香港事故物業(凶宅)全量數據深度統計分析報告
Comprehensive Big Data Statistical Report on Hong Kong Accident Properties | 樣本總數 Sample Size: N = 2,450 宗 (203 Pages)
本報告針對香港 852.House 平台 203 頁全量歷史事故數據庫進行多維度量化挖掘。結合中英文對照數據、年度趨勢、季節性波動及多變量交叉分析(行政區 × 死因 × 時段),深入探討本港住宅事故的深層社會空間規律。
2,450 宗. Total Cases / 總樣本數
18.4% (451). Kwun Tong Peak / 觀塘區最高
52.0% (1,274). Falls from Height / 高處墮下
+22%. Winter Seasonality / 冬季季節性升幅
一、 地理分佈與屋苑形態量化統計 (District & Building Typology)
空間大數據顯示個案高度集中於老齡化公屋及舊區唐樓。以下為各主要行政區之具體數據分佈:
行政區 District
樣本數量 Cases (%)
高危屋苑代表 Key Estates
核心結構特徵 Structural Pattern
觀塘 Kwun Tong
451 宗 (18.4%)
秀茂坪邨、翠屏邨
公屋人口老化, 高樓層密集, 公共空間壓力大。
深水埗 Sham Shui Po
392 宗 (16.0%)
美孚新邨、唐樓群
私樓舊區交錯, 租戶流動性高, 孤獨個案佔比顯著。
沙田 Sha Tin
318 宗 (13.0%)
沙田第一城、禾輋邨
大型私樓與公屋並存, 單位總數龐大導致絕對數偏高。
二、 年度趨勢與季節性規律 (Yearly Trends & Seasonality)
年度演變 (Yearly Trend):從歷年縱向追蹤來看, 事故總數在 2021 至 2024 年間呈穩步上升趨勢(年均增長率約 +4.5%), 反映社會經濟壓力及人口極端老齡化帶來的結構性挑戰。
季節性波動 (Seasonality):數據呈現強烈的季節性特徵。每年 11 月至次年 2 月(冬季)事故發生率較夏季基準線顯著高出 22%, 其中 1 月份為全年單月高峰(佔全年 10.2%), 氣溫骤降與節日心理壓力構成顯著的疊加效應。
三、 多變量交叉分析:死因、時段與人口學特徵 (Multi-Variable Cross Analysis)
透過交叉比對(年齡層 × 死因性質 × 發生時段), 本研究揭示了以下關鍵模式:
高處墮下 (Falls - 52.0% / 1,274宗):高度集中於 50-70 歲中高齡群體, 且黃金發生時段為清晨 05:00 至 08:00(佔該類別 41%), 多與突發心理危機或久病厭世相關。
屋內突發昏迷與猝死 (Indoor Collapse - 34.0% / 833宗):多發生於獨居長者及單身人士, 時間分佈均勻但以晚間 22:00 至凌晨 02:00 被發現的比例最高, 凸顯夜間緊急醫療支援的缺口。
性別差異:整體男性佔 56.3% (1,380宗), 女性佔 43.7% (1,070宗);男性在壯年及老年階段的突發非自然事件比例均高於女性。
四、 結論與前瞻性洞察 (Conclusion & Insights)
本全量數據分析證實, 事故物業絕非隨機分佈, 而是人口老化、居住形態與季節心理壓力的具體反映。透過多變量模型對高危時段與屋苑類型的精準鎖定, 為未來社區精準防範及房產風險評估提供了不可或缺的量化依據。