城市社区绿地空间与居民体力活动关系分层线性模型

城市社区绿地空间与居民体力活动关系分层线性模型一、研究背景与问题提出在快速城市化进程中，城市社区作为居民日常生活的核心场域，其空间环境质量直接影响居民的身心健康。体力活动作为维持人体健康的重要因素，与社区环境的关联日益受到学界关注。世界卫生组织数据显示，全球约31%的成年人缺乏足够的体力活动，而城市居民的这一比例更高。城市社区绿地空间作为居民日常体力活动的重要载体，其布局、规模、质量等特征如何影响居民的体力活动水平，成为城市规划与公共卫生领域的研究热点。传统的研究多采用单一水平的线性回归模型，将个体层面和社区层面的变量纳入同一模型进行分析，忽略了数据的嵌套结构。实际上，居民个体嵌套于社区之中，不同社区的绿地空间特征存在差异，这种嵌套结构可能导致模型估计结果的偏差。分层线性模型（HierarchicalLinearModel,HLM）能够有效处理这种嵌套数据，将个体层面和社区层面的变量分开分析，同时考虑不同层面变量之间的交互作用，为深入揭示城市社区绿地空间与居民体力活动的关系提供了更科学的方法。二、分层线性模型的理论基础与优势（一）理论基础分层线性模型基于多层嵌套数据结构，将数据分为不同的层级，如个体层面（第一层）和社区层面（第二层）。在城市社区绿地空间与居民体力活动的研究中，第一层为居民个体，其体力活动水平受到个体自身特征（如年龄、性别、健康状况等）的影响；第二层为社区，社区的绿地空间特征（如绿地面积、绿地可达性、绿地设施等）作为第二层变量，可能直接影响居民的体力活动水平，也可能通过调节个体层面变量的作用间接影响。分层线性模型的基本思想是先在每个第二层单元（社区）内对第一层变量进行回归分析，得到每个社区的回归系数，然后将这些回归系数作为因变量，以第二层变量为自变量进行回归分析，从而揭示不同层面变量之间的关系。这种分析方法能够有效分解不同层面变量对因变量的方差贡献，准确估计各变量的效应。（二）优势与传统的线性回归模型相比，分层线性模型具有以下优势：处理嵌套数据：能够合理处理居民个体嵌套于社区的嵌套数据结构，避免因忽略数据嵌套性而导致的模型估计偏差。分析跨层交互作用：可以分析社区层面变量与个体层面变量之间的交互作用，揭示社区绿地空间特征如何调节个体因素对体力活动的影响。估计组间差异：能够估计不同社区之间居民体力活动水平的差异，并分析这种差异在多大程度上由社区层面的变量解释。提高模型拟合度：通过考虑不同层面的变异，分层线性模型能够更好地拟合数据，提高模型的解释力。三、研究变量选取与测量（一）因变量：居民体力活动水平居民体力活动水平是本研究的因变量，采用国际体力活动问卷（InternationalPhysicalActivityQuestionnaire,IPAQ）进行测量。IPAQ包括短卷和长卷，本研究采用短卷，通过询问居民在过去7天内的步行、中等强度体力活动和高强度体力活动的时间和频率，计算居民的体力活动代谢当量（MetabolicEquivalentofTask,MET）值，以此作为衡量居民体力活动水平的指标。MET值越高，表明居民的体力活动水平越高。（二）自变量1.个体层面变量（第一层）人口统计学特征：包括年龄、性别、婚姻状况、教育程度、职业等。年龄分为青年（18-34岁）、中年（35-59岁）和老年（60岁及以上）；性别分为男性和女性；婚姻状况分为已婚、未婚、离异和丧偶；教育程度分为小学及以下、初中、高中/中专、大专及以上；职业分为机关事业单位人员、企业职工、个体经营者、离退休人员、无业人员等。健康状况：包括自报健康状况、是否患有慢性疾病等。自报健康状况分为很好、较好、一般、较差、很差；慢性疾病包括高血压、糖尿病、心脏病等。生活方式：包括吸烟状况、饮酒状况、睡眠时间等。吸烟状况分为不吸烟、偶尔吸烟、经常吸烟；饮酒状况分为不饮酒、偶尔饮酒、经常饮酒；睡眠时间以每天平均睡眠时间计算，分为不足6小时、6-8小时、8小时以上。2.