前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇人口統(tǒng)計(jì)學(xué)變量分析范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

人口統(tǒng)計(jì)學(xué)變量分析范文第1篇

【關(guān)鍵詞】父親；教養(yǎng)投入；幼兒

【中圖分類號】G616 【文獻(xiàn)標(biāo)識碼】A 【文章編號】1004-4604（2016）09-0045-5

在中國傳統(tǒng)文化背景下，“男主外，女主內(nèi)”通常是一般家庭的角色分工模式，因此，養(yǎng)育孩子更多地被看成是母親的事，大多數(shù)父親習(xí)慣做“甩手掌柜”。但隨著社會的變遷，越來越多的女性走出了家門，走上了工作崗位，于是，要求父親更多地參與到孩子的教養(yǎng)中來的呼聲日漸大起來。父親對孩子的成長具有獨(dú)特的影響?！?〕在某些行為特質(zhì)上，父親的影響甚至要大于母親?！?〕例如，父親能夠影響孩子的社會性發(fā)展、認(rèn)知發(fā)展和學(xué)業(yè)成就，〔3〕對孩子性別意識的形成也具有重要影響。父親參與的缺失，不僅可能會影響孩子性別意識的發(fā)展，還可能導(dǎo)致孩子交往能力的欠缺，甚至出現(xiàn)行為?！?〕因此，對于父親的教養(yǎng)投入展開研究十分必要。那么，父親的教養(yǎng)投入現(xiàn)狀如何？父親教養(yǎng)投入的影響因素有哪些？

一、研究設(shè)計(jì)

（一）研究對象

本研究采用方便取樣方法，從湖北省武漢市抽取了4所幼兒園，每所幼兒園各抽取小中大班3個(gè)班級為研究對象，共發(fā)放問卷300份，回收292份，有效問卷280份，有效問卷率為93.3%。

（二）研究方法

1.人口統(tǒng)計(jì)學(xué)變量分析

本研究對幼兒及其父親的人口統(tǒng)計(jì)學(xué)信息進(jìn)行了統(tǒng)計(jì)分析，包括幼兒的年齡、性別、是否為獨(dú)生子女，幼兒父親的年齡、受教育程度、月收入、每周工作時(shí)長、工作滿意度等。

2.父親教養(yǎng)投入問卷調(diào)查

本研究采用伍新春、劉暢等編制的《父親教養(yǎng)投入問卷》進(jìn)行問卷調(diào)查，〔5〕問卷涉及互動(dòng)性、可及性和責(zé)任性3個(gè)維度?；?dòng)性是指父親參與照顧孩子，包含生活照顧、學(xué)業(yè)支持、情感交流、規(guī)則引導(dǎo)和休閑活動(dòng)5個(gè)子維度；可及性是指父親和孩子未發(fā)生直接互動(dòng)，但當(dāng)孩子需要的時(shí)候，父親能夠做出反應(yīng)，包含空間可及和心理可及2個(gè)子維度；責(zé)任性是指父親為孩子長遠(yuǎn)發(fā)展所做的準(zhǔn)備、積累、規(guī)劃和支持等，包括榜樣示范、父職成長、信息獲得、教養(yǎng)支持和發(fā)展規(guī)劃5個(gè)子維度?！?〕問卷共56個(gè)題項(xiàng)，適用于3～18歲兒童和青少年的父親。問卷采用0～4級評分，依次表示“從不”“偶爾”“有時(shí)”“經(jīng)?！焙汀翱偸恰薄Ｑ兄普邎?bào)告，總問卷的Cronbach’s alpha系數(shù)為0.967，探索性因子分析KMO系數(shù)為0.943，表明問卷具有良好的統(tǒng)一性和內(nèi)部一致性?；?dòng)性、可及性、責(zé)任性3個(gè)維度的Cronbach’s alpha系數(shù)都在0.867以上，12個(gè)子維度的Cronbach’s alpha系數(shù)也都在0.649以上。

二、研究結(jié)果與分析

（一）幼兒父親教養(yǎng)投入的總體情況

幼兒父親教養(yǎng)投入的總體得分為2.67分，各維度的得分均大于2分，其中，可及性得分最高，互動(dòng)性得分最低。對互動(dòng)性、可及性和責(zé)任性3個(gè)維度分別作兩兩T檢驗(yàn)，結(jié)果顯示，互動(dòng)性

（二）幼兒人口統(tǒng)計(jì)學(xué)變量對父親教養(yǎng)投入的影響

統(tǒng)計(jì)分析表明，幼兒的年齡和性別對父親的教養(yǎng)投入均沒有顯著影響，獨(dú)生子女和非獨(dú)生子女父親的教養(yǎng)投入具有明顯差異（見表2）。

進(jìn)一步檢驗(yàn)幼兒性別、年齡和是否是獨(dú)生子女三因素之間的交互效應(yīng)，結(jié)果顯示，年齡、性別和是否是獨(dú)生子女的三重交互作用對父親教養(yǎng)投入的總得分有邊緣顯著效應(yīng)（F=2.218，p=0.053），在可及性（F=2.615，p=0.025）和責(zé)任性（F=2.561，p=0.028）兩個(gè)維度上存在顯著差異，互動(dòng)性差異不顯著。以可及性、責(zé)任性兩個(gè)維度為因變量，對幼兒年齡、性別和是否是獨(dú)生子女三因素的交互作用進(jìn)行簡單效應(yīng)分析，結(jié)果見表3。

（三）父親人口統(tǒng)計(jì)學(xué)變量對其教養(yǎng)投入的影響

統(tǒng)計(jì)分析表明，受教育程度、每周工作時(shí)長和工作滿意度對幼兒父親的教養(yǎng)投入有顯著影響。

1.受教育程度

學(xué)歷層次越高，父親的教養(yǎng)投入得分越高。其中，本科學(xué)歷和研究生及以上學(xué)歷的父親得分沒有顯著差異，但在互動(dòng)性（F=2.324，p=0.057）上邊緣差異顯著。進(jìn)一步分析表明，在學(xué)業(yè)支持（F=2.470，p=0.045）、休閑活動(dòng)（F=2.671，p=0.033）和心理可及（F=2.551，p=0.040）上，不同學(xué)歷層次父親的教養(yǎng)投入存在顯著差異，學(xué)歷層次越高，教養(yǎng)投入越多。

人口統(tǒng)計(jì)學(xué)變量分析范文第2篇

關(guān)鍵詞：商業(yè)銀行；績效考評；員工滿意度

一、 問題的提出

一些文獻(xiàn)對商業(yè)銀行績效考評指標(biāo)的體系設(shè)計(jì)問題進(jìn)行了討論，但這些討論的重點(diǎn)是如何對銀行的經(jīng)營績效進(jìn)行評價(jià)，可以對不同銀行按績效進(jìn)行排名，而沒有關(guān)注銀行績效評價(jià)的對象和主體即員工績效。另外一些文獻(xiàn)則以企業(yè)經(jīng)營戰(zhàn)略目標(biāo)為考核依據(jù)，以平衡計(jì)分卡（BSC）為考核工具，討論了以戰(zhàn)略目標(biāo)為導(dǎo)向、以員工績效為考核對象的商業(yè)銀行員工績效考評指標(biāo)體系的設(shè)計(jì)問題。這一類研究的基本思路大致相同：以BSC的基本框架為理論依據(jù)，明確銀行的戰(zhàn)略目標(biāo)以后，將財(cái)務(wù)層面、客戶層面、內(nèi)部流程、學(xué)習(xí)與成長等四個(gè)一級指標(biāo)進(jìn)行分解，形成二級指標(biāo)、三級指標(biāo)和權(quán)重，實(shí)際考核時(shí)對照指標(biāo)體系對部門和員工進(jìn)行打分和計(jì)算，即可得出考核對象的業(yè)績表現(xiàn)。但是，相關(guān)研究基本都屬定性研究，并沒有嚴(yán)格的計(jì)量檢驗(yàn)的證據(jù)。

沒有效率導(dǎo)向的企業(yè)經(jīng)營績效考核，就不會有效率導(dǎo)向的員工績效考核。在商業(yè)銀行競爭壓力越來越大的情況下，基于效率（Efficient）和效果（Effects）的員工績效考評已經(jīng)成為各銀行激勵(lì)員工努力工作、提升銀行競爭力的一種手段。尤其是在外資銀行不斷進(jìn)入，新的銀行經(jīng)營模式和管理理念不斷對傳統(tǒng)的中資銀行造成沖擊的情況下，一些新近成立的股份制商業(yè)銀行開始嘗試以管理會計(jì)系統(tǒng)為藍(lán)本的績效考核體系，強(qiáng)調(diào)“價(jià)值創(chuàng)造”理念，固化“成本倒逼”機(jī)制，徹底實(shí)現(xiàn)商業(yè)銀行員工績效考核的市場化轉(zhuǎn)型。管理會計(jì)系統(tǒng)是多維度的盈利核算系統(tǒng)，可以提供多維度的利潤指標(biāo)，用以支持績效管理，因此，績效管理是管理會計(jì)主要用途之一。借助于管理會計(jì)系統(tǒng)進(jìn)行業(yè)績評價(jià)，利用管理會計(jì)的利潤指標(biāo)體系構(gòu)建“價(jià)值創(chuàng)造型”的績效考核體系，能夠促使考核由規(guī)模導(dǎo)向轉(zhuǎn)為利潤導(dǎo)向，促使企業(yè)每個(gè)單元都能夠以價(jià)值創(chuàng)造為導(dǎo)向，實(shí)現(xiàn)企業(yè)利益最大化。但是，由于這一考核體系設(shè)計(jì)理念相對理性和剛性，而且指標(biāo)眾多內(nèi)容龐雜，在一些試行的商業(yè)銀行中引起不少爭議。

二、 理論與模型

制度經(jīng)濟(jì)學(xué)（Institution Economics）與機(jī)制設(shè)計(jì)理論（Mechanism Design Theory）指出，“好的（Good）”制度與機(jī)制取決于兩個(gè)最重要的因素：制度設(shè)計(jì)與制度執(zhí)行。制度設(shè)計(jì)主要解決衡量標(biāo)準(zhǔn)和衡量內(nèi)容等方面的問題，制度執(zhí)行主要解決制度運(yùn)行與監(jiān)督保證方面的問題。由于個(gè)人目標(biāo)函數(shù)差異較大，阿羅已經(jīng)證實(shí)，在所有人都是理性選擇的前提下，形成一個(gè)可以包容所有人偏好的社會目標(biāo)函數(shù)是不可能的。但是，基于“一致計(jì)算”的原則，制度和規(guī)則必須得到大多數(shù)人的同意才會具有可執(zhí)行性，制度設(shè)計(jì)的目的才有可能實(shí)現(xiàn)。在管理學(xué)的經(jīng)典著作中，德魯克在《管理實(shí)踐》中提出的“目標(biāo)管理”（Management By Objective，MBO）也指出，只有自上而下、自下而上多次討論博弈，最后制訂的組織目標(biāo)才會成為激勵(lì)手段而不僅僅是考核與約束。

