摘 要：本文主要圍繞傳染病發(fā)病率、死亡率這兩個(gè)指標(biāo)對(duì)全國各地區(qū)傳染病發(fā)展現(xiàn)狀進(jìn)行研究，針對(duì)其在2004年至2013年?duì)顩r進(jìn)行聚類分析，并以空間分布圖展示聚類結(jié)果，建立個(gè)體時(shí)點(diǎn)隨機(jī)效應(yīng)面板模型分析兩者間關(guān)系。結(jié)果表明：發(fā)病率、死亡率分布有明顯區(qū)域性，但兩者均有逐漸減小的趨勢，兩者在時(shí)點(diǎn)和個(gè)體上均存在差異，在此基礎(chǔ)上提出了相應(yīng)建議。

關(guān)鍵詞：傳染病 聚類分析 面板分析

基金項(xiàng)目：湖南農(nóng)業(yè)大學(xué)青年基金項(xiàng)目“我國區(qū)域城鎮(zhèn)化和生態(tài)環(huán)境發(fā)展水平與空間關(guān)系的研究”（15QN08）

引言

2015年伊始，各大傳染病頻繁出現(xiàn)于各類新聞報(bào)道，傳染病例和死亡人數(shù)不斷增加。法定傳染病背后龐大的死亡病例數(shù)據(jù)，表明傳染病防護(hù)和預(yù)測的重要性。同時(shí)，傳染病的發(fā)生和蔓延具有很強(qiáng)的地域性和時(shí)效性，故應(yīng)用精準(zhǔn)有力的研究方法對(duì)各地區(qū)的傳染病發(fā)病情況進(jìn)行深入研究與探討。

很多學(xué)者已對(duì)傳染病相關(guān)因素、趨勢模型構(gòu)建、發(fā)病率時(shí)序分析及預(yù)測進(jìn)行了大量研究。樊雯婧等（2013）[1]建立了合肥市瘧疾逐月發(fā)病率的ARIMA模型，其外推預(yù)測平均相對(duì)誤差為2.57%；楊小兵等（2013）[2]構(gòu)建了ARIMA乘積季節(jié)模型，并預(yù)測武漢市2013年流行性腮腺炎發(fā)病趨勢，擬合效果較好；吳進(jìn)軍等（2001）[3] 通過時(shí)間序列分析與預(yù)測發(fā)現(xiàn)，中山市鼻咽癌的發(fā)病率保持相對(duì)穩(wěn)定而死亡率呈下降趨勢；林松柏等（2002）[4]對(duì)1991-2000年上海市衛(wèi)生指標(biāo)情況進(jìn)行系統(tǒng)聚類分析，建立綜合指數(shù)并進(jìn)行相關(guān)性分析；鄔志薇等（2015）[5]通過對(duì)2009-2013年云南省邊境地區(qū)的傳染病類突發(fā)公共衛(wèi)生事件資料進(jìn)行整理與描述分析，認(rèn)為甲類傳染病防控是難點(diǎn)和重點(diǎn)。

綜上所述，很多學(xué)者已對(duì)傳染病發(fā)展?fàn)顩r進(jìn)行了比較具體的研究，但多是研究某個(gè)地區(qū)在一段時(shí)間內(nèi)傳染病狀況，而對(duì)區(qū)域傳染病狀況綜合分析較少。因此，本文擬采用面板模型對(duì)我國各地區(qū)近10年傳染病狀況進(jìn)行分析，以期從時(shí)空和空間兩方面更為全面地反映我國傳染病狀況。

一、變量選擇和數(shù)據(jù)來源

本文通過發(fā)病率和死亡率兩指標(biāo)對(duì)我國傳染病發(fā)展趨勢及現(xiàn)狀進(jìn)行研究。發(fā)病率是指一定期間內(nèi)某病新病例的發(fā)生頻率，單位為十萬分之一；死亡率是指在一定期間一定人群中，死于某病的頻率，單位是十萬分之一。

本文指標(biāo)數(shù)據(jù)均來自2004年至2013年《中國衛(wèi)生統(tǒng)計(jì)年鑒》。因臺(tái)灣、香港和澳門數(shù)據(jù)難以獲得，本文只對(duì)中國大陸31個(gè)地區(qū)的傳染病狀況進(jìn)行分析。

二、實(shí)證分析

（一）聚類分析

本文分別對(duì)我國傳染病發(fā)病率、死亡率進(jìn)行聚類分析，聚類結(jié)果分別如圖1、圖2。

由圖1可知，我國傳染病發(fā)病率具有明顯的區(qū)域性，西北部地區(qū)發(fā)病率普遍較高，尤其是新疆、青海地區(qū)發(fā)病率持續(xù)處于較高水平，華北、華中、西南、華南等地區(qū)發(fā)病率相對(duì)處于居中水平，東部沿海地區(qū)發(fā)病率相對(duì)較低。總體而言，傳染病發(fā)病率基本呈下降趨勢，隨時(shí)間變化，各地區(qū)傳染病發(fā)病率基本減小。

