龔勝生，李春明，肖克梅

（1.華中師范大學(xué) 城市與環(huán)境科學(xué)學(xué)院，武漢 430079；2.地理過程與分析模擬湖北省重點(diǎn)實(shí)驗(yàn)室，武漢 430079；3.云南省安寧市石江學(xué)校，昆明 650300）

自殺是一種復(fù)雜的社會現(xiàn)象（埃米爾·迪爾凱姆，2009）。近年來，自殺已成為世界性社會問題（Ziaei et al., 2017; Naghavi, 2019），引起了社會學(xué)、心理學(xué)、預(yù)防醫(yī)學(xué)、衛(wèi)生學(xué)、生物學(xué)等領(lǐng)域?qū)W者的關(guān)注（Voracek et al., 2004; Chang et al., 2011; Helbich et al., 2012; Robinson et al., 2016），越來越多的地理學(xué)者也開始關(guān)注自殺的時空變化及其影響因素。

研究表明，自殺現(xiàn)象具有明顯的時空差異。時間上，中國的自殺現(xiàn)象主要發(fā)生于春、夏季，尤以夏季為多（谷慶 等，2002；李建軍，2008）；一天中則多發(fā)生于白晝（胡冬梅 等，2004；周羅晶 等，2009）?？臻g上，自殺事件存在國家、區(qū)域、城鄉(xiāng)之間的差異。在國家/區(qū)域差異上，對自殺持否定態(tài)度、有宗教信仰的國家，其自殺死亡率較低（Alothman et al., 2020），低、中等收入國家的自殺率相對較高（Knipe et al., 2022）。在城鄉(xiāng)差異上，國外如澳大利亞1986—2005年的自殺率鄉(xiāng)村顯著高于城市（Qi et al., 2014），日本2009—2017 年60 歲以下男性自殺率鄉(xiāng)村高于城市（Yoshioka et al., 2021）；國內(nèi)省域尺度上如湖北?。ㄔ∑?等，2013；潘敬菊 等，2022）、臺灣?。–hang et al., 2011, 2012），市域尺度上如揚(yáng)州市（解曄 等，2014）、溫州市（李江峰 等，2015）、廈門市（林藝蘭 等，2016）、天津市（王德征 等，2018）、臺北市（Lin et al.,2019）、重慶市（丁賢彬 等，2021）等，它們在不同時段的自殺死亡率都是農(nóng)村高于城市，尤其是老年人群體，其自殺死亡的城鄉(xiāng)差異尤為顯著（王武林，2013；王勝男 等，2018；Bai et al., 2022）。

研究還表明，影響自殺的因素錯綜復(fù)雜，社會經(jīng)濟(jì)因素（Hjern et al., 2002; Rezaeian et al., 2005;Rehkopf et al., 2006; Hsu et al., 2015; Lin et al.,2019）、氣候與晝長（趙驪，1988；Preti, 1998,2006; Deisenhammer, 2003; Tsai et al., 2012; Asirdizer et al., 2018）、海拔高度（Huber, 2014; Kim et al.,2014; Ishikawa et al., 2016; Ha et al., 2018）、地球化學(xué)元素異常（Ohgami et al., 2009; Kabacs et al.,2011; Liaugaudaite et al., 2021）等，都與自殺現(xiàn)象有關(guān)聯(lián)。學(xué)界對自殺的社會經(jīng)濟(jì)因素探討較多，研究發(fā)現(xiàn)，對自殺持否定態(tài)度的宗教信仰和對自殺有著恥辱感的文化認(rèn)同（Wong et al., 2012; Alothman et al., 2020）、家庭收入和人口密度（Chang et al.,2011）與自殺率存在顯著的負(fù)相關(guān)關(guān)系。在日本，城市化水平越高，人口自殺率越低（Yoshioka et al., 2021）；在巴西，巴拉那州15～29歲青年自殺死亡率與教育水平、收入、GDP、人類發(fā)展指數(shù)存在負(fù)相關(guān)，與失業(yè)率存在正相關(guān)（Alarc?o et al.,2020）；在美國，北卡羅萊納州高自殺死亡率集中區(qū)也是低收入集聚區(qū)（Ryan et al., 2022）；在全球，男、女自殺死亡率與預(yù)期壽命、人均GDP、受教育程度等呈負(fù)相關(guān)（Alothman et al., 2020）。

受自殺數(shù)據(jù)可獲得性的限制，目前中國的自殺研究多是對單個省域、單個城市、單一人群的探討，缺乏全國范圍多尺度的自殺時空特征及其與經(jīng)濟(jì)發(fā)展關(guān)系的研究。因此，本文采用Python技術(shù)爬取網(wǎng)絡(luò)自殺死亡數(shù)據(jù)，對2000—2018年中國自殺現(xiàn)象的時空特征及其與經(jīng)濟(jì)發(fā)展的關(guān)系進(jìn)行探討，以期為“健康中國”建設(shè)提供科學(xué)參考。

1 概念、數(shù)據(jù)與方法

1.1 核心概念

1）自殺現(xiàn)象。指社會上發(fā)生的任何由死者自己完成，并知道會產(chǎn)生這種結(jié)果的某種積極（主動）或消極（被動）的行動直接或間接地引起的死亡現(xiàn)象（埃米爾·迪爾凱姆，2009）。為簡便起見，將自殺事件、自殺死亡、自殺行為、自殺率等概念或術(shù)語統(tǒng)稱為自殺現(xiàn)象。

2）自殺死亡案例。指網(wǎng)絡(luò)爬取的自殺死亡人數(shù)。如果自殺行為發(fā)生后，自殺者獲救，并沒有死亡，本文不計(jì)入自殺死亡案例；如果自殺行為發(fā)生后，自殺者也死亡了，但沒有被網(wǎng)絡(luò)報(bào)道，本文因無法從網(wǎng)絡(luò)爬取樣本而致數(shù)據(jù)被遺漏。因此，自殺死亡案例只是實(shí)際自殺死亡者的“樣本”，并非“總體”。由于網(wǎng)絡(luò)報(bào)道總體可視為一個隨機(jī)過程，爬取的這些“樣本”可在很大程度上反映實(shí)際自殺死亡者的總體情況。

