基于超DEA-多元回歸的地質(zhì)災(zāi)害社會脆弱性影響因素研究*

侯俊東，金 歡

(中國地質(zhì)大學(武漢) 經(jīng)濟管理學院，湖北 武漢 430074)

基于超DEA-多元回歸的地質(zhì)災(zāi)害社會脆弱性影響因素研究*

侯俊東，金 歡

(中國地質(zhì)大學(武漢) 經(jīng)濟管理學院，湖北 武漢 430074)

耦合了經(jīng)濟與社會子系統(tǒng)，基于2004-2015年我國30個省際面板數(shù)據(jù)，采用超效率數(shù)據(jù)包絡(luò)法(超DEA)，對各省市地質(zhì)災(zāi)害社會脆弱性進行了測度，結(jié)果發(fā)現(xiàn)我國省域地質(zhì)災(zāi)害社會脆弱性存在較大的差異。進而，采用多元回歸模型對其影響因素進行計量分析。研究表明城鎮(zhèn)化率、產(chǎn)業(yè)結(jié)構(gòu)和科技人員投入水平具有負向作用，而人均公園綠地面積和行政機構(gòu)具有顯著的正向作用。同時，由于區(qū)域間的異質(zhì)性，同一影響因素對東、中和西部地區(qū)的作用存在一定的差異。

地質(zhì)災(zāi)害；社會脆弱性；超DEA；多元回歸模型

在自然條件與人文因素的綜合作用下，我國地質(zhì)災(zāi)害分布廣泛，且發(fā)生頻率與規(guī)模都在增加[1]，造成的損失極為嚴重。據(jù)國土部門統(tǒng)計，2016年全國共發(fā)生地質(zhì)災(zāi)害9 710起，分布在華北、東北、華東、中南、西南及西北的28個省(市、區(qū))，造成370人死亡，直接經(jīng)濟損失31.7億元。可見，地質(zhì)災(zāi)害已經(jīng)成為嚴重威脅人類社會，并阻礙其可持續(xù)發(fā)展的極為重要的自然因素[2]。因此，如何減輕災(zāi)害風險、降低災(zāi)害損失，已受到國內(nèi)外學者及相關(guān)組織的廣泛關(guān)注[3-4]。盡管地質(zhì)災(zāi)害防治減災(zāi)工作在不斷深入，地質(zhì)災(zāi)害致災(zāi)機理的認識水平、減災(zāi)防災(zāi)的技術(shù)手段和物質(zhì)實力都在增強，但地質(zhì)災(zāi)害造成的直接經(jīng)濟損失仍居高不下(圖1)。一般來講，地質(zhì)災(zāi)害脆弱性意味著潛在的損失[5]。大多學者認為脆弱性可以分為自然脆弱性和社會脆弱性兩種[6]。在地質(zhì)災(zāi)害防治領(lǐng)域，大量研究關(guān)注的是前者，而脆弱性的社會屬性一直沒有引起足夠的重視[5]。然而，在當前技術(shù)條件下，災(zāi)害的突發(fā)性、隱匿性等特征使得其很難被預(yù)測、預(yù)報及預(yù)警[7]。而且，同等災(zāi)害發(fā)生在應(yīng)急體系較為完善和較為滯后的兩個國家時，其損失程度也會存在巨大的差別[8]，這些都說明降低地質(zhì)災(zāi)害社會脆弱性是減少災(zāi)害損失的有效途徑，亦是防災(zāi)減災(zāi)的根本手段。此時，解釋和識別其決定因素是有效降低地質(zhì)災(zāi)害社會脆弱性、完善應(yīng)急響應(yīng)體系的前提和關(guān)鍵。

