873名汽车制造业工人焦虑情绪及影响因素分析

摘要/Abstract

摘要：

目的应用机器学习分析广州市汽车制造业工人焦虑情绪及其可能的影响因素，为改善汽车制造业工人身心健康状况，促进制造业可持续发展提供数据参考。方法采用简单随机抽样方法，于2022年8月—2023年9月，在广州市汽车制造业领域内抽取8家单位的873名一线劳动者进行问卷调查。将受访者按7∶3的比例随机分为训练组（n=611）和验证组（n=262），应用单因素Logistic回归、Boruta回归、Lasso回归和随机森林递归特征消除（recursive feature elimination，RFE）进行特征筛选。建立6种机器学习模型，通过受试者工作特征（receiver operating characteristic，ROC）曲线下面积（area under curve，AUC）、校准曲线、决策曲线（decisioncurve analysis，DCA）对不同模型的性能进行比较，通过Shapley加性解释（shapley additive explanation，SHAP）算法对影响焦虑情绪的因素进行评估。结果广州市汽车制造业873名一线劳动者中有284人（32.5%）存在焦虑情绪，进行特征指标筛选出性别、婚姻状况、入职岗位时间、单位性质、健康法律知识水平、健康工作方式和行为水平、职业紧张状况、睡眠状况8个特征变量纳入6种机器学习模型构建预测模型，其中LightGBM模型的 AUC 最高，为0.705，其他5个AUC由高至低为0.683、0.667、0.634、0.630和0.601，DCA 曲线中 LightGBM 模型的临床决策净获益也更大、预测效能最佳。SHAP 算法分析得出，存在睡眠障碍、存在职业紧张、单位性质为外资企业、入职岗位时间较长会增加产生焦虑的风险，高水平的健康法律知识及高水平健康工作方式和行为会降低焦虑情绪风险。结论广州市汽车制造业工人焦虑情绪值得关注，企业可通过合理安排员工岗位和工间休息时间、改善工作环境、加强职业健康教育来降低其焦虑情绪风险，还可应用LightGBM模型协助识别其产生焦虑的危险因素，并开展早期干预。

关键词: 汽车制造业, 劳动者, 焦虑情绪, 影响因素, 机器学习模型, Shapley加性解释算法

Abstract:

Objective To apply machine learning to analyze the anxiety status and influencing factors of workers in Guangzhou's automobile manufacturing industry，and provide data reference for improving the physical and mental health status of automobile manufacturing workers and promoting sustainable development of the manufacturing industry. Methods From August 2022 to September 2023，a simple random sampling was used to select 8 sample units in the automobile manufacturing industry of Guangzhou，and a total of 873 front-line workers were surveyed. Respondents were randomly divided into a training group（n=611） and a validation group（n=262） at a ratio of 7∶3，and feature screening was performed using univariate Logistic regression，Boruta regression，Lasso regression and recursive feature elimination（RFE）.Six kinds of machine learning models were established，and the performance of different models was compared by receiver operating characteristic（ROC） area under the curve（AUC），calibration curve and decision curve analysis（DCA）.Shapley additive explanation（SHAP） algorithm was used to evaluate the factors affecting anxiety. Results Among the 873 respondents，284（32.5%） experienced anxiety.After screening for characteristic indicators，eight characteristic variables including gender，marital status，length of employment，nature of the company，level of health and legal knowledge，level of healthy work Methods and behaviors，occupational stress，and sleep status were selected and incorporated into six machine learning models to construct predictive models.Among them，the LightGBM model had the highest AUC of 0.705，while the AUCs of the other five models，from high to low，were 0.683，0.667，0.634，0.630，and 0.601.The LightGBM model also demonstrated greater clinical decision net benefit in the DCA curve，indicating the best overall predictive performance. The SHAP algorithm analysis revealed that having sleep disorders，experiencing occupational stress，working in a foreign-funded enterprise，and having a longer tenure in the current position would increase the risk of anxiety，while high levels of health and legal knowledge and healthy work Methods and behaviors would reduce the risk of anxiety. Conclusion The anxiety of workers in Guangzhou's automotive manufacturing industry warrants attention.Enterprises can mitigate anxiety risks by optimizing job assignments，rest periods，and working conditions，as well as enhancing occupational health education.Additionally，the LightGBM model can be utilized to identify risk factors for anxiety，enabling early intervention.