3）案例自殺率。指某一年度、某個區(qū)域自殺死亡案例數(shù)與該年度、該區(qū)域總?cè)丝跀?shù)的百分比。案例自殺率為“樣本”自殺死亡率，由于“樣本”總是有遺漏的，因此總是低于實(shí)際的自殺死亡率，互聯(lián)網(wǎng)相對發(fā)達(dá)的地區(qū)，對自殺死亡的遺漏相對少些，其案例自殺率與實(shí)際自殺死亡率的差距要小一些。

1.2 數(shù)據(jù)來源

1）自殺死亡數(shù)據(jù)。以往研究者的自殺數(shù)據(jù)主要來自疾病監(jiān)測點(diǎn)系統(tǒng)（楊功煥 等，2004）和衛(wèi)生部死因登記系統(tǒng)（張杰 等，2011），少量來自抽樣調(diào)查（鄭紅 等，2011）和網(wǎng)絡(luò)數(shù)據(jù)（張露 等，2014）。疾病監(jiān)測點(diǎn)系統(tǒng)全國只有160個監(jiān)測點(diǎn)，僅覆蓋7 000萬人口，不到全國人口總數(shù)的5%；衛(wèi)生部死因登記系統(tǒng)雖然覆蓋了約1億人口，但存在不同程度的漏報(bào)、瞞報(bào)和誤報(bào)，其“準(zhǔn)確性”也頗受爭議（謝立中，2015）。從地理學(xué)視角看，這2個系統(tǒng)公布的自殺死亡數(shù)據(jù)（年份、戶籍、性別）的時空分辨率也較粗略，無法滿足自殺死亡的時空規(guī)律研究。而大數(shù)據(jù)為自殺死亡的地理學(xué)研究提供了條件。本文采用python 技術(shù)，在百度、搜狗、360 等搜索引擎上，以關(guān)鍵詞“自殺”“輕生”“自盡”進(jìn)行搜索，獲取從互聯(lián)網(wǎng)誕生起至2018年底止的自殺死亡數(shù)據(jù)50 164條（表1），通過逐條檢閱和數(shù)據(jù)清洗，得到有效自殺死亡案例12 276個，經(jīng)整理建成“ 中 國2000—2018 年 自 殺 死 亡 案 例 數(shù) 據(jù)庫”（表2）。

表1 中國2000—2018年自殺死亡案例數(shù)Table 1 Number of suicide death cases in China during 2000-2018 人

表2 2000—2018年中國自殺死亡案例數(shù)據(jù)庫屬性表舉例Table 2 Some examples of attribute table of suicide death case database in China during 2000-2018

2）人口統(tǒng)計(jì)數(shù)據(jù)。主要用于計(jì)算案例自殺率、人均GDP和城鎮(zhèn)化率。在縣域尺度上，本文以“代表年份”人口數(shù)和時段內(nèi)累計(jì)自殺死亡案例數(shù)計(jì)算各時段內(nèi)的平均案例自殺率，其中，2000—2006年時段的代表年份為2000 年，2007—2012 年時段的代表年份為2010 年，2013—2018 年時段的代表年份為2016 年，研究期（2000—2018 年）全期平均人口數(shù)為上述3 個代表年份人口數(shù)的算術(shù)平均值。2000 和2010 年的縣域人口數(shù)為人口普查數(shù)據(jù)，2016 年的縣域人口數(shù)采自《中國縣域統(tǒng)計(jì)年鑒2017》（國家統(tǒng)計(jì)局農(nóng)村社會經(jīng)濟(jì)調(diào)查司，2018）。

3）經(jīng)濟(jì)因子數(shù)據(jù)。研究表明，經(jīng)濟(jì)因素對自殺行為的影響較大（張杰 等，2011；Hsu et al.,2015; Alothman et al., 2020）。本文選取GDP、人均GDP、城鎮(zhèn)化率3項(xiàng)指標(biāo)分析自殺死亡與經(jīng)濟(jì)發(fā)展的關(guān)系。其中，GDP反映地區(qū)經(jīng)濟(jì)規(guī)模，用以分析區(qū)域經(jīng)濟(jì)規(guī)模變化與區(qū)域自殺死亡案例數(shù)變化的關(guān)系；人均GDP反映人均經(jīng)濟(jì)水平，用以分析區(qū)域經(jīng)濟(jì)水平與區(qū)域案例自殺率的關(guān)系；城鎮(zhèn)化率反映地區(qū)文明程度，是最能反映區(qū)域經(jīng)濟(jì)發(fā)展、收入差距、社會公平的綜合指標(biāo)，一般而言，城鎮(zhèn)化水平越高的地區(qū)，居民所受教育程度、收入水平更高，珍惜生命的意識也更高。2000—2018年全國的GDP數(shù)據(jù)來自相應(yīng)年份的《中國統(tǒng)計(jì)年鑒2019》（國家統(tǒng)計(jì)局，2019），2000、2010、2016 年地市尺度的人均GDP、城鎮(zhèn)化率數(shù)據(jù)來自對應(yīng)時點(diǎn)的各省市統(tǒng)計(jì)年鑒、統(tǒng)計(jì)公報(bào)和政府工作報(bào)告。

4）地圖信息數(shù)據(jù)。政區(qū)地圖數(shù)據(jù)來源于標(biāo)準(zhǔn)地圖服務(wù)系統(tǒng)①http://bzdt.ch.mnr.gov.cn/，縣域地圖以2017年行政區(qū)劃為標(biāo)準(zhǔn)進(jìn)行一致性處理。全國（含港澳臺）共分為2 851個縣域單元、334個市域單元、34個省域單元。

