基于健康信念模型的行人不安全行为城乡差异研究：多群组结构方程模型分析

本研究针对泰国城乡环境中行人安全行为差异问题，采用多群组结构方程模型(SEM)方法，基于健康信念模型(HBM)框架，对1600名受访者进行问卷调查。研究发现城乡行人在心理决定因素和行为维度上存在显著差异：城市行人行为主要受感知障碍和感知易感性影响，社交媒体分心行为最为突出；农村行人则更受感知利益和健康动机影响，攻击性行为和违规行为风险更高。研究成果为制定区域特异性干预策略提供了理论依据，对改善中低收入国家行人安全具有重要实践价值。

　　

在全球公共卫生领域，行人安全始终是一个亟待解决的严峻课题。根据世界卫生组织(WHO)统计，全球每年约有130万人死于道路交通事故，其中行人占比高达23%，相当于每年有超过27万行人在交通事故中丧生。泰国作为东南亚地区道路交通事故死亡率最高的国家之一，其行人安全问题尤为突出——行人死亡人数约占全国交通事故总死亡人数的12-15%，在曼谷等城市中心更是高达近20%。值得注意的是，虽然农村地区行人事故绝对数量较低，但死亡率却比城市高出40-50%，这主要源于更高的车辆行驶速度、不完善的行人基础设施以及较长的应急响应时间。

导致行人事故的因素错综复杂，但人类行为被确认为主导因素，占所有交通事故原因的90%以上。尽管驾驶员行为和安全责任已受到广泛关注，但行人在交通事故中的角色却常被忽视。事实上，行人错误——如在指定区域外横穿马路、无视交通信号或分心行走等行为——在事故的发生和严重程度中扮演着重要角色。行人并非总是被动的受害者，他们的行动和决策会直接影响事故风险。

值得关注的是，城乡环境中的行人安全挑战存在显著差异。城市行人行为受到复杂交通环境、时间压力和注意力竞争需求的影响，表现出更高比例的分心相关行为；而农村行人事故虽然发生频率较低，但由于更高的车辆速度和延迟的应急响应，往往导致更严重的后果。这些差异不仅体现在行为层面，更反映在心理机制上，风险感知和对死亡风险的评估在城乡行人间也存在明显不同。

在此背景下，泰国苏拉娜丽科技大学的研究团队开展了一项开创性研究，深入探讨城乡行人不安全行为的心理机制差异。研究人员采用健康信念模型(Health Belief Model, HBM)这一经典健康行为理论框架，结合多群组结构方程模型(Multi-group SEM)分析方法，对泰国16个省的1600名受访者进行了系统调查，其中城乡样本各800人，确保了研究的代表性和可比性。

研究采用了多阶段系统化的研究方法。首先通过文献回顾确定行为构念和理论框架，设计结构化问卷工具，包含人口统计学信息、行人不安全行为维度和六个HBM构念三个主要部分。问卷经过专家效度检验(Item-Objective Congruence, IOC)确保内容效度，并进行了预试验验证其清晰度和文化适应性。数据收集采用分层抽样策略，基于人口密度和行人死亡率两个关键指标，从泰国四个地理区域中各选择四个高风险省份，并在每个省内进一步区分城乡环境。

研究团队运用探索性因子分析(Exploratory Factor Analysis, EFA)和验证性因子分析(Confirmatory Factor Analysis, CFA)确定行人不安全行为的因子结构，随后建立结构方程模型检验HBM构念与不安全行为之间的关系。多群组SEM分析则用于比较城乡样本差异，通过测量不变性测试确保跨组比较的有效性。整个分析过程使用Mplus 7.2软件完成，采用最大似然估计法，并通过多种拟合指数(CFI、TLI、RMSEA、SRMR)评估模型适配度。

4.1. 初步分析与描述性统计

描述性统计分析显示，城乡受访者在所有测量项目上均表现出良好的内部一致性信度(Cronbach's α值均高于0.70)。城乡行人在HBM构念(感知易感性、感知严重性、感知利益、感知障碍、行动线索和健康动机)上均保持较高得分(约5.8-6.3分，7分量表)，表明对道路安全及其益处的认识普遍较高。农村受访者在感知易感性和感知严重性上得分略高于城市受访者，表明农村行人可能感知到与不安全道路行为相关的更大风险和后果。

4.2. 行人不安全指标的EFA结果

探索性因子分析揭示了城乡样本中一致存在的六因子结构，代表行人行为的不同维度：违规行为、错误、失误、社交媒体使用、攻击性行为和积极行为。城乡样本的Kaiser-Meyer-Olkin(KMO)测量值分别为0.939和0.923，远超0.8的建议阈值，表明数据非常适合因子分析。六因子解决方案在城乡样本中分别解释了66.561%和68.058%的总方差，均超过60%的最低建议阈值，表明提取的因子充分捕捉了行人不安全行为的潜在维度。

4.3. 多群组SEM不变性测试

测量不变性分析显示，多群组SEM的Δχ2 = 218.99，Δdf = 14，这些值在0.01显著性水平上具有统计显著性。零假设被拒绝，表明行人不安全行为模型明确显示人群组之间存在显著差异。收敛效度和判别效度检验均满足要求，证实了测量模型的可靠性。