圖1 2003-2016年地質(zhì)災(zāi)害直接經(jīng)濟損失走勢圖

早在2000年，Cutter選取8個變量演繹量化社會脆弱性指數(shù)分析了南卡羅來納州危險區(qū)內(nèi)人群的社會脆弱性[9]。隨后Cutter等在對大量社會脆弱性文獻進行深入分析的基礎(chǔ)上，提取85個影響因素，并將其標準化為42個指標以評價1990年美國3 000多個縣的社會脆弱性[10]。接著，針對氣候、海岸帶侵蝕、風暴潮、颶風和洪水等災(zāi)害，學者們基于歸納法選取指標，創(chuàng)建了社會脆弱性評價體系[11-14]。從國內(nèi)來看，葛怡等針對中國洪澇災(zāi)害的發(fā)生特點，從5個方面構(gòu)建41個社會脆弱性指標，以湘江流域為研究區(qū)域進行了社會易損性評估[15]。游溫嬌等針對洪災(zāi)社會脆弱性分別構(gòu)建了社會脆弱性宏觀和微觀指標體系[8]。唐玲等從人口、經(jīng)濟、社會結(jié)構(gòu)和災(zāi)害脆弱性四個層面構(gòu)建了中國自然災(zāi)害社會脆弱性評價指標體系[16]。盡管國內(nèi)學者針對不同的災(zāi)種對社會脆弱性指標體系進行了研究[2]，但針對以地質(zhì)動力活動或地質(zhì)環(huán)境異常變化為主要成因、具有突發(fā)性質(zhì)的地質(zhì)災(zāi)害的相關(guān)研究還很缺乏[17]，這將嚴重影響著防災(zāi)減災(zāi)效率及地質(zhì)環(huán)境保護效果。地質(zhì)災(zāi)害已經(jīng)成為一個具有社會屬性的問題，運用經(jīng)濟學的理論和方法來分析其本質(zhì)屬性，可為減災(zāi)防災(zāi)工作提供一個科學的指導(dǎo)思想[18]。據(jù)此，可以進一步推斷經(jīng)濟學方法在解釋地質(zhì)災(zāi)害社會脆弱性的影響因素過程中的適用性。為此，本文基于投入-產(chǎn)出效率分析視角，試圖通過超DEA模型來評價我國省域地質(zhì)災(zāi)害社會脆弱性，并采用多元回歸方法揭示我國省域地質(zhì)災(zāi)害社會脆弱性的主要影響因素，以期為區(qū)域救災(zāi)減災(zāi)規(guī)劃提供科學的依據(jù)。

1 地質(zhì)災(zāi)害社會脆弱性測度

1.1 超DEA模型方法

DEA是一個系統(tǒng)的“投入-產(chǎn)出”運行效率的評價模型，對各單元相對的投入產(chǎn)出效率進行評價[19]。該方法也被廣泛應(yīng)用于災(zāi)害領(lǐng)域的脆弱性評價方面，如劉毅采用DEA對我國自然災(zāi)害下區(qū)域脆弱性水平進行研究[19]；裴歡運用DEA構(gòu)建旱災(zāi)脆弱性評價模型[20]。不過，傳統(tǒng)的DEA模型只能區(qū)別有效、無效的決策單元，并不能有效的區(qū)分所有被測區(qū)域地質(zhì)災(zāi)害社會脆弱性的相對大小。為彌補這一缺陷，Andersen和Petersen提出了一種超DEA模型。其表達式如下：

(1)

式中：θ為效率評價值，Xj為輸入指標，Yj為輸出指標，λj為變量系數(shù)，s+、s-分別為投入剩余和產(chǎn)出虧空的松弛變量。θ∈(0.1]，當θ≥1時，說明該決策單元的投入產(chǎn)出水平達到效率最佳。反之，則沒有達到效率最佳水平。

1.2 測度指標

地質(zhì)災(zāi)害社會脆弱性是指在現(xiàn)存或是預(yù)期發(fā)生的地質(zhì)災(zāi)害事件的沖擊和擾動下，人類社會系統(tǒng)所遭受潛在損失的大小。地質(zhì)災(zāi)害社會脆弱性愈大，則會導(dǎo)致區(qū)域災(zāi)害的損失率較高，致災(zāi)后易形成嚴重災(zāi)情；反之亦然，這顯然符合“投入—產(chǎn)出”評價的基本邏輯。對應(yīng)于地質(zhì)災(zāi)害社會脆弱性的內(nèi)涵，本社會系統(tǒng)中的經(jīng)濟與社會子系統(tǒng)綜合疊加所形成的暴露程度、應(yīng)對能力和恢復(fù)能力作為投入因素，地質(zhì)災(zāi)害造成的直接經(jīng)濟損失比和人口傷亡比表示的敏感度作為系統(tǒng)產(chǎn)出的結(jié)果。在參考Hou等[21]、趙慶良[22]和胡定軍[23]的災(zāi)害社會脆弱性評價指標體系的基礎(chǔ)上，形成如表1所示的地質(zhì)災(zāi)害社會脆弱性測度指標。