1.3 研究方法

1）空間自相關(guān)分析。采用空間自相關(guān)分析縣域尺度上的自殺死亡的集聚現(xiàn)象。地理學(xué)第一定律認(rèn)為，空間單元中的每一個事物或現(xiàn)象并非孤立存在，而是彼此聯(lián)系的，鄰近事物或現(xiàn)象之間的聯(lián)系程度較遠(yuǎn)距離的事物更加密切。自殺現(xiàn)象的空間分布符合第一定律，即某地區(qū)的地理空間不僅影響其本身的自殺現(xiàn)象，同時還會影響其鄰域的自殺現(xiàn)象，形成“自殺傳染”（埃米爾·迪爾凱姆，2009）?？臻g自相關(guān)包括全局自相關(guān)和局域自相關(guān)。全局空間自相關(guān)分析根據(jù)Moran'sI判斷空間相關(guān)性的大小與性質(zhì)，I＞0 為空間正相關(guān)，I＜0 為負(fù)相關(guān)，I＝0 為不相關(guān)。在檢驗(yàn)得知存在全局自相關(guān)后，再計(jì)算局域自相關(guān)Getis-OrdG*，根據(jù)G*分析空間聚集性，尋找熱點(diǎn)區(qū)和冷點(diǎn)區(qū)?？臻g自相關(guān)的上述分析以縣域案例自殺率為指標(biāo)，在軟件ArcGis10.2中完成。

2）統(tǒng)計(jì)相關(guān)回歸分析。①相關(guān)分析。采用皮爾遜相關(guān)系數(shù)判斷自殺死亡與GDP、人均GDP、城鎮(zhèn)化率的相關(guān)性，在國家、省域尺度上，對2000—2018 年逐年的自殺死亡案例與GDP 值進(jìn)行時間序列相關(guān)分析。在地市尺度上，對2000、2010、2016年的案例自殺率與人均GDP、城鎮(zhèn)化率進(jìn)行空間隊(duì)列相關(guān)分析，相關(guān)系數(shù)絕對值取值范圍為 [0, 1]，相關(guān)系數(shù)越接近1，表明相關(guān)性越強(qiáng)。②回歸分析。運(yùn)用SPSS24.0軟件，在市域尺度上，在確定存在相關(guān)性基礎(chǔ)上，對案例自殺率與人均GDP、城鎮(zhèn)化率進(jìn)行線性、多項(xiàng)式、對數(shù)、最小二乘法、時空地理加權(quán)等回歸分析，尋找最優(yōu)擬合模型。

3）馬爾科夫鏈分析。用以刻畫不同區(qū)域不同時期案例自殺率的演變特征，首先使用SPSS24.0軟件，在縣域尺度上，將2000—2018年案例自殺率離散化為K種類型，然后運(yùn)用Matlab計(jì)算相應(yīng)類型的概率分布及其年際變化。如果將t年份區(qū)域案例自殺率類型的概率分布表示為一個1×k的狀態(tài)概率向量Ft，記為Ft=［F1t，F(xiàn)2t，…，F(xiàn)kt］，則不同年份區(qū)域案例自殺率之間的轉(zhuǎn)移可以用一個k×k的馬爾科夫轉(zhuǎn)移概率矩陣P表示，計(jì)算公式為：

式中：pij表示t年份屬于i類型的區(qū)域在下一年轉(zhuǎn)移到j(luò)類型的概率；nij表示在整個研究期（2000—2018年）內(nèi)，由t年份屬于i類型的縣域在t+1年份轉(zhuǎn)移為j類型的縣域數(shù)量之和；ni是所有年份中屬于類型i的縣域數(shù)量之和。根據(jù)案例自殺率狀態(tài)類型的升降變化來定義轉(zhuǎn)移方向。

2 中國自殺死亡的時空分布變化

2.1 中國自殺死亡案例數(shù)的時間變化

2.1.1 自殺死亡案例數(shù)的年際變化 中國自殺死亡案例數(shù)具有顯著的年際波動。由圖1 不難看出，2000—2018年中國自殺死亡案例數(shù)經(jīng)歷了先升后降的過程：2000—2007 年緩慢增加，從每年不足50例上升到每年200 余例，年均增加19 例；2008—2016年迅速增加，從每年不足300例迅速上升到每年1 500 例以上，年均增加129 例；2017—2018 年略有下降，但仍維持在每年1 100 例左右的水平。其中，2000—2007 年的自殺死亡案例數(shù)可能偏少，一是因?yàn)楫?dāng)時網(wǎng)絡(luò)普及水平較低，許多自殺死亡案例沒有被網(wǎng)絡(luò)報(bào)道；二是有些自殺死亡案例報(bào)道因時間過長而被網(wǎng)管刪除。不過，這種網(wǎng)絡(luò)遺漏不會顛覆性改變自殺死亡案例的變化趨勢。

圖1 2000—2018年中國各省自殺死亡案例數(shù)的逐年變化Fig.1 Change of suicide death cases at provincial scale in China yearly during 2000-2018

2.1.2 自殺死亡案例數(shù)的月際變化 中國自殺死亡案例數(shù)也具有明顯的月際波動。如圖2-a 中的多項(xiàng)式趨勢線所示，中國月度自殺死亡案例數(shù)具有顯著的先升后降的趨勢，且每年都有一個自殺高峰月。圖2-b 則顯示，一年之中，夏季（5、6 月）為自殺

圖2 2000—2018年中國自殺死亡案例數(shù)月度分布（a.逐月變化；b.月均變化）Fig.2 Monthly distribution of suicide death cases in China during 2000-2018( a.monthly changes; b.average changes for each month)

死亡高峰期，冬季（2、3 月）為自殺死亡低谷期，說明高溫氣候條件較低溫氣候條件更易引發(fā)自殺死亡事件的發(fā)生。

2.1.3 自殺死亡案例數(shù)的日際變化 中國自殺死亡案例數(shù)還有明顯的日際差異。如圖3所示，2000—2018年中國每日平均自殺死亡案例數(shù)在20人以上，日均值為20.73人，每個月的1、10、20日自殺死亡人數(shù)最多，日均值分別為29.6、24.2、22.5 人，其中1 日平均自殺死亡人數(shù)要比平均數(shù)超出43%。逢一、逢十自殺死亡較多的原因，可能與人的心理活動有關(guān)。1 日是一個月新的開始，許多抑郁癥患者往往因?yàn)椴幌肜^續(xù)這種“開始”而選擇結(jié)束生命；10、20日分別是一個月第一旬和第二旬、第二旬和第三旬的分界日，對于數(shù)著日子過的備受心靈煎熬的抑郁癥患者而言，選擇在這樣的日子結(jié)束生命，其潛意識里或許具有人生路上的“里程碑”意義。

