組態視角下煤礦事故惡化路徑的清晰集定性比較分析

李紅霞，徐浩冉，田水承

（1.西安科技大學 管理學院，陜西 西安 710054；2.西安科技大學 安全科學與工程學院，陜西 西安 710054；3.西安科技大學 安全與應急管理研究所，陜西 西安 710054）

0 引 言

在世界各地，礦井都是危險的工作場所，事故發生率較高［1］。根據國家礦山安全監察局最新統計數據顯示，2022年中國共發生煤礦事故168起、死亡245人，分別較2021年增加了84.62%和37.64%，煤礦安全形勢仍不容樂觀。因此，亟需探究影響煤礦一般與較大及以上事故的關鍵因素，深入剖析其向較大及以上事故惡化的核心路徑，從而針對性地提出預防、阻斷措施，防止事故進一步惡化，改善煤礦安全形勢。

近年來，為了改善煤礦安全生產環境、降低事故發生率，國內外學者在煤礦安全事故的影響因素、致因模型方面的研究取得一些成果。李紅霞等對智慧礦山人因失誤影響因素進行評估，發現智慧礦山工人的操作能力、應急反應能力、決策能力、人機匹配度以及設備安全水平等5種因素對智慧礦山人因失誤影響較大［2］。

沈劍等基于情感耗竭中介變量，分析礦工作業疲勞對煤礦險兆事件的影響，結果表明作業疲勞對礦工情感耗竭、煤礦險兆事件都有顯著的正向影響，且行為能力下降的影響作用最大［3］。付凈等基于事故致因“2-4”模型分析煤礦事故組織層面的致因要素，將安全文化與安全管理體系原因因素具體化［4］。MA等基于HFACS人因事故分析模型提出一種新的事故系統分析方法“六層級模型”，比較分析其適用范圍與優缺點［5］。

而在煤礦安全事故歷史數據的統計學分析方面，也有學者以不同視角做出了一些貢獻。張俊文等重點分析中國2005—2019年重大及以上煤礦事故不同層級的影響因素及事故發生趨勢［6］。KONG等收集2011—2020年貴州煤礦事故和災害數據，從事故分布特征、時空動態演變以及致災因素方面探索貴州煤礦安全事故發生的特點及規律，并提出防災控制對策和安全管理建議［7］。

但現有關于事故致因與影響因素的研究，多集中于某一類型［8-9］、某一等級的煤礦事故［10-11］，鮮有學者以組態視角分析比較不同等級事故的致因路徑與關鍵因素，研究一般事故向較大及以上事故惡化的核心條件。因此，筆者將組態視角引至煤礦事故分析當中，以44份具有代表性的煤礦事故調查報告為研究對象，運用清晰集定性比較分析（crisp-set qualitative comparative analysis，csQCA）方法，探究不同事故等級的不安全因素如何組態聯動造成事故；識別其致因路徑，力求找出不同組態類型的核心條件，剖析事故惡化的關鍵因素；聚焦核心因素，提出預防事故發生、阻斷事故惡化的建議和措施，為提高礦山安全管理水平提供新的見解。

1 csQCA方法適用性分析

定性比較分析法（qualitative comparative analysis）最早由查爾斯·拉金提出，是一種基于布爾代數、集合理論的研究方法。該方法將組態邏輯引入到案例的定量分析當中，適合研究多前因條件的復雜組態對結果變量的影響，探究多重并發因果關系。即通過案例間的比較，找出條件組態與結果間的因果關系，回答“條件的哪些組態可以導致期望結果的出現？哪些組態導致結果的不出現？”［12］。近年來，QCA不僅廣泛應用于社會學、管理學等社會科學領域［13-14］，其在自然科學領域的應用也未艾方興，已有國內外學者將QCA應用于安全科學領域研究［15-17］。而清晰集定性比較分析csQCA更適用于處理“是與否”的二分變量與10～60數量的中等樣本，其二分特性與文中研究所關注的結果變量“事故是否發生”、“事故是否重大”相契合，進而能夠對樣本數據進行“0-1”賦值構建真值表，進行后續的單因素與組態分析，故該研究更宜采用csQCA方法。

