杭州市基层保安职业认同分型与精准干预研究——基于聚类分析视角

A Study on the Typology and Precise Intervention of Professional Identity among Grassroots Security Guards in Hangzhou—Based on a Clustering Analysis Perspective

摘要: 现有底层劳动者职业认同研究多采用变量中心回归范式，默认群体同质，政策干预普遍“一刀切”。本文以杭州市430名小区保安为样本，承接集成学习识别的核心影响维度，采用K-means聚类划分高/中/低认同三类保安群体，结合ANOVA效应量锁定区分群体的三大核心诊断靶点，通过多群组结构方程模型检验干预效用的群体非对称差异。结果显示：工作不洁感知、职业焦点重聚、工作内容认同是群体分型核心指标；改善环境、认知培训两类干预对低认同群体边际提升效果显著高于另外两类。研究构建“异质性识别–靶点诊断–精准干预”完整分析框架，为物业、街道实施分层差异化保障政策提供实证支撑。

Abstract: Existing studies on the professional identity of lower-tier workers mostly adopt a variable-centered regression paradigm, assuming group homogeneity, and policy interventions are generally “one-size-fits-all.” This study uses a sample of 430 community security guards in Hangzhou, identifies key influencing dimensions through integrated learning, applies K-means clustering to divide the guards into high, medium, and low professional identity groups, and, combined with ANOVA effect sizes, identifies three core diagnostic targets distinguishing the groups. A multi-group structural equation model is then used to test the asymmetric effectiveness of interventions across groups. Results show that perceived job uncleanliness, occupational focus regrouping, and recognition of work content are core indicators for group typology; environmental improvements and cognitive training interventions yield significantly higher marginal benefits for the low-identity group compared to the other two groups. The study constructs a complete analytical framework of “heterogeneity identification-target diagnosis-precise intervention,” providing empirical support for property management and street offices to implement differentiated assurance policies by layers.

1. 引言

职业认同是指个体对所从事职业的肯定性评价，它评定了个人自我认同中职业角色的重要性。对于基层小区保安这一长期面临职业污名化的群体而言，职业认同的缺失不仅制约个体发展，更可能影响社区安全服务质量与社会治理效能。近年来，国家和地方政府相继出台政策保障底层劳动者权益，然而政策效果却参差不齐——同样的福利补贴、培训项目或环境改善措施，对一部分保安效果显著，对另一部分却收效甚微。这一现象背后的深层原因在于：基层保安群体并非同质整体，其职业认同的形成机制、核心痛点与资源需求存在显著的结构性差异，而现有干预策略普遍采用“一刀切”模式，忽视了对群体异质性的诊断与回应。

现有研究在底层劳动者职业认同领域取得了重要进展。在影响因素层面，邹湘江等基于对保安员的实证调查，揭示了从业时间、月工资等人口统计学变量与职业认同的显著关联[1]；在作用机制层面，周晔等则聚焦于污名应对策略的调节效应，发现主动型应对策略能够有效削弱职业污名对自我评价的负面影响[2]。然而，上述研究在分析范式上普遍采用变量中心取向[3]，即通过总体样本的回归分析估计某一因素对职业认同的“平均效应量”。这一范式虽然在识别普遍性影响因素方面具有优势，但其隐含假设是——样本来自同质总体，各因素对不同个体的影响强度是均等的。

具体到底层劳动者研究领域，一个尚未被充分回答的关键问题是：职业认同水平不同的劳动者群体，其核心痛点与所需的干预措施是否相同？聚类分析为回答这一问题提供了方法论支撑。K-means算法能够根据多维特征将样本划分为内在同质、组间异质的子群体，已在消费者细分、患者分型等领域广泛应用，但在底层劳动者职业认同研究中鲜见。更重要的是，聚类本身不是终点——识别出群体差异之后，还需进一步回答“差异体现在哪些具体指标上”以及“同一措施对不同群体的效果是否相同”，才能真正实现从“分类”到“施策”的转化。

基于此，本文以杭州市430名基层小区保安为研究对象，构建“群体异质性识别–诊断靶点锁定–精准干预验证”的三步分析框架，为基层劳动者职业认同的精准干预提供实证依据，推动相关政策从“经验驱动”向“靶向施策”转型。

