不同生源地普通高校一年级学生体质状况分析——以安徽省为例

吕贤清，陈毅清

（黄山学院 体育学院，安徽 黄山 245041）

不同生源地普通高校一年级学生体质状况分析
——以安徽省为例

吕贤清，陈毅清

（黄山学院 体育学院，安徽 黄山 245041）

采用因子分析和聚类分析对安徽省16生源地的3 200名普通高校一年级学生的体质状况进行分析，并以生源地为单位进行排名，发现学生体质水平与自然地理环境和教育（体育）水平有关，与地区经济发展水平相关性不显著；不同生源地学生的视力水平与该地区的经济发展水平呈负相关.建议将学生的体质健康内容纳入到各地市相关部门的工作考核指标中去，并以实际行动不断提高学生的体质健康水平.

因子分析；聚类分析；生源地；体质；安徽省

体质是在遗传性和获得性基础上所表现出来的形态和机能方面相对稳定的特征［1］，是人体的健康状况和对外界的适应能力.人的体质受到先天和后天双重因素的影响.先天因素是体质形成的基础，大量的研究结果表明，先天因素只对体质的发展提供可能性，而体质强弱的现实性，则依赖于后天环境，包括自然地理环境（如水土性质、气候类型）、社会经济发展水平以及教育水平等.

《黄帝内经》指出，由于东、南、西、北、中五方地域的差异，水土不同，气候不同，生活习惯不同，人们的体质也会不同；社会经济的发展为人们提供参与体育健身活动的基本条件，但当社会经济的发展达到一定水平后，每单位社会经济整体水平的提高对体质各构成部分产生的影响力将越来越小［1］，也就是说，社会经济的发展并不意味着人们的体质就会增强；而近年来频频爆出的高校学生运动场猝死事件以及大学生体质持续下滑这一不争的事实已向各级教育工作者敲响了警钟，必须重视学生的健康教育以及身体状况的变化.

安徽无论是社会经济发展水平、自然地理环境还是教育水平，都是一个地域差异非常明显的省份.对不同生源地高校学生体质状况进行研究，并以生源地为单位进行排名、公布，可以让各地政府更加重视提升学校体育水平和质量，促进学校体育教育，最终促进学生体质健康水平的不断提高.

1 研究对象与研究方法

1.1 研究对象

本文随机抽取来自安徽农业大学、淮北师范大学、蚌埠医学院、黄山学院4所院校身体健康无重大疾病且生源地为安徽省的3 200名2013级大一男生作为调查对象，其中16个生源地各200名.所测项目为2013年《国家学生体质健康标准》规定的身高、体重、视力、肺活量、50 m、立定跳远、坐位体前屈、1 000 m、引体向上.所有项目均在2013年9月-11月测试完毕.

1.2 研究方法

本文所用的因子分析法和聚类分析法均用统计软件SPSS Statistics 19.0完成.

1.2.1 因子分析法

因子分析法体现的是一种降维的思想，其基本原理是用少数几个潜在因子的线性组合来表示实际存在的多个指标.因子分析的主要步骤如下：

（1）将样本数据进行标准化处理.这里采用数据的Z标准化处理，可以消除样本数据量纲不同所带来的影响，使分析结果更可靠.

（2）进行KMO检验和巴特莱特球度检验.KMO检验统计量是用于衡量一组变量的相关程度，其值越接近1，则越适合作因子分析.巴特莱特（Bartlett）球度检验用于检验一组数据是否适合作因子分析，原假设为变量两两之间相关系数为0（自己与自己除外），检验结果若能拒绝原假设，则适合作因子分析［2］.

（3）确定公共因子和因子载荷矩阵.（4）计算因子得分.

1.2.2 聚类分析法

聚类分析法的基本思想是：根据一批样本的多个观测指标，具体找出一些能够度量指标之间相似程度的统计量，以这些统计量作为划分类型的依据；把一些相似程度较大指标聚合为一类，把另外一些彼此之间相似程度较大指标又聚合为另一类，直到把所有的指标聚合完毕.

2 结果与分析

2.1 因子分析

2.1.1 数据标准化

为了消除9个测试项目量纲不同所带来的影响，首先将样本数据Z标准化，其中视力一栏的数据取两眼均值.（数据略）

2.1.2 KMO检验和巴特莱特球度检验

为了确定Z标准化后的数据是否适宜做因子分析，首先进行KMO检验和巴特莱特球度检验.结果见表1.从表1可以看出，KMO值等于0.631，大于0.5，且巴特莱特球度检验的P值为0.000，拒绝原假设.因此该组数据较适合做因子分析.

