[13] 何灿，江威，冷宛春．北京市夜间灯光污染的调查报告[J]．地理教育，2018(1)：54-55．

[14] 郭广照．机动车尾气污染分析与防治策略[J]．能源与环保，2018，40(11)：79-81．

[15] 郑清扬，翁旭委，杨晓冬．机动车尾气检测技术及污染防治对策[J]．资源节约与环保,2018(10)：33．

睡眠作为一种生理现象，其与水、食物、空气同等重要。良好的睡眠能保障机体免疫系统的自我修复和完善，排毒、造血等一系列生理功能的正常运转。长期睡眠不足会导致神经-内分泌紊乱，使人产生抑郁、焦虑、紧张等情绪，也会导致心血管疾病[1-2]；不仅损害患者的身心健康，也会损害其社会功能。随着社会经济的不断发展，人类生存的社会环境不断发生变化，如雾霾、光污染、噪声污染等，加上社会竞争日益激烈，越来越多的人面临睡眠障碍的困扰。据2015年WHO调查结果显示，全世界范围内约有1/3的人存在失眠症状或睡眠功能障碍。我国目前有30.0%以上的人存在失眠症状，超过3亿人口存在睡眠障碍[3]；且有研究表明，70.5%的受访青年被失眠问题困扰[4]。睡眠障碍已成为威胁人们健康的巨大隐患，其既是医学问题，也是社会问题。目前国内对睡眠障碍影响因素的研究绝大多数均从患者个体层面进行的分析[5-7]。本研究以横断面研究为指导思想，通过网络数据采集技术获取2017年互联网医疗平台睡眠障碍人群数据，结合2017年经济环境等多个指标数据进行主成分回归分析，从宏观层面探究各地区睡眠障碍人群数量与经济环境等指标的相关性。1 资料与方法1.1一般资料 采集互联网平台中具有代表性的在线医疗服务与咨询平台2017年31 869例睡眠障碍用户人群数据，并从中随机选取12 446例，统计汇总各地区的人群数量作为因变量。从中华人民共和国2017年统计年鉴资料中选取(计算)人均GDP、第一产业值、第二产业值、第三产业值、工业增加值、金融业增加值、居民消费水平、城镇失业人数、城市每万公顷公园个数、城市建成区绿化覆盖率、城市照明路灯数量、氮氧化物排放量、二氧化硫排放量13个指标作为自变量(在SPSS软件中分别命名为C、D、E、F、G、H、I、J、K、L、M、N、O)。理论上讲，各地区睡眠障碍人群数量与地区常住人口数量呈正相关，为排除人口数量因素，本研究取各地区睡眠障碍人群数量与地区常住人口数量的比值(可视为发病率)为回归分析的因变量(以Y表示)，山西的睡眠障碍人数为266人，内蒙古为236人，山西的常住人口为3 700万人，内蒙古的常住人口为2 530人，很明显人口数量越多，睡眠障碍人数也越多。而取比值后每千万人中山西的睡眠障碍人数为72人，内蒙古为93人，这样则可排除人口数量因素。见表1。各地区经济环境相关数据指标见表2。表1各地区睡眠障碍人群数量、常住人口及其比值地区睡眠障碍人数(n)常住人口(千万)比值(Y)(每千万人中失眠人数)北京6342.天津2641.河北山西内蒙古辽宁吉林黑龙江上江苏1 浙江6705.安徽福建江西山东.0182河南湖北湖南广东1 .广西海南620.9367重庆四川贵州续表1各地区睡眠障碍人群数量、常住人口及其比值地区睡眠障碍人数(n)常住人口(千万)比值(Y)(每千万人中失眠人数)云南西藏20.346陕西甘肃青宁夏700.新疆1862..2方法 据艾瑞咨询发布的《2016年中国在线医疗行业数据监测报告》[8]显示：“寻医问药网”“有问必答网”和“39健康网”处于在线医疗行业的领先地位，月度覆盖人数均维持在4 000万人以上。“好大夫在线”“丁香园”“家庭医生”和“挂号网”积累了较大规模的用户资源和医生资源，拥有较广的用户覆盖范围。以上平台具有行业代表性，符合统计学中重点调查原则。由于传统问卷调查受地域限制，无法获取各地区的睡眠障碍人群数据，本研究利用网络数据采集技术获取互联网平台数据，该数据能突破地域局限性，为本研究提供了数据支撑。