Key words: Automobile manufacturing industry, Worker, Anxiety, Influencing factors, Machine learning models, Shapley additive explanation algorithm

中图分类号:

R181.3+1

杨洁, 张晋蔚, 张玉侠, 赵远, 王致, 周海林. 873名汽车制造业工人焦虑情绪及影响因素分析. [J]职业与健康, 2026, 42(18): 2460-2466.

YANG Jie, ZHANG Jinwei, ZHANG Yuxia, ZHAO Yuan, WANG Zhi, ZHOU Hailin. Analysis of anxiety status and influencing factors among 873 automobile manufacturing workers. [J]OCCUPATION AND HEALTH, 2026, 42(18): 2460-2466.

图/表 7

参考文献 33

[1]	唐婧. 健康对劳动供给的影响研究进展[J]. 经济学动态, 2023(8):133-147.
[2]	马恒芬, 张阔, 常敏, 等. 焦虑对注意控制过程中抑制加工的影响[J]. 西安交通大学学报(医学版), 2018, 39(6):927-931,935.
[3]	程远玲, 赵艺寻, 隋晶晶, 等. 抑郁、焦虑在老年科冠心病心衰患者中发生率及其影响因素[J]. 国际精神病学杂志, 2016, 43(5):857-859,862.
[4]	马炜钰, 谭夏优, 何易楠, 等. 广州某汽车制造企业作业人员职业紧张、职业倦怠和抑郁症状的关系[J]. 环境与职业医学, 2022, 39(12):1359-1365.
[5]	VIRTANEN M, STANSFELD A S, FUHRER R, et al. Overtime work as a predictor of major depressive episode:A 5-year follow-up of the Whitehall II study[J]. PLoS One, 2017, 7(1):e30719. DOI URL
[6]	EVANGELIA D. Job demands-resources theory:Taking stock and looking forward[J]. J Occup Health Psychol, 2017, 22(3):273-285. DOI URL
[7]	TÖRES T, ANNE H, GUNNAR A, et al. A systematic review including meta-analysis of work environment and depressive symptoms[J]. BMC Public Health, 2015, 15(1):738. DOI URL
[8]	NIXON E A, MAZZOLA J J, BAUER J, et al. Can work make you sick? A meta-analysis of the relationships between job stressors and physical symptoms[J]. Work & Stress, 2011, 25(1):1-22. DOI URL
[9]	李霜, 孙彦彦, 孙新. 2022年全国重点人群职业健康素养监测技术方案介绍[J]. 中国职业医学, 2023, 50(2):189-193.
[10]	中国疾病预防控制中心职业卫生与中毒控制所.关于印发《全国重点人群职业健康素养监测与干预技术方案》的通知:中疾控职科便函[2022]49号)[Z]. 北京: 中国疾病预防控制中心职业卫生与中毒控制所, 2022.
[11]	中国疾病预防控制中心职业卫生与中毒控制所.关于印发《2022年重点人群职业健康素养水平计算标准》的通知(中疾控职科便函[2023]5号)[Z]. 北京: 中国疾病预防控制中心职业卫生与中毒控制所, 2023.
[12]	王瑾, 张巧耘, 陈惠清, 等. 中国职业人群职业紧张测量核心量表编制[J]. 中华预防医学杂志, 202, 54(11):1184-1189.
