组态视角下煤矿事故恶化路径的清晰集定性比较分析

2023-05-17李红霞徐浩冉田水承

西安科技大学学报 2023年2期

李红霞，徐浩冉，田水承

（1.西安科技大学管理学院，陕西西安 710054；2.西安科技大学安全科学与工程学院，陕西西安 710054；3.西安科技大学安全与应急管理研究所，陕西西安 710054）

0 引言

在世界各地，矿井都是危险的工作场所，事故发生率较高［1］。根据国家矿山安全监察局最新统计数据显示，2022年中国共发生煤矿事故168起、死亡245人，分别较2021年增加了84.62%和37.64%，煤矿安全形势仍不容乐观。因此，亟需探究影响煤矿一般与较大及以上事故的关键因素，深入剖析其向较大及以上事故恶化的核心路径，从而针对性地提出预防、阻断措施，防止事故进一步恶化，改善煤矿安全形势。

近年来，为了改善煤矿安全生产环境、降低事故发生率，国内外学者在煤矿安全事故的影响因素、致因模型方面的研究取得一些成果。李红霞等对智慧矿山人因失误影响因素进行评估，发现智慧矿山工人的操作能力、应急反应能力、决策能力、人机匹配度以及设备安全水平等5种因素对智慧矿山人因失误影响较大［2］。

沈剑等基于情感耗竭中介变量，分析矿工作业疲劳对煤矿险兆事件的影响，结果表明作业疲劳对矿工情感耗竭、煤矿险兆事件都有显著的正向影响，且行为能力下降的影响作用最大［3］。付净等基于事故致因“2-4”模型分析煤矿事故组织层面的致因要素，将安全文化与安全管理体系原因因素具体化［4］。MA等基于HFACS人因事故分析模型提出一种新的事故系统分析方法“六层级模型”，比较分析其适用范围与优缺点［5］。

而在煤矿安全事故历史数据的统计学分析方面，也有学者以不同视角做出了一些贡献。张俊文等重点分析中国2005—2019年重大及以上煤矿事故不同层级的影响因素及事故发生趋势［6］。KONG等收集2011—2020年贵州煤矿事故和灾害数据，从事故分布特征、时空动态演变以及致灾因素方面探索贵州煤矿安全事故发生的特点及规律，并提出防灾控制对策和安全管理建议［7］。

但现有关于事故致因与影响因素的研究，多集中于某一类型［8-9］、某一等级的煤矿事故［10-11］，鲜有学者以组态视角分析比较不同等级事故的致因路径与关键因素，研究一般事故向较大及以上事故恶化的核心条件。因此，笔者将组态视角引至煤矿事故分析当中，以44份具有代表性的煤矿事故调查报告为研究对象，运用清晰集定性比较分析（crisp-set qualitative comparative analysis，csQCA）方法，探究不同事故等级的不安全因素如何组态联动造成事故；识别其致因路径，力求找出不同组态类型的核心条件，剖析事故恶化的关键因素；聚焦核心因素，提出预防事故发生、阻断事故恶化的建议和措施，为提高矿山安全管理水平提供新的见解。

1 csQCA方法适用性分析

定性比较分析法（qualitative comparative analysis）最早由查尔斯·拉金提出，是一种基于布尔代数、集合理论的研究方法。该方法将组态逻辑引入到案例的定量分析当中，适合研究多前因条件的复杂组态对结果变量的影响，探究多重并发因果关系。即通过案例间的比较，找出条件组态与结果间的因果关系，回答“条件的哪些组态可以导致期望结果的出现？哪些组态导致结果的不出现？”［12］。近年来，QCA不仅广泛应用于社会学、管理学等社会科学领域［13-14］，其在自然科学领域的应用也未艾方兴，已有国内外学者将QCA应用于安全科学领域研究［15-17］。而清晰集定性比较分析csQCA更适用于处理“是与否”的二分变量与10～60数量的中等样本，其二分特性与文中研究所关注的结果变量“事故是否发生”、“事故是否重大”相契合，进而能够对样本数据进行“0-1”赋值构建真值表，进行后续的单因素与组态分析，故该研究更宜采用csQCA方法。

