基于心理承压的灾害可承受风险评估*

段佳奇，陈毅文，杨 莎

(1.中国科学院行为科学重点实验室，中国科学院心理研究所，北京 100101；2.中国科学院大学 心理学系，北京 100049)

每个人对灾害风险的接受程度都不同，心理承压能力也有所差距，高效评估灾区人群的灾害可承受风险，可及时调整灾区人群的心理问题，确保人们生产和生活的顺利进行[1]。无论是地区的灾害可承受风险还是人们心理的灾害可承受风险评估问题逐渐被相关领域研究人员所重视[2]。目前对自然灾害风险的研究大多以灾害的自然属性为主[3]，主要关注的是自然灾害自身的风险对生命财产造成的损失，而对人们心理健康引起的社会属性风险关注较少[4]。本文构建基于心理承压的灾害可承受风险评估模型，高效评估灾区人群的灾害风险承受能力，是灾害可承受风险评估方法的应用，该模型可有效评估灾区人群心理承压的灾害可承受风险，评估复杂度低，能够提高评估结果准确性。

1 基于心理承压的灾害可承受风险评估

灾害可承受风险简称风险承受能力，风险承受能力是人在相应风险认知、风险价值观、与个人心理特征相互影响的背景下，衍生出对风险的适应、调整与反应情况。对灾区人群进行基于心理承压的灾害可承受风险评估之前，需要挖掘在灾后出现心理疾病的人群，减小评估范围，提高有效评估效率[5]。在挖掘灾后患有心理疾病人群后，需要对该类人群心理风险源因素进行判断，以此能够对症下药，提高评估结果的准确性[6]。因此，本文首先采用基于信息熵的灾后患有心理疾病人群的挖掘算法，挖掘灾后出现心理疾病的人群，然后构建改进ISR压力模型判断心理风险源因素。

1.1 相关定义与挖掘算法设计

顾及灾后会有部分人群患有各类心理疾病，本文采用基于信息熵的灾后患有心理疾病人群的挖掘算法，挖掘灾后出现心理疾病的人群。

通过信息系统分析异常的原理，对灾后患病人群的异常数据挖掘定义为下述几点形式。

定义1：将灾区人群的信息系统设成R=(x,y,i,j)，x、y、i、j依次表示灾区人群的非空有限集、有限属性集、判断值域和信息函数。当灾区人群中某人与正常人群差异性过大，而与患有心理疾病人群差异较小时，可确定该人患有灾后心理疾病[7]。

PH(y)=Hu(y)/H(y)。

(1)

式中：灾后人群有限属性集y的信息熵设成H(y)；排除患病人群u后y的信息熵设成Hu(y)。

(2)

定义4：将灾区人群的信息系统设成R=(x,y,i,j)，假定给定的阈值是ν，当B(u)>ν时，灾区人群信息系统中存在患有心理疾病的人，B(u)为患病程度。

基于上述定义，本文采用的基于信息熵的灾后患有心理疾病人群的挖掘算法详细步骤如下。

输入：灾区人群集合O。

第一步：恢复初始设定值。

第二步：在灾区人群信息系统R中对每个人的身体属性实行以下处理。

(1)根据x内灾区人群属性ai值进行基数排序；

(2)运算信息熵({yi})。

第三步：依据定义3构建单属性信息熵递增序列。

第四步：依据定义4构建属性子集序列。

第五步：对灾区人群中的每个人进行以下操作。

(1)运算灾区人群中针对单个属性的相对信息熵；

(2)运算灾区人群中属性子集的信息熵；

(3)运算权值；

(4)运算灾区人群中是否存在异常数值。

第六步：输出灾后出现心理异常的人群集合。

1.2 心理风险源挖掘因素选取

人们是生活在一个由自然、社会、心理构成的开放、复杂的系统里[8]。自然灾害的出现会破坏原复杂系统的均衡特征，使人们的行动自由度和活动区间都受到限制，资源损伤、人员短缺导致人们心理出现一定程度的变动[9]。本文面向挖掘出的灾区人群中患有心理疾病的患者，设计改进ISR压力模型，判断心理疾病的灾害类型，也称心理风险源因素，提高评估结果准确性。改进ISR压力模型整体结构如图1所示。

图1 改进ISR压力模型整体结构

通过改进ISR压力模型识别的自然灾害社会心理风险源因素分类见表1。

1.3 灾害可承受风险评估模型的构建

基于心理承压的灾害可承受风险能力评估是人们对风险的心理接受度、行为调节和风险认知调整的过程，风险的心理接受度可增强人们风险心理承压程度，行为调整可提升人们在灾害出现时的避险能力，风险认知调整能够让人们对风险有正确的认识。所以，本文基于这几个方面评价灾区人群的心理承压能力[10-13]。依据改进ISR压力模型识别的自然灾害社会心理风险源，构建基于心理承压的灾害可承受风险评价指标体系如图2所示。

图2 灾害可承受风险评价指标体系

表1 自然灾害社会心理风险源因素

图2中灾害风险承受能力的评价指标为个人心理特征因素、个人风险心理因素、安全倾向因素、个人避险能力与风险认识因素，5个因素相互影响[14]，模型中某一因素的变动会引起其他因素的变动。根据构建的灾害可承受风险评价指标建立基于心理承压的灾害可承受风险评估模型(图3)，该模型属于循环模型，风险认识因素作用着安全倾向因素和风险心理因素，模型中的心理特征属于外生变量，和人物性格相关，并干扰安全倾向因素与避险能力因素，但不受其他因素干扰[15]。

