采用多级建模和地理加权回归以确定空间变化

采用多级建模和地理加权回归以确定空间变化在台湾的地域缺点和肥胖上的关联摘 要目的：我们研究地域缺点和肥胖是否在何种程度上与空间变化有关系。方法：2005年一个代表性的分析台湾的成年人人口为基础的抽样调查（n =25985），即利用多层集成模型与地理加权回归分析健康和安全的社会发展趋势。表明了空间变化在地域缺点和肥胖之间的关联。因变量是身体质量指数（从受访者自我报告的身高和体重计算）。自变量是最重要的乡镇劣势指数（贫困程度，少数民族组成，社会动乱）。其他特殊的社会人口特性被列入的效果构图参考。结果：地域缺点与肥胖的风险升高在台湾被认为是在特定的领域。对比结果从常用的地理加权回归模型表明，地域缺点升高，肥胖程度仅在某些地域。结论：我们发现肥胖是反映地方水平的决定因素，跨越地域的异质性。遏制肥胖人口的方法在大多数有特定战略需要的地区都适用。关键词 地域缺点，多级建模，肥胖，地理加权回归介绍肥胖给工业化国家带来了的主要的健康风险。截至2003年，有超过一亿成年人体重超标与肥胖，世界（库拉纳，2008年，世界卫生组织，2003年）分类表至少有300万人。约58带有疾病，带有缺血性心脏疾病的病例为21，8-42的某些类型的癌症是由于超重（WHO，2000年，世界卫生组织，2003年）所引起的。肥胖的蔓延不仅限制了工业化国家的发展，事实上，它在发展中国家也是普遍存在的，以（WHO，2003年）在大多数国家，肥胖可以用来区分健康的差距，因为它不是均匀分布在社会和种族群体和跨区域之间的。在社会科学文献中有两个互补的主题探讨肥胖的原因：社会因素和环境因素（斯温伯恩，艾格，Razza，1999年）。成年人肥胖的社会因素的研究已经发现了一种个人社会经济地位（SES）和超重状态（迈凯轮，2007年;蒙泰罗等，2004）之间的联系。在调查工业化社会肥胖的危险因素时，迈凯轮（2007）发现了有规律的证据证明妇女肥胖与SES之间存在负相关关系，但在男人和儿童上的关系是不确定的。 Drewnowski与斯佩克特（2004）发现在工业化社会最贫穷和受教育最少的人员之间的肥胖率最高。通过阅读针对发展中国家的肥胖的文章表明，一个国家的国民生产总值增长较低时的SES增加了肥胖的患病率（蒙泰罗等，2004）。几个巴西的研究表明，肥胖增加最快的有较低的SES（蒙泰罗等人，2000,1995，2004）。Reviewand的分析表明发展中国家的国民收入上升与 “西方化”的增加最可能引起肥胖率的提高。研究一直表明，生活在经济贫困的地区人均SES增加了超重或肥胖的可能性（Black及Macinko，2008;迭鲁，2001年; Janssen等人，2006年;莫布里等人，2006年范Lenthe，Brug与Mackenbach，2005年），与贫困社区的肥胖状况明显有关，（包括贫困博德曼等人，2005年Nelson等2006），有较低的社会SES（罗伯特 reither，2004年），物质匮乏（范Lenthe Mackenbach，2002年），失业率高（Janssen等人，2006年）。某些环境中被确认的“obesogenic”，是指“周围的环境，生活条件中的机会，对促进个人或人群肥胖的影响的总和”（斯温伯恩等，1999，）。 obesogenic环境的一个特点是食物摄入增加，体力活动减少，贫困（斯温伯恩艾格，2002年）。一些研究已经证明，居委会的缺点和obesogenic环境的结合是肥胖的一个可能原因。例如，在低SES地区居住的人得不到生活在较富裕社区人们的健康食品，如低脂牛奶，高纤维的面包，新鲜水果和蔬菜（康明斯与麦金太尔，2002年，康明斯，麦凯麦金太尔，2005年霍洛维兹等人，2004年，摩尔和迭鲁，2006）。