表1 地質(zhì)災(zāi)害社會脆弱性測度指標

其中，兒童界定14歲及以下人口，老人界定為65歲及以上人口。為了統(tǒng)一DEA指標方向，本文選取公式(2)對負向指標進行處理。

(2)

式中：X′表示標準化處理后的指標向量，Xmin為某一區(qū)域該指標的最小取值，Xi為某一區(qū)域歷年的指標大小。

1.3 研究單元及數(shù)據(jù)來源

本文以我國30個省級行政區(qū)(西藏、香港、澳門、臺灣除外)作為基本研究單元，采用2004-2015年的面板數(shù)據(jù)資料，綜合評估我國省域地質(zhì)災(zāi)害社會脆弱性值。其中西部地區(qū)包括內(nèi)蒙古、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆、廣西；中部地區(qū)包括山西、黑龍江、吉林、江西、安徽、湖北、湖南、河南；東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南。本文所采用的社會經(jīng)濟數(shù)據(jù)均來源于中國統(tǒng)計局所編制的2004-2015年中國統(tǒng)計年鑒；地質(zhì)災(zāi)害損失數(shù)據(jù)均來源于國家統(tǒng)計局、環(huán)境保護部共同編制的2004-2015年《中國環(huán)境統(tǒng)計年鑒》。

1.4 測度結(jié)果分析

本文采用超DEA模型，使用Matlab2014a軟件編程計算得出2004-2015全國各省份的地質(zhì)災(zāi)害社會脆弱性評價值(表2)。

根據(jù)上述計算結(jié)果，我國各省地質(zhì)災(zāi)害社會脆弱性在2004-2015年間的時空演進呈現(xiàn)出以下特征。

(1)從時間來看，全國地質(zhì)災(zāi)害社會脆弱性測度值在2010年之前呈現(xiàn)出逐年遞減的態(tài)勢，隨后達到峰值5.588(SD=15.565)，并在一定的水平內(nèi)上下波動。地質(zhì)災(zāi)害社會脆弱性的上升跟強降雨引發(fā)的局部地區(qū)發(fā)生了大量的地質(zhì)災(zāi)害有關(guān)。據(jù)統(tǒng)計，2010年地質(zhì)災(zāi)害發(fā)生在我國28個省(區(qū)、市)境內(nèi)，大型、特大型地質(zhì)災(zāi)害達94起，創(chuàng)近10年來最高所致。其中，發(fā)生數(shù)量居于前3位的依次是江西、湖南和福建；因災(zāi)死亡失蹤人數(shù)居于前5位的依次是甘肅、陜西、云南、四川和貴州；因災(zāi)直接經(jīng)濟損失居于前3位的依次是陜西、四川和吉林。這一點也可以從上述省份地質(zhì)災(zāi)害社會脆弱性與上一年變動情況得到印證，這也進一步表明各省域地質(zhì)災(zāi)害社會脆弱性的差異導(dǎo)致了全國水平的較大波動。