績效考核或績效評價(jià)（Performance Evaluation）是對行為過程（Progress）和行為結(jié)果（Results）的考核與評定。顯然，評估標(biāo)準(zhǔn)和評估執(zhí)行是影響評估結(jié)果的兩個(gè)最重要的影響因素。在現(xiàn)有的績效考核實(shí)踐中，幾乎所有的組織單位都是自上而下的制訂一套考評體系，或者邀請咨詢機(jī)構(gòu)設(shè)計(jì)一套考評體系來對員工進(jìn)行績效考核，很少能夠按照“一致同意”的原則通過上下互動(dòng)溝通而設(shè)定考核標(biāo)準(zhǔn)和考核執(zhí)行機(jī)制。研究表明，一些組織高強(qiáng)度的績效考核不僅沒有發(fā)揮應(yīng)有的激勵(lì)作用，反而扭曲了員工的工作態(tài)度和工作行為。員工的工作滿意度、工作投入度、組織承諾、組織公民行為變得越來越低，而消極怠工、蓄意破壞、不合作、忠誠度下降、離職等行為卻越發(fā)普遍，績效考核不再發(fā)揮應(yīng)有的激勵(lì)員工的正面作用，反而在某種程度上成為員工“反生產(chǎn)行為”的導(dǎo)火索。因此，員工在對績效考核的認(rèn)知與感受是至關(guān)重要的，員工對于績效考核的公平感會直接影響員工行為（OCB）和組織績效目標(biāo)的實(shí)現(xiàn)。

員工的公平感是一種主觀感受，而不同員工的主觀感受是有差異的。對于績效考評而言，員工首先考慮的應(yīng)該是考核目的能不能接受、考核指標(biāo)設(shè)置合不合理、考核內(nèi)容合不合適、考核結(jié)果有沒有及時(shí)反饋等等，公平感只是對考核結(jié)果與激勵(lì)約束匹配差異的一種反應(yīng)。顯然，這種反應(yīng)與個(gè)體情況緊密相關(guān)。對“反生產(chǎn)行為”可能產(chǎn)生影響的人口統(tǒng)計(jì)學(xué)變量包括年齡、性別、婚姻狀況、受教育程度以及工作年限等。在中國樣本中，收入和職位是另外兩個(gè)最可能影響個(gè)體認(rèn)知與行為的因素。在以往的實(shí)證研究中，人口統(tǒng)計(jì)變量一般都作為控制變量進(jìn)入計(jì)量模型的，盡管這些變量與“反生產(chǎn)行為”關(guān)系的研究結(jié)論尚未統(tǒng)一，但是在回歸模型中這些控制變量往往又是顯著的。這說明，一套既能防止員工“反生產(chǎn)行為”產(chǎn)生又具有激勵(lì)作用的績效考核指標(biāo)體系設(shè)計(jì)的關(guān)鍵，是能夠在堅(jiān)持戰(zhàn)略目標(biāo)導(dǎo)向的前提下，充分考慮員工個(gè)體情況的差異，在考核標(biāo)準(zhǔn)制訂和考核執(zhí)行兩個(gè)方面都能做到讓最多數(shù)的員工滿意。尤其是在商業(yè)銀行這樣的特殊企業(yè)類型中，員工績效考核更需要考慮員工的反應(yīng)和行為。

三、 實(shí)證研究

1. 問卷設(shè)計(jì)與發(fā)放。在商業(yè)銀行中引入管理會計(jì)系統(tǒng)作為員工績效考核的指導(dǎo)思想和藍(lán)本，固然能夠扭轉(zhuǎn)國有銀行職工長期養(yǎng)成的地位優(yōu)越的思想認(rèn)識，但同時(shí)也讓很多員工感覺壓力太大和難以適應(yīng)。管理會計(jì)系統(tǒng)本身比較專業(yè)，如果沒有相應(yīng)的財(cái)務(wù)知識可能很難理解。此外，一套完整的績效考核體系應(yīng)該包括考核指導(dǎo)思想、考核目的、考核準(zhǔn)備、考核內(nèi)容、考核指標(biāo)、考核過程、考核時(shí)間、考核反饋和考核效果等幾個(gè)方面，員工對績效考核的滿意度主要來自于對這些考核要素的評價(jià)和認(rèn)知。依據(jù)上面提出的理論模型和商業(yè)銀行績效考核的要素與環(huán)節(jié)，本文設(shè)計(jì)了39項(xiàng)問題，請調(diào)研對象對考核的指導(dǎo)思想、考核目的、考核準(zhǔn)備等問題進(jìn)行評價(jià)，評價(jià)尺度為Likert五點(diǎn)量表。最后一題是效標(biāo)測項(xiàng)，也是員工總體滿意度測項(xiàng)。這樣，問卷主體共有40道問題。其次是人口統(tǒng)計(jì)變量，包括性別、年齡、職位、收入等，共9題。其中，工齡包括兩個(gè)方面的問題，一是個(gè)人全部工作時(shí)間，二是個(gè)人在本單位的工作時(shí)間。經(jīng)驗(yàn)是指是否有其它銀行工作經(jīng)歷，有記為1，無記為0。

問卷在廣州某著名商業(yè)銀行全行發(fā)放，發(fā)放時(shí)間為2013年2月～2013年4月，共發(fā)放400份問卷，回收有效問卷316份，有效率為79%。

2. 描述性統(tǒng)計(jì)。首先觀察員工對績效考核各要素的評價(jià)是否存在個(gè)體差異。如果所有員工對績效考核的指導(dǎo)思想、考核目的、考核準(zhǔn)備、考核指標(biāo)等問題都具有同樣的判斷，那么績效考核就不會在不同部門、不同級別的員工中造成不同的影響。

方差檢驗(yàn)表明，從績效考核各要素的角度看，考核是否經(jīng)過充分準(zhǔn)備在人口統(tǒng)計(jì)變量中的差異性最多，不同年齡、不同職位、不同學(xué)歷、不同專業(yè)、不同收入和不同工作經(jīng)驗(yàn)的人對銀行績效考核的準(zhǔn)備工作評價(jià)都有顯著不同；其次是對考核目的的評價(jià)，學(xué)歷、專業(yè)、婚姻、收入和經(jīng)驗(yàn)都是顯著的影響因素；再次是對考核能否及時(shí)反饋和考核效果的評價(jià)，年齡、學(xué)歷、收入和經(jīng)驗(yàn)同樣是顯著的影響因素。而從人口統(tǒng)計(jì)學(xué)變量的角度看，對績效考核各要素的評價(jià)差異最大的影響因素則是個(gè)人年收入、是否有其它銀行工作經(jīng)驗(yàn)、學(xué)歷和年齡，尤其是收入變量和工作經(jīng)驗(yàn)，不同收入和工作經(jīng)驗(yàn)的人幾乎對所有績效考核要素的評價(jià)都存在差異性。

其次考察員工對績效考核的總體滿意度在人口統(tǒng)計(jì)變量中是否具有顯著性差異。分析結(jié)果表明，幾乎所有的人口統(tǒng)計(jì)學(xué)變量對績效考核的總體滿意度評價(jià)都有顯著性差異，換句話說，幾乎所有不同身份特征的員工對現(xiàn)有績效考核工作都有不同的看法和意見。

3. 計(jì)量分析。本文認(rèn)為，員工對績效考核的認(rèn)知與評價(jià)是影響員工考核滿意度的主要因素，而在這一影響過程中，不同人口統(tǒng)計(jì)變量將對主效應(yīng)產(chǎn)生重要影響。從方差檢驗(yàn)的結(jié)果看，績效考核各要素評價(jià)和績效考核總體滿意度在不同身份特征的員工之間存在顯著的差異性。本部分還將利用逐步回歸模型（Stepwise Regression）考察人口統(tǒng)計(jì)變量、考核評價(jià)對滿意度的影響。統(tǒng)計(jì)軟件為SPSS17.0。

結(jié)果表明，在控制變量對總體滿意度的回歸中，員工的職位、年齡、學(xué)歷、收入、經(jīng)驗(yàn)都是影響員工績效考核總體滿意度高低的因素。但是，職位、年齡、學(xué)歷和收入三個(gè)變量的影響都是負(fù)面的，職位越高、年齡越大、學(xué)歷越高、收入越高的員工滿意度越低，僅有工作經(jīng)驗(yàn)的影響是正的。而在績效考核各要素對總體滿意度的回歸中，指導(dǎo)思想、考核準(zhǔn)備、考核過程、考核反饋和考核效果等幾個(gè)方面是影響員工總體滿意度的主要因素。其中，考核過程越復(fù)雜，牽涉的方面越多，越容易引起員工的不滿。把人口統(tǒng)計(jì)變量作為控制變量進(jìn)入總回歸模型后，控制變量仍然顯著的是職位、收入和工作經(jīng)驗(yàn)，但是工作經(jīng)驗(yàn)的符號由正變成負(fù)，也就是說，有其它單位工作經(jīng)驗(yàn)的人滿意度越低。此外，在本單位工作時(shí)間長短也成為影響總體滿意度高低的一個(gè)因素，在本單位工作時(shí)間越長的人，滿意度越高。和單純的控制變量回歸結(jié)果相比，單位工作時(shí)間的影響作用也發(fā)生了反向變化，由負(fù)面影響（但不顯著）變成正面影響。而與單純的績效考核要素對滿意度的回歸結(jié)果相比，考核效果評價(jià)的影響作用不顯著，但是考核指標(biāo)評價(jià)的影響作用加強(qiáng)，即考核指標(biāo)設(shè)計(jì)得越復(fù)雜，越容易引起員工的不滿。

四、 分析與討論

員工績效考核是一個(gè)系統(tǒng)，這一系統(tǒng)不僅包括了考核指標(biāo)設(shè)計(jì)、考核標(biāo)準(zhǔn)制訂、考核的具體執(zhí)行等方面的內(nèi)容，而且還應(yīng)該包括考核指導(dǎo)思想、考核目的、考核準(zhǔn)備、考核反饋機(jī)制等等。為了盡量少引起員工的“反生產(chǎn)行為”，考核的每一個(gè)環(huán)節(jié)都應(yīng)該得到員工的理解和支持，如果員工不認(rèn)同或不接受績效考核的設(shè)計(jì)理念、具體內(nèi)容和執(zhí)行方式，那么績效考核的激勵(lì)作用就會消失殆盡，員工的抵觸情緒和抵觸行為就有可能不斷發(fā)生。