由圖2可知，我國傳染病死亡率存在區(qū)域性，西部地區(qū)的邊境省份死亡率傾向較高，華南地區(qū)廣西死亡率相對(duì)較高，而中部和東部地區(qū)死亡率一般較低，尤其是中部地區(qū)的死亡率已全部處于較低水平?？傮w而言，傳染病死亡率呈現(xiàn)下降趨勢，且隨時(shí)間變化逐漸減小。

（二）面板分析

1.單位根檢驗(yàn)

在建立面板模型前，首先要檢驗(yàn)變量的平穩(wěn)性，否則會(huì)產(chǎn)生偽回歸現(xiàn)象。同時(shí)，為保證檢驗(yàn)結(jié)果的穩(wěn)健性，本文采用LLC、ADF-Fisher和PP-Fisher單位根檢驗(yàn)三種檢驗(yàn)方法來判斷變量發(fā)病率（F）、死亡率（S）是否具有單位根。檢驗(yàn)結(jié)果見表1。

由表可知，發(fā)病率、死亡率均為平穩(wěn)序列，可以直接建立回歸模型，而不會(huì)產(chǎn)生偽回歸現(xiàn)象。

2.Granger因果檢驗(yàn)

在回歸分析中，雖然一個(gè)變量對(duì)另一個(gè)變量具有依賴關(guān)系，但這種依賴關(guān)系并不一定意味著是因果關(guān)系。本文用Granger因果檢驗(yàn)判定發(fā)病率（F）、死亡率（S）之間是否存在因果關(guān)系。檢驗(yàn)結(jié)果可知，在顯著性水平為0.05的條件下，均拒絕傳染病死亡率是發(fā)病率的原因，而不拒絕傳染病發(fā)病率是死亡率的原因。本文以傳染病發(fā)病率為自變量，研究其對(duì)死亡率的影響。

3.模型選擇

面板模型分為混合模型、固定效應(yīng)模型和隨機(jī)效應(yīng)模型。其中，固定效應(yīng)模型又可分為三類，分別是個(gè)體固定效應(yīng)模型、時(shí)點(diǎn)固定效應(yīng)模型及個(gè)體時(shí)點(diǎn)固定效應(yīng)模型。同樣，隨機(jī)效應(yīng)模型也分為個(gè)體隨機(jī)效應(yīng)模型、時(shí)點(diǎn)隨機(jī)效應(yīng)模型及個(gè)體時(shí)點(diǎn)隨機(jī)效應(yīng)模型。

固定效應(yīng)模型和隨機(jī)效應(yīng)模型各有優(yōu)劣，我們通常用hausman檢驗(yàn)對(duì)固定效應(yīng)和隨機(jī)效應(yīng)模型進(jìn)行選擇。

由表2可知，在5%的顯著性水平下，除去時(shí)點(diǎn)效應(yīng)外，不論是個(gè)體效應(yīng)還是時(shí)點(diǎn)個(gè)體效應(yīng)，Hausman檢驗(yàn)結(jié)果都是不拒絕原假設(shè)，故本文選取隨機(jī)效應(yīng)模型進(jìn)行分析。但隨機(jī)效應(yīng)模型有三種，因此還需對(duì)隨機(jī)效應(yīng)模型進(jìn)行選擇。本文通過F檢驗(yàn)對(duì)模型進(jìn)行選擇，由表3可知，應(yīng)構(gòu)建時(shí)點(diǎn)個(gè)體隨機(jī)效應(yīng)模型。

（三）模型測度分析

根據(jù)上述檢驗(yàn)結(jié)果，本文將建立發(fā)病率對(duì)死亡率的時(shí)點(diǎn)個(gè)體隨機(jī)效應(yīng)模型。模型方程如下：

其中， 表示N個(gè)地區(qū)， ， 表示已知的T個(gè)時(shí)間。

三、結(jié)論與建議

中國共產(chǎn)黨第十六屆中央委員會(huì)第六次會(huì)議全體通過的《中共中央關(guān)于構(gòu)建社會(huì)主義和諧社會(huì)若干重大問題的決定》中明確提出了我國建設(shè)和諧社會(huì)的目標(biāo)和方向，其中，“加強(qiáng)公共衛(wèi)生體系建設(shè)，開展愛國衛(wèi)生運(yùn)動(dòng)，發(fā)展婦幼衛(wèi)生事業(yè)，加強(qiáng)醫(yī)學(xué)研究，提高重大疾病預(yù)防控制能力和醫(yī)療救治能力”是提高人民健康水平的一項(xiàng)重要內(nèi)容[6]。研究傳染病分布發(fā)展現(xiàn)狀，是進(jìn)一步預(yù)防控制傳染病的重要基礎(chǔ)，可為國家制定疾病防治政策策略提供重要的參考依據(jù)。