[13]	NAKATA A, HARATANI T, TAKAHASHI M, et al. Job stress,social support,and prevalence of insomnia in a population of Japanese daytime workers[J]. Soc Sci Med, 2004, 59(8):1719-1730. DOI URL
[14]	中国疾病预防控制中心职业卫生与中毒控制所. 全国重点人群职业健康素养监测-身心健康状况评分标准[Z/OL]. (2023-05-17)[2025-10-21]. https://book.yunzhan365.com/qxzua/msqm/mobile/index.html.
[15]	张润, 王永滨. 机器学习及其算法和发展研究[J]. 中国传媒大学学报(自然科学版), 2016, 23(2):10-18,24.
[16]	曹玉茹, 高洋洋. 基于SHAP值惩罚特征的集成分类方法研究[J]. 统计与决策, 2023, 39(6):21-26.
[17]	刘天畅, 王雷, 朱庆华. 基于SHAP解释方法的智慧居家养老服务平台用户流失预测研究[J]. 数据分析与知识发现, 2024, 8(1):40-54. DOI
[18]	李兴洋, 孙婉琪, 尹孟洁, 等. 慢性阻塞性肺疾病患者睡眠质量和焦虑抑郁情况及其影响因素:一项多中心横断面研究[J]. 中国全科医学, 2024, 27(20):2437-2444. DOI
[19]	程玉莲, 郭佩佩. 上海市青年男男性行为人群焦虑现状及影响因素分析[J]. 中国卫生事业管理, 2024, 41(2):199-202.
[20]	高耀, 曹连喆, 许丹东. 专业硕士的焦虑来源及其影响因素[J]. 学位与研究生教育, 2024(1):49-56.
[21]	潘文, 朱雯娱. 初产妇产前焦虑抑郁现状及影响因素分析[J]. 实用预防医学, 2024, 31(1):53-57.
[22]	LU R, LING H, HUANG Z, et al. Development of a prediction model for lower limb deformity in patients with hereditary multiple exostoses based on interpretable models and nomogram[J]. BMC Med Inform Decis Mak, 2025, 25(1):355-355. DOI
[23]	郭佩佩, 高凯, 姜茂敏, 等. 高校教师焦虑状况及其与工作-家庭冲突和领悟社会支持的关系[J]. 中国心理卫生杂志, 2023, 37(7):610-615.
[24]	王诗妍, 杨晓霞, 李彦雷, 等. 534名医务人员心理健康状况分析及对策探讨[J]. 宁夏医学杂志, 2024, 46(3):262-267.
[25]	周雪松, 许艳丹, 许明佳. 上海市石油化工产业工人心理健康状况及影响因素[J]. 职业与健康, 2023, 39(11):1491-1495.
[26]	陈林, 陆海瑛, 王泽华, 等. 融合LightGBM和SHAP的井漏类型判断及主控因素分析[J]. 钻井液与完井液, 2023, 40(6):771-777.
[27]	汪祖民, 王恺锋, 李艳志, 等. 基于LightGBM和SHAP的云南省森林火灾预测研究[J]. 消防科学与技术, 2023, 42(11):1567-1571.
[28]	石磊, 王媛, 任飞. 职业倦怠对某部军人睡眠质量与职业压力关系的中介效应[J]. 职业与健康, 2023, 39(3):289-292.
[29]	马悦, 杨跃新, 姚建华, 等. 苏州市第二产业员工职业紧张和心理健康状况分析[J]. 中国工业医学杂志, 2024, 37(1):24-28.
[30]	石呈, 陈旭鹏, 汪娜, 等. 2014-2019年南京市不同文化程度人群健康素养水平变化趋势分析[J]. 江苏预防医学, 2021, 32(6):771-773,776.
[31]	潘丽萍, 王文彩, 李娜, 等. 南京市某企业健康促进干预措施及效果评价[J]. 中国工业医学杂志, 2022, 35(2):181-183.
[32]	陈娜, 李静芸, 张忠彬. 规范高效开展用人单位职业健康培训工作[J]. 劳动保护, 2023(4):76-77.
[33]	孙彦彦, 孙新, 万霞, 等. 我国2022年重点人群职业健康素养水平及其影响因素[J]. 中国职业医学, 2023, 50(3):241-247.

