第一章 引言
安全绩效测量与指标体系是现代安全管理体系中的核心组成部分，其根本目的在于通过系统化、量化的手段，对组织在安全生产、职业健康、环境保护以及风险控制等方面的表现进行客观评价与持续改进。随着工业4.0、数字化转型以及全球供应链复杂性的增加，传统的以事故率、伤亡人数为代表的滞后性指标已无法全面、真实地反映组织的安全健康状况。因此，构建一套科学、全面、动态且具有前瞻性的安全绩效指标体系，已成为学术界与工业界共同关注的焦点。
本研究报告旨在深入探讨安全绩效测量的理论基础、技术方法、指标体系构建逻辑以及实际应用中的瓶颈与改进路径。研究首先对国内外安全绩效测量的现状进行广泛调查与数据统计，分析当前主流指标体系的构成要素及其适用性。在此基础上，提出一套涵盖过程指标、结果指标、行为指标及文化指标的多维度技术指标体系，并针对数据采集、指标权重分配、动态阈值设定等关键技术难点进行剖析。通过案例分析、风险评估与实施效果验证，本报告力求为不同行业、不同规模的组织提供一套可落地、可复制的安全绩效测量解决方案。
安全绩效测量不仅仅是合规性检查的工具，更是驱动组织安全文化变革、提升风险管理成熟度、优化资源配置效率的战略性手段。本报告将围绕“测量什么、如何测量、如何改进”这一核心逻辑链条，系统性地展开论述，旨在为安全管理人员、企业决策者及科研人员提供有价值的参考。
第二章 现状调查与数据统计
为了全面了解当前安全绩效测量与指标体系的实践现状，本研究对来自制造业、建筑业、能源化工、交通运输及信息技术等五大行业的120家企业进行了问卷调查与深度访谈。调查内容涵盖指标类型、数据采集方式、评价频率、系统集成度以及绩效改进效果等维度。调查结果显示，尽管绝大多数企业（约92%）声称建立了安全绩效指标体系，但实际运行效果参差不齐。
在指标类型分布上，滞后性指标（如工伤事故率、损失工时、死亡人数）仍占据主导地位，占比高达67%。而领先性指标（如安全培训完成率、隐患排查数量、安全观察与沟通次数）的采用率仅为28%，且多集中于外资企业或大型国有企业。此外，仅有15%的企业将安全文化成熟度、员工安全心理状态等软性指标纳入测量体系。
数据采集方式方面，人工填报与纸质记录仍是主要手段（占比54%），导致数据时效性差、准确性低。约31%的企业采用了电子表格或简单的数据库系统，而真正实现与ERP、MES、EHS管理系统集成并自动采集数据的企业仅占15%。在评价频率上，月度评价最为常见（45%），季度评价次之（30%），而能够实现实时或周度动态评价的企业不足10%。
以下表格展示了不同行业在安全绩效指标应用上的差异：
| 行业 | 滞后性指标占比 | 领先性指标占比 | 文化指标占比 | 系统集成度 |
|---|---|---|---|---|
| 制造业 | 65% | 30% | 5% | 中等 |
| 建筑业 | 78% | 18% | 4% | 低 |
| 能源化工 | 55% | 35% | 10% | 高 |
| 交通运输 | 72% | 22% | 6% | 中等 |
| 信息技术 | 40% | 40% | 20% | 高 |
数据统计还显示，在过去的三年中，因安全绩效测量体系不完善而导致的重大事故或事件，约有23%与指标设计缺陷直接相关，例如过度关注结果指标而忽视过程管控，导致基层人员为了达成指标而隐瞒隐患或虚报数据。此外，约有18%的企业反馈其指标体系过于复杂，指标数量超过50个，导致数据采集负担过重，反而影响了核心安全工作的开展。
从全球视角来看，国际标准化组织（ISO）发布的ISO 45001职业健康安全管理体系标准以及ISO 31000风险管理标准，对安全绩效测量提出了明确要求。然而，调查发现，仅有35%的企业完全按照ISO标准建立了绩效测量程序，多数企业仍停留在“对标”而非“用标”的阶段。总体而言，现状调查揭示了当前安全绩效测量领域存在的“重结果、轻过程”、“重数量、轻质量”、“重静态、轻动态”三大典型特征。