基于复杂因果关系的“瑞士奶酪模型”又称REASON模型，由JAMES REASON首次提出。该模型由4个层级构成，即组织影响、不安全监督、不安全前提以及不安全行为［18］。其内在逻辑强调多层次缺陷的共同作用，即单一层级的缺陷不一定会导致事故发生，当多层级的缺陷同时或次第出现时将会引致事故发生。由于REASON模型的底层逻辑与QCA分析的组态内涵都强调结果（事故）的发生并不是由单一因素，而是不同前因条件的组合导致。因此，文中在该模型的基础上结合研究案例，建立完善煤矿责任事故的组态致因模型，如图1所示。

图1 煤矿事故组态致因模型Fig.1 Causative mode of configuration in coal mine accidents

2 数据处理与模型构建

2.1 数据来源

文中以煤矿事故及涉险事件为研究对象，考虑到事故致因具有时效性，通过收集国家煤矿安全监察局、中国应急信息网、煤矿安全生产网等官方发布的煤矿事故调查报告，并结合对陕西当地煤企的实地走访调研，搜集整理近5年共126起事故调查报告。

将收集到的样本按照以下标准筛选：①仅选取煤矿责任事故及涉险事件的调查报告，不包括非煤矿山（金属矿、油气开采等）；②排除由不可抗力导致的事故案例，即非责任事故（自然事故）；③事故调查报告中的时间、地点、经过、伤亡人数、类型、性质、直接原因与间接原因等信息均应清晰明确、描述详尽；④事故案例的选择应具有多元性、完整性，不同类型和伤亡等级的事故都应给予考虑，选取由复杂前因组态影响导致的事故案例。经由上述标准剔除筛选后，最终得到44份初始文稿样本，其描述性统计见表1。

表1 样本案例的描述性统计Table 1 Descriptive statistics for selected samples

2.2 变量设置与二分赋值

根据QCA研究惯例，36～45个案例所需条件变量为8个［19］。而QCA方法本身无法为条件变量的选取提供指导，这就需要研究者根据现有理论框架，结合所选案例特征来确定条件变量。因此，文中以基于REASON理论的煤矿事故组态致因模型为基础，参考现有文献总结出的不安全因素［20-21］，从组织影响、不安全条件、不安全监督、不安全行为4个层级出发，最终共确定8个条件变量。

2008年发布的《煤矿生产安全事故报告和调查处理规定》（以下简称规定），将煤矿事故分为一般（3人以下）、较大（3人以上10人以下）、重大（10人以上30人以下）、特别重大（30人以上）4个等级。其中涉险事件（险兆事件）是指未发生人员伤亡，但涉及危险可能酿成事故的事件。由于清晰集定性比较分析的“二分”特性，对于结果变量的设置只能存在“是”与“否”2种情况，一些QCA研究只选取一个结果变量［17］，但也有研究者根据不同的研究需求选取多个结果变量。需要指出的是，文中旨在探究涉险事件（险兆事件）到一般事故再到较大及以上事故的演变路径，故参考赵礼强等［22］的做法，将结果变量设置为“事故是否发生”以及“事故是否重大”。综上，构建条件变量与结果变量属性（见表2）。

表2 变量属性Table 2 Attributes of variables

2.3 真值表的构建

在确定条件变量和结果变量后，再次返回到案例，按照表3的二分赋值标准，确定各案例在不同变量上的取值（0或1），为后续布尔运算奠定基础。

表3 二分编码规则Table 3 Rules of data coding

将编码后的二分数据导入至fsQCA 3.0软件，通过布尔代数运算，不同结果发生时各条件变量的组态被清晰地反映在真值表上。其中GAi，LAi和MAi（i＝1，2，3，…，n）分别代表一般事故、较大事故与重大事故案例。由于篇幅限制，部分样本的真值见表4。

