论文部分内容阅读
【文章摘要】
个人生活质量的影响因素很多，跟个体的家庭等生活环境联系紧密。本文就个人健康生活习惯的养成与家庭环境及配偶健康行为变化的关联性上，通过对相关的数据分析及近似数学模型的建立来探讨健康影响因素对健康的影响程度。
【关键词】
配偶健康；关联性；家庭环境
0 引言
日常生活中配偶双方经过长期的交流磨合，以及在生活中受对方生活习惯的影响，一般都会在一定程度上接近另一方的生活方式，其健康行为的变化呈现出一定的关联性。在选择配偶的时候，共同的偏好以及对健康的生活方式的近似看法也会使两人之间相互吸引，促使有共同生活习惯的人相互结合。综上两点，配偶相互之间的影响程度以及其中一方自身的生活习惯都能够影响到另一方的生活行为的变化。
本文试图从家庭配偶健康行为变化的关联性方面，针对吸烟、酗酒、缺乏锻炼等不良生活习惯给出简要的数学分析并探讨其影响程度。
1 文献综述
针对上述关联性问题，笔者参考Falba Tracy A，Sindelar Jody L（2008）在其合著论文 Spousal Concordance in Health Behavior Change中的调查数据并进行进一步分析。该论文的作者分别于1996年和2000年对年龄段位于45岁至70岁的9362位受访者作为数据源进行调查，运用时间上的纵向数据研究在配偶的生活习惯的影响下个人的生活习惯是否会随之发生变化。为此，他们采用吸烟、饮酒、运动、胆固醇筛选和流感疫苗五项作为因变量进行调查取样，通过深入分析得出结论，指出配偶之间健康行为的变化具有关联性。
然而，笔者认为，虽然该论文对所给出调查结果数据进行了细致的数学分析，但是并没有给出各因素整体所反映出的配偶健康行为变化之间关联性的统计学解释。笔者基于统计学中能够反应两变量之间相关关系的相关系数等有关理论对配偶健康行为的关联性进行分析，并对关于吸烟样本的计算结果出现的差异进行简要的分析。
2 数据和数理模型
2.1 数理模型
根据所得数据可以用以下数学表达式来解释因变量和自变量的关系：
其中， 表示A的健康行为， 表示B的健康行为， 表示B对A的影响程度，表式A所接受的教育水平以及对健康生活方式的态度，表示A的其他因素。
然而，这样的基本关系准确性及其影响程度，就需要对配偶关系中一方B对另一方A健康行为变化的影响程度进行数据分析。在分析过程中，笔者尝试引入统计学中“相关系数”以及“线性回归”的概念来判定其关联性的强弱。
相关系数是用来说明两个现象之间相关关系密切程度的统计分析指标，样本相关系数用r表示，总体相关系数用ρ表示，相关系数的取值范围为[-1，1]。|r|值越大，误差Q越小，变量之间的线性相关程度越高；|r|值越接近0，Q越大，变量之间的线性相关程度越低。其计算公式为：
两个现象之间的相关程度，一般划分为四级：如两者呈正相关，r呈正值，r=1时为完全正相关；如两者呈负相关则r呈负值，而r=-1时为完全负相关。当r=0时，说明讨论的两个变量之间无直线关系。通常|r|大于0.75时，认为两个变量有很强的线性相关性。
线性回归是利用回归分析来确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法之一，如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析，其表现形式为：
其中a和b统称为回归方程的参数，简单线性回归的拟合实际上是选择a和b的值，依据的基本原理为最小二乘法则，a和b的值可由以下公式求得：
2.2 数据分析
根据相关系数理论，首先对配偶间健康行为的变化在吸烟、嗜酒、锻炼三方面的关联性进行判断。在此我们引用Falba ，Sindelar论著中提供的调查结果表格。对表格进行解读，右上方显示了男性和女性中具有吸烟行为的人分别所占的比例以及后来停止和没有停止吸烟的人群所占的比例；右下方的4行6列数据则表明了配偶行为变化之间的具体对应关系，前三列数据针对男性，第一列表示因配偶具有不同行为变化的男性在所有具有样本行为的男性中所占的比例，第二列表示与配偶行为变化对应的也产生行为变化的男性占所有具有行为变化的男性人数的比例，第三列表示配偶行为变化对应的并未产生行为变化的男性占所有具有行为变化的男性人数的比例，后三列数据则针对女性。
3 数理分析及结果
根据表格中的数据内容以及统计学的相关知识，对配偶健康行为变化的关联性进行数据分析和计算。
3.1 吸烟样本