基于復雜因果關系的“瑞士奶酪模型”又稱REASON模型，由JAMES REASON首次提出。該模型由4個層級構成，即組織影響、不安全監督、不安全前提以及不安全行為［18］。其內在邏輯強調多層次缺陷的共同作用，即單一層級的缺陷不一定會導致事故發生，當多層級的缺陷同時或次第出現時將會引致事故發生。由于REASON模型的底層邏輯與QCA分析的組態內涵都強調結果（事故）的發生并不是由單一因素，而是不同前因條件的組合導致。因此，文中在該模型的基礎上結合研究案例，建立完善煤礦責任事故的組態致因模型，如圖1所示。

圖1 煤礦事故組態致因模型Fig.1 Causative mode of configuration in coal mine accidents

2 數據處理與模型構建

2.1 數據來源

文中以煤礦事故及涉險事件為研究對象，考慮到事故致因具有時效性，通過收集國家煤礦安全監察局、中國應急信息網、煤礦安全生產網等官方發布的煤礦事故調查報告，并結合對陜西當地煤企的實地走訪調研，搜集整理近5年共126起事故調查報告。

將收集到的樣本按照以下標準篩選：①僅選取煤礦責任事故及涉險事件的調查報告，不包括非煤礦山（金屬礦、油氣開采等）；②排除由不可抗力導致的事故案例，即非責任事故（自然事故）；③事故調查報告中的時間、地點、經過、傷亡人數、類型、性質、直接原因與間接原因等信息均應清晰明確、描述詳盡；④事故案例的選擇應具有多元性、完整性，不同類型和傷亡等級的事故都應給予考慮，選取由復雜前因組態影響導致的事故案例。經由上述標準剔除篩選后，最終得到44份初始文稿樣本，其描述性統計見表1。

表1 樣本案例的描述性統計Table 1 Descriptive statistics for selected samples

2.2 變量設置與二分賦值

根據QCA研究慣例，36～45個案例所需條件變量為8個［19］。而QCA方法本身無法為條件變量的選取提供指導，這就需要研究者根據現有理論框架，結合所選案例特征來確定條件變量。因此，文中以基于REASON理論的煤礦事故組態致因模型為基礎，參考現有文獻總結出的不安全因素［20-21］，從組織影響、不安全條件、不安全監督、不安全行為4個層級出發，最終共確定8個條件變量。

2008年發布的《煤礦生產安全事故報告和調查處理規定》（以下簡稱規定），將煤礦事故分為一般（3人以下）、較大（3人以上10人以下）、重大（10人以上30人以下）、特別重大（30人以上）4個等級。其中涉險事件（險兆事件）是指未發生人員傷亡，但涉及危險可能釀成事故的事件。由于清晰集定性比較分析的“二分”特性，對于結果變量的設置只能存在“是”與“否”2種情況，一些QCA研究只選取一個結果變量［17］，但也有研究者根據不同的研究需求選取多個結果變量。需要指出的是，文中旨在探究涉險事件（險兆事件）到一般事故再到較大及以上事故的演變路徑，故參考趙禮強等［22］的做法，將結果變量設置為“事故是否發生”以及“事故是否重大”。綜上，構建條件變量與結果變量屬性（見表2）。

表2 變量屬性Table 2 Attributes of variables

2.3 真值表的構建

在確定條件變量和結果變量后，再次返回到案例，按照表3的二分賦值標準，確定各案例在不同變量上的取值（0或1），為后續布爾運算奠定基礎。

表3 二分編碼規則Table 3 Rules of data coding

將編碼后的二分數據導入至fsQCA 3.0軟件，通過布爾代數運算，不同結果發生時各條件變量的組態被清晰地反映在真值表上。其中GAi，LAi和MAi（i＝1，2，3，…，n）分別代表一般事故、較大事故與重大事故案例。由于篇幅限制，部分樣本的真值見表4。

表4 不同結果變量的真值Table 4 Truth with the different result variables

3 實證分析

3.1 組態分析的必要性

按照QCA分析的慣例，在進行組態分析之前通常先進行單因素必要性分析。通過一致性（Consistency）和覆蓋率（Coverage）2個指標來判斷某個前因條件是否為結果的充分或必要條件。一般將一致性閾值設定為0.9，高于0.9則認為該條件是構成結果變量的必要條件［14］。而覆蓋率則是用來判斷某個變量或某個組態能夠解釋結果發生的百分比，其取值越接近于1，則說明該變量或組態對結果發生的解釋力越強。其運算見下式。

