驾驶人风险感知量表的修订及信效度检验

任高晓

(辽宁师范大学 心理学院，辽宁 大连 116029)

1 引言

风险感知(Risk Perception)是指驾驶人在驾驶过程中对交通情境中危险产生的主观体验，个体间的风险感知水平存在差异[1]。风险感知水平会影响驾驶人对驾驶情境中交通危险的识别和预测，与交通安全密切相关[2-3]。随着驾驶人驾驶经验的提升，他们对危险的识别更迅速，风险感知水平也越高[4]。驾驶人的风险感知水平与驾驶行为之间相关显著，风险感知水平越高，攻击性驾驶行为越少[5]。

以往对风险感知的测量主要分为实验法和主观报告法两种[3,5-6]。实验法指使用真实拍摄的交通情境视频材料或者模拟驾驶视频材料来测量驾驶人的风险感知水平。实验法在操作中既能控制各个变量，也不会给驾驶人带来任何危险，是目前较为理想的研究方法，也是未来研究的方向[7]。主观报告法主要指使用问卷来测量驾驶人的风险感知水平。最常用的风险感知问卷之一是驾驶人风险感知量表[8]。该量表包含8个题目，3个维度，衡量风险感知的不同方面。维度一——担心和不安全感，考察被试对交通事故伤害的担心和不安全感；维度二——可能性评估考察，被试对本人以及青少年在交通事故中发生事故的概率评估；维度三——关切，考察被试对交通相关危险的关心程度。研究表明Rundmo编制的驾驶人风险感知量表的信度和效度较好，可以对驾驶人施测[9]。

截止目前，我国针对驾驶人群体的风险感知量表较少。研究者针对驾驶人开发的风险感知量表也存在信效度不良，题量过大、维度定义不清晰等问题，无法达到研究目的[10]。因此，征得原作者同意后，本研究对Rundmo编制的风险感知量表进行了修订，为衡量中国司机风险感知提供一个可靠的工具。

2 对象与方法

2.1 对象

在辽宁大连、沈阳和北京市随机发放问卷310份，回收有效数据299份(96.5%)。其中，男性157名，女性142名。驾驶人年龄在18～40岁之间(21.55±2.65岁)，驾龄在1～10年之间(2.18±1.29岁)。受教育程度：初中43人，高中92人，本科及以上164人。

2.2 研究工具

2.2.1 风险感知量表

风险感知量表共8道题目，从担心和不安全感、可能性评估、关切三个方面来考察驾驶人的风险感知水平。其中，担心和不安全感包括4个题目，可能性评估包括2个题目，关切包括2个题目。量表的计分方法为 7点记分，从1分(一点也不)到7分(非常)。量表采用总分作为统计指标，总分越高，风险感知水平越好。

本研究严格按照量表修订的翻译-回译程序对原量表进行翻译。原量表所有项目翻译完成后，特别邀请两位交通心理学专家对量表项目进行逐个评定。该程序可确保项目描述的准确性，使其适应中国驾驶人的理解方式。

2.2.2 亲社会与攻击性驾驶行为量表

本研究使用马文瑶等人修订的中文版亲社会与攻击性驾驶行为量表，量表由28个项目组成，分为亲社会驾驶行为和攻击性驾驶行为两部分[11]。题目1～16为亲社会驾驶行为分量表，题目17-28为攻击性驾驶行为分量表。量表的计分方法为6点计分，从1分(从不)到6分(总是)。对本研究的样本进行施测结果表明，两个分量表的内部一致性系数分别为0.91、0.73，信度良好。

2.3 研究程序

参与抽样调查的驾驶人在被告知本研究的研究目的并且确认其知情同意后，依次填写基本人口学信息统计表、风险感知量表、亲社会和攻击性驾驶行为量表。

2.4 统计处理

使用 SPSS 21.0 软件进行数据统计分析。

3 结果

3.1 描述性统计分析

使用经过筛选保留的299份有效数据计算各个题目的描述性统计值，包含平均数、偏度、峰度，结果见表1。

表1 描述性统计分析与因子负荷

由表1，本量表8个题目均设置7个选项，被试的选择范围均在1-7之间，平均数在4.43～5.14之间，偏度和峰度的变化也在正常范围内。这表明，量表8个题目的内容和选项设置均比较合理。

3.2 项目分析

将项目与总分的相关系数及相关的显著性作为项目分析的指标。由表1，8个项目与量表总分之间的相关系数均大于0.3，并且达到显著性水平(P<0.001)，保留所有题目进行下一步分析。

3.3 探索性因素分析

对保留的8个题目进行主成分因素分析，KMO=0.730，Bartlett球形检验结果达到显著性水平(P< 0.001)。采用主成分分析方法，结果显示有3个特征根大于1的因子，累计方差贡献率达到70.80%。参照原始量表分别将 3个因子命名为担心和不安全感(题目1、题目2、题目3、题目4)、可能性评估(题目5、题目6)、关切(题目7、题目8)。

