基于嶺回歸的電力生產(chǎn)嚴(yán)重違章產(chǎn)生因素的影響程度分析

繆通，李捷，和振芳，劉爭明，鎖帥

（云南電網(wǎng)有限責(zé)任公司紅河供電局，云南 紅河 661000）

0 前言

隨著新《安全生產(chǎn)法》《刑法修正案（十一）》實(shí)施，依法治安迅速推進(jìn)，國家對電力企業(yè)安全生產(chǎn)提出了更高要求，安全生產(chǎn)需要更嚴(yán)格的全面監(jiān)管。目前，電力生產(chǎn)過程中的嚴(yán)重違章是作業(yè)人員最有可能直接發(fā)生傷亡的行為，YN電力公司結(jié)合傳統(tǒng)的違章人員駐點(diǎn)監(jiān)督以及可視化監(jiān)督，加強(qiáng)了對嚴(yán)重違章的監(jiān)督手段和力度，并配置了相應(yīng)的監(jiān)督資源。但目前根據(jù)作業(yè)風(fēng)險等級傾斜監(jiān)督資源的做法存在弊端，一是作業(yè)現(xiàn)場人員監(jiān)督管控重疊，浪費(fèi)監(jiān)督資源；二是缺乏對嚴(yán)重違章產(chǎn)生根源的合理性判別依據(jù)，以致不能合理調(diào)配有限的監(jiān)督資源，造成舍本逐末。為了緩解監(jiān)督資源短缺和監(jiān)督資源調(diào)配不當(dāng)?shù)膯栴}，減少隨機(jī)式、樣本式抽查監(jiān)督的弊端，需要研究嚴(yán)重違章產(chǎn)生因素的影響程度，為合理調(diào)配監(jiān)督資源提供依據(jù)。研究多個自變量對因變量影響程度通常使用線性回歸進(jìn)行分析，回歸分析中一般采用最小二乘法估計(jì)模型的參數(shù)，但實(shí)際分析過程中，由于施工人員類別、資質(zhì)及作業(yè)風(fēng)險量化的數(shù)據(jù)間存在共線關(guān)系,如果運(yùn)用最小二乘法估計(jì)模型的參數(shù),可能部分參數(shù)會存在異常，不能反映客觀實(shí)際。嶺回歸可以較好地解決這一問題,回歸的系數(shù)可以客觀反映自變量與因變量的關(guān)系,符合客觀現(xiàn)實(shí),在許多領(lǐng)域得到了廣泛應(yīng)用。因此，本文采用嶺回歸分析承包商作業(yè)、無三種人資質(zhì)作業(yè)及高中風(fēng)險作業(yè)對YN電力公司發(fā)生嚴(yán)重違章的影響程度，并利用回歸結(jié)果提出監(jiān)督資源的調(diào)配依據(jù)。

1 嶺回歸分析原理

嶺回歸是一種專用于共線性數(shù)據(jù)分析的有偏估計(jì)回歸方法，是對最小二乘估計(jì)法的優(yōu)化，它通過放棄最小二乘法的無偏性優(yōu)勢，以損失部分信息、降低擬合精度為代價，換來回歸系數(shù)的穩(wěn)定性，回歸系數(shù)更符合客觀實(shí)際，更為有效可靠，對病態(tài)數(shù)據(jù)的擬合要優(yōu)于最小二乘法。

多元線性回歸模型可表示為：

式中：Y表示因變量；X是自變量；β是回歸系數(shù)；ε是誤差。

回歸系數(shù)β的值采用最小二乘法可表示為：

當(dāng)自變量之間的線性相關(guān)性比較大時，XTX的行列式接近于0，即XTX接近于奇異，此時，計(jì)算(XTX)-1時誤差會很大，傳統(tǒng)的最小二乘法缺乏穩(wěn)定性與可靠性。也就是樣本數(shù)據(jù)存在個別病態(tài)數(shù)據(jù)，就可能導(dǎo)致回歸系數(shù)β產(chǎn)生很大的偏差，此時，回歸系數(shù)無法客觀的反映自變量對因變量的影響。嶺回歸優(yōu)化的具體方法就是讓殘差的平方加上一個正則化項(xiàng)，即 ||Xβ-Y||2+||kIβ||2,使矩陣的特征值變大，提高回歸系數(shù)β的穩(wěn)定性。使得分析結(jié)果能更貼近于實(shí)際。于是回歸系數(shù)β求解的表達(dá)式為：