由于結果變量設置為事故是否發生與事故是否重大，故得到2個單因素必要性分析表，見表5和表6。

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

表6 較大及以上事故的單因素分析Table 6 Single factor analysis of major accidents

通過分析表5發現，在一般事故發生的8個條件變量中，風險辨識D1，制度缺陷A2一致性指標均超過0.9，表明其均為構成一般事故發生的必要條件，即一般事故的發生，必然伴隨著組織“制度缺陷”與班組人員“風險辨識失效”2個條件變量的發生。但制度缺陷A2的覆蓋率較低，說明其對該結果變量的解釋力較弱。另外6個解釋變量的一致性均低于0.9，表明其與一般事故的發生不存在必要性。

從表6可以看出，當較大及以上事故作為結果變量時，組織制度A2與風險辨識D1的一致性指標仍均大于0.9，表明其均對較大及以上事故的發生構成必要條件。然而其覆蓋率均小于0.8，表明其對較大及以上事故作為結果變量的解釋力較弱。對比分析表5，表6可知：對于煤礦事故的發生，無論其事故等級是否重大，組織“制度缺陷”與班組人員“風險辨識失效”均是導致事故發生的關鍵因素，表明其對一般事故向較大及以上事故的惡性演化具有關鍵作用；而對于2種不同的結果變量，其各條件變量覆蓋率均不高，則說明單個條件變量的出現不足以完全解釋結果的發生。

綜上，在多數情況下，一般事故與較大及以上事故的發生是多種條件共同作用的結果。因此，有必要進行前因組態分析進一步闡釋導致結果變量發生的多重影響因素組合，剖析事故惡化的核心路徑。

3.2 組態分析結果

以一致性和覆蓋率指標為判斷標準，通過分析前因條件組合來判斷其是否對結果變量具有較好的解釋力，需要指出的是：原始覆蓋度（raw coverage）是指各組態解分別對結果案例的解釋力，其包括了組態間重疊解釋的部分；解的覆蓋度（solution coverage）表示總體覆蓋度，即所有組態對結果的解釋程度；解的一致性（solution consistency）指總體一致性，即所有組態解對結果發生的充分程度。

綜上，運行fsQCA 3.0軟件進行組態分析，得到復雜解、中間解和簡約解3種不同類型的結果。其中，中間解在簡化復雜路徑的同時聯系理論實際，是定性比較研究中普遍采用的方案。同時，結合簡約解進一步識別出核心條件與邊緣條件，并將具有相同簡約解的組態進行聚類后，使用QCA符號進行結果匯報，其中“—”代表條件可有可無，“●”代表核心條件存在，“●”代表邊緣條件存在，“?”表示核心條件缺乏，“?”代表邊緣條件缺乏。

3.2.1 一般事故的組態分析

以一般事故發生為作為結果變量的組態分析共得到4個簡約解、10個中間解。從表7可以看出，所有組態解的整體一致性與各組態解的一致性均大于0.9，這表明得到的10種不安全因素組態整體或任意前因組合都對結果變量構成充分條件，且總體覆蓋率為0.969 7，表明其能夠解釋約97%的事故案例。結合簡約解，可將10條組態路徑聚類歸納為4種高階構型：設備缺陷型、制度缺陷型、監管缺失型和操作風險型。

表7 一般事故發生的不安全因素組態Table 7 Configuration of unsafe factors in general accidents

設備缺陷型主要包括組態1，2，其核心條件為生產設備，該路徑的高階構型可簡化為：一般事故發生＝～技術管理＊制度缺陷＊生產設備＊風險辨識＊（安全設施＊～環境隱患＊屬地監管＊～行為差錯＋～安全設施＊環境隱患＊～屬地監管＊行為差錯）。其中“＊”表示“且”即條件同時出現，“～”表示“非”即該條件不出現，“＋”表示“或”即該條件或其他條件出現。

制度缺陷型主要包括組態3～7，其核心條件為制度缺陷、技術管理與風險辨識，該路徑的高階構型可簡化為：技術管理＊制度缺陷＊風險辨識＊（～生產設備＊～安全設施＊（環境隱患＋屬地監管＊～行為差錯）。