Black与Macinko（2008）发现，低收入的城市街区的居民更可能比其他城市街区的居民发病，取决于不适当的饮食和运动缺陷的量。虽然一些研究发现种族组成（博德曼等，2005）与肥胖也有关，但是这一点没有得到证实（莫布里等人，2006年;罗伯特和Reither，2004年）。张（2006）认为，种族与远离非洲的美国人的肥胖有关，但不是白种人。然而，亚洲的研究，呈现出不同的情况。在亚洲，肥胖增加的同时，社会经济和营养状况转变（波普金及多克，1998年，波普金杜，2003年）。 城市化进行使收入普遍较高，因此，较高的能量摄入量，高热量的食物，更多的饱和脂肪（弗洛伦蒂诺，2002年；波普金，霍顿，金2001年和波普金，霍顿，金，泰姬陵，Shuigao2001年）摄入，食物中的总能量在亚洲国家增加，食物中的脂肪总能量的增加，从1962年的8.8到1996年的23.7，如新加坡，香港和韩国等发达国家。然而，体重的增加的驱动因素可能只是在亚太地区国家的特定国家。人们已经注意到，在同一国家的不同地区，在亚洲不同的地点（弗洛伦蒂诺，2002年）中肥胖患病率有实质上的不同。吉尔（2006年）在文献综述的基础上，得出的结论是亚洲的肥胖患病率一般是在城市地区高于农村地区，以及在较高的SES地区。例如，马来西亚的城市的体重超重的成年人患病率在男性中为28.7，女性为25.8，从1991到1994年间，（伊斯梅尔Zawiah，董建华，及伍，1995年）。大约在同一时期（即从1992至1993年）的越南，在社会经济转型期的早期阶段有低于2的超重或肥胖的成年人口，但与市区的双率相比，在中国农村地区（吉莱斯皮和哈达德，2001年），快速的社会经济转变已被证明增加了超重和肥胖的发生率，1992和2002（王山，王戈，2006）间从14.6跃升至21.8。患病率多在市区（14.9）高于农村（8.4），根据中国的全国营养调查（国际肥胖工作组，2000年）表明生活在大都市地区的高收入成年人比那些生活在农村地区（波普金，霍顿，金，2001年）的人消耗的高能量的食物多（波普金，霍顿，金，泰姬陵等，2001;波普金等，1993;1995年）。相反，在日本，在小城镇中观察到男人的超重率显著增加了，而有显著肥胖的减少是在大都市地区的妇女（吉池，金田，与泷，2002年）。在其他研究相比，韩国的研究也发现男性的肥胖与高收入间有较强的正相关关系，但女性不是（尹噢，2006年）。在台湾，男性的肥胖患病率在过去十年中显着增加，但妇女不是（楚，2005年）。具体来说，在台湾的山区，其中大部分是弱势的原住民，居住的人容易肥胖（林等人，2003年）。结果发现，生活在大都市地区的成年人更加有可能比在农村地区的发生肥胖。总之，在东亚和东南亚，体重增加的各主要亚群的驱动因素是出现在特定区域的，这意味着，研究人员应特别注意在这些特定地区的肥胖的流行与地理特异性的关系。直到最近，空间分析组件上已基本上没有好文章（弗兰克Kavage，2008年）。一些工作中的应用地理文章提供了一个广阔的视角，链接健康行为和成果与地方层面的因素。土地利用类型已发现与时间显着相关（Anzhelika，王，威尔莫特，2011年），土地利用结构与肥胖的相关性（弗兰克安德烈森，施密德，2004年）一直强烈。当研究如何在城市系统的社会经济职能单位空间分布和经营时，敏（2008年168页）认为，“社会，经济，文化和政治条件也不是完全独立的，它们相交和相互关系”，并在同一时间，空间分布格局，相关的功能特性，空间单位的中心地位和方向也可能不同，尤其是“从这个角度出现的一个问题是，是否将地方一级的缺点和肥胖的风险的机制，以同样的方式在不同的地理区域工作”。