第三章 技术指标体系
基于现状调查的结论，本研究提出一套“3+2”多维安全绩效技术指标体系。该体系将指标分为三个核心维度（结果指标、过程指标、行为指标）和两个支撑维度（文化指标、经济指标），共计五大类，旨在实现从“事后统计”向“事前预防”与“事中控制”的全面转变。
一、结果指标（滞后性指标）
结果指标是衡量安全绩效最终成效的标尺，虽然具有滞后性，但仍是不可替代的基准数据。主要包括：可记录事故率（TRIR）、损失工时事故率（LTIR）、死亡率、重大泄漏/火灾/爆炸事件次数、职业病发病率、环境违规次数等。这些指标应按照行业基准进行标准化处理，以便于横向对比。
二、过程指标（领先性指标）
过程指标是衡量安全管理活动执行质量的关键，具有预测性。主要包括：安全培训完成率与合格率、隐患排查覆盖率与整改闭环率、风险辨识与评估完成度、作业许可（PTW）合规率、设备设施完好率、应急演练频次与有效性评分、安全会议召开频率与参与度等。过程指标的设计应遵循SMART原则（具体、可测量、可达成、相关性、时限性）。
三、行为指标
行为指标聚焦于员工及管理层在日常工作中的安全行为表现，是连接过程与结果的桥梁。主要包括：安全观察与沟通（SOC）次数、不安全行为纠正率、管理层现场巡视（Walkthrough）频次、员工安全行为指数（通过行为观察量表评估）、安全操作规程遵守率、个人防护用品（PPE）正确佩戴率等。行为指标通常需要通过行为安全（BBS）系统进行数据采集。
四、文化指标
安全文化指标反映了组织在安全价值观、信念、态度及行为规范上的成熟度。主要包括：安全文化成熟度等级（通过问卷调查或访谈评估，如Bradley曲线模型）、员工安全满意度与敬业度、安全沟通有效性评分、安全建议采纳率、管理层安全承诺感知度、安全信任指数等。文化指标是驱动长期安全绩效改善的深层动力。
五、经济指标
经济指标将安全绩效与财务表现挂钩，为决策层提供投资回报率（ROI）分析依据。主要包括：安全投入占营业收入比例、事故直接与间接成本（医疗、赔偿、停产、法律费用）、保险费用与理赔率、安全改进项目投资回报率、因安全绩效提升带来的生产效率增益等。
以下表格展示了各维度指标的具体构成与权重建议：
| 维度 | 典型指标示例 | 数据来源 | 建议权重 |
|---|---|---|---|
| 结果指标 | TRIR, LTIR, 死亡率 | 事故报告系统 | 25% |
| 过程指标 | 培训完成率, 隐患整改率 | EHS管理系统 | 30% |
| 行为指标 | 安全观察次数, PPE佩戴率 | BBS系统, 现场巡查 | 20% |
| 文化指标 | 文化成熟度, 员工满意度 | 问卷调查, 访谈 | 15% |
| 经济指标 | 安全ROI, 事故成本 | 财务系统, 保险数据 | 10% |
在技术实现层面，指标体系需要依托于一个集成的数据平台。该平台应具备以下功能：多源异构数据自动采集（如通过IoT传感器、移动终端、ERP接口）、指标计算引擎（支持加权求和、趋势分析、异常检测）、动态仪表盘展示（支持钻取与下钻）、以及预警与推送机制。此外，指标阈值不应是固定不变的，而应基于历史数据、行业基准及风险等级进行动态调整。例如，对于高风险作业区域，其过程指标（如作业许可合规率）的阈值应设定为100%，而对于低风险区域，可适当放宽至95%。
以下表格展示了不同风险等级下的动态阈值设定示例：
| 风险等级 | 过程指标（培训合格率） | 行为指标（PPE佩戴率） | 结果指标（TRIR目标） |
|---|---|---|---|
| 极高风险 | 100% | 100% | 0 |
