Модели для исследования факторов управления уровнем пожарных рисков на объектах надзора в регионах России Текст научной статьи по специальности «Экономика и бизнес»

Информатика, вычислительная техника и управление

С.Н. Тростянский, Ю.Н. Зенин,

доктор технических наук, доцент, Воронежский институт

Воронежский институт ГПС МЧС России ГПС МЧС России

МОДЕЛИ ДЛЯ ИССЛЕДОВАНИЯ ФАКТОРОВ УПРАВЛЕНИЯ УРОВНЕМ ПОЖАРНЫХ РИСКОВ НА ОБЪЕКТАХ НАДЗОРА В РЕГИОНАХ РОССИИ

MODELS FOR THE STUDY OF INTEGRATED FIRE HAZARDS MANAGEMENT FACTORS IN THE OBJECT OF SURVEILLANCE OF

RUSSIAN REGIONS

На основе анализа динамической модели на панельных данных по регионам России получена количественная зависимость вероятности возникновения пожаров на экономических и административных объектах надзора и риска человека погибнуть за год в результате таких пожаров от значений соответствующих показателей за предшествующий год, набора региональных социально-экономических факторов, а также от региональных показателей времени оперативного реагирования ГПС МЧС на пожары.

Based on the analysis of a dynamic model over the panel data for various regions of Russia we obtained a quantitative dependence of integrated fire hazards on economical and administrative surveillance objects and risk for a man to meet a fire in the residential sector per year and on the values offire risks of previous year, a set of social-economic regional factors and also on regional indicators of response time to fires of the State Firefighting Service ofEMERCOM of Russia.

Введение

Для выработки долгосрочной стратегии управления уровнем пожарных рисков на объектах надзора в регионах Российской Федерации, с целью их минимизации, актуально не только обеспечение сбора статистических данных по происходящим пожарам, но и их анализ, по результатам которого возможно принятие управленческих решений,

72

Вестник Воронежского института МВД России №3 / 2015

направленных на минимизацию пожарных рисков в РФ. Результаты комплексного исследования пожарных рисков представлены в работе [1]. В этой работе отмечается ведущая роль социальных факторов среди причин возникновения пожаров в России. Согласно [2], причины пожаров, связанные с человеческим фактором и относящиеся к про-филактируемым Государственной противопожарной службой (ГПС) МЧС России, составляют более 70% от общего количества пожаров. Полагая линейную зависимость количества таких пожаров от общего количества хозяйственных и административных объектов надзора с нарушениями требований пожарной безопасности, выражение для вероятности возникновения пожаров на таких объектах в определенный интервал времени (год), с учетом статистического определения частоты пожаров, согласно модели, представленной в [2, 3], можно записать как

Р = Pn + Pp = Pn + kC, (1)

где k — региональный коэффициент пропорциональности между вероятностью пожаров на объектах надзора, обусловленных профилактируемыми факторами, и долей C среди объектов, собственники которых нарушают требования пожарной безопасности; pn, p — вероятности возникновения пожаров в год за счет соответственно не профи-

лактируемых и профилактируемых ГПС факторов.

Таким образом, вероятность возникновения пожаров за счет профилактируемых ГПС факторов прямо пропорциональна множителю C , значение которого определяется на основе экономической модели рационального правонарушителя [2, 3]. Рациональность правонарушителя означает, что нарушение происходит только в том случае, если ожидаемый доход от его совершения превышает возможные в случае пожара и (или) наказания потери. При расчете уровня нарушений на основе гипотезы рационального правонарушителя учитывается, что последний, в качестве ожидаемой прибыли b может рассматривать экономию на расходах по обеспечению пожарной безопасности объектов, а в качестве наказания может нести следующие два вида убытков:

1) убытки u при возникновении пожаров на объектах надзора:

U = Um + En ■ R2n/1Q2 , (2)

где u — материальные убытки; R — риск гибели человека при пожаре на объектах надзора [1], где единица его измерения имеет вид [жертва / 102 пожаров]; Бп — материальный эквивалент человеческой жизни на хозяйственных и административных объектах [7];

2) убытки h от штрафных санкций за нарушения требований пожарной безопасности при ожидаемой их вероятности за единицу времени f. При этом считается, что потенциальный правонарушитель на основе своего либо чужого опыта может оценивать вероятность возникновения пожара p в год на объектах надзора.