(2)從全國各區(qū)域來看，我國東、中、西部地質(zhì)災(zāi)害社會脆弱性呈現(xiàn)出明顯分異(圖3)。

圖3 2004-2015年我國省域地質(zhì)災(zāi)害社會脆弱性變動圖

從東部來看，地質(zhì)災(zāi)害社會脆弱性較低，但于2013年達到最大值3.3后逐年降低；中部地區(qū)地質(zhì)災(zāi)害社會脆弱性于2005年和2010年達到最大值，分別為5.332和5.536；2004-2009年期間，西部地區(qū)社會脆弱性波動較為平緩，但在2010年急劇加大，為9.602，且標準差高達26.307，出現(xiàn)了較大的波動，說明我國西部各省份之間地質(zhì)災(zāi)害社會脆弱性具有較大的差異性?？赡苁且驗?010年西南地區(qū)出現(xiàn)特大旱災(zāi)，耕地受旱面積高達673萬公頃，占全國的84%，造成的經(jīng)濟損失超過236.6億，占西部地區(qū)生產(chǎn)總值的0.29%，因而加劇了承災(zāi)體的經(jīng)濟子系統(tǒng)的暴露程度和敏感性，降低了承災(zāi)體地質(zhì)災(zāi)害社會脆弱性的應(yīng)對能力和恢復(fù)能力；同年，江南等地區(qū)出現(xiàn)罕見暴雨，造成泥石流、山體滑坡等多種地質(zhì)災(zāi)害，增大了承災(zāi)體的暴露程度，使得該年地質(zhì)災(zāi)害社會脆弱性大大增加。而2013年出現(xiàn)了東部偏大的情況，主要原因是該年河北省的農(nóng)作物受災(zāi)面積較以往增加了54.7%，加大了河南省經(jīng)濟子系統(tǒng)的敏感性，導(dǎo)致該年的社會脆弱性值較大?？傮w來說，我國地質(zhì)災(zāi)害社會脆弱性呈現(xiàn)出東部<中部<西部的格局。

2 地質(zhì)災(zāi)害社會脆弱性影響因素分析

前述結(jié)果顯示，我國地質(zhì)災(zāi)害社會脆弱性時空差異大，變動趨勢也較為復(fù)雜，其原因何在？為此，本部分利用面板數(shù)據(jù)，對影響地質(zhì)災(zāi)害社會脆弱性的主要因素進行計量分析。

2.1 變量選取

大量研究表明，社會經(jīng)濟發(fā)展水平與地質(zhì)災(zāi)害社會脆弱性存在明顯的耦合關(guān)系[2]。從系統(tǒng)論角度來看，地質(zhì)災(zāi)害社會脆弱性的動態(tài)過程符合“壓力-狀態(tài)-響應(yīng)”模式。在此框架下，本研究綜合考慮前人成果、地質(zhì)災(zāi)害社會屬性及數(shù)據(jù)可獲得性等因素，選擇城鎮(zhèn)化率、產(chǎn)業(yè)結(jié)構(gòu)、人均公園綠地面積、科技人員投入水平和行政機構(gòu)作為分析地質(zhì)災(zāi)害社會脆弱性的影響因素，具體解釋如表3所示。

表2 2004-2015年我國各省份地質(zhì)災(zāi)害社會脆弱性評價值

表3 地質(zhì)災(zāi)害社會脆弱性影響因素及其說明

2.2 模型設(shè)定

多元線性回歸模型是已經(jīng)成熟的數(shù)理統(tǒng)計方法，通常用來解釋因變量受多個重要因素的變化。由于地質(zhì)災(zāi)害具有隨機性，造成地質(zhì)災(zāi)害的直接經(jīng)濟損失和人員傷亡的年際波動較大[24]。同時，考慮到時間序列數(shù)據(jù)需要了解其平穩(wěn)性，本文使用Eviwes 8.0對各個變量進行單位根檢驗，消除自相關(guān)性。經(jīng)過ADF、LLC及Hausman三大檢驗后，發(fā)現(xiàn)各個解釋變量的對數(shù)值均為一階單整，即Log(X1)、Log(X2)、Log(X3)、Log(X4)和Log(X5)為一階單整序列?；诖耍疚膶⑺@得的全國各省市歷年地質(zhì)災(zāi)害脆弱性評價值及其解釋變量進行取對數(shù)處理，選用多元回歸模型對地質(zhì)災(zāi)害社會脆弱性評價值的影響因素進行分析。本文回歸模型如下所示：

Log(Yi,t)=C+αi,tLog(Xi,t)+εi,t。

(3)

式中：i,t分別表示不同省份和不同年份的對應(yīng)值，Log(Yi,t)為因變量，即不同年份各地區(qū)的地質(zhì)災(zāi)害社會脆弱性的對數(shù)值；C為常量，εi,t為隨機誤差值。此模型選用的樣本區(qū)間為2004-2015年，應(yīng)用STATA12.0進行計算，表4為多元回歸模型中各變量的描述統(tǒng)計。

