基于空间自相关分析的中国国民体质综合指数研究

宋彦李青+王竹影

摘要：目的：运用地理空间计量分析模型对中国各区域国民体质监测的空间依赖作用和自相关关系进行研究。方法 选取2005年、2010年和2014年发布的31个省市（自治区）国民体质综合指数作为衡量指标，采用全局Moran指数和局域G统计量进行空间自相关分析。结果表明：1）中国31个省市（自治区）的国民体质综合指数的全局Moran's I指数呈“U”态势，各省市（自治区）国民体质综合指数受到周边邻接地域国民体质综合指数的影响先逐渐减少后持续增加。国民体质综合指数在全国范围内具有较好的空间结构性，存在明显的空间正相关。整体上具有国民体质综合指数高的地区相邻接的趋势。2）国民体质综合指数的局部自相关分析呈现出明显的两极分化现象，中东部地区表现为正向趋同的高聚集效应趋势，偏西部地区则呈现负向趋同的低聚集效应趋势。形成这一结论的原因可能与地区的社会环境、生态环境等因素的差异有关联。启示：从地理空间角度和时间序列的动态变化方向去研究国民体质这一社会现象，为国内体育科学研究提供了新的思路。想要进一步揭示中国国民体质综合指数的空间分布特征形成的内部动因与机理，还须结合经济、文化、社会、自然条件等多元化信息进行分析。

关键词：空间自相关；特征；中国；国民体质综合指数

中图分类号：G80-32；G804.49 文献标识码：A 文章编号：1006-2076（2016）04-0070-07

Abstract：Objective： To study the spatial dependence and autocorrelation of the national physique monitoring in various regions of China through geographical spatial econometric analysis model.Methods：The comprehensive index of national physique of 31 provinces （autonomous regions） issued in 2005， 2010 and 2014 were selected. Spatial autocorrelation was analyzed through global Morans index and local G statistics.Results：The global Morans index of the comprehensive index of national physique in the 31 provinces （autonomous regions） showed “U-shaped” trend； the influence of the national physique index in adjacent regions on that of national physique index of provinces （autonomous regions） first gradually decreased and then constantly increased. The nationwide comprehensive index of national physique had relatively good space structure and there was is space positive correction. On the whole， there was a trend that the areas with high comprehensive index of national physique were adjacent. 2） The local autocorrelation analysis of the comprehensive index of national physique presented obvious polarization phenomenon. Central and eastern regions showed the trend high aggregation effect of positive convergence， while the western regions showed low aggregation effect of negative convergence. The causes might link with the regional differences in social environment， ecological environment， etc. Conclusion： The research on the national physique from the perspective of geographical space and the dynamic change of time sequence provides a new train of thought for the researches of sports in China. To further reveal the internal motive and mechanism of the spatial distribution characteristics of comprehensive index of national physique in China， more analysis is needed through diversified information， such as economy， culture， society and natural conditions.

Key words： spatial autocorrelation； characteristic； China； comprehensive index of national physique

引言

《全民健身计划纲要》和《体育法》都指出：不仅对于国民参与体育活动和增强自身体质健康提出了明确的要求，而且还强调要实施体质测定制度，制定体质测定标准，定期公布全民体质状况[1]。国民体质监测既能满足中国社会发展需求，使国民树立正确健身观，还能帮助政府建立科学化和人性化的管控体系。国家体育总局自1998年颁布国民体质监测以来，全国范围内已顺利完成4次国民体质监测任务[2]，并分别于2001年、2006年、2011年以及2015年发布了各省国民体质监测结果。国民体质监测结果所涉及的指标丰富，所以指标经过相关处理以后即可以做同年间的横向比较分析，也可以做不同年份的纵向分析[2]。

目前，国内的研究大多是用定性描述的方法对国民体质监测结果进行分析，研究者很少结合定量化的方法，特别是难以借助现代科技手段，如地理信息技术（Geographic Information System， GIS）对各省国民体质监测数据进行分析，实现了关系检验的定量化研究，使得结果更为科学、客观。GIS是用于采集、存储、查询、分析和显示地理空间数据的计算机技术[3]。其空间分析技术包括空间自相关分析、空间叠加分析等可以使得地图这种独特的视觉化效果和地理分析功能与国民体质监测数据统计分析集成在一起[4]。两个事物存在联系是相对的、有条件的。国民体质监测绝不单单是一个孤立的社会现象，这种社会现象必然在地域间存在着极化或扩散效应，国民体质监测工作发展的区域差异性、地理空间分布特征与国民体质监测整体水平密切相关，运用GIS技术从地理空间特征的视角去研究我国国民体质相关数据，能够更全面地认识我国国民体质存在的问题。