Игнорирование требований пожарной безопасности применительно к рациональному правонарушителю с учетом возможных штрафных санкций происходит только в том случае, если ожидаемый доход правонарушителя удовлетворяет условию

(1 -р) ■(b-fh) > pu. (3)

При этом считается, что потенциальный правонарушитель на основе своего либо чужого опыта может оценивать вероятность возникновения пожара p за год на объектах надзора региона.

На основе гипотезы рационального правонарушителя [2, 3] в работе [3] была получена формула для определения экономического множителя C, отражающего пред-

73

Информатика, вычислительная техника и управление

ставление хозяйствующих субъектов о целесообразности нарушения требований пожарной безопасности и определяющего долю собственников объектов, которым выгодно экономить средства за счет несоблюдения названных требований. Выражение для C при нестационарных социально-экономических и административно-правовых факторах с учетом времени запаздывания Т между изменением экономических и административных факторов и изменением C принимает вид

то то

С =| u (u)t-т { Рл,о b (b)t-т dbdu,

Pt-Т

1-Pt-т

Л,О b

b+ft-Т Ht-

0

(4)

где

Рид, (u) =

1

p^b(b) =

42ж -Guu 1

-v/2tc -Gh b

exp

exp

[ln(u) - ln(u)]2

2c„

[ln(b) - 1п(л)]2

2cb

2

2

здесь p (u) — плотность логнормально распределенной случайной величины u потерь собственников объектов от одного пожара; и — медианное значение для соответ-

2

ствующего распределения величины потерь от одного пожара; ои — дисперсия для нормального распределения логарифма величины потерь от одного пожара ln(u) ; p (b)

— плотность логнормально распределенной случайной величины b прибыли собственников объектов за год от экономии на несоблюдении требований пожарной безопасности

~ 2

с медианным значением л для соответствующего распределения и дисперсией оь для нормального распределения ln(b); f — вероятность штрафных санкций для нарушителей требований пожарной безопасности за год; H — среднее значение величины штрафных санкций, накладываемых на нарушителей требований пожарной безопасности; индексы t и t - Т характеризуют время (например, год) измерений соответствующих характеристик.

При этом региональный коэффициент пропорциональности k между вероятностью p и экономическим множителем C, а также вероятность pn могут зависеть от

целого ряда региональных социально-экономических и административно-правовых факторов, которые влияют на производственную дисциплину персонала хозяйственных и административных объектов, на энергетическую нагрузку при эксплуатации, а также на степень износа оборудования на объектах, то есть от факторов, влияющих на пожарные риски.

Для характеристики пожарных рисков на хозяйственных и административных объектах надзора в регионах России помимо вероятности p возникновения пожаров на таких объектах за год, измеряемой как отношение количества пожаров на объектах надзора в регионе за год к количеству таких объектов с размерностью [пожар / (объект-год], можно рассматривать средний по региону риск гибели человека от пожаров на объектах надзора за год, который обозначим как Rgn, с размерностью [жертва/(объ-

74

Вестник Воронежского института МВД России №3 / 2015

ект-год)]. Интегральный пожарный риск R связан с вероятностью возникновения пожаров на объектах надзора p и интегральным пожарным риском гибели человека при пожаре на объекте надзора R2n [1] формулой

Rgn = Р - R2n/102. (5)

