徐恭喜 李楠
摘要:基于永州市2012—2020年火災統計數據,利用回歸分析對火災發(fā)生頻率與經濟因素的時間相關性進行研究。文章通過數據統計和繪制火災發(fā)生率與人均GDP的關系曲線,發(fā)現在火災統計數據的時間段上,永州市第一季度的火災發(fā)生率較高,火災發(fā)生率隨每年人均GDP的增長呈現出“增-減-增”的“N”型曲線關系。根據數據擬合的結果,深入分析了導致這種現象的原因,并得到永州市的火災發(fā)生率存在繼續(xù)加劇趨勢的結論。
關鍵詞:永州市;火災發(fā)生率;人均GDP;回歸分析
近年來,我國火災發(fā)生起數平穩(wěn)且逐年遞減,但仍處于高發(fā)態(tài)勢[1]。社會經濟因素是影響火災發(fā)生的重要因素之一[2],研究兩者關系有利于政府和消防部門科學研判當前消防安全工作形勢。楊立中等人通過對1997—2001年間江蘇省火災數據分析,得出火災發(fā)生率與GDP成正比關系[3]。李國輝等人研究得出火災發(fā)生率在時間上與經濟因素呈“N”型曲線關系,在空間上呈倒“U”型曲線關系的結論[4]。國外學者研究得到火災事故高發(fā)期的人均GDP處于1000~3000美元區(qū)間,之后隨著經濟的發(fā)展,火災形勢趨于平穩(wěn)[5-6]。
由于前人的研究大部分依據全國火災數據和較大城市火災數據得出的共性結論,但是區(qū)域發(fā)展水平不一致,缺乏對特定市區(qū)的火災形式個性分析。本文選取永州市為例,統計了2012—2020年永州市的火災情況數據,利用origin軟件繪圖發(fā)現,在火災統計數據的時間段上,永州市第一季度的火災發(fā)生率較高,火災發(fā)生率隨每年人均GDP的增長呈現出“增-減-增”的“N”型曲線關系。根據數據擬合的結果,深入分析了導致這種現象的原因,并得到永州市的火災發(fā)生率存在繼續(xù)加劇趨勢的結論。
1? 永州市火災數據統計分析
本文通過咨詢永州市消防救援支隊指揮中心,得到2012—2020年湖南省永州市冷水灘區(qū)、零陵區(qū)、祁陽市、東安縣等11個區(qū)縣的火災情況數據,并通過上網查閱湖南省永州市人民政府在2012—2020年之間發(fā)布的國民經濟和社會發(fā)展統計公報,獲取2012—2020年永州市生產總值和全市常住人口,得到近9年永州市人均GDP的數據,統計數據如表1所示。
1.1? 永州市火災發(fā)生頻率與時空的關系
根據表1數據得到火災起數時間序列特征,如圖1所示。2012—2014年期間,火災起數逐年遞增,其中2014年度相比2013年度的火災總量增長了大約61.8%。2014—2016年間火災起數保持在較高水平,分為1550、1501和1417起,其中2015年時達到了峰值,意味著2014—2016年間大約每天全市有4起火災,此后火災起數逐年遞減,2018年達到了最低值608起。
做出2012—2020年每個月火災起數趨勢圖,如圖2、圖3所示。趨勢圖大致呈現為“U”型曲線,年末和年初火災起數較多,一二月份達到每年的峰值,其中2014—2016年間火災起數最高的月份均達到200起以上,分別占全年總起數的17%、14%、19%。年初之后火災起數開始減少,四月份左右火災起數開始維持一個相對較低的水平,直到11月左右,火災發(fā)生率開始急劇增加。通過繪圖軟件得出2012—2020年火災起數每季度火災起數占比圖,如圖4所示,可見除2013年和2019年外,永州市每年的第一季度是火災高發(fā)期,均占全年總火災起數27%以上,其中2016年和2018年的占比分別高達43%、41%。
1.2? 永州市火災發(fā)生頻率與人均GDP的關系
圖5為2012年到2020年永州市發(fā)生頻率與人均GDP隨年份變化趨勢圖,從圖中可以看出,從2013年度開始,永州市人均GDP逐年上升,從2012年人均GDP為20239元,到2020年增長到38658元,經濟增長速率近幾年有所下降,但經濟總體處于穩(wěn)步增長的態(tài)勢。2012—2014年人均GDP在25000元以下時,火災起數隨年份的增長而增多;隨著經濟的快速增長,從2014—2018年間火災起數也逐漸減少,但當人均GDP突破33000元時,全市的火災起數增多,呈迅速增長的趨勢。從圖5中可以看出,2012—2014年期間,人均GDP在25000元以下,2014年相比2012年的火災起數,增長了大約136.4%。統計結果驗證了楊立中等人的研究結論:即在整體經濟發(fā)展水平較低時,火災形勢隨經濟發(fā)展呈惡化趨勢[7-8]。
將近9年間的全市火災起數與人均GDP進行回歸分析,四次方的回歸模型較好地擬合了火災發(fā)生起數與永州市經濟因素的關系。做出火災發(fā)生頻率與人均GDP擬合結果圖,如圖6所示。其中擬合方程式為:
y=Intercept+B1x+B2x2+B3x3+B4x4
擬合系數R2為0.792,此回歸模型的擬合結果較好。根據圖6的擬合結果圖可以看出:在所統計的時期內,火災發(fā)生起數與人均GDP呈“N”型關系,這個與李國輝等人研究得出的結論保持一致,表明火災發(fā)生頻率與當地的經濟發(fā)展并不是簡單的線性相關關系??赏ㄟ^擬合結果圖大致預測,2021年永州市的火災發(fā)生頻率將呈增長趨勢,需加強消防安全工作,增加消防經費投入,加快消防基礎建設,遏制火災形勢惡化。