表4 不同结果变量的真值Table 4 Truth with the different result variables

3 实证分析

3.1 组态分析的必要性

按照QCA分析的惯例，在进行组态分析之前通常先进行单因素必要性分析。通过一致性（Consistency）和覆盖率（Coverage）2个指标来判断某个前因条件是否为结果的充分或必要条件。一般将一致性阈值设定为0.9，高于0.9则认为该条件是构成结果变量的必要条件［14］。而覆盖率则是用来判断某个变量或某个组态能够解释结果发生的百分比，其取值越接近于1，则说明该变量或组态对结果发生的解释力越强。其运算见下式。

由于结果变量设置为事故是否发生与事故是否重大，故得到2个单因素必要性分析表，见表5和表6。

表5 一般事故的单因素分析Table 5 Single factor analysis of general accidents

表6 较大及以上事故的单因素分析Table 6 Single factor analysis of major accidents

通过分析表5发现，在一般事故发生的8个条件变量中，风险辨识D1，制度缺陷A2一致性指标均超过0.9，表明其均为构成一般事故发生的必要条件，即一般事故的发生，必然伴随着组织“制度缺陷”与班组人员“风险辨识失效”2个条件变量的发生。但制度缺陷A2的覆盖率较低，说明其对该结果变量的解释力较弱。另外6个解释变量的一致性均低于0.9，表明其与一般事故的发生不存在必要性。

从表6可以看出，当较大及以上事故作为结果变量时，组织制度A2与风险辨识D1的一致性指标仍均大于0.9，表明其均对较大及以上事故的发生构成必要条件。然而其覆盖率均小于0.8，表明其对较大及以上事故作为结果变量的解释力较弱。对比分析表5，表6可知：对于煤矿事故的发生，无论其事故等级是否重大，组织“制度缺陷”与班组人员“风险辨识失效”均是导致事故发生的关键因素，表明其对一般事故向较大及以上事故的恶性演化具有关键作用；而对于2种不同的结果变量，其各条件变量覆盖率均不高，则说明单个条件变量的出现不足以完全解释结果的发生。

综上，在多数情况下，一般事故与较大及以上事故的发生是多种条件共同作用的结果。因此，有必要进行前因组态分析进一步阐释导致结果变量发生的多重影响因素组合，剖析事故恶化的核心路径。

3.2 组态分析结果

以一致性和覆盖率指标为判断标准，通过分析前因条件组合来判断其是否对结果变量具有较好的解释力，需要指出的是：原始覆盖度（raw coverage）是指各组态解分别对结果案例的解释力，其包括了组态间重叠解释的部分；解的覆盖度（solution coverage）表示总体覆盖度，即所有组态对结果的解释程度；解的一致性（solution consistency）指总体一致性，即所有组态解对结果发生的充分程度。

综上，运行fsQCA 3.0软件进行组态分析，得到复杂解、中间解和简约解3种不同类型的结果。其中，中间解在简化复杂路径的同时联系理论实际，是定性比较研究中普遍采用的方案。同时，结合简约解进一步识别出核心条件与边缘条件，并将具有相同简约解的组态进行聚类后，使用QCA符号进行结果汇报，其中“—”代表条件可有可无，“●”代表核心条件存在，“●”代表边缘条件存在，“⊗”表示核心条件缺乏，“⊗”代表边缘条件缺乏。

3.2.1 一般事故的组态分析

以一般事故发生为作为结果变量的组态分析共得到4个简约解、10个中间解。从表7可以看出，所有组态解的整体一致性与各组态解的一致性均大于0.9，这表明得到的10种不安全因素组态整体或任意前因组合都对结果变量构成充分条件，且总体覆盖率为0.969 7，表明其能够解释约97%的事故案例。结合简约解，可将10条组态路径聚类归纳为4种高阶构型：设备缺陷型、制度缺陷型、监管缺失型和操作风险型。