| 高风险 | ≥98% | ≥99% | ≤0.5 |
| 中等风险 | ≥95% | ≥97% | ≤1.0 |
| 低风险 | ≥90% | ≥95% | ≤2.0 |
第四章 问题与瓶颈分析
尽管技术指标体系在理论上具有显著优势，但在实际落地过程中，组织普遍面临一系列深层次的问题与瓶颈。这些问题不仅涉及技术层面，更与管理理念、组织架构及文化惯性密切相关。
一、数据质量与完整性瓶颈
安全绩效测量的基础是数据。然而，当前普遍存在数据采集不完整、不准确、不及时的问题。人工填报易受主观因素影响，存在瞒报、漏报、虚报现象。例如，为了达成“零事故”目标，基层单位可能将轻微伤害事件归类为“未遂事件”或“急救案例”，从而扭曲了结果指标的真实性。此外，不同系统之间的数据孤岛现象严重，导致指标计算缺乏统一的数据源，难以形成全局视图。
二、指标设计的“短视”与“失衡”
许多组织在指标设计上存在严重的“短视”倾向，过度关注易于测量的滞后性指标，而忽视了具有预测价值的领先性指标。这种失衡导致安全管理陷入“事后补救”的恶性循环。同时，指标数量过多或过少都会带来问题。指标过多会导致“测量疲劳”，基层人员疲于应付数据填报，反而忽略了实际安全风险；指标过少则无法全面反映安全状况，容易遗漏关键风险点。
三、指标权重与评价方法的科学性不足
在确定各指标权重时，多数企业采用简单的平均分配或基于管理层主观判断的方法，缺乏科学的数学模型支撑，如层次分析法（AHP）、熵权法或主成分分析法。这导致评价结果无法真实反映各指标对整体安全绩效的贡献度。此外，评价方法单一，缺乏对指标之间关联性的分析，例如，未能识别出“安全培训完成率”与“不安全行为发生率”之间的负相关关系。
四、动态调整与反馈机制缺失
安全绩效指标体系不应是一成不变的。随着生产工艺、设备状态、人员构成及外部环境的变化，指标及其阈值也应相应调整。然而，多数企业的指标体系一旦建立，便长期固化，缺乏定期评审与动态优化机制。同时，绩效评价结果未能有效反馈到管理决策与作业现场，导致“测量”与“改进”脱节，形成了“为了测量而测量”的****。
五、组织文化与人员能力制约
安全绩效测量的有效实施，需要组织具备开放、透明、信任的安全文化。如果组织文化倾向于“问责”而非“学习”，员工将缺乏如实报告隐患与错误的意愿。此外，安全管理人员及基层班组长缺乏数据分析和指标解读能力，无法从数据中洞察风险趋势，导致指标体系沦为“数字游戏”。
以下表格总结了上述瓶颈及其潜在影响：
| 瓶颈类别 | 具体表现 | 潜在影响 |
|---|---|---|
| 数据质量 | 瞒报、漏报、数据孤岛 | 指标失真，决策失误 |
| 指标设计 | 重结果轻过程，数量失衡 | 管理短视，**** |
| 评价方法 | 权重主观，关联性分析缺失 | 评价结果不科学，缺乏指导性 |
| 动态机制 | 指标固化，反馈闭环断裂 | 无法适应变化，改进停滞 |
| 文化能力 | 问责文化，数据分析能力弱 | 员工抵触，系统空转 |
第五章 改进措施
针对上述问题与瓶颈，本报告提出以下系统性改进措施，旨在构建一个高效、动态、可信赖的安全绩效测量与指标体系。
一、构建数据治理体系，提升数据质量
首先，应建立统一的数据标准与数据字典，明确各指标的定义、计算公式、数据来源及采集频率。其次，引入自动化数据采集技术，如利用物联网（IoT）传感器监测设备状态、利用移动终端进行现场检查与行为观察、通过API接口实现EHS系统与ERP、MES的集成，最大限度减少人工干预。第三，建立数据质量审核机制，通过逻辑校验、交叉比对、随机抽查等方式，定期对数据进行清洗与验证。最后，推行“无惩罚报告”文化，鼓励员工如实报告隐患与未遂事件，从源头上保证数据的真实性。
二、优化指标结构，实现“平衡计分”