圖3 2000—2018年中國逐日平均自殺死亡案例數(shù)分布Fig.3 Distribution of averaged suicide death cases daily in China from 2000 to 2018

2.1.4 自殺死亡案例數(shù)的時際變化 中國自殺死亡案例數(shù)的時際特征為白晝型。如圖4所示，在一天24 h中，中國自殺死亡事件發(fā)生在白天的概率遠(yuǎn)遠(yuǎn)高于發(fā)生在夜晚的概率，這與意大利、美國的自殺日變化具有相似性（Preti et al., 2001; Tian et al.,2019），T 06: 00—19:00自殺死亡事件相對高發(fā)，其間自殺死亡的案例人數(shù)約占全天自殺死亡案例總?cè)藬?shù)的77.2%。該特征的形成有3 個方面的原因：1）白天是人們從事社會活動的時間，生活和工作中發(fā)生人際矛盾沖突的幾率較高；2）白天氣溫相對較高，較高氣溫容易導(dǎo)致人煩躁、悸動、發(fā)怒，從而

圖4 2000—2018年中國日內(nèi)自殺死亡案例數(shù)分布（a.歷年日內(nèi)自殺冷熱點(diǎn)的時段分布；b.歷年日內(nèi)累計(jì)自殺死亡案例數(shù)的時段分布）Fig.4 Hourly distribution of suicide death cases at hour during one day in China during 2000-2018 (a.hourly distribution of cold and hot spots of suicide; b.hourly distribution of cumulative suicide death cases)

導(dǎo)致沖動自殺，這與一年中夏季為自殺高峰期、冬季為自殺低谷期的原因一致；3）許多自殺者原本并不是真想結(jié)束生命，選擇白天自殺是因?yàn)槿菀妆蝗税l(fā)現(xiàn)而希望能僥幸獲救，這是典型的嚇唬式自殺而弄假成真發(fā)生的悲劇。T 09:00、15:00 之所以成為一天中自殺死亡案例最集中的時點(diǎn)，一是因?yàn)檫@2 個時點(diǎn)人離開輕松的生活環(huán)境進(jìn)入相對嚴(yán)肅的社會關(guān)系或工作狀態(tài)，容易導(dǎo)致孤獨(dú)感和情緒低落（Preti et al., 2001）；二是因?yàn)檫@2個時點(diǎn)是上午上班不久和下午上班不久的時間，許多嚇唬式自殺者誤認(rèn)為他們的自殺行為容易被人發(fā)現(xiàn)而獲救。

2.2 中國自殺死亡案例數(shù)與案例自殺率的空間分異

2.2.1 自殺死亡案例數(shù)的總體分布特征 自殺現(xiàn)象如同其他社會現(xiàn)象一樣，不僅有顯著的時間差異，而且有顯著的空間差異。將2000—2018年所有自殺死亡案例的發(fā)生地點(diǎn)繪到地圖上，結(jié)果如圖5所示，不難看出，中國自殺死亡案例數(shù)在空間分布上具有3個特征：1）地理分布的廣泛性。全國34個省級政區(qū)都有自殺死亡案例分布（表2）；全國2 851 個縣級政區(qū)中，75%（2 142 個）有自殺死亡案例分布。這說明自殺既是一種普遍的社會現(xiàn)象，也是一種廣泛的空間現(xiàn)象。2）與人口格局的一致性。中國最大的人口分異是西北-東南分異，以武漢為圓心、武漢至蘭州直線距離為半徑的“山蘭防弧線”是中國兩千年來人口疏密區(qū)分界線的擬合線，該線東南半壁人口占全國總數(shù)的83.24%，西北半壁人口占全國總數(shù)的16.76%（龔勝生 等，2019）。受人口分布的制約，中國自殺死亡案例數(shù)也有顯著的西北-東南分異（見圖5）。3）與經(jīng)濟(jì)梯度的一致性。中國最大的經(jīng)濟(jì)分異是東-中-西分異，經(jīng)濟(jì)水平自東向西梯度遞減。受經(jīng)濟(jì)分異的制約，中國自殺死亡案例數(shù)也有明顯的東-中-西梯度遞減特征。

圖5 2000—2018年中國自殺死亡案例分布Fig.5 Distribution of suicide cases at county scale in China during 2000-2018

2.2.2 自殺死亡現(xiàn)象的區(qū)域分異 1）自殺死亡現(xiàn)象的大區(qū)分異。在東南-西北分異上，東南半壁分布著90.98%的自殺死亡案例數(shù)，案例自殺率為1.03/10萬；西北半壁分布著9.02%的自殺死亡案例數(shù)，案例自殺率為0.62/10萬，東南半壁遠(yuǎn)高于西北半壁。在東-中-西分異上，東部地區(qū)分布著56.55%的自殺死亡案例數(shù)，案例自殺率為1.15/10萬；中部地區(qū)分布著27.59%的自殺死亡案例數(shù)，案例自殺率為0.87/10 萬；西部地區(qū)分布著15.86%的自殺死亡案例數(shù)，案例自殺率約0.57/10萬，由東向西梯度遞減的特征十分明顯。在南方-北方分異上，南方地區(qū)分布著62.94%的自殺死亡案例數(shù)，案例自殺率為0.93/10 萬；北方地區(qū)分布著37.08%的自殺死亡案例數(shù)，案例自殺率為0.90/10萬，南方地區(qū)高于北方地區(qū)（表3）。

表3 2000—2018年中國自殺案例數(shù)與案例自殺率區(qū)域統(tǒng)計(jì)Table 3 Distribution of suicide death cases and case-suicide-rate in different regions in China during 2000-2018

2）自殺死亡現(xiàn)象的省域分異。2000—2018年，中國自殺死亡案例數(shù)TOP10 省區(qū)為浙、粵、蘇、川、閩、魯、京、冀、贛、鄂，其中7個分布于東部，2 個分布于中部，只有1 個分布于西部（圖6-

