空间统计学及其在公共卫生领域中的应用

《空间统计学及其在公共卫生领域中的应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2014年11月汕头大学学报（自然科学版）第29卷第4期Nov.2014JournalofShantouUniversity(NaturalScience)Vol.29No.4文章编号：1001-4217（2014）04-0061-07空间统计学及其在公共卫生领域中的应用倪书华(北京师范大学社会发展与公共政策学院，北京100875)摘要：经典统计学处理公共卫生数据空间属性数据的能力不足，空间统计学具有优势，由此得到广泛应用.目前空间统计学在公共卫生领域主要应用有：疾病制图、分布格局探测、空间相互关系分析、病因分析以及时空预警等方面.关

2、键词：空间统计学；公共卫生；空间自相关；空间异质性中图分类号：R188N945文献标志码：A0引言自从2003年SARS以来，我国加强了公共卫生信息化建设，同时新医改提出了宏伟“3521”信息化工程，积累了大量的疾病与健康相关数据资源，这些资源是公共卫生宝贵财富，这些数据资源每日呈指数增长，标志公共卫生领域已进入了大数据时代；科学分析这些数据资源有助于掌握疾病的流行规律，采取有针对性的防控措施，提高疾病预防控制工作效率，同时正确的分析结果是进行科学决策的依据；而这些公共卫生数据大约80%以上具有空间属性，如果采用传统的统计方法来处理这

3、类数据，忽略了数据的空间属性；经典统计分析假设前提是随机独立，而空间数据往往不满足这些假设，其结果[1]可能有偏和非最优.1空间统计学概述在这种背景下，我们必须思考如何利用空间统计学方法来处理公共卫生疾病监测数据，充分考虑其空间属性，使分析的结果更真实、可靠、客观和科学.1.1空间统计发展历史1950年Moran首次提出空间自相关测度来研究二维或更高维空间随机分布的现象，1951年南非学者Krige提出了空间统计学萌芽思想，后经法国数学家Matheron完善，于1963年和1967年提出了地统计学和克里金技术.1973年，Cliff和

4、Ord发表了空间自相关（SpatialAutocorrelation）的分析方法，1981年出版了SpatialProcess：Modeland收稿日期：2014-08-22作者简介：倪书华（1978-），女，江苏省张家港市，经济师，硕士研究生，研究方向：卫生保障.E-mail：nishuhua@hotmail.com62汕头大学学报（自然科学版）第29卷Application专著，形成了空间统计理论体系，以及Getis’G和Lisa提出的空间异质性[2-3]的局部统计使空间统计理论日趋成熟.近年来随着空间分析技术以及空间分析软件（如

5、GIS、Geoda、SaTScan、Winbugs等）的迅速发展，与疾病分布有关的空间统计分析也得以较快发展.1.2空间统计学特征与定义空间统计具有明显的多学科交叉特征，其显著特点是思想多源、方法多样、技术复[4]杂，并随着相关学科如计算机软硬件技术的发展而发展.空间统计分析是以地理实体为研究对象，空间统计模型为工具，以地理实体空间相关性和空间变异性为出发点，来分析地理对象空间格局、空间关系、时空变化规律，进而揭示其成因的一门新科学.经典统计学与空间统计学的区别与联系归纳如表1.表1经典统计学与空间统计学区别与联系比较经典统计学空间统

6、计学研究的变量随机变量区域化变量假设前提独立空间自相关研究样本数字特征空间分布及空间关系研究结果没有与GIS结合与GIS完美结合联系空间统计是经典统计的有效补充1.3公共卫生数据的空间特征空间依赖性和空间异质性是公共卫生数据两个重要的空间属性，公共卫生数据依赖性是指疾病在空间分布上呈现的空间自相关、聚集性及协同的趋势，空间自相关破坏了[5]经典统计当中的样本独立性假设，构成“地理学第一定律”.公共卫生数据异质性是指疾病在空间分布上具有的复杂性、变异性、不均匀性，与地理学第一定律所描述的空间依赖性相对应，Goodchild（2003）将

7、空间异质性总结为“地理学第二定律”.这两种特殊性质直接影响了空间数据统计分析和建模的方法.1.4空间统计学主要方法空间统计学方法很多按照空间数据类型和空间数据特殊性可以分为基于点数据分析方法、面数据分析方法、连续数据分析方法以及空间回归分析等，详见图1.2空间统计在公共卫生领域中主要应用空间统计在公共卫生领域中应用越来越广泛，主要在制作疾病聚集性分析、疾病监测点抽样、发病的估图1空间统计分析方法思维导图第4期倪书华：空间统计学及其在公共卫生领域中的应用63算、探讨危险因素、确定疾病或媒介空间特征、预测疾病的时空变化规律等方面.2.1疾

8、病的空间插值分析空间插值数据是根据相邻样点的相似原理来生成表面，即用已知的样点的值生成表面来预测整个研究区域内每个位置的值，并评估预测表面的误差和变异性.克里金插值又称之为地统计学，以空间自相关为前提，区域化变量理论为基