式中：I為單位矩陣；k為嶺回歸系數(shù)，隨著k值的增大，共線性對因變量的影響逐漸減小，但k值的不斷增大也會使預(yù)測的偏差逐漸變大，因此選擇恰當(dāng)?shù)膋值極為重要，β隨著k值的改變而變化的軌跡，就稱為嶺跡。實(shí)際計(jì)算中可選非常多的k值，做出一個嶺跡圖，看看該圖在取哪個值的時候變穩(wěn)定了，那就確定k值了。嶺回歸是對最小二乘回歸的一種補(bǔ)充，它損失了無偏性，來換取高的數(shù)值穩(wěn)定性，從而得到較高的計(jì)算精度。

2 嚴(yán)重違章產(chǎn)生因素影響程度分析

電力生產(chǎn)中發(fā)生嚴(yán)重違章的因素大致為員工安全意識差、員工安全技能水平低、監(jiān)管力度薄弱，此外，較高風(fēng)險的作業(yè)也容易發(fā)生嚴(yán)重違章行為。其中合理調(diào)配監(jiān)管力度是本研究的目的，所以選取員工安全意識低、員工技能水平差、和作業(yè)風(fēng)險三個方面開展分析。秉著可量化分析的原則，本文選取YN電力公司2021年度發(fā)生嚴(yán)重違章的346天里共58179起違章數(shù)據(jù)進(jìn)行分析?？紤]到承包商員工流動性較高，安全教育時長少且人員不穩(wěn)定，安全意識總體而言較之員工隊(duì)伍穩(wěn)定的系統(tǒng)內(nèi)員工低，員工安全意識差用每天承包商違章數(shù)量來表征；電力生產(chǎn)施工作業(yè)資質(zhì)有很多，其中體現(xiàn)安全技能水平的三種人資質(zhì)尤為重要，安全技能水平低用每天無三種人資質(zhì)違章數(shù)量來表征；在YN電力公司里作業(yè)風(fēng)險分為高、中、低、可接受風(fēng)險，此處較高風(fēng)險的作業(yè)用每天高、中風(fēng)險作業(yè)違章數(shù)量來表征。

設(shè)每天承包商違章數(shù)量、每天無三種人資質(zhì)違章數(shù)量、每天高中風(fēng)險作業(yè)違章數(shù)量分別為X1、X2、X3，每天嚴(yán)重違章數(shù)量為Y，建立X和Y的線性回歸方程，即：

2.1 最小二乘法回歸分析

以YN電力公司2021年度發(fā)生嚴(yán)重違章的346天里違章數(shù)據(jù)為樣本，通過最小二乘法計(jì)算回歸系數(shù)β值，運(yùn)用SPSS數(shù)據(jù)分析工具，計(jì)算得出β1、β2和β3，如表1所示。

表1 最小二乘法線性回歸分析結(jié)果

從表1分析模型的顯著性，如果呈現(xiàn)顯著性（P值小于0.05，嚴(yán)格需小于0.01），結(jié)果中F=166.957，顯著性P值為0.000，模型呈現(xiàn)顯著性，表明自變量承包商違章數(shù)、無三種人資質(zhì)違章數(shù)、高中風(fēng)險作業(yè)違章數(shù)與嚴(yán)重違章數(shù)之間存在著明顯的線性關(guān)系。同時模型的擬合度R2（代表曲線回歸的擬合程度，越接近1效果越好）為0.594，模型表現(xiàn)較好。但β3為負(fù)值，說明高中風(fēng)險作業(yè)違章數(shù)與嚴(yán)重違章數(shù)負(fù)相關(guān)，與實(shí)際情況不符，風(fēng)險越高的作業(yè)現(xiàn)場越容易發(fā)生嚴(yán)重違章，因此，高中風(fēng)險作業(yè)違章數(shù)與嚴(yán)重違章數(shù)應(yīng)該呈現(xiàn)正相關(guān)。此種情況的出現(xiàn),主要是三個自變量數(shù)據(jù)之間存在共線性，表1中VIF值代表多重共線性嚴(yán)重程度，用于檢驗(yàn)自變量之間是否存在高度相關(guān)的關(guān)系（VIF應(yīng)小于10或者5，嚴(yán)格為5），上表分析結(jié)果中承包商違章數(shù)、無三種人資質(zhì)違章數(shù)、高中風(fēng)險作業(yè)違章數(shù)的VIF分別為23.8、7.3、12.3，均大于5,說明3個自變量間存在明顯的相關(guān)性。此時，用最小二乘法計(jì)算回歸參數(shù)進(jìn)行分析,就無法客觀的反映3個自變量對發(fā)生嚴(yán)重違章的影響程度。