2. 理论基础与分析框架

2.1. 群体异质性与职业认同的分化逻辑

社会认同理论把个体对群体的认同摆在核心的位置，认为个体通过社会分类，对自己的群体产生认同，并产生内群体偏好和外群体偏见，个体通过实现或维持积极的社会认同来提高自尊，积极的自尊来源于在内群体与相关的外群体的有利比较。然而，同一职业群体内部的认同水平并非均匀分布——不同劳动者因从业经历、资源禀赋、心理特质的差异，可能形成截然不同的职业认同状态。这种群体异质性意味着：部分劳动者可能已经建立了稳固的职业认同，而另一部分则深陷认同危机。如果忽视这种异质性，任何统一的干预策略都难以实现最优资源配置。

2.2. 诊断靶点的识别逻辑

精准干预的前提是精准诊断。在医学领域，同一种疾病的不同亚型需要不同的治疗方案——这一“分型诊疗”逻辑同样适用于社会科学。对于职业认同干预而言，诊断靶点是指那些能够有效区分不同群体、且具有干预可操作性的核心指标。效应量分析(η²)能够量化各指标在群体间的差异程度，效应量越大，表明该指标越是区分群体的关键特征，也就越应当成为干预的优先靶点。

2.3. 干预效用的群体差异

即便锁定同一诊断靶点，同一干预措施对不同群体的边际效用也可能存在显著差异。对于资源匮乏、认同感极低的群体，基础性支持(如改善工作环境)可能产生巨大的边际提升[4]；而对于已经处于较高认同水平的群体，同样的投入可能仅带来微弱的增量改善。识别这种边际效用的非对称性，是优化资源配置、实施精准干预的关键环节。

基于上述理论逻辑，本文构建如图1所示的分析框架。

Figure 1. Analytical framework

图1. 分析框架图

3. 数据来源与变量测量

3.1. 数据来源与样本特征

本研究数据来源于2024年对杭州市基层小区保安的问卷调查。调查采用三阶段抽样设计：第一阶段，根据房价阈值(新主城区 < 4万元/m²，其余城区 < 3万元/m²)确定抽样小区范围；第二阶段，在四个城区(上城区、拱墅区、临平区、萧山区)按房价分层抽取小区；第三阶段，在每个小区内采用偶遇抽样选取保安进行一对一问卷发放。共计发放问卷480份，回收有效问卷430份，有效率为89.6%。

样本特征如表1所示。

Table 1. Sample features

表1. 样本特征

变量	人数	占比(%)	变量	人数	占比(%)
性别			受教育程度
男	376	87.4	小学及以下	132	30.7
女	54	12.6	初中	178	41.4
年龄			高中或中专	98	22.8
30岁以下	12	2.8	专科及以上	22	5.1
30~40岁	71	16.5	从业时间
41~50岁	157	36.5	1年以下	38	8.8
51~60岁	120	27.9	1~3年	131	30.5
60岁以上	70	16.3	3~5年	129	30.0
婚姻状况			5~8年	61	14.2
未婚	41	9.5	8年以上	71	16.5
已婚	367	85.3	月工资
离异	14	3.3	4000元及以下	101	23.5
丧偶	8	1.9	4001~4500元	108	25.1
			4501~5000元	114	26.5
			5001~5500元	78	18.1
			5500元以上	29	6.7

3.2. 变量测量

本研究涉及四个核心潜变量，均采用李克特5点量表(1 = “完全不符合”至5 = “完全符合”)。职业认同量表参考朱永跃等的研究编制[5]；支持资源量表参考Zimet等的多维社会支持量表改编[6]。各变量的测量维度及对应题项如表2所示。

Table 2. Measurement dimensions of each latent variable and corresponding ıtems

表2. 各潜变量测量维度与对应题项

潜变量	维度/测量内容	对应题项	潜变量	维度/测量内容	对应题项
职业认同	工作内容认同	B1	应对策略	职业焦点重聚	D1
	工作价值认同	B2		主动澄清看法	D2
	工作能力认同	B3		职业污点重述	D3
	工作重要认同	B4		内部群体偏好	D4
	职业地位认同	B5		被动从事职业	D5
	职业尊严认同	B6		职业污名内化	D6
	生活工作融合	B7		外部群体偏好	D7
	工作自我独立	B8	支持资源	工作氛围和谐	E1
工作感知	工作不洁感知	C1		组织关怀员工	E2
	身体脏污感知	C2		组织提供帮助	E3
	环境舒适感知	C3		同事帮助显著	E4
	情感消耗感知	C4		同事支持互助	E5
	工作地位感知	C5		家人理解支持	E6
	他人看法感知	C6		家人倾诉问题	E7
	职业声望感知	C7

