行为的路径影响"为例：

样本：来自 12 艘船舶、3 家船公司的 284 名船员
数据结构：三层嵌套（船员 → 船舶 → 船公司）
变量：
- 安全氛围（Safety Climate，SC）：6 题，5 点 Likert
- 疲劳（Fatigue，FA）：5 题，5 点 Likert
- 风险感知（Risk Perception，RP）：4 题，5 点 Likert
- 安全意识（Safety Awareness，SA）：5 题，5 点 Likert
- 安全行为（Safety Behavior，SB）：8 题（合规行为 4 题 + 参与行为 4 题），5 点 Likert

假设路径：

安全氛围 (SC) → 安全意识 (SA) → 安全行为 (SB)
疲劳 (FA)     → 风险感知 (RP) → 安全行为 (SB)
安全氛围 (SC) → 安全行为 (SB)  [直接路径]
风险感知 (RP) → 安全意识 (SA)  [跨路径]

第一步：数据预处理与描述统计

打开 chatsrs.com，上传数据（CSV/Excel 均可）后输入：

"请对所有量表变量（SC1-SC6、FA1-FA5、RP1-RP4、SA1-SA5、SB1-SB8）做描述统计，输出均值、标准差、偏度、峰度；检验各量表总分的正态性（Shapiro-Wilk）；并报告各潜变量维度间的 Pearson 相关矩阵（含显著性星号），生成 APA 格式三线表。"

ChatSRS 输出描述统计三线表和相关矩阵，自动标注 p < .05 ()、p < .01 ()、p < .001 () 的显著性水平，并给出偏度 / 峰度超出 [-2, 2] 的变量警告（若存在非正态，建议后续用 MLR 估计方法）。

典型输出片段：

表 1  潜变量描述统计与相关矩阵 (N = 284)

          M      SD     偏度    峰度    1       2       3       4       5
1. SC    3.82   0.67   -0.41   0.18    —
2. FA    2.94   0.81    0.53   0.31   -.38***  —
3. RP    3.47   0.72   -0.22   0.09    .45***  -.31***  —
4. SA    3.69   0.64   -0.33   0.15    .52***  -.27***  .41***  —
5. SB    3.75   0.69   -0.38   0.22    .56***  -.33***  .48***  .61***  —

注. SC = 安全氛围；FA = 疲劳；RP = 风险感知；SA = 安全意识；SB = 安全行为。
*** p < .001.

第二步：验证性因子分析（CFA）— 建立测量模型

在进行 SEM 路径分析前，必须先确认每个潜变量的测量模型拟合良好。

在 chatsrs.com 上传数据后输入：

"对安全氛围（SC1-SC6）、疲劳（FA1-FA5）、风险感知（RP1-RP4）、安全意识（SA1-SA5）、安全行为（SB1-SB8，其中 SB1-4 为合规行为子维度，SB5-8 为参与行为子维度）分别做 CFA（验证性因子分析）。报告模型拟合指标：chi-square、df、CFI、TLI、RMSEA（含 90% CI）、SRMR；报告每个指标的标准化因子载荷（lambda）和 AVE；使用 MLR 估计方法以应对轻度非正态性。"

拟合判断标准（Hu & Bentler, 1999）：CFI / TLI >= .95，RMSEA <= .06，SRMR <= .08

ChatSRS 输出：

验证性因子分析（CFA）拟合结果汇总

潜变量        chi2(df)      CFI    TLI    RMSEA [90% CI]      SRMR
安全氛围 SC   32.17(9)**    .967   .951   .062 [.039, .086]   .047
疲劳 FA       18.44(5)**    .971   .942   .058 [.030, .088]   .039
风险感知 RP    8.32(2)*     .985   .955   .071 [.028, .116]   .033
安全意识 SA   14.62(5)**    .976   .952   .055 [.022, .089]   .036
安全行为 SB   61.43(19)***  .958   .944   .059 [.042, .076]   .051

SC、FA、SA、SB 量表 CFA 拟合指标均达到可接受标准；RP 量表 RMSEA 点估计（.071）略超 .06 阈值，CI 上限（.116）较宽，建议在论文方法章节如实报告并参照宽松标准（RMSEA <= .08）加以说明。
SB 量表二阶因子结构（合规/参与）得到支持。