表7 一般事故发生的不安全因素组态Table 7 Configuration of unsafe factors in general accidents

设备缺陷型主要包括组态1，2，其核心条件为生产设备，该路径的高阶构型可简化为：一般事故发生＝～技术管理＊制度缺陷＊生产设备＊风险辨识＊（安全设施＊～环境隐患＊属地监管＊～行为差错＋～安全设施＊环境隐患＊～属地监管＊行为差错）。其中“＊”表示“且”即条件同时出现，“～”表示“非”即该条件不出现，“＋”表示“或”即该条件或其他条件出现。

制度缺陷型主要包括组态3～7，其核心条件为制度缺陷、技术管理与风险辨识，该路径的高阶构型可简化为：技术管理＊制度缺陷＊风险辨识＊（～生产设备＊～安全设施＊（环境隐患＋属地监管＊～行为差错）。

监管缺失型的组态路径为：技术管理＊制度缺陷＊～生产设备＊环境隐患＊属地监管＊行为差错，其核心条件为环境隐患、属地监管与行为差错。

组态8，9可归纳为操作风险型，核心条件为风险辨识与行为差错，其高阶构型可简化为：～技术管理＊制度缺陷＊～环境隐患＊～属地监管＊风险辨识＊行为差错。

3.2.2 较大及以上事故的组态分析

以较大及以上事故发生作为结果变量，共得到8个中间解、3个简约解。从表8可以看出，其总体一致性与各组态解的一致性均大于0.9，表明其对该结果变量的发生构成充分条件。总体覆盖率为0.863 6，说明其能够解释约86%的由不安全因素组态导致的较大及以上事故案例。根据核心条件分布情况，可将导致较大及以上事故的8条路径聚类归纳为2种高阶构型：即监管缺失型与设备缺陷型。

表8 较大及以上事故发生的不安全因素组态Table 8 Configuration of unsafe factors in major accidents

与前文组态结构类似，组态3～8亦可归纳为监管缺失型，其高阶构型可简化为：属地监管＊风险辨识＊制度缺陷＊（～生产设备＊技术管理＊～安全设施＊环境隐患＊行为差错＋安全设施＊～行为差错），核心条件为属地监管。

与前文组态构型类似，组态1，2的核心条件为生产设备，亦可归纳为设备缺陷型，其高阶构型可简化为：技术管理＊～制度缺陷＊生产设备＊～属地监管＊风险辨识＊行为差错＊（～安全设施＊环境隐患＋安全设施＊～环境隐患）。

3.3 分析与讨论

在安全科学领域，已有学者运用定性比较分析来研究事故致因路径、不安全行为等［19，26］。但相关研究多集中于某一事故类型的致因路径，或是不同类型事故的不安全因素组合，鲜有学者关注事故恶化路径，分析不同等级事故的发生条件组合，研究影响事故恶化的关键因素。

与此同时，前人相关研究大多选择多个条件变量（解释变量）对应1个结果变量（被解释变量），这种定量研究范式在应用于定性比较分析时，其得出的分析结果可能并不能十分精确地契合研究者的研究目的。换句话说，在研究复杂条件下的因果关系时，除了找到某一结果的发生路径以外，研究者更应该关注不同结果发生路径的异同，更应该注重“比较”而非单一的“分析”，只有找到了“同类问题”的“不同之处”，才可能会有新的发现、新的见解。

因此，文中对不同等级煤矿事故进行组态分析，发现一般事故的组态聚类有4种类型：设备缺陷型、制度缺陷型、监管缺失型和操作风险型；较大及以上事故的2种组态聚类分别为：监管缺失型和设备缺陷型。对于二者的交集，即监管缺失型和设备缺陷型组态，不同事故等级的核心条件不尽相同。对于监管缺失型组态，一般事故发生的核心因素更趋向于“环境隐患”条件下的“违规行为”；而对于较大及以上事故，则更强调“属地监管”这一核心因素引发其他显性、隐形因素产生的“连锁反应”。在缺乏监管的条件下，煤企的制度漏洞将会被进一步放大，从而产生违法开采、违规承包分包等错误的企业决策，进而影响作业班组对风险的识别能力，最终导致重大灾难。

综上，一般事故向较大及以上事故恶化的组态路径有2条：分别为监管缺失型和设备缺陷型，其恶化路径如图2所示。