基于SPSS對(duì)全國(guó)各地區(qū)安全生產(chǎn)狀況的聚類分析

李勝楠，凌標(biāo)燦,2

(1.華北科技學(xué)院 研究生院，北京 101601；2.中礦龍科能源科技(北京)股份有限公司，北京 101601)

基于SPSS對(duì)全國(guó)各地區(qū)安全生產(chǎn)狀況的聚類分析

李勝楠1，凌標(biāo)燦1,2

(1.華北科技學(xué)院 研究生院，北京 101601；2.中礦龍科能源科技(北京)股份有限公司，北京 101601)

為對(duì)全國(guó)各地區(qū)的安全生產(chǎn)狀況有一個(gè)清晰直觀的認(rèn)識(shí)，了解不同地區(qū)安全管理水平的差異性，基于SPSS軟件對(duì)2009～2016年我國(guó)各地區(qū)的安全生產(chǎn)統(tǒng)計(jì)數(shù)據(jù)進(jìn)行系統(tǒng)聚類分析，將我國(guó)31個(gè)省、市、自治區(qū)的安全生產(chǎn)狀況劃分為4類，通過(guò)分析不同類別地區(qū)安全生產(chǎn)狀況的特點(diǎn)及原因，為控制和預(yù)防生產(chǎn)安全事故提供依據(jù)。

安全生產(chǎn)狀況；系統(tǒng)聚類分析；SPSS

0 引言

安全生產(chǎn)狀況反映了一個(gè)地區(qū)的安全生產(chǎn)水平，分析不同地區(qū)安全生產(chǎn)狀況的特點(diǎn)，有利于采取針對(duì)性措施，減少安全生產(chǎn)事故的發(fā)生，進(jìn)而提高經(jīng)濟(jì)發(fā)展水平。

本文以2009～2016年我國(guó)各省、市、自治區(qū)的安全生產(chǎn)指標(biāo)數(shù)據(jù)為基礎(chǔ)，結(jié)合國(guó)家統(tǒng)計(jì)局《中國(guó)統(tǒng)計(jì)年鑒》中對(duì)各地區(qū)生產(chǎn)總值(GDP)、交通事故情況和火災(zāi)事故情況的統(tǒng)計(jì)數(shù)據(jù)，從億元GDP生產(chǎn)安全事故死亡率X1、工礦商貿(mào)事故死亡人數(shù)X2、交通事故死亡人數(shù)X3、火災(zāi)事故死亡人數(shù)X4和特大事故起數(shù)X5五個(gè)指標(biāo)數(shù)據(jù)出發(fā)[1]，基于SPSS軟件對(duì)我國(guó)31個(gè)省、市、自治區(qū)的安全生產(chǎn)狀況進(jìn)行聚類分析。分析數(shù)據(jù)選取為8年數(shù)據(jù)的均值。通過(guò)具體分類情況，有利于分析全國(guó)的安全生產(chǎn)形勢(shì)，為政府、企業(yè)的下一步安全生產(chǎn)工作規(guī)劃提供方向和依據(jù)。

1 系統(tǒng)聚類分析

1.1 基本概念

系統(tǒng)聚類法(層次聚類法)是聚類分析方法中最常用的一種方法，它根據(jù)樣本的多指標(biāo)(變量)、多個(gè)觀察數(shù)據(jù)、定量的確定樣品、指標(biāo)之間存在的相似性或親疏關(guān)系，并據(jù)此連接這些樣品或指標(biāo)，歸成不同類群，構(gòu)成樹狀圖或冰狀圖。它的優(yōu)點(diǎn)在于可以指出由粗到細(xì)的多種分類情況，結(jié)果可由一個(gè)聚類圖展示出來(lái)。具體步驟如下：設(shè)Ω={w1,w2,…,wn}

(1) 計(jì)算n個(gè)樣本兩兩之間的距離{dij}，記為矩陣D=(dij)n×n；

(2) 首先構(gòu)造n個(gè)類，每一個(gè)類中只包含一個(gè)樣本，每一類的平臺(tái)高度均為零；

(3) 合并距離最近的兩類為新類，并且以這兩類間的距離值作為聚類圖中的平臺(tái)高度；

(4) 計(jì)算新類與當(dāng)前各類的距離，若類的個(gè)數(shù)已經(jīng)等于1，轉(zhuǎn)入步驟(5)，否則回到步驟(3)；

(5) 畫聚類圖；

(6) 決定類的個(gè)數(shù)和類。

1.2 聚類過(guò)程及結(jié)果

選取2009～2016年我國(guó)各省、市、自治區(qū)的安全生產(chǎn)事故統(tǒng)計(jì)數(shù)據(jù)5個(gè)指標(biāo)的平均值[2]，如表1所示：