Анализ панельных данных

Представляет практический интерес определение детерминант пожарных рисков на объектах надзора в регионах России, выявление их зависимостей от статистически регистрируемых социально-экономических показателей, а также от показателей, характеризующих возможности МЧС по тушению пожаров, таких как показатели времени оперативного реагирования на пожары. Для эконометрического анализа факторов, определяющих уровень пожарных рисков на объектах надзора в регионах РФ, актуально использование анализа панельных статистических данных. Панельные данные — это наблюдения одних и тех же экономических единиц, которые осуществляются в последовательные периоды времени. В работе [5] с использованием статистических данных по Российской Федерации на основе многомерного регрессионного анализа зависимости числа пожаров от ряда факторов, для которых коэффициент корреляции имеет наиболее высокое значение, получена близкая к линейной зависимость количества пожаров на 1 тысячу человек от числа зарегистрированных преступлений в расчете на 100 тысяч человек населения. С учетом этого результата, предполагая общность социально-экономических факторов, определяющих пожарные риски и уровень преступности в РФ, проанализируем эмпирические исследования влияния социально-экономических факторов на различные виды преступности в регионах Российской Федерации, выполненные на основе анализа панельных статистических данных в работе [6]. В этих работах обнаружено влияние на преступность следующих факторов: среднедушевые денежные доходы населения, коэффициент Джини (мера неравенства в доходах), уровень злоупотребления алкоголем среди населения региона, уровень образования населения региона, средняя температура января в регионе, показатели, связанные с вероятностью уголовного наказания за преступления. Тогда для исследования факторов, детерминирующих пожарные риски на объектах надзора, актуально проведение панельного анализа зависимости уровня пожарных рисков на объектах надзора в России от социально-экономических факторов установленных в [6] как детерминанты преступности, с заменой факторов, связанных с вероятностью и тяжестью уголовного наказания за преступления, на факторы, связанные с вероятностью и тяжестью материальных и возможных человеческих потерь. При проведении панельного анализа помимо социально-экономических факторов в качестве показателя, характеризующего возможности МЧС по тушению пожаров, учитывалось также среднее время прибытия на пожар первых пожарных подразделений.

Для определения влияния учитываемых факторов на уровень пожарных рисков на объектах надзора в регионах России воспользуемся моделью авторегрессии с панельными данными (динамической моделью) [7]. Состоятельные оценки в динамических моделях можно построить с помощью обобщенного метода моментов в рамках подхода Ареллано — Бонда [7], который реализован в пакете прикладных программ STATA. Для асимптотической состоятельности получаемых оценок необходимо, чтобы было достаточное число временных периодов ( T > 4 ) и большое число объектов ( Коб > T ).

75

Информатика, вычислительная техника и управление

Информационную базу для анализа составили панельные данные по 78 регионам РФ (исключены автономные округа в составе областей, краев, а также регионы, не имеющие полного набора данных) за 2006—2012 гг. Информация по пожарной статистике и административно-правовым показателям была получена из данных, регистрируемых ГПС МЧС России, в частности из [8], а социальные и экономические показатели для регионов и показатели инфляции были взяты из публикаций Росстата.

Полагая, что вероятность пожаров на объектах надзора за год и риск гибели человека от пожаров на объектах надзора за год являются линейными функциями от различных факторов, и агрегируя по населению региона, построим линейные динамические модели для описания пожарных рисков в зависимости от набора заданных переменных, а также от набора независимых переменных:

Pit = aiPi(t-l) + a2R2nit + a3Umit + a4Slt +a5Dit +

+ a6Vit + a7Jlt + a8Ait +a9Ilt + ai0Glt + ai1T 11 + ai2tlt + Ci, (6)

Rgnit - b1Rgnl(t-1) + b2Umit + b3Slt +b4Dlt +

+ b5Vit + b6Jit + b7Ait +bsllt + b9Glt + bi0T lt + biitlt + C2, (7)

где нижние индексы i и t обозначают регион и год соответственно; зависимые переменные: в уравнении (6) plt — вероятность возникновения пожара на объектах надзора за

год; в уравнении (7) R it — средний по региону риск гибели человека от пожаров на

объектах надзора за год; заданная переменная в уравнении (6) R 2 — риск гибели чело-

века при пожаре на объекте надзора; заданные переменные в уравнениях (6,7): U —

средний материальный ущерб от одного пожара на объектах надзора в тысячах рублей, с учетом инфляции относительно 2006 года, принимая за исходный — средний материальный ущерб в 2006 году; Slt — средний штраф в тысячах рублей, назначаемый за нарушение требований пожарной безопасности на объектах надзора, с учетом инфляции относительно 2006 года, принимая за исходный — средний штраф в 2006 году; независимые переменные в уравнениях (6),(7): Dit — средние денежные доходы населения в тысячах рублей с учетом инфляции относительно 2006 года, принимая за исходные — средние денежные доходы в тысячах рублей в 2006 году; V — валовой региональный продукт на душу населения в тысячах рублей с учетом инфляции относительно 2006 года, принимая за исходный — валовой региональный продукт на душу населения в тысячах рублей в 2006 году; Jlt — коэффициент Джини в регионах (мера неравенства в доходах);

