基于Logistic回歸模型的汽修企業安全生產影響因素分析

馬 丁 趙澤民高級工程師 葉 劍

(1.北京市科學技術研究院城市安全與環境科學研究所 安全生產技術中心，北京 100054；2.北京市交通委員會安全應急事務中心，北京 100026)

0 引言

隨著城市化進程的加快和人民生活水平的提高，機動車保有量持續增加。據統計顯示，目前全國民用轎車保有量已達15 640萬輛，其中私人轎車保有量14 674萬輛。如此龐大的基數必然會帶來維修需求的進一步增長。然而，汽車維修企業除服務接待外的其他作業均帶有一定的安全風險，如舉升機車輛墜落、焊接灼傷、工器具傷人、觸電、危化品的儲存與使用等。因此，企業管理者應全面了解影響安全生產的相關因素，從而保障從業人員的人身安全。但目前關于汽修企業安全生產管理的研究，多從宏觀層面分析行業整體存在的問題及解決對策，鮮有學者從微觀角度分析機動車維修企業存在的安全生產問題。

鑒于此，本文構建一套機動車維修企業安全生產綜合指標體系，并抽樣選取某市122家小型汽車維修企業，從車間現場管理和文件制度管理2方面對企業安全生產及管理現狀開展評價，之后使用聚類分析和Logistic回歸分析方法構建數學模型，借助SPSS軟件對評價數據進行處理，旨在找出影響汽修企業安全生產的關鍵因素，并提出有針對性的對策措施，以確保企業實現安全生產的目標。

1 數據來源與描述

1.1 安全生產綜合指標體系

為全面評價企業安全生產及管理現狀，按照《中華人民共和國安全生產法》、《汽車維修業開業條件》(GB/T 16739-2014)、《安全生產等級評定技術規范 第17部分：機動車維修企業》(DB11/T 1322.17-2018)、《北京市生產經營單位安全生產主體責任規定》等相關法規條例，分別構建一、二類和三類機動車維修企業安全生產綜合指標體系。2種指標體系滿分均為1 000分，由現場管理(600分)和制度管理(400分)2部分組成，每部分各下設若干細項指標，詳細指標結構，如圖1。

圖1 機動車維修企業安全生產綜合指標體系Fig.1 The comprehensive index system of safety production inautomobile repair enterprises

1.2 統計樣本描述

依據指標體系對122家汽修企業進行安全評價打分，統計結果，見表1。從業務類型看，一、二類企業整體評價結果優于三類企業；從企業規模看，超半數為小型規模，中型規模企業的平均分值最高，微型規模企業的平均分值最低；從企業經營性質看，私營經濟成分占比達到62.3%，個體經濟和國有經濟次之，集體經濟成分的企業數最少。

表1 企業統計信息Tab.1 The enterprise statistics

2 模型構建

本文采用二階聚類方法及在其基礎上建立的有序多分類Logistic回歸模型，均使用IBM SPSS Statistics 25軟件進行數據處理。

2.1 模型介紹

2.1.1 二階聚類

二階聚類，亦被稱為Two-step聚類、兩步聚類，顧名思義是分2個步驟完成，是一種智能聚類方法。第一步是預聚類，即對樣本進行初步歸類；第二步是正式聚類，對第一步中得到的初步類別進行再聚類并確定最終方案。相比于傳統的

K

均值聚類和系統聚類，二階聚類有著鮮明的特點：首先，其聚類變量可以是連續變量或分類變量，亦可以是2種變量的組合；其次，該方法可以根據一定的統計標準自動判定最佳的類別個數，使聚類結果的正確性更有保障。

2.1.2 有序多分類Logistic回歸

在分析某因變量的影響因素時，Logistic回歸是實際工作中常用的方法，它與多元線性回歸的區別在于其因變量是分類變量。根據因變量水平是否有序又可以分為有序多分類和無序多分類Logistic回歸模型。其中，有序多分類Logistic回歸原理是依次將因變量按不同的取值水平分隔為2個等級，對這2個等級建立因變量為二分類的Logistic回歸模型。具體來說，假設某有序因變量

Y

有

k

個水平，相應水平取值的概率為

p

，則其對

m

個自變量可擬合出

k

-1個二分類Logistic回歸方程，如下式所示：

式中：

i

—因變量的水平級別，

i

=1,2,…,

k

-1；Logit(

P

)—第

i

個Logistic回歸模型；(

p

|

Y

=1,2,…,

i

)—因變量取第

i

水平的概率；

α

—第

i

個模型截距參數；

X

—自變量；

β

—偏回歸系數。

2.2 變量設置

2.2.1 因變量

為了能更好地評價企業的安全生產及管理水平，實現分類管理，本文使用二階聚類方法將樣本劃分為不同等級并設置為因變量。由于因變量的3個水平為定序變量，因此本文選用有序多分類回歸模型。