3.3. 信度与效度检验

3.3.1. 信度检验

本研究采用组合信度(Composite Reliability, CR)与平均方差抽取量(Average Variance Extracted, AVE)双指标进行评估。一般认为，CR值高于0.7且AVE值大于0.5被视为测量工具具有良好内部一致性。本研究建立的结构方程模型信度检验如表3所示，结果表明模型中所有潜变量的CR值均超过0.7，AVE指标均达0.5以上，表明测量题项的聚合效度与信度水平符合要求。

Table 3. Reliability test results

表3. 信度检验表

变量	题项	标准化因子载荷	标准误(SE)	CR	AVE
职业认同	B1	0.881^***	0.014	0.895	0.518
	B2	0.701^***	0.027
	B3	0.753^***	0.023
	B4	0.675^***	0.029
	B5	0.657^***	0.030
	B6	0.686^***	0.028
	B7	0.705^***	0.027
	B8	0.675^***	0.029
工作感知	C1	0.890^***	0.013	0.903	0.572
	C2	0.755^***	0.023
	C3	0.705^***	0.026
	C4	0.718^***	0.026
	C5	0.749^***	0.024
	C6	0.737^***	0.024
	C7	0.723^***	0.025
应对策略	D1	0.899^***	0.012	0.907	0.583
	D2	0.762^***	0.022
	D3	0.672^***	0.029
	D4	0.761^***	0.022
	D5	0.733^***	0.024
	D6	0.754^***	0.023
	D7	0.745^***	0.024
支持资源	E1	0.857^***	0.017	0.888	0.534
	E2	0.716^***	0.026
	E3	0.754^***	0.024
	E4	0.621^***	0.033
	E5	0.727^***	0.026
	E6	0.727^***	0.026
	E7	0.694^***	0.028

注：^***表示p < 0.001。

3.3.2. 效度检验

效度检验从结构效度与区分效度两个方面进行。

(1) 结构效度

本研究通过验证性因子分析(CFA)检验四因子模型(工作感知、应对策略、支持资源、职业认同)的结构效度。各项拟合指标均达到良好标准(CFI, TLI > 0.9, RMSEA, SRMR < 0.08)，表明四因子模型与数据拟合良好，各潜变量的结构得到数据支持。

(2) 区分效度

为进一步验证四个潜变量之间的区分性，本研究构建了六个竞争模型与四因子模型进行对比，包括三个三因子模型(分别将应对策略与支持资源合并、工作感知与支持资源合并、工作感知与应对策略合并)、一个二因子模型(将四个变量合并为两个因子)以及一个单因子模型(将所有变量合并为一个因子)。四因子模型的各项拟合指标均优于所有竞争模型，表明四个潜变量之间具有良好的区分效度。各模型的拟合指标如表4所示。

Table 4. Discriminant validity test results

表4. 区分效度检验结果表

模型	χ^2	df	χ^2/df	CFI	TLI	RMSEA	SRMR
四因子模型	766.882	371	2.067	0.946	0.941	0.050	0.044
三因子模型^a	1803.486	374	4.822	0.804	0.787	0.094	0.086
三因子模型^b	1810.642	374	4.841	0.803	0.786	0.095	0.086
三因子模型^c	1256.203	374	3.359	0.879	0.869	0.074	0.053
二因子模型	2242.253	376	5.963	0.744	0.723	0.108	0.090
单因子模型	2636.183	377	6.993	0.690	0.666	0.118	0.096

注：三因子模型^a：应对策略 + 支持资源，工作感知，职业认同；三因子模型^b：工作感知 + 支持资源，应对策略，职业认同；三因子模型^c：是将工作感知 + 应对策略合并，支持资源，职业认同；二因子模型：应对策略 + 支持资源，工作感知 + 职业认同；单因子模型：工作感知 + 应对策略 + 支持资源 + 职业认同。

4. K-Means聚类分析

4.1. 聚类方法与过程

为避免直接使用29个原始题项进行聚类可能导致的题项间多重共线性问题，本研究在聚类之前先构建验证性因子分析(CFA)模型，提取职业认同、工作感知、应对策略与支持资源四个潜变量的因子得分，然后以这四个标准化因子得分作为聚类输入变量。这一处理方式在保留理论维度结构的同时，有效降低了指标冗余对聚类结果的干扰。

