SEM与状态空间模型在校园火灾预防中的应用

SEM与状态空间模型在校园火灾预防中的应用摘要本文通过分析结构方程模型与状态空间模型的共同点，得出了两种模型的相似点与相关性。同时通过对结构方程模型的模型建立过程进行分析，且追溯其构建方式的由来，对路径分析和多元回归分析方法进行了进一步的性质探究，最终得出了结构方程模型与状态空间模型的共性。同时以校园宿舍火灾不安全行为作为研究对象，列举校园火灾不安全行为的自变量，并通过分析得出其外显变量与自变量的关系，并且提出了其观测方法。在假设此结构方程模型成立的基础上，提出了状态空间模型在不安全行为中的分析应用。关键词：SEM典型线性相关安全行为路径分析目录第一章综述..................................................................................................................1第二章SEM与状态空间模型在行为安全管理中的拓展应用................................22.1综述.................................................................................................................22.2结构方程模型分析..........................................................................................22.3结构方程模型特性分析.........................................................................32.4状态空间模型分析..........................................................................................62.4.1状态空间方程分析...............................................................................62.4.2状态空间的建立..................................................................................62.4SEM与状态空间模型的结合应用........................................................................82.4.1SEM与状态空间模型的相似性.........................................................82.4.2SEM与状态空间模型的结合应用.....................................................9第三章SEM与状态空间模型在高校火灾不安全行为中的综合应用..................113.1高校火灾不安全行为的变量分析...............................................................113.2高校火灾不安全行为的变量测量...............................................................133.2.1不安全行为意向的测量....................................................................133.2.3寝室安全氛围与安全行为态度........................................................133.2.4不安全行为的测量............................................................................133.3高校火灾不安全行为的状态空间模型应用.......................................14第四章综述................................................................................................................15第一章综述结构方程模型（SEM）是建立在社会科学上的，一种用以分析社会科学和行为科学的建模方法。其通过对大量数据分析，从而达到估计模型变量未知参数，从而用以分析并且估算整体结构，达到对整体的估算分析方式。而结构方程模型则是建立在能观能控的的物里模型之上，其模型的建立为对模拟一个系统的观测和控制提供了重要的数学理论。显然，通过合理的数学变换，将能实现各种观测器的建立，为进一步的能控模型建立提供理论依据。可见，结构方程模型（SEM）是建立在统计学的基础之上的，采用类似“抽样检测”的方式，以求使用已知参数，估算整个系统模型潜变量的估算式分析方法；而状态空间结构模型是建立在时域空间的，以时间为自变量的数学模型。两种模型分属于不同的空间，其理论依据也不相同，但无论时域空间或者社会/行为科学领域，其表述模型均为输入输出的数学模型，其模型的整体相似性为其在细节上的融合应用提供了契机。本文将分析两种模型的特点与异同，从而对两种模型的结合应用进行展望。同时，以校园宿舍火灾不安全行为为研究模型，对前文提出的两种模型的异同点与相关性提出应用可行性，对两种模型的结合应用给出展望。第二章SEM与状态空间模型在行为安全管理中的拓展应用2.1综述结构方程模型（SEM）是建立在社会科学上的，一种用以分析社会科学和行为科学的建模方法。