最近的研究已纳入更广泛的地理环境，包括邻近地区行政（桑普森，Morenoff，甘农，罗利，2002年，史密斯，Frazee与戴维森，2000）与邻里联络。这样做的原因之一是有利的环境因素（如人行道），可以操作超出行政定义的领域，这往往是相互排斥的物理边界。使用管理单位，隐含假定位于一个街区的食品出口仅由居住在附近的居民访问。多个缓冲区更好的模型，个人和环境因素之间的相互作用可能发生（张庭选和斯特姆2009）。然而，这些研究的限制之一是利用通用的回归模型，将地方级的特性，个人健康结果。这些模型中直接地认为，风险因素完全相同的方式操作整个定义的所有地区。假设一个全球性的因果联系，因此可以掩盖有趣的和潜在的复杂的地理现象。地理加权回归（GWR）地理分析广泛应用（Brunsdon，Fotheringham，查尔顿，1996年，2011），可用于空间变化研究中的健康结果和解释变量之间的关系。不同于普通的最小二乘法（OLS）回归，这里回归参数保持不变，GWR模型允许跨区域的不同参数。关键创新中的GWR是利用当地的权重矩阵W，这比从一个内核函数计算更重，更接近于焦点位置，在一个连续的空间，考虑到空间框架的依赖程度。GWR模型，在每个位置创建当地的回归模型，通过使用权重方案，在每个局部模型（Fotheringham，Brunsdon，查尔顿，2002年）的周边地区建造。同时个人层次变项控制相结合的多层次的建模和地理加权回归，目前的研究探讨地域缺点与台湾的肥胖风险之间的关联在空间变化的合理可能性。由本地空间异质性，我们可以得到有效的估计地方级的缺点和肥胖之间的关联程度。研究方法数据数据来自2005年的社会发展趋势调查对健康和安全总局的预算，会计和统计（行政院主计处）在台湾中央研究所进行（SDSHS）。采用两阶段的调查，随机抽样设计，181阶层。根据人口规模，家庭数目，城市化水平的居民年龄，和高中毕业生被分配到台湾的各乡镇的数量，来自各阶层的几个乡镇随机抽取。然后，随机抽取各乡镇的两个村庄，从每个村选择户籍居民。在这项研究中使用的样本被限制为20-64岁的成年人。离退休人员，学生，和那些生病的很长一段时间（1350个人，或约4.2的原始样本）被排除在外，从266个乡镇的28593受访者中留下1个样本。地理分析的单元是乡镇。乡镇的自然区域在台湾平均约100平方公里，平均人口密度为每平方公里1300人。在山区和沿海地区，平均面积超过120平方公里，但人口密度下降到每平方公里340人。因变量体重指数(BMI)为计算出的被调查者的体重(公斤)除以自身高的平方。身体质量指数25公斤/平方米通常被定义为“超重”,身体质量指数30公斤/平方米是“肥胖”(WHO,2003)。然而,一些研究人员认为这些BMI标准对亚洲人群应重新修订，因为有关心血管疾病、糖尿病、高血压、血脂异常在亚洲人口(波德曼等,2005年;尼尔森等,2006年;罗伯特和Reither,2004)中较低。因此, 在大多数亚洲国家真正的肥胖率可能更高。使用BMI值24公斤/平方米为超重状态和27公斤/平方米为肥胖症,楚(2005)报道,普遍存在的超重状态和肥胖在成年人中年龄在20岁或更老，台湾分别为23.9%及13.4%。台湾人口的分析显示,从1993年到1996年较低的体重指数(BMI)有相同的主要代谢障碍(如高血压、糖尿病和超常)，作为美国人有较高的BMI(康明斯和经典,2003年;2006)。在前人研究的基础上（康明斯与麦金太尔，2006;范lenthe及Mackenbach，2002年）使用肥胖的定义，通过台湾卫生署（DOH，2003年）这研究使用的体重指数的临界肥胖值为27公斤/平方米（Pearce等人。2009年）。