国民健康水平的多维测度与时空差异特征——以中国31个省级行政单元为例

杨振，丁启燕，周晴雨

（华中师范大学a，城市与环境科学学院；b，可持续发展研究中心，武汉 430079）

一、引言

健康是人的基本权利和永恒追求，在不同时代，人们对健康内涵的理解存在一定差异。传统观念认为“没有疾病就是健康”，1947年世界卫生组织（World health organization，WHO）提出三维健康观，主张“健康是一种躯体、心理和社会康宁的完满状态，不仅仅是没有疾病和虚弱”。1989年，WHO将健康内涵进一步扩展为“生理、心理、社会适应和道德品质的良好状态”，并于1990年将道德品质修改为道德完善（刘晓霞等，2012）[1]。在学界，部分研究者根据研究目的还提出其他一些表征健康的概念，如Dale B.Hahn等（2011）认为健康应该包括生理、情绪、社会、智力、精神、职业、环境等7个维度[2]。随着理论研究的深入和实践需求，政府和学界的关注视野逐步从传统的健康观向多维健康观延伸，对区域人口健康水平的多维化测度日益引起广泛的兴趣（齐兰兰等，2013）[3]。由于资料和方法上的限制，当前研究中通常使用一个或几个指标描述健康的一些主要方面，例如WHO通常将经残疾率校正的预期寿命和儿童死亡率作为评测一个国家或地区总体健康水平的指标，联合国则采用预期寿命、婴儿死亡率、儿童死亡率3个综合指标。另外，社会总营养水平、成年人身高、肥胖者比重、孕产妇死亡率、围产儿死亡率等指标也经常见诸报道。总体上看，当前研究对健康的关注仍然集中于身体健康方面，较少涉及心理、社会适应等维度。虽然关于人群健康综合测度的成果不多，但可供借鉴的多指标综合方法，如加权求和法、向量和法、因子分析法、多边形法、多面体法等已在相关领域研究中得到广泛应用。

人口健康受到区域地理环境的强烈影响，是人地关系地域系统运行状态的“显示器”之一。由于不同国家和地区的自然、人文条件存在较大差异，人口健康状况也不尽相同。作为社会经济不平等的表现形式之一，健康的地区差异问题已引起学界广泛关注（杨振等，2017）[4]。部分地理学者综合使用标准差、泰尔指数、变异系数、聚类分析或空间自相关等方法，对不同空间尺度的健康差异特征进行了量化分析，并从光、热、水、土、气等自然环境出发，沿循人地关系分析视角较好地揭示了地方病、癌症村、长寿区等现象的成因（杨林生等，2010）[5]。医学工作者专注探索身体疾病的发病机理、药物治疗、医疗保健等问题，主张个体基因差异、遗传禀赋、医疗资源可及性等条件的不同是影响健康水平的基本原因（林相森等，2009）[6]。经济学者认为，医学因素不是解释健康差异的唯一变量，居民收入、产业结构、消费模式、工业化水平等因素也是不可忽视的影响变量，并从成本-效用视角提出健康生产函数概念（陈心广等，2014）[7]。与健康的多维化趋势相适应，2005年WHO成立了“健康社会决定因素委员会”，倡导从政治、文化、经济、制度等综合视角探求影响健康差异的相关因素与作用机制。该分析框架囊括了影响健康的大部分核心变量，是当前分析健康差异问题的理论框架之一（蒋萍等，2008）[8]。虽然学者们对不同因素的关注水平存在差异，但健康受到多因素的综合影响仍然获得共识，且通常使用数理统计技术开展相关的量化分析（张琼等，2012）[9]。

由于影响健康的自然、人文环境的不同，我国各地区国民健康水平存在较大差异。政府对如何缩小地区差距、改善健康公平做了大量工作，颁布了包括“健康中国2030规划”在内的一大批政策、法规。当前国内关于国民健康水平的测度研究仍以单要素、单指标为主，与现代健康观的多维化趋势不相适应（李日邦等，2004）[10]。在建设“健康中国”背景下，本研究借鉴国内外相关领域基于多要素、多指标综合集成测度方法的学术思想，从生理健康、心理健康、社会适应、道德完善等方面建立区域国民健康多维测度模型，利用空间自相关、Kernel密度函数、基尼系数分解等方法对我国2000～2015年各地区多维健康水平差异进行实证分析。同时，引入灰关联分析法考察多维健康的影响因素，为丰富健康地理学的相关理论与方法提供参考依据。

