基于LPM的煤礦重大生產事故方差預測模型

徐紅梅，張同建，董曉波

（1.江蘇大學 工商管理學院，江蘇 鎮江 212013；2.淮海工學院 商學院，江蘇 連云港 222005）

基于LPM的煤礦重大生產事故方差預測模型

徐紅梅1，張同建1，董曉波2

（1.江蘇大學 工商管理學院，江蘇 鎮江 212013；2.淮海工學院 商學院，江蘇 連云港 222005）

文章在煤礦安全影響因素理論分析的基礎上構建了基于LPM的方差預測模型。該模型可以對重大安全事故的發生概率提供合理的預測，從而為煤礦企業的安全管理戰略提供有效的決策支持。

煤礦企業；安全生產；定性變量；線性概率模型

1 煤礦重大安全事故預測的可行性

在煤礦生產事故中，重大生產事故具有很大的危害性。這類安全事故往往造成嚴重的人身傷亡、生產停頓、設備毀損，極易引發群體事件，破壞和諧安寧的社會生產環境。因此，重大安全事故的防范是煤礦企業安全事故防范的重中之重。

根據國外煤礦行業生產事故防范的經驗，事故預測是事故預防的一種有效措施，特別對重大安全事故的防范而言，事故預測更具有積極的作用。所謂事故預測，就是根據煤礦企業現有的各種生產環境，運用合理的預測方法，基于過去一段時期內所發生的煤礦事故信息，對生產事故發生的可能性進行科學的概率界定，從而為煤礦企業的安全管理戰略提供現實性的理論借鑒。

基于LPM的方差分析模型是實現我國煤礦企業重大生產事故概率預測的一種有效方法。在計量經濟學中，取值為0和1的變量稱為二分變量，把二分變量表達為解釋變量的函數的模型稱為線性概率模型（LPM）。作為二分變量的自變量可以解釋為在給定的條件下所對應的事件發生的條件概率。同時，在回歸模型中，清一色地含有虛擬變量或定性變量的模型稱為方差分析（簡記ANOVA）模型。因此，依據基于LPM的方差分析模型對我國煤礦行業的重大生產事故進行預測分析，具有較高的可行性與應用價值。

2 模型設計與檢驗

2.1 模型設計

在我國煤礦企業的安全生產過程中，重大生產事故的發生不是一個偶然性的問題，而是一個偶然中的必然性問題，受到煤礦生產環境中各種生產要素的綜合影響。根據文獻[1]～[4]的研究，在我國煤礦生產環境中，企業的屬性、安全投入的規模、專業安全管理人員的人數、煤炭產量規模、從業人員規模，以及安全管理信息系統的使用年限，都對重大生產事故的發生概率具有直接的影響。因此，可以建立如下線性概率模型（LPM）：

其中，各變量的涵義如下：

yi：因變量，虛擬變量，值為1時表示發生重大生產事故。

B2i：自變量，虛擬變量，值為1時表示國有煤礦企業，值為0時表示民營煤礦企業。

C2i：自變量，虛擬變量，值為1時表示中等安全投入。

C3i：自變量，虛擬變量，值為1時表示高等安全投入。

D2i：自變量，虛擬變量，值為1時表示中等安全管理人員規模。

D3i：自變量，虛擬變量，值為1時表示高等安全管理人員規模。

E2i：自變量，虛擬變量，值為1時表示中等煤炭產量規模。

E3i：自變量，虛擬變量，值為1時表示高等煤炭產量規模。

F2i：自變量，虛擬變量，值為1時表示中等從業人員規模。

F3i：自變量，虛擬變量，值為1時表示高等從業人員規模。

G2i：自變量，虛擬變量，值為1時表示中等安全管理信息系統使用年限。

G3i：自變量，虛擬變量，值為1時表示長時期安全管理信息系統使用年限。

μi：樣本殘差項。

β0為截 距 ，β1、β2、β3、β4、β5、β6、β7、β8、β9、β10、β11分 別 為B2i、C2i、C3i、D2i、D3i、E2i、E3i、F2i、F3i、G2i、G3i的回歸系數。

根據我國煤礦行業現實性的生產實踐，可以對模型中各定性變量的分類特征進行合理的界定，具體內容如表1所示。

2.2 數據收集

本研究設計的LPM模型是一個方差分析 （analysis-ofvariance，簡記ANOVA）模型，包含7個定性變量、1個因變量、11個虛擬變量。根據模型設計的內容，進行測度指標體系的問卷設計，然后在全國范圍內的煤礦企業進行數據收集。本次數據調查共發放問卷150份，收回問卷120份，問卷回收率為80%，滿足問卷調查回收率不低于20%的要求。問卷調查自2009年6月1日起，至2009年8月1日止，共61天。在回收的120份樣本中，有效樣本為100份，樣本數與指標數之比約為8：1，滿足多元統計分析的基本條件。樣本特征如表2所示。

表1 定性變量特征

表2 樣本特征表

在樣本總體中，基于各種定性變量分類特征的樣本結構如表3所示。

表3 樣本結構表

2.3 模型檢驗

基于我國煤礦企業安全性生產環境的數據調查，運用SPSS11.5軟件，得回歸分析結果如表4所示。

表4 回歸分析結果

其中，觀察值的個數n=100，R2=0.4362，F=6.963＞2.514=F0.01(10,89)，各回歸系數值均達到一定的顯著性，因此，LPM為：

例：在樣本總體中，江蘇省某國有煤礦企業，安全投入屬于中等投入規模，專業安全管理人員數量屬于中等規模，煤炭產量屬于高等產量規模，員工人數屬于高等規模，安全管理信息系統應用年限屬于長時期使用年限，則根據LPM模型，重大生產事故發生的概率為3.24%，即：

3 結論

基于LPM的我國煤礦企業重大生產事故方差預測模型的確立，可以為我國煤礦企業對安全生產環境的預測分析提供可靠的判斷，從而調整事故防范策略，完善安全生產設施，進而提高煤礦生產過程中的安全保護效率。

在我國煤炭行業內部，安全生產的影響因素是多方面的，是一個集成性的系統，并且隨著企業生產環境的變化而不斷更新。本預測模型中安全生產影響要素的選擇存在著一定的狹隘性與局限性，因此，隨著我國煤礦企業安全生產環境的變化，新的影響要素將不斷被吸納到模型之中，模型的應用價值才能被逐步提高，從而為我國煤礦企業的安全管理戰略提供必要的決策支持。

[1]張同健，呂寶林.國有煤礦企業知識資本微觀體系經驗分析[J].煤炭經濟研究，2008，（1）.

[2]呂寶林，張同健.國有煤礦企業核心競爭力的結構體系實證研究[J].中國礦業，2008，（2）.

[3]張同建.國有大中型煤礦企業核心競爭力測評指標體系研究[J].內蒙古統計，2007，（2）.

[4]譚章祿，張同建.大中型國有煤礦企業知識資本測度指標體系研究[J].商場現代化，2007，（17）.

F224.9

A

1002－6487（2010）21－0053-02

江蘇省高校自然科學研究資助項目（08KJD110009）

徐紅梅（1973-），女，江蘇南通人，碩士，講師，研究方向：信息技術管理。

（責任編輯/浩 天）