大学生身高影响因素实证分析

杨 刚, 张安琪

(1.陕西理工学院 数学与计算机科学学院，陕西 汉中 723000；2.西北农林科技大学 经济管理学院，陕西 咸阳 712100)

每个人都希望拥有较高的身材，但身高问题不仅仅与美相关，WHO(World Health Organization)提出的健康标准中，有一条就是“体重得当，身体均匀，站立时头、肩、臀位协调”，所以适当的身高往往还体现着一个人的健康状况.本研究采用方差分析法对陕南3所大学(陕西理工学院、安康学院和商洛学院)大学生身高的地域特征与其他影响因素进行了研究，着重研究了除遗传因素外的其他因素对大学生身高的影响情况.

1 体质研究概述

1.1 研究背景

随着社会的快速发展,各国政府均开始关注国民健康，国际上也在寻求全球性的健康促进战略.实践和研究表明，通过提高体质来预防健康问题是有效的，于是探索青少年身心发展的规律和如何改善青少年的体质已成为国家关注的重点，而且也成了体质研究的热点.对正处在旺盛生长期的青少年来说，身高是生长发育中最有代表性的指标.

1.2 研究现状

1.2.1 国外的研究现状

国外对青少年儿童的体质研究较多，其中以美国为代表的西方国家随着经济发展出现一系列的健康和社会问题时，体质研究的内容逐渐向健康靠近，才真正与健康研究结合起来.具有较完整的定期体质监测资料的国家主要有日本、美国、英国和瑞典[1]，其中美国和日本在体质研究方面做了大量的工作，取得了巨大成就.

1.2.2 国内的研究现状

建国后，我国体质研究的规模在逐渐扩大，其中姚克方等专家于1952年对中南地区等省市自治区作了中小学生身高与体重的大规模调查.1985年，国家教育委员会、国家体育运动委员会和卫生部等部门共同领导和组织了“中国学生体质与健康研究”.1991年的体质健康监测工作，对我国学生体质健康的变化进行了动态观察[2].1995年的体质调研在大量调研经验的基础上取得了阶段性成果，并对学生体质下降的原因和增强学生体质的途径进行了研究[3].近20年来，我国儿童生长发育研究的广度和深度都有了较大的发展，并在此基础上在全国上千所学校建立了常年的体质与健康监测点，进行经常、系统和规范化的测试[4].

1.3 身高影响因素研究

身高是生长发育中最有代表性的指标.人类的身高受多种因素的影响，主要取决于遗传、地理位置和环境气温、饮食习惯与营养状况、社会经济、文化因素等，其中遗传因素是决定人类身高的主要因素，其他因素决定身高发育的现实性.国内关于身高影响因素的研究不太丰富.唐锡麟等[5]在1985年对中国28个省区乡村汉族青年身高进行了调查，平均值位次排列的前7位都是北方省区，后8位集中在西南和中南一带，这说明北方人较高、南方人较矮.另外，季成叶[6]对我国高身材青少年的地域分布特点进行了研究.

2 数据的收集

查询相关资料设计调查问卷，问卷的主要内容有大学生的性别、身高、生活地区和成长地、健康情况、体育锻炼情况、睡眠情况与饮食习惯等(因陕南大学生中少数民族极少，故调查中未考虑民族对大学生身高的影响).将制作好的调查问卷打印300份，随机对大学生进行调查，最终收回271份，收回率为90.3%.剔除9份无效问卷，得到了262份有效问卷，问卷的有效率为96.7%.本研究主要利用单、多因素方差分析方法对大学生身高的影响因素进行研究.

3 身高影响因素分析

整理数据并在SPSS中建立数据文件，然后在显著性水平α=0.05下进行方差分析.

3.1 单因素方差分析

进行单因素方差分析，因变量列表框中选择“身高”，因子选择分别选择“地区”、“锻炼情况”、“饮食习惯”等，可以得到相应的单因素方差分析结果.

3.1.1 所在地区因素对身高的影响

表1给出了不同地区大学生身高的基本描述统计量及95%的置信区间.从表1中可以看出，华北地区大学生的平均身高最高，西南地区最低，其他地区相差不大.用SPSS进行方差齐次性检验[7],可得Levene统计量为1.466，Sig.=0.201，故有P>0.05，所以认为不同地区大学生的身高满足方差齐性.