K-means算法通过迭代优化将样本划分为K个类簇，使同一类簇内样本的相似度最大化、不同类簇间样本的异质性最大化。本文以四个潜变量的因子得分为聚类变量(经Z-score标准化)，采用欧氏距离计算样本间相似度。通过肘部法则(Elbow Method)和轮廓系数(Silhouette Coefficient)综合判断最优聚类数。如图2所示，肘部图在K = 3处出现明显拐点，且K = 3时平均轮廓宽度高于K = 2和K = 4，故确定最优聚类数为K = 3。聚类算法初始中心点采用随机选取方式，最大迭代次数设为100次，以确保结果稳定性。

Figure 2. Elbow method plot and average silhouette coefficient plot

图2. 肘部法则与平均轮廓系数图

4.2. 三类群体的特征刻画

Figure 3. K-means clustering result plot

图3. K-means聚类结果图

本项目通过k-means聚类算法，将430份样本进行分类，得到3类。3类样本能够较清楚地被区分开，聚类效果较好，结果如图3、表5所示。

Table 5. Internal clustering results

表5. 聚类内部结果表

题项	类别
	1	2	3
工作内容认同	4.53	4.08	2.32
工作价值认同	3.87	3.54	2.51
工作能力认同	3.89	3.65	2.21
工作重要认同	4.22	3.88	2.09
职业地位认同	3.83	3.74	2.44
职业尊严认同	3.91	3.33	2.41
生活工作融合	3.80	3.40	2.40
工作自我独立	3.76	3.21	2.38
工作不洁感知	1.78	3.21	4.21
身体脏污感知	2.24	3.26	3.80
环境舒适感知	2.29	2.98	3.76
情感消耗感知	2.21	2.83	3.83
工作地位感知	2.17	3.25	3.82
他人看法感知	2.16	3.25	3.80
职业声望感知	2.18	3.48	3.82
职业焦点重聚	4.27	3.14	1.93
主动澄清看法	3.82	3.02	2.21
职业污点重述	3.83	3.18	2.29
内部群体偏好	3.85	3.09	2.29
被动从事职业	3.84	2.80	2.31
职业污名内化	3.82	2.92	2.24
外部群体偏好	3.76	2.90	2.15
工作氛围和谐	4.29	3.99	3.00
组织关怀员工	3.91	3.81	2.87
组织提供帮助	3.86	3.80	2.81
同事帮助显著	3.70	3.53	2.79
同事支持互助	3.82	3.76	2.94
家人理解支持	3.88	3.78	2.94
家人倾诉问题	3.77	3.71	2.90

第一类群体对工作内容、价值等有高认同感，感受到较高的环境舒适度，工作不洁感或身体脏污感较低。他们处于和谐工作氛围，得到组织关怀和同事支持。第二类群体在各项认同指标上表现中等，对工作有一定认同感。他们在工作不洁感知、身体脏污感知及环境舒适感知上感受平衡，且得到一定的社会支持。第三类群体在工作内容、价值及职业尊严上的认同感普遍较低，态度消极，对工作环境中的负面因素感知强烈，且缺乏社会支持。根据以上分析，把类别一命名为“高认同”群体，类别二命名为“中认同”群体，类别三命名为“低认同”群体。

为了对每一类小区的保安群体提炼出具有普遍性和典型性的基本信息画像，我们将3个类别的小区保安按照其基本信息进行频数分析，将众数作为每类小区保安在某一基本信息维度上的典型特征，以找出每个类别的特点，最终将其分为不同特征的小区保安，三类群体的特征可归纳为表6。

Table 6. Comparison of typical characteristics among three groups

表6. 三类群体典型特征对比

群体	占比	核心特征	职业认同水平	工作感知	应对策略	支持资源
高认同型	29.3%	大龄、低学历、长从业、高收入	高	正面	主动	充足
中认同型	42.8%	大龄、初中学历、较长从业、中低收入	中	中性	混合	中等
低认同型	27.9%	年轻、初中学历、短从业、低收入	低	负面	被动	匮乏

为验证三类群体在人口统计学特征上的差异是否具有统计学意义，本研究进行了卡方检验。结果如表7所示。

Table 7. Chi-square test results

表7. 卡方检验表

变量名	卡方值	自由度	p值
年龄分布	24.278	8	0.00206
从业时间分布	15.978	8	0.04270
月工资分布	27.308	8	0.00063
受教育程度	16.743	6	0.01027
性别	5.196	2	0.07441
婚姻状况	3.629	6	0.72671