表1 全國(guó)安全生產(chǎn)事故統(tǒng)計(jì)數(shù)據(jù)(2009～2016年平均值)

進(jìn)入SPSS程序，選擇分析→分類→系統(tǒng)聚類，進(jìn)行系統(tǒng)聚類分析(Hierarchical Cluster Analysis)，引入X1至X5為變量，對(duì)樣本(個(gè)案)進(jìn)行Q型聚類分析[3]。

(1) 數(shù)據(jù)標(biāo)準(zhǔn)化

由于五個(gè)指標(biāo)中既有絕對(duì)指標(biāo)又有相對(duì)指標(biāo)，具有不同的量綱，為了使這些指標(biāo)能放到一起加以比較，提高精度，故采用極差標(biāo)準(zhǔn)化方法對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。

(1)

(2)

(2) 計(jì)算類與類之間的距離

這里選擇歐式距離的方法，進(jìn)入SPSS18.0程序，選擇分析→分類→系統(tǒng)聚類→方法，然后從度量標(biāo)準(zhǔn)對(duì)話框中的區(qū)間項(xiàng)選擇歐式距離(Euclidean distance)。

(3) 應(yīng)用SPSS對(duì)數(shù)據(jù)進(jìn)行聚類分析

聚類方法采用離差平方法(Ward法)。從聚類方法框中選擇離差平方和法(Ward’s method)，該方法基于方差分析思想，若分類合理，則同類樣品間離差平方和最小，類與類間離差平方和最大[4,5]。

表2 案例處理摘要

a. Euclidean 距離 已使用

表2表示在31個(gè)樣本中，有效個(gè)案為31個(gè)，無(wú)效個(gè)案為0個(gè)，樣本有效率100%，聚類分析結(jié)果可靠。

由于相似矩陣為31×31階矩陣，本文中未表示，相似矩陣反映了各地區(qū)安全生產(chǎn)狀況的相似程度，越接近于1，說(shuō)明相似程度越高。

表3 案例聚類分析

表3所列各項(xiàng)的意義如下：階——聚類步驟號(hào)；群集組合——在某步中合并的個(gè)案；系數(shù)——樣本歐式距離。數(shù)值越大，二者越不相似；首次出現(xiàn)階群集——新生成聚類；下一階——對(duì)應(yīng)步驟生成的新類將在第幾步與其他個(gè)案或新類合并[6,7]。

由表中顯示，在第1階，由序號(hào)1北京市和序號(hào)2天津市先合并成一類，它們的系數(shù)為0.025。北京市億元GDP生產(chǎn)安全事故死亡率為0.45、工礦商貿(mào)事故死亡人數(shù)35.5人、交通事故死亡人數(shù)940.83人、火災(zāi)事故死亡人數(shù)30.33人、特大事故0.17起。天津市億元GDP生產(chǎn)安全事故死亡率為0.50、工礦商貿(mào)事故死亡人數(shù)20.17人、交通事故死亡人數(shù)904.33人、火災(zāi)事故死亡人數(shù)25.17人、特大事故0.17起。表明2者在各個(gè)指標(biāo)數(shù)據(jù)上都非常相似，這個(gè)合并完的類將在第13階中用到。在第13階中，剛剛新生成的這個(gè)新類和序號(hào)21海南省又合成一類，它們的系數(shù)為1.230。直到經(jīng)過(guò)30步后，所有的樣本均聚成一大類。

為了能夠準(zhǔn)確的對(duì)我國(guó)31個(gè)省、市、自治區(qū)進(jìn)行分類，并確定最精確分類數(shù)量。采用樹形圖加以判斷。樹形圖能夠直觀的對(duì)所分析的數(shù)據(jù)進(jìn)行分類，且提供比較合適的類數(shù)。本文根據(jù)億元GDP生產(chǎn)安全事故死亡率為、工礦商貿(mào)事故死亡人數(shù)、交通事故死亡人數(shù)、火災(zāi)事故死亡人數(shù)、特大事故起數(shù)這五個(gè)指標(biāo)，對(duì)31個(gè)省、市、自治區(qū)的安全生產(chǎn)狀況進(jìn)行分類，樹狀圖如圖1所示：