注：東南半壁與西北半壁以“山蘭防弧線”為界；東部地區(qū)包括蘇滬浙閩粵瓊臺港澳魯京津冀遼吉黑，中部地區(qū)包括晉蒙豫鄂皖湘贛桂，其余省域?yàn)槲鞑康貐^(qū)；南方地區(qū)包括滬蘇浙皖湘鄂贛粵桂閩瓊藏云貴川渝港澳臺，其余為北方地區(qū)。a）。中國案例自殺率最高為北京市，最低為西藏自治區(qū)，TOP10 省區(qū)為為京、閩、浙、瓊、贛、陜、港、蘇、吉、桂，同樣是7個分布于東部，2個分布于中部，1 個分布于西部（圖6-b）。案例自殺率低的省域，經(jīng)濟(jì)水平一般都比較低，生活節(jié)奏比較緩慢，而案例自殺率高的省域，經(jīng)濟(jì)水平大都比較高，生活節(jié)奏也比較緊張。

3）自殺死亡現(xiàn)象的市域分異。在市域尺度上，自殺死亡案例數(shù)的TOP10 市為北京、廈門、廣州、杭州、上海、嘉興、泉州、濟(jì)南、重慶、常州。案例自殺率的TOP10市為福建廈門市（6.7/10萬）、河南濟(jì)源市（5.0/10萬）、湖南湘西土家族苗族自治州（4.9/10萬）、浙江嘉興市（4.1/10萬）、內(nèi)蒙古錫林郭勒盟（3.9/10萬）、江蘇常州市（3.5/10萬）、安徽馬鞍山市（3.3/10萬）、福建莆田市（3.2/10萬）、北京市（3.1/10 萬）、內(nèi)蒙古呼和浩特市（2.8/10萬）（圖7）。

圖7 2000—2018年中國市域自殺死亡案例數(shù)（a）與案例自殺率（b）分布Fig.7 Distribution at prefecture scale of the quantity(a) and rate(b) of suicide death cases in China during 2000-2018

4）自殺死亡現(xiàn)象的縣域分異。如圖8-a 所示，在縣域尺度上，中國存在3條案例自殺率高值分布帶：一條呈東北-西南走向，從大興安嶺延伸至云貴高原；一條呈西北-東南走向，從秦巴山區(qū)延伸到大別山區(qū)；還有一條也呈東北-西南走向，從蘇北海岸延伸至海南島。三者構(gòu)成一個“H”型高值帶。這3條高案例自殺率分布帶，都是經(jīng)濟(jì)相對貧困的山區(qū)，其中大興安嶺至云貴高原的分布帶，正是中國的國家級貧困縣集中分布帶，且與低硒的克山病、大骨節(jié)病分布帶相吻合（鄺嬋娟，1992；Wang et al., 2001；周蕾 等，2017）。這說明貧窮與疾病可能是導(dǎo)致自殺的重要原因。此分布特征符合低、中等收入國家和地區(qū)自殺率高于世界其他（高收入）國家和地區(qū)的研究結(jié)論（Knipe et al., 2022）。對2000—2018年中國案例自殺率進(jìn)行全局和局域空間自相關(guān)分析，結(jié)果表明（I=0.29，Z=25.62，P=0.001），案例自殺率具有顯著的空間集聚性，冷熱點(diǎn)分明。如圖8-b 所示，2000—2018 年中國有9 大自殺熱點(diǎn)區(qū)和6大自殺冷點(diǎn)區(qū)，自殺熱點(diǎn)區(qū)主要分布在東、中部城市化水平較高的地區(qū)，自殺冷點(diǎn)區(qū)主要分布在中、西部城市化水平較低的地區(qū)。自殺現(xiàn)象在人口相對稠密、城市化水平較高地區(qū)比在人口相對稀疏、城市化水平相對較低的地區(qū)要嚴(yán)重。這有點(diǎn)令人意外，究竟這是城市生活壓力過大所致的“真實(shí)”還是城市網(wǎng)絡(luò)發(fā)達(dá)造成的“假象”，需要進(jìn)一步研究。

圖8 2000—2018年中國縣域案例自殺率（a）與自殺冷熱點(diǎn)（b）分布Fig.8 Distribution of the rate(a) and hotspot(b) of suicide death cases at county scale in China during 2000-2018

2.3 中國案例自殺率的時空演變

2.3.1 案例自殺率的時間演化特征 為了解自殺現(xiàn)象的時間演化特征，先將研究期分為Ⅰ（2000—2006 年）、Ⅱ（2007—2012 年）、Ⅲ（2013—2018年）3 個時段，采用分位數(shù)劃分方法（Tone, 2002）將全國2 851個縣域的案例自殺率由低到高分為5個等級區(qū)：K=1 （0，0.5］，K=2 （0.5，1.0］，K=3（1.0，2.0］，K=4（2.0，5.0］，K=5（＞5.0），然后運(yùn)用Matlab 軟件構(gòu)建傳統(tǒng)馬爾科夫概率轉(zhuǎn)移矩陣（表4），結(jié)果表明：1）絕大部分縣域?qū)俚偷燃墔^(qū)，3階段都是最低等級區(qū)（K=1）的累計(jì)縣數(shù)（n）占絕對優(yōu)勢；2）最低等級區(qū)有向較高等級區(qū)轉(zhuǎn)移的趨勢，3 階段相比，最低等級區(qū)的縣數(shù)不斷減少，其他等級區(qū)的縣數(shù)不斷增多；3）較高等級區(qū)轉(zhuǎn)為較低等級區(qū)的概率不斷減小，如3 階段里，K5 轉(zhuǎn)K1 的概率分別為0.812 5、0.500 0、0.235 3；而低等級區(qū)轉(zhuǎn)為高等級區(qū)的概率不斷增加，如3階段里，K4 轉(zhuǎn)K5 的概率分別為0.029 4、0.031 5、0.060 6。4）等級區(qū)轉(zhuǎn)換大多發(fā)生在相鄰級別之間，跨級轉(zhuǎn)換現(xiàn)象較少，說明案例自殺率的變化比較平緩，不存在突變現(xiàn)象。

表4 2000—2018年中國案例自殺率傳統(tǒng)馬爾科夫概率轉(zhuǎn)移矩陣Table 4 Traditional Markov Probability Transfer Matrix of suicide cases rate in China during 2000-2018