本研究基于上述观点拟以中国大陆地区31省市（自治区）国民体质综合指数为研究对象，运用地理空间计量分析模型分析我国区域国民体质监测的空间布局与空间关联特征，为我国国民体质监测工作开展、相关法规政策制定及社会的发展提供科学合理的决策依据。

1 数据选取与研究方法

1.1 数据选取

本研究所涉及的地域范围是我国大陆地区31个省市（自治区），不包括香港、澳门和台湾。

选取2005年、2010年和2014年31个省市（自治区）国民体质综合指数作为衡量指标，通过国家体育总局官网发布的国民体质监测公报及文献资料收集即获得相关数据。随着2015年最新的国民体质公报出炉，国民体质监测工作已顺利开展四次，2005年第二次国民体质监测首次使用“国民体质综合指数”来描述国民体质总体水平。“国民体质指数”指通过国民体质监测，所取得国民总体的身体形态、身体机能和身体素质等资料，进行无量纲处理后得到的反映国民体质综合状况的指数[5]。该指数以2000年第一次国民体质监测相应指标的平均数为基期数据，固定基期同度量水平，将这个水平定位在数值100上， 即第一次国民体质综合指数为100。指数的数值将会在100上下波动，指数的数值越大表明体质水平越高，故笔者选取2005年、2010年和2014年三次国民体质监测数据进行分析。

1.2 研究方法

空间自相关分析是研究一定空间单元内，某空间单元与其周围单元空间，就某种检测与量化研究变量的空间依赖性的统计方法。反映的是事物或现象具有空间位置的依赖关系，即相关程度。如气温、湿度等的空间分布体现了与海陆距离、海拔高程的相关性。该方法通过计算各地区某要素观测值的空间相关系数、描绘空间布局散点图及对加入空间滞后变量的模型进行估计等途径来反映各要素观测值的空间依赖性和自相关关系，即发现空间中出现的异常值或集聚现象[6]。空间自相关算法种类丰富：Moran' s I、Geary' s C、Get is等。基本分为全局和局域两种。

1.2.1 全局空间自相关

全局空间自相关是关于所要研究的属性值在整个单元的空间特征描述，即通过分析可以知道空间中是否出现异常值或集聚现象[7]。全局空间自相关指标和方法主要有全局Moran' s I、全局Geary' s C和全局Getis-Ord G[7]。本研究主要采用Moran' s I的方法通过比较邻近空间位置观察值的相似程度来反映研究目标相关性。其计算公式为：

1.3 研究结果与分析

1.3.1 中国各省市国民体质综合指数情况分析

本研究选取2005年、2010年和2014年的31个省市（自治区）国民体质综合指数作为研究的区域变量，涉及地域范围是我国大陆地区31个省市（自治区），不包括香港、澳门和台湾，共计31个不规则的空间区域单元。在 Arc GIS 桌面窗口 Arc-Map 中将国民体质综合指数均分成 4个相同等级，并以不同的颜色进行标识，绘制成图。图1、图2和图3分别是2005年、2010年和2014年三次国民体质测量31个省市（自治区）的国民体质综合指数的专题图。

2005年国民体质综合指数平均数在100.75，2005年与2000相比，有18个省（区、市）的国民体质综合指数水平提升，幅度在0.17～5.27之间。2010年的国民体质综合指数为100.39，比2005年降低0.36，各省（区、市）国民体质综合指数的总体水平在93.71～106.18之间。2010年与2005年相比，全国有13个省（区、市）的国民体质综合指数有所增长，18个省（区、市）的国民体质综合指数有所降低。2014年的国民体质综合指数为100.54，比2010年上升0.15，各省（区、市）国民体质综合指数的总体水平在93.82～107.91。2014与2010年相比，全国12个省（区、市）的国民体质综合指数有所增长，1个省（区、市）持平，18个省（区、市）的国民体质综合指数有所降低。2005年、2010年和2014年近三次国民体质综合指数结果呈“U”趋势。由图1、图2和图3可知，中国各省市国民体质综合指数始终呈现“东高西低“的状态。