自变量独立的关键变量是一个乡镇的缺点，这从3个乡镇的经济变量构建指数得到：贫困，少数民族构成和社会动乱。贫困的数据是从政府领取福利的低收入家庭的比例。少数民族组成是在一个乡镇的原住民人口比例。这些数据是从台湾中央政府（内政部，台湾，2006年）内政部部其外正式记录获得的。目前，台湾原住民的总人口是（2010年），占总人口的约1.9。大多数居住在台湾东部。例如，在2006年，36.9的就业原住民收入低于新台币20,000元（折合625美元），相比，在总人口中的12.1。原住民约59.2，15岁以上的低于高中的程度相比，在总人口中（理事会39.6原住民，2002年）。他们与非原住民比更可能是肥胖者（林等，2003）。何和蔡（2007）显示，原住民男性的约10.5和14.5的女性属于肥胖（BMI 30），相比较非原住民，分别为4.1和3.5。此外，原住民的男性的45.1，33.3的女性体重超重（BMI 为25-30）相比非原住民，为27.6和17.7。社会秩序混乱数据来自每十万人口自杀，凶杀和意外事故的死亡总数，原因（如交通意外，跌倒，溺水，中毒，火灾休闲在一个乡镇的关系），从2000年至2005年，死因统计取自台湾卫生厅统计。由于这三个空间集中程度高，多重共线性大。因此，构建乡镇缺点指数采用主成分分析（即线性加权回归）。核心根的一个0.88，该指数中占82的变异包括变量。三个变量的贫困水平，乡镇少数民族成分，和社会秩序混乱，分别为0.84，0.88和0.80。个体水平变量包括性别、教育程度、个人收入、就业状况、婚姻状况、年龄和有规律的锻炼。性别是一个二进制变量,在人作为一个参照组，教育水平分为四个层次:小学或低于(对照组),6 - 9年的教育(初中),10 - 12年的教育者(高级高中),13年的教育(大专或以上)。个人收入被当作一个变量，有四个收入水平之间的差距,最低收入的参考群体。就业状况分为三大类:就业(对照组),家庭主妇/居家男人,和失业。婚姻状况是一个分类变量包括四组:单(对照组),已婚,离婚或分居的、孤独的。年龄是一个连续变量。最后,有规律的锻炼是一个二进制变量，来区分那些报道有规律的锻炼在面试前三个月有相对不定期的锻炼(对照组)。统计方法两步建模过程是用来检查在地域差异的合理性与区域劣势和肥胖的关联。首先，两个级别的广义阶层线性回归模型采用同时调整乡镇肥胖记录的几率为自变项（劳登布希Bryk，2002年）。至产生肥胖，以下调整后的乡镇记录几率方程。这里Yj-Y代表Y的偏差，从整体样本平均（平均记录几率）乡镇的J; Xpj - XP是偏差从样品的X平均值J;wp的象征层次线性模型（HLM）从内乡坡参数回归，都集中在个体层次的变项Xpj围绕各自的乡镇j（即组定心）。总之，这个过程中调整来控制对每个j的Y值个体层次的协变量的共同影响，加权这些协变量为每个乡镇组成（Morenoff，2003;劳登布希Bryk，2002年）。阶层线性使用高级统计软件进行回归分析。然后采用GWR模型检查似是而非的不同影响来调整乡镇不足之处平均记录几率肥胖。下面是一个一般的线性回归预测模型的变量。这里Y为因变量(例如,平均记录肥胖的可能性);X1是独立的变量(如乡缺点);均值参数和b1是估计; 代表了随机误差,假设以下的分布。在传统的线性回归中，0，1的估计将决定跨乡镇的常数。这意味着，如果有任何空间变化的关系，将只限于误差项。相反，GWR模型允许的参数估计与本地有所不同。一个稍微不同的模型可以改写为的形式，如下面的方程（Fotheringhamet人，2002年）。其中，UI和VI的参数在位置坐标（UI，VI）。参数估计下GWR模型可以从内核中使用加权解决在空间功能提供最重要最接近焦点的位置（Fotheringham等，2002）。