2.3.2 案例自殺率的空間演化特征 對2000—2018年3階段全國各縣的案例自殺率進(jìn)行全局空間自相關(guān)分析，結(jié)果表明（I1=0.151，I2=0.237，I3=0.335，P＜0.001），3 個階段的自殺死亡率均為集聚型分布，其冷熱點(diǎn)的空間演化如圖9所示。1）熱點(diǎn)區(qū)逐漸增多。Ⅰ階段（2000—2006年）為4個，Ⅱ階段（2007—2012 年） 增加到6 個，Ⅲ階段（2013—2018 年）再增加到7 個。2）熱點(diǎn)區(qū)由東部向中、西部擴(kuò)散。Ⅰ階段熱點(diǎn)區(qū)全部分布于東部，Ⅱ階段熱點(diǎn)區(qū)主要分布在東部，但中、西部也有出現(xiàn)；Ⅲ階段中部熱點(diǎn)區(qū)增多，江西北部、內(nèi)蒙中部形成新熱點(diǎn)。3）主要熱點(diǎn)區(qū)相對穩(wěn)定。Ⅰ階段的4個熱點(diǎn)區(qū)到Ⅲ階段仍存在，中國經(jīng)濟(jì)發(fā)展的“三極”——京津冀、長三角、珠三角，一直都是自殺熱點(diǎn)區(qū)，閩東南在Ⅱ階段后也成為自殺熱點(diǎn)區(qū)，這表明自殺熱點(diǎn)區(qū)的形成與區(qū)域經(jīng)濟(jì)發(fā)展的熱絡(luò)程度密切相關(guān)。

2.4 中國自殺現(xiàn)象與經(jīng)濟(jì)發(fā)展的關(guān)系

2.4.1 自殺死亡案例數(shù)與GDP 值的關(guān)系 在全國尺度上，對2000—2018年各年中國自殺死亡案例數(shù)與其GDP值進(jìn)行相關(guān)分析，結(jié)果表明（r=0.944，P=0.000），兩者呈顯著的高度正相關(guān)性，即隨著全國GDP 值的增加，全國自殺死亡的案例數(shù)也不斷增加。在省域尺度上，對2000—2018年各年各省自殺死亡案例數(shù)與其GDP值進(jìn)行相關(guān)分析，結(jié)果如表5所示，除2004年無顯著相關(guān)性外，其余年份均表現(xiàn)出顯著的正相關(guān)，且相關(guān)系數(shù)趨于上升，即GDP值越高的省域，自殺死亡的案例數(shù)也越多。這說明經(jīng)濟(jì)發(fā)展并不一定能提升所有人的生活質(zhì)量和幸福感，相反，有極少部分人反而更易心理失衡而走向自殺的絕路。對2000—2018年各省自殺死亡案例數(shù)與其GDP值規(guī)模進(jìn)行線性回歸，擬合優(yōu)度達(dá)0.586，說明GDP值對自殺死亡案例數(shù)的貢獻(xiàn)率為58.6%。

表5 2000—2018各年各省自殺死亡案例數(shù)與其GDP值的相關(guān)性和回歸性分析Table 5 Correlation and regression analysis between suicide cases and GDP at provincial scale in China during 2000-2018

2.4.2 案例自殺率與人均GDP 值的關(guān)系 在進(jìn)行全國范圍的地理分析時，市域尺度是最敏感的空間尺度（龔勝生 等，2020）?？疾焓杏虺叨壬系陌咐詺⒙逝c人均GDP 的關(guān)系時，由于人均GDP 值極差過大，需對其進(jìn)行對數(shù)處理后才能進(jìn)行空間隊(duì)列的相關(guān)分析。表5顯示：2010和2016年的案例自殺率與人均GDP 值的相關(guān)系數(shù)均為正值，且通過了99%的顯著性水平檢驗(yàn)，可以進(jìn)行回歸分析。經(jīng)各種回歸模型的比較，發(fā)現(xiàn)對數(shù)模型的擬合優(yōu)度（R2）最高，2010 年為0.610，2016 年為0.952。此外，OLS、GWR、GTWR 等回歸模型也都通過了95%顯著性水平檢驗(yàn)，但擬合優(yōu)度（R2）都不高（表5）。對GTWR 模型分析得到的回歸系數(shù)進(jìn)行可視化，結(jié)果如圖10-a所示，一是絕大部分回歸系數(shù)為正值，說明自殺率總體上隨著人均GDP的提升而增加；二是人均GDP 對自殺率的影響具有空間異質(zhì)性，呈現(xiàn)由南向北、由西向東增強(qiáng)的趨勢。影響最大的區(qū)域?yàn)槟掀鸶＝▽幍率小⑽鞯胶幽先T峽市、北至黑龍江大興安嶺地區(qū)連線以東的區(qū)域，影響最小的區(qū)域?yàn)樾陆?、西藏、青海以及甘肅西部地區(qū)。這反映在東、中、西經(jīng)濟(jì)差異背景下，經(jīng)濟(jì)水平較低的中、西部地區(qū)的人們，隨著收入水平的提高和經(jīng)濟(jì)狀況的改善，他們對未來充滿信心，自殺率受經(jīng)濟(jì)水平的影響較低；但在東部地區(qū)，人們解決溫飽問題之后，有了更高層面的需求，由于收入水平的不均衡性提高，加大了貧富差距和社會競爭壓力，自殺率反而隨人均GDP增長而攀升。

圖10 中國市域案例自殺率與人均GDP（a）、城鎮(zhèn)化率（b）的GTWR模型回歸系數(shù)空間分布（不含港澳臺地區(qū)）Fig.10 Spatial distribution of regression coefficients of GTWR model of case-suicide rate and per capita GDP,urbanization rate in China during 2000-2018