表2各地区2017年相关数据指标与睡眠障碍人群样本量地区Y人均GDP(亿元/万人)第一产业值(百亿元)第二产业值(百亿元)第三产业值(百亿元)工业增加值(百亿元)金融业增加值(百亿元)居民消费水平(万元)北京.天津.河北山西内蒙古辽宁吉林黑龙江上江苏浙江安徽福建江西山东河南湖北湖南广东广西海南重庆四川贵州云南西藏陕西甘肃青宁夏新疆续表2各地区2017年相关数据指标与睡眠障碍人群样本量地区Y城镇失业人数(万人)每万公顷公园个数城市建成区绿化覆盖率(%)城市照明路灯数(万个)氮氧化物排放量(万吨)二氧化硫排放量(万吨)北京天津.河北山西内蒙古辽宁吉林黑龙江上江苏.浙江.安徽福建江西山东河南湖北湖南广东.广西海南重庆四川贵州云南西藏陕西甘肃青宁夏新疆1710.00..1.3统计学处理 应用SPSS22.0统计软件进行数据及主成分回归分析，在进行多元回归分析前有必要对数据进行可靠性检验，并检验自变量间的相关性，如自变量间存在多重共线性则使用OLS回归模型建立的回归方程具有不稳定性，甚至导致错误结论[9-10]。故采用克隆巴赫系数检验数据的有效性，采用Pearson相关系数方法检验数据间的相关关系。克隆巴赫系数是检验数据可靠性的常用指标，该值大于0.7说明数据信度较好。自变量间的相关性可由相关系数体现，系数绝对值越接近于1，变量间的相关性越强，说明存在严重共线性，此时回归模型可能存在偏差或不准确，因此不适用最小二乘法回归模型。为解决自变量间共线性问题，本研究采用主成分分析对多个自变量进行降维处理，通过自变量的主成分所具有的性质，生成主成分变量，再根据主成分变量的特征值(>1)选定可进行多元回归的主成分变量，特征值越大，主成分的贡献率越高。KMO和巴特利特检验用于检验自变量间的相关程度。在进行主成分分析前首先应进行KMO检验，检验系数取值为0～1。KMO系数越接近于1，变量间的相关性越强，主成分分析的效果越好。在实际分析中，KMO系数在0.7以上时效果较好。将主成分分析得到的3个主成分分别命名为Z1、Z2、Z3并作为自变量，与因变量Y进行多元回归分析。R2是检验回归方程与样本值拟合优度的指标，R2(0～1)值越大说明回归方程与样本值的拟合度越好。调整的R2比调整前R2更准确一些。P<0.05为差异有统计学意义。2 结 果2.1数据检验结果 13项数据的克隆巴赫系数为0.862，基于标准化项目的克隆巴赫系数为0.910。相关系数矩阵见表3。表3相关系数矩阵自变量表4KMO和巴特利特检验2.2主成分分析结果 KMO和巴特利特检验表明，主成分分析的效果很好(检验系数为0.786，P=0.000)。见表4。该模型得到了3个主要成分(特征值大于1)，第1～3个的主成分贡献率分别为53.517%、21.812%，8.536%，累积贡献率为83.865%，意味着前3个主成分就包含了13个自变量指标83.865%的信息，因此，可选择前3个主成分取代原自变量进行回归分析。见表5、6。表5总方差解释组件初始特征值合计方差百分比累积(%)提取载荷平方和合计方差百分比累积(%)16...5176......3292....1108....7495.........注：-表示无此项表6成分矩阵及其得分系数自变量主成分1得分系数主成分2得分系数主成分3得分系数2.3回归分析结果 模型调整后的R2=0.743，表示主成分自变量一共可解释因变量74.3%的变化。见表7。表8显示回归模型可靠(F=29.865，P=0.000)。常量、Z1、Z2对因变量均有显著影响(P=0.000)，Z3对因变量无显著影响(P=0.421)。3个主成分变量不存在共线性，回归模型可靠(VIF值均为1)。见表9。回归方程：Y=80.935+26.706×Z1+42.033×Z2。主成分Z1的主要决定变量(成分比例大于0.8)为E、F、G、H、M、N，即第二产业值、第三产业值、工业增加值、金融业增加值、城市照明路灯数量、氮氧化物排放量，主成分Z2的主要决定变量为C、I，即人均GDP、居民消费水平。