表4 模型中各變量描述統(tǒng)計

2.3 研究結(jié)果

2004-2015年的全國各區(qū)域地質(zhì)災(zāi)害社會脆弱性影響因素的計量結(jié)果如表5所示。

表5 2004-2015年我國各區(qū)域地質(zhì)災(zāi)害社會脆弱性影響因素回歸結(jié)果

注:括號內(nèi)為P值，***，**，*分別表示在1%，5%和10%的水平上顯著。

基于上述結(jié)果，對于全國30個省(市、區(qū))研究單元來說，城鎮(zhèn)化率、人均公園綠地面積、科技人員投入水平已經(jīng)行政機構(gòu)對地質(zhì)災(zāi)害社會脆弱性具有顯著的影響，但各因素間的作用方向存在一定的差異。對于東部地區(qū)，這些影響因素的作用均顯著，但作用方向存在差異；對于中部地區(qū)，人均公園綠地面積、科技人員投入水平和行政機構(gòu)對地質(zhì)災(zāi)害社會脆弱性具有一定的影響；對于西部地區(qū)，只有行政機構(gòu)對地質(zhì)災(zāi)害社會脆弱性有著一定的影響，這也體現(xiàn)了區(qū)域異質(zhì)性在其中的作用。

2.4 研究討論

城鎮(zhèn)化率對我國地質(zhì)災(zāi)害社會脆弱性的作用顯著，且總體呈現(xiàn)出一定的負向影響，這說明城鎮(zhèn)化率越高，地質(zhì)災(zāi)害社會脆弱性也就越低，與預(yù)期結(jié)果一致。不過，城鎮(zhèn)化率對中部、西部省域地質(zhì)災(zāi)害社會脆弱性的影響作用不顯著，且其作用方向表現(xiàn)為正向影響，與全國和東部作用方向明顯不一致。可能原因是我國中部和西部地區(qū)的城鎮(zhèn)化進程屬于低度城鎮(zhèn)化水平，即城鎮(zhèn)化水平滯后于經(jīng)濟發(fā)展水平。目前，我國西部地區(qū)大城市以上規(guī)模僅有19個，中部地區(qū)有35個，而東部地區(qū)卻高達52個，且中西部地區(qū)中等城市數(shù)量較少，出現(xiàn)斷層，盡管城鎮(zhèn)化水平在不斷提高，但城鎮(zhèn)化的規(guī)模與質(zhì)量沒有對應(yīng)，同時城鎮(zhèn)化的速度并沒有與其資源相適應(yīng)使其可持續(xù)發(fā)展[25]。因此，在加快城鎮(zhèn)化率的同時加大城鎮(zhèn)投資和規(guī)劃，合理利用城鎮(zhèn)資源，提高城鎮(zhèn)質(zhì)量是降低社會脆弱性的有效方法之一。

產(chǎn)業(yè)結(jié)構(gòu)對我國地質(zhì)災(zāi)害社會脆弱性具有負向影響，說明第三產(chǎn)業(yè)占比越高，各省域面對地質(zhì)災(zāi)害的壓力負荷越小，這與我國地質(zhì)災(zāi)害造成的經(jīng)濟損失主要體現(xiàn)在農(nóng)業(yè)與工業(yè)方面的客觀現(xiàn)實一致。不過，分區(qū)域來看，盡管中部和西部地區(qū)影響不顯著，但東部地區(qū)卻表現(xiàn)為顯著地正向影響?？赡茉蚴菛|部省域人口密集，促使第三產(chǎn)業(yè)中的房地產(chǎn)行業(yè)呈現(xiàn)出過快、過熱的發(fā)展態(tài)勢，過高的房價導(dǎo)致社會系統(tǒng)壓力負荷增大，地質(zhì)災(zāi)害風險度及社會脆弱性增高。為此，優(yōu)化調(diào)整東部地區(qū)第三產(chǎn)業(yè)內(nèi)部結(jié)構(gòu)比例至關(guān)重要。