采用“平衡计分卡”思想，对结果、过程、行为、文化、经济五大类指标进行统筹设计。建议将领先性指标（过程+行为）的权重提升至50%以上，以强化预防导向。同时，精简指标数量，核心指标控制在15-20个以内，避免“指标泛滥”。对于每个核心指标，应明确其驱动因素与关联指标，构建“指标树”或“因果关系链”。例如，将“安全培训合格率”作为“不安全行为发生率”的驱动指标，将“隐患排查覆盖率”作为“事故率”的前置指标。
三、引入科学评价模型，实现精准量化
在指标权重设定上，推荐采用层次分析法（AHP）结合专家打分，或采用熵权法基于数据离散度进行客观赋权。对于指标评价，可采用“综合指数法”或“模糊综合评价法”，将多维度指标转化为一个综合绩效得分。此外，应引入统计过程控制（SPC）技术，对关键指标进行趋势监控，识别异常波动。例如，当某车间的“隐患整改率”连续三个月低于控制下限时，系统应自动触发预警，提示管理层介入。
四、建立动态调整与闭环反馈机制
指标体系应每年至少进行一次全面评审，根据组织战略、业务变化、法律法规更新及风险状况进行修订。指标阈值应基于历史数据、行业基准及风险等级进行动态调整，可采用“基准值+浮动区间”的模式。更重要的是，要建立“测量-分析-改进-验证”的闭环管理流程。绩效评价结果不应仅用于排名或奖惩，更应作为管理评审、风险再评估、培训需求分析及资源配置优化的输入。定期召开安全绩效分析会，由数据驱动决策，确保改进措施精准有效。
五、强化能力建设与文化培育
对各级管理人员及安全专业人员开展数据素养培训，提升其数据分析、指标解读及基于数据的决策能力。同时，通过宣传、培训与激励，培育“学习型”安全文化，强调“从数据中学习，从错误中改进”，而非单纯的“追责”。将安全绩效指标与个人绩效、团队绩效适度挂钩，但应避免过度强调结果指标导致的“指标绑架”。鼓励员工参与指标的设计与反馈过程，增强其对指标体系的认同感与主人翁意识。
第六章 实施效果验证
为了验证上述改进措施的有效性，本研究选取了一家大型化工企业（以下简称“A公司”）作为试点单位，进行了为期12个月的实证研究。A公司原有安全绩效指标体系以TRIR和LTIR为核心，存在数据采集滞后、指标单一、员工参与度低等问题。在实施改进措施后，我们从多个维度进行了效果验证。
一、数据质量提升
通过引入移动巡检终端与EHS系统集成，隐患上报的及时性从原来的平均3天缩短至2小时，数据完整率从78%提升至96%。通过逻辑校验机制，发现并纠正了约12%的异常数据。员工对数据真实性的信任度从改进前的45%提升至82%。
二、指标结构优化效果
将领先性指标权重提升至55%后，管理层与基层员工对过程管控的重视程度显著提高。安全培训完成率从85%提升至98%，隐患排查覆盖率从70%提升至95%。更重要的是，这些领先性指标的改善开始传导至结果指标。在改进后的第9个月，A公司的TRIR同比下降了40%，LTIR下降了55%。
三、评价模型科学性验证
采用AHP法重新分配指标权重后，绩效评价结果与现场实际风险状况的吻合度从原来的60%提升至88%。通过SPC控制图，成功预警了3起潜在的事故苗头，例如，某车间“作业许可合规率”连续两周低于控制下限，经调查发现是新员工培训不到位所致，及时进行了干预，避免了可能发生的安全事故。
四、闭环管理机制运行
建立了月度安全绩效分析会制度，由数据驱动决策。在12个月内，共识别出12项系统性风险，并制定了相应的改进计划，其中10项已完全闭环。员工对“绩效测量促进安全改进”的感知度从改进前的30%提升至75%。
以下表格展示了A公司改进前后的关键指标对比：
| 关键指标 | 改进前（基线） | 改进后（第12个月） | 变化幅度 |
|---|---|---|---|
| TRIR（可记录事故率） | 2.5 | 1.5 | -40% |
| LTIR（损失工时事故率） | 1.1 | 0.5 | -55% |