圖1 聚類分析結(jié)果樹狀圖

根據(jù)樹狀圖可以清晰直觀地看出整個(gè)樣本的分類情況，把直尺豎著放在圖上，圖與直尺相交的線，即為一類。樹狀圖上方的數(shù)字是按距離比例進(jìn)行重新標(biāo)定的結(jié)果，不影響對(duì)分類結(jié)果的觀察與結(jié)論。從圖中可以看出，把我國(guó)31個(gè)省、市、自治區(qū)劃分為4類或者是5類都比較合理，類間距離較大，說(shuō)明各類的特點(diǎn)比較突出，能夠從不同類的角度分析事故的特點(diǎn)。若分成6類或者是更多類，類間距離較小，類與類之間的區(qū)別不明顯，達(dá)不到準(zhǔn)確的分析結(jié)果。

通過(guò)以上的分析，把指定樣本聚成4類，聚類結(jié)果如表4所示。

2 聚類結(jié)果數(shù)據(jù)分析

為更加了解各類指標(biāo)的特征，對(duì)所分四類中的均值、最大值及最小值進(jìn)行計(jì)算比較，得到的結(jié)果如表5所示。

表4 聚類結(jié)果

表5 實(shí)例分析均值表

結(jié)合表4、表5可知，系統(tǒng)聚類分析結(jié)果將我國(guó)31個(gè)省、市、自治區(qū)的安全生產(chǎn)狀況劃分為4類，我國(guó)的安全生產(chǎn)狀況具有明顯的地域特征。

(1) 北京、天津、河北、內(nèi)蒙古、吉林、上海、安徽、福建、江西、山東、廣西、海南、陜西、甘肅和新疆15個(gè)省、市、自治區(qū)為第1類。北京、天津兩市是華北地區(qū)相鄰的直轄市，經(jīng)濟(jì)發(fā)展水平較高，礦山等高危行業(yè)擁有量較少，且地域條件、教育條件、安全監(jiān)管等條件相似，故各類指標(biāo)相似，分類結(jié)果與預(yù)想相符合，也驗(yàn)證了分類的準(zhǔn)確性。該類地區(qū)工礦商貿(mào)、交通和火災(zāi)事故死亡人數(shù)均值總和為2009.91人，處于中等。安徽省工礦商貿(mào)事故死亡人數(shù)最多，為325.67人，這是由于該省是我國(guó)煤炭大省，2014年煤炭產(chǎn)量為1.33億噸，關(guān)閉小煤礦后全省煤礦數(shù)量約有百處。山東省交通事故死亡人數(shù)最多，這是由于該省是人口大省和經(jīng)濟(jì)發(fā)展大省,二級(jí)以上公路里程3.95萬(wàn)公里，連續(xù)多年位居全國(guó)第一，并且在公布的全國(guó)10大交通事故高危路段中有兩處位于山東省，該兩處的事故起數(shù)和死亡人數(shù)均位于前列，這就導(dǎo)致了該省交通事故頻發(fā)。該類地區(qū)要根據(jù)各個(gè)省市的特點(diǎn)，加強(qiáng)安全生產(chǎn)工作，以此促進(jìn)經(jīng)濟(jì)的進(jìn)一步發(fā)展。