表1 地区因素水平下大学生身高的描述统计量Tab.1 Description statistics for undergraduate stature data under the factor of different regions

单因素方差分析结果见表2.由表2可见Sig.<0.05，故拒绝原假设，认为各组均值是有差异的，即认为各个地区的大学生身高有显著差异.对各地区大学生的身高均值进行两两比较可得到多重比较检验结果，可认为华北和西南地区大学生的身高存在显著差异，其他地区可认为其对大学生身高的影响不显著.绘制的各组间均值比较的折线图可见华北地区的人身高较高，西南地区的人身高较低.

表2 单因素方差分析Tab.2 One-way analysis of variance

3.1.2 体育锻炼对身高的影响

对参加体育锻炼的情况(经常、一般、很少、从不)进行单因素方差分析可知,锻炼情况不同的大学生身高满足方差齐性(Sig.=0.158)，可认为锻炼情况因素对大学生身高有显著影响[8-9].经常参加体育锻炼的大学生平均身高最高，很少参加体育锻炼的大学生平均身高最低.由多重比较检验结果可知，经常参加体育锻炼的学生与一般参加的学生身高有显著差异(P<0.05)，经常参加体育锻炼的学生与很少参加的学生身高相比有显著差异，一般参加体育锻炼的学生与很少参加的学生身高有显著差异.

3.1.3 饮食习惯对身高的影响

对饮食习惯(良好、一般、较差、很差)进行单因素方差分析可知，饮食习惯良好的大学生平均身高较高，饮食习惯较差的大学生平均身高较低，饮食习惯不同的大学生身高满足方差齐性(Sig.=0.148)，从单因素方差分析结果认为饮食习惯对大学生身高没有显著影响(Sig.=0.082).

3.1.4 性别因素对身高的影响

对性别进行单因素方差分析可知，男性大学生平均身高较高(平均身高为174.13 cm) ，女大学生平均身高较低(平均身高为162.21 cm)，性别不同的大学生身高满足方差齐性(Sig.=0.883)，所以性别对大学生身高有显著影响(Sig.=0.000).

3.1.5 成长地对身高的影响

对成长地(城市或农村)进行单因素方差分析可知，农村和城市的大学生身高满足方差齐性(Sig.=0.062)，故成长地对大学生身高没有显著影响(Sig.=0.315).

3.1.6 健康情况对身高的影响

对大学生健康情况(良好、一般、较差、很差)进行方差分析可知，健康情况不同的大学生身高满足方差齐性(Sig.=0.487)，故健康情况对大学生身高没有显著影响(Sig.=0.168).

3.1.7 睡眠习惯对身高的影响

对大学生睡眠习惯进行单因素方差分析，可知，睡眠习惯不同的大学生身高满足方差齐性(Sig.=0.557)，故睡眠习惯对大学生身高没有显著影响(Sig.=0.107).

3.1.8 日均睡眠时间对身高的影响

对大学生每天均睡眠时间(小于6 h，6～8 h和超过8 h)进行单因素方差分析，可知，日均睡眠时间不同的大学生身高满足方差齐性(Sig.=0.090)，所以日均睡眠时间对大学生身高有显著影响(Sig.=0.023)，日均睡眠时间长的学生有较高的身高.由单因素方差分析可见，所在地区、体育锻炼情况、性别和日均睡眠时间等因素对大学生身高有显著影响，其中性别和体育锻炼情况这两个因素对大学生身高有高度显著影响.

3.2 多因素方差分析

把对大学生身高有显著影响的几个因素及其交互效应引入多因素方差分析模型进行研究，见表3.

3.2.1 体育锻炼和性别两个因素的单变量方差分析

表3 考虑交互效应的双因素方差分析Tab.3 Two-way analysis of variance with interaction

注：R2=0.559(校正的R2=0.547)，因变量为身高.

在SPSS中执行单因变量多因素方差分析，固定因素变量选择 “体育锻炼情况”和“性别”，再考虑交互效应进行的多因素方差分析.用SPSS得出方差齐次性检验结果，其中Sig.=0.250.在α=0.05的显著性水平下,不能拒绝方差在不同因素水平下满足齐性的原假设.由表3可见，“锻炼情况*性别”的交互效应不显著(Sig.=0.456).对模型进行优化，把交互效应从模型中去掉后进行多因素方差分析，发现修正的可决系数为0.548,两者差别不大.

