冷 紅，馬彥紅

（哈爾濱工業(yè)大學(xué)建筑學(xué)院，150001哈爾濱）

嚴(yán)寒地區(qū)村鎮(zhèn)災(zāi)害影響普遍性關(guān)系分析

冷 紅，馬彥紅

（哈爾濱工業(yè)大學(xué)建筑學(xué)院，150001哈爾濱）

為給村鎮(zhèn)的防災(zāi)減災(zāi)資源分配提供建議，研究面向與村鎮(zhèn)居民生產(chǎn)生活息息相關(guān)的災(zāi)害表現(xiàn)形式，基于村鎮(zhèn)災(zāi)害數(shù)據(jù)的調(diào)查收集與統(tǒng)計，以各災(zāi)害類型受災(zāi)戶數(shù)比表征各災(zāi)害類型影響普遍性特征，在確定嚴(yán)寒地區(qū)村鎮(zhèn)的主要災(zāi)害類型基礎(chǔ)上，以政府、村民兩個防災(zāi)減災(zāi)主體在抵御不同類型災(zāi)害時潛在的投入關(guān)系為前提，同時以冬季災(zāi)害為例，利用多元線性回歸的方法建構(gòu)嚴(yán)寒地區(qū)村鎮(zhèn)災(zāi)害影響普遍性關(guān)系模型，以此為基礎(chǔ)提出了相應(yīng)的嚴(yán)寒地區(qū)村鎮(zhèn)防災(zāi)減災(zāi)方法與策略.

防災(zāi)減災(zāi)；嚴(yán)寒地區(qū)村鎮(zhèn)；受災(zāi)戶數(shù)比；災(zāi)害類型；影響普遍性

中國村鎮(zhèn)地區(qū)抵御自然災(zāi)害的能力較弱，受災(zāi)害影響狀況超過城市［1］.當(dāng)前，國內(nèi)外對于災(zāi)害風(fēng)險分析注重災(zāi)害歷史數(shù)據(jù)的有效統(tǒng)計，并從中發(fā)掘能夠指導(dǎo)未來防災(zāi)減災(zāi)相關(guān)實踐的規(guī)律或啟示［2-3］.作為全國村鎮(zhèn)體系的重要組成部分，一方面中國嚴(yán)寒地區(qū)村鎮(zhèn)災(zāi)害歷史數(shù)據(jù)統(tǒng)計缺失狀況比較嚴(yán)重，另一方面其多發(fā)災(zāi)害類型、災(zāi)害作用形式與非嚴(yán)寒地區(qū)具有很大差異性［4］.災(zāi)害結(jié)果的嚴(yán)重性（造成生命財產(chǎn)損失程度）與災(zāi)害影響的普遍性（受災(zāi)戶數(shù)比例情況）是防災(zāi)減災(zāi)規(guī)劃相關(guān)實踐中需要著重關(guān)注的兩個方面.研究依托“十二五”國家科技支撐計劃課題，面向嚴(yán)寒地區(qū)村鎮(zhèn)災(zāi)害影響的普遍性問題，對與村鎮(zhèn)居民生產(chǎn)生活息息相關(guān)的災(zāi)害歷史數(shù)據(jù)進行調(diào)查統(tǒng)計，將每類型災(zāi)害影響的普遍性特征用受災(zāi)戶數(shù)比來表征，一方面分析確定主要災(zāi)害的類型與數(shù)量，另一方面依托政府、村民兩個防災(zāi)減災(zāi)主體在抵御不同類型災(zāi)害時潛在的投入關(guān)系建立初步的災(zāi)害影響普遍性關(guān)系模型，以期為嚴(yán)寒地區(qū)村鎮(zhèn)的防災(zāi)減災(zāi)資源分配及相關(guān)政策制定提供參考和依據(jù).