4.4. 多群组SEM结果

4.4.1. 行人不安全行为指标的CFA结果

验证性因子分析结果显示，所有因子载荷在城乡样本中均具有统计显著性(p < 0.01)。在二阶CFA中，六个一阶因子都是 overarching 不安全行为构念的显著指标。在城市样本中，社交媒体(0.959)和积极行为(-0.970)与不安全行为的关联最强；而在农村样本中，攻击性行为(0.959)和积极行为(-0.905)与不安全行为的关联最强。错误在两个样本中都显示出与二阶不安全行为构念的较弱关联，尤其是在农村样本中(0.140)，表明错误相关行为在农村环境中可能不太代表整体不安全行为。

4.4.2. HBM对行人不安全行为的潜在影响

多群组SEM分析结果显示，所有路径系数均具有统计显著性，证实了HBM在解释城乡行人安全行为方面的理论相关性。在城市模型中，感知障碍对不安全行为的影响最强(β = 0.370)，其次是感知易感性(β = -0.215)和感知严重性(β = -0.167)。在农村模型中，感知利益成为最强的保护性因素(β = -0.254)，其次是感知障碍(β = 0.208)和感知易感性(β = -0.171)。健康动机在农村地区(β = -0.169)比在城市地区(β = -0.081)发挥更显著的作用。

研究发现揭示了行人不安全行为在城乡环境中的显著差异。城市环境中，社交媒体使用成为最突出的不安全行为指标，反映了移动设备导致的注意力分散在城市环境中的特别威胁；而农村环境中，攻击性行为和违规行为与不安全行人行为的关联更强，表明故意违反规则和攻击性行为在农村环境中比在城市环境中更显著地表征行人风险。

健康信念模型在行人安全行为中的应用为理解行人不安全行为背后的心理机制提供了宝贵见解。研究证实，所有六个HBM构念在城乡样本中都显著影响行人不安全行为，支持了这一健康心理学框架在行人安全领域的理论相关性。虽然所有HBM构念在两种背景下都是显著的预测因子，但它们的相对重要性存在显著差异。城市环境中，感知障碍成为影响不安全行为的主导因素，其次是感知易感性；而农村行人的行为最受感知利益和感知障碍的影响，健康动机也在农村地区发挥更强影响力。

这些发现对行人安全研究和实践具有重要理论意义。首先，通过实证验证城乡环境中行人不安全行为的六因子结构，研究提供了一个捕捉行人风险多维度性质的全面分类法。其次，研究结果挑战了许多行人安全研究中隐含的假设，即行为模式在不同地理环境中是统一的。城乡样本在因子结构和预测关系上的显著差异凸显了在行人安全理论和干预中考虑背景敏感性的重要性。第三，将HBM与行人行为研究相结合，为理解行人决策制定的心理决定因素创建了一个有理论依据的框架，弥合了健康心理学与运输安全之间的差距。

研究方法学上，本研究展示了多群组SEM在比较不同背景下的行为模式及其决定因素方面的价值。通过同时估计城乡样本的测量和结构模型，研究能够在考虑测量误差的同时直接比较因子载荷和路径系数。用于模拟行人不安全行为的二阶CFA方法代表了另一个方法学贡献，通过将不安全行为概念化为通过六个不同但相关的维度表现出来的高阶构念，提供了一个在行为的全面覆盖和简洁性之间取得平衡的框架。

研究结论强调，城乡行人不安全行为存在显著差异，需要采取针对特定环境的干预策略。城市地区应优先考虑减少感知障碍——如改善行人基础设施、减少过马路的不便，以及解决鼓励冒险的社会规范。强调个人脆弱性和潜在伤害严重性的风险沟通活动也可能特别有效。对于农村地区，干预措施应侧重于提高对安全行为益处的认识，并通过将行人安全与更广泛的健康目标相结合的社区健康促进努力来增强一般健康动机。

该研究也存在若干局限性。首先，虽然收集了年龄、性别和教育水平等人口统计学信息，但这些变量并未作为协变量或调节变量纳入SEM模型。其次，将积极行为与不安全行为指标纳入同一模型可能会增加误解影响方向的风险，未来研究应考虑将安全行为作为独立或反向结果进行建模。第三，研究依赖自我报告的行为数据，可能受到社会期望偏差或回忆不准确性的影响。未来研究可结合自我报告与直接行为观察或数字监测，以加强效度。最后，泰国独特的文化和环境因素可能限制研究结果在其他中低收入国家的普适性，需要进一步的情境适应。

综上所述，这项研究通过验证综合行为模型和应用心理学框架来揭示特定背景下的预测因子，为行人安全提供了实证和理论贡献。产生的见解支持制定有针对性的、基于心理学的干预措施，能够更有效地降低城乡环境中的行人风险。研究成果对改善中低收入国家的行人安全实践具有重要指导价值，为制定区域特异性干预策略提供了科学依据。