论文部分内容阅读
目的本研究基于中国学生体质与健康调研中视力不良数据,通过分析2000-2014年7-18岁汉族学生视力不良流行特征及空间分布,建立空间回归模型;探讨视力不良的空间聚集性及空间回归模型在筛选视力不良宏观影响因素中的应用价值,为科学制定视力健康管理策略和优化公共资源配置提供理论依据。方法收集2000年、2005年、2010年、2014年7-18岁汉族学生视力不良横断面数据,采用Excel 2019和SPSS 19.0软件进行数据的录入、整理和分析,描述视力不良的流行特征;利用Geoda软件将视力不良检出率与全国行政区矢量地图关联,绘制视力不良检出率的统计地图,显示不同行政区年均视力不良检出率的等级分布和随年份的动态变化趋势;采用Moran’s I、Local Moran’s I、莫兰散点图,根据我国行政区划地理相邻关系,探索视力不良的空间聚集性和关联模式;采用Stata 16.0软件,以大专及以上受教育人数、人均受教育年限、人均生产总值、基尼系数、城市绿地面积、PM2.5、年平均气温、年平均日照时长和城市人口密度等9个指标作为自变量,2000-2014年视力不良检出率作为因变量,构建空间回归模型,并评价比较不同模型的拟合效果。结果1.全国中小学生视力不良检出率流行特征1.1 2000-2014年全国视力不良平均检出率为52.49%,15个地区超过平均水平,位居前三位的是浙江（66.24%）、江苏（64.80%）、山东（63.49%）;15个地区未超过平均水平,位居后三位的是新疆（43.71%）、贵州（39.74%）、海南（36.98%）。1.2与2000年相比,2014年各地区视力不良检出率均呈上升趋势,而上升幅度并不平衡。上升幅度位居前三位的是天津（33.56%）、内蒙古（29.74%）和黑龙江（27.42%）;位居后三位的是安徽（14.81%）、青海（13.53%）和新疆（8.05%）,其他地区上升幅度范围为15.46%～26.87%。1.3 2000、2005、2010、2014年视力不良检出率的高发区均包含地处华东地区的山东、江苏、上海、浙江。2.全国中小学生视力不良检出率空间关联模式2.1全局空间自相关分析结果:2000年、2005年、2010年、2014年全局莫兰指数排序:I2014（0.070）＞I2000（0.064）＞I2010（0.038）＞I2005（0.018）,除了2005年,其他年份经检验均有统计学意义（P＜0.05）,呈现先下降后上升的趋势。2.2局部空间自相关分析结果:2000年存在高-高（安徽、江苏、山东、上海、浙江）和低-低（广西）两种空间关联模式;2005年存在高-高（江苏、山东、上海、浙江）和低高（四川）两种空间关联模式;2010年存在高-高（江苏、山东、上海、浙江）和低高（天津）两种空间关联模式;2014年只存在高-高（江苏、山东、上海、浙江）空间关联模式,2000-2014年高-高分布主要集中在江苏、山东、上海、浙江,经检验均有统计学意义（P＜0.05）。3.全国中小学生视力不良空间回归模型3.1空间滞后模型检验中,Wald检验（x2==14.36,P＜0.01）和LR检验（x2==35.16,P＜0.01）均有统计学意义;空间误差模型检验中,Wald检验（x2==39.42,P＜0.01）和LR检验（x2==37.33,P＜0.01）均有统计学意义;Hausman检验（x2==8.70,P＞0.1）没有统计学意义。3.2空间杜宾模型优于OLS模型(R~2SDM=0.7442＞R~2OLS=0.6530);空间杜宾模型优于空间滞后模型和空间误差模型(R~2SDM=0.7442＞R~2SLM=0.6460＞R~2SEM=0.6090,Log-LSDM=195.8871＞Log-LSLM=178.3073＞Log-LSEM=178.2202)。3.3回归结果显示,被解释变量的空间滞后项系数有统计学意义（ρ=-1.339,P＜0.01）,该系数代表空间交互项,即空间因素对视力不良的影响不容忽视。从解释变量回归系数来看,人均生产总值（β=0.083,P=0.000）、城市绿地面积（β=0.030,P=0.045）、PM2.5（β=0.051,P=0.001）、大专及以上受教育人数（β=-0.021,P=0.004）和年平均气温（β=-0.059,P=0.005）,均有统计学意义;以上是影响我国中小学生视力不良时空格局的主要因素。人均生产总值、PM2.5每增加1%,视力不良检出率分别上升0.083%、0.051%;大专及以上受教育人数和年平均气温每增加1%,视力不良检出率分别下降0.021%、0.059%。结论1.2000-2014年全国视力不良平均检出率为52.49%,山东、江苏、上海、浙江的视力不良最严重。2.与2000年相比,2014年全国各地视力不良检出率呈上升趋势,上升幅度最大和最小的地区分别天津、新疆。3.2000-2014年视力不良呈集聚性分布,空间关联模式包括高-高、低-低、低-高;其中高-高关联模式主要聚集在华东地区的江苏、山东、上海、浙江。4.空间杜宾模型拟合度优于最小二乘回归（OLS）、空间滞后模型（SLM）、空间误差模型（SEM）。5.人均生产总值、PM2.5对本地区视力不良直接效应为正,一定程度上会促进视力不良的发展;大专及以上受教育人数、年平均气温的直接效应为负;一定程度上会抑制视力不良的发展;而城市绿地面积对视力不良的作用甚微。6.宏观因素对相邻地区视力不良具有明显的空间溢出效应:人均生产总值、基尼系数对邻近地区的间接效应为负,一定程度上抑制了邻近地区视力不良的发展;而城市绿地面积对邻近地区视力不良的作用甚微。