社区层面变量（第二层）绿地空间规模：包括社区绿地总面积、人均绿地面积等。社区绿地总面积通过社区规划图纸或实地测量获得；人均绿地面积为社区绿地总面积除以社区常住人口数。绿地可达性：采用缓冲区分析法，计算居民从家到最近绿地的距离，以此衡量绿地的可达性。距离越近，表明绿地可达性越好。绿地设施：包括绿地内的健身设施、休闲座椅、照明设施等。通过实地调查，统计每个社区绿地内的设施数量和种类，采用评分法进行量化，设施越完善，评分越高。绿地质量：包括绿地的植被覆盖率、景观美观度、清洁度等。通过实地调查和居民问卷调查，采用综合评分法进行量化，质量越高，评分越高。四、研究数据收集与分析（一）数据收集本研究采用多阶段分层抽样的方法，选取我国东部、中部和西部的3个城市，每个城市选取10个社区，每个社区随机选取50名居民进行问卷调查。共发放问卷1500份，回收有效问卷1386份，有效回收率为92.4%。同时，通过实地调查和查阅社区规划资料，收集每个社区的绿地空间特征数据。（二）数据分析采用分层线性模型进行数据分析，具体步骤如下：零模型分析：首先建立零模型，即不纳入任何自变量的分层线性模型，目的是检验居民体力活动水平是否存在显著的社区间差异。零模型的公式为：第一层：$Y_{ij}=\beta_{0j}+\epsilon_{ij}$第二层：$\beta_{0j}=\gamma_{00}+u_{0j}$其中，$Y_{ij}$表示第j个社区的第i个居民的体力活动水平；$\beta_{0j}$表示第j个社区的居民体力活动水平的均值；$\epsilon_{ij}$表示第一层的随机误差，服从均值为0、方差为$\sigma^2$的正态分布；$\gamma_{00}$表示所有社区居民体力活动水平的总体均值；$u_{0j}$表示第二层的随机误差，服从均值为0、方差为$\tau_{00}$的正态分布。通过计算组内相关系数（IntraclassCorrelationCoefficient,ICC），判断居民体力活动水平的变异在多大程度上由社区间差异解释。ICC的计算公式为：$ICC=\frac{\tau_{00}}{\tau_{00}+\sigma^2}$。如果ICC显著大于0，说明存在显著的社区间差异，适合采用分层线性模型进行分析。随机系数模型分析：在零模型的基础上，纳入个体层面的自变量，建立随机系数模型，分析个体层面变量对居民体力活动水平的影响，同时检验个体层面变量的回归系数是否存在显著的社区间差异。随机系数模型的公式为：第一层：$Y_{ij}=\beta_{0j}+\beta_{1j}X_{1ij}+\cdots+\beta_{kj}X_{kij}+\epsilon_{ij}$第二层：$\beta_{0j}=\gamma_{00}+u_{0j}$；$\beta_{1j}=\gamma_{10}+u_{1j}$；$\cdots$；$\beta_{kj}=\gamma_{k0}+u_{kj}$其中，$X_{kij}$表示第j个社区的第i个居民的第k个个体层面自变量；$\beta_{kj}$表示第j个社区的第k个个体层面自变量的回归系数；$\gamma_{k0}$表示所有社区的第k个个体层面自变量的回归系数的总体均值；$u_{kj}$表示第二层的随机误差，服从均值为0、方差为$\tau_{kk}$的正态分布。完整模型分析：在随机系数模型的基础上，纳入社区层面的自变量，建立完整的分层线性模型，分析社区层面变量对居民体力活动水平的直接影响，以及社区层面变量与个体层面变量之间的交互作用。