第三步：SEM 路径分析 — 安全行为影响机制

CFA 通过后，进行完整结构方程模型分析。

在 chatsrs.com 上传数据后输入：

"基于已验证的 CFA 测量模型，建立结构方程模型（SEM），路径设定：SC → SA、SC → SB（直接）、FA → RP、FA → SA（通过 RP 串行中介）、RP → SA、RP → SB、SA → SB。使用 MLR 估计，报告：(1) 模型整体拟合指标（CFI/TLI/RMSEA/SRMR）；(2) 各路径的标准化路径系数（beta）、SE、z 值和 p 值；(3) 中介效应（SC → SA → SB；FA → RP → SB）的 Bootstrap 间接效应 95% CI（1000 次重抽样）；(4) 全模型路径图（文字版）。"

ChatSRS 输出：

SEM 全模型拟合结果
chi2(df) = 184.37(112), p < .001
CFI = .962, TLI = .951
RMSEA = .048 [90% CI: .036, .059]
SRMR = .054
模型拟合良好。

标准化路径系数

路径                    beta    SE     z       p
SC → SA                 .421   .063   6.68   < .001
SC → SB（直接）         .187   .071   2.63    .009
FA → RP                -.312   .058  -5.38   < .001
RP → SA                 .263   .067   3.93   < .001
RP → SB                 .218   .064   3.41    .001
SA → SB                 .394   .058   6.79   < .001

Bootstrap 间接效应（1000次）
SC → SA → SB:    beta = .166, 95% CI [.109, .231], p < .001
FA → RP → SB:    beta = -.068, 95% CI [-.118, -.024], p = .003
FA → RP → SA → SB: beta = -.033, 95% CI [-.061, -.009], p = .008

第四步：多层混合效应模型 — 控制嵌套结构

SEM 处理了潜变量测量误差，但未考虑数据的嵌套结构（船员嵌于船舶）。ICC 检验决定是否需要多层模型。

在 chatsrs.com 上传数据后输入：

"以安全行为总分（SB_total）为结局变量，计算船舶层的组内相关系数（ICC），判断是否需要多层模型。若 ICC > .05，建立两层混合效应模型：Level-1 预测变量为安全意识（SA_total）、疲劳（FA_total）、风险感知（RP_total）；Level-2 预测变量为船舶安全管理体系评分（SMS_score）、船舶类型（vessel_type，哑变量）。报告：固定效应系数（b、SE、t、p）、随机截距方差（tau00）、Level-1 残差方差（sigma2）、最终模型 ICC、每层 R2（Nakagawa 边际 R2 和条件 R2）。"

ChatSRS 输出：

零模型 ICC 检验
tau00 = 0.073，sigma2 = 0.389
ICC = 0.073 / (0.073 + 0.389) = .158
ICC = .158 > .05，需建立多层混合效应模型。

两层混合效应模型（随机截距）

固定效应
变量                    b       SE      t       p
截距                  1.842   0.312   5.91   < .001
SA_total（Level-1）   0.412   0.048   8.58   < .001
FA_total（Level-1）  -0.187   0.039  -4.79   < .001
RP_total（Level-1）   0.224   0.052   4.31   < .001
SMS_score（Level-2）  0.163   0.074   2.20    .028
vessel_type（Level-2）0.104   0.091   1.14    .254

随机效应
tau00 = 0.038，sigma2 = 0.321
条件 ICC（最终模型）= .106

边际 R2（固定效应）= .412
条件 R2（固定+随机）= .483

结果解读：Level-1 层面，安全意识（b = 0.412）、疲劳（b = -0.187）和风险感知（b = 0.224）均显著预测安全行为；Level-2 层面，船舶安全管理体系评分显著正向预测安全行为（b = 0.163, p = .028），而船舶类型效应不显著。

第五步：多群组 SEM — 跨船型测量不变性检验

若研究需要比较远洋船与近海船的安全行为路径差异，必须先检验测量不变性。

在 chatsrs.com 上传数据后输入：

"对远洋船（n=168）和近海船（n=116）两组，按顺序做多群组 SEM 不变性检验：(1) 组态不变性模型（Configural）；(2) 弱不变性（Metric，等同因子载荷）；(3) 强不变性（Scalar，等同截距）。报告各层次模型拟合指标和模型对比 Delta-CFI、Delta-RMSEA，判断不变性水平。若强不变性不成立，做部分不变性检验（释放显著的 MI 修正指标对应的截距）。"