(2) 山西、遼寧、黑龍江、河南、湖北、湖南、重慶、四川、貴州、云南10個(gè)省、市為第2類，安全生產(chǎn)狀況較差。與第1類的事故死亡人數(shù)總和相似，為2246.13人，工礦商貿(mào)事故平均死亡人數(shù)最多，特大事故頻發(fā)，平均每年發(fā)生特大事故3.83起，安全生產(chǎn)狀況亟待解決。山西、河南兩省礦山較多，遼寧、黑龍江兩省是我國(guó)的東北老工業(yè)基地，湖北、湖南兩省民營(yíng)企業(yè)過(guò)多，生產(chǎn)效率和企業(yè)管理?xiàng)l件過(guò)于落后。山西省是我國(guó)煤炭大省，隨著開采強(qiáng)度和深度的不斷增大，地質(zhì)條件日趨復(fù)雜，再加上整體規(guī)模偏小、開采方式和技術(shù)裝備水平比較落后、缺乏先進(jìn)的管理技術(shù)和高素質(zhì)人才等原因，山西省的各個(gè)煤礦不同程度地顯現(xiàn)出了許多問(wèn)題與缺陷，各類事故時(shí)有發(fā)生，導(dǎo)致特大事故起數(shù)位居全國(guó)首位。重慶市交通事故死亡人數(shù)最少，這與當(dāng)?shù)貙?shí)行的單行道息息相關(guān)，不僅緩解了堵車的情況還大大降低了交通事故的發(fā)生。四川省地貌復(fù)雜，以山地為主，具有山地、丘陵、平原和高原4種地貌類型，擁有已探明儲(chǔ)量的礦產(chǎn)資源132種，占全國(guó)資源種數(shù)的70%，已探明天然氣儲(chǔ)量超過(guò)3.8萬(wàn)億立方米，位居全國(guó)第一，是川氣東送的起點(diǎn)，因而使得該省工礦商貿(mào)、交通事故死亡人數(shù)均居首位。但歷年數(shù)據(jù)呈現(xiàn)逐年遞減趨勢(shì)，說(shuō)明政府已重視該項(xiàng)工作，安全生產(chǎn)形勢(shì)明顯好轉(zhuǎn)。2013年底，四川省開展道路交通安全綜合整治工作，在高速公路貨車“雙超”治理、普通公路治超、農(nóng)村道路交通安全管理等方面取得階段性成效，使得道路交通安全形勢(shì)持續(xù)好轉(zhuǎn)，現(xiàn)已建成公路安保工程(路側(cè)護(hù)欄)1.73萬(wàn)公里；2014年，全省共關(guān)閉(退出)金屬非金屬礦山863個(gè)；2015年工礦商貿(mào)10萬(wàn)從業(yè)人員事故死亡率、道路交通萬(wàn)車死亡率大幅下降，其降幅明顯高于全國(guó)水平[8]。

(3) 江蘇、浙江、廣東3省為第3類。工礦商貿(mào)、交通和火災(zāi)事故死亡人數(shù)均值總和為5834.39人，死亡人數(shù)最多，是事故高發(fā)大省。根據(jù)《中國(guó)統(tǒng)計(jì)年鑒》中地區(qū)生產(chǎn)總值統(tǒng)計(jì)表顯示，該三省位于全國(guó)前4名，是經(jīng)濟(jì)發(fā)展大省。億元GDP生產(chǎn)安全事故死亡率均值為0.86，在4類中為最低，說(shuō)明該類地區(qū)在發(fā)展經(jīng)濟(jì)的同時(shí)注重安全工作，安全意識(shí)較高。但交通、火災(zāi)事故死亡人數(shù)均為4類地區(qū)中最高，這可能是由于該類地區(qū)處于東南沿海地區(qū)，化工企業(yè)數(shù)量較多，并且隨著電子商務(wù)的發(fā)展，該類地區(qū)成為電商大省，服裝、紡織業(yè)、日用化妝品業(yè)逐漸增多，同時(shí)帶動(dòng)交通運(yùn)輸業(yè)，進(jìn)而不免增加交通、火災(zāi)事故。相關(guān)部門要加強(qiáng)該類地區(qū)的相關(guān)檢查，重點(diǎn)部位重點(diǎn)監(jiān)察，將事故發(fā)生率降到最低[9-11]。

(4) 西藏、青海、寧夏3個(gè)地區(qū)為第4類。該類地區(qū)億元GDP生產(chǎn)安全事故死亡率均值為2.57，在4類中為最高，其余四項(xiàng)指標(biāo)均為最低。該類地區(qū)生產(chǎn)總值位于全國(guó)底端，所占比例較小，進(jìn)而導(dǎo)致億元GDP生產(chǎn)安全事故死亡率最高，這也說(shuō)明了該類地區(qū)安全生產(chǎn)意識(shí)差，對(duì)安全工作的投入力度和重視程度明顯不足。