本文的實(shí)證研究結(jié)果證實(shí)，績效考核各要素評價(jià)在員工個(gè)體間存在著顯著的差異，而且績效考核的總體滿意度在不同身份的員工之間也存在顯著差異。這說明，在商業(yè)銀行的績效考核過程中，存在著員工“反生產(chǎn)行為”產(chǎn)生的可能，本文提出的理論模型是成立的。進(jìn)一步的考察發(fā)現(xiàn)，職位、收入和工作經(jīng)驗(yàn)是影響員工總體滿意度的最重要的三個(gè)影響因素，而且全部都是負(fù)面影響。就職位因素而言，職位越高的人滿意度越低，可能的原因是越高層的員工，手中掌握的權(quán)力越大，在成本概念沒有得到加強(qiáng)之前，職位產(chǎn)生的權(quán)力租金（Power Rents）基本上由領(lǐng)導(dǎo)本人說了算；但是，管理會計(jì)系統(tǒng)強(qiáng)化了利潤創(chuàng)造，對成本結(jié)構(gòu)形成硬性約束，職位帶給領(lǐng)導(dǎo)的各種收益將被降低。而且，績效考核工作量大，指標(biāo)計(jì)算復(fù)雜，考核頻率快，持續(xù)時(shí)間長，給領(lǐng)導(dǎo)增加了工作負(fù)擔(dān)。因此，領(lǐng)導(dǎo)層對強(qiáng)制性的績效考核往往都有不滿情緒。從收入的角度看，收入越高的人對績效評價(jià)的總體滿意度越低，可能的原因是這一指標(biāo)和職位因素密切相關(guān)，銀行職工的收入在領(lǐng)導(dǎo)層和普通員工之間拉得距離較大，高收入群體其實(shí)就是占據(jù)領(lǐng)導(dǎo)職位的人，收入越高，成本約束越強(qiáng)，對績效考核就會越不滿意。從工作經(jīng)驗(yàn)來看，有無外單位工作經(jīng)驗(yàn)對滿意度的影響是負(fù)面的，有其它銀行工作經(jīng)驗(yàn)的越容易導(dǎo)致不滿。這一點(diǎn)和單純作為控制變量回歸的結(jié)果正好相反，可能的原因是如果不與其它單位比較，本單位的工作經(jīng)驗(yàn)對于復(fù)雜的績效考核是有妥善應(yīng)對功能的；但是與其它單位的情況一比較就會發(fā)現(xiàn)，這套管理會計(jì)系統(tǒng)可能會降低收入或增加工作量，不滿情緒就會產(chǎn)生。這說明，如果單純從方便管理的角度講，一直在本單位工作的員工更容易接受績效考核；這也同樣說明，不同單位工作經(jīng)驗(yàn)可能具有雙刃劍的影響。

從績效考核各要素情況來看，加入控制變量后仍然顯著的有考核指導(dǎo)思想、考核準(zhǔn)備、考核指標(biāo)和考核反饋等幾項(xiàng)指標(biāo)。這一結(jié)果為“一致同意”或MBO管理提供了有力的證據(jù)。如果員工能夠認(rèn)可績效考核的設(shè)計(jì)理念和指導(dǎo)思想，比如說績效考核不是為了約束個(gè)人，而是為了提升銀行競爭力，并從長遠(yuǎn)角度不斷提升個(gè)人收益水平等，那么員工就容易對績效考核表示滿意。而考核之前的工作也非常重要，俗話說“磨刀不誤砍柴工”是有道理的，既然成本導(dǎo)向型績效考核本身就會對個(gè)人收益或個(gè)人行為造成重大影響，如果不在行動(dòng)之前做好教育、宣傳和鼓動(dòng)工作，員工一方面可能因?yàn)殡y以理解考核內(nèi)容和指標(biāo)而產(chǎn)生抵觸甚至對立情緒，令一方面也可能會因?yàn)楸慌懦趨⑴c之外不能表達(dá)意見而生怨恨。考核指標(biāo)設(shè)計(jì)對員工滿意度的影響是負(fù)面的，指標(biāo)設(shè)計(jì)的越復(fù)雜，員工滿意度越低。這一結(jié)果比較容易理解。但在實(shí)踐中，很多單位的績效考評體系都是極其復(fù)雜的，不是專業(yè)人士根本就沒法全部搞懂，員工不信任感由此產(chǎn)生。最后一項(xiàng)對員工滿意度產(chǎn)生顯著影響的因素是考核的反饋機(jī)制，考核不能及時(shí)反饋，或者考核結(jié)果與考核承諾的激勵(lì)不能相匹配的話，員工的不滿情緒立刻就會產(chǎn)生。這一結(jié)果提醒實(shí)踐者，“言必行，行必果”必須得到切實(shí)保證，形式主義的績效考核更容易傷害員工的積極性。

五、 總結(jié)與建議

本文以廣州農(nóng)村商業(yè)銀行為樣本，考察了員工對復(fù)雜績效考核系統(tǒng)的評價(jià)和態(tài)度。本文的研究證實(shí)了員工個(gè)體差異和對績效考核各要要素的評價(jià)是影響員工績效考核總體滿意度的重要影響因素。和員工“反生產(chǎn)行為”的相關(guān)研究相比，本文的研究更為具體和深入，程序公平和結(jié)果公平應(yīng)該貫徹到績效考核的每一個(gè)環(huán)節(jié)，如果員工不能認(rèn)可績效考核的指導(dǎo)思想、考核指標(biāo)、考核過程、考核反饋機(jī)制，績效考核工作沒有做好充分的準(zhǔn)備工作，那么員工的“反生產(chǎn)行為”就有可能會發(fā)生。

本研究發(fā)現(xiàn)，個(gè)體特征對績效考核滿意度的影響往往都是負(fù)面的，職位、收入、工作經(jīng)驗(yàn)甚至學(xué)歷、年齡等因素都會讓員工產(chǎn)生不滿情緒。每個(gè)員工都是獨(dú)一無二的，在某種意義上講，他們都是既得利益者，績效考核機(jī)制明確了個(gè)人的責(zé)任和義務(wù)，界定了權(quán)利的邊界和內(nèi)涵，這一考核過程極有可能會打破原有的利益格局，觸動(dòng)某些人心中的“奶酪”，繼而會引起相應(yīng)的情緒反應(yīng)。因此，一套考核機(jī)制不僅需要盡可能地兼顧最大多數(shù)人的利益，接受最大多數(shù)人的意見，還需要在高層獲得強(qiáng)有力的支持才有可能真正執(zhí)行。目前，一些商業(yè)銀行推行管理會計(jì)系統(tǒng)為藍(lán)本的績效考核體系，主要的動(dòng)力就是來自銀行的最高層。銀行領(lǐng)導(dǎo)承擔(dān)的壓力最大，他們迫切需要體制、機(jī)制創(chuàng)新來提升銀行競爭力。但是，銀行畢竟不是普通的企業(yè)，完全市場化的考核機(jī)制是否適用，是否會引起員工的“反生產(chǎn)行為”，還需要在實(shí)踐中不斷總結(jié)，不斷完善，不斷創(chuàng)新。

參考文獻(xiàn)：

1. 關(guān)新紅.構(gòu)建合理的商業(yè)銀行績效評價(jià)體系.中國財(cái)經(jīng)大學(xué)學(xué)報(bào)，2003，（7）：17-21.

2. 關(guān)新紅.基于風(fēng)險(xiǎn)的銀行績效評價(jià)方法.中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2004，（5）：26-30.

3. 謝赤，鐘贊.熵權(quán)法在銀行經(jīng)營績效綜合評價(jià)中的應(yīng)用.中國軟科學(xué)，2002，（9）：108-110.

4. 周春喜.商業(yè)銀行經(jīng)營績效綜合評價(jià)研究.數(shù)量經(jīng)濟(jì)與技術(shù)經(jīng)濟(jì)研究，2003，（12）：98-101.

5. 袁云峰，張波.商業(yè)銀行經(jīng)營績效綜合評價(jià)體系研究.國際金融研究，2004，（12）：28-32.

6. 張中朝，華軍峰，甘茂智.商業(yè)銀行績效考核體系構(gòu)建——一個(gè)現(xiàn)實(shí)框架.中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2006，（9）：24-29.

7. 江小華.我國商業(yè)銀行績效考核機(jī)制現(xiàn)狀及改革策略.上海金融，2008，（10）：32-34.

8. 曹建平，姚舜，黃明喜.平衡計(jì)分卡在商業(yè)銀行績效考核中的運(yùn)用.上海金融，2004，（12）：51-54.

9. 趙國杰，趙紅梅.基于平衡記分卡構(gòu)建商業(yè)銀行績效評價(jià)體系.現(xiàn)代財(cái)經(jīng)，2004，（5）：3-6.

人口統(tǒng)計(jì)學(xué)變量分析范文第3篇

【關(guān)鍵詞】彩票；收入彈性；春節(jié)效應(yīng)

一、引言

自從1987年第一批福利彩票開始發(fā)行，繼而1995年體育彩票也開始發(fā)行，彩票行業(yè)逐漸發(fā)展完善，成為政府籌措公益慈善資金的重要來源。2011年，我國彩票銷售額就達(dá)到2215億元，創(chuàng)下歷史新高，共籌集彩票公益金634億元，為我國的公益事業(yè)提供了強(qiáng)大的資金助力。彩票行業(yè)的另一個(gè)重要貢獻(xiàn)在于提供了大量的就業(yè)崗位，特別為很多個(gè)體經(jīng)營者帶來了一個(gè)不錯(cuò)的就業(yè)選擇。彩票營業(yè)稅也成為服務(wù)業(yè)營業(yè)稅較快增長主因。同時(shí)，對普通大眾來說彩票也逐漸的進(jìn)入了他們的消費(fèi)生活，其中不乏一夜暴富的故事，也有為博頭獎(jiǎng)傾家蕩產(chǎn)的反面例子。隨著彩票影響力的不斷增強(qiáng)，國內(nèi)學(xué)界也更多的關(guān)注彩票相關(guān)的研究。哪些因素影響了彩票銷售就是一個(gè)研究的熱點(diǎn)。而在眾多的影響因素中，收入無疑是最關(guān)注的焦點(diǎn)。原因是，在中國，彩票公益金的主要用途是政府的福利救濟(jì)和中低收入群體的體育健身設(shè)施的建設(shè)，理想的模式是通過彩票將一部分中高收入人群的收入轉(zhuǎn)移支付到中低收入人群中，來提高整個(gè)社會的福利水平。但是，如果購買彩票的絕大部分都是低收入者，絕大部分的買彩票者都是為了追求一夜暴富，而彩票并沒有想其他娛樂品，例如電影，給購買者休閑的效用，那可能上述理想的情況不但不能出現(xiàn)，有可能還會更糟。如果真的那樣彩票管理者就應(yīng)該檢查彩票發(fā)行機(jī)制來改善情形了。

本文利用中國2007-2010年來省級彩票銷售量的面板數(shù)據(jù)，從總量分析上來研究人均收入對人均彩票銷售量的彈性，同時(shí)，指出總量分析在這種關(guān)系識別上存在的問題，通過一個(gè)特殊外生事件（春節(jié)效應(yīng)）的研究來對兩者的關(guān)系進(jìn)行修正。

二、文獻(xiàn)綜述

在研究收入與彩票銷量關(guān)系的文獻(xiàn)中，按數(shù)據(jù)類型的不同，主要分為微觀分析和總量分析。前者是基于對彩票潛在購買者調(diào)查的微觀數(shù)據(jù)，通過一些例如Tobit一類的微觀計(jì)量模型，來研究包括收入、性別、年齡、種族、宗教等個(gè)體變量對彩票購買意愿以及購買量的影響。后者是基于地區(qū)，國家的宏觀總量統(tǒng)計(jì)數(shù)據(jù)，例如人均收入、人均GDP、教育水平、貧困程度等變量，來研究對該國家或者地區(qū)總體彩票銷售量的影響。