项目	调查人数	焦虑组	无焦虑组	χ²值	P值	训练组	验证组	χ²值	P值
性别				3.244	0.072			0.210	0.647
男	716（82.02）	473（80.31）	243（85.56）			504（82.49）	212（80.92）
女	157（17.98）	116（19.69）	41（14.44）			107（17.51）	50（19.08）
年龄（岁）				7.449	0.059			2.098	0.552
16~<30	322（36.88）	230（39.05）	92（32.39）			228（37.32）	94（35.88）
30~<40	370（42.38）	231（39.22）	139（48.94）			264（43.21）	106（40.46）
40~<50	154（17.64）	109（18.51）	45（15.85）			102（16.69）	52（19.85）
≥50	27（3.09）	19（3.23）	8（2.82）			17（2.78）	10（3.82）
婚姻状况				1.260	0.262			0.093	0.760
已婚	485（55.56）	319（54.16）	166（58.45）			342（55.97）	143（54.58）
其他	388（44.44）	270（45.84）	118（41.55）			269（44.03）	119（45.42）
文化程度				1.252	0.263			1.494	0.222
高中或以下	535（61.28）	369（62.65）	166（58.45）			383（62.68）	152（58.02）
大专或以上	338（38.72）	220（37.35）	118（41.55）			228（37.32）	110（41.98）
平均月收入（元）				3.422	0.181			6.379	0.041
0~<5 000	454（52.00）	305（51.78）	149（52.46）			315（51.55）	139（53.05）
5 000~<9 000	341（39.06）	238（40.41）	103（36.27）			250（40.92）	91（34.73）
≥9 000	78（8.93）	46（7.81）	32（11.27）			46（7.53）	32（12.21）
户口性质				2.866	0.413			2.538	0.468
非农业户口	185（21.19）	124（21.05）	61（21.48）			134（21.93）	51（19.47）
农业户口	583（66.78）	395（67.06）	188（66.20）			410（67.10）	173（66.03）
现登记为居民户口，之前为非农业户口	48（5.50）	28（4.75）	20（7.04）			30（4.91）	18（6.87）
现登记为居民户口，之前为农业户口	57（6.53）	42（7.13）	15（5.28）			37（6.06）	20（7.63）
单位性质				19.078	<0.001			3.072	0.381
国有	125（14.32）	82（13.92）	43（15.14）			82（13.42）	43（16.41）
民营	234（26.80）	184（31.24）	50（17.61）			160（26.19）	74（28.24）
外资	469（53.72）	297（50.42）	172（60.56）			334（54.66）	135（51.53）
其他	45（5.15）	26（4.41）	19（6.69）			35（5.73）	10（3.82）
单位规模				8.258	0.016			0.272	0.873
小型企业	55（6.30）	41（6.96）	14（4.93）			39（6.38）	16（6.11）
中型企业	709（81.21）	463（78.61）	246（86.62）			498（81.51）	211（80.53）
大型企业	109（12.49）	85（14.43）	24（8.45）			74（12.11）	35（13.36）
入职本岗位时间（年）				3.298	0.348			3.383	0.336
0~<5	557（63.80）	380（64.52）	177（62.32）			378（61.87）	179（68.32）
6~<11	156（17.87）	110（18.68）	46（16.20）			114（18.66）	42（16.03）