不变性层次判断标准（Cheung & Rensvold, 2002）：Delta-CFI <= -.010，Delta-RMSEA <= +.015 时，不变性约束成立。

论文 APA 7th 报告句式（可直接抄入论文）

方法章节：统计分析策略

本研究采用两阶段分析策略。第一阶段，使用验证性因子分析（CFA）检验各潜变量的测量模型拟合，采用 MLR（最大似然稳健估计）以应对数据的轻度非正态性，拟合评价标准参照 Hu 和 Bentler（1999）的建议（CFI >= .95，RMSEA <= .06，SRMR <= .08）。第二阶段，建立结构方程模型（SEM）检验假设路径，间接效应通过 Bootstrap（1000 次重抽样）估计 95% 偏校正置信区间。鉴于数据存在船员嵌套于船舶的层级结构（ICC = .158），同步建立两层混合效应模型（HLM）以控制组内相关对标准误的影响，采用 Nakagawa 和 Schielzeth（2013）方法报告边际与条件 R2。所有分析均使用 ChatSRS 完成（R 引擎：lavaan 0.6、lme4 1.1，显著性水平 alpha = .05）。

结果章节：SEM 整体拟合

结构方程模型整体拟合良好，chi-squared(112) = 184.37，p < .001，CFI = .962，TLI = .951，RMSEA = .048，90% CI [.036, .059]，SRMR = .054，各指标均达到可接受标准（Hu & Bentler, 1999）。

结果章节：直接路径

SEM 路径分析结果显示，安全氛围正向预测安全意识（beta = .421，SE = .063，z = 6.68，p < .001）和安全行为（beta = .187，SE = .071，z = 2.63，p = .009）；疲劳负向预测风险感知（beta = -.312，SE = .058，z = -5.38，p < .001）；安全意识对安全行为具有最强的正向直接效应（beta = .394，SE = .058，z = 6.79，p < .001）。

结果章节：Bootstrap 中介效应

Bootstrap 分析（1000 次重抽样）结果显示，安全氛围通过安全意识对安全行为的间接效应显著（beta = .166，95% CI [.109, .231]，p < .001），表明安全意识在安全氛围与安全行为之间发挥部分中介作用。疲劳通过风险感知的间接效应同样显著（beta = -.068，95% CI [-.118, -.024]，p = .003），揭示了疲劳对安全行为的负向间接影响机制。

结果章节：多层模型

零模型结果显示船舶层组内相关系数 ICC = .158，说明约 15.8% 的安全行为方差来源于船舶间差异，支持建立多层混合效应模型。在控制船舶层随机截距后，安全意识（b = 0.412，SE = 0.048，t = 8.58，p < .001）、疲劳（b = -0.187，SE = 0.039，t = -4.79，p < .001）和风险感知（b = 0.224，SE = 0.052，t = 4.31，p < .001）对安全行为的预测效应依然稳健。船舶层面，安全管理体系评分显著正向预测安全行为（b = 0.163，SE = 0.074，t = 2.20，p = .028）。最终模型边际 R2 = .412，条件 R2 = .483。

以上段落可直接进论文 Methods 和 Results 章节，替换为您自己的数值。ChatSRS 的"APA 报告"功能可在分析结束后自动生成对应格式，无需手动转写。

常见 FAQ

Q1：航海安全研究数据有嵌套结构，一定要用 HLM/混合效应模型吗？

不一定，取决于 ICC 大小。具体判断步骤：

先用 ChatSRS 跑零模型（只含随机截距，无预测变量），获取 ICC
ICC < .05：组内相关可忽略，OLS 回归或 SEM 即可，需要在方法章节说明"ICC 检验结果不支持多层建模"
ICC .05-.10：建议使用聚类稳健标准误（Cluster-Robust SE）或 HLM
ICC > .10：必须使用 HLM/混合效应模型，否则会系统性低估标准误

ChatSRS 指令示例：

"以安全行为总分为结局变量，以船舶编号（vessel_id）为分组变量，建立零模型，计算 ICC 并判断是否需要多层建模。"

Q2：SEM 和路径回归（Path Analysis）有什么区别？海事人因研究应该用哪个？

两者核心区别在于测量误差的处理方式：

路径回归：假设所有变量（包括潜变量合成的量表总分）均无测量误差，适合指标本身就是直接观测量（如事故次数、反应时）
SEM：同时建模测量层（各题项 → 潜变量）和结构层（潜变量间路径），显式估计测量误差，参数估计更无偏