二、指标、数据与方法

（一）指标与数据

根据WHO提出的多维健康观，从生理、心理、社会适应和道德完善4个方面构建我国国民健康多维测度指标体系，并根据科学性、数据易得性等原则选择相关测度指标，结果见表1。其中，选择地区粗死亡率、孕产妇死亡率和围产儿死亡率3个指标衡量人群生理健康水平。精神科急诊率是指某地区每10万人中在医疗机构精神急诊科就诊的患精神性疾病的人数，在一定程度上代表该地区人口心理健康状况（梁宏，2014）[11]。社会适应良好意味着人们在生活中能够较好地扮演好自己的社会角色，而对其他人不造成伤害（李玫瑾，2013）[12]。家庭是社会的“细胞”，夫妻之间的关系在一定程度上映射了整个社会人群彼此之间的适应状况，因此这里选择登记离婚率指标反向表示地区人群的社会适应状况。道德完善通常指健康者不以损害他人的利益来满足自己的需要，具有辨别真伪、善恶、美丑、荣辱等是非观念，能够按照社会行为规范、准则约束自己及支配自己的思想和行为（于晓薇等，2010）[13]，因此选择刑事犯罪率作为地区人群道德完善程度的衡量指标。国民多维健康水平测度的指标名称、计算方法与方向属性，见表1。计算中使用的基础数据均来自中国卫生与计划生育统计年鉴（2000～2016年）、中国民政统计年鉴（2000～2016年）、中国检察统计年鉴（2000～2016年）等。

表1 国民多维健康水平测度指标体系

（二）研究方法

1.国民健康水平的多面体测度法。借鉴徐勇等学者的做法（徐勇等，2016）[14]，采用多面体体积法测算我国各地区国民多维健康水平。首先，根据表1所示的4个维度、6个指标，选择一个正八面体做参照，利用该八面体横截面的中心点与各顶点连接形成的线段代表各指标（图1）。由于社会适应和道德完善状况归根结底取决于生理和心理素质状况，作为身心统一的人，生理和心理是紧密依存的两个方面，因此将这两个维度的4个指标作为八面体横截面各边。在图1中，O为原点，OA、OB、OC、OD分别代表区域人口粗死亡率、孕产妇死亡率、围产儿死亡率、精神科急诊率等4个指标，各指标夹角为90°；OE、OF垂直于正方形ABCD，分别代表登记离婚率、刑事犯罪率2个指标方向。然后，以各维度指标的标准化值为基础构成一个新的八面体，内嵌于上述正八面体之内（图1）。对这个内嵌八面体的体积进行计算，并将其结果定义为国民多维健康指数（Multi-dimensional heath index，MHI）。在式（1）中，lOa、lOb、lOc、lOd分别代表区域人口粗死亡率、孕产妇死亡率、围产儿死亡率、精神科急诊率数据的标准化值，lOe、lOf分别为登记离婚率、刑事犯罪率指标的标准化值。根据lOa、lOb、lOc、lOd的不同排列方式，MHI会有多种不同的计算结果，对不同结果取平均后得到最终的MHI。显然，国民多维健康指数是一个相对指标，某地区在某年份的得分较高，说明该地区相对于其他地区和年份而言的健康综合水平相对较高；反之，则反。

图1 国民多维健康水平测度多面体

在计算MHI之前，为消除各维度指标因量纲、量级不同造成的偏差，采用能够区分指标正、负性的方法预先对各指标数据进行极差标准化处理。由于要对2000～2015年进行总体纵向对比，为统一标准，这里对传统的极差标准化方法进行改进。在式（2）中，Zij为某年份地区i指标j的数据标准化值，Xij为该年份地区i指标j的数据原始值，i=1，2…31代表31个大陆省级单元（不含港、澳、台地区），j=1，2…6代表上述6项指标。min{Xij，t0-t15}、max{Xij，t0-t15}分别表示所有年份中各地区指标j的最小、最大值，t0-t15表示2000～2015年。