1 嚴(yán)寒地區(qū)村鎮(zhèn)主要災(zāi)害類型調(diào)查

1.1 調(diào)查范圍確定與調(diào)查對象選取

基于區(qū)域和氣候背景的一致性，以典型區(qū)域東北嚴(yán)寒地區(qū)為研究范圍，包括黑龍江省、吉林省以及建筑氣候區(qū)劃圖中劃分的嚴(yán)寒地區(qū)覆蓋的遼寧省部分（丹東-錦州-朝陽以北地區(qū)）（圖1），針對各季節(jié)災(zāi)害進行客觀而詳實的了解.為確保調(diào)查結(jié)果的全面性與準(zhǔn)確性，村鎮(zhèn)調(diào)查對象的選取具備以下5個條件：1）地理分布的均衡性：所選村鎮(zhèn)均勻的分布在所選研究范圍內(nèi)，從北至南按照嚴(yán)寒地區(qū)ΙD區(qū)、ΙC區(qū)、ΙB區(qū)、ΙA區(qū)逐次選??；2）關(guān)注群體的專一性：研究面向農(nóng)村農(nóng)民生產(chǎn)生活中經(jīng)受的災(zāi)害，所以調(diào)查對象選取中僅包括村、集鎮(zhèn)，不包括建制鎮(zhèn)；3）經(jīng)濟發(fā)展水平的代表性：選取村鎮(zhèn)的經(jīng)濟發(fā)展條件能夠代表區(qū)域村鎮(zhèn)的發(fā)展水平；4）調(diào)查范圍的系統(tǒng)性：一個地區(qū)的調(diào)查采用一個鎮(zhèn)（鄉(xiāng)）區(qū)與此鎮(zhèn)（鄉(xiāng)）所轄范圍內(nèi)的兩個村莊進行配套；5）選點數(shù)量的科學(xué)性：調(diào)查村鎮(zhèn)數(shù)量要適當(dāng)，數(shù)量過少會導(dǎo)致調(diào)查的不準(zhǔn)確性與反應(yīng)情況的局限性，數(shù)量過多導(dǎo)致基礎(chǔ)資料冗余，且浪費過多的財力、物力與人力.本著政府推薦與課題組實地調(diào)查甄選相結(jié)合的原則，確定東北三省嚴(yán)寒地區(qū)村鎮(zhèn)調(diào)查對象選取目錄見表1.

圖1 研究范圍

表1 調(diào)查對象情況匯總

1.2 調(diào)查數(shù)據(jù)分析與主要災(zāi)害類型確定

村鎮(zhèn)災(zāi)害歷史數(shù)據(jù)記錄與統(tǒng)計缺失情形比較嚴(yán)重，不同村鎮(zhèn)差異性明顯.課題以隨機入戶、面對面訪談的方式進行實際調(diào)查，按照“十二五”課題“飽和”調(diào)查需求，以每個鎮(zhèn)區(qū)回收120份、每個村莊回收60份有效問卷為定額，共計入戶2 134次，有效問卷收回1 920份，問卷有效率為89.97%.

嚴(yán)寒地區(qū)災(zāi)害與非嚴(yán)寒地區(qū)災(zāi)害的最大差異性在于嚴(yán)寒地區(qū)冬季嚴(yán)寒氣候背景下因大雪及持續(xù)低溫導(dǎo)致的特殊災(zāi)害表現(xiàn)形式.所以，按照引發(fā)各災(zāi)害表現(xiàn)形式的同源性，研究將調(diào)查中出現(xiàn)的“大雪道路封堵、大雪交通事故、房屋設(shè)施凍害、牲畜凍死凍傷、雪融糧食發(fā)霉”五種因大雪及持續(xù)低溫導(dǎo)致的災(zāi)害表現(xiàn)形式統(tǒng)一定義為嚴(yán)寒地區(qū)村鎮(zhèn)“冬季災(zāi)害”.同理，將“農(nóng)作物倒伏、牲畜棚坍塌、溫室坍塌、供電及通訊設(shè)施斷路、房屋風(fēng)損壞”五種因大風(fēng)導(dǎo)致的災(zāi)害表現(xiàn)形式統(tǒng)一定義為“風(fēng)災(zāi)”；將“農(nóng)作物被淹、房屋進水、溫室被淹、牲畜棚被淹、設(shè)施洪水?dāng)嗦贰蔽宸N因洪水導(dǎo)致的災(zāi)害表現(xiàn)形式統(tǒng)一定義為“洪災(zāi)”.此外，調(diào)查中反饋的另外兩種災(zāi)害類型為蟲災(zāi)與旱災(zāi).依照各類型災(zāi)害表現(xiàn)因子出現(xiàn)的頻率，得到冬季災(zāi)害、風(fēng)災(zāi)、洪災(zāi)、蟲災(zāi)、旱災(zāi)是嚴(yán)寒地區(qū)村鎮(zhèn)的主要災(zāi)害類型，2000年—2013年間，其平均受災(zāi)戶數(shù)比例分別為67.8%、57.9%、47.0%、28.9%、15.6%，見圖2.