地区睡眠障碍人群规模影响因素按权重降序排序分别为第二产业值、第三产业值、工业增加值、城市照明路灯数量、金融业增加值、氮氧化物排放量、人均GDP、居民消费水平，因变量与以上指标均为正相关关系。表7模型摘要模型RR2调整后的R2标准估算的错误.92 444注：a预测变量：常量，Z3、Z2、Z1表8ANOVAa模型平方和自由度均方FP1回归74 957.0 985..残差22 588..623--总计97 545.---注：a因变量：Y；b预测变量：常量，Z1、Z2、Z3；-表示无此项表9系数a模型非标准化系数标准错误标准系数tP共线性统计容许VIF1(常量)注：a因变量：Y；-表示无此项3 讨 论有研究表明，经济增长水平主要受第二产业与第三产业的影响，其中第二产业对经济水平的影响最大[11-12]。本研究结果显示，第二产业值、第三产业值、工业增加值、金融业增加值、人均GDP、居民消费水平均为体现经济水平的相关指标，充分表明在排除人口数量因素下经济水平越高的地区睡眠障碍发病率越高，可能是生活、工作节奏快与社会竞争压力大所致；环境因素中城市照明路灯数量与氮氧化物排放量与睡眠障碍发病率呈正相关关系，二氧化硫排放量、城市绿化覆盖率及公园个数与睡眠障碍发病率无关。何灿等[13]研究表明，城市居民区、城市道路、商业街、车站等公共照明设施及广告牌是造成北京市光污染的主要成因，其对居民健康睡眠造成了负面影响。氮氧化物与二氧化硫的主要排放源均为煤和石油的燃烧，而机动车尾气中的主要成分之一为氮氧化物[14-15]。综上所述，为更好地降低睡眠障碍发病率，需加强城市环境建设：改善照明设施，控制照明时长，加强对空气污染的治理，扶持新能源汽车的研发和投产。针对经济水平较高地区：鼓励社会资本建设睡眠理疗机构，制定合理的减税降负政策，缓解劳动者的工作及生活压力等。参考文献[1] 刘剑锋，孟凡萍，周一心．失眠与抑郁的相关性研究进展[J]．中国医药导报，2019，16(1)：45-48．[2] 刘慧鸿，孙晓生.失眠的综合干预进展[J]．世界睡眠医学杂志，2018，5(11)：1407-1412．[3] 程国良，钱彦方，李静，等．失眠机制研究进展[J]．世界睡眠医学杂志，2016，3(3)：174-179．[4] 王品芝.70.5%受访青年被失眠问题困扰[N].中国青年报，2018-04-17(007).[5] 刘桂阳．老年人睡眠质量状况及影响因素分析[D]．唐山：河北联合大学，2015．[6] 沈悦．赣州市初中学生睡眠质量及影响因素研究[D]．长春：吉林大学，2018．[7] 郭慰．某卫生职业学院学生睡眠质量情况及影响因素调查研究[D]．济南：山东大学，2016．[8] 艾瑞咨询.2016年中国在线医疗行业数据[EB/OL].(2016-03-18)[2018-07-08].[9] 赵玉新．多元线性回归中多重共线性的研究[J]．产业与科技论坛，2019(3)：71-72.[10] 郭爱君，胡安军．中国城市雾霾的影响因素研究[J]．统计与决策，2018，34(19)：105-108．[11] 蒋星星．产业结构对我国经济增长的影响分析[J]．统计与管理，2017(7)：31-32．[12] 汪梓健，杜娟．新常态下经济增长与三大产业增长关系的实证分析[J]．商场现代化，2017(12)：242-243．[13] 何灿，江威，冷宛春．北京市夜间灯光污染的调查报告[J]．地理教育，2018(1)：54-55．[14] 郭广照．机动车尾气污染分析与防治策略[J]．能源与环保，2018，40(11)：79-81．[15] 郑清扬，翁旭委，杨晓冬．机动车尾气检测技术及污染防治对策[J]．资源节约与环保,2018(10)：33．

文章来源：《经济视野》 网址: http://www.jjsyzz.cn/qikandaodu/2020/1216/861.html