大學生肥胖檢出率的空間分布特征及其影響因素

辛譚思祺　于紅妍

摘 要：采用整群抽樣法抽取2015-2018年大一新生18 319名，分析大學生肥胖檢出率的空間分布特征及影響空間分布的因素.研究發現：大學生肥胖檢出率的高值區為河北省、吉林省和黑龍江省;熱點區包含7個省份，集中在東北部;冷點區包含4個省份，集中在南部.氣溫是影響空間分布特征的重要因素，對處于肥胖檢出率高值區和熱點區的省份進行干預時，應重點考慮氣溫的影響.

關鍵詞：GIS;大學生;肥胖檢出率;空間分布

[中圖分類號]G80-05?? [文獻標志碼]A

Spatial Distribution Characteristics and Influencing Factors ofObesity Detection Rate Based on GIS AmongChinese College Students

XIN Tansiqi，YU Hongyan*

（Shanghai Jiao Tong University，Shanghai 200240，China）

Abstract：The cluster sampling method was used to select 18，319 freshmen from 2015 to 2018，and the spatial distribution characteristics of the obesity detection rate of college students and the factors affecting the spatial distribution were analyzed.The study found that： Hebei Province，Jilin Province and Heilongjiang Province have the highest obesity detection rates among college students;the hot spot area includes 7 provinces，concentrated in the northeast;the cold spot area includes 4 provinces，concentrated in the south.Temperature is an important factor that affects this spatial distribution.When intervening in provinces with high obesity detection rates and hot spots，the impact of temperature should be considered.

Key words：GIS;college students;obesity detection rate;spatial distribution

肥胖是一種常見的、明顯的、復雜的代謝失調癥[1]，是危害人類健康的主要因素之一.高校大學生作為國家建設的主力軍，正處于特殊的身體發育階段，他們的身體健康狀況不僅影響自身的學習和生活質量[2]，更關乎國家未來的發展，因此應當較為全面地認識大學生的體質現狀.本研究借助地理信息系統（Geographic Information System，GIS）技術對大學生肥胖檢出率的空間分布進行研究，以期為大學生開展肥胖干預提供實證參考.

1 研究方法

1.1 數據來源

空間數據來源 以我國省域1∶40 000 000電子地圖（shp格式）作為底圖進行空間分布分析.

體測數據來源 采用整群抽樣方法，抽取上海市大學生體質健康監測數據庫中大學一年級學生身高、體重等數據.抽樣時段為2015-2018年，刪除異常及無效數據后，樣本量為18 319人，覆蓋我國大陸31個省市（自治區）.由于缺少香港、臺灣和澳門的相關數據，所以不在本研究范圍內.大學一年級學生體質測試在剛入學時進行，還未受到學校所在地環境的影響，能夠代表其生源地的情況，由此來確定學生肥胖檢出率的空間分布狀況.

屬性數據來源 通過國家統計局官網[3]查詢獲得全國各省、市、自治區的相關經濟、社會、自然環境數據.

肥胖判斷標準采用BMI作為肥胖的判斷標準.根據2014年修訂的國家學生體質健康標準[4]對BMI指數進行分類.依據學生BMI指數數值，將其劃分為4類：低體重、正常體重、超重及肥胖（表1）.每一省份的肥胖檢出率=該省的肥胖人數/該省的總樣本量.

1.2 空間統計分析方法

Jenks自然最佳斷裂聚類法 基于數據內部的內在聯系自然分組，使得組間差距最大化組內相似值最優化，分組點選在數據變量值出現相對最大變化處.

冷熱點分析（Getis-Ord G*i） 當空間數據存在全局空間關聯特征時，采用Getis-Ord G*i指數檢查局部地區是否存在統計顯著的高值集聚（熱點區）或低值集聚（冷點區）的空間分布模式.Getis-Ord G*i指數的計算公式為：

G*i（d）=∑nj=1Wij（d）Xj∑nj=1Xj.（1）

為了便于解釋和比較，對G*i（d）進行標準化處理：

Z（G*i）=G*i-E（G*i）Var（G*i）.（1′）

式（1′）中，E（G*i）和Var（G*i）分別是G*i的數學期望和變異數，Wij（d）是空間權重.如果Z（G*i）為正且顯著，表明位置i周圍的值相對較高（高于均值），屬高值空間集聚（又稱熱點區）;反之，如果Z（G*i）為負且顯著，則表明位置i周圍的值相對較低（低于均值），屬低值空間集聚（又稱冷點區）.