圖2 嚴(yán)寒地區(qū)村鎮(zhèn)2000—2013年農(nóng)民人均純收入、主要災(zāi)害類型平均受災(zāi)戶數(shù)比例

2 嚴(yán)寒地區(qū)村鎮(zhèn)災(zāi)害影響普遍性關(guān)系模型的擬合

一方面，主要災(zāi)害類型的確定顯示了各類型災(zāi)害對村民的影響普遍性或波及程度.另一方面，課題組通過與政府相關(guān)工作人員和村民的訪談并結(jié)合實際調(diào)查發(fā)現(xiàn)，政府與村民作為村鎮(zhèn)應(yīng)對災(zāi)害的兩個主體：政府層面，政府資金短缺造成防災(zāi)減災(zāi)設(shè)施建設(shè)顧此失彼［5-6］，如黑龍江省海林縣新安鎮(zhèn)2010年防災(zāi)減災(zāi)專項建設(shè)資金的幫扶重點是全鎮(zhèn)范圍內(nèi)的溫室大棚抗風(fēng)加固升級工程，此年份內(nèi)大棚抗風(fēng)損壞能力得到加強，大棚收益較往年得到提升，但村村通公路由于資金短缺造成路面升級改造工程滯后，致使雨洪、大雪、融雪背景下道路通行條件差的情況并無改觀；村民層面，盡管我國村鎮(zhèn)居民人均可支配收入偏低，但除卻基本的日常生活必需品開銷，村民也相應(yīng)會把一部分資金投入到自家的防災(zāi)減災(zāi)設(shè)施建設(shè)中，且投入資金的多少和受災(zāi)害影響程度往往與村民收入成正比、反比［7-8］.即當(dāng)前社會經(jīng)濟發(fā)展水平條件下，社會與村民自身能夠在防災(zāi)減災(zāi)方面投入的總體資源是一定的、不足的，在某一類型災(zāi)害方面的投入會明顯或潛在的影響到在其它災(zāi)害方面的投入，如在抗擊冬季災(zāi)害方面投入過多的背景下很可能造成冬季災(zāi)害受災(zāi)戶數(shù)比例明顯下降而風(fēng)災(zāi)受災(zāi)戶數(shù)比例、洪災(zāi)受災(zāi)戶數(shù)比例等不下降或下降少的情況.所以，主要災(zāi)害類型的確定同時反映了社會防災(zāi)減災(zāi)資源的潛在分配格局情況，其相應(yīng)地也成為了災(zāi)害影響普遍性關(guān)系探究過程中的基礎(chǔ)性數(shù)據(jù).