人均公園綠地面積對我國地質(zhì)災(zāi)害社會脆弱性的作用表現(xiàn)為顯著地正向影響，且該結(jié)果與我國東部地區(qū)結(jié)果相一致?？赡苁且驗闁|部地區(qū)的土地城鎮(zhèn)化速率遠大于人口城鎮(zhèn)化速率，且該趨勢在短時間內(nèi)可能不會改變[26]。土地城鎮(zhèn)化率的快速增長說明了該區(qū)域內(nèi)城市建設(shè)用地的擴張，隨之配套修建了大量的綠地，據(jù)統(tǒng)計年鑒的數(shù)據(jù)近幾年建成區(qū)的綠化覆蓋率已經(jīng)超過40%，這在某種程度上加大了該區(qū)域的敏感度。而中部和西部地區(qū)呈現(xiàn)出負向影響，且中部地區(qū)作用較為顯著，這說明人均公園綠地面積越高，我國中部地區(qū)各子系統(tǒng)的狀況和內(nèi)部結(jié)構(gòu)特征以及對地質(zhì)災(zāi)害的敏感程度越低，系統(tǒng)越不容易受到地質(zhì)災(zāi)害的影響，則地質(zhì)災(zāi)害社會脆弱性就低。

科技人員投入水平對地質(zhì)災(zāi)害脆弱性的具有負向影響，即科技人員投入水平越高，各省域?qū)Φ刭|(zhì)災(zāi)害災(zāi)前—災(zāi)中—災(zāi)后全過程的響應(yīng)能力越強，社會脆弱性就越低，該結(jié)果與預(yù)期結(jié)果一致。不過，分區(qū)域來看，盡管作用不顯著，但西部地區(qū)卻表現(xiàn)為正向影響?？赡茉蚴俏鞑康貐^(qū)地質(zhì)自然環(huán)境條件差，地理結(jié)構(gòu)復(fù)雜，地貌類型多樣，容易引發(fā)各類自然災(zāi)害，尤其是地質(zhì)災(zāi)害發(fā)生頻繁[27]。由于地質(zhì)環(huán)境的復(fù)雜性，使得西部地區(qū)地質(zhì)調(diào)查的深度遠遠不夠，尤其是地質(zhì)災(zāi)害成災(zāi)的機理研究和控制地質(zhì)災(zāi)害形成演化的環(huán)境工程、地質(zhì)條件調(diào)查遠遠不夠[28]。因此，加強西部地區(qū)地形地貌以及地質(zhì)災(zāi)害成災(zāi)機理和形成演化的深入研究是降低我國西部地區(qū)社會脆弱性的有效途徑。

政府機構(gòu)對地質(zhì)災(zāi)害社會脆弱性評價值的影響是正方向。該結(jié)論在不同的區(qū)域影響方向是一致的，只是在顯著性水平上略有差異，這表明政府機構(gòu)越密集的區(qū)域，社會脆弱性越大。究其原因，可能該因素間接地反映了區(qū)域內(nèi)的農(nóng)村數(shù)量和聚集度。與城市相比，當受到地質(zhì)災(zāi)害沖擊時，農(nóng)村的高暴露度和高敏感性會顯現(xiàn)出來，使得農(nóng)村地區(qū)地質(zhì)災(zāi)害的危險度較高，響應(yīng)能力和恢復(fù)水平也相對較低。因此，為了降低省域內(nèi)的地質(zhì)災(zāi)害社會脆弱性，應(yīng)該加強農(nóng)村地區(qū)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、增加相應(yīng)的科技人員，而不是通過增設(shè)村級行政機構(gòu)實現(xiàn)對村民的管理及疏散。

3 結(jié)論

本文將地質(zhì)災(zāi)害發(fā)生的過程中，經(jīng)濟子系統(tǒng)和社會子系統(tǒng)綜合疊加所形成的暴露程度、應(yīng)對能力和恢復(fù)能力作為投入因素，地質(zhì)災(zāi)害造成的直接經(jīng)濟損失比和人口傷亡比表示的敏感度作為系統(tǒng)產(chǎn)出的結(jié)果，應(yīng)用超DEA模型對我國2004-2015年地質(zhì)災(zāi)害社會脆弱性成災(zāi)效率進行了測度，結(jié)果發(fā)現(xiàn)我國各省市之間具有較大的地質(zhì)災(zāi)害社會脆弱性差異；整體來看，我國地質(zhì)災(zāi)害社會脆弱性呈現(xiàn)出東部<中部<西部的格局。