表1 KMO检验和巴特利特球度检验

2.1.3 主因子个数和因子载荷矩阵的确定

将经过Z标准化处理后的数据进行因子分析，用SPSS Statistics 19.0统计软件运算后，得出如表2所示的初始特征值大于1的总方差解释表.从表2可以看出，初始特征值大于1的有3个因子，且其累计方差贡献率达到84.238%，说明所提取的3个因子已包含了原来9个测试项目中84.238%的信息.因此，这3个因子基本可以代替原来9个测试项目对这3 200名学生体质进行评价.

表2 总方差解释表

表3 旋转后的因子载荷矩阵

表3给出的是对因子作方差极大正交旋转后的因子载荷矩阵.从表3可以看出，因子F1在50 m、立定跳远、1 000 m、引体向上4个项目上的载荷量分别为0.679、-0.668、0.617、-0.555，载荷较大，这些指标反映的是一个学生的速度、耐力、弹跳以及上肢力量等身体素质，因此将其命名为身体素质因子；因子F2在身高、体重、肺活量、坐位体前屈4个项目上的载荷量分别为0.737、0.741、0.590、0.606，载荷较大，这些指标主要与身体形态及机能有关，因此将其命名为形态发育因子；因子F3在视力上的载荷量分别为0.823，载荷较大，这些指标反映的是学生的用眼卫生状况，将其命名视力因子.

2.1.4 计算因子得分

因子得分估计式是标准化变量的线性组合，其系数如表4所示.根据表4，可以写出各个旋转因子的得分估计式，其中X1代表身高、X2代表体重、X3代表肺活量、X4代表50米、X5代表立定跳远、X6代表坐位体前屈、X7代表1 000 m、X8代表引体向上、X9代表视力，具体如下所示：

再以各因子的方差贡献率占累计贡献率的比值为权重进行加权求和，得到如下因子得分模型：

表4 因子得分析数矩阵

将经过Z标准化处理后的各指标数据按照生源地分别取其均值，得到如表5所示的安徽省16生源地学生体质数据均值表.将表5所示数据分别代入以上4个公式，就可以计算出各生源地学生的体质因子得分，然后按照数值大小排名，得到如表6所示的安徽省16生源地体质因子得分表.

表5 安徽省16生源地学生体质数据均值

表6 安徽省16生源地学生体质因子得分

从F（1身体素质因子）得分来看，排在前五位的分别是马鞍山、蚌埠、黄山、六安、合肥，其F1得分均大于0，说明这五个生源地的学生身体素质较好，最差的是宿州.从F（2形态发育因子）得分来看，排在前五位的分别是合肥、滁州、亳州、芜湖、阜阳，说明这五个生源地的学生在形态发育上要比其他生源地的好，最差的是黄山.从F（3视力因子）得分来看，排在前五位的是阜阳、宿州、蚌埠、合肥、亳州，说明这五个生源地学生的视力要比其他生源地的好，最差的是马鞍山.从综合体质状况来看，最好的是省会城市合肥，最差的是宣城.

体质强弱的现实性，依赖于后天环境，包括自然地理环境、社会经济发展水平以及教育水平等.为了搞清楚学生身体素质、形态发育、视力是否与经济发展水平有关联，分别做F1、F2、F3、F和人均地区生产总值（数据来源于2013安徽统计年鉴且Z标准化）两相关样本的相关性检验，检验结果如表7所示.从表7我们发现了一个有趣的现象，即F1、F2、F和人均地区生产总值相关性不显著，但F3与人均地区生产总值在0.01水平上呈显著性负相关，P值为-0.659，说明人均地区生产总值越大，即地区的社会经济发展水平越高，这个地区的学生视力水平越低.这可能与经济较发达地区的电脑、手机、游戏机普及率更高，而学生又不注意这方面的用眼规范及卫生，从而导致较低的视力水平.

表7 F1、F2、F3、F与人均地区生产总值的相关分析

2.2 聚类分析

为了更好地分析安徽16生源地学生的体质状况，这里将F因子得分（见表6）当成新的变量，将16个生源地进行分类.本文采用的是系统聚类法，其中类与类之间距离的计算方法是“最远邻元素法”，在“度量标准—区间”的选项中选择距离“平方Euclidean距离”，这样经运算后得出的树状图如图1所示.根据图1，可以将16个生源地划分为三类.