使用高斯加权公式，为第i个乡镇的加权函数在下面的公式所示。其中d是乡镇的位置之间的欧氏位置，G和H是被称为带宽数量。 “加权因子来显示距离衰减。因为调整乡镇肥胖记录几率是一个连续变量，显示差异无统计学意义，从正态分布（X2 =10，P= 0.867），高斯的GWR模型被用来估计当地的乡镇缺点参数。作为GWR模型，允许单独的回归估计在每个数据点的参数，可以映射到局部变化。t统计值每个数据点计算除以每个地方预算相应的地方标准估计误差（迭斯-鲁，2001年）。我们通过Akaike信息准则（AIC），这是一种广泛采用的诊断模型拟合程序（Fotheringham等，2002）的GWR3.0软件与ArcGIS9.3的组合，绘制地图，表明估计回归参数的变化。结果表1表明,约70%的受访者结婚,平均年龄大约42岁。62%的人有10多年的教育,74%的人受聘用。略少于三分之二的身体平均身体质量指数为23.1公斤/平方米。表2总结了多重回归结果表示肥胖模型,以作为因变量。对于社会经济水平的表现,我们发现随着被录用的提高,家庭主妇和房子、丈夫在肥胖的风险更高。受过教育的妇女有较低的肥胖的风险。在感情水平的调整,乡镇缺点与肥胖伴随着更高的风险，增加一个单位乡、民族乡、镇的相关不利指数比数比，为1.113(p 0.001)是肥胖。 为了进一步测试空间自相关程度,我们尝试从独立残差模型和HLM发现有统计学显著性( 0.642,p 0.001)。测试结果表明,有适度的空间自相关,即使考虑到个人和乡镇变量,而且程度的关联的优缺点和肥胖风险会千差万别的地理条件限制原因。它也显示了校准的地方,而不是通用模型可以减少空间自相关的问题在误差项,允许一个地域不同关系等问题。因此采用模型GWR估计空间变化的优缺点和关联肥胖的几率平均记录在控制个人层面十分明显。有趣的是,在预测变量模型的解释变异GWR因变量比OLS模型。具体地说,估计R2在GWR模型是0.149比0.08 ，OLS模型AIC低(-227.813)，GWR模型比OLS模型(-233.001)。 这些结果表明,一个全球性的估计程度提高乡镇缺点平均记录肥胖的几率是不合理的数据。在GWR模型,Moran的残差为0.19,统计上并不显著。 图1和2显示连续的表面光滑，估计当地截获（0，在奇数比率）和调整后比（1），这是乡镇缺点指数插值反演距离加权法。图1显示了在各乡镇截获的变异。当地截获介于0.959到1.216，说明当地的地理肥胖率的异质性。换句话说，最初的患病率肥胖是跨乡镇的不同。社会经济的居民经济，大都市区位于台湾北部和西部地区比东部居民的肥胖有显著的降低。图2介绍当地的变异，在调整或估计乡镇缺点指数。如上所示，估计胜算介于0.923到1.104，支持空间假说变化。图2还提供了t-统计量，这表明水平统计学意义。在东南部的一个特定区域台湾乡镇的缺点指数之间的关系和肥胖是非常显着（t-统计量=3.92），而这关系是不太显着，或在其他地区甚至是微不足道的。进一步的统计分析表明，一个特定区域台湾东南部有显着较低的平均工资，缩短工作日内，比台湾其他地区和高失业率（结果表中所示）。讨论地方级效果，对肥胖的研究，模拟情境因素，好像他们是彼此独立的。在其他的话，这些研究已不占地方层面的因素，可以互连（黑Macinko2008年的事实;迭鲁，2001年;敏，2008年皮克特明珠，2001年）。在离境从以往的研究中，陈和温审查的空间效应依赖于肥胖的风险升高（陈文，2010A，2010B）。纳入空间的依赖程度尊重乡镇税前年收入在一个多层次的模型，他们能够为肥胖的高风险（陈文，2010A），以确定在几个社会经济地理集群。然而，他们却不能确定是否在该协会之间的空间变化地方级的因素与肥胖存在。