進而，為了揭示造成區(qū)域差異的原因，本文運用多元回歸模型對我國地質(zhì)災(zāi)害社會脆弱性的影響因素進行了計量分析。結(jié)果表明，城鎮(zhèn)化率、產(chǎn)業(yè)結(jié)構(gòu)和科技人員投入水平具有負向作用；而人均公園綠地面積和行政機構(gòu)具有顯著的正向作用。但由于各區(qū)域的氣候、地理位置以及地形地貌等條件存在差異，使得影響因素的作用各有不同。因此，各地區(qū)政府應(yīng)該充分利用各地區(qū)的資源優(yōu)勢，提高經(jīng)濟發(fā)展，加快我國經(jīng)濟的轉(zhuǎn)型升級及產(chǎn)業(yè)調(diào)整，同時，借助高校和科研機構(gòu)的人才資源，努力提高地質(zhì)災(zāi)害防治和應(yīng)對水平，從而降低地質(zhì)災(zāi)害社會脆弱性。本研究為我國各區(qū)域地質(zhì)災(zāi)害救災(zāi)減災(zāi)規(guī)劃奠定了理論基礎(chǔ)。

[1] HOU J D, XIAO R B. Identifying critical success factors of linkage mechanism between government and non-profit in the geo-disaster emergency decision[J]. International Journal of Emergency Management, 2015, 11(2):146-168.

[2] 賀帥, 楊賽霓, 汪偉平,等. 中國自然災(zāi)害社會脆弱性時空格局演化研究[J]. 北京師范大學學報(自然科學版), 2015, 51(3):299-305.

[3] 史培軍. 四論災(zāi)害系統(tǒng)研究的理論與實踐[J]. 自然災(zāi)害學報,2005,24(6):1-7.

[4] Toms H K, Bedrich M, Arthur L D. Review of sustainability indicators: A scientific assessment[M]. Island Press, 2007.

[5] YI L, XI Z, GE L, et al. Analysis of social vulnerability to hazards in China[J]. Environmental Earth Sciences, 2014, 71(7):3109-3117.

[6] YANG S, HE S, DU J, et al. Screening of social vulnerability to natural hazards in China[J]. Natural Hazards, 2015, 76(1):1-18.

[7] 徐選華, 張威威. 基于改進突變級數(shù)法的地震災(zāi)害社會脆弱性風險評價研究——基于四川地震災(zāi)害案例[J]. 災(zāi)害學, 2016, 31(3):125-132.

[8] 游溫嬌,張永領(lǐng). 洪災(zāi)社會脆弱性指標體系研究[J]. 災(zāi)害學, 2013, 28(3):215-220.

[9] Cutter S L, Mitchell J T, Scott M S. Revealing the vulnerability of people and places: A case study of Georgetown county, South Carolina[J]. Annals of the Association of American Geographers, 2000, 90(4):713-737.

[10] Cutter S L, Boruff B J, Shirley W L. Social vulnerability to environmental hazards[J]. Social Science Quarterly, 2003, 84(2):242-261.

[11] Boruff B J, Emrich C, Cutter S L. Erosion hazard vulnerability of US coastal counties [J]. Jounal of Coastal Research, 2005, 21(5):932-942．

[12] Rygel L, O’Sullivan D, Yarnal B. A method for constructing a social vulnerability index: An application to hurricane storm surges in a developed country[J]. Mitigation and Adaptation Strategies for Global Change, 2006, 11(3):741-764.

[13] Fekete A, Damm M, Birkmann J. Scales as a challenge for vulnerability assessment[J]. Natural Hazards, 2010, 55(3): 729-747.

[14] Kuhlicke C, Scolobig A, Tapsell S, et al. Contextualizing social vulnerability: Findings from case studies across Europe[J]. Natural Hazards, 2011, 58(2): 789-810.

[15] 葛怡,史培軍,劉婧,等.中國水災(zāi)社會脆弱性評估方法的改進與應(yīng)用——以長沙地區(qū)為例[J]. 自然災(zāi)害學報, 2005, 14(6): 54-58.

[16] 唐玲,劉怡君.自然災(zāi)害社會易損性評價指標體系與空間格局分析[J]. 電子科技大學學報(社會科學版), 2012 ,14(3):49-52.

[17] 黃曉軍, 黃馨, 崔彩蘭,等. 社會脆弱性概念、分析框架與評價方法[J]. 地理科學進展, 2014, 33(11):1512-1525.