3 結(jié)論

本文通過(guò)運(yùn)用數(shù)理統(tǒng)計(jì)的聚類分析方法，以SPSS軟件為分析工具，將我國(guó)31個(gè)省、市、自治區(qū)的安全生產(chǎn)狀況分為4類，聚類方法為離差平方法，度量標(biāo)準(zhǔn)為歐式距離，分類結(jié)果與預(yù)想相符合，這說(shuō)明本文采用的分析方法的正確性。分類的結(jié)果也揭示了安全生產(chǎn)狀況具有明顯的地域特征，受到諸多因素的影響，并具體分析了各類地區(qū)在各個(gè)指標(biāo)上的安全生產(chǎn)狀況，相關(guān)部門要根據(jù)地區(qū)存在的具體問(wèn)題，采取針對(duì)性措施，從而有效改善安全生產(chǎn)狀況，達(dá)到事半功倍的效果。

[1] 馮彧，康玉杰. 抓好企業(yè)安全生產(chǎn)應(yīng)突出把握的幾個(gè)問(wèn)題[J]. 吉林勞動(dòng)保護(hù),2013(09):36-37.

[2] 李生才，笑蕾. 2014年7～8月國(guó)內(nèi)生產(chǎn)安全事故統(tǒng)計(jì)分析[J]. 安全與環(huán)境學(xué)報(bào),2014(05):350-352.

[3] 嚴(yán)先鋒，杜強(qiáng)，賈麗艷. SPSS統(tǒng)計(jì)分析從入門到精通.2版[M]. 北京：人民郵電出版社，2008:95-103.

[4] 任智剛，周建新，張興凱. 基于SPSS聚類分析的企業(yè)職業(yè)傷害風(fēng)險(xiǎn)分級(jí)標(biāo)準(zhǔn)研究[J]. 中國(guó)安全生產(chǎn)科學(xué)技術(shù),2006(03):43-46.

[5] 張?jiān)谛瘢懈啐? 基于SPSS聚類分析的黃河三角洲經(jīng)濟(jì)園區(qū)特色產(chǎn)業(yè)集聚發(fā)展研究[J]. 河南科學(xué),2013(09):1502-1506.

[6] 凌標(biāo)燦,魏洪霞. 各城市消費(fèi)水平差異層次聚類及因子分析[J]. 華北科技學(xué)院學(xué)報(bào),2017(01):110-116.

[7] 李杰，張靖巖，郭建中，等. 基于聚類分析的我國(guó)火災(zāi)空間分布研究[J]. 中國(guó)安全生產(chǎn)科學(xué)技術(shù),2012(02):61-64.

[8] 李德忠. 四川:安全生產(chǎn)工作取得新突破[J]. 中國(guó)安全生產(chǎn),2015(03):42-43.

[9] 王莎莎，倪曉陽(yáng)，王洪，等. 基于MATLAB的系統(tǒng)聚類法在我國(guó)安全生產(chǎn)事故分析中的應(yīng)用[J]. 工業(yè)安全與環(huán)保,2010(08):52-54.

[10] 黃盛初，周心權(quán)，趙愛國(guó). 安全生產(chǎn)發(fā)展規(guī)律聚類分析[J]. 中國(guó)煤炭,2005(11):13-18+29+12.

[11] 崔柳. 煤礦安全生產(chǎn)水平分層聚類分析[J]. 遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版),2015(12):1356-1360.

Hierarchical cluster analysis of safety production condition of various regions in China based on SPSS

LI Sheng-nan1, LING Biao-can1,2

(1.GraduateSchool,NorthChinaInstituteofScienceandTechnology,Beijing101601,China； 2.ZhongkuangLongkeEnergyTechnology(Beijing)Co.,Ltd.,Beijing101601,China)

In order to have a clear understanding of the safety production situation of each province in China, and understand the difference of the level of safety management in different places based on SPSS software, the hierarchical cluster analysis of production safety statistical data of China’s provinces in 2009～2016 is conducted. Production safety situation of China’s 31 provinces, municipalities and autonomous regions are divided into four categories. The analysis of safe production conditions of different types of areas provides the basis for the control and prevention of production safety accidents.

Safe production status; Hierarchical cluster analysis; SPSS

2017-04-13

中央高?；究蒲袠I(yè)務(wù)費(fèi)資助(3142017031)

李勝楠(1993-)，女，河北承德人，華北科技學(xué)院在讀碩士研究生，研究方向：工業(yè)衛(wèi)生及職業(yè)危害防治、危險(xiǎn)化學(xué)品安全技術(shù)。E-mail：18730601629@163.com

X928

A

1672-7169(2017)02-0084-06