第一类是合肥、马鞍山、六安、滁州、蚌埠.从这个五个地区的地理位置（见图2）来看，恰好都处于皖中，这也印证了人的体质与自然地理环境有关这一事实.从五个地区的经济发展水平来看，2012年这五个地区的人均地区生产总值分别为55 182、56 306、16 270、24 650、27 999万元［3］，差距还是比较大的，也进一步说明了社会经济的发展并不意味着人的体质就会增强.

图1 安徽16生源地学生体质状况聚类谱系

图2 安徽行政区划

第二类是宣城、铜陵、淮南、池州、宿州.从图2可以看出，这五个地区的地理位置分布较为分散，宣城、铜陵、池州地处皖南，淮南靠近皖中，宿州地处皖北.从人均地区生产总值来看，2012年分别为29 687、84 819、33 489、29 471、17 032万元［3］，差距也是比较大的.而之所以这五个生源地的学生体质状况还能聚为一类，本文将其归结为这个5个地区的教育（体育）水平相当.

第三类是淮北、阜阳、亳州、安庆、黄山、芜湖.从图1可以清楚地看到，这一大类又鲜明的分成了两小类，淮北、阜阳、亳州为一小类，安庆、黄山、芜湖为另一小类.而淮北、阜阳、亳州均地处皖北，安庆、黄山、芜湖则地处皖南，这也从一定程度上再次印证了人的体质与自然地理环境有关这一事实.从人均地区生产总值来看，六个地区分别为29 285、12 617、14 642、25 592、31 454、52 453，万元［3］，除芜湖经济较发达外，其它五个地区的经济发展水平相当.

3 结论及建议

3.1 结论

根据上面的因子分析和聚类分析，可以得出以下结论：

（1）从学生身体素质来看，16个生源地当中，最好的是马鞍山、最差的是宿州；从学生形态发育上来看，最好的是合肥、最差的是黄山市；从视力上来看，最好的是阜阳、最差的是马鞍山；从综合体质状况来看，最好的是省会城市合肥，最差的是宣城.

（2）不同生源地学生的视力水平与该地区的经济发展水平呈负相关.

（3）学生体质水平与自然地理环境和教育（体育）水平有关，与地区经济发展水平相关性不显著.

3.2 建议

根据以上结论特作出如下建议：

（1）安徽省教育厅、体育局等相关部门应适时对不同地区学生的体质状况作统计分析，并进行比较和排名，再以生源地为单位进行公布，以督促各地市教育及体育部门加强对学生体质健康水平的重视.

（2）加强行政监督，把学生的体质健康内容纳入到各地市相关部门的工作考核指标中去，加强各教育教学单位对提高学生体质健康水平的责任感和使命感，促使他们树立正确的体育教育理念，并不断深化体育课程改革，以实际行动遏制学生体质健康水平的下降，进而保证学生体质健康水平的不断提高.

（3）在电视、电脑、手机、游戏机更加普及的经济较发达地区，学校、家庭、卫生机构及社会团体应共同努力，培养学生提高自我控制能力，有节制地看电脑、玩手机，并养成良好的用眼卫生习惯.

［1］胡利军，杨远波.社会经济发展与国民体质关系的研究［J］.体育科学，2005，25（5）：3-10.

［2］陈及治.体育统计［M］.北京：人民体育出版社，2002：215，227.

［3］安徽统计年鉴——2013.http：//www.ahtjj.gov.cn/tjj/web/tjnj_view.jsp

Analysis on Physical Fitness of College Freshmen from Different Districts——Taking Anhui Province as an example

LV Xian-qing，CHEN Yi-qing
（P.E.School of Huangshan University，245041，Huangshan，Anhui，China）

By means of factor analysis and cluster analysis，the paper analyzed the physical fitness of 3 200 college freshmen from 16 districts in Anhui province，and ranked the 16 districts according to the origins of the students.The main conclusions are that students’physical fitness level is related to the geographical envi⁃ronment，and education（PE）level，but not to the level of regional economic development，and student’s eye⁃sight is negatively correlated with level of economy in the district.It proposes that the student’s physical health should be included into the work of assessment indicators of relevant departments，so that the physical fitness of students can be improved.

factor analysis；cluster analysis；district；physical fitness；Anhui province

G 806

：A

：2095-0691（2014）03-0070-06

2014-03-25

吕贤清（1980- ），男，安徽金寨人，硕士，讲师，研究方向为学校体育学.