为了克服这些限制，我们介绍了在本研究GWR模型。控制为个体层次的变项，我们之间的关系问跨乡镇乡镇缺点和肥胖不同。 “整合多层次的建模和GWR增加了两种方法的优点。首先，多模型控制个体层次变项成分的影响，从而消除他们的共同创办的语境效果的影响。第二，GWR可以用来确定空间变化之间的关系地方级跨越地域因素和肥胖的风险在一个连续的空间位置。这种创新的回归方法采用了加权函数，给出了最大的重量最接近的焦点位置的空间位置，而非诉诸任意定义的束缚（Assuncao，2003年。的Gelfand等，2003）。 重要的结果出现，从我们的分析。在控制为个人层次变项，乡镇缺点被发现有个别肥胖显着的语境效果台湾。一个纯粹的生态方法，不控制潜在的构图效果，因此没有必要。我们能够识别某些地区与语境的不同模式影响。当地的地理变化表明，不利地方级因素的健康影响是特定领域。在其他也就是说，类似幅度的乡镇缺点不同对肥胖的影响，整个台湾地区。非平稳对肥胖的高级别会议，邻里效应估计将有伪装这值得一提的地理变异。这些调查结果点需要了解的异质性环境跨越地域肥胖的心理因素。最近审查研究得出结论，肥胖患病率为产生联合在市区高于农村地区，在亚洲（鳃，2006年）。最近台湾生态研究已经确定的空间变异在健康结果的社会因素，包括肥胖率和心血管疾病的死亡率（Chen等，2010;文，陈及蔡，2010）。然而，这些研究结果应该是跨被解析谨慎，因为个别的混杂效果在这些研究中没有控制的特点。类似邻里研究方法已被用于在美国（控球的等，2001; Morenoff，2003年），但我们所知的最好的边缘，在亚洲没有研究探讨不同的关系之间的地理区域和肥胖而控制个人层次变项。 地方层面的因素和之间的关系的研究健康不是什么新鲜事，但证据是很不明朗，重要的问题，包括机制，测量，分析方法，需要进一步探索。迭斯 - 鲁（2001）指出，有关地理区域的大小和定义假设通过该地区的工艺操作和影响健康结果的利益可能会有所不同方面。肥胖上升趋势背后的具体因素可能是特定国家和地区（弗洛伦蒂诺，2002年）。利用空间分析，以揭示社会和地理因素之间的连接，因此，有必要的，进步的地方水平和邻里效应研究（2009年Chaix，Longleyatobna，2004年;桑普森等人，2002年）。斯塔福德和旱獭（2003）指出，多项研究，认为个别和邻里剥夺可能会影响健康发现混合的证据。然而，许多这些研究调查构图的效果，而不是语境效果。重要的是，在我们的研究中使用的个体水平的数据和多层次的建模梳理出从语境效果的构图效果。 这项研究具有一定的局限性。首先，BMI计算使用自己报告的身高和体重，这是错误和偏见（埃尔加斯图尔特，2008年）。几项研究已表明自我报告的身高和体重的有效性，发现的身高和体重的自我报告的措施是可靠的，高度与测量身高和体重（Kuczmarski，Kuczmarski，Majjar，2001年，麦克亚当斯，范达姆：胡锦涛，2007;，阿普尔比，戴维斯宾塞，与重点，2002年）。斯宾塞等。（2002）自我报告之间的相关性研究测量高度和重量在4808个样本和发现的地区有显着相关性（麦克亚当斯等人，2007）也发现自我报告的体重指数之间的相关性，测量的BMI值（身高和体重计算）均在0.95，白人非常高，黑人为0.93，墨西哥为0.90。吉尔和莫拉（2011）发现，有关的社会规范“理想”的重量往往会影响体重的自我报告，但高度不太可能受到影响至于有没有偏见程度的研究。 整个社会人口的高度和重量的自我报告在台湾和东南亚的族群，我们推测“理想”重量的社会规范中普遍存在少得多的原住民人口。因此，在各乡镇的平均体重指数原住民人口比例较接近真实（即没有根据）的乡镇对肥胖的缺点是低估。