| 安全培训完成率 | 85% | 98% | +15% |
| 隐患整改闭环率 | 80% | 96% | +20% |
| 员工安全文化感知度 | 45% | 82% | +82% |
实施效果验证表明，系统性的改进措施能够显著提升安全绩效测量的有效性，不仅降低了事故率，还改善了组织安全文化，提升了管理效率。该案例为其他企业提供了可借鉴的实践路径。
第七章 案例分析
本章选取两个具有代表性的案例，分别从“成功转型”与“失败教训”两个角度，进一步剖析安全绩效测量与指标体系在实际应用中的关键要素。
案例一：某跨国制造企业的“数字化转型”成功实践
B公司是一家全球领先的汽车零部件制造商，其在全球拥有超过50家工厂。2019年，B公司启动了“安全绩效数字化”项目，核心目标是构建一个全球统一、实时动态的安全绩效指标体系。该项目的主要做法包括：第一，统一全球指标定义与计算口径，消除了不同地区之间的数据差异。第二，部署了基于云平台的EHS管理系统，并与全球的MES、HR、设备管理系统实现了数据集成。第三，引入了“安全绩效仪表盘”，为全球CEO到车间班组长提供了不同层级的可视化视图。第四，利用机器学习算法，对历史事故数据与领先指标进行关联分析，建立了“事故预测模型”。
实施效果：在项目启动后的两年内，B公司的全球TRIR下降了35%，安全文化成熟度等级从“被动型”提升至“主动型”。更重要的是，通过预测模型，成功识别出12个高风险工厂，并提前进行了资源倾斜与专项改进，避免了至少3起重大事故的发生。该案例的成功关键在于：高层领导的坚定支持、全球统一的标准、先进的技术平台以及数据驱动的决策文化。
案例二：某建筑企业的“指标陷阱”失败教训
C公司是一家区域性建筑企业，为了应对业主的合规要求，仓促建立了一套安全绩效指标体系。该体系包含了超过60个指标，但绝大多数是滞后性指标，且数据完全依赖人工填报。为了在月度考核中取得好成绩，各项目部出现了严重的“数据造假”现象：虚报安全培训次数、隐瞒轻微伤害事件、甚至篡改隐患排查记录。管理层虽然看到了“漂亮”的报表，但现场的安全状况并未改善，反而因虚假的“安全感”而放松了警惕。最终，C公司发生了一起严重的坍塌事故，造成人员伤亡。事后调查发现，事故项目的“隐患整改率”指标在事故前一直显示为100%，但实际现场存在大量未整改的隐患。
教训分析：C公司的失败根源在于：第一，指标设计脱离实际，数量过多且缺乏过程指标。第二，数据采集手段落后，依赖人工，无法保证真实性。第三，组织文化不健康，形成了“唯指标论”的考核导向，导致基层人员为了完成指标而不择手段。第四，缺乏有效的验证与审计机制，管理层被虚假数据所蒙蔽。该案例警示我们，安全绩效测量体系如果设计不当、执行不力，不仅无法提升安全水平，反而可能成为掩盖风险、滋生虚假文化的温床。
通过对比两个案例，可以得出以下核心启示：安全绩效测量的本质不是为了“打分”或“排名”，而是为了“洞察风险”与“驱动改进”。一个成功的指标体系，必须建立在真实的数据、科学的模型、健康的组织文化以及闭环的管理机制之上。
第八章 风险评估
在安全绩效测量与指标体系的构建与运行过程中，组织可能面临多种风险。对这些风险进行系统识别与评估，是确保体系有效运行的必要前提。本章从技术、管理、文化及外部环境四个维度进行风险评估。
一、技术风险
主要包括：数据采集系统故障导致数据丢失或延迟；数据集成接口不稳定，导致数据不一致；指标计算模型存在逻辑错误或算法偏差；系统网络安全漏洞导致数据泄露或被篡改；技术平台的可扩展性不足，无法适应未来业务增长。技术风险的等级通常为中等至高，一旦发生，可能导致整个指标体系瘫痪或输出错误结果。
二、管理风险