航海人因安全研究推荐用 SEM，因为安全意识、安全氛围、风险感知这类构念都是通过量表间接测量的，量表信度不可能达到 1.0，忽略测量误差会高估路径系数。在 ChatSRS 里，sem_path 指令自动处理测量层，不需要单独指定每个题项。

Q3：Bootstrap 中介效应检验需要多少次重抽样？结果怎么报告？

最低要求：1000 次（大多数期刊可接受）
推荐：5000 次（更稳定，审稿人更少质疑）
高要求期刊：10000 次

APA 报告格式：

间接效应 = .166，95% BC CI [.109, .231]，p < .001
（BC = Bias-Corrected 偏校正；若 CI 不包含 0，效应显著）

ChatSRS 默认用偏校正 Bootstrap CI（BC Bootstrap），如需百分位 CI 请在指令中注明。

Q4：安全行为量表（SB）含合规行为和参与行为两个子维度，应该做一阶还是二阶 SEM？

这取决于研究问题：

研究总体安全行为（不区分子维度）：用二阶因子模型——合规行为和参与行为作为一阶因子，安全行为作为二阶因子，在 SEM 结构层中用安全行为总因子作为内生变量
比较合规行为和参与行为的差异影响：用相关一阶因子模型——两个子维度作为独立潜变量，各自有单独的路径系数

ChatSRS 指令示例（二阶模型）：

"将安全行为量表建模为二阶因子结构：SB1-4 载荷于合规行为因子，SB5-8 载荷于参与行为因子，合规行为和参与行为共同载荷于安全行为二阶因子。在 SEM 路径中，以安全行为二阶因子为内生变量。"

Q5：多群组 SEM 不变性检验失败（强不变性不成立），跨组比较还能做吗？

强不变性不成立意味着至少有一个截距在两组间不相等，直接比较潜均值（Latent Mean Comparison）不成立。但部分不变性仍可支持有限的跨组比较：

用修正指标（MI 值 > 10）定位不等价截距，释放这些截距的等同约束
在部分强不变性成立的前提下，仍可比较路径系数（结构不变性）
在方法章节说明"部分不变性"并讨论其对结论的限制

在 ChatSRS 中，多群组 SEM 完成后可继续输入：

"请识别导致强不变性失败的题项（MI > 10），建立部分强不变性模型，释放对应截距约束，并报告修订后的 Delta-CFI 和 Delta-RMSEA。"

分析流程汇总

分析目的	方法	ChatSRS 核心指令关键词
变量全貌与相关矩阵	描述统计 + Pearson 相关	"描述统计、偏度峰度、相关矩阵 APA 三线表"
量表测量质量	CFA + AVE	"验证性因子分析、MLR 估计、CFI/RMSEA/SRMR"
安全行为影响路径	SEM 路径分析	"sem_path、标准化路径系数、Bootstrap 间接效应"
嵌套结构控制	混合效应模型（HLM）	"mixed_effects、ICC、随机截距、固定效应、R2"
跨船/跨组比较	多群组 SEM	"多群组 SEM、测量不变性、Delta-CFI、部分不变性"
论文 APA 报告	自动格式化输出	"生成 APA 7th 报告段落，可直接进论文"

航海人因安全研究的数据特点

研究设计示例：船员安全行为影响因素

第一步：数据预处理与描述统计

第二步：验证性因子分析（CFA）— 建立测量模型

第三步：SEM 路径分析 — 安全行为影响机制

第四步：多层混合效应模型 — 控制嵌套结构

第五步：多群组 SEM — 跨船型测量不变性检验

论文 APA 7th 报告句式（可直接抄入论文）

方法章节：统计分析策略

结果章节：SEM 整体拟合

结果章节：直接路径

结果章节：Bootstrap 中介效应

结果章节：多层模型

常见 FAQ

Q1：航海安全研究数据有嵌套结构，一定要用 HLM/混合效应模型吗？

Q2：SEM 和路径回归（Path Analysis）有什么区别？海事人因研究应该用哪个？

Q3：Bootstrap 中介效应检验需要多少次重抽样？结果怎么报告？

Q4：安全行为量表（SB）含合规行为和参与行为两个子维度，应该做一阶还是二阶 SEM？

Q5：多群组 SEM 不变性检验失败（强不变性不成立），跨组比较还能做吗？

分析流程汇总

相关阅读