2.1 數(shù)學(xué)模型的選擇與解釋

多元回歸分析是研究兩個或多個變量與一個因變量間的變動、因果關(guān)系.綜上解釋，政府關(guān)于災(zāi)害治理的努力能夠直觀的反映在災(zāi)害年度受災(zāi)戶數(shù)比例的降低中，而農(nóng)戶應(yīng)對災(zāi)害的直接投資又可直接反映在農(nóng)民的年份農(nóng)民人均純收入中，預(yù)設(shè)某類型災(zāi)害造成影響的普遍性程度往往是包括其他災(zāi)害類型在內(nèi)的多因素共同作用的結(jié)果.研究以“冬季災(zāi)害受災(zāi)戶數(shù)比例”表征嚴(yán)寒地區(qū)村鎮(zhèn)冬季災(zāi)害影響的普遍性特征，相應(yīng)以“風(fēng)災(zāi)受災(zāi)戶數(shù)比例”、“洪災(zāi)受災(zāi)戶數(shù)比例”、“蟲災(zāi)受災(zāi)戶數(shù)比例”、“干旱受災(zāi)戶數(shù)比例”分別表征嚴(yán)寒地區(qū)村鎮(zhèn)風(fēng)災(zāi)、洪災(zāi)、蟲災(zāi)、旱災(zāi)的災(zāi)害影響普遍性特征.即以冬季災(zāi)害為例的嚴(yán)寒地區(qū)災(zāi)害類型影響普遍性關(guān)系探究是以“冬季災(zāi)害受災(zāi)戶數(shù)比例”為因變量（響應(yīng)變量Dependent Variable），以“調(diào)查區(qū)農(nóng)民年份平均人均純收入”及其他主要類型災(zāi)害相應(yīng)的同特征量“風(fēng)災(zāi)受災(zāi)戶數(shù)比例”、“洪災(zāi)受災(zāi)戶數(shù)比例”、“蟲災(zāi)受災(zāi)戶數(shù)比例”、“干旱受災(zāi)戶數(shù)比例”為自變量（解釋變量Explanatory Variable）.假設(shè)因變量y與n個自變量x1，x2，…，xn之間存在多重線性關(guān)系，設(shè)有p例觀察對象，第i例（i=1，2，……，p）的一組觀察值為（yi1，xi2，…，xin）則可以用多重線性回歸模型來刻畫它們之間的關(guān)系：

式中：yt由兩部分構(gòu)成，第一部分為其實測值＾y，即給定各自變量取值時，因變量y的取值，能由自變量決定的部分；ei為殘差，是因變量實測值y與＾y之間的差值，表示不由自變量決定的部分，為了方程可估計，往往假定ei服從正態(tài)分布N（0，σ2）；b0為常數(shù)項，表示所有自變量取值均為0時，因變量的估計值；bi為偏回歸系數(shù)，表示當(dāng)其它自變量取值固定時，自變量xi每改變一個單位時，＾y的變化量［9-10］．

2.2 數(shù)據(jù)與模型的匹配性分析

2.2.1 各變量間線性關(guān)系分析

因變量“冬季災(zāi)害受災(zāi)戶數(shù)比例”與各自變量“農(nóng)民人均純收入”、“干旱受災(zāi)戶數(shù)比例”、“風(fēng)災(zāi)受災(zāi)戶數(shù)比例”、“洪災(zāi)受災(zāi)戶數(shù)比例”、“蟲災(zāi)受災(zāi)戶數(shù)比例”形成的散點圖具有鮮明的線性相關(guān)特征，而且其線性擬合回歸線的決定系數(shù)r2分別達到0.936、0.944、0.990、0.983、0.846，通常認(rèn)為｜r2｜≥0．75時，變量間具有很強的線性關(guān)系，見圖3．

2.2.2 有效變量的篩選

變量的手工預(yù)篩：建立因變量與各自變量間的一一對應(yīng)線性回歸擬合關(guān)系，并一一考察p（sig．）值來進行變量間的顯著性檢驗，確保在進行變量的逐步回歸預(yù)篩前納入模型的都是具有統(tǒng)計學(xué)意義的變量，從而盡量保證模型的準(zhǔn)確性.