结果显示：年龄分布、从业时间分布、月工资分布、受教育程度在三类群体间均存在显著差异；而性别和婚姻状况的组间差异不显著。这一结果表明，年龄、从业时间、月工资和受教育程度与职业认同的群体分型存在系统性关联，进一步验证了聚类结果的现实合理性。

4.3. 潜在剖面分析(LPA)聚类稳健性检验

为规避单一K-means算法带来的分型偏差，本文采用模型驱动的潜在剖面分析(LPA)开展稳健性验证[7]，结果如表8所示，输入变量与前文K-means完全统一，即4个标准化潜变量因子得分。依次拟合1~4类剖面模型，通过信息准则、分类熵、BLRT似然比检验综合判定最优类别。

模型拟合结果显示，3类剖面模型AIC、BIC、调整BIC均为全局最小值，熵值Entropy = 0.835，个体归类精准度高；BLRT检验p < 0.001，表明3类模型拟合效果显著优于2类模型，4类模型相比3类无显著提升，因此LPA最优分组同样为3类。

将LPA分组标签与 K-means聚类标签进行交叉匹配(表9)，统计样本归类一致性。

Table 8. Model fit ındices of LPA

表8. LPA 模型拟合指标

类别数量	AIC	BIC	aBIC	Entropy	BLRT p值	最优判定
1	13022.15	13051.72	13038.41	1.000	—	否
2	11836.89	11863.45	11850.24	0.724	0.001	否
3	11001.56	11027.81	11014.97	0.835	0.000	是
4	11115.38	11142.66	11129.05	0.812	0.167	否

Table 9. Contingency table for group matching between K-means and LPA

表9. K-means与LPA分组匹配列联表

K-means分组	LPA匹配样本数	本组总样本	本组匹配率
1 (高认同)	94	146	64.38%
2 (中认同)	105	142	94%
3 (低认同)	101	142	71.13%
合计	300	430	69.77%

K-means基于欧氏距离划分样本，LPA基于概率分布建模，两类算法底层逻辑存在本质差异，但最终群体划分高度重合，说明本文划分高、中、低认同三类保安群体的结论稳定可靠，排除聚类算法选择带来的系统性偏差。

5. 效应量分析

本节通过单因素方差分析(ANOVA)和效应量(η²)评估各题项在群体间的区分能力(见表10、图4)，效应量越大，表明该指标越能有效区分群体，即越应成为优先干预的诊断靶点。

5.1. 效应量测算

Table 10. ANOVA results and effect size ranking of all ıtems (Top 10)

表10. 各题项方差分析与效应量排序(前10位)

排名	题项	所属维度	F值	η^2	效应量等级
1	工作不洁感知	工作感知	176.04	0.453	大
2	职业焦点重聚	应对策略	161.62	0.432	大
3	工作内容认同	职业认同	160.98	0.431	大
4	工作重要认同	职业认同	154.54	0.421	大
5	工作能力认同	职业认同	97.44	0.314	大
6	职业声望感知	工作感知	88.42	0.294	中
7	工作地位感知	工作感知	82.88	0.28	中
8	他人看法感知	应对策略	82.22	0.279	中
9	情感消耗感知	工作感知	78.85	0.27	中
10	外部群体偏好	应对策略	76.48	0.265	中

η²的计算公式为：${\eta }^2=\frac{S{S}_{between}}{S{S}_{total}}$ ，反映组间变异占总变异的比例。方差分析中，η²效应量的判断标准为0.01、0.06、0.14分别对应小、中、大效应[8]。

Figure 4. Bar chart of top 10 ıtems based on η² effect size

图4. 效应量top 10题项η²条形图

5.2. 核心诊断靶点的理论阐释

靶点一：工作不洁感知。这是区分三类群体最强的指标，η²高达0.453——意味着群体归属这一因素能解释工作不洁感知45.3%的变异。当劳动者将环境脏污内化为对职业身份的贬损时，其职业认同将遭受根本性冲击[9]。值得注意的是，在同一个维度中，“身体脏污感知”的效应量低于“工作不洁感知”，表明对保安而言，工作环境的客观状态比身体被弄脏的主观感受更具区分力——改善岗亭、休息室的卫生条件比提供清洁用品可能更有效。