Ait — число больных с впервые в жизни установленным диагнозом психотического расстройства, связанного с употреблением алкоголя и синдрома зависимости от алкоголя, взятых под диспансерное наблюдение психоневрологическими и наркологическими учреждениями на 105 человек населения региона (в соответствии с аргументами из работы [9], этот показатель может характеризовать уровень злоупотребления алкоголем среди населения соответствующего региона); Ilt — процент студентов образовательных организаций высшего образования в населении региона (этот показатель может характеризовать уровень образования в регионе); G — процент городского населения в регионе; T it — средняя температура января в градусах Цельсия в регионе; tlt — среднее

76

Вестник Воронежского института МВД России №3 / 2015

время по региону (в минутах) прибытия на пожар первых пожарных подразделений; Cj

— постоянная, включающая неучтенные факторы.

В таблице для моделей на основе уравнений (6) и (7) представлены результаты регрессионного анализа панельных данных, выполненного с применением метода Ареллано — Бонда [7], реализованного в пакете прикладных программ STATA. Кроме значений коэффициентов и констант представлены также значения их стандартных ошибок (в скобках) и значимостей ( z ), которые определяются как отношение значения коэффициента или константы к значению соответствующей стандартной ошибки, а также приведены уровни доверия коэффициентов и констант.

Значимое качество модели 1 отражает высокое значение теста Ваальда: =

227,16. Для модели 2 значимость существенно ниже, так как х2 = 45,90.

Значение экономического эквивалента человеческой жизни Бп для объектов надзора в России можно оценить, представив уравнение (6) в виде

Pit = aiPi(t-1) + a3(a2R2nit /a3 + Umit ) + a4Dit + Mit + a6Ait + a7Zit + a8Git + a9Sit + ai0Tit +

+ autit + Ci . (8)

С учетом соотношения (2) уравнение (6) можно также записать в виде

Pit = aipi(t1) + a3(EnR2nit Z1^ + Umit) + a4Dit + a5Jit + ^A^ + + a9Sk + +

+ autit + C1 . (9)

Из сравнения (8) и (9) следует, что значение экономического эквивалента человеческой жизни Бп на объектах надзора в России определяется по формуле

En = 102 • a2/a3. (10)

С учетом значений и размерностей коэффициентов a и a из таблицы:

E =6040,36 [тыс. руб. / жертва], с учетом инфляции относительно 2006 года.

Полученная оценка экономического эквивалента человеческой жизни на объектах надзора в России близко согласуется со значением этого показателя, рассчитанного для России по методике оценки экономического эквивалента стоимости жизни человека, основанной на том, что экономический эквивалент жизни среднестатистического человека равен отношению среднедушевого располагаемого денежного годового дохода к средней вероятности смерти в течение года [4]. Из расчетов работы [4], это значение для России в 2009 году составляло 12472 тыс. руб., что соответствовало 9038 тыс. руб., с учетом официальной инфляции относительно 2006 года. Такое согласование величины En, полученной из модели 1, со значением экономического эквивалента человеческой жизни, полученного по методике [4], подтверждает корректность модели 1 в применении к оценке вероятности возникновения пожаров на объектах надзора в регионах России.