2.国民健康水平差异的核密度估计。作为一类重要的非参数方法，Kernel密度函数利用连续的密度曲线描述变量的分布位置、形态和延展性等信息，以反映变量的地区差异特征（孙才志等，2015）[15]。该方法认为地理事件可以发生在空间的任何位置上，但在不同位置出现的概率不同。事件发生概率高的区域点密集，概率低的区域点稀疏。将区域多维健康指数视作随机变量，其密度函数为f（x），那么该函数在点x的概率密度可以用式（3）进行估计。其中，N为观测值的个数，h表示带宽，K（$）是核函数，是一种加权函数或平滑转换函数，Xi是独立同分布的观测值，x为均值。根据Kernel密度函数的表达式不同，核函数可分为高斯核、三角核、四角核、Epanechnikov核等类型，本研究选择常用的高斯核函数，其表达式见式（4）。

3.国民健康水平差异的基尼系数分解法。

1997年，Dagum提出基尼系数按子群分解法，能够较好地克服其他常用分解方法的不足，从组内差异、组间净差异和组间逆差异3个方面考察国民健康水平地区差异的空间结构特征（刘华军等，2012）[16]。首先，将全国各省份划分为东、中、西3大地带，然后根据式（5）计算全国多维健康指数差异的基尼系数，代表全国总体差异水平。式（5）中，yji（yhr）是j（h）地带内任一省份的多维健康指数，μ是全国各省的平均值，n=31代表省份个数，k=3代表地带个数，nj（nh）是j（h）地带内的省份个数。

全国多维健康指数差异的基尼系数G分解为以下3个部分：地带内差异的贡献Gw，地带间净值差异的贡献Gnb与超变密度（intensity of trans variation）的贡献Gt，满足G=Gw+Gnb+Gt。公式（6）、（7）分别表示j地带内基尼系数Gjj与地带内差异的贡献Gw；公式（8）、（9）分别表示j、h地带间的基尼系数Gjh与地带间净值差异的贡献Gnb；公式（10）表示超变密度的贡献Gt，该项是划分地带时由于交叉项的存在而对总体差异产生的影响。

其中，Pj=nj/n，Sj=njYˉj/nYˉ，j=1，2…，k，Djh为j、h地带间相对健康指数影响，其定义见式（11），其中djh、pjh的计算方法分别为式（12）、（13）。其中，Fj（Fh）分别为j（h）地带的累积密度分布函数。将djh定义为地带间健康指数差值，可以理解为是j、h地带中所有yji-yhr＞0的样本值加总的数学期望；pjh定义为超变一阶矩阵，可以理解为j、h地带中所有yhr-yji＞0的样本值加总的数学期望。

三、结果与分析

（一）国民健康水平的地区差异变化

根据式（1）、（2）计算2000～2015年各地区多维健康指数MHI，结果见表2。可以发现，不同年份、地区之间的MHI得分存在较大差异。其中，2000年MHI最大值出现在广东，为1.3272，最小值出现在西藏，为0.1135，二者相差1.2137。2005、2010、2015年3个代表年份的最小值分别出现在西藏（0.2961）、重庆（0.5874）和重庆（0.3423），最大值均出现在广东，分别为1.6425、1.7692、1.5074。前后4个年份各地区MHI的平均值分别为0.8340、1.0054、1.0713、0.8848，呈现明显的“先增加，后降低，总体略增”的变化特征。根据国家统计局的相关标准，将全国划分为东、中、西3大地带，结果见表2。统计显示，相对于2000年，2015年各地带内省份的MHI有升有降，其中西藏、青海、甘肃、云南、陕西5个西部省份的增加幅度大小依次为1.0297、0.8118、0.6156、0.5272、0.4516，增幅位居全国前5位；黑龙江、浙江、天津、北京、吉林5个中东部省份降幅最大，从大到小依次为-0.8107、-0.5936、-0.4975、-0.4404、-0.3827。进一步的统计还发现，2000年东、中、西3大地带的MHI均值分别为1.0000、1.0217、0.5568，2015年变化为0.8420、0.8992、0.9145，16年间东、中部分别降低-0.1580、-0.1225，西部则增加0.3577。因此，从总体上看我国健康水平变化不仅在省域层面上表现为明显的位序差异特征，而且在地带层面呈现“西部增加、中东部降低”的地理差序格局。