3.2.2 体育锻炼、性别和所在地区3个因素单变量方差分析

固定因素变量选择 “体育锻炼情况”、“性别”和“所在地区”，再考虑交互效应进行的单因变量多因素方差分析.用SPSS得出方差齐次性检验结果，其中Sig.=0.091.在α=0.05的显著性水平下,不能拒绝方差在不同因素水平下满足齐性的原假设，见表4.比较表3和表4可知，多引入一个因素“所在地区”后，“锻炼情况”对身高的影响就不显著了(Sig.=0.537)，所有的交互效应都不显著(Sig.>0.05)，而且模型的修正可决系数为0.548，它和表3中对应的修正可决系数近似相等，可见多引入的因素并没有明显提高模型的解释能力.

表4 考虑交互效应的三因素单变量方差分析Tab.4 Three-way analysis of variance with interaction

注：R2=0.597(校正的R2=0.547)，因变量为身高.

3.2.3 其他的多因素方差分析

在3.2.1方差分析模型中引入因素“日均睡眠时间”后进行多因素方差分析，发现Levene方差齐次性检验结果中Sig.=0.000，方差在不同因素水平下不满足齐性假设，故不满足方差分析的基本假定.在3.2.1方差分析模型中引入因素“日均睡眠时间”和“所在地区”后进行多因素方差分析，发现Levene方差齐次性检验结果中Sig.=0.000，方差在不同因素水平下不满足齐性假设，故不满足方差分析的基本假定.综合上面的分析可知，对大学生身高影响因素的多因素方差分析模型中选择因素“体育锻炼情况”和“性别”比较合理.本模型的校正模型对应的F统计量为45.835，P值为0.000，可决系数为0.559，说明模型整体对观测变量有一定的解释能力.但修正的可决系数为0.547，表示模型的拟合程度不理想，这说明还有其他重要因素没有引入模型.从遗传角度看，这个重要因素应该是父母身高.但本课题主要研究除遗传因素外的其他因素对大学生身高的影响，故在此不再引入协变量(父母身高)进行多因素方差分析.

4 结论

通过对陕南大学生身高影响因素的数据分析可以得到下列结论：

(1)所在地区对大学生身高有显著影响，陕南大学生中男女大学生身高发展的总体分布呈现明显的“北高南低”的发展趋势.

(2)大学生身高发展水平与参加体育锻炼情况、饮食习惯、性别、成长地、健康情况、睡眠习惯、日均睡眠时间等多种因素有一定关系.其中，参加体育锻炼对大学生的身高有高度显著影响，经常参加体育锻炼的学生比很少参加的学生高；性别对大学生的身高有高度显著影响，男同学的平均身高比女同学高；日均睡眠时间对大学生的身高有显著影响，睡眠充足(大于8 h)的学生身高比其他学生要高.

(3)多因素方差分析模型中的固定因素变量选择“体育锻炼情况”和“性别”比较合理，此时模型的修正可决系数为0.547.

(4)经济发展程度、生活方式和生活质量的改善、教育程度的提高，也直接影响身高的生长发育水平.

参考文献：

[1] 居乔.大学生身高体重指数与体质健康指标的相关性研究[D].武汉：华中科技大学,2009:2-4.

[2] 中国学生体质与健康研究组.1991 年中国学生体质与健康监测报告[M].北京：北京科学技术出版社,1991：8-9.

[3] 凌明德.中国大学生身体素质经济地理区域分布的比较研究[J].体育高教研究,1995(1)：56-59.

[4] 中国学生体质与健康研究组.2000 年中国学生体质与健康调研报告[M].北京：高等教育出版社，2002：49-54.

[5] 唐锡麟,王志强,王冬妹.中国汉族青年身高水平的地域分布[J].人类学学报,1994,13(2)：143-148.

[6] 季成叶.中国高身材青少年的地域分布特点[J].体育科学，2000,20(1)：89-92.

[7] 朱建平.SPSS在统计分析中的应用[M].北京：清华大学出版社,2007:57-71.

[8] 杨伟星,郑志聪,王灿雄.独立学院大学生素质发展态势研究——以金山学院为例[J].福建农林大学学报：哲学社会科学版，2011,14(3)：103-107.

[9] 司绪岚.我国儿童少年生长发育的现状及影响因素[J].牡丹江教育学院学报,2008(2)：114-115.