Результаты регрессионного анализа, представленные в таблице, корректно согласуются с моделью рационального правонарушителя. Действительно, согласно модели рационального правонарушителя, на основе результатов работы [9], выполненной для логнормального распределения доходов собственников объектов [2, 3] и убытков от пожаров на объектах [10], следуют соотношения: dp

< 0,

dln(S) dp d ln(U„)

< 0,

(11)

(12)

77

Информатика, вычислительная техника и управление

Результаты регрессионного анализа панельных данных с 2006 по 2012 год по зависимости уровня пожарных рисков на объектах надзора в регионах РФ от социально-экономических факторов и показателя времени оперативного реагирования

Факторы Модель 1 Модель 2

уравнение (6) для pit — вероятности возникновения пожара на объектах надзора за год [пожар / (объект -год)] уравнение (7) для Rgnit — среднего по региону риска гибели человека от пожара на объекте надзора за год [жертва / (объект -год)]

pi(t_i) [пожар / (объект -год)] 0,2607125 (0,0522585) z = 4,99

Rgn(t-i) [жертва / (10 5 человек-год)] 0,0645238 (0,0599118) z = 1,08

R2nit [жертва / 102 пожар] - 0,000052974 (0,000085806) z = - 0,62

Sit [тыс.руб./штраф] - 0,0001907 *** (0,0000548) z = - 3,48 - 7,86*10-6 (4,33*10-6) z = - 1,82

Dlt [тыс.руб] - 0,000275 (0,000282) z = - 0,97 - 5,03*10-5 ** (2,19*10-5 ) z = - 2,29

V [тыс.руб] 1,23*10-8 (7,66*10-8) z = 0,16 - 2,99*10-9 (5,93 *10-9) z = - 0,49

Jit - 0,1006677 ** (0,0439641) z = - 2,29 0,0051511 (0,0036391) z = 1,42

Alt [больных/105 человек] 0,0000247 * (0,0000128) z = 1,93 - 7,95*10-7 (1,04*10-6) z = - 0,76

lit [%] - 0,0001333 (0,0007409) z = - 0,18 0,0000422 (0,0000575) z = 0,73

Git [%] 0,0005625 (0,000433) z = 1,30 0,0000162 (0,000037) z = 0,48

T°it [град. С°] 0,0000458 (0,0000568) z = 0,81 7,52*10-6 (4,43*10-6) z = 1,69

tit[мин] 0,0002154 (0,0001258) z = 1,71 3,68*10-6 (9,79*10-6) z = 0,38

0,0088513 (0,0376075) z = 0,24 - 0,0022635 (0,0028878) z = - 0,78

Тест Ваальда, 227,16 45,90

Звездочками обозначены уровни доверия: *** — 1 %, ** — 5 %, * — 10 %.

где S — среднее значение штрафа за нарушение требований пожарной безопасности на объекте надзора; U — медианное значение по всем объектам надзора региона величины убытков от пожаров. Из соотношения (11) следует обратная зависимость p от S , а из (12) — обратная зависимость p от факторов, определяющих величину возможных убытков от пожаров на объектах надзора: средних значений

78

Вестник Воронежского института МВД России №3 / 2015

материальных убытков Um и R2n. Также логично предположить, что медианное значение U распределения величины убытков от пожаров собственников объек-

тов надзора увеличивается или уменьшается в ту же сторону, что и медианное значение распределения величины легальных доходов собственников объектов, вложения от которых аккумулируются в стоимости объектов и могут быть потеряны при пожаре. Можно ожидать, что доходы собственников объектов надзора в свою очередь положительно коррелируют со средним значением D денежных доходов

т dp dp

населения региона. Тогда знаки производных ---- и ------должны совпадать

d ln(UM ) dln(D)

и быть отрицательными. Именно такая отрицательная зависимость pit от факторов

Sit, Umt, R2n. , Dit получена на основе регрессионного анализа панельных данных

с 2006 по 2012 год по регионам РФ и показана в таблице.

Представленные результаты регрессионного анализа пожарных рисков для объектов надзора в регионах РФ согласуются с результатами работ [2, 3, 9], выполненных на основе модели рационального правонарушителя, о существовании экономической детерминации пожарных рисков.

Из таблицы следует, что для вероятности возникновения пожаров на объектах надзора pit существует значимая (z = -2,29) отрицательная зависимость от коэффици-

ента Джини J с высоким уровнем доверия (<1 %); значимая (z=1,30) положительная

зависимость от Glt — процента городского населения в регионе; значимая ( z=1,71) по-

ложительная зависимость от tlt — среднего времени по региону (в минутах) прибытия на пожар первых пожарных подразделений.