考評分值的高低能客觀反映出企業安全生產及管理水平的好壞。因此，本文選取企業考評分值并輔以現場管理、制度管理2部分指標的平均得分率作為聚類變量，對122個樣本進行二階聚類分析。SPSS軟件處理結果顯示，聚類后凝聚和分離的輪廓測量值為0.55，表明聚類質量較好。聚類結果，見表2。

表2 聚類分析結果Tab.2 The cluster analysis results

根據聚類結果及實際情況，可將樣本數據劃分為“較差”“一般”“良好”3個等級，分別對應表2聚類編號中的1、2、3號。等級越高代表企業考評分值和指標得分率越高，從側面反映出企業的安全生產及管理水平越好。將所有樣本進行類別歸屬，畫出其中位數箱線圖，如圖2。

圖2 聚類分層效果Fig.2 The cluster stratification effect

2.2.2 自變量

機動車維修企業安全生產綜合指標體系包含二級和三級指標共計60余項，其主要分為人員管理、現場管理和制度管理3大要素。其中，人員管理主要涉及人員問答、人員資質和檔案管理3方面內容；現場管理主要關注于維修車間和維修設備設施；制度管理則一般包含企業的各項安全管理制度及管理體系。在本次研究中，從安全生產綜合指標體系各要素中選擇相對重要的特征變量作為自變量，并增加企業基本信息和其他因素作為補充，以探究影響企業考評等級(即企業安全生產及管理水平)的關鍵因素。變量說明及賦值，見表3。

表3 變量說明及賦值Tab.3 Variable description and assignment

在所選自變量中，除“企業經營性質”“企業規模”和“標準化開展情況”為多元變量，其余自變量均為二元變量。故在進行Logistic回歸模擬前，需先把多元變量轉換為相應的啞變量。其中，“企業經營性質”為無序多元變量，轉換時以“其他經濟”為參照將其設置為4個啞變量，每個啞變量均為由0、1組成的二元變量；“企業規模”和“標準化開展情況”為有序多元變量，每個等級的作用相同，故可按變量賦值處理。

3 模型結果及分析

3.1 擬合結果

為優化模型，本次研究使用向后逐步回歸法對自變量進行篩選：首先對因變量擬合包含全部候選自變量的有序多分類Logistic回歸模型，然后依此剔除

P

值最大的變量，再對剩下的自變量做回歸分析，直至模型中剩余的所有自變量均有統計學意義，并計算出優勢比OR值。初始及最終模型的回歸結果，見表4、5。

表4 初始模型擬合結果Tab.4 Initial model fitting results

表5 最終模型擬合結果Tab.5 Final model fitting results

有序多分類Logistic回歸模型的應用前提是必須通過平行線檢驗。在本次研究中，最終模型的平行線檢驗

P

值為0.199(大于0.05)，見表6。說明各回歸方程互相平行，可以使用Logistic回歸模型進行分析。

表6 平行線檢驗結果Tab.6 Parallel line test results

從整體擬合效果看，-2倍對數似然值從164.243降為99.279，似然比檢驗結果的

P

值小于0.001，見表7。說明包含自變量的模型其擬合優度好于僅包含常數項的無效模型，對因變量的解釋效果較好。

表7 模型擬合信息Tab.7 Model fitting information

綜上，有序多分類Logistic回歸模型最終表達式如下所示：

Y

=1

.

262

X

+1

.

231

X

+1

.

001

X

-1

.

716

X

-0

.

778

X

3.2 結果解讀

最終結果顯示，一線作業人員對自身安全職責的了解程度、作業現場安全用電情況、管理制度與企業實際符合程度、安全生產標準化達標情況以及隱患排查工作等因素被擬合進模型中，且均對企業考評等級的提升有正向促進作用，而與企業屬性相關的因素則未被納入模型。由此可見，實際影響企業安全生產及管理水平的因素終究體現在人、物、環、管等細節之處。具體表現在以下幾方面：