吸烟样本中男性吸煙者比例为19.3%，女性比例16.7%，比例相对另外两个样本较低。并且数据显示之后所有的吸烟男性中29.0%的人行为发生了转变，选择了戒烟，女性中21.8%的人停止了吸烟。根据研究目的，从他们各自配偶的行为来看，针对所有的19.3%的吸烟男性而言，9.8%的配偶之前有过烟史但又戒烟了，而35.1%的男性吸烟者的配偶从来都不吸烟，与她们的健康行为转变或保持相呼应地，在29.0%的戒烟男性群体中，对应的所占的比例分别为19.0%以及28.6%；同样地，对于16.7%的女性吸烟者，当中有11.2%的配偶停止了吸烟这一行为，12.4%的女性吸烟者的配偶从不吸烟，数据中也同样表明女性戒烟人群中对应地所占比例分别为26.7%、14.3%。
通过计算分析可以得到，吸烟样本中配偶健康行为的保持或改善与本人生活方式的健康化转变之间关联性的相关系数为： ，线性回归方程为：Y=0.1212X+0.0361。相关系数为正，说明吸烟样本所反映出的其间的关联性具有较好的正相关特性。
3.2 嗜酒样本 在接受调查的人群里，所有男性饮酒的比例为60.7%，女性的比例要略小于半数为48.4%，相比而言男性更偏向饮酒。而在之后男性嗜酒者中有16.3%的比例戒了酒，在女性饮酒者中戒酒比例也占到了20.7%。为了探索配偶健康行为之间的关联性，在所有接受调查的男性嗜酒者中，12.1%饮酒男性的配偶之前也饮酒但又停止了这一行为，26.4%饮酒男性的配偶从来不饮酒，而在所有的16.3%的戒酒男性中其所对应的比例分别为23.4%及49.0%；对于所有女性嗜酒者，同样地其比例对应关系为9.9%和12.8%对应23.2%和21.5%。
通过对上面数据的描述可以计算嗜酒样本中反映出的配偶健康行为的保持或改善与本人生活方式健康化的转变之间关联性的相关系数为： 。其绝对值已经比较接近1，近似于完全正相关，计算可得线性回归方程为：Y=0.2333X+0.0169。这就意味着配偶中每增加1%的改善比例就基本上会引起另一方的健康行为在总样本中的比例增加0.23%。
3.3 运动样本
运动样本中，根据配偶及本人的变化关系，可以计算出相关系数，相关系数比在嗜酒样本中的相关系数更加接近1，这说明在运动方面配偶健康行为变化的关联性具有很强的正相关特性，并且非常接近完全正相关。线性回归方程为：Y=0.4047X-0.009。这也就说明配偶中具有健康行为的比例每增加1%就会引起另一方的健康行为在总样本中的比例增加0.4%。
4 结论
以上统计分析可以看出，配偶双方中一方的生活行为向健康方向转变时很可能引发另一方的生活行为向健康方向轉变，呈现出较强的正相关关系。除烟民样本中相关系数为0.689略小外，其他两个样本中相关系数均相当接近1，可见配偶之间的相互影响程度 具有较强的正相关特性。
然而，在吸烟样本中相关系数值0.689小于0.75，其正相关特性虽然也有些强度但相比于饮酒样本和运动样本而言相关性还是不够强。而Falba Tracy A ，Sindelar Jody L在论文中指出吸烟样本显示出了非常显著的特性（p<0.001）。笔者认为吸烟对家庭和睦度的损害并没有样本B中所显示的嗜酒特性造成的家庭暴力等不良后果对家庭和睦度的损害明显，所以尽管吸烟与饮酒同样都损害健康，但从配偶关联性角度来看的话，其相关特性并没有饮酒等明显。
同样可以发现当配偶生活方式没有向健康的方向变化或变化为非健康方式时，其与另一方继续停留在非健康方式或转化为非健康方式之间也具有相当好的关联性，他们之间的相关系数也非常接近1。正反两方面都论证了家庭环境对配偶健康有着明显的影响。
【参考文献】
[1]何晓群.现代统计分析方法与应用[M].北京：中国人民大学出版社，2007（8）.
[2]贾俊平.统计学[M].北京：清华大学出版社，2006（7）.
[3]Falba and Sindelar.2008.Spousal concordance in health behavior change[J].Health Services Research.43（1）：96-116
[4]Franks MM，Pienta AM，Wray LA. It Takes Two：Marriage and Smoking Cessation in the Middle Years[J]. Journal of Aging and Health. 2002；14（3）：336–354.