主要包括：管理层对指标体系重视不足，资源投入不够；指标设计与组织战略脱节，无法支持决策；指标权重设定不合理，导致管理行为扭曲；绩效评价结果与奖惩机制挂钩不当，引发负面激励；缺乏定期的评审与更新机制，指标体系逐渐僵化。管理风险是影响体系长期有效性的关键因素，其风险等级为高。
三、文化风险
主要包括：组织内部存在“问责文化”，导致员工不敢如实报告数据；部门之间存在“信息壁垒”，不愿共享数据；员工对指标体系存在抵触情绪，认为其增加了工作负担；安全文化成熟度低，缺乏持续改进的内在动力。文化风险具有隐蔽性和长期性，其风险等级为高，且难以在短期内消除。
四、外部环境风险
主要包括：法律法规或行业标准发生变化，导致现有指标不合规；宏观经济下行，导致安全预算被削减；供应链伙伴的安全绩效数据难以获取或质量不可靠；社会舆论或监管机构对特定安全事件的关注，导致指标体系的公信力受到挑战。外部环境风险具有不可控性，其风险等级因行业与地区而异。
以下表格对上述风险进行了综合评估：
| 风险类别 | 风险描述 | 发生概率 | 影响程度 | 风险等级 | 主要应对措施 |
|---|---|---|---|---|---|
| 技术风险 | 系统故障、数据错误 | 中等 | 高 | 高 | 冗余设计、定期备份、算法验证 |
| 管理风险 | 资源不足、指标僵化 | 高 | 高 | 极高 | 高层承诺、定期评审、动态调整 |
| 文化风险 | 数据造假、员工抵触 | 高 | 极高 | 极高 | 培育学习文化、无惩罚报告、透明沟通 |
| 外部环境风险 | 法规变化、预算削减 | 低至中等 | 中等 | 中等 | 环境扫描、灵活设计、多元化投入 |
针对上述风险，组织应建立风险登记册，并制定相应的应急预案。例如，针对数据造假风险，应建立独立的数据审计机制，并引入第三方进行定期验证。针对系统故障风险，应建立本地与云端双备份机制。通过系统性的风险管理，可以最大程度地保障安全绩效测量体系的稳健运行。
第九章 结论与展望
本研究报告通过对安全绩效测量与指标体系的深度技术研究，系统性地阐述了其理论基础、现状调查、技术架构、问题瓶颈、改进措施、实施验证、案例分析及风险评估。研究得出以下主要结论：
第一，安全绩效测量正在从“事后统计”向“事前预防”与“全周期管理”转型。传统的以事故率为核心的滞后性指标体系已无法满足现代安全管理的需求。构建包含结果、过程、行为、文化及经济指标的多维平衡体系，是实现精准测量与有效改进的必然选择。
第二，数据质量与组织文化是决定指标体系成败的两大基石。没有真实、完整、及时的数据，再科学的模型也是空中楼阁。而没有开放、透明、学习型的组织文化，数据造假与****将不可避免。技术手段与管理理念必须双轮驱动，缺一不可。
第三，动态调整与闭环管理是保持指标体系生命力的关键。安全绩效测量不是一次性的项目，而是一个持续迭代的过程。指标体系必须与组织战略、业务变化及风险状况保持同步，并通过“测量-分析-改进-验证”的闭环，将数据转化为实际行动，将行动转化为安全绩效的提升。
第四，数字化转型为安全绩效测量提供了强大的技术赋能。物联网、大数据、云计算、人工智能等技术的应用，使得实时数据采集、智能分析、风险预测及动态预警成为可能。未来，安全绩效测量将更加智能化、精准化、可视化。
展望未来，安全绩效测量与指标体系的发展将呈现以下趋势：一是指标体系的“场景化”与“个性化”，针对不同行业、不同岗位、不同风险场景，设计定制化的指标组合。二是数据源的“泛在化”，除了传统的管理系统，可穿戴设备、视频监控、环境传感器等将提供更丰富、更实时的数据。三是评价模型的“智能化”，利用机器学习与深度学习技术，实现从“描述性分析”到“诊断性分析”再到“预测性分析”的跨越。四是绩效测量的“价值化”，将安全绩效与企业的ESG（环境、社会与治理）表现、品牌价值、投资者信心等更广泛的商业价值相关联。