微觀分析代表文獻(xiàn)中，F(xiàn)arrell和Walker（1999）利用基于英國微觀個(gè)體的面板數(shù)據(jù)，通過Tobit模型研究了收入、年齡等一些人口統(tǒng)計(jì)學(xué)特征對彩票購買者購買概率和購買量的影響，他們主要關(guān)注了價(jià)格彈性以及“二次反轉(zhuǎn)”（double rollover）對購買的影響。他們發(fā)現(xiàn)高的價(jià)格彈性和低的收入彈性。Rubenstein和Scafidi（2002）等通過美國Georgia洲1998年的微觀家庭抽樣調(diào)查數(shù)據(jù)對該州教育彩票的購買偏好和最終用途進(jìn)行了研究，發(fā)現(xiàn)低收入和非白人家庭的購買量更高，但是高收入家庭在教育彩票的收益上更大。同類的研究還有Grotea和Mathesonb（2007）等。

總量分析的代表性文獻(xiàn)中，Mikesell（1994）研究了1983年倒1991年美國33個(gè)州的人均季度彩票銷售量與各州各種經(jīng)濟(jì)指標(biāo)間的關(guān)系，主要發(fā)現(xiàn)人均收入對人均彩票銷售量的平均收入彈性達(dá)到了3.9，失業(yè)率相對與人均彩票銷售量的彈性要低得多，只有0.054。但彩票的銷售量對失業(yè)率的變化是敏感的，失業(yè)率增加1%彩票銷售量增加0.17%。Mikesell同時(shí)指出研究結(jié)果也證實(shí)了在經(jīng)濟(jì)的衰退期，更多的人會感受更沉重的生活壓力，增加彩票的購買的假設(shè)。Garrett（2001）研究了1997年全球82個(gè)國家和地區(qū)的人均彩票銷售量和該國家地區(qū)的主要經(jīng)濟(jì)指標(biāo)間的關(guān)系，發(fā)現(xiàn)平均來看全球人均收入對人均彩票銷售量的收入彈性為1.347，比較各個(gè)大洲的情況，非洲為0.71，亞洲為1.31，北美為1.182，歐洲為1.681，南美最高為2.065。Garrett還研究了彩票銷售量占國家GDP的比重和各個(gè)國家或地區(qū)收入水平之間的關(guān)系，發(fā)現(xiàn)中低收入國家或地區(qū)彩票銷售量占國家GDP的比重較高，而低收入和高收入國家的比重較低，近似存在一種倒U型的模式。Coughlin和Garrett（2009）使用2005年美國七個(gè)州彩票數(shù)據(jù)，通過把收入分為名義收入、財(cái)富和轉(zhuǎn)移支付三類，分別考慮了它們對彩票收入的彈性，發(fā)現(xiàn)轉(zhuǎn)移支付的彈性最強(qiáng)，也暗示得到政府轉(zhuǎn)移支付更多的低收入人群購買了更多的彩票。

分析文獻(xiàn)我們發(fā)現(xiàn)，豐富的微觀數(shù)據(jù)能夠?qū)撛诓势辟徺I者的購買意愿和購買數(shù)量進(jìn)行精確的計(jì)量分析，而且大多數(shù)的結(jié)果和微觀經(jīng)濟(jì)學(xué)以及心理學(xué)的理論相吻合，即對樂透型的彩票，低收入人群，高生活壓力的人群是它的主要購買人群，彩票隨收入增加的邊際消費(fèi)傾向是遞減的，甚至從理論和現(xiàn)實(shí)中都存在低收入者購買彩票的絕對數(shù)量也會高于高收入者，比爾蓋茨很難為了中個(gè)五百萬而購買一張彩票。但是，對中國國內(nèi)的研究來說，由于我們還沒有完善的微觀數(shù)據(jù)收集系統(tǒng)，數(shù)據(jù)的缺失使這樣的研究很難嚴(yán)謹(jǐn)?shù)恼归_。所以，本文也采用的是總量分析的方法。但特別需要注意的是，總量分析卻存在一個(gè)嚴(yán)重的問題。僅僅估計(jì)到一個(gè)正的收入彈性，是無法說明單個(gè)個(gè)體會隨著收入的增加而增加彩票的消費(fèi)量。這是因?yàn)?，針對人均收入對人均彩票銷售量的彈性，總量分析得到的是一個(gè)地區(qū)一個(gè)個(gè)體平均意義下收入變化對彩票消費(fèi)的影響，但是如果該地區(qū)本身人均收入的差異很大，高的人均收入的地區(qū)伴隨著更多的低收入群體，總量分析的結(jié)果就可能有問題。極端的來講，一個(gè)高的彈性可能是大量的低收入者巨額的購買和少量的高收入者的零購買形成的，這樣平均意義下的彈性就沒有多少的實(shí)際意義。本文后面的工作就是不僅僅估計(jì)出人均收入對人均彩票銷售的彈性，還有通過總量數(shù)據(jù)來分析到底是流動(dòng)人口是否是彩票的主要消費(fèi)者。

三、研究設(shè)計(jì)與數(shù)據(jù)來源

首先，為了得到中國各個(gè)省、直轄市彩票的收入彈性，本文在Garrett（2001）的模型上構(gòu)建了彩票人均銷量與人均收入的計(jì)量模型。相對與Garrett（2001）的橫截面模型，本文通過中國2007年至2010年，中國大陸地區(qū)31個(gè)省、直轄市年度的彩票銷售數(shù)據(jù)和相應(yīng)的收入數(shù)據(jù)建立了面板模型。

…………（1）

（1）式中，表示指定省市i年份t的人均彩票銷售量，表示i省市年份t的人均GDP，表示i省市的截距，表示i省市的斜率，表示誤差項(xiàng)。

本文選擇的面板模型是參數(shù)滿足時(shí)間一致性的固定效應(yīng)模型，以為本文使用的數(shù)據(jù)是橫截面較長，時(shí)間維度較短的面板數(shù)據(jù)，從估計(jì)的角度參數(shù)容易滿足時(shí)間一致性；同時(shí)，本文使用的是全國所有省、直轄市的數(shù)據(jù)，本身就是總體，并且變量都是匯總后的總量數(shù)據(jù)，使用固定效應(yīng)模型建模更為自然。

在變量選擇上，本文用人均GDP來代表收入水平，是因?yàn)閲医y(tǒng)計(jì)局給出的收入指標(biāo)，分為了農(nóng)村人口的年度總收入和城鎮(zhèn)人口的年度可支配收入，并沒有一個(gè)統(tǒng)一的個(gè)人年度可支配收入，考慮到不同省市間城鄉(xiāng)差異較大，參考先前關(guān)于彩票收入彈性的研究（如Garrett（2001）），本文選擇了人均GDP來衡量各省市的收入水平。實(shí)際上，在研究中我們也嘗試選擇了上述兩個(gè)變量來進(jìn)行分析，估計(jì)結(jié)果并不改變本文的主要結(jié)論。

第二步，為了分析各個(gè)地區(qū)實(shí)際購買彩票人群的特征是否符合心理學(xué)及其相關(guān)研究的特征，本文關(guān)注了兩個(gè)問題，一個(gè)是一類特殊的人群，流動(dòng)人口。眾所周知，我國是一個(gè)流動(dòng)人口的大國，特別是改革開放后，中西部富余勞動(dòng)力大量的向東部移動(dòng)，加之我國特有的戶籍管理制度，東部經(jīng)濟(jì)發(fā)達(dá)地區(qū)常年積聚了大量的流動(dòng)人口。這一部分社會群體是比較符合前面所談到的低收入，高生活壓力的特征，也就是說，他們按照理論分析應(yīng)該會有更高的彩票購買傾向。存在這樣的可能，在彩票收入彈性更高的地區(qū)，很可能是因?yàn)橛懈嗟牧鲃?dòng)人口，他們購買了更多的彩票，才產(chǎn)生了虛假的更高的收入彈性?；蛘哒f，高的彈性的一個(gè)重要原因之一是以為，在高收入的經(jīng)濟(jì)發(fā)達(dá)地區(qū)聚集了更多的彩票潛在消費(fèi)者――流動(dòng)人口。但在，彩票銷售的總量統(tǒng)計(jì)數(shù)據(jù)中，卻并沒有購買者的統(tǒng)計(jì)信息，也就無法證明哪一部分彩票是這些流動(dòng)人員購買的。為了克服這個(gè)困難，本文又從時(shí)間維度上考慮，在一個(gè)特定的時(shí)間，大量的流動(dòng)人口會離開自己的暫居地――春節(jié)，具體的說主要是春節(jié)到元宵這一個(gè)時(shí)間段。一年一度的春運(yùn)高峰，正是這個(gè)現(xiàn)象的最好體現(xiàn)。如果前面的邏輯是正確的，那么在流動(dòng)人口集中度更大的地區(qū)，在除夕到元宵所在月份的人均彩票銷量會下降得更多，為了證實(shí)這個(gè)假設(shè)，本文建立了第二個(gè)模型：

…………（2）

（2）式中，表示各省市春節(jié)春節(jié)到元宵所在月份與上一月份的人均彩票銷售量的差，表示各省市流動(dòng)人口占總?cè)丝诘谋壤?/p>

各省市年度的彩票銷售數(shù)據(jù)來源于中國財(cái)政部網(wǎng)站，其余數(shù)據(jù)都來源于中國國家統(tǒng)計(jì)局網(wǎng)站。中國財(cái)政部網(wǎng)站上提供了2007年8月至今的省市各月度的以及當(dāng)年累計(jì)的彩票銷售數(shù)據(jù)，國家統(tǒng)計(jì)局網(wǎng)站提供的是各省市年度人口、收入、GDP數(shù)據(jù)。因?yàn)?，全國第六次人口普查的詳?xì)數(shù)據(jù)還沒有公布，各省市流動(dòng)人口占總?cè)丝诘谋壤峭ㄟ^2005年全國1%人口抽查數(shù)據(jù)中統(tǒng)計(jì)的“全國按現(xiàn)住地分的戶口登記地在外省的人口”數(shù)據(jù)計(jì)算得到。人均彩票銷售量、人均GDP。

四、實(shí)證分析

首先，需要確定（1）式的具體形式。是相同截距，相同斜率；相同斜率，不同截距；還是不同斜率，不同截距的模型。本文先進(jìn)行了模型選擇的F檢驗(yàn)，F(xiàn)（60，62）=1.528，F(xiàn)（30，62）=1.634，所以，最后確定的（1）式的具體形式為，固定效應(yīng)變截距模型。考慮到省級面板分析時(shí)，一般認(rèn)為存在異方差，所以在估計(jì)參數(shù)時(shí)我們選擇了截面加權(quán)的廣義最小二乘。

（1）式的最后估計(jì)結(jié)果為：

R2=0.96，DW=2.15，F(xiàn)=75.57，是每個(gè)省市截距對平均截距的偏離。整體的回歸效果比較理想。同時(shí)，對模型固定效應(yīng)進(jìn)行似然比檢驗(yàn)，LR=17.14，P