个人生活质量的影响因素很多，跟个体的家庭等生活环境联系紧密。本文就个人健康生活习惯的养成与家庭环境及配偶健康行为变化的关联性上，通过对相关的数据分析及近似数学模型的建立来探讨健康影响因素对健康的影响程度。
【关键词】
配偶健康；关联性；家庭环境
0 引言
日常生活中配偶双方经过长期的交流磨合，以及在生活中受对方生活习惯的影响，一般都会在一定程度上接近另一方的生活方式，其健康行为的变化呈现出一定的关联性。在选择配偶的时候，共同的偏好以及对健康的生活方式的近似看法也会使两人之间相互吸引，促使有共同生活习惯的人相互结合。综上两点，配偶相互之间的影响程度以及其中一方自身的生活习惯都能够影响到另一方的生活行为的变化。
本文试图从家庭配偶健康行为变化的关联性方面，针对吸烟、酗酒、缺乏锻炼等不良生活习惯给出简要的数学分析并探讨其影响程度。
1 文献综述
针对上述关联性问题，笔者参考Falba Tracy A，Sindelar Jody L（2008）在其合著论文 Spousal Concordance in Health Behavior Change中的调查数据并进行进一步分析。该论文的作者分别于1996年和2000年对年龄段位于45岁至70岁的9362位受访者作为数据源进行调查，运用时间上的纵向数据研究在配偶的生活习惯的影响下个人的生活习惯是否会随之发生变化。为此，他们采用吸烟、饮酒、运动、胆固醇筛选和流感疫苗五项作为因变量进行调查取样，通过深入分析得出结论，指出配偶之间健康行为的变化具有关联性。
然而，笔者认为，虽然该论文对所给出调查结果数据进行了细致的数学分析，但是并没有给出各因素整体所反映出的配偶健康行为变化之间关联性的统计学解释。笔者基于统计学中能够反应两变量之间相关关系的相关系数等有关理论对配偶健康行为的关联性进行分析，并对关于吸烟样本的计算结果出现的差异进行简要的分析。
2 数据和数理模型
2.1 数理模型
根据所得数据可以用以下数学表达式来解释因变量和自变量的关系：
其中， 表示A的健康行为， 表示B的健康行为， 表示B对A的影响程度，表式A所接受的教育水平以及对健康生活方式的态度，表示A的其他因素。
然而，这样的基本关系准确性及其影响程度，就需要对配偶关系中一方B对另一方A健康行为变化的影响程度进行数据分析。在分析过程中，笔者尝试引入统计学中“相关系数”以及“线性回归”的概念来判定其关联性的强弱。
相关系数是用来说明两个现象之间相关关系密切程度的统计分析指标，样本相关系数用r表示，总体相关系数用ρ表示，相关系数的取值范围为[-1，1]。|r|值越大，误差Q越小，变量之间的线性相关程度越高；|r|值越接近0，Q越大，变量之间的线性相关程度越低。其计算公式为：
两个现象之间的相关程度，一般划分为四级：如两者呈正相关，r呈正值，r=1时为完全正相关；如两者呈负相关则r呈负值，而r=-1时为完全负相关。当r=0时，说明讨论的两个变量之间无直线关系。通常|r|大于0.75时，认为两个变量有很强的线性相关性。
线性回归是利用回归分析来确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法之一，如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析，其表现形式为：
其中a和b统称为回归方程的参数，简单线性回归的拟合实际上是选择a和b的值，依据的基本原理为最小二乘法则，a和b的值可由以下公式求得：
2.2 数据分析
根据相关系数理论，首先对配偶间健康行为的变化在吸烟、嗜酒、锻炼三方面的关联性进行判断。在此我们引用Falba ，Sindelar论著中提供的调查结果表格。对表格进行解读，右上方显示了男性和女性中具有吸烟行为的人分别所占的比例以及后来停止和没有停止吸烟的人群所占的比例；右下方的4行6列数据则表明了配偶行为变化之间的具体对应关系，前三列数据针对男性，第一列表示因配偶具有不同行为变化的男性在所有具有样本行为的男性中所占的比例，第二列表示与配偶行为变化对应的也产生行为变化的男性占所有具有行为变化的男性人数的比例，第三列表示配偶行为变化对应的并未产生行为变化的男性占所有具有行为变化的男性人数的比例，后三列数据则针对女性。
3 数理分析及结果
根据表格中的数据内容以及统计学的相关知识，对配偶健康行为变化的关联性进行数据分析和计算。
3.1 吸烟样本