圖3 因變量“冬季災(zāi)害受災(zāi)戶數(shù)比例”與自變量間一一對應(yīng)散點線性分析

表2 因變量與自變量間的一一對應(yīng)單自變量回歸擬合關(guān)系

表2說明手工篩選的一一對應(yīng)p（Sig．）值均＜0.05，各自變量均與因變量間存在顯著的統(tǒng)計學(xué)關(guān)系，可以將其納入到變量的逐步回歸篩選中.

變量的逐步回歸預(yù)篩：盡管前文已驗證因變量與各自變量間存在很強的線性關(guān)系，但各自變量對因變量組合影響的背景下，自變量間可能存在一定的線性相關(guān)關(guān)系，對一些自變量的剔除有可能提高回歸模型的精度，故需要進行變量的預(yù)篩.本文通過對偏回歸系數(shù)進行顯著性檢驗，利用逐步回歸的方法，選擇有統(tǒng)計學(xué)意義的自變量構(gòu)成模型.

根據(jù)“p（Sig．）≤0.05納入，p（Sig．）≥0.1剔除”的原則，逐步篩選法每次都將p值最小且有統(tǒng)計學(xué)意義者引入模型，而將自變量組合影響下會整體降低模型擬合度的自變量剔除出模型．本研究中，模型1、2、3階段依次將自變量“風(fēng)災(zāi)受災(zāi)戶數(shù)比例”、“洪災(zāi)受災(zāi)戶數(shù)比例”、“農(nóng)民人均純收入”納入到計算的過程當(dāng)中去，而將“干旱受災(zāi)戶數(shù)比例”、“蟲害受災(zāi)戶數(shù)比例”兩個自變量剔出了模型.相應(yīng)地，變量篩選過程中形成的模型1、2、3的因變量-自變量相關(guān)的復(fù)相關(guān)系數(shù)R、決定系數(shù)R方、校正的決定系數(shù)-調(diào)整R方分別也經(jīng)歷了0.995＜0.999= 0.999、0.990＜0.998＜0.999、0.989＜0.997＜0.999不斷提高的過程，見表3.

表3 自變量的逐步回歸篩選結(jié)果

2.3 多元線性回歸模型的擬合結(jié)果

模型3是線性回歸的最后擬合結(jié)果，根據(jù)其對應(yīng)的系數(shù)結(jié)果（表4），回歸模型的常數(shù)項（常量）、風(fēng)災(zāi)受災(zāi)戶數(shù)比例、洪災(zāi)受災(zāi)戶數(shù)比例、農(nóng)民人均純收入相應(yīng)的系數(shù)分別為-33.953、0.944、0.894、0.001，可寫出如下數(shù)學(xué)模型：

表4 系數(shù)

2.4 模型的進一步科學(xué)性檢驗

“變量的手工篩選”與“變量的逐步回歸篩選”分別對應(yīng)了模型的F檢驗與t檢驗，進而完成了模型每個解釋變量（因變量）對被解釋變量（因變量）的影響是顯著的、模型的總體線性關(guān)系是顯著的驗證過程.但為了進一步檢驗線性擬合關(guān)系的科學(xué)性，需要繼續(xù)繪制標(biāo)準(zhǔn)化殘差的直方圖與標(biāo)準(zhǔn)化殘差的正態(tài)概率圖來對模型進行殘差分析.

圖4顯示模型的回歸標(biāo)準(zhǔn)化殘差值在-3～+3內(nèi)，且整體上呈中間高兩邊低的頻率分布，無嚴(yán)重偏離對稱的否定性情況出現(xiàn)；回歸標(biāo)準(zhǔn)化殘差的標(biāo)準(zhǔn)P-P圖用來觀察模型殘差是否符合假設(shè)的理論分布，圖中直線代表理論最理想的正態(tài)殘差分布，散點代表實際數(shù)據(jù)的殘差分布，圖5顯示實際散點大致分布在理論直線的兩側(cè)，均在可接受范圍內(nèi).此外，文章進一步給出殘差與預(yù)測值的散點圖.圖6顯示，隨著標(biāo)準(zhǔn)化預(yù)測值的增加，標(biāo)準(zhǔn)化殘差的上下波動區(qū)間沒有明顯的變化，也沒有明顯的上升或下降的趨勢，其波動范圍也基本在-2～+2之間，模型的擬合結(jié)果可以接受.