Из результатов таблицы также следует, что для Rgnit — среднего по региону риска гибели человека от пожаров на объектах надзора за год — имеет место значимая отрицательная зависимость ( z = -1,82) от среднего штрафа Slt за нарушение требований пожарной безопасности на объектах надзора; значимая отрицательная зависимость ( z = -2,29) от D — среднего денежного дохода населения в регионе с высоким уровнем доверия (<5 %); значимая ( z=1,42) положительная зависимость от коэффициента Джини Jit; значимая ( z=1,69) положительная зависимость от T it — средней температуры января в градусах Цельсия в регионе.

Заключение

Результаты анализа динамической модели панельных данных по регионам России с 2006 по 2012 год, включающих пожарную статистику по объектам надзора и статистику набора региональных социально-экономических показателей, а также показателей времени оперативного реагирования ГПС МЧС на пожары, позволяют представить количественные зависимости вероятности возникновения пожаров за год на объектах надзора в регионах РФ и среднего по региону риска гибели человека от пожаров на объектах надзора за год как линейные функции от значений этих показателей за предшествующий год, набора региональных социально-экономических и климатических показателей, а также показателей времени оперативного реагирования ГПС МЧС на пожары. Полученные результаты корректно согласуются с результатами применения к пожарным рискам модели рационального правонарушителя. Оценка экономического эквивалента

79

Информатика, вычислительная техника и управление

человеческой жизни, по данным на объектах надзора для России, рассчитанная на основе анализа представленной динамической модели пожарных рисков, корректно согласуется с известными из литературы значениями, полученными на основе актуарных расчетов. Результаты, полученные на основе эконометрического подхода к пожарным рискам, дают информацию для прогноза пожарных рисков на объектах надзора в регионах России и управленческих решений по минимизации таких рисков.

ЛИТЕРАТУРА

1. Пожарные риски. Выпуск 1: Основные понятия: под ред. Н.Н. Брушлинского. — М.: Национальная академия наук пожарной безопасности, 2004. — 47 с.

2. Тростянский С.Н., Зенин Ю.Н., Скрыль С.В., Калач А.В. Пожары и чрезвычайные ситуации: предотвращение, ликвидация. — 2013. — № 4. — С. 28—33.

3. Тростянский С.Н., Зенин Ю.Н., Бакаева Г.А. Математическая модель и алгоритмы расчета уровня региональных пожарных рисков на объектах надзора // Системы управления и информационные технологии. — 2014. — №1.1(55). — С. 204—208.

4. Востоков В.Ю., Минаева Я.В., Чяснавичус Ю.К. К вопросу определения экономического эквивалента стоимости жизни среднестатистического человека // Вестник Санкт-Петербургского университета ГПС МЧС России. — 2011. — №1. — С.38—42.

5. Климкин В.И., Матюшин А.В., Порошин А.А., Лупанов С.А., Бобринев Е.В., Кондашов А.А., Иванова Г.Г. Анализ влияния последствий пожаров на устойчивость социально-экономического развития регионов Российской Федерации // Пожарная безопасность. — 2012. — №1. — С.74—84.

6. Андриенко Ю.В. В поисках объяснения роста преступности в России в переходный период: криминометрический подход // Экономический журнал ВШЭ. — 2001. — Т. 5. — №2. — С.194—220.

7. Arellano M., Bond S. Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations // Review of Economic Studies. —1991. — 58. — P. 277—297.

8. АИС «Электронный инспектор» [Электронный ресурс]: система гос. надзоров МЧС России / Департамент надзорной деятельности МЧС России. — Доступ из интрасети: http://10.114.24.160/stats.php.

9. Тростянский С.Н., Зенин Ю.Н. Анализ изменения вероятности возникновения пожаров на хозяйственных объектах при изменении экономических факторов // Вестник Воронежского института ГПС МЧС России. —2014. — №3(12). — С. 56—64.

10. Акимов В.А., Быков А.А., Щетинин Е.Ю. Введение в статистику экстремальных значений и её приложения: монография. — М.: ФГУ ВНИИ ГОЧС (ФЦ), 2009. — 524 с.