2.4.3 案例自殺率與城鎮(zhèn)化率的關(guān)系 城鎮(zhèn)化率不僅能反映社會文明程度，而且也能反映城鄉(xiāng)差異，甚至還能反映居民收入差距。有研究表明，提高城鎮(zhèn)化率可以縮小城鄉(xiāng)收入差距（陸銘 等，2004；周少甫 等，2010；尹曉波 等，2020）。在平均經(jīng)濟(jì)水平相同條件下，人群之間的收入差距對自殺率有顯著的影響，如表6所示，除2000年外，案例自殺率與城鎮(zhèn)化率呈顯著的低度正相關(guān)關(guān)系，2010、2016年和全時期的相關(guān)系數(shù)（r）分別為0.294、0.188和0.280。經(jīng)回歸分析，和人均GDP 一樣，案例自殺率與城鎮(zhèn)化率的對數(shù)回歸模型擬合度最高，2010、2016 年和全時期的擬合優(yōu)度（R2）分別為0.613、0.591 和0.751。其他回歸模型（OLS、GWR、GTWR）的擬合優(yōu)度都較低，GTWR的擬合優(yōu)度略高，也只有0.236。城鎮(zhèn)化率對案例自殺率的影響也具有顯著的空間異質(zhì)性，圖10-b是案例自殺率與城鎮(zhèn)化率GTWR模型回歸系數(shù)通過95%顯著性水平檢驗(yàn)的空間分異，可知，市域尺度上，城鎮(zhèn)化率對案例自殺率的影響自東向西遞減，經(jīng)向分異明顯。影響最大的區(qū)域在承德市—三門峽市—福州市三點(diǎn)連線以東的區(qū)域，這片地區(qū)是全國人口密度最大的地區(qū)（王德征 等，2018；龔勝生 等，2019），無后備耕地資源，隨著城鎮(zhèn)化率的提高，失地農(nóng)民群體不斷增多，他們的生存壓力不斷加大，城鎮(zhèn)化率對自殺率的影響也是全國最高的。相反，人口密度和城鎮(zhèn)化率較低的新疆、西藏、青海及東北地區(qū)，城鎮(zhèn)化率對自殺率影響相對較小，在黑龍江省，各地市的城鎮(zhèn)化率甚至與其自殺率呈負(fù)相關(guān)關(guān)系，這可能與黑龍江省農(nóng)村人口不斷向外遷移（魏后凱 等，2022）、人口全面收縮（劉濤 等，2022）有關(guān)，在此背景下，城鎮(zhèn)化率增長緩慢，當(dāng)?shù)鼐用竦纳鎵毫p小，生活比較輕松愜意，自殺的誘因和意念自然會得以削弱。對比表5中人均GDP、城鎮(zhèn)化率與案例自殺率的回歸系數(shù)，不難發(fā)現(xiàn)，無論是2010、2016年，還是全時期，在市域尺度上，城鎮(zhèn)化率對案例自殺率的影響，都要大于人均GDP對案例自殺率的影響，這說明城鎮(zhèn)化過程帶來的收入差距擴(kuò)大和失地農(nóng)民的增加，可能是中國2000—2018年案例自殺率趨于增長的重要原因。

表6 2000—2018年中國市域案例自殺率與人均GDP、城鎮(zhèn)化率的擬合分析Table 6 Fit analyses of cases suicide rate, per capita GDP and urbanization rate at prefecture scale in China during 2000-2018

3 結(jié)論與討論

3.1 結(jié)論

運(yùn)用Python技術(shù)從互聯(lián)網(wǎng)上獲取自殺死亡者案例數(shù)據(jù)，利用數(shù)理統(tǒng)計(jì)和地理空間分析方法，對2000—2018年中國自殺死亡案例的時空分布特征及其與經(jīng)濟(jì)發(fā)展的關(guān)系進(jìn)行研究，得到以下主要結(jié)論：

1）中國自殺死亡案例數(shù)具有顯著的時間規(guī)律。在年尺度上，2000—2018年表現(xiàn)為一個由升而降的過程，但總體呈上升趨勢；在季尺度上，一年之中，自殺死亡事件夏季（5、6月）相對多發(fā)，冬季（2、3 月）相對少發(fā)；在日尺度上，一月之中，1日、10日、20日等自殺死亡事件相對多發(fā)；在時尺度上，一日之中，自殺死亡事件多發(fā)生在T 06:00—19:00的白晝時間，其中，T 09:00和15:00為自殺死亡的高發(fā)時點(diǎn)。

2）中國案例自殺率具有明顯的空間分異特征。在大區(qū)尺度上，東南半壁高于西北半壁，南方地區(qū)高于北方地區(qū)，東部地區(qū)高于中部，中部地區(qū)又高于西部地區(qū)；在省域和市域尺度上，案例自殺率TOP10的省和TOP10的市都分布在經(jīng)濟(jì)水平較高的東、中部地區(qū)；在縣域尺度上，大興安嶺延至云貴高原、秦巴山區(qū)至大別山區(qū)、蘇北海岸至海南島等相對貧困的山區(qū)組成一個“H”型案例自殺率高值帶。

3）中國案例自殺率由低等區(qū)趨向高等區(qū)演化。2000—2018年，中國絕大部分縣域?qū)儆诎咐詺⒙实偷燃墔^(qū)，但低等級區(qū)轉(zhuǎn)向高等級區(qū)的概率不斷增加；縣域案例自殺率的熱點(diǎn)區(qū)呈由東部向中、西部擴(kuò)散的趨勢，但京津唐、長三角、珠三角地區(qū)一直都是熱點(diǎn)區(qū)，閩南沿海在2007年后也成為熱點(diǎn)區(qū)。熱點(diǎn)區(qū)的形成與區(qū)域經(jīng)濟(jì)發(fā)展的熱絡(luò)程度密切相關(guān)。