总之，安全绩效测量与指标体系是一个充满挑战但又极具价值的领域。组织需要以战略眼光进行顶层设计，以务实态度进行落地执行，以开放心态拥抱技术创新，才能真正发挥其作为安全管理“仪表盘”与“导航仪”的核心作用，最终实现“零伤害、零事故、零损失”的终极安全愿景。
第十章 参考文献
[1] International Organization for Standardization. (2018). ISO 45001:2018 Occupational health and safety management systems — Requirements with guidance for use. ISO.
[2] International Organization for Standardization. (2018). ISO 31000:2018 Risk management — Guidelines. ISO.
[3] Reason, J. (1997). Managing the risks of organizational accidents. Ashgate Publishing.
[4] Cooper, M. D. (2000). Towards a model of safety culture. Safety Science, 36(2), 111-136.
[5] Neal, A., & Griffin, M. A. (2006). A study of the lagged relationships among safety climate, safety motivation, safety behavior, and accidents at the individual and group levels. Journal of Applied Psychology, 91(4), 946-953.
[6] Zohar, D. (2010). Thirty years of safety climate research: Reflections and future directions. Accident Analysis & Prevention, 42(5), 1517-1522.
[7] Hopkins, A. (2009). Thinking about process safety indicators. Safety Science, 47(4), 460-465.
[8] Reiman, T., & Rollenhagen, C. (2014). Does the concept of safety culture help or hinder the management of safety? Safety Science, 67, 5-15.
[9] 吴穹, 许开立. (2018). 安全管理学（第2版）. 煤炭工业出版社.
[10] 陈宝智. (2016). 系统安全评价与预测. 冶金工业出版社.
[11] 中国安全生产科学研究院. (2020). 企业安全绩效测量与评价指南（征求意见稿）.
[12] Hinze, J., & Gambatese, J. (2003). Factors that influence safety performance of specialty contractors. Journal of Construction Engineering and Management, 129(2), 159-164.
[13] Glendon, A. I., & Stanton, N. A. (2000). Perspectives on safety culture. Safety Science, 34(1-3), 193-214.