2.2 嶺回歸分析

首先將樣本數(shù)據(jù)按式（4）進(jìn)行標(biāo)準(zhǔn)轉(zhuǎn)化，然后按照嶺回歸算法計(jì)算回歸系數(shù)。設(shè)定迭代步長取0.01，以確定最恰當(dāng)?shù)膸X回歸系數(shù)k值。運(yùn)用SPSS分析工具，得到嶺跡圖，如圖1所示。

從圖1可得，當(dāng)k逐漸增大時，各自變量嶺回歸系數(shù)趨于穩(wěn)定，根據(jù)方差擴(kuò)大因子法，確定k值為0.101，即最佳嶺回歸系數(shù)。嶺回歸分析結(jié)果如表2所示。結(jié)果中顯著性P值為0.000***，模型呈現(xiàn)顯著性，表明自變量承包商違章數(shù)、無三種人資質(zhì)違章數(shù)、高中風(fēng)險作業(yè)違章數(shù)與嚴(yán)重違章數(shù)之間存在著明顯的線性回歸關(guān)系。同時模型的擬合度R2為0.585，模型表現(xiàn)較好。3個自變量的回歸標(biāo)準(zhǔn)化系數(shù)分別為β1=0.367、β2=0.257、β3=0.132，嶺回歸估計(jì)的標(biāo)準(zhǔn)化系數(shù)值客觀反映了各自變量對因變量的影響程度，由于β1＞β2＞β3，說明導(dǎo)致嚴(yán)重違章發(fā)生因素的影響程度從大到小依次為承包商違章數(shù)、無三種人資質(zhì)違章數(shù)、高中風(fēng)險作業(yè)違章數(shù)，這一結(jié)果與YN電力公司的實(shí)際情況相符。對排序結(jié)果分析，①承包商作業(yè)，大部分承包商對下屬員工安全培訓(xùn)不足、監(jiān)管不嚴(yán)，該類員工違章頻發(fā)多發(fā)，是發(fā)生嚴(yán)重違章的主要群體；②無三種人資質(zhì)作業(yè)，未取得三種人資質(zhì)的員工普遍安全技能水平較低，實(shí)際施工中均是在具有三種人資質(zhì)的人員帶領(lǐng)下開展作業(yè)，大部分安全經(jīng)驗(yàn)不足；③高中風(fēng)險作業(yè)，值得注意的是高中風(fēng)險作業(yè)對發(fā)生嚴(yán)重違章的影響程度最低，一是表明高中風(fēng)險作業(yè)監(jiān)督力度大，發(fā)生嚴(yán)重違章的可能性不高，二是YN公司高中風(fēng)險的定級可能存在不夠準(zhǔn)確的情況，由于風(fēng)險定級存在很大的主觀性，數(shù)據(jù)難以客觀量化，本文暫不做討論。

圖1 嶺跡圖

表2 最小二乘法線性回歸分析結(jié)果

3 結(jié)束語

研究了YN電力公司違章中承包商作業(yè)、無三種人資質(zhì)作業(yè)及高中風(fēng)險作業(yè)對發(fā)生嚴(yán)重違章的影響程度，研究表明對發(fā)生嚴(yán)重違章影響程度最大的是承包商作業(yè)，影響程度最小的是高中風(fēng)險作業(yè)。因此，在進(jìn)行監(jiān)督資源調(diào)配時要增大對承包商作業(yè)的監(jiān)督力度，在確保風(fēng)險定級準(zhǔn)確的情況下適當(dāng)減少對高中風(fēng)險作業(yè)的監(jiān)督力度，從而實(shí)現(xiàn)監(jiān)督資源的合理分配，提升對各種作業(yè)現(xiàn)場的監(jiān)督效能。