从表1可以看出，中国31个省市（自治区）的国民体质综合指数的全局Moran's I指数呈“U”态势，中国国民体质综合指数的空间依赖程度在2005年到2010年间呈下降趋势，各省市（自治区）国民体质综合指数受到周边邻接地域国民体质综合指数的影响逐渐减小。但在2010年到2014年间中国国民体质综合指数的空间依赖程度呈上升趋势，各省市（自治区）国民体质综合指数受到周边邻接地域国民体质综合指数的影响又逐渐增加。2005年、2010年和2014年标准化结果 Z值 均大于1.65，表明中国31省市（自治区）国民体质综合指数在全国范围内始终具有较好的空间结构性，存在明显的空间正相关，即：国民体质综合指数高的地区与国民体质综合指数低的地区分别在空间上呈现一定的集聚现象。中国整体上具有国民体质综合指数高的地区相邻接的趋势。

1.3.3 中国各省国民体质综合指数的局部自相关分析

本研究将中国大陆地区31个省市（自治区）按中国行政区域划分为华东地区、华南地区、华中地区、华北地区、西北地区、西南地区、东北地区，表2即为2005年、2010年和2014年三次国民体质测量的中国各省国民体质综合指数局域统计Gi值及标准化值Z（ Gi）。

1）2005年中国各省国民体质综合指数的局域空间特征分析

通过表2分析可知：2005年中国七大行政区呈三种空间结构形态，其中华东地区、华中地区、华北地区呈明显的空间正相关，华南地区、西南地区、东北地区表现为不存在明显相关性，西北地区呈明显的空间负相关。具体分析可以看出，华东地区各省，华中地区的湖北省、河南省和江西省以及华北地区的天津市、河北省、山西省的Z（Gi）均大于1.96，表现为较高的国民体质综合指数空间集聚区域，形成“高-高效应“。西北地区新疆维吾尔自治区、青海省和甘肃省Z（Gi）均小于-1.96表现为负向趋同性，有较低的国民体质综合指数空间集聚区域，形成“低-低效应“。其他省市（自治区）Z（Gi）在-1.96～1.96之间，因此为中间过渡地带。

2）2010年中国各省国民体质综合指数的局域空间特征分析

通过表2分析可知：2010年中国七大行政区呈三种空间结构形态，其中华东地区、华中地区呈空间正相关，华南地区、华北地区、西南地区、东北地区不存在明显相关性，西北地区呈明显的空间负相关性。具体分析可以看出，华东地区安徽省、浙江省、福建省和华中地区的湖北省、江西省的Z（Gi）均大于1.96，表现为较高的国民体质综合指数空间集聚区域，形成“高-高效应“。西北地区的甘肃省、青海省Z（Gi）均小于-1.96表现为较低的国民体质综合指数空间集聚区域，显示为负向趋同性，形成“低-低效应“。其余各省（自治区）Z（Gi）在-1.96～1.96之间，因此为中间过渡地带。

3）2014年中国各省国民体质综合指数的局域空间特征分析

通过表2分析可知：2014年中国七大行政区同样呈三种空间结构形态，华东地区、华中地区呈空间正相关，华南地区、华北地区、东北地区不存在明显相关性，西北地区、西南地区呈明显的空间负相关性。具体分析可以看出，华东地区所有省份、华中地区的湖北省和江西省的Z（Gi）均大于1.96，表现为较高的国民体质综合指数空间集聚区域，形成“高-高效应“。西北地区新疆维吾尔族自治区和青海省、西南地区西藏自治区和四川省Z（Gi）均小于-1.96表现为较低的国民体质综合指数空间集聚区域，显示为负向趋同性，形成“低-低效应“。其余各省（自治区）Z（Gi）在-1.96～1.96之间，因此为中间过渡地带。

2 结论与启示

2.1 结论

本研究选取2005年、2010年和2014年31个省市（自治区）的国民体质综合指数作为衡量指标，得出以下结论：

1）中国31个省市（自治区）的国民体质综合指数的全局Moran's I指数呈“U”态势，表明中国国民体质综合指数的空间依赖程度在2010年之前呈下降趋势，之后呈上升趋势，各省市（自治区）国民体质综合指数受到周边邻接地域国民体质综合指数的影响先逐渐减少后持续增加。国民体质综合指数在全国范围内具有较好的空间结构性，存在明显的空间正相关。整体上具有国民体质综合指数高的地区相邻接趋势。

2）局域自相关分析显示，2005年、2010年和2014年中国七大行政区总体始终呈三种空间结构形态，华东地区、华中地区始终呈空间正相关。华南地区、东北地区始终不存在明显空间相关性。华北地区在2005年显示存在空间正相关，但2010年和2014年均显示不存在空间相关性。西南地区2005年显示不存在空间相关性，但2010年和2014年均显示存在空间负相关性。西北地区始终呈明显的空间负相关。