圖4 標(biāo)準(zhǔn)化殘差的直方

圖5 標(biāo)準(zhǔn)化殘差的標(biāo)準(zhǔn)P-P

圖6 殘差與預(yù)測值的散點圖

3 結(jié)果與啟示

研究用受災(zāi)戶數(shù)比來表征每類型災(zāi)害的影響普遍性，并由此確定了嚴(yán)寒地區(qū)村鎮(zhèn)的主要災(zāi)害類型，進一步將主要災(zāi)害類型作為基礎(chǔ)性數(shù)據(jù)對嚴(yán)寒地區(qū)村鎮(zhèn)災(zāi)害類型影響普遍性關(guān)系進行模型擬合分析，得到如下結(jié)果和啟示：

1）模型的擬合關(guān)系能夠為在某類型災(zāi)害方面的抗災(zāi)減災(zāi)努力進行優(yōu)先投入提供依據(jù).如以嚴(yán)寒地區(qū)村鎮(zhèn)冬季災(zāi)害影響普遍性關(guān)系模型為例來看，風(fēng)災(zāi)受災(zāi)戶數(shù)比、洪災(zāi)受災(zāi)戶數(shù)比作為解釋變量在數(shù)學(xué)關(guān)系式中的系數(shù)分別為0.944、0.894，結(jié)合2000年—2013年間東北嚴(yán)寒地區(qū)村鎮(zhèn)風(fēng)災(zāi)、洪災(zāi)的歷史平均受災(zāi)戶數(shù)比分別為57.9%、47.0%，以兩者在模型中對冬季災(zāi)害影響普遍性程度下降貢獻效率來說，呈現(xiàn)57.9%×0.944＞47.0%×0.894的關(guān)系，也就是說，假設(shè)面向的是風(fēng)災(zāi)影響普遍性、洪災(zāi)影響普遍性同程度降低（如在原比例的基礎(chǔ)上均要求降低X%）的要求，一般而言，在防災(zāi)減災(zāi)總體資源不足的情況下如果無法達成兩種災(zāi)害類型影響普遍性同時降低的目標(biāo)，那么向風(fēng)災(zāi)方面進行優(yōu)先投入是較合理的選擇.

2）模型的擬合關(guān)系能夠?qū)ξ窗l(fā)生災(zāi)害類型的影響普遍性控制提供一定參考.仍以冬季災(zāi)害為例，因為嚴(yán)寒地區(qū)村鎮(zhèn)某些災(zāi)害類型具有鮮明的時序性，如在一個年度的季節(jié)更替背景下，在冬季災(zāi)害發(fā)生之前，洪災(zāi)、蟲災(zāi)、旱災(zāi)的影響普遍性程度及數(shù)據(jù)能夠基本明晰，那么根據(jù)政策制定、村鎮(zhèn)民眾訴求相關(guān)要求，如若需要把區(qū)域中的未發(fā)生災(zāi)害類型如冬季災(zāi)害、風(fēng)災(zāi)受災(zāi)戶數(shù)比例（災(zāi)害影響普遍性程度）控制在一定數(shù)值，那么可以參照兩個災(zāi)害類型的歷史防災(zāi)減災(zāi)投入與災(zāi)害影響普遍性程度關(guān)系，來靈活調(diào)整在兩者間的防災(zāi)減災(zāi)資源分配格局，從而達成既定目標(biāo).