回歸分析 普通最小二乘法（Ordinary Least Square，OLS）是線性回歸模型最基本最重要的參數估計方法之一，通過構造殘差平方和函數，以模型參數估計量為變量，以函數值達到最小來確定參數估計值的取值.OLS回歸模型為：

yi=β0+∑mk=1βkxik+εi.（2）

式（2）中，yi為因變量值， xik（k=1，2，…，m）為解釋變量值，βk（k=1，2，…，m）為回歸分析系數.

地理加權回歸模型 將地理學的第一定律與局部空間統計方法結合起來，分別解析分析點，以獲得與空間位置一一對應的空間回歸系數，并使用隨空間位置變化而變化的參數估計來量化空間關系的異質性，是一種揭示觀察到的屬性值在空間上的的非平穩性和空間依賴性的有效方法.基礎地理加權回歸模型為：

yi=β0（ui，vi）+∑mk=1βk（ui，vi）xik+εi.（3）

式（3）中，yi為在位置i處的因變量值， xik（k=1，2，…，m）為位置i處的解釋變量值，（ui，vi）為回歸分析點i的坐標，β0（ui，vi）為截距項，βk（k=1，2，…，m）為回歸分析系數.

指定GWR模型，對GWR結果進行檢查，確保回歸殘差在空間中的隨機分布，如果高殘差或低殘差在空間上顯著聚集分布且具有統計學意義，則意味著指定了錯誤的GWR模型，需要更改解釋變量，再次指定GWR模型.

數理統計法 分性別組的均值±2倍標準差作為正常值的參考范圍.對身高、體重進行統計處理，將超出參考范圍的觀測予以剔除.采用描述性統計法統計2015-2018年31個省（自治區、直轄市）的學生肥胖檢出率.計算Getis-Ord G*i指數，在95%置信度水平下進行Z檢驗，判斷肥胖檢出率在空間上是否呈現聚集以及聚集的方式.通過普通最小二乘法獲得正確的OLS模型，得出回歸顯著的解釋變量，再將其與肥胖檢出率進行地理加權回歸分析，并對回歸模型進行檢查，找出影響肥胖檢出率空間分布的因素.分析通過SPSS 24.0軟件和ArcGIS 10.4軟件完成.

2 結果與分析

2.1 大學生肥胖檢出率的空間分布

計算我國31個省（自治區、直轄市）大學生肥胖檢出率，借助ArcGIS 10.4軟件，采用Jenks自然最佳斷裂點法對數據進行分組（表2）.2015-2018年大學生肥胖檢出率集中在2.72%～7.85%.學生肥胖檢出率高值地區為東北部的河北省、吉林省、黑龍江省，均超過6.30%;肥胖檢出率較高的地區在我國環渤海地區和西部地區，包括遼寧省、北京市、山東省和新疆回族自治區;肥胖檢出率低值地區主要分布在我國南部，包括四川省、云南省、廣西壯族自治區、福建省、海南省，均低于2.95%.

2.2 大學生肥胖檢出率的局域空間分布特征

計算數據局域空間關聯指數Getis-ord G*i，利用ArcGIS軟件將其空間化，用Jenks自然斷點分級法對局域G*i統計量從高到低分成4類，依次為熱點區域、次熱區域、次冷區域和冷點區域.

2015-2018年，大學生肥胖檢出率熱點區域聚集在東北地區的黑龍江省、吉林省和遼寧省，華北地區的河北省、北京市、天津市以及內蒙古自治區，共有七個熱點地區.冷點區域聚集在西南地區的重慶市，中南地區的湖南省、廣西壯族自治區和廣東省.