11~<16	116（13.29）	73（12.39）	43（15.14）			86（14.08）	30（11.45）
≥16	44（5.04）	26（4.41）	18（6.34）			33（5.40）	11（4.20）
平均每周工作时间（h）				0.599	0.741			1.782	0.410
0~<41	323（37.00）	214（36.33）	109（38.38）			232（37.97）	91（34.73）
41~<49	279（31.96）	193（32.77）	86（30.28）			187（30.61）	92（35.11）
≥49	271（31.04）	182（30.90）	89（31.34）			192（31.42）	79（30.15）
工作是否需要上夜班				2.407	0.121			1.054	0.305
是	428（49.03）	300（50.93）	128（45.07）			307（50.25）	121（46.18）
否	445（50.97）	289（49.07）	156（54.93）			304（49.75）	141（53.82）
健康法律知识水平				13.380	0.004			4.130	0.248
低水平	34（3.89）	18（3.06）	16（5.63）			26（4.26）	8（3.05）
中水平	200（22.91）	120（20.37）	80（28.17）			141（23.08）	59（22.52）
中高水平	375（42.96）	256（43.46）	119（41.90）			271（44.35）	104（39.69）
高水平	264（30.24）	195（33.11）	69（24.30）			173（28.31）	91（34.73）
健康保护基本知识水平				3.089	0.378			4.009	0.260
低水平	35（4.01）	20（3.40）	15（5.28）			26（4.26）	9（3.44）
中水平	92（10.54）	65（11.04）	27（9.51）			57（9.33）	35（13.36）
中高水平	256（29.32）	167（28.35）	89（31.34）			186（30.44）	70（26.72）
高水平	490（56.13）	337（57.22）	153（53.87）			342（55.97）	148（56.49）
健康保护基本技能水平				3.972	0.264			4.136	0.247
低水平	62（7.10）	35（5.94）	27（9.51）			47（7.69）	15（5.73）
中水平	201（23.02）	139（23.60）	62（21.83）			135（22.09）	66（25.19）
中高水平	352（40.32）	242（41.09）	110（38.73）			239（39.12）	113（43.13）
高水平	258（29.55）	173（29.37）	85（29.93）			190（31.10）	68（25.95）
健康工作方式和行为水平				18.244	<0.001			4.398	0.222
低水平	22（2.52）	9（1.53）	13（4.58）			12（1.96）	10（3.82）
中水平	117（13.40）	65（11.04）	52（18.31）			87（14.24）	30（11.45）
中高水平	309（35.40）	210（35.65）	99（34.86）			210（34.37）	99（37.79）
高水平	425（48.68）	305（51.78）	120（42.25）			302（49.43）	123（46.95）
职业紧张状况				34.709	<0.001			2.491	0.115
无职业紧张	547（62.66）	409（69.44）	138（48.59）			372（60.88）	175（66.79）
有职业紧张	326（37.34）	180（30.56）	146（51.41）			239（39.12）	87（33.21）
睡眠状况				57.506	<0.001			0.013	0.910
无睡眠障碍	647（74.11）	483（82.00）	164（57.75）			454（74.30）	193（73.66）
有睡眠障碍	226（25.89）	106（18.00）	120（42.25）			157（25.70）	69（26.34）