我們得到的彩票的收入彈性為1.06，同Garrett（2001）研究中得到的亞洲1.31的結(jié)果還是比較接近，考慮到Garrett提出的倒U型的收入彈性模式，以及其他大洲的數(shù)據(jù)，我們預(yù)計(jì)短期內(nèi)，收入彈性還有增加的可能，這對整個(gè)彩票市場都是一個(gè)利好的消息。但是，一個(gè)大于1的收入彈性似乎指出，隨著收入的不斷增加，購買彩票的量也會增加得更快，富人比窮人有更強(qiáng)的購買彩票的意愿，這顯然同我們平常的邏輯和心理學(xué)的相關(guān)研究相悖。正如我們前面分析的，一個(gè)平均意義下通過總量分析得到的收入彈性可能會掩蓋社會不同階層對彩票的不同需求。為了分析彩票購買者的人群結(jié)構(gòu)特點(diǎn)，接下來，我們又對（2）式進(jìn)行了估計(jì)。估計(jì)時(shí)，我們選擇了White異方差修正。

（2）式的最后估計(jì)結(jié)果為：

R2=0.38，DW=1.54，F(xiàn)=17.69。整個(gè)模型的R2偏低，原因很大在于流動(dòng)人口比例數(shù)據(jù)偏度較大達(dá)到了2.07，有不少省市的流動(dòng)人口占該省人口比例都很小，總體樣本的容量只有31個(gè)，一個(gè)較低的R2也比較自然。同時(shí)考慮到，在95%的置信度下DW值和總體線性的檢驗(yàn)都通過，（2）式的估計(jì)也是可以接受的。

最后得到流動(dòng)人口比例的系數(shù)為3.69，說明在春節(jié)期間，的確有大量的彩票銷量的下降是由于流動(dòng)人口的暫時(shí)離開造成的。也就是說，在平時(shí)流動(dòng)人口是彩票的一個(gè)非常重要的消費(fèi)群體。

結(jié)合上述實(shí)證結(jié)果，我們可以看到經(jīng)濟(jì)發(fā)達(dá)地區(qū)，人均GDP，人均收入都較高，同時(shí)也有較高的人均彩票消費(fèi)量，但是，這種平均意義下的高的人均彩票消費(fèi)量掩蓋的是不同人群結(jié)構(gòu)下的彩票消費(fèi)，改革開放后，我國經(jīng)濟(jì)發(fā)達(dá)地區(qū)吸引了大量的外來人員，積累了大量的流動(dòng)人口，這些人群往往是相對收入較低，生活壓力較大的群體，他們實(shí)際上是這些經(jīng)濟(jì)發(fā)達(dá)地區(qū)彩票消費(fèi)的主體之一，也暗示真正的高收入群體的人均彩票購買量比總量數(shù)據(jù)分析得到的平均值要低。進(jìn)一步，如果要獲得準(zhǔn)確的彩票收入彈性或者是收入消費(fèi)曲線，基于微觀個(gè)體的數(shù)據(jù)就是必不可少的。

人口統(tǒng)計(jì)學(xué)變量分析范文第4篇

變量選擇與數(shù)據(jù)來源

農(nóng)村居民患病就醫(yī)的支出費(fèi)用是一個(gè)連續(xù)的經(jīng)濟(jì)變量，可以用以下對數(shù)線性模型進(jìn)行估計(jì)：（略）其中，Y表示農(nóng)村居民患病就醫(yī)的支出費(fèi)用；Xi表示影響農(nóng)村居民患病就醫(yī)支出費(fèi)用的因素；ai表示各個(gè)影響因素的影響程度；著表示隨機(jī)誤差項(xiàng)，即未被考慮因素的影響，服從標(biāo)準(zhǔn)正態(tài)分布。參考美國紐約州立大學(xué)Michael.Grossman教授創(chuàng)立的Grossman健康資本需求理論，最終確立個(gè)人影響因素和地區(qū)影響因素兩大類影響因素，具體情況如表1所示。本文使用2009年CHNS數(shù)據(jù)進(jìn)行分析研究。CHNS是北卡羅來納大學(xué)人口研究中心和中國疾病控制與預(yù)防中心合作開展的“中國健康與營養(yǎng)調(diào)查”項(xiàng)目（ChinaHealthandNutritionSurvey，簡稱CHNS）。這個(gè)項(xiàng)目是一個(gè)包括營養(yǎng)學(xué)、公共衛(wèi)生、經(jīng)濟(jì)學(xué)、社會學(xué)、中國研究和人口統(tǒng)計(jì)學(xué)方面的專家團(tuán)隊(duì)，采用多階段隨機(jī)分層抽樣方法，在中國的黑龍江、遼寧、山東、河南、江蘇、湖南、湖北、廣西、貴州，共計(jì)9個(gè)省份，開展的針對城鄉(xiāng)居民的人口、生產(chǎn)、生活、收入、消費(fèi)、營養(yǎng)健康以及醫(yī)療保健等特征的統(tǒng)計(jì)調(diào)查，是目前中國居民醫(yī)療微觀調(diào)查中比較權(quán)威的數(shù)據(jù)。

影響因素定量分析

1.空模型檢驗(yàn)

CHNS數(shù)據(jù)是在中國的黑龍江、遼寧、山東、河南、江蘇、湖南、湖北、廣西、貴州，共計(jì)9個(gè)省份開展的調(diào)查數(shù)據(jù)，可能存在層次結(jié)構(gòu)特征，因此對其進(jìn)行空模型檢驗(yàn)，結(jié)果如表2所示。對數(shù)據(jù)進(jìn)行二分類離散數(shù)據(jù)空模型擬合，得到截距項(xiàng)U0的P＜0.01，具有顯著統(tǒng)計(jì)學(xué)意義，數(shù)據(jù)確實(shí)存在層次結(jié)構(gòu)特征，適用于多層模型進(jìn)行分析。因此，將其分為兩層，地區(qū)層次（高水平）和個(gè)人層次（低水平）進(jìn)行分層模型分析。

2.多層線性回歸分析

由于農(nóng)村居民患病就醫(yī)的支出費(fèi)用是一個(gè)連續(xù)的經(jīng)濟(jì)變量，因此采用多層線性回歸模型進(jìn)行分析。通過模型擬合和變量篩選，最終結(jié)果如表3所示?？梢钥吹?，在個(gè)人層次影響因素中，低年齡、高年齡、小學(xué)、家庭人均收入和保險(xiǎn)對農(nóng)村居民醫(yī)療支出沒有顯著影響，男性、高中、未工作、非農(nóng)工作和患病嚴(yán)重對農(nóng)村居民醫(yī)療支出有顯著正向影響，單身、患病不嚴(yán)重和家庭規(guī)模對農(nóng)村居民醫(yī)療支出有顯著負(fù)向影響。在地區(qū)層次影響因素中，農(nóng)村每千人醫(yī)生衛(wèi)生員數(shù)對農(nóng)村居民醫(yī)療支出沒有顯著影響，農(nóng)村醫(yī)療價(jià)格水平對農(nóng)村居民醫(yī)療支出有顯著正向影響，農(nóng)村人均純收入對農(nóng)村居民醫(yī)療支出有顯著負(fù)向影響。

結(jié)論

根據(jù)上述定量分析，可以得到以下結(jié)論：

1.個(gè)人影響因素

年齡、家庭人均收入和保險(xiǎn)對農(nóng)村居民醫(yī)療支出沒有顯著影響。性別對農(nóng)村居民醫(yī)療支出有顯著正向影響。在農(nóng)耕活動(dòng)中，男性勞動(dòng)產(chǎn)出比女性多，男性比女性更適宜進(jìn)行體力生產(chǎn)勞作。長此以往，在農(nóng)耕為主的中國農(nóng)村家庭中逐漸形成了重男輕女的習(xí)俗。男性被視為家庭的支柱，往往具有較高的地位和絕對話語權(quán)，這種情況也映射到了農(nóng)村居民醫(yī)療支出上。在農(nóng)村居民醫(yī)療支出中，男性人群的支出水平顯著高于女性人群，男性在醫(yī)療服務(wù)需求方面處于強(qiáng)勢地位，而女性則處于相對弱勢地位。

小學(xué)教育程度對農(nóng)村居民醫(yī)療支出沒有顯著影響，而高中以上教育程度對農(nóng)村居民醫(yī)療支出有顯著正向影響。受教育程度更高的民眾自我保健養(yǎng)生意識更強(qiáng)，在平時(shí)的生活中注重身體健康的保持并善于自我治療保健。當(dāng)受教育程度更高的民眾確實(shí)患病較重或無法自行醫(yī)治時(shí)，才會選擇就醫(yī)治療，且醫(yī)療支出水平隨病情嚴(yán)重情況也會較高。

工作和非農(nóng)工作民眾對農(nóng)村居民醫(yī)療的支出水平高于從事農(nóng)業(yè)工作的民眾，這是由于3方面原因?qū)е碌摹Ｒ皇俏垂ぷ鞯娜罕娭饕翘幱趽嵊诘膵D女和在讀學(xué)生，他們得到家庭特別關(guān)愛，占有較多家庭醫(yī)療資源；二是從事農(nóng)業(yè)工作的民眾患病成本高，一旦生病將會承受疾病帶來的痛苦，損失勞動(dòng)時(shí)間減少勞動(dòng)所得，更會為恢復(fù)健康付出醫(yī)療服務(wù)費(fèi)用，因此從事農(nóng)業(yè)工作的民眾較其他家庭成員更為注重自己的身體健康；三是農(nóng)業(yè)工作是一種體力勞動(dòng)，在一定的勞作程度內(nèi)能夠起到鍛煉身體增進(jìn)體質(zhì)的作用，因此從事農(nóng)業(yè)工作的人群身體素質(zhì)比較好、健康水平比較高。

患病嚴(yán)重程度與醫(yī)療支出水平關(guān)系緊密，且關(guān)系復(fù)雜。從定量分析結(jié)果可以看出，患病嚴(yán)重的農(nóng)村居民醫(yī)療支出對數(shù)比患病一般嚴(yán)重的農(nóng)村居民大1.45，而患病不嚴(yán)重的農(nóng)村居民醫(yī)療支出對數(shù)比患病一般嚴(yán)重的農(nóng)村居民小0.76，患病嚴(yán)重與醫(yī)療支出水平呈正相關(guān)關(guān)系，患病不嚴(yán)重與醫(yī)療支出水平呈負(fù)相關(guān)關(guān)系。也就是說，當(dāng)農(nóng)村居民患有常見疾病，如感冒、發(fā)燒等，能自行治療的就盡量自行治療，盡量避免就醫(yī)治療。而當(dāng)農(nóng)村居民患病較重時(shí)，無法自行治療，才會就醫(yī)治療。農(nóng)村居民對于就醫(yī)治療的抵觸情緒值得政府深刻研究。

單身和家庭人口規(guī)模都對醫(yī)療支出水平有負(fù)向影響。結(jié)束單身也就意味著家庭成員數(shù)量增加，從定量分析結(jié)果看，家庭人口規(guī)模每增加一人，其相應(yīng)的醫(yī)療支出對數(shù)就會減少0.09。家庭成員越多、規(guī)模越大，家庭成員之間的相互關(guān)懷、相互照顧就會更多，這有利于身體健康水平的保持，在很大程度上具有醫(yī)療服務(wù)的作用。#p#分頁標(biāo)題#e#