3.4 验证性因素分析

采用验证性因素分析方法进行分析，考察修订版驾驶行为量表在结构特征上的拟合程度。见表2。表中的各项指标达到理想拟合标准。

表2 验证性因素分析的拟合指数

3.5 信度分析

对量表的信度进行分析。结果发现，量表内部一致性信度为0.78，担心与不安全感的信度为0.74，可能性评估的信度为0.75，关切的信度为0.84。

3.6 效度分析

3.6.1 内容效度

对量表三个维度进行相关分析，结果见表3。各维度间相关系数在0.22～0.37之间，这表明量表内容效度较好。

3.6.2 相容效度

对亲社会与攻击性驾驶行为量表两个维度得分与风险感知量表三个维度得分进行相关分析，结果见表3。结果表明，亲社会驾驶行为得分与担心和不安全感、可能性评估、关切三个维度均呈显著正相关(P<0.05)；攻击性驾驶行为与担心和不安全感、可能性评估、关切三个维度均呈显著负相关(P<0.01)。这说明，修订后量表具有良好的相容效度。

表3 量表效度分析

3.6.3 实证效度

对量表各维度与被试在过去一年内发生的交通违规次数、交通事故次数进行相关分析，结果见表3。驾驶人交通违规次数与担心和不安全感维度、可能性评估维度、关切维度存在显著负相关。交通事故次数与担心和不安全感维度、可能性评估维度、关切维度存在显著负相关。

进一步使用独立样本t检验，对有交通违规(交通事故)、无交通违规(交通事故)的驾驶人进行分析。结果见表4、表5。

表4 有无交通违规驾驶人风险感知均值比较(M±SD)

表5 有无交通事故驾驶人风险感知均值比较(M±SD)

结果表明，有交通违规、有交通事故记录的驾驶人在风险感知总分及各维度的得分均低于无交通违规、无交通事故记录的驾驶人。这说明，修订后的量表可以很好地区分有无交通违规(交通事故)记录的驾驶人。

3.7 人口学变量分析

3.7.1 风险感知的性别差异

采用独立样本t检验探索性别对驾驶人风险感知水平的影响，男女驾驶人风险感知量表得分之间的均值比较见表6。

表6 男女驾驶人风险感知量表得分均值比较(M±SD)

由表6，发现男性、女性驾驶人在风险感知总分和各维度上得分均存在显著差异，女性驾驶人风险感知水平显著高于男性驾驶人。

3.7.2 驾驶人风险感知与人口学变量的相关

皮尔逊相关分析发现，驾驶人风险感知总分与年龄(r=0.17，P<0.01)、驾龄(r=0.29，P<0.01)、总驾驶里程(r=0.30，P<0.01)、驾驶频率(r=0.16，P<0.01)呈显著正相关。根据这一结果我们可以发现驾驶人的年龄越大，驾驶经验越丰富，他们的风险感知水平越高。

4 讨论

修订后的中文版风险感知量表共8个题目，分为担心和不安全感、可能性评估、关切3个维度。量表的内部一致性系数为0.78。每个题目与量表总分的相关达到显著水平，且相关系数均在0.57以上。这说明量表的信度、效度较好。

风险感知总分及其各维度得分均与亲社会驾驶行为呈正相关，与攻击性驾驶人行为呈负相关。这与以往研究结论一致[5,12]。研究发现，风险感知水平高的驾驶人在驾驶过程中会采取更多的亲社会驾驶行为，如主动给其他车辆让道、避让等[12]。风险感知水平低的驾驶人对危险的敏感度低，在驾驶过程中经常出现跟车距离过近、拒绝给其他车辆让道、超速、连续超车等攻击性驾驶行为[12-13]。 也就是说，驾驶人的风险感知水平越高，安全驾驶行为越多，发生事故的可能性也更低[2,5]。

驾驶人的风险感知水平与性别、驾驶经验相关。就性别而言，女性驾驶人的风险感知水平明显高于男性驾驶人，这与以往研究结果相同。大量研究发现，驾驶人风险感知水平的性别差异显著，而且男性风险感知水平比女性低[2,14]。本研究发现，驾驶人的驾驶经验越长，风险感知水平越高[4,9]。一方面，有经验的驾驶人可以更好的适应复杂的路况，搜索当前场景中可能存在的危险，做出更快、更准确的反应[5,15]。另一方面，新手驾驶人往往会高估自己的驾驶技术，在遇到危险时只关注危险本身，不能对交通情境中危险进行整体的评估，无法提前做出避让反应[3,12]。

最后，量表总分可以用来筛选有无交通违规和有无交通事故的驾驶人。本研究发现，有交通违规、有交通事故记录的驾驶人风险感知总分及其各维度的得分均低于无交通违规记录、无交通事故记录的驾驶人。以往研究发现，驾驶人对风险的感知水平越高，发生事故的概率就越低[2-3]。这说明，修订后的量表不仅可以用于检测我国驾驶人的风险感知水平，还可以评估和筛选事故倾向性高的驾驶人。为降低驾驶人事故率，修订后的量表可以为开展驾驶人选拔、驾驶干预训练提供数据支持。

5 结论

修订后的风险感知量表具有良好的信度和效度，可以作为测量我国私家车驾驶人风险感知的有效工具。