由聚類分析圖可知，傳染病發(fā)病率、死亡率在全國范圍內(nèi)的分布具有區(qū)域性，西北地區(qū)發(fā)病率普遍較高。應(yīng)從優(yōu)惠政策等方面加大對(duì)西北地區(qū)的扶持力度，改善居住環(huán)境，加強(qiáng)防御措施。西部地區(qū)的邊境省份死亡率較高，這與已有的對(duì)廣西靈山縣研究結(jié)果一致[8]，應(yīng)提高西部地區(qū)醫(yī)療人員及機(jī)構(gòu)的醫(yī)療水平，可調(diào)配相應(yīng)的醫(yī)療專家到西部地區(qū)對(duì)醫(yī)療人員進(jìn)行培訓(xùn)，或是遣送部分醫(yī)療人員進(jìn)修。

由面板分析可知，傳染病發(fā)病率對(duì)死亡率有顯著的正向影響，且不同地方、不同時(shí)點(diǎn)二者關(guān)系也有差別。故此，為了降低傳染病死亡率，我國在提升傳染病方面醫(yī)療水平的同時(shí)，也應(yīng)該加強(qiáng)特定傳染病防治與監(jiān)控措施，通過降低傳染病發(fā)病率水平，從而有效的控制傳染病死亡率水平。而且，傳染病病死率和死亡率在時(shí)間和個(gè)體上均存在著差異。已有研究顯示，2005至2013年廣西靈山縣與山東鄒平縣在傳染病病死率與死亡率方面存在明顯差異[7，8]，2013年黔南州與龍巖市傳染病病死率與死亡率之間均存在明顯差異[9，10] 。正是由于這種差異性存在，故在此建議政府在制定醫(yī)療政策時(shí)需考慮到地區(qū)差異，因地制宜。

參考文獻(xiàn)

[1] 樊雯婧， 陸群， 鄒立巍， 等. ARIMA模型在合肥市瘧疾發(fā)病預(yù)測中的應(yīng)用[J].安徽大學(xué)學(xué)報(bào). 2013， 48（3）： 252～256.

[2] 楊小兵， 汪鵬， 江高峰. ARIMA乘積季節(jié)模型在流行性腮腺炎發(fā)病率預(yù)測中的應(yīng)用[J]. 公共衛(wèi)生與預(yù)防醫(yī)學(xué)， 2013， 24（6）： 39～42.

[3] 吳進(jìn)軍， 國虹， 蘇汝好. 中山市鼻咽癌發(fā)病率及死亡率時(shí)間序列分析及預(yù)測[J].中國醫(yī)院統(tǒng)計(jì)，2001，8（1）：16～19.

[4] 林松柏， 周峰， 宋桂香. 上海市衛(wèi)生指標(biāo)分類與衛(wèi)生狀況綜合評(píng)價(jià)研究[J].上海預(yù)防醫(yī)學(xué)雜志，2002，14（10）：453～456.

[5] 鄔志薇， 戚艷波， 林燕. 2009-2013年云南省邊境地區(qū)傳染病類突發(fā)公共衛(wèi)生事件流行特征分析[J].職業(yè)與健康，2015，31（12）：1674～1676.

[6] 楊志軍.我國慢性傳染病預(yù)防與治療監(jiān)測的經(jīng)濟(jì)學(xué)分析（--以慢性乙型肝炎為例）[D].上海交通大學(xué)，2008.10，19-20.

[7] 賴海濤. 2005—2013年廣西靈山縣法定傳染病流行趨勢[J].職業(yè)與健康，2015，31（12）：1664-1670

[8] 張璐，翟永民，賈崇奇. 2005～2013年鄒平縣甲乙類自然疫源性及蟲媒傳染病流行病學(xué)分析[J].預(yù)防醫(yī)學(xué)論壇，2015，21（5）：368-370

[9] ?？?，谷永香，羅維靜. 2013 年黔南州法定傳染病疫情分析[J].現(xiàn)代預(yù)防醫(yī)學(xué)，2015，42（13）：2443-2447.

[10] 鄧小如，閆建平，林梅艷. 2013年龍巖市法定傳染病疫情分析[J]. 預(yù)防醫(yī)學(xué)論壇，2014，20（11）：870-872.

作者簡介：

肖 峰 （1988-），女，湖南邵陽人，助教，碩士研究生，從事經(jīng)濟(jì)預(yù)測與決策研究。

（作者單位：湖南農(nóng)業(yè)大學(xué) 理學(xué)院 湖南長沙 410128）