(1)能夠清楚了解自身安全職責的一線員工使考評分值提高至少一個等級的概率是不清楚自身安全職責員工的3.532倍(

P

=0.018)。相比于人員管理中的其他因素，機動車維修技術人員(即一線員工)是企業日常生產活動的主要人員，是接觸安全隱患的“第一人”，所以其對安全的認識與理解在一定程度上決定了企業能否實現安全生產的目標。(2)作業現場合格的電氣線路使企業安全生產水平提高至少一個等級的概率是不合格電氣線路的3.425倍(

P

=0.005)。汽修企業的生產活動離不開“電”：舉升機、介子機、噴烤漆房、手持電動工具、配電室(箱)等都涉及到電氣線路。而例如漏電保護開關不符合要求、配電箱體無跨接、帶電體裸露等不安全用電狀況，將直接影響一線人員的正常操作甚至威脅到人員的生命健康。(3)管理制度與企業實際相符使考評分值提高至少一個等級的概率是安全管理制度與企業脫節的2.721倍(

P

=0.031)。安全生產管理制度是企業安全管理體系的核心，是企業安全生產的依據，體現一個企業對安全的重視程度。那些管理較為分散未形成體系、內容照搬照抄、完全脫離企業經營情況的制度，只能是形式上的存在，缺少實際指導作用。(4)開展隱患排查工作的企業使考評分值提高至少一個等級的概率是未進行安全生產檢查的2.662倍(

P

=0.027)。目前大多數機動車維修企業存在“重經營而輕安全”的問題，在安全生產檢查方面存在明顯不足，如未細化隱患排查的內容、頻率及相關負責人，未建立隱患排查臺賬，未明確隱患處理的程序等。安全生產要做到“防患于未然”，而開展隱患排查工作正是防止事故發生、提高安全生產水平的重要途徑。(5)相比于開展標準化工作并取得相應資質證書的企業，未開展過相關工作的企業考評分值提高至少一個等級的概率將減少82%(

P

<0.001)，而雖做過標準化但證書已過期的企業，其概率則會降低54.1%(

P

=0.274)，這說明安全生產標準化創建工作能夠顯著提高企業的考評等級。究其原因在于它幫助企業建立一套系統的安全管理制度體系，全面管控生產經營活動各環節的安全生產工作，整體提高企業的管理水平。

4 對策措施

安全事故的發生不是單一因素造成的，而是各種因素綜合作用的結果，如圖3。為使企業實現安全生產的目標、提高企業的安全生產及管理水平，本文根據有序多分類Logistic回歸模型的分析結果，提出以下建議措施：

圖3 機動車維修企業事故致因模型Fig.3 Accident causation model for automobile repair enterprises

(1)加強安全教育培訓，提高人員安全素養。企業應在日常管理中加強對一線人員的安全教育培訓，制定培訓計劃并做好培訓記錄，合理分配面授和實操培訓內容；企業主要負責人及安全生產管理人員應按時參加相關繼續教育培訓，逐步提高從業人員的整體安全素養，形成企業內部濃厚的安全文化氛圍。

(2)開展雙控體系管理，細化安全生產檢查。企業在日常管理工作中要開展安全風險分級管控與事故隱患排查治理2方面工作，并將二者相結合形成雙重預防體系，建立符合企業實際的風險源辨識清單和隱患排查清單；同時，要加強對設備設施的管理，結合實際經營情況和管理能力，完善安全生產檢查制度，及時發現隱患問題。

(3)建立健全制度體系，嚴格落實制度管理。企業在建立安全管理制度過程中要杜絕照搬照抄的發生，要主動查找制度運行過程中存在的問題，結合企業實際加以修訂完善，建立具有自身特色的安全管理制度體系；同時，要正確對待安全標準化、環境、質量等各種體系建設，充分運用好外部資源，輔助企業建立符合實際的安全管理體系。

5 結論

(1)機動車維修企業作為交通運輸行業的重要支柱之一，目前在生產管理中仍存在安全風險，分析其中的關鍵因素以確保企業實現安全生產的目標。

(2)一線從業人員對自身安全職責的了解情況、作業車間的安全用電情況、安全管理制度是否與實際相符、安全標準化工作以及隱患排查工作開展情況等因素對企業提高安全生產及管理水平有顯著性的影響。

(3)建立機動車維修企業安全生產綜合指標體系，從微觀角度分析機動車維修企業存在的安全生產問題，減少了分析的主觀性；借助SPSS軟件對評價結果進行聚類分析和有序多分類Logistic回歸分析，提高了分析的可靠性。

(4)該應用研究可為汽修企業和政府決策部門提供參考，通過開展專業性的安全工作以提高企業安全管理水平，通過開展針對性的指導工作以提高行業安全生產水平。