靶点二：职业焦点重聚。这一指标测量的是保安能否将注意力聚焦于职业的积极面，即“主动进行认知重构”的能力。面对职业污名，能否主动将注意力从“脏累差”转向“我守护社区安全”，构成了高低认同群体的核心分水岭。这一发现的政策含义是：在干预策略中，认知行为层面的心理技能培训可能比物质改善更具群体区分效应——尤其是对那些陷入“认知困境”的低认同型保安，帮助他们重建职业价值的认知框架，是打破“负面感知→低认同”恶性循环的关键切入点。

靶点三：工作内容认同。低认同型保安不仅对外界评价敏感，也不认为自己对工作内容有足够的了解和掌控——他们对职业身份的拒绝是“由外而内”的双重打击。值得注意的是，工作内容认同的效应量高于工作价值认同、工作重要认同等其他职业认同题项，表明“对工作本身的掌控感和熟悉度”比“认为工作有价值”更能有效区分三类群体。这一发现提示用人单位：在干预初期，帮助保安清晰界定工作职责、明确岗位要求，建立对工作内容的基本掌控感，可能比抽象的价值观灌输更有效。

6. 多群组结构方程模型分析

识别出诊断靶点之后，还需回答一个关键问题：同一干预措施，对不同群体的效果是否相同？如果相同，则“分类施策”的必要性就大打折扣；如果存在显著差异，则精准干预就有了实证支撑。

6.1. 模型设定

本研究以工作感知为压力源、职业认同为结果变量、应对策略为调节变量，构建多群组结构方程模型。将样本按聚类结果分为高认同型、中认同型和低认同型三个群组，分别估计“工作感知→职业认同”的直接路径系数以及“工作感知 × 应对策略→职业认同”的交互效应系数，通过比较不同群组间系数的差异判断干预效用的群体异质性。模型拟合指标良好：χ²/df = 1.096，CFI = 0.930，TLI = 0.923，RMSEA = 0.015，SRMR = 0.043。

6.2. 分组路径系数对比

为量化同一变量在不同群体间的关联强度差异，本研究基于多群组SEM的路径系数进行模拟测算。需要特别说明的是，本研究数据为横截面设计，路径系数反映的是变量间的统计关联强度而非严格意义上的因果效应。以下测算结果应被理解为：当某一预测变量观测值变动1个单位时，因变量预期变动的关联幅度，此结论可作为干预策略设计的参考依据，但因果推断仍有待未来纵向研究或实验研究验证。

Table 11. Comparison of path coefficients and marginal utility among three groups

表11. 三群组路径系数与边际效用对比

路径	高认同型	中认同型	低认同型	组间差异显著性
工作感知→职业认同(直接效应)	−0.421	−0.508	−0.612	χ^2(2) = 6.31
工作感知 × 应对策略→职业认同(调节效应)	+0.150	+0.242	0.361	χ^2(2) = 8.84
模拟干预：改善工作环境(+1分)→职业认同提升	+0.12	+0.29	+0.51	—
模拟干预：应对策略培训(+1分)→职业认同提升	+0.33	+0.53	+0.87	—

注：路径系数为标准化系数；“模拟关联”指预测变量每变动1个标准差时，因变量预期变动的标准差单位数，系基于横截面数据的统计推断，不等同于干预因果效应。

基于表11，有如下结论：工作感知对职业认同的负向影响，在低认同型群体中最为剧烈，在中认同型和高认同型中依次减弱；应对策略的调节效应在低认同型中最大；应对策略培训的边际效用同样呈现“低认同 > 中认同 > 高认同”的梯度。由此，在资源有限的条件下，将干预资源优先投向低认同群体，能够实现社会福利的最大化。

7. 结论与精准干预策略

7.1. 主要结论

本文通过“群体异质性识别–诊断靶点锁定–精准干预验证”的三步分析框架，得出以下结论：

第一，基层保安群体内部存在显著的职业认同异质性。三类群体——高认同型、中认同型、低认同型——在工作感知、应对策略与支持资源上呈现阶梯式分化，低认同群体在几乎所有指标上均处于劣势，形成了“负面感知–被动应对–资源匮乏”的恶性循环。

第二，三个核心诊断靶点有效区分了群体差异。“工作不洁感知”、“职业焦点重聚”和“工作内容认同”是三类群体差异最大的指标，分别代表物理环境、心理韧性和社会关系三个层面的干预切入点。干预资源的配置应优先瞄准这三个方向。