肥胖與所在地域的自然環境、社會經濟、飲食習慣等有較強的關聯.李紀江[5]研究得出氣溫、海拔高度、地球緯度等自然地理環境因素對北方地區人群身體形態的影響程度要大于南方地區，這可能是導致學生肥胖檢出率高的地區在北方聚集，而肥胖檢出率低的地區在南方聚集的原因之一.季成葉[6]等研究表明，對第一因子（反映總的體格水平）具有重要影響的因素，地理自然環境指標（如日照、氣溫、維度等）明顯優勢，但社會經濟指標（如生活消費開支等）的作用也不容忽視.肖憲平[7]通過斯皮爾曼（Spearman）相關分析和多元逐步回歸分析研究發現，自然環境因素中的緯度、年平均氣溫、年降水量、年日照時數對少數民族18歲男女學生的身高、體重具有高度顯著性;社會環境因素中的人均存款余額與18歲男生的體重、胸圍、身體質量指數（BMI）具有顯著性差異.戴月[8]通過多因素Logistic回歸研究得出男性、高齡、低文化程度、高收入、居住在城市、蘇北地區為成人超重肥胖的危險因素.各個因素間相互影響，可能是造成我國學生肥胖情況在空間上聚集分布的原因.

2.3 影響因素

選取2014-2017年各地區的地區生產總值、人均地區生產總值、居民消費水平、城市人口密度、人均公園綠地面積、年平均氣溫、年降水量、年日照時數和年平均相對濕度作為解釋變量，以大學生肥胖檢出率作為因變量進行回歸分析.OLS回歸結果僅得到“年平均氣溫”這一因素與肥胖檢出率呈顯著相關關系（R2=0.320，調整后R2=0.296，F=13.642，P<0.001）.

將OLS回歸篩選出的解釋變量“年平均氣溫”與大學生肥胖檢出率進行地理加權回歸分析，發現在考慮地理位置后的GWR回歸模型的解釋力更強（R2=0.626，調整后R2=0.518）.對GWR回歸結果的殘差及條件數進行檢查，確定GWR回歸模型正確.GWR回歸系數在-0.026～-0.216，均為負，說明氣溫與肥胖檢出率呈顯著負相關關系.

熱點區省份的年平均氣溫平均為-4.5 ℃，冷點區為13.0 ℃，相差17.5 ℃. 溫度每下降10 ℃，身體活動參與率就會減少1%～2%.每天的身體活動水平隨著環境溫度的降低而降低.因此，應重視低氣溫對學生身體鍛煉的影響.

3 結論

2015-2018年，大學生肥胖檢出率熱點聚集在東北部，冷點區聚集在南部.氣溫是影響這種空間分布特征的重要影響因素.建議相關部門在對肥胖檢出率高值區和熱點區的學生進行肥胖干預時，重點考慮低氣溫的影響.

參考文獻

[1]孫長新.單純性肥胖運動處方研究綜述[J].牡丹江師范學院學報：自然科學版，2012（1）：21-23.

[2]王忠波.淺析肥胖大學生運動處方的制定[J].牡丹江師范學院學報：自然科學版，2009（1）：58-59.

[3]2014年《國家學生體質健康標準》單項指標評分表[EB/OL].http：//www.csh.edu.cn/wtzx/zl/20141226/2c909e854a8490a4014a8498e6730009.html.

[4]中華人民共和國統計局.中國統計年鑒[M].北京：中國統計出版社.

[5]李紀江，蔡睿，何仲濤.我國成年人體質綜合水平與自然環境因素的關聯分析[J].體育科學，2010，30（12）：42-47.

[6]季成葉，袁捷，溫大英.中國農村青少年生長發育地區差異的環境影響因素淺析[J].體育科學，1992（1）：38-42+46+95.

[7]肖憲平，唐少敏，張天成.我國18歲少數民族學生體格與自然環境因素及社會經濟環境因素的相關性研究[J].安徽體育科技，2010，31（3）：47-51.

[8]戴月，袁寶君，甄世祺.江蘇省成人超重肥胖現狀及其影響因素分析[J].江蘇預防醫學，2013，24（4）：20-21.

編輯：吳楠

收稿日期：2020-11-01

基金項目：國家社會科學基金項目（18BTY082）

作者簡介：辛譚思祺（1996-），女，山東淄博人.碩士研究生，主要從事體質健康促進研究;于紅妍（1976-），女，黑龍江雞西人.副教授，博士，碩士研究生導師，主要從事體質健康促進研究.

通訊作者：于紅妍