[18] 郭躍. 自然災(zāi)害的社會學分析[J]. 災(zāi)害學, 2008, 23(2): 87-91.

[19] 劉毅, 黃建毅, 馬麗. 基于DEA模型的我國自然災(zāi)害區(qū)域脆弱性評價[J]. 地理研究, 2010, 29(7):1153-1162.

[20] 裴歡, 王曉妍, 房世峰. 基于DEA的中國農(nóng)業(yè)旱災(zāi)脆弱性評價及時空演變分析[J]. 災(zāi)害學, 2015, 30(2):64-69.

[21] Hou J, Lv J, Chen X, et al. China’s regional social vulnerability to geological disasters: Evaluation and spatial characteristics analysis[J]. Natural Hazards, 2016, 84 (S1):97-111.

[22] 趙慶良,許世遠,王軍,等.上海城市系統(tǒng)洪災(zāi)脆弱度評價[J]. 中國人口.資源與環(huán)境, 2009, 19(5): 143-147.

[23] 胡定軍.基于DEA模型的區(qū)域自然災(zāi)害脆弱性評價研究[D].成都: 西南財經(jīng)大學, 2012.

[24] Nd T B, Kasperson R E, Matson P A, et al. A framework for vulnerability analysis in sustainability science[J]. Proceedings of the National Academy of Sciences of the United States of America, 2003, 100(14):8074-8079.

[25] 張春梅, 張小林, 吳啟焰,等. 城鎮(zhèn)化質(zhì)量與城鎮(zhèn)化規(guī)模的協(xié)調(diào)性研究——以江蘇省為例[J].地理科學, 2013, 33(1): 16-22.

[26] 邢琳琳, 劉志強. 我國城市建成區(qū)綠地率與人均公園綠地面積失調(diào)特征及差異[J]. 規(guī)劃師, 2015, 31(6):108-113.

[27] 張廣裕. 西部地區(qū)環(huán)境保護與地質(zhì)災(zāi)害防治研究[J]. 河北科技大學學報(社會科學版), 2016,33(4):15-19.

[28] 范宏喜. 查找原因科學分析為重大地災(zāi)防治尋找出路——西部復(fù)雜山體重大地質(zhì)災(zāi)害防治學術(shù)論壇專家解讀記述[J]. 國土資源, 2010,26(8):12-16.

Abstract:With economic and social sub-systems coupled, we employ Super Efficiency Data Envelopment Analysis(seDEA) to measure the social vulnerability of geo-disasters based on the data of 30 provinces from 2005 to 2015. The results show that there are obvious differences among 30 provinces. And then, multivariable regression model is applied to calculate its influencing factors with panel data, the results indicate that urbanization rate, industrial structure and the input of science personnel have negative impacts on social vulnerability of geo-disasters, while park green land area per capita and administrative machinery have a positive impact greatly. Meanwhile, the same influencing factor has a different direction on every area for its heterogeneity.

Key words:social vulnerability; geo-disasters; seDEA; multivariable regression model

Factors Influencing Provincial Social Vulnerability of Geo-disasters withSupper Efficiency DEA and Multivariable Regression Models

HOU Jundong and JIN Huan

侯俊東，金歡. 基于超DEA-多元回歸的地質(zhì)災(zāi)害社會脆弱性影響因素研究[J]. 災(zāi)害學，2017，32(4)：23-29. [HOU Jundong and JIN Huan. Factors Influencing Provincial Social Vulnerability of Geo-disasters with Supper Efficiency DEA and Multivariable Regression Models[J]. Journal of Catastrophology，2017，32(4)：23-29.

10.3969/j.issn.1000-811X.2017.04.005.]

X43；P64

A

1000-811X(2017)04-0023-07

2017-03-20

2017-05-15

湖北省自然科學基金一般面上項目(2016CFB503)；中國地質(zhì)環(huán)境監(jiān)測院項目(0001212016CC60013)

侯俊東(1980-)，男，湖北安陸人，教授，主要從事社會網(wǎng)絡(luò)與地質(zhì)災(zāi)害應(yīng)急管理等方面研究.E-mail:houjundong@163.com

10.3969/j.issn.1000-811X.2017.04.005