其通过对大量数据分析，从而达到估计模型变量未知参数，从而用以分析并且估算整体结构，达到对整体的估算分析方式。而结构方程模型则是建立在能观能控的的物里模型之上，其模型的建立为对模拟一个系统的观测和控制提供了重要的数学理论。显然，通过合理的数学变换，将能实现各种观测器的建立，为进一步的能控模型建立提供理论依据。可见，结构方程模型（SEM）是建立在统计学的基础之上的，采用类似“抽样检测”的方式，以求使用已知参数，估算整个系统模型潜变量的估算式分析方法；而状态空间结构模型是建立在时域空间的，以时间为自变量的数学模型。两种模型分属于不同的空间，其理论依据也不相同，但无论时域空间或者社会/行为科学领域，其表述模型均为输入输出的数学模型，其模型的整体相似性为其在细节上的融合应用提供了契机。本节将分析两种模型的特点与异同，从而对两种模型的结合应用进行展望。2.2结构方程模型分析结构方程模型是广泛应用于社会科学的统计方法。以社会人群的受教育程度、家庭环境等可计量的量为自变量，而以社会人群的社会经济地位为因变量作为分析模型。从经典控制理论的观点来看，此模型为多输入单输出模型。且此模型具有不可观测性，其不可观测性导致分析困难。只能通过统计学原理，得出事件的相关性进行分析[1]。而对于多输入变量的系统，仅仅通过方差与协方差的分析，只能得出单纯的线性相关性关系，而此关系远远不能满足对事件的可控型要求。结构方程模型是一种建立、估计和检验因果关系模型的方法。模型中既包含有可观测的显在变量，也可能包含无法直接观测的潜在变量[1]。结构方程模型可以替代多重回归、通径分析、因子分析、协方差分析等方法，清晰分析单项指标对总体的作用和单项指标间的相互关系。单纯的社会人群经济地位模型并不需要进行可控型操作。但在行为安全管理模型中，则必须要面对这个问题。设企业不安全行为意向为因变量，而安全装备、安全理念、危险源管理、工作压力、违章处罚、安全管理行为等多种行为为自变量。则面对大量数据时，传统的统计学分析方法只能得出相关与不相关，显著相关与不显著相关等结论，但无法得出所期望的完整的数学模型，用以分析不安全行为，并达到分析驱使和控制的目的。SEM结构模型来源于路径分析方法[2]，是其在因果模型层面的延伸和发展。为了分析SEM结构模型的应用性和细节问题，需要通过路径分析方法来找出其与因果模型的共同点，从而建立因果模型与路径分析方法的联系，并由此分析SEM结构模型的方程的因式组成，以期分析得出其与状态空间方程的共性和结合点。建立SEM结构方程时，需要先建立观测模型，通过观测模型分析系统的因变量和自变量以估算潜变量，从而推算并得出整个系统的结构方程模型。公式（2-1）为SEM的观测模型，其目的是描述潜变量与指标之间的关系，并且由此推出有关于自变量和因变量的关系[3]。x=Λxξ+δy=Λyη+ε（2-1）x，y是外源及内生指标；δ,ε是X，Y测量上的误差。Λx是x指标与ξ潜变量的关系。Λy是y指标与η潜变量的关系。由此可以看出，SEM的测量模型是建立在观测模型之上的大量数据拟合模型。可知，由（2-1）能够推出一个关于η，ξ潜变量的线性关系式，此关系时直接决定了（2-2）的结构方程模型。η=Bη+Γξ+ζ（2-2）η为内生潜变量，ξ为外源潜变量，B为内生潜变量间的关系(即内生潜变量的计算系数)，г为外源潜变量对内生潜变量的影响；ζ为结构方程的残差项，反映了η在方程中未能被解释的部分。由此可见外显变量含有随机(或系统)性的测量误差，但潜变量则不含这些部份，这是结构方程模型的一大优点。在结构方程模型的实际使用中，充分考虑到了内生变量和外源变量之间的关系，并通过观测模型得出了这些潜变量的相关指标。由此，即可建立一个线性的，能够充分分析输入变量的结构方程模型。并且在结构方程模型的建立过程中，观测模型的计算通过结构图进行完成，由此即可一目了然的分析得出各种变量之间的关系，进一步提高其可靠性。2.3结构方程模型特性分析结构方程模型是建立在路径分析方法之上的一种结构模型，其没有摆脱路径分析方法的特性，而结构方程模型本身为多项观测拟合出的参数组成的模型方程式，其本身的特性难以分析，故通过比较与路径分析的异同，研究路径分析的特点，即可得出结构方程模型的特性。路径分析方法是寻找频繁访问路径的方法，其分析方法为建立路径图。图2-1观测模型路径图在建立了观测模型路径图之后，各个变量之间的线性关系与相关性即一目了然，可以直接列结构模型的最终方程式（2-2）。对其架设检验并估计其参数，最后对因果模型的可行性进行分析。其分析方法为多元回归性分析。图2.2给出了路径分析方法的结构图。建立因果关系模型检验假设估计参数因果模型评价图2-2路径分析法其最终建立的假设检验模型具有递归性、线性、和可加性以及变量单向性[4]。即必须满足多元回归分析的计算条件即能带入到线性回归方程中，方能实现计算。而在SEM的观测模型中，变量之间存在着相互影响，故其不满足变量单向性，其余性质均满足。这为其进一步的与状态空间方程的结合提供了契机。由此可知，结构方程模型满足状态空间方程的运算特性，其变量间的线性可加性为拓宽其适用性提供了基础。且由统计学理论可知，结构方程模型的准确性与被统计数据的量直接相关，越大量的数据统计月能够提高整个模型的精确性，在统计数据足够大时，可以得到观测结果令人满意的结构方程。继续以不安全行为中的安全装备、安全理念、危险源管理、工作压力、违章处罚、安全管理行为等六种行为为自变量，而以不安全行为意识作为因变量。经过相关系数COX的分析后，会得出各个变量之间的相关性，即最终建立一个由6个变量与误差及不可预知变量组成的八项式，此多项式不仅符合多元线性分析的方程模型也能满足状态空间方程的基本方程。由此，可得知SEM方程的建立过程，即其演化与分析过程。统计学大量数据分析路径分析多元回归分析确立研究方向与变量搜集归纳实验数据构建路径图，分析因变量与潜变量建立结构方程模型图2-3结构方程模型的建立流程本节通过对结构