引入全局性Moran’s I指数计算和检验各地区多维健康水平的空间集聚特征，该指数的取值范围为[-1，1]，计算方法见文献[17]。计算结果见图2，显示在考察期内MHI的Moran’s I指数均大于0，其中2000～2009年通过5%的显著性检验，2010～2015年大多数通过了10%的显著性检验，表明各地区国民健康水平在地理空间上不是随机分布的，而是受到周边邻接地区的显著影响，MHI较高或较低的地区在地理空间上均呈现出明显的集聚趋势。从空间自相关强度的变化趋势看，Moran’s I总体上呈波动下降特征，2000年为0.4202，2001年快速上升到0.5319后，经过2002～2005年的短暂波动后快速下降，2015年低至0.1369，地理集聚性有所弱化。另外，根据式（3）、（4）对2000、2005、2010、2015年4个代表年份MHI的概率密度进行估计，结果见图3，显示2000年MHI的密度函数呈明显的单峰分布，宽度较大，左右拖尾较长；2005年为典型的双峰分布且宽度相对变小；与2000年相比，2010年的峰值明显增高，向右偏移，宽度变窄，2015年则无明显峰值。因此，从总体上看，我国各地区健康水平分布的离散化趋势有所增强。

表2 2000～2015年国民多维健康指数变化

图2 国民健康水平的集聚趋势变化

图3 国民健康水平的密度分布变化

（二）国民健康水平的地区差异分解

为进一步刻画各地区多维健康水平的差异特征，根据Dagum提出的基尼系数按子群分解法对全国2000～2015年MHI的地区差异结构与来源进行测算，结果见图4、图5。可以发现，在考察期内全国MHI基尼系数的大小发生明显变化，总体呈现“先下降、后上升，总体略降”趋势。其中，2009年的基尼系数最低，为0.0779，2000、2005、2010、2015年4个代表年份的总体基尼系数分别为0.1313、0.1019、0.0904、0.1189。统计显示，在2000年全国MHI的总差异中，带内差异、带间差异与超变密度分别为0.0188、0.0540、0.0585。相对于2000年，其他年份的带内差异变化相对平稳，总体略有上升，2015年达到最大值（0.0237）；带间差异在波动中快速下降，2013、2014、2015年较低，分别为0.0040、0.0046、0.0060；超变密度总体上升，最后3年较高，分别为0.0818、0.0895、0.0892（图4）。计算3类差异对总差异的贡献水平，发现2000年的带内差异、带间差异与超变密度在总差异中所占比重分别为14.34%、41.08%、44.58%（图5），说明该年度总差异主要来源于带间差异与超变密度，带内差异贡献较小。以2000年为参照，其他年份的带内差异贡献率变化相对平稳，总体略有上升；带间差异的贡献率快速下降，考察期前3年均超过40%，最后3年则低于6%；相应地，超变密度的贡献率快速上升，由期初的40%左右提高到后期的70%左右。进一步的分析还显示，2000～2015年带内差异、带间差异与超变密度的贡献率均值分别为17.68%、22.76%、59.56%，说明总体上我国国民健康水平的地区差异主要来源于超变密度，其次为带间差异，带内差异的贡献最低。

图4 国民健康水平差异的基尼系数变化

图5 国民多维健康差异贡献结构变化

从各地带内部的差异看，2000年东、中、西地带内部各省区的健康水平差异分别为0.0404、0.0277、0.0948，2015年变化为0.0688、0.0631.0，0727，中部地带内部与东部地带内部的差异程度有所升高，西部下降。图6所示，东部诸省差异随时间增加的趋势较为平缓；中部差异的变化趋势相对波折，呈现不明显的正“U”型模式，2006年最低，为0.0212；西部诸省差异的变化幅度最大，“先降、后升”的正“U”型模式比较明显。最低值出现在2007年，为0.0436。对考察期内3类差异横向比较，发现在大部分时点上西部地带内部的差异最大，东部次之，中部最低。在所有时点上，西部差异均高于中部差异。图7刻画了3大地带之间的差异，显示东、中部地带之间的差异总体上呈现平稳上升趋势，最低值（0.0613）、最高值（0.1410）分别出现在2001、2015年；东、西部之间的差异总体上呈现“先降后增，总体降低”的正“U”型变化模式，最低值（0.1000）出现在2007年。中、西部之间的差异变化趋势大致呈现为“W”模式，3个高值点分别出现于2000年（0.2231）、2006年（0.2159）与2014年（0.1458）。对2000～2015年3类差异进行横向比较，发现在所有时点上东、中部之间的差异最小；东、西部与中、西部差异的相对大小可划分为两个阶段，在2000～2006年前者低于后者，其他年份除2011、2013年外均高于后者。