當地的經濟發(fā)展對火災形勢具有雙重性。地區(qū)進入經濟發(fā)展的轉型期,堅持以經濟發(fā)展為中心,忽略了消防安全工作,導致不斷堆積大量火災隱患,而且暴露了前期城市農村消防經費投入不足、消防基礎設施欠賬嚴重、應急救援隊伍規(guī)模較小等問題,促使火災高發(fā);隨著經濟發(fā)展到一定程度,經濟增量不再是社會發(fā)展的唯一衡量標準,政府更加注重民生安全和環(huán)境保護工程,會增加消防經費投入,提高社會消防管理水平,完善應急救援體系,促使當地經濟高質量發(fā)展。但隨著經濟的進一步發(fā)展,會演變出新的社會矛盾和復雜的社會因素,導致火災發(fā)生頻率呈高發(fā)趨勢。因此不同的經濟發(fā)展階段對火災形勢既有促進作用和緩解作用,還需進一步研究。
2? 結語
文章選取湖南省永州市為例,統計了2012—2020年的火災情況數據,運用數據統計分析和回歸分析研究了火災發(fā)生頻率與經濟因素的相關性,得出如下結論:
(1)永州市每年火災分布情況呈現為“U”型曲線,年末和年初火災起數較多,一二月份達到每年的峰值,且每年的第一季度是火災高發(fā)期,占全年總火災起數27%以上。
(2)通過數據統計可以看出,2012—2014年人均GDP在25000元以下時,火災起數隨年份的增長而增多;2014—2018年間火災起數也逐漸減少,但當人均GDP突破33000元時,全市的火災形勢開始反彈,呈迅速增長的趨勢。
(3)通過回歸分析,2012—2020年間火災發(fā)生起數與人均GDP呈“N”型關系,與前人研究得出的結論保持一致,表明火災發(fā)生頻率與當地的經濟發(fā)展并不是簡單的線性相關關系。通過擬合結果圖大致預測,2021年永州市的火災發(fā)生頻率將呈增長趨勢,需加強消防安全工作,增加消防經費投入,加快消防基礎建設,遏制火災形勢惡化。
本文的研究結果是基于永州市的歷史數據分析得來,探索了火災發(fā)生頻率與經濟因素的關系,可為消防部門和政府對火災形勢的預判提供支撐。但是作者獲取數據途徑有限,只選取了人均GDP作為社會發(fā)展的唯一指標,本文未對經濟產業(yè)結構、人員教育水平、人口密度程度等宏觀因素方面分析對火災形勢的影響[9],因此還需進一步研究。
參考文獻:
[1]王志明,李己華,吳繼承,等.我國城鄉(xiāng)火災的形勢及特點[J].消防界(電子版),2020,6(13):63-66.
[2]陳帥,安翠.火災指標與社會經濟因素的相關性分析[J].科技信息,2009(33):931-932.
[3]楊立中,崔蔚.地區(qū)社會經濟因素對火災發(fā)生的影響[J].消防科學與技術,2006(05):690-693.
[4]李國輝,王穎,原志紅,等.火災發(fā)生率與經濟因素的時空相關性分析[J].災害學,2016,31(02):111-115.
[5]Duncanson M,Woodward A,Reid P.Socioeconomic deprivationand fatal unintentional domestic fire incidents in New Zealand 1993-1998[J].Fire Safety Journal,2002,37(2):165-179.
[6]楊玉勝,吳立志,羅英茹.火災發(fā)生率與社會經濟因素的灰色關聯度分析[J].消防科學與技術,2006(04):543-544+551.
[7]吳盧榮,馬詠真,陳績馨,等.中國火災與社會經濟因素的相關分析[J].中國安全科學學報,2007(06):92-97+181.
[8]Yang L,Zhou X,Deng Z,et al.Fire situation and fire characteristic analysis based on fire statistics of china[J].Fire Safety Journal,2002,37(8):785-802.
[9]徐波,王振波.時空因素對中國城市火災態(tài)勢變化的影響[J].地理研究,2012,31(06):1143-1156.
Abstract:Based on the 2012—2020 fire statistics in Yongzhou City, regression analysis was used to study the time correlation between fire frequency and economic factors. Through data statistics and plotting the relationship curve between fire occurrence rate and GDP per capita, the paper found that the fire occurrence rate in the first quarter of Yongzhou City was relatively high, and fire occurrence rate presents an "increase-decrease-increase" "N" curve relationship with the annual GDP per capita growth. According to the results of data fitting, the reasons leading to this phenomenon are deeply analyzed, and the conclusion that the fire occurrence rate in Yongzhou City continues to increase.
Keywords:Yongzhou City; fire occurrence rate; GDP per capita; regression analysis