4）中國自殺現(xiàn)象與經(jīng)濟(jì)發(fā)展的關(guān)系十分密切。在全國和省域尺度上，自殺死亡案例數(shù)和與GDP值呈顯著正相關(guān)，GDP值越高的年份或省地區(qū)，其自殺死亡案例數(shù)也越多，反之，GDP值越低的年份或省地區(qū)，其自殺死亡案例數(shù)也越少。在市域尺度上，人均GDP值和城鎮(zhèn)化率對自殺率總體具有正向影響，且城鎮(zhèn)化率的影響大于人均GDP的影響。但兩者的影響程度都具有顯著的空間異質(zhì)性，影響最大的區(qū)域都在東部人口密度最大、城鎮(zhèn)化水平最高的地區(qū)。這表明經(jīng)濟(jì)發(fā)展不一定能提高人精神上的滿足感和幸福感，經(jīng)濟(jì)發(fā)展背后隱藏的貧富差距、城鄉(xiāng)差距，以及迅速城鎮(zhèn)化帶來的地權(quán)喪失，都可能導(dǎo)致人心理失衡和精神壓力并進(jìn)而導(dǎo)致自殺行為的發(fā)生。本研究得到的啟示是：只有共同富裕之路，才是人民的幸福之路，健康之路！

3.2 討論

本研究表明，在缺少自殺率統(tǒng)計(jì)數(shù)據(jù)的情況下，運(yùn)用Python技術(shù)獲取網(wǎng)絡(luò)自殺案例數(shù)據(jù)研究自殺現(xiàn)象是可行的。不過，利用網(wǎng)絡(luò)爬取的自殺死亡案例數(shù)計(jì)算得到的“案例自殺率”，與利用衛(wèi)生部死因登記系統(tǒng)數(shù)據(jù)計(jì)算出的“標(biāo)準(zhǔn)自殺率”存在很大差異，如2017 年中國標(biāo)準(zhǔn)自殺率為7.21/10 萬（Zhang et al., 2022），而本文計(jì)算得到的2017 年中國案例自殺率僅0.072 2/10 萬，只有標(biāo)準(zhǔn)自殺率的1%。這是因?yàn)?，網(wǎng)絡(luò)具有“過濾”作用，網(wǎng)絡(luò)報(bào)道的自殺案例只是自殺事件總體中的“樣本”，即網(wǎng)絡(luò)自殺數(shù)據(jù)只是自殺的隨機(jī)抽樣數(shù)據(jù)，而本文中“案例自殺率”和“標(biāo)準(zhǔn)自殺率”都是以當(dāng)年人口總數(shù)為分母進(jìn)行計(jì)算的，所以“案例自殺率”自然遠(yuǎn)遠(yuǎn)低于“標(biāo)準(zhǔn)自殺率”。比較2017年的案例自殺率和標(biāo)準(zhǔn)自殺率，案例自殺率相當(dāng)于1%自殺抽樣調(diào)查的結(jié)果，但這個可能純屬巧合，兩者不能據(jù)此簡單換算。不過，可以肯定的是，網(wǎng)絡(luò)自殺案例數(shù)據(jù)近似于自殺抽樣數(shù)據(jù)，其時空數(shù)據(jù)集具有相當(dāng)好的一致性，無論是進(jìn)行時間上的縱向比較，還是進(jìn)行空間上的橫向比較，其結(jié)果都是可以采信的。不但如此，網(wǎng)絡(luò)自殺數(shù)據(jù)還具有時空分辨率優(yōu)勢，在時間上可精確到小時，在空間上可精確到縣域，這些都是當(dāng)前的自殺統(tǒng)計(jì)數(shù)據(jù)所不具備的。

本研究也驗(yàn)證了已有中國自殺現(xiàn)象的相關(guān)結(jié)論，如一年之中自殺事件主要發(fā)生在夏季的結(jié)論，與趙驪（1988）、谷慶（2002）、胡冬梅（2004）、周羅晶（2009）等的研究一致；一日之中自殺事件主要發(fā)生在白晝的結(jié)論，與胡冬梅（2004）、何兆雄（2008）等的研究一致。此外，本文通過縣域案例自殺率描繪的臺灣省自殺空間格局與根據(jù)358個觀測點(diǎn)監(jiān)測數(shù)據(jù)得到的臺灣自殺空間格局（Chang et al., 2011）基本一致。

本研究還得到了一些新的發(fā)現(xiàn)：1）發(fā)現(xiàn)自殺熱點(diǎn)區(qū)也是城鎮(zhèn)化率高、人均GDP高的經(jīng)濟(jì)活動熱絡(luò)區(qū)，如京津唐、長三角、珠三角、閩南沿海等。2）發(fā)現(xiàn)一月之中逢一、逢十自殺死亡事件多發(fā)，一日之中早九點(diǎn)、午三點(diǎn)自殺死亡事件多發(fā)，并從自殺者心理層面找到合理解釋。3）發(fā)現(xiàn)近20年來中國的自殺率是上升的。這與有關(guān)研究不一致，有研究表明，最近幾十年中國的自殺率是逐漸下降的，1987 年為17.65/10 萬，2015 年下降到6.75/10萬（Yip et al., 2005；張杰 等，2011；劉肇瑞 等，2017），總體趨勢是逐漸下降的，只是2006 年以來自殺率的下降速度逐步放緩，部分群體的自殺率從下降轉(zhuǎn)為上升（Jiang et al., 2018），究其不一致的原因，主要是隨著互聯(lián)網(wǎng)的普及和自媒體業(yè)者的發(fā)展，網(wǎng)絡(luò)媒體對自殺死亡事件的“漏報(bào)率”逐步降低，因之自殺案例數(shù)納入本文網(wǎng)絡(luò)時空數(shù)據(jù)集的比例逐步增多，從而在一定程度上“虛高”了案例自殺率。

本研究也存在一些不足，一是未能分析與剔除互聯(lián)網(wǎng)普及程度對網(wǎng)絡(luò)自殺案例數(shù)據(jù)的影響；二是只分析自殺現(xiàn)象（死亡案例數(shù)、案例自殺率）與經(jīng)濟(jì)發(fā)展（GDP、人均GDP、城鎮(zhèn)化率）的關(guān)系，對自殺現(xiàn)象與自然因素和社會因素的分析沒有涉及；三是研究方法比較單一，未能進(jìn)行影響自殺現(xiàn)象的自然、經(jīng)濟(jì)、社會等諸多因子的綜合分析。未來將擴(kuò)展研究時段，精選影響因素，采用結(jié)構(gòu)方程模型對影響中國自殺死亡時空特征的主導(dǎo)因子和中間變量進(jìn)行系統(tǒng)分析，以期為防控自殺事件的發(fā)生提供科學(xué)依據(jù)。