图6 国民健康水平地带内差异变化

图7 国民健康水平地带间差异变化

（三）国民健康水平差异影响因素的灰关联分析

根据健康社会决定因素分析框架（杨继生等，2013）[18]，将Grossman提出的个人健康生产函数扩展到地区人群层面，根据指标选择的科学性、代表性与数据的可得性等原则从区域健康基础（F1）、经济发展（F2）、产业结构（F3）、居民收入（F4）、居民消费（F5）、社会发展（F6）、医疗资源（F7）、生活环境（F8）等8个方面建立国民健康水平的社会决定因素集，分别使用前一时点的多维健康指数、人均GDP（元/人）、第二次产业产值比重（%）、居民人均可支配收入（元/人）、居民人均消费支出（元/人）、人口城市化水平（%）、每千人拥有的医疗卫生机构床位数（床/千人）、SO2地均排放量（t/km2）等可计算指标表示。相关基础数据均来自于中国统计年鉴（2000～2016年）。

根据当前的理论研究和实践认识水平，人们对上述8项因素与多维健康组成的所谓“经济-社会-健康”系统的认知尚存在一定模糊性，该系统的“部分信息已知，部分信息未知”，属于灰色系统范畴，对各变量关系不宜采取用确切的数理统计技术进行分析。灰关联分析是灰色系统理论的核心内容之一，能够较好地考察这一问题。其基本思想是，通过对系统序列曲线几何形状的相似性比较，来刻画系统因素间的关联程度（刘思峰等，2014）[19]。两条曲线的几何形状越接近，则认为两者的关联度越大，相互之间的影响程度也较大。这里通过计算上述因素与国民多维健康指数之间的关联度，评价各因素对其影响的相对大小。根据刘思峰等学者提出的灰色关联公理与计算公式，将各省区多维健康指数数列作为参考数列MHI（k），将8项经济社会因素分别作为比较数列Fi（k），初值化处理后利用式（14）计算二者在各地点k上的关联系数ξi（k）。式中，k=1，2，…，31表示各个省份，i=1，2，…，8表示各项经济社会因素。ρ为分辨系数，按通常做法取0.5。

由于各地点上关联系数ξi（k）的信息过于分散，不便于数列之间的整体比较，这里对各点的关联系数取算数平均。在式（15）中，R表示参考数列与比较数列之间的灰色关联度，该值越大表示相关因素对多维健康指数的影响相对越大，反之，影响越小。通常规定，当R≤0.3时为轻度关联，0.3＜R≤0.6为中度关联，R＞0.6为强度关联。

灰关联分析结果见表3，显示8项经济社会因素的R值都大于0.6，均与健康指数处于强关联状态，充分说明各因素对多维健康具有重要影响，同时也说明文章各指标因子选择较为合理。表3还显示，不同因素在同一年份的关联系数不尽相同，各因素之间的相对大小随时间变化而变化。2001年，8项社会经济因素与健康指数的关联程度从大到小的次序为：健康基础（0.9593）＞产业结构（0.9207）＞医疗资源（0.8106）＞社会发展（0.8067）＞居民收入（0.7857）＞居民消费（0，7852）＞经济发展（0.7652）＞生活环境（0.7558）。上述排序情况说明，前一年度的多维健康水平对当前各地区健康指数的变化影响最大，第二产业产值比重指标的影响程度次之，每千人拥有的病床数与人口城市化水平分列第三、四位；居民收入、消费水平、人均GDP与地均SO2指标的作用较小。2002～2015年各因素R值的大小与相对位次发生一定变化，其中健康基础R值均高于0.9，一直高居第一位。经济发展与生活环境影响作用的位次相对较低。其间，产业结构因素的位次发生了明显跃迁，关联程度从2001～2007年的第2位降低到2008～2015年的第8位，说明随着时间变化，该因素对国民多维健康的影响相对减弱。按照考察期内8项因素的R值大小与位序，辨识影响多维健康的主要、次要因素。将R值高于0.6且在前4的位次上出现频率高于60%的指标因子认定为健康影响主导因子，其他为次要因子。统计显示，健康基础、社会发展、医疗资源3个指标的R值均超过0.7且在前4位的位次上各出现了16次，对区域健康水平的影响作用相对较强，是主要的影响因子。产业结构、居民收入、居民消费、经济发展、生活环境等5项因素在前4位出现的概率均低于60%，对多维健康指数的影响相对较弱，是次要因子。