第二，SDSHS抽样方案不包括对数据的所有乡镇;超过四分之三的所有乡镇进行了调查，这个抽样框有点限制一般化。第三，缺乏公开乡镇一级的数据，意味着乡异质性无法进行评估。第四，可以得出其外GWR模型的统计推断是相对有限的，从而降低了该模型的解释力。最后，肥胖和乡镇缺点之间的关联并不一定是因果关系，因为分析的是横断面。 尽管有这些限制，这项研究对于未来的研究和实践具有重要意义。从公共健康的角度来看，了解某些领域的社会经济劣势的健康结果有助于计划有效的社会干预。与此相反，以高风险方法，旨在保护易感个体（不论对于肥胖或任何其他疾病）的人口办法（罗斯，1985年）会影响整个人口在整个分布曲线向积极的移动方向（例如，移动BMI分布曲线向左）。在理论上是符合成本效益，但可能无法在实践中应用，由于有几个原因，包括广泛的目标和所谓的“预防悖论”（亨特和Emslie，2001年）。在我们的研究中清楚地表明，固定的有关乡镇缺点的问题不会普遍的影响肥胖，因为它们的关系在每一个乡镇不显著。相比之下，当地的回归模型，揭示了一条重要信息：这两个统计数据和实际的效果最显著。如果成本效益的一部分可以遏制肥胖的过程，干预的目的仅为减少乡镇缺点，应优先考虑有最高显著关系的地理区域。 因此GWR模型提供映射可视化有政策意义。我们的工作可以作为一种在特定地区应用的地理信息模式技术，特定地区的发展考虑需要到经济干预下的社会发展，民族隔离和社会混乱。参考文献Anzhelika, A., Wang, F., & Wilmot, C. (2011). Urban land uses, socio-demographicattributes and commuting: a multilevel modeling approach. Applied Geog-raphy, 31(3), 1010 -1018 .Assuncao, R. M. (2003). Space varying coeffi cient models for small area data.Environmetrics, 14(5), 453 -473 .Baller, R. D., Anselin, L., Messner, S. F., Deane, G., & Hawkins, F. D. (2001). Structural covariates of US county homicide rates: incorporating spatial effects. Crimi-nology, 39(3), 561 -588.Black, J. L., & M acinko, J. (2008). Area-level and obesity. Nutrition Reviews, 66(1),2 -20Boardman, J. D., Saint Onge, J. M., Rogers, R. G., & Denney, J. T. (2005). Race differ-entials in obesity: the impact of place. Journal of Health and Social Behavior,46(3), 229 -243.Brunsdon, C., Fotheringham, A . S., & Charlton, M. E. (1996). Geographically w eighted regression: a method for exploring spatial nonstationarity. Geographical Anal-ysis, 28(46), 281-298.Chaix, B. (2009). Geographic