2.地區(qū)影響因素

農(nóng)村每千人醫(yī)生衛(wèi)生員數(shù)對醫(yī)療支出水平?jīng)]有顯著影響。農(nóng)村醫(yī)療價(jià)格水平對醫(yī)療支出水平有正向影響。農(nóng)村醫(yī)療價(jià)格水平的影響可以分成直接影響和間接影響兩個(gè)方面。一方面，農(nóng)村醫(yī)療價(jià)格水平的提高會直接提高居民的醫(yī)療支出水平，看同樣的病，用同樣的藥，卻要比以前付出更多的費(fèi)用，直接影響了農(nóng)村居民患病就醫(yī)的支出水平；另一方面，農(nóng)村醫(yī)療價(jià)格水平的提高將會占據(jù)農(nóng)村居民可支配收入中更大的份額，農(nóng)村居民不可能在物質(zhì)生活、精神享受方面追加投資，甚至還會減少投資，這就造成了患病就醫(yī)的抵觸情緒，即使患病也盡量不去醫(yī)院就診，延誤治療加重病情，從而間接的增加了醫(yī)療支出費(fèi)用。

人口統(tǒng)計(jì)學(xué)變量分析范文第5篇

關(guān)鍵詞：登革熱；風(fēng)險(xiǎn)因子；隨機(jī)森林；時(shí)空擴(kuò)散；數(shù)據(jù)挖掘

中圖分類號：R512.8 文獻(xiàn)標(biāo)識碼：A 文章編號：0439-8114（2017）07-1250-07

DOI：10.14088/ki.issn0439-8114.2017.07.013

Rating System Development of Spatio-temporal Diffusion Risk Factors on Dengue Fever Based on Random Forests

CHEN Ye-bin1，LI Wei-hong1，HUANG Yu-xing1，LIANG Xue-mei2

（1.School of Geographical Sciences， South China Normal University， Guangzhou 510631，China；

2.School of Geographical Sciences， Xinjiang University， Urumqi 830046，China）

Abstract： Previous researches on dengue fever（DF） mostly adopted the classical quantitative statistical model，but it is hard to consider nonlinear presence of risk factors and to explain their complex interaction relationship. To solve these problems，25 potential risk factors of DF were chosen and screened preliminarily by Pearson correlation method，and potential risk factors that lead to occurrence and diffusion of DF were found out by random forest（RF），and their quantitative evaluation system was also determined. The results showed that data mining ability of RF was better than classical linear model. The risk factors of DF were divided into 4 grades according to its risk to DF from big to small， the first grade included population density，residential distribution，left neighborhood and right neighborhood； the second grade included lower neighborhood and higher neighborhood；the third grade included road，left lower neighborhood， right higher neighborhood， right lower neighborhood，left higher neighborhood，rainfall，O3，PM2.5，PM10，CO，NO2 and pond； the fourth grade included temperature， agricultural land and woodland. In conclusion，RF model could effectively explore and quantify the impacts of various risk factors of DF，and explain the relationship among the various risk factors.

Key words： dengue fever； risk factors； random forest； spatio-temporal diffusion； data mining

登革幔Dengue fever，DF）是一種由登革1、2、3和4型病毒引起的危害性極大的急性蚊媒傳染病，主要通過伊蚊進(jìn)行傳播，廣泛流行于全球熱帶和亞熱帶的100多個(gè)國家和地區(qū)[1-4]。近年來，登革熱傳播速度及破壞力呈現(xiàn)明顯上升趨勢。據(jù)統(tǒng)計(jì)，登革熱在全球范圍內(nèi)年發(fā)病數(shù)量已高達(dá)千萬例，年均死亡人數(shù)超過2萬人。

登革熱的傳播主要受社會人文、周邊鄰域、氣象、環(huán)境以及用地類型分布等風(fēng)險(xiǎn)因子的影響[5-15]。研究登革熱疫情的發(fā)生、擴(kuò)散的風(fēng)險(xiǎn)因素是控制疫情的有效方法，也是目前登革熱疫情控制研究的重點(diǎn)和熱點(diǎn)[5]。近年來已有不少學(xué)者對登革熱風(fēng)險(xiǎn)因子進(jìn)行分析與挖掘，探究影響登革熱發(fā)生、擴(kuò)散的影響因素。國外方面，Méndez-Lázaro等[10]、Cheong等[11]、Sheela等[12]采用邏輯回歸方法分析濕地類型、氣候因子與登革熱的風(fēng)險(xiǎn)關(guān)系；Hsueh等[13]利用地理加權(quán)回歸模型識別人口密度、交通網(wǎng)絡(luò)、水體對登革熱的風(fēng)險(xiǎn)影響；？str？im等[14]利用半?yún)?shù)廣義加權(quán)模型和邏輯連接函數(shù)對登革熱潛在風(fēng)險(xiǎn)因子進(jìn)行了研究，確定經(jīng)濟(jì)發(fā)達(dá)地區(qū)具備高致災(zāi)風(fēng)險(xiǎn)性；國內(nèi)方面，王成崗[9]利用零膨脹Poisson回歸模型挖掘登革熱風(fēng)險(xiǎn)因子，發(fā)現(xiàn)溫度、降雨因素對登革熱存在重要影響；李森等[16]通過廣義線性模型探究登革熱風(fēng)險(xiǎn)因子，發(fā)現(xiàn)以濕地為主的草場是登革熱病例存在的重要因子；易彬樘等[17]通過調(diào)查分析方法研究靜態(tài)水體對登革熱的風(fēng)險(xiǎn)影響。

現(xiàn)有研究在風(fēng)險(xiǎn)因子的探究方面尚未見將社會人文、周邊鄰域、氣象、環(huán)境、用地類型等因素進(jìn)行綜合考慮，探究登革熱與各風(fēng)險(xiǎn)因子之間的依存關(guān)系，并對諸多風(fēng)險(xiǎn)因子進(jìn)行風(fēng)險(xiǎn)等級判別；在模型選擇上主要采用傳統(tǒng)的統(tǒng)計(jì)學(xué)模型，模型變量過度依賴依存因子的定量精度，無法顧及一些非線性的依存因子以及解釋變量之間所具有的復(fù)雜相互作用關(guān)系。隨機(jī)森林（Random forests，RF）是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的組合分類智能算法[18]，它采用Bootstrap重抽樣方法進(jìn)行樣本選取，構(gòu)建分類樹，進(jìn)而對所有分類樹的預(yù)測結(jié)果進(jìn)行組合投票得出最終結(jié)果。這種方法能夠克服變量之間所存在的多重共線性，確定計(jì)算變量的非線性作用。RF具備指標(biāo)重要性評估方式，能夠通過特征重要性度量，實(shí)現(xiàn)重要特征選取，最終確定各風(fēng)險(xiǎn)指標(biāo)對登革熱的風(fēng)險(xiǎn)貢獻(xiàn)度。正確識別登革熱風(fēng)險(xiǎn)因子，確定風(fēng)險(xiǎn)因子等級排名體系，有助于公眾及政府機(jī)關(guān)全面認(rèn)識登革熱流行的風(fēng)險(xiǎn)因素，有利于合理配置防控資源，提高登革熱防控措施的及時(shí)性與有效性。

本研究以廣州市中心區(qū)為例，主要采用隨機(jī)森林算法剖析社會人文因素、鄰域因素、氣象因素、環(huán)境因素以及用地類型分布等潛在風(fēng)險(xiǎn)因子對登革熱的影響，進(jìn)行影響重要性對比分析，制定風(fēng)險(xiǎn)因子等級排名體系。

1 數(shù)據(jù)與方法

1.1 研究區(qū)域

研究區(qū)位于23°1′52″-23°26′6″ N，113°8′42″-113°35′50″ E，包含越秀、荔灣、海珠、天河、白云、黃埔、蘿崗共7個(gè)區(qū)縣（以下簡稱主城區(qū)，圖1），屬亞熱帶季風(fēng)氣候，年平均日照時(shí)間1 370～1 490 h，年平均溫度20～22 ℃，年降雨時(shí)間150 d左右，年平均降雨量在1 800 mm以上。研究區(qū)總面積1 471.55 km2，包含116個(gè)街道，總?cè)丝跀?shù)量超過800萬人。2014年，廣東省暴發(fā)了感染登革熱病例的疫情，此次疫情廣州市受災(zāi)最為嚴(yán)重。截至2014年11月，廣州市累計(jì)報(bào)告登革熱病例達(dá)36 934例，其中研究區(qū)內(nèi)累計(jì)報(bào)告病例31 981例，占全廣州市的86.6%。

1.2 數(shù)據(jù)

1.2.1 登革熱數(shù)據(jù) 數(shù)據(jù)采用廣東省疾病預(yù)防控制中心提供的2014年廣州市主城區(qū)登革熱感染者數(shù)據(jù)，共計(jì)31 981例，時(shí)間1-11月?；诟窬W(wǎng)單元的發(fā)病率圖具備信息表達(dá)充分的特點(diǎn)，因此本研究采用格網(wǎng)單元對登革熱病例數(shù)據(jù)進(jìn)行空間化處理，將登革熱病例數(shù)據(jù)分配到1 km×1 km的格網(wǎng)單元上，生成登革熱疫情分布情況（圖2）。

1.2.2 氣象數(shù)據(jù) 獲取分布于主城區(qū)的20個(gè)雨量監(jiān)測站的降雨監(jiān)測數(shù)據(jù)（數(shù)據(jù)來源于廣東省水利廳），站點(diǎn)的空間位置如表1所示；采用反距離加權(quán)法（IDW）將站點(diǎn)數(shù)據(jù)插值為連續(xù)的雨量分布數(shù)據(jù)。

1.2.3 環(huán)境數(shù)據(jù) 獲取分布于主城區(qū)20個(gè)環(huán)境監(jiān)測站的2014年環(huán)境監(jiān)測數(shù)據(jù)（數(shù)據(jù)來源于廣州市環(huán)保局），時(shí)間1-12月，時(shí)間步長為1個(gè)月，每個(gè)站點(diǎn)檢測的污染物包括SO2、NO2、PM10、PM2.5、CO、O3共6類，采用IDW插值法對環(huán)境監(jiān)測數(shù)據(jù)進(jìn)行插值。研究區(qū)環(huán)境監(jiān)測數(shù)據(jù)插值結(jié)果如圖3所示。

1.2.4 社會人文數(shù)據(jù) 研究區(qū)包含116個(gè)街道，總?cè)丝跀?shù)為8 101 691人，人口統(tǒng)計(jì)數(shù)據(jù)如表2所示（數(shù)據(jù)來源于廣州市2014年統(tǒng)計(jì)年鑒）。為了避免傳統(tǒng)人口數(shù)據(jù)按區(qū)域采樣的不足，提高分析結(jié)果的準(zhǔn)確性，采用面積分配法，將街道人口數(shù)據(jù)按居民住宅總面積分配到建筑物上，保證人都在居民區(qū)上，如式（1）所示。