監管缺失型的組態路徑為：技術管理＊制度缺陷＊～生產設備＊環境隱患＊屬地監管＊行為差錯，其核心條件為環境隱患、屬地監管與行為差錯。

組態8，9可歸納為操作風險型，核心條件為風險辨識與行為差錯，其高階構型可簡化為：～技術管理＊制度缺陷＊～環境隱患＊～屬地監管＊風險辨識＊行為差錯。

3.2.2 較大及以上事故的組態分析

以較大及以上事故發生作為結果變量，共得到8個中間解、3個簡約解。從表8可以看出，其總體一致性與各組態解的一致性均大于0.9，表明其對該結果變量的發生構成充分條件。總體覆蓋率為0.863 6，說明其能夠解釋約86%的由不安全因素組態導致的較大及以上事故案例。根據核心條件分布情況，可將導致較大及以上事故的8條路徑聚類歸納為2種高階構型：即監管缺失型與設備缺陷型。

表8 較大及以上事故發生的不安全因素組態Table 8 Configuration of unsafe factors in major accidents

與前文組態結構類似，組態3～8亦可歸納為監管缺失型，其高階構型可簡化為：屬地監管＊風險辨識＊制度缺陷＊（～生產設備＊技術管理＊～安全設施＊環境隱患＊行為差錯＋安全設施＊～行為差錯），核心條件為屬地監管。

與前文組態構型類似，組態1，2的核心條件為生產設備，亦可歸納為設備缺陷型，其高階構型可簡化為：技術管理＊～制度缺陷＊生產設備＊～屬地監管＊風險辨識＊行為差錯＊（～安全設施＊環境隱患＋安全設施＊～環境隱患）。

3.3 分析與討論

在安全科學領域，已有學者運用定性比較分析來研究事故致因路徑、不安全行為等［19，26］。但相關研究多集中于某一事故類型的致因路徑，或是不同類型事故的不安全因素組合，鮮有學者關注事故惡化路徑，分析不同等級事故的發生條件組合，研究影響事故惡化的關鍵因素。

與此同時，前人相關研究大多選擇多個條件變量（解釋變量）對應1個結果變量（被解釋變量），這種定量研究范式在應用于定性比較分析時，其得出的分析結果可能并不能十分精確地契合研究者的研究目的。換句話說，在研究復雜條件下的因果關系時，除了找到某一結果的發生路徑以外，研究者更應該關注不同結果發生路徑的異同，更應該注重“比較”而非單一的“分析”，只有找到了“同類問題”的“不同之處”，才可能會有新的發現、新的見解。

因此，文中對不同等級煤礦事故進行組態分析，發現一般事故的組態聚類有4種類型：設備缺陷型、制度缺陷型、監管缺失型和操作風險型；較大及以上事故的2種組態聚類分別為：監管缺失型和設備缺陷型。對于二者的交集，即監管缺失型和設備缺陷型組態，不同事故等級的核心條件不盡相同。對于監管缺失型組態，一般事故發生的核心因素更趨向于“環境隱患”條件下的“違規行為”；而對于較大及以上事故，則更強調“屬地監管”這一核心因素引發其他顯性、隱形因素產生的“連鎖反應”。在缺乏監管的條件下，煤企的制度漏洞將會被進一步放大，從而產生違法開采、違規承包分包等錯誤的企業決策，進而影響作業班組對風險的識別能力，最終導致重大災難。

綜上，一般事故向較大及以上事故惡化的組態路徑有2條：分別為監管缺失型和設備缺陷型，其惡化路徑如圖2所示。

圖2 事故惡化路徑Fig.2 Deterioration path of accidents

4 結 論

1）運用csQCA方法分析44起不同等級和類型的煤礦安全事故，分別得到10種一般事故和8種較大及以上事故的條件組態，聚類歸納出設備缺陷、制度缺陷、監管缺失、操作風險4種事故類型。

2）通過分析一般事故與較大及以上事故的單因素必要性，發現A2制度缺陷與D1風險辨識對事故發生影響最大，是導致事故發生的必要條件；對比分析二者的組態路徑，發現A1技術管理與C1屬地監管對事故的惡化最為重要，是導致事故惡化的關鍵因素。

3）通過加強井下設備自動化配置、完善技術管理制度，嚴格把控生產設備、安全設施的性能與質量，來阻斷設備缺陷型事故進一步惡化；對于監管缺失型事故，屬地監管部門應當切實履行監管職責，加強對駐礦安全員的日常考核，高度重視、認真審查調度記錄臺賬，及時研判事故預兆，減小事故發生、惡化概率。

研究重點關注煤礦一般事故到較大及以上事故的惡化路徑，樣本量適中，未來可繼續擴充數據庫，進一步細化不同事故類型，基于大樣本對不同事故類型組態惡化路徑作更為深入地探討。