项目	调查人数	焦虑组	无焦虑组	χ²值	P值	训练组	验证组	χ²值	P值
性别				3.244	0.072			0.210	0.647
男	716（82.02）	473（80.31）	243（85.56）			504（82.49）	212（80.92）
女	157（17.98）	116（19.69）	41（14.44）			107（17.51）	50（19.08）
年龄（岁）				7.449	0.059			2.098	0.552
16~<30	322（36.88）	230（39.05）	92（32.39）			228（37.32）	94（35.88）
30~<40	370（42.38）	231（39.22）	139（48.94）			264（43.21）	106（40.46）
40~<50	154（17.64）	109（18.51）	45（15.85）			102（16.69）	52（19.85）
≥50	27（3.09）	19（3.23）	8（2.82）			17（2.78）	10（3.82）
婚姻状况				1.260	0.262			0.093	0.760
已婚	485（55.56）	319（54.16）	166（58.45）			342（55.97）	143（54.58）
其他	388（44.44）	270（45.84）	118（41.55）			269（44.03）	119（45.42）
文化程度				1.252	0.263			1.494	0.222
高中或以下	535（61.28）	369（62.65）	166（58.45）			383（62.68）	152（58.02）
大专或以上	338（38.72）	220（37.35）	118（41.55）			228（37.32）	110（41.98）
平均月收入（元）				3.422	0.181			6.379	0.041
0~<5 000	454（52.00）	305（51.78）	149（52.46）			315（51.55）	139（53.05）
5 000~<9 000	341（39.06）	238（40.41）	103（36.27）			250（40.92）	91（34.73）
≥9 000	78（8.93）	46（7.81）	32（11.27）			46（7.53）	32（12.21）
户口性质				2.866	0.413			2.538	0.468
非农业户口	185（21.19）	124（21.05）	61（21.48）			134（21.93）	51（19.47）
农业户口	583（66.78）	395（67.06）	188（66.20）			410（67.10）	173（66.03）
现登记为居民户口，之前为非农业户口	48（5.50）	28（4.75）	20（7.04）			30（4.91）	18（6.87）
现登记为居民户口，之前为农业户口	57（6.53）	42（7.13）	15（5.28）			37（6.06）	20（7.63）
单位性质				19.078	<0.001			3.072	0.381
国有	125（14.32）	82（13.92）	43（15.14）			82（13.42）	43（16.41）
民营	234（26.80）	184（31.24）	50（17.61）			160（26.19）	74（28.24）
外资	469（53.72）	297（50.42）	172（60.56）			334（54.66）	135（51.53）
其他	45（5.15）	26（4.41）	19（6.69）			35（5.73）	10（3.82）
单位规模				8.258	0.016			0.272	0.873
小型企业	55（6.30）	41（6.96）	14（4.93）			39（6.38）	16（6.11）
中型企业	709（81.21）	463（78.61）	246（86.62）			498（81.51）	211（80.53）
大型企业	109（12.49）	85（14.43）	24（8.45）			74（12.11）	35（13.36）
入职本岗位时间（年）				3.298	0.348			3.383	0.336
0~<5	557（63.80）	380（64.52）	177（62.32）			378（61.87）	179（68.32）
6~<11	156（17.87）	110（18.68）	46（16.20）			114（18.66）	42（16.03）
11~<16	116（13.29）	73（12.39）	43（15.14）			86（14.08）	30（11.45）
≥16	44（5.04）	26（4.41）	18（6.34）			33（5.40）	11（4.20）
平均每周工作时间（h）				0.599	0.741			1.782	0.410
0~<41	323（37.00）	214（36.33）	109（38.38）			232（37.97）	91（34.73）
41~<49	279（31.96）	193（32.77）	86（30.28）			187（30.61）	92（35.11）
≥49	271（31.04）	182（30.90）	89（31.34）			192（31.42）	79（30.15）
工作是否需要上夜班				2.407	0.121			1.054	0.305
是	428（49.03）	300（50.93）	128（45.07）			307（50.25）	121（46.18）
否	445（50.97）	289（49.07）	156（54.93）			304（49.75）	141（53.82）
健康法律知识水平				13.380	0.004			4.130	0.248
低水平	34（3.89）	18（3.06）	16（5.63）			26（4.26）	8（3.05）
中水平	200（22.91）	120（20.37）	80（28.17）			141（23.08）	59（22.52）
中高水平	375（42.96）	256（43.46）	119（41.90）			271（44.35）	104（39.69）
高水平	264（30.24）	195（33.11）	69（24.30）			173（28.31）	91（34.73）
健康保护基本知识水平				3.089	0.378			4.009	0.260
低水平	35（4.01）	20（3.40）	15（5.28）			26（4.26）	9（3.44）
中水平	92（10.54）	65（11.04）	27（9.51）			57（9.33）	35（13.36）
中高水平	256（29.32）	167（28.35）	89（31.34）			186（30.44）	70（26.72）
高水平	490（56.13）	337（57.22）	153（53.87）			342（55.97）	148（56.49）
健康保护基本技能水平				3.972	0.264			4.136	0.247
低水平	62（7.10）	35（5.94）	27（9.51）			47（7.69）	15（5.73）
中水平	201（23.02）	139（23.60）	62（21.83）			135（22.09）	66（25.19）
中高水平	352（40.32）	242（41.09）	110（38.73）			239（39.12）	113（43.13）
高水平	258（29.55）	173（29.37）	85（29.93）			190（31.10）	68（25.95）
健康工作方式和行为水平				18.244	<0.001			4.398	0.222
低水平	22（2.52）	9（1.53）	13（4.58）			12（1.96）	10（3.82）
中水平	117（13.40）	65（11.04）	52（18.31）			87（14.24）	30（11.45）
中高水平	309（35.40）	210（35.65）	99（34.86）			210（34.37）	99（37.79）
高水平	425（48.68）	305（51.78）	120（42.25）			302（49.43）	123（46.95）
职业紧张状况				34.709	<0.001			2.491	0.115
无职业紧张	547（62.66）	409（69.44）	138（48.59）			372（60.88）	175（66.79）
有职业紧张	326（37.34）	180（30.56）	146（51.41）			239（39.12）	87（33.21）
睡眠状况				57.506	<0.001			0.013	0.910
无睡眠障碍	647（74.11）	483（82.00）	164（57.75）			454（74.30）	193（73.66）
有睡眠障碍	226（25.89）	106（18.00）	120（42.25）			157（25.70）	69（26.34）