REFERENCES

1. Pozharnyie riski. Vyipusk 1: Osnovnyie ponyatiya: pod red. N.N. Brushlinskogo. — M.: Natsionalnaya akademiya nauk pozharnoy bezopasnosti, 2004. — 47 s.

2. Trostyanskiy S.N., Zenin Yu.N., Skryil S.V., Kalach A.V. Pozharyi i chrezvyichay-nyie situatsii: predotvraschenie, likvidatsiya. — 2013. — # 4. — S. 28—33.

80

Вестник Воронежского института МВД России №3 / 2015

3. Trostyanskiy S.N., Zenin Yu.N., Bakaeva G.A. Matematicheskaya model i algo-rit-myi rascheta urovnya regionalnyih pozharnyih riskov na ob'ektah nadzora // Sistemyi uprav-leniya i informatsionnyie tehnologii. — 2014. — #1.1(55). — S. 204—208.

4. Vostokov V.Yu., Minaeva Ya.V., Chyasnavichus Yu.K. K voprosu opredeleniya ekono-micheskogo ekvivalenta stoimosti zhizni srednestatisticheskogo cheloveka // Vestnik Sankt-Peterburgskogo universiteta GPS MChS Rossii. — 2011. — #1. — S.38—42.

5. Klimkin V.I., Matyushin A.V., Poroshin A.A., Lupanov S.A., Bobrinev E.V., Kon-dashov A.A., Ivanova G.G. Analiz vliyaniya posledstviy pozharov na ustoychivost sotsialno-ekonomicheskogo razvitiya regionov Rossiyskoy Federatsii // Pozharnaya bezopasnost. —

2012. — #1. — S.74—84.

6. Andrienko Yu.V. V poiskah ob'yasneniya rosta prestupnosti v Rossii v perehodnyiy period: kriminometricheskiy podhod // Ekonomicheskiy zhurnal VShE. — 2001. — T. 5. — #2. — S.194—220.

7. Arellano M., Bond S. Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations // Review of Economic Studies. —1991. — 58. — P. 277—297.

8. AIS «Elektronnyiy inspektor» [Elektronnyiy resurs]: sistema gos. nadzorov MChS Rossii / Departament nadzornoy deyatelnosti MChS Rossii. — Dostup iz intraseti: http://10.114.24.160/stats.php.

9. Trostyanskiy S.N., Zenin Yu.N. Analiz izmeneniya veroyatnosti vozniknoveniya pozharov na hozyaystvennyih ob'ektah pri izmenenii ekonomicheskih faktorov // Vestnik Vo-ronezhskogo instituta GPS MChS Rossii. —2014. — #3(12). — S. 56—64.

10. Akimov V.A., Byikov A.A., Schetinin E.Yu. Vvedenie v statistiku ekstremalnyih znacheniy i eyo prilozheniya: monografiya. — M.: FGU VNII GOChS (FTs), 2009. — 524 s.

СВЕДЕНИЯ ОБ АВТОРАХ

Тростянский Сергей Николаевич. Профессор кафедры физики. Доктор технических наук, доцент.

Воронежский институт ГПС МЧС России.

E-mail: [email protected]

Россия, 394052, г. Воронеж, ул. Краснознамённая, 231. Тел.(473) 236-33-05.

Зенин Юрий Николаевич.

Россия, 394052, г. Воронеж, ул. Краснознамённая, 231. Тел.(473) 236-33-05.

Trostyanskij Sergey Nikolaevich. Professor of the Physics chair, Doctor of Technical Sciences, Assistant Professor.

Voronezh Institute of the State Fire Service EMERCOM of Russia.

E-mail: [email protected]

Work address: Russia, 395052, Voronezh, Krasnoznamyonnaya Str., 231. Tel. (473)236-33-05.

Zenin Yury Nikolaevich.

Work address: Russia, 395052, Voronezh, Krasnoznamyonnaya Str., 231. Tel. (473)236-33-05.

Ключевые слова: панельные данные; динамическая модель; интегральные пожарные риски; социально-экономические факторы; регионы России.

Key words: panel data; dynamic model; integrated fire risks; social-economic factors; regions of

Russia.

УДК 614.841

81