吸烟样本中男性吸煙者比例为19.3%，女性比例16.7%，比例相对另外两个样本较低。并且数据显示之后所有的吸烟男性中29.0%的人行为发生了转变，选择了戒烟，女性中21.8%的人停止了吸烟。根据研究目的，从他们各自配偶的行为来看，针对所有的19.3%的吸烟男性而言，9.8%的配偶之前有过烟史但又戒烟了，而35.1%的男性吸烟者的配偶从来都不吸烟，与她们的健康行为转变或保持相呼应地，在29.0%的戒烟男性群体中，对应的所占的比例分别为19.0%以及28.6%；同样地，对于16.7%的女性吸烟者，当中有11.2%的配偶停止了吸烟这一行为，12.4%的女性吸烟者的配偶从不吸烟，数据中也同样表明女性戒烟人群中对应地所占比例分别为26.7%、14.3%。
通过计算分析可以得到，吸烟样本中配偶健康行为的保持或改善与本人生活方式的健康化转变之间关联性的相关系数为： ，线性回归方程为：Y=0.1212X+0.0361。相关系数为正，说明吸烟样本所反映出的其间的关联性具有较好的正相关特性。
3.2 嗜酒样本 在接受调查的人群里，所有男性饮酒的比例为60.7%，女性的比例要略小于半数为48.4%，相比而言男性更偏向饮酒。而在之后男性嗜酒者中有16.3%的比例戒了酒，在女性饮酒者中戒酒比例也占到了20.7%。为了探索配偶健康行为之间的关联性，在所有接受调查的男性嗜酒者中，12.1%饮酒男性的配偶之前也饮酒但又停止了这一行为，26.4%饮酒男性的配偶从来不饮酒，而在所有的16.3%的戒酒男性中其所对应的比例分别为23.4%及49.0%；对于所有女性嗜酒者，同样地其比例对应关系为9.9%和12.8%对应23.2%和21.5%。
通过对上面数据的描述可以计算嗜酒样本中反映出的配偶健康行为的保持或改善与本人生活方式健康化的转变之间关联性的相关系数为： 。其绝对值已经比较接近1，近似于完全正相关，计算可得线性回归方程为：Y=0.2333X+0.0169。这就意味着配偶中每增加1%的改善比例就基本上会引起另一方的健康行为在总样本中的比例增加0.23%。
3.3 运动样本
运动样本中，根据配偶及本人的变化关系，可以计算出相关系数，相关系数比在嗜酒样本中的相关系数更加接近1，这说明在运动方面配偶健康行为变化的关联性具有很强的正相关特性，并且非常接近完全正相关。线性回归方程为：Y=0.4047X-0.009。这也就说明配偶中具有健康行为的比例每增加1%就会引起另一方的健康行为在总样本中的比例增加0.4%。
4 结论
以上统计分析可以看出，配偶双方中一方的生活行为向健康方向转变时很可能引发另一方的生活行为向健康方向轉变，呈现出较强的正相关关系。除烟民样本中相关系数为0.689略小外，其他两个样本中相关系数均相当接近1，可见配偶之间的相互影响程度 具有较强的正相关特性。
然而，在吸烟样本中相关系数值0.689小于0.75，其正相关特性虽然也有些强度但相比于饮酒样本和运动样本而言相关性还是不够强。而Falba Tracy A ，Sindelar Jody L在论文中指出吸烟样本显示出了非常显著的特性（p<0.001）。笔者认为吸烟对家庭和睦度的损害并没有样本B中所显示的嗜酒特性造成的家庭暴力等不良后果对家庭和睦度的损害明显，所以尽管吸烟与饮酒同样都损害健康，但从配偶关联性角度来看的话，其相关特性并没有饮酒等明显。
同样可以发现当配偶生活方式没有向健康的方向变化或变化为非健康方式时，其与另一方继续停留在非健康方式或转化为非健康方式之间也具有相当好的关联性，他们之间的相关系数也非常接近1。正反两方面都论证了家庭环境对配偶健康有着明显的影响。
【参考文献】
[1]何晓群.现代统计分析方法与应用[M].北京：中国人民大学出版社，2007（8）.
[2]贾俊平.统计学[M].北京：清华大学出版社，2006（7）.
[3]Falba and Sindelar.2008.Spousal concordance in health behavior change[J].Health Services Research.43（1）：96-116
[4]Franks MM，Pienta AM，Wray LA. It Takes Two：Marriage and Smoking Cessation in the Middle Years[J]. Journal of Aging and Health. 2002；14（3）：336–354.