完整模型的公式为：第一层：$Y_{ij}=\beta_{0j}+\beta_{1j}X_{1ij}+\cdots+\beta_{kj}X_{kij}+\epsilon_{ij}$第二层：$\beta_{0j}=\gamma_{00}+\gamma_{01}W_{1j}+\cdots+\gamma_{0m}W_{mj}+u_{0j}$；$\beta_{1j}=\gamma_{10}+\gamma_{11}W_{1j}+\cdots+\gamma_{1m}W_{mj}+u_{1j}$；$\cdots$；$\beta_{kj}=\gamma_{k0}+\gamma_{k1}W_{1j}+\cdots+\gamma_{km}W_{mj}+u_{kj}$其中，$W_{mj}$表示第j个社区的第m个社区层面自变量；$\gamma_{0m}$表示第m个社区层面自变量对社区均值的影响；$\gamma_{km}$表示第m个社区层面自变量对第k个个体层面自变量回归系数的调节作用。五、研究结果与分析（一）零模型结果零模型分析结果显示，居民体力活动水平的组内相关系数ICC为0.23，说明居民体力活动水平的变异中有23%来自社区间差异，存在显著的社区间差异（P<0.001），适合采用分层线性模型进行分析。（二）随机系数模型结果随机系数模型分析结果显示，个体层面的多个变量对居民体力活动水平有显著影响。年龄方面，青年居民的体力活动水平显著高于中年和老年居民（P<0.05）；性别方面，男性居民的体力活动水平显著高于女性居民（P<0.01）；健康状况方面，自报健康状况越好的居民，体力活动水平越高（P<0.001）；生活方式方面，不吸烟、不饮酒、睡眠时间充足的居民，体力活动水平相对较高（P<0.05）。同时，部分个体层面变量的回归系数存在显著的社区间差异，如年龄与体力活动水平的回归系数在不同社区之间存在显著差异（P<0.05），说明社区环境可能调节年龄对体力活动的影响。（三）完整模型结果社区层面变量的直接影响：社区绿地总面积、人均绿地面积、绿地可达性和绿地设施评分对居民体力活动水平有显著的正向影响（P<0.05）。社区绿地面积越大、人均绿地面积越多、绿地可达性越好、绿地设施越完善，居民的体力活动水平越高。例如，人均绿地面积每增加1平方米，居民的体力活动MET值平均增加0.32（P<0.01）；居民从家到最近绿地的距离每减少100米，体力活动MET值平均增加0.21（P<0.05）。而绿地质量评分对居民体力活动水平的影响不显著（P>0.05），可能是因为绿地质量的主观评价存在差异，且绿地质量对居民体力活动的影响可能通过其他变量间接体现。跨层交互作用：社区层面变量与个体层面变量之间存在显著的交互作用。例如，绿地可达性与年龄的交互作用显著（P<0.05），在绿地可达性较好的社区，老年居民的体力活动水平相对较高，而在绿地可达性较差的社区，老年居民的体力活动水平明显低于青年和中年居民；绿地设施评分与健康状况的交互作用显著（P<0.01），在绿地设施完善的社区，健康状况较差的居民也能保持相对较高的体力活动水平，而在绿地设施不足的社区，健康状况较差的居民体力活动水平更低。六、研究结论与启示（一）研究结论城市社区居民的体力活动水平存在显著的社区间差异，这种差异在一定程度上由社区绿地空间特征的不同导致。分层线性模型能够有效揭示城市社区绿地空间与居民体力活动的关系，相比传统的线性回归模型，更能准确估计不同层面变量的效应和跨层交互作用。社区绿地空间的多个特征对居民体力活动水平有显著影响，其中绿地总面积、人均绿地面积、绿地可达性和绿地设施是重要的影响因素。社区绿地空间特征与个体层面变量之间存在显著的跨层交互作用，社区环境能够调节个体因素对体力活动的影响。（二）启示城市规划层面：在城市社区规划中，应注重增加社区绿地面积，提高人均绿地水平，优化绿地布局，提高绿地可达性。例如，在新建社区时，合理规划绿地位置，确保居民能够方便快捷地到达绿地；在老旧社区改造中，充分利用闲置土地建设绿地，改善社区绿地环境。同时，加强绿地设施建设，配备完善的健身设施、休闲座椅等，满足居民不同类型的体力活动需求。公共卫生层面：公共卫生部门应与城市规划部门合作，制定相关政策，促进社区绿地空间的建设和利用。针对不同年龄、性别、健康状况的居民，制定差异化的体力活动促进策略。例如，对于老年居民，重点改善社区绿地的可达性和安全性，鼓励他们进行步行、太极拳等轻度体力活动；对于女性居民，提供更多适合