华东地区安徽省、浙江省、福建省和华中地区湖北省、江西省始终表现为较高的国民体质综合指数空间集聚区域，形成“高-高效应“。华东地区山东省、江苏省和上海市仅在2005年和2014年形成“高-高效应“。西北地区青海省始终表现为较低的国民体质综合指数空间集聚区域，显示为负向趋同性，形成“低-低效应“，新疆维吾尔自治区在2005年和2014年形成“低-低效应“，甘肃省在2005年和2010年形成“低-低效应“。

通过分析可知国民体质综合指数的局部自相关分析呈现出明显的两极分化现象，中东部地区表现为正向趋同的高聚集效应趋势，偏西部地区则呈现负向趋同的低聚集效应趋势。形成这一结论的原因可能与地区间社会环境、生态环境等因素的差异有关联。中东部地区的体育经费投入强度、体育指导宣传力度、体质监测重视程度以及日常健身氛围、体育健身自然环境条件等等均优于偏西部地区。

2.2 启示

2.2.1 传统的统计学由于地理空间的独特属性，使其无法建立在样本的独立性和大样本假设基础上，随着地理信息技术应用与空间统计学相结合，使得空间统计分析广泛的应用于计量经济学、生态学、公共卫生流行病学等各个领域，空间自相关分析很好地弥补传统统计的不足[9]。近些年来，国内已有学者运用空间自相关分析的方法对体育领域中体育产业、国民体质等社会问题展开研究，从地理空间角度和时间序列的动态变化方向去研究各类与体育相关的社会现象，为国内体育科学研究提供了新的思路。

2.2.2 国民体质绝不单单是一个孤立的社会现象，这种社会现象必然在地域间存在着极化或扩散效应，运用GIS技术从地理空间特征的视角去研究我国国民体质这一社会问题是可行的。本研究正是基于上述观点运用地理空间计量分析模型对中国各区域国民体质监测的空间依赖作用和自相关关系进行研究。因为基于不同地理空间计量分析模型的空间自相关指标很多，全局空间自相关通常有Moran指数和Geary系数，都是比较邻近空间位置观察值的相似程度来测量全局空间自相关[10]。局域自相关一般包含LISA、G统计量和Moran散点图[10]。因此本研究采用全局Moran指数和局域G统计量进行空间自相关分析，局域G统计量具有能够探测出区域单元属于高值集聚还是低值集聚的空间分布模式作用[11]。

2.2.3 本研究选取2005年、2010年和2014年的31个省市（自治区）国民体质综合指数作为研究指标，通过地理空间自相关分析的方法，虽然能一定程度上反映出我国国民体质综合指数的空间分布特征，但想要进一步揭示其内部动因与形成机理，还须结合经济、文化、社会、自然条件等多元化信息进行分析，单一的指标仅仅反映出国民体质现实状况的一部分，未来的研究，应考虑多方面的研究指标，力求客观性、全面性。

参考文献：

[1]周进国，周爱光，等.中日青少年体质监测比较研究[J].体育文化导刊，2013（2）：37-40.

[2]李森，黄辉明，等.空间自相关在江苏省国民体质监测中的应用[J].体育与科学，2008，29（1）：76-79.

[3]张丽，赵林.北京奥运安保地理信息系统[J].吉林师范大学学报：自然科学版，2010（3）：82-84.

[4]皮慧娟.基于中小连锁超市的GIS物流配送系统[J].四川理工学院学报：自然科学版，2009（2）：52-54.

[5]蔡睿，江崇明，等.国民体质综合指数数学模型的建立[J].体育科学，2005（3）：30-32.

[6]陈颇.中国竞技体育发展的空间自相关特征研究[J].体育科学，2013，33（10）：71-77.

[7]何宗贵，韩世民，等.空间自相关分析的统计量探讨[J].中国血吸虫病防治杂志，2008（4）：315-318.

[8]马晓熠，裴韬.基于探索性空间数据分析方法的北京市区域经济差异[J].地理科学进展，2010（12）：1555-1561.

[9]董承玮，芮小平，等.基于空间自相关的支持向量机空间聚类研究[J].地理与地理信息科学，2014（4）：36-41.

[10]鲁凤，徐建华.中国区域经济差异的空间统计分析[J].华东师范大学学报：自然科学版，2007（2）：44-51.

[11]庞宇.基于自相关的我国农民人均纯收入的空间关联规则挖掘[J].国土资源信息化，2008（2）：33-37.