Ri=Mi×Li×■ （1）

式中，i為街道建筑物編號，Ri為第i棟建筑的人口數(shù)，Mi為第i棟建筑基底面積，Li為第i棟建筑樓層數(shù)，R為街道總?cè)丝跀?shù)，n為街道范圍內(nèi)建筑數(shù)量。

1.2.5 用地類型數(shù)據(jù) 2014年Spot 2.5 m衛(wèi)星遙感影像圖，研究區(qū)內(nèi)2014年基礎(chǔ)地圖矢量稻蕁0賜戀乩用類型將用地分為8類，分別為林地、農(nóng)用地、草地、公共綠地、河流、池塘、居民地和道路，具體分類見圖4。

1.3 研究方法

1.3.1 空間自相關(guān)分析 登革熱的傳播模式為人-蚊-人[19]，登革病毒以蚊媒為載體，將病毒傳播到易感者體內(nèi)。當(dāng)傳播現(xiàn)象發(fā)生時(shí)，感染者與易感者的活動(dòng)范圍存在空間重合。這種傳播特征導(dǎo)致登革熱病例存在空間自相關(guān)特征，需要對其進(jìn)行定量分析。

空間自相關(guān)程度以全局Moran’s I（Global Moran Index）表示，公式為：

I=■ （2）

式中，n為樣本量，即空間位置的個(gè)數(shù)；Xi、Xj表示空間位置i和j的觀察值，X 表示觀察值的均值，Wij表示空間權(quán)重矩陣。對于Moran’s I，可以用標(biāo)準(zhǔn)化統(tǒng)計(jì)量Z檢驗(yàn)n個(gè)區(qū)域之間的空間自相關(guān)關(guān)系，公式為：

Z（I）=■ （3）

式中，E（I）表示Moran’s I值的期望值；Var（I）表示Moran’s I值的方差。一般當(dāng)|Z|>1.96，拒絕零假設(shè)，即在95%的概率下，存在著空間自相關(guān)。

1.3.2 隨機(jī)森林 隨機(jī)森林是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的組合分類智能算法，其基本思想是把多個(gè)具備互補(bǔ)作用的弱分類器集合起來組成一個(gè)強(qiáng)分類器。通過降低單個(gè)分類器錯(cuò)誤的影響，從而提高模型分類準(zhǔn)確率和穩(wěn)定性。

隨機(jī)森林是具備非線性特點(diǎn)的建模工具，具備高預(yù)測準(zhǔn)確率，分類結(jié)果準(zhǔn)確，穩(wěn)定性強(qiáng)，不易過擬合，對異常值和噪聲具有優(yōu)容忍度等特點(diǎn)，對解決多變量預(yù)測及分類問題具有很好的效果[20]。在模型構(gòu)建過程中，RF可確定變量重要性特征，決定特征選擇變量。

1）原理及生成步驟。RF是由樹型分類器集合{h（X，？茲k），k=1，…，n}組合而成的分類器，其中參數(shù)？茲k為獨(dú)立同分布的隨機(jī)向量。在分析過程中，每棵樹對輸入向量X所屬的最受歡迎類進(jìn)行投票，確定模型的最優(yōu)分類結(jié)果。

RF生成步驟如圖5所示。從總訓(xùn)練樣本集中通過Bootstrap抽樣隨機(jī)抽取k個(gè)子訓(xùn)練樣本集，建立決策分類子樹模型；隨機(jī)從分類樹每個(gè)節(jié)點(diǎn)的n個(gè)指標(biāo)中選取m個(gè)，按照最優(yōu)分割指標(biāo)進(jìn)行分割；重復(fù)上一步遍歷K棵分類子樹，確定多個(gè)分類結(jié)果；投票表決決定最終分類結(jié)果。

2）風(fēng)險(xiǎn)指標(biāo)重要性計(jì)算。RF采用Bagging算法集成訓(xùn)練集，假設(shè)訓(xùn)練樣本足夠大時(shí)，約有36.8%的樣本不會出現(xiàn)在Bootstrap采樣子集中，這部分?jǐn)?shù)據(jù)稱為OOB（Out-Of-Bag）數(shù)據(jù)。OOB數(shù)據(jù)可對決策子樹模型進(jìn)行評估，確定決策子樹的錯(cuò)誤分類率，即OOB誤差。RF模型中的OOB誤差具有無偏性特征，計(jì)算比交叉驗(yàn)證法更為高效。

風(fēng)險(xiǎn)指標(biāo)的重要性計(jì)算方法主要有以下兩種：

①計(jì)算每棵樹的原始OOB誤差（EOOB1）以及對風(fēng)險(xiǎn)因子i加入噪聲后的OOB誤差（EOOB2），再將兩者的差對所有決策子樹做平均，采用標(biāo)準(zhǔn)差歸一化，得出風(fēng)險(xiǎn)指標(biāo)i的重要性。在RF中采用IncMSE進(jìn)行量度，公式為：

IncMSE=■■（EOOB2-EOOB1）/EOOB1 （4）

②通過分析森林中所有節(jié)點(diǎn)的風(fēng)險(xiǎn)指標(biāo)i在節(jié)點(diǎn)分割時(shí)的基尼指數(shù)減少值D的總和后對所有樹取平均，確定風(fēng)險(xiǎn)指標(biāo)i的重要程度，在RF中采用IncNodePurity進(jìn)行量度，公式為：

IncNodePurityk=■×100% （5）

式中，m、n、t分別是總指標(biāo)個(gè)數(shù)、分類樹棵數(shù)和單棵樹的節(jié)點(diǎn)數(shù)，Dkij是第k個(gè)指標(biāo)在第i棵樹的第j個(gè)節(jié)點(diǎn)的Gini指數(shù)減小值，IncNodePurityk為指標(biāo)在所有指標(biāo)中的重要程度。

本研究選取第二種方法作為登革熱風(fēng)險(xiǎn)因子的重要性評價(jià)的評判標(biāo)準(zhǔn)。

決策子樹與預(yù)選變量數(shù)量的不同會影響隨機(jī)森林的強(qiáng)度及相關(guān)性，影響結(jié)果精度。因此在風(fēng)險(xiǎn)因子篩選時(shí)，需要對比不同決策子樹及預(yù)選變量數(shù)下的測試結(jié)果，從而確定最優(yōu)決策子樹及預(yù)選變量數(shù)目。圖6分別顯示了在不同預(yù)選變量及決策子樹個(gè)數(shù)情況下的誤差情況，最終選取預(yù)選變量數(shù)5和決策子樹數(shù)量600作為隨機(jī)森林的2個(gè)參數(shù)。

2 結(jié)果與分析

2.1 空間自相關(guān)分析

一般認(rèn)為當(dāng)P小于0.05，|Z|值大于1.96時(shí)，則拒絕零假設(shè)，表示在95%的概率水平下，存在空間自相關(guān)特征。結(jié)果表明，登革熱具有強(qiáng)空間相關(guān)性，其全局Moran’s I值為0.649 2，P為0.000（小于0.01），Z為51.994 2。因此在進(jìn)行風(fēng)險(xiǎn)因子分析時(shí)，需充分考慮鄰域因子之間的相互作用性，將鄰居格網(wǎng)的登革熱病例納入分析的范疇。

2.2 空間相關(guān)性分析

登革熱的傳播與擴(kuò)散在空間上受到多種因素的綜合影響，如用地類別因素、環(huán)境因素、氣象因素、人口密度、鄰域因素等。采用空間相關(guān)性分析，可初步得出登革熱傳播擴(kuò)散的風(fēng)險(xiǎn)因子。

從表3可以看出，人口因素與登革熱存在強(qiáng)烈的正相關(guān)關(guān)系，相關(guān)系數(shù)為0.765；其次是道路、居民地、鄰域因子（共8個(gè)），溫度、降雨、NO2、PM10、PM2.5與登革熱有較強(qiáng)的正相關(guān)性，農(nóng)用地、林地、CO、O3與登革熱具有負(fù)相關(guān)性，而草地、公共綠地、河流、SO2與登革熱的相關(guān)關(guān)系不明顯。

2.3 隨機(jī)森林

結(jié)果顯示，當(dāng)預(yù)選變量數(shù)為5，決策子樹數(shù)量為600時(shí)，RF模型對登革熱分析結(jié)果的均方根誤差（RMSE）僅為0.055 678（數(shù)據(jù)已做標(biāo)準(zhǔn)化），風(fēng)險(xiǎn)因子對登革熱具備72.25%的解釋能力。相較于傳統(tǒng)的前向逐步回歸模型（解釋能力為66.20%，RMSE為0.061 255），RF模型具有更強(qiáng)的解釋能力，對于登革熱發(fā)生與擴(kuò)散的解釋效果更為優(yōu)秀。

RF模型分析得出各個(gè)風(fēng)險(xiǎn)指標(biāo)的重要性程度，以重要性程度1%、5%、10%為節(jié)點(diǎn)對指標(biāo)等級進(jìn)行劃分，共得出4個(gè)風(fēng)險(xiǎn)因子等級。從表4可以看出，人口、居民地分布、右鄰域、左鄰域是影響登革熱傳播的第一級別風(fēng)險(xiǎn)因素；下鄰域、上鄰域是影響登革熱傳播的第二級別風(fēng)險(xiǎn)因素；道路、右上鄰域、左下鄰域、右下鄰域、左上鄰域、降雨、O3、PM10、PM2.5、CO、池塘、NO2櫚諶級別風(fēng)險(xiǎn)因素；溫度、農(nóng)用地、林地為第四級別風(fēng)險(xiǎn)因素。第一與第二風(fēng)險(xiǎn)等級的總貢獻(xiàn)率達(dá)71.49%。其中人口因素貢獻(xiàn)程度最大，重要程度達(dá)19.08%，居民地分布次之，重要程度為11.41%。

3 討論

本研究基于前人的研究成果，綜合考慮了社會人文因素、周邊鄰域因素，氣象因素、環(huán)境因素、以及用地類型等共25個(gè)潛在風(fēng)險(xiǎn)因子。將隨機(jī)森林模型引入登革熱風(fēng)險(xiǎn)因子評價(jià)中，構(gòu)建登革熱風(fēng)險(xiǎn)因子等級排名體系。

3.1 隨機(jī)森林與風(fēng)險(xiǎn)因子評估

研究表明，隨機(jī)森林具備登革熱指標(biāo)重要性分析功能，能夠挖掘出登革熱風(fēng)險(xiǎn)因子，確定風(fēng)險(xiǎn)因子等級排名體系。從模型效果上看，隨機(jī)森林比傳統(tǒng)的線性回歸模型的數(shù)據(jù)挖掘能力更強(qiáng)，結(jié)果更為準(zhǔn)確。

3.2 社會人文因子對登革熱的影響

人口因素是登革熱發(fā)生與擴(kuò)散過程中最為重要的風(fēng)險(xiǎn)因子之一，重要性占所有因子比重的19.08%，明顯高于其他因子，這與？str？im等[14]強(qiáng)調(diào)的登革熱主要風(fēng)險(xiǎn)因子為社會經(jīng)濟(jì)因子的結(jié)論相一致。經(jīng)濟(jì)發(fā)達(dá)地區(qū)，人口密度高，登革熱易感人群越多，病毒的攜帶者與傳播者也容易增多，導(dǎo)致登革熱發(fā)病率迅速升高。因此在登革熱防控過程中應(yīng)該重點(diǎn)監(jiān)控人口密度高、社會活動(dòng)頻繁、經(jīng)濟(jì)發(fā)達(dá)的地區(qū)。