第三，同一干预措施对不同群体的边际效用存在显著非对称性。改善工作环境对低认同群体的提升效应约为高认同群体的四倍，应对策略培训的差异化效果同样显著。这证实了“均等化干预”的有效性，为“精准施策”提供了实证支撑。

7.2. 差异化干预策略

上述结论为干预策略提供了两个层面的依据：一是靶点定位——三类群体在“工作不洁感知”等指标上的差异是数据直接识别的，属于本研究实证支撑的核心结论；二是方向指引——针对不同靶点的具体干预形式，则需结合行为认知理论和社会学习理论进行转化，其具体操作形式仍有待后续实践检验。基于此，本研究按三类群体的优先级提出如下策略。

7.2.1. 低认同群体：基础性干预(最高优先级)

该群体工作不洁感知最高、职业焦点重聚最低，认同危机呈现“环境负感知→认知缺失”传导特征。首先，优先改善岗亭和休息室的卫生与温控条件。其次，开展职业价值认知辅导，帮助其将注意力从“环境脏累”转向“职责重要性”。再次，鉴于该群体受教育程度偏低，应对策略训练应采用简化设计(如情景应答模板)，而非理论讲授。

7.2.2. 中认同群体：发展性干预(中等优先级)

该群体占比最大，核心特征为“具备一定认同基础，但应对能力尚有不足”。职业认同具有双向转化的可能——既可能向高认同提升，也可能滑向低认同。首先，开展结构化污名应对培训(如角色扮演、情景模拟)，该群体“主动澄清看法”和“职业焦点重聚”已有一定基础，系统训练可进一步强化。其次，通过班组交流会等低成本方式强化团队氛围。再次，为从业3~5年的保安提供清晰的晋升通道信息，将模糊前景转化为可预期目标。

7.2.3. 高认同群体：维持性干预(最低优先级)

该群体已基本完成积极职业身份建构，对增量资源的边际敏感度最低，不应作为重点投入对象。可通过选拔典型参与行业宣传发挥其社会示范效应，或将其纳入同伴支持体系参与帮扶低认同群体。现有支持水平维持即可，无需额外增量投入。

上述干预策略的落地需兼顾现实约束条件：在政府层面，应配套专项资金与考核机制，避免政策停留在文件层面；在物业企业层面，需平衡成本投入与长期收益，建议优先从“工作氛围和谐”这一低成本高回报靶点入手(如定期班组交流会)，再逐步推进硬件改造；在社区层面，可将保安纳入社区共建共治体系，通过居民满意度评价等柔性机制增强保安的职业价值感知。三类干预措施的推进节奏应遵循“先易后难、先软后硬”原则，确保可操作性。

7.3. 政策建议

第一，政府部门应建立基层保安职业认同的动态监测机制，定期开展群体分类评估，将干预资源配置从“平均分配”转向“靶向投放”。设立专项资金优先用于低认同群体集中的老旧小区的岗亭改造和环境改善项目。推动保安职业资格认证与薪资分级制度，为从业时间较长的保安提供可预期的晋升通道。

第二，用人单位应摒弃“统一福利包”的思维，实施差异化的员工关怀策略。对低认同群体重点投入物理环境改善和基础心理支持，对中认同群体侧重技能培训和团队建设，对高认同群体通过榜样塑造实现低成本的价值放大。将“职业焦点重聚”能力纳入新员工入职培训的必修模块，帮助保安在从业初期建立积极的认知框架。

第三，新入行的年轻保安应有意识地培养“职业焦点重聚”的能力——主动关注工作中积极的一面(如“我今天保护了小区的安全”)，而非沉溺于环境脏污或社会偏见。从业时间较长的保安可主动参与团队建设活动，将个体经验转化为群体资源，在帮助同伴的过程中巩固自身的职业认同。

7.4. 研究局限与展望

本研究存在以下局限：第一，抽样范围限于杭州市中低房价小区的保安群体，结论的外推性需进一步验证。未来研究可扩展至不同城市、不同服务场景(如商业楼宇、工业园区)的保安群体。第二，横截面数据无法追踪职业认同的动态演变过程，未来可采用纵向追踪设计检验干预策略的长期效果。第三，本研究基于观测数据模拟干预效果，未来可结合随机对照实验(RCT)验证“精准干预”策略的因果效应。

基金项目

本文受到2025年大学生创新创业训练计划项目(202510336013)的支持。

本文受到2025年浙江省大学生科技创新活动计划暨新苗人才计划项目(2025R407A032)的支持。