4 結(jié) 語

本文在嚴(yán)寒氣候地域背景下村鎮(zhèn)主要災(zāi)害類型的調(diào)查與確定、不同災(zāi)害類型間潛在影響關(guān)系方面進行了初步的探索.誠然，村鎮(zhèn)防災(zāi)減災(zāi)規(guī)劃是面對不同利益相關(guān)者處理與協(xié)調(diào)各方利益沖突的復(fù)雜過程，本文研究內(nèi)容僅僅關(guān)注了不同類型災(zāi)害影響的普遍性問題，其他如災(zāi)害影響的嚴(yán)重性、持續(xù)性等都需要引起同等的重視.此外，研究中依然存在諸多的不足，如在災(zāi)害歷史數(shù)據(jù)年份跨度的局限性、調(diào)查數(shù)據(jù)的全面性、擬合模型的變量選擇準(zhǔn)確性等方面都需要去進行不斷改善，希望后續(xù)的研究能夠更加深入.

［1］葛學(xué)禮，朱立新，于文.我國村鎮(zhèn)建筑防災(zāi)研究綜述［J］.自然災(zāi)害學(xué)報，2014，23（2）：8-14.

［2］CUSACK S.A 101 year record of windstorms in the Netherlands［J］.Climatic Change，2013，116（3）：693-704.

［3］FEUERSTEIN B，GROENEMEIJER P.Towards an improved wind speed scale and damage description adapted for Central Europe［J］.Atmospheric Research.2011，100（4）：547-564.

［4］初建宇，蘇幼坡.村鎮(zhèn)應(yīng)急避難場所規(guī)劃技術(shù)指標(biāo)的探討［J］.自然災(zāi)害學(xué)報，2012，21（5）：23-27.

［5］閻俊愛，曹國昭.農(nóng)村防災(zāi)減災(zāi)能力建設(shè)中資金投人的進化博弈分析［J］.數(shù)學(xué)的實踐與認(rèn)識，2010，40（7）：90-95.

［6］華穎.中國政府防災(zāi)減災(zāi)投入的優(yōu)化機制［J］.甘肅社會科學(xué)，2011（6）：9-13.

［7］莊天慧，劉人瑜.貧困地區(qū)村級組織防災(zāi)減災(zāi)能力評價及影響因素研究-基于西南地區(qū)28個村的調(diào)查［J］.干旱區(qū)資源與環(huán)境，2013，27（5）：27-32.

［8］敬志紅，史夢云.湖南省洞庭湖區(qū)的自然災(zāi)害與農(nóng)民收入的相關(guān)性研究-基于灰色預(yù)測糧食災(zāi)損評估模型［J］.南方農(nóng)村，2014（1）：27-32.

［9］姜佃高，張娟娟，葛永慧.穩(wěn)健估計方法在多元線性回歸中的有效性研究［J］.統(tǒng)計與決策，2014（18）：77-80.

［10］官衛(wèi)華.多元線性回歸模型在區(qū)域地價評估中的應(yīng)用-以澳大利亞悉尼“Vermont”項目為例［J］.國際城市規(guī)劃，2011，26（8）：56-61.

（編輯苗秀芝）

Analysis on the relationship of disaster influence universality for rural areas in cold regions

LENG Hong，MA Yanhong
（School of Architecture，Harbin Institute of Technology，150001 Harbin，China）

The study aims at providing recommendations for resource allocation of disaster prevention andmitigation in rural areas.Focusing on disaster performance forms and based on disaster data collection and statistics closely linked with rural residents＇production and living，firstly themain types of disaster were determined by representing the proportion of households affected by disaster.Then，taking the potential investment relations of government and villagers，twomain bodies in responding to disasters，as a premise，and winter disaster as an example，a relational model of disaster influence universality by multiple linear regression was constructed.Last，the corresponding methods and strategies about disaster prevention and mitigation for rural areas in cold regionswere put forwards.

disaster prevention and mitigation；rural areas in severely cold regions；proportion of households affected by disaster；disaster type；influence universality

TU984

：A

：0367-6234（2015）11-0123-06

10.11918／j.issn.0367-6234.2015.11.022

2015-03-09.

“十二五”國家科技支撐計劃課題（2013BAJ12B02）.

冷 紅（1970—），女，教授，博士生導(dǎo)師.

冷 紅，hitlaura＠126.com.