3.3 周邊鄰域因子與盛行風(fēng)向?qū)Φ歉餆岬挠绊?/p>

地理學(xué)第一定律表明，地理空間對象間普遍存在自相似性特征，距離越近的物體，相似程度越高。本研究將格網(wǎng)周邊8個(gè)鄰域作為風(fēng)險(xiǎn)因子，共同探究周邊區(qū)域?qū)Φ歉餆醾鞑U(kuò)散的影響。研究結(jié)果表明，鄰域因子是登革熱發(fā)生與傳播的另一個(gè)重要風(fēng)險(xiǎn)因子，其中與區(qū)域有直接邊界接觸的格網(wǎng)（上、下、左、右4個(gè)鄰域）對登革熱的影響程度最高，重要程度分別為9.37%、9.50%、10.86%、11.27%，其次是周邊4個(gè)角點(diǎn)的格網(wǎng)（左上、左下、右上、右下4個(gè)格網(wǎng)），重要程度分別為2.44%、3.33%、3.33%、2.85%。這表明登革熱的流行與暴發(fā)存在著區(qū)域效應(yīng)，登革熱疫情會受到周邊區(qū)域的影響，所以在加強(qiáng)對登革熱的防控時(shí)，應(yīng)該隨時(shí)監(jiān)控周邊區(qū)域登革熱的傳播擴(kuò)散態(tài)勢。

另一方面，格網(wǎng)的周邊鄰域?qū)^(qū)域的影響不一，對區(qū)域登革熱有顯著影響的鄰域?yàn)橛亦徲?、左鄰域、下鄰域、上鄰域、左下鄰域、右上鄰域?個(gè)鄰域，而左上鄰域及右下鄰域?qū)^(qū)域的影響則相對較弱，該現(xiàn)象與廣州的夏季盛行風(fēng)向（東南風(fēng)）相吻合，在盛行風(fēng)向上的鄰域?qū)^(qū)域的影響程度顯著弱于其他鄰域。此現(xiàn)象表明，風(fēng)向及風(fēng)力大小對登革熱疫情的傳播擴(kuò)散存在著不可忽視的影響。

3.4 用地因子對登革熱的影響

登革熱的流行與居民地、交通道路分布存在顯著的正相關(guān)性，池塘的分布對登革熱產(chǎn)生具有一定作用，林地與農(nóng)用地的分布對登革熱的影響不明顯。這與Hsueh等[13]的研究結(jié)論一致，居民地、交通、水體對登革熱的發(fā)生及擴(kuò)散具有重要驅(qū)動(dòng)作用。進(jìn)一步證明登革熱的防控應(yīng)該重點(diǎn)圍繞經(jīng)濟(jì)發(fā)達(dá)、人口密度高、交通便捷地區(qū)。另一方面池塘作為靜止水源地，容易受到人為污染，為媒介蚊蟲提供理想的孳生環(huán)境，因此在登革熱防控過程中，應(yīng)該注意池塘等靜止水體的清潔衛(wèi)生，防止蚊蟲孳生。

3.5 環(huán)境因子對登革熱的影響

環(huán)境因子方面，O3與CO對登革熱存在抑制作用，NO2、PM10、PM2.5對登革熱存在激勵(lì)作用，總體而言氣候因子對登革熱的影響大小排序?yàn)镺3>PM2.5=PM10>CO>NO2。登革熱病毒主要由伊蚊作為媒介進(jìn)行傳播，而O3、CO濃度的升高對伊蚊的繁殖具有一定的抑制作用；另一方面NO2、PM10、PM2.5等污染物的升高，表明城市的環(huán)境衛(wèi)生條件惡化，容易促使流行區(qū)發(fā)病率的增加。

3.6 氣象因子對登革熱的影響

氣象因子方面，降水因素對登革熱的影響高于環(huán)境因子。在夏秋季節(jié)降水量多時(shí)，也是登革熱高發(fā)期。因此在降水量高的夏秋兩季，應(yīng)對登革熱進(jìn)行重點(diǎn)防護(hù)。另一方面，由于囟扔虢滌甑繞象因子對蚊蟲孳生的影響存在滯后性，因此本研究得出溫度因子對登革熱的傳播僅具有較弱的影響效力。

3.7 登革熱風(fēng)險(xiǎn)因子等級排名體系

登革熱的風(fēng)險(xiǎn)因子等級排名如下：第一等級（人口>居民地>右鄰域>左鄰域）；第二等級（下鄰域>上鄰域）；第三等級（道路>右上鄰域=左下鄰域>右下鄰域>左上鄰域>降雨>O3>PM10=PM2.5>CO>池塘=NO2）；第四等級（溫度>農(nóng)用地>林地）。

登革熱的發(fā)生與擴(kuò)散主要受到人口分布及周圍鄰域的影響，這是登革熱產(chǎn)生及流行的重要風(fēng)險(xiǎn)驅(qū)動(dòng)因子。交通因素作為城市化水平的基本指標(biāo)之一，在促進(jìn)所在區(qū)域經(jīng)濟(jì)發(fā)展的同時(shí)，大大加快了人與人之間的活動(dòng)交流，容易導(dǎo)致登革熱在人口密度高的地區(qū)迅速擴(kuò)散蔓延。環(huán)境因子在登革熱產(chǎn)生與傳播過程中起到了較為重要的作用，O3、CO對登革熱存在顯著的抑制作用，而NO2、PM10、PM2.5對登革熱的擴(kuò)散具有明顯的激勵(lì)作用。氣象因子對登革熱的擴(kuò)散存在一定的影響，其中降雨量的多少對登革熱的影響較為明顯，就小區(qū)域范圍而言，降雨量對登革熱的激勵(lì)作用顯著高于溫度。在用地類型因素中，池塘的分布與登革熱的產(chǎn)生存在弱相關(guān)性，激勵(lì)作用略弱，而農(nóng)用地、林地等的分布則對登革熱的影響不明顯。

登革熱作為一種通過“人-蚊-人”進(jìn)行傳播的傳染性疾病，其主要風(fēng)險(xiǎn)因子在于人口密度，周邊鄰域的登革熱發(fā)展情況以及交通。在全球化背景下，城市地區(qū)人口密度迅速增加，城市居民的日?；顒?dòng)交流日趨頻繁，因此更加需要密切關(guān)注登革熱病例的產(chǎn)生，一旦發(fā)現(xiàn)登革熱病例，應(yīng)當(dāng)盡早將患者進(jìn)行隔離治療，防止登革熱的進(jìn)一步擴(kuò)散傳播。

3.8 結(jié)論

隨機(jī)森林模型可很好地挖掘影響登革熱的各類風(fēng)險(xiǎn)因子，量化各風(fēng)險(xiǎn)因子對登革熱的影響程度，解釋各風(fēng)險(xiǎn)因子間的相互關(guān)系；人口密度、周邊鄰域登革熱狀況對登革熱影響最大。登革熱作為一種強(qiáng)傳播性疾病，在人口密集的城市地區(qū)，應(yīng)及時(shí)收治感染人員進(jìn)行隔離治療，防止登革熱的進(jìn)一步擴(kuò)展蔓延。研究結(jié)果可為疾病控制部門預(yù)防登革熱提供參考，控制登革熱爆發(fā)。隨機(jī)森林模型同樣適用于其他傳染性疾病的時(shí)空擴(kuò)散挖掘研究。

參考文獻(xiàn)：

[1] 張海林，張?jiān)浦?，馮 云，等.云南省2005年登革熱監(jiān)測分析[J].中國熱帶醫(yī)學(xué)，2006，6（7）：1162-1163.

[2] 樊景春，林華亮，吳海霞，等.廣東省2006-2011年登革熱時(shí)空分布特征[J].中國媒介生物學(xué)及控制雜志，2013，24（5）：389-391.

[3] IPCC. Climate change 2007：The Physical Science Basis.Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change[M].Cambridge， UK：Cambridge University Press，2007.

[4] 毛祥華，張?jiān)倥d.中國登革熱的流行現(xiàn)狀[J].中國病原生物學(xué)雜志，2007，2（5）：385-388.

[5] 李衛(wèi)紅，陳業(yè)濱，聞 磊.基于GA-BP神經(jīng)網(wǎng)絡(luò)模型的登革熱時(shí)空擴(kuò)散模擬[J].中國圖像圖形學(xué)報(bào)，2015，20（7）：981-991.

[6] 封 靜，潘安定.廣州氣溫變化特征及其與城市化進(jìn)程的關(guān)系[J].廣州大學(xué)學(xué)報(bào)（自然科學(xué)版），2011，10（6）：89-94.

[7] 何隆華，周明浩，褚宏亮，等.遙感技術(shù)在蚊媒傳染病研究中的應(yīng)用進(jìn)展[J].中國媒介生物學(xué)及控制雜志，2014，25（2）：184-188.

[8] HALSETEAD S B. Dengue haemorrhagic fever-A public health problem and a field for research[J].Bull World Health Organ，1980，58（1）：1-22.

[9] 王成崗.廣東省登革流行特征及氣象因素對廣州市登革的影響研究[D].濟(jì)南：山東大學(xué)，2014.

[10] M？NDEZ-L？ZARO P，MULLER-KARGER F E，OTIS D，et al. Assessing climate variability effects on dengue incidence in San Juan，Puerto-Rico[J].International Journal of Environmental Research and Public Health，2014，21：9409-9428.

[11] CHEONG Y L，BURKART K，LEIT？O P J，et al. Assessing weather effects on dengue disease in Malaysia[J].International Journal of Environmental Research and Public Health，2013， 10：6319-6334.

[12] SHEELA A M，SARUN S，JUSTUS J，et al. Assessment of changes of vector borne diseases with wetland characteristics using multivariate analysis[J].Environ Geochem Health，2015， 37：391-410.

[13] HSUEH Y，LEE J，BELTZ L. Spatio-temporal patterns of dengue fever cases in Kaoshiung City，Taiwan，2003-2008[J].Applied Geography，2012，34：587-594.

[14] ？STR？M C，ROCKL？V J，HALES S，et al. Potential distribution of dengue fever under scenarios of climate change and economic development[J].EcoHealth，2012，9（4）：448-454.

[15] SARFRAZ M S，TRIPATHI N K，TIPDECHO T，et al. Analyzing the spatio-temporal relationship between dengue vector larval density and land-use using factor analysis and spatial ring mapping[J].BMC Public Health，2012，12：853.

[16] 李 森，陶海燕，秦 雁，等.基于b感與地理信息技術(shù)的登革熱環(huán)境風(fēng)險(xiǎn)因子標(biāo)識[J].中華疾病控制雜志，2010，14（9）：869-873.

[17] 易彬樘，張治英.中國登革熱流行及控制概況[J].中國公共衛(wèi)生，2002，18（9）：1128-1130.

[18] BREIMAN L. Random forests[J].Machine Learning，2001， 45（1）：5-32.