图3 灾害可承受风险评估模型整体结构图

2 实验结果分析

2.1 实验设定

实验目的地选取为我国某地震灾区，根据基于心理承压的灾害可承受风险评估模型中构建的灾害可承受风险评价指标体系，对每个指标设定调查问题，各个指标通过1～6个问题判定指标值。指标值体现灾区人风险承受能力，风险认识中各指标值较大，表示灾区人群对灾害风险感知与认知清晰、对风险关注度较高，且认为风险不能避免；灾区人群心理特征指标值较高，表示心理承受能力较高；风险心理指标值较大，表示该人觉得风险出现机率较大，不信任政府安全管理；安全倾向值较大，表示和经济发展对比而言，该人更青睐于公众安全。

采用问卷调查方法对调查数据实行统计分析。对灾害可承受风险评价指标体系中个人心理特征因素、个人风险心理因素、安全倾向因素、个人避险能力与风险认识因素5个指标使用主成分提取公共因素，获取最适合主成分，分类各评价指标因子负荷。根据主成分分析结果对基于心理承压的灾害可承受风险评估模型实行拟合检验，采用的软件是SPSS 和AMOS。

2.2 实验结果

2.2.1 有效性分析

与传统方法对比，实验采用主成分分析方法验证基于心理承压的灾害可承受风险评估模型有效性，依据主成分获取的信息，个人心理特征中包含3个主成分，删除和人相处倾向指标后，个人风险心理中包含2个主成分，安全倾向包含3个主成分，风险认识包含3个主成分。主成分分析获取的评价因子符合矩阵用表2表示。由表2可知，本文成分分析方法的数值高于负荷因子基数，而传统方法的数值都低于负荷因子基数。基于表2中每个主成分所表示的指标与内容，对主成分实行命名，各主成分命名和评估指标如图4所示。

图4 主成分命名及包含指标

表2 主成分析方法与传统方法因子负荷矩阵

表3 灾害可承受风险评估模型优化前后的拟合指数

拟合优化各一级指标中主成分表示的指标，在模型中引入5对指标间的相关性拟合，设置该5对指标具有关联性，依次是心理调节能力和伤亡接受度、伤亡接受度和减灾倾向、心理调节能力和心理适应能力、公共安全是否遭到影响和减灾倾向、风险能够避免和面对风险时的处理。拟合优化的灾害可承受风险评估模型指数用表3表示。

依据表3数据绘制基于心理承压的灾害可承受风险评估模型，分析灾区人群的灾害风险承受能力结果，如图5所示，图5中系数表示某一变量的变动引起其他变量变动的程度。

图5中采用基于心理承压的灾害可承受风险评估模型拟合检验后，灾区人群中个人心理特征和个人避险能力间的系数是0.80，说明在个人心理特征提升1个百分点后，个人避险能力提高0.80个百分点，并且从图5中能够看出基于心理承压的灾害可承受风险评估模型可有效分析出灾区人群各项灾害风险承受能力。

图5 灾区人群的灾害风险承受能力图

2.2.2 性能分析

为进一步分析基于心理承压的灾害可承受风险评估模型的性能，将基于层次分析法的灾害可承受风险评估模型和基于组合评价法的灾害可承受风险评估模型作为对比分析模型，由于灾害出现时，大规模人群都会受到损伤，灾后简单便捷的评估模型可高效评估灾后人群的心理问题。因此，实验对比三种灾害可承受风险评估模型的性能，指标设定为复杂度，在测定灾后群人的个人心理特征、个人风险心理、安全倾向、个人避险能力与风险认识四个方面，设定7次评估复杂度测试过程，三个模型的复杂度对比结果如图6、图7、图8所示。分析图6、图7、图8可知，在多次评估灾区人群基于心理承压的灾害可承受风险实验中，基于心理承压的灾害可承受风险评估模型的评估复杂度始终低于5%，其它两种评估模型的复杂度分别高于20%和35%，基于心理承压的灾害可承受风险评估模型具有较低的复杂度优势，可在短时间内完成评估任务。

图6 基于心理承压的灾害可承受风险评估模型评估复杂度测试结果

图7 层次分析模型评估复杂度测试结果

图8 组合评价模型评估复杂度测试结果

3 结论

本文构建了基于心理承压的灾害可承受风险评估模型，主要分为三个阶段，第一阶段为挖掘灾区患病人群，使用基于信息熵的灾后患有心理疾病人群的挖掘算法，挖掘灾区人群中患有心理疾病的人群；第二阶段为识别心理风险源因素，采用改进ISR压力模型判断患病人群心理疾病的灾害类型，也称心理风险源因素；第三阶段即为灾害可承受风险评估，通过基于心理承压的灾害可承受风险评估模型，评估灾区人群灾害风险承受能力。本文构建基于心理承压的灾害可承受风险评估模型，该模型可投入到灾害可承受风险评估方法的应用中。评估复杂程度更低，同时评估的结果更加准确，能有效评估灾区人群心理承载的灾害可承受风险。在未来的工作中，可结合灾害发生时影响受灾人群心理承受能力的社会心理因素方向分析开展工作。