表3 国民健康水平影响因素的灰关联R值大小与位次

四、结论与讨论

健康是人的基本需求，也是人全面发展的必然要求。科学测度国民健康水平的相对高低具有重要意义，本研究尝试从生理、心理、社会适应和道德完善4个方面建立人口多维健康综合测度定量模型，并对中国国民多维健康水平的空间差异变化特征及影响因素进行考察，主要结论如下：第一，2000年以来，我国国民多维健康水平总体上呈现“先增加、后降低”的变化特征；各地区有升有降，“西部增高，中、东部降低”的地理差序格局比较明显；空间集聚性下降，分散化趋势相对增强。第二，多维健康水平的地区差异主要来源于超变密度，其次为3大地带之间的差异，带内差异的贡献度最低；在大部分年份里，西部地带的内部差异最大，东部次之，中部最低；在带间差异中，中、西部差异最大，东、西部次之，东、中部最小。第三，灰关联分析显示，国民健康水平受到社会经济因素的强烈影响，其中健康基础、城市化水平、医疗资源的可及性是主要影响因子；人均GDP、第二产业产值比重、居民收入与消费、二氧化硫排放浓度等因素的影响相对较弱，是次要因子。

值得指出的是，本研究提出的多维健康概念，为医疗卫生规划、健康中国建设等问题研究提供了一个新颖视角。多维健康指数计算中直接使用政府统计资料，所得结果比较客观。然而，在考察健康水平分布差异的影响因素时，基于数据的可得性仅选取8个经济社会典型指标进行分析，缺乏对自然要素的探讨，对部分指标的影响方向和强度亦无过多论及，这是本文下一步研究中需要克服的问题之一。✿

参考文献：

[1]刘晓霞，邹小华，王兴中.国外健康地理学研究进展[J].人文地理，2012（3）：23-27.

[2]Dale B.，Hahn，Wayne A.，Payne.Focus on Health（8th Edition）[M].Shanghai：Fudan University Press，2011，

[3]齐兰兰，周素红，闫小培等.医学地理学发展趋势及当前热点[J].地理科学进展，2013，32（8）：1276-1285.

[4]杨振，丁启燕，王宇.中国居民健康支出的时空差异与环境技术弹性[J].华中师范大学学报（自然科学版），2017，51（2）：247-252.

[5]杨林生，王五一，谭见安等.环境地理与人类健康研究成果与展望[J].地理研究，2010，29（9）：1571-1583.

[6]林相森，艾春荣.对中国医疗服务利用不平等问题的实证检验[J].中国人口科学，2009（3）：86-112.

[7]陈心广，王培刚.中国社会变迁与国民健康动态变化[J].中国人口科学，2014（2）：63-73.

[8]蒋萍，田成诗，尚红云.人口健康与中国长期经济增长关系的实证研究[J].中国人口科学，2008（5）：44-51.

[9]张琼.健康与经济增长的跨国研究[J].中国人口·资源与环境，2012，22（4）：108-117.

[10]李日邦，王五一，谭见安等.中国国民的健康指数及其区域差异[J].人文地理，2004，19（3）：64-68.

[11]梁宏.代际差异视角下的农民工精神健康状况[J].人口研究，2014，38（4）：87-100.

[12]李玫瑾，崔海英.诠释犯罪心理：精神分析理论的独特视角[J].中国人民公安大学学报（社会科学版），2013（6）：1-7.

[13]于晓薇，胡宏伟，吴振华.我国城市居民健康状况及影响因素研究[J].中国人口·资源与环境，2010，20（2）：151-156.

[14]徐勇，段健，徐小任.区域多维发展综合测度方法及应用[J].地理学报，2016，71（12）：2129-2140.

[15]孙才志，李欣.基于核密度估计的中国海洋经济发展动态演变[J].经济地理，2015，35（1）：96-103.

[16]刘华军，赵浩.中国二氧化碳排放强度的地区差异分析[J].统计研究，2012，29（6）：46-50.

[17]Anselin L.Local Indicators of Spatial Association Analysis-LISA[J].Geographical Analysis，1995，27（2）：93-115，

[18]杨继生，徐娟，吴相俊.经济增长与环境和社会健康成本[J].经济研究，2013（12）：17-29.

[19]刘思峰，杨英杰，吴利丰，灰色系统理论及其应用[M].北京：科学出版社，2014.