《Discover Public Health》：Exploring the spatial heterogeneity of obesity determinants in Mexican municipalities using multiscale geographically weighted regression
编辑推荐：
本研究为应对墨西哥日益严峻的成人肥胖问题，运用GIS数据、卫星影像及社会经济信息，采用多尺度地理加权回归（MGWR）方法，剖析了2446个市镇的肥胖流行状况及其决定因素的空间异质性。研究发现肥胖率呈现显著地理集群，且各影响因素（如与美墨边境距离、城市GDP占比、NDVI、贫困等）的关联强度与方向在不同空间尺度存在差异。该研究揭示了肥胖决定因素的非平稳性，并为制定因地制宜的公共卫生政策提供了数据支持。
肥胖已成为一个全球性的紧迫公共卫生问题，墨西哥是受其影响最严重的国家之一。然而，肥胖并非均匀分布在墨西哥的每个角落，其背后的驱动因素——如经济状况、教育水平、环境绿化，乃至与强大邻国美国的距离——是否在全国各地都以相同的方式影响着肥胖率？传统的统计模型通常假设这些关系在全国范围内是固定不变的，这可能掩盖了地方性的关键差异，导致“一刀切”的公共卫生政策效果不佳。为了解决这一局限，一项研究巧妙地运用了空间分析技术，深入探究了墨西哥各市镇肥胖决定因素复杂的地理变异性。
这项名为《利用多尺度地理加权回归探索墨西哥市镇肥胖决定因素的空间异质性》的研究，发表在《Discover Public Health》期刊上。它利用2018年墨西哥2446个市镇的成人肥胖率数据，结合地理信息系统（GIS）、卫星影像（如夜间灯光数据、归一化植被指数NDVI）以及社会经济指标（贫困率、老龄化指数、教育落后程度、食物不安全比例），并创造性地引入了“与美国边境的距离”作为地理预测因子。研究核心采用了多尺度地理加权回归（MGWR）方法。与普通最小二乘法（OLS）等全局模型不同，MGWR允许每个影响因素（变量）以自身的最佳空间尺度发挥作用，从而能够同时捕捉全局趋势、区域模式和高度本地化的关联。
为开展研究，作者整合了多源数据并运用了关键技术方法。肥胖率数据来源于墨西哥国家统计地理研究所（INEGI）基于2018年国家健康与营养调查的小区域估计。地理与卫星变量（如到美国边境的距离、基于夜间灯光数据估算的城市GDP占比、NDVI）通过QGIS和Google Earth Engine进行处理和提取。社会经济变量则来自2015年的墨西哥国家指标目录。分析方法上，研究首先建立了全局OLS回归模型作为基准，随后采用MGWR模型来探究各变量关系的空间非平稳性，并使用拟合优度指标（如调整后R2和AICc）比较模型性能，通过条件数（CN）诊断局部多重共线性。
研究结果部分揭示了丰富的空间异质性模式：
3. 结果
描述性统计显示各变量在市镇间存在显著差异。全局OLS模型表明，除食物不安全外，其他变量均与肥胖率存在显著关联：距离美国边境越远、NDVI值越高、贫困人口比例越高、老龄化指数越高，与较低的肥胖率相关；而教育落后程度越高，则与较高的肥胖率相关。然而，MGWR模型在拟合优度上显著优于OLS和传统GWR模型（调整后R2为0.821），且有效缓解了局部多重共线性问题。
通过MGWR系数空间分布图（对应于文中的Fig. 2和Fig. 3）可以直观看到各因素关联的空间变异：
- •
与美国边境的距离：在北部边境地区，距离越近与较高的肥胖率显著正相关，这支持了肥胖热点集中在北部边境地区的观察，可能与跨境经济一体化、饮食模式扩散有关。
- •
城市GDP占比（衡量经济活动的空间集中度）：其影响显示出区域尺度（带宽为789）的特征。在瓦哈卡州以及格雷罗州和普埃布拉州的部分市镇，该指标与肥胖呈正相关，可能与这些地区的士绅化进程有关。
- •
NDVI（绿色空间指标）：全局关联为负，但在MGWR框架下，在下加利福尼亚州南部、韦拉克鲁斯州、西南沿海地区（如格雷罗州、瓦哈卡州）以及锡那罗亚州、杜兰戈州、哈利斯科州、米却肯州等中部地区，却呈现出正相关。一种可能的解释是，绿色空间对健康的益处可能被当地的高犯罪率等环境压力因素所抵消。
- •
贫困：全局关联为负（即较富裕地区肥胖率更高），符合墨西哥营养转型的某些阶段特征。但在局部尺度上，关系更为复杂。显著的局部系数（带宽较小）主要出现在中部和南部地区，例如在蒂华纳，低收入社区与较高的肥胖率相关。
- •
老龄化指数：在墨西哥中部和东南部地区，该指数与肥胖呈负相关，表明这些地区年轻人群可能因饮食和体力活动模式转变而更易肥胖。
- •
教育落后：影响呈现混合效应。在北部市镇，教育落后程度越高与肥胖率正相关；而在南部地区，这种关系则变为负相关。南部关系反转的可能原因包括土著生活方式（传统饮食、高体力活动）的保护作用，因为土著人口多集中于南部且正规教育水平较低。
- •
食物不安全：其影响也显示出空间异质性。
- •
MGWR截距图：在控制了所有自变量后，仍显示出明显的残余肥胖集群，例如在下加利福尼亚州和韦拉克鲁斯州存在“热点”，在中部地区存在“冷点”。这表明存在未被模型捕捉的、具有空间格局的遗漏变量或过程。
4. 讨论与5. 结论
讨论部分对上述空间异质性结果进行了深入阐释，将其与已有文献和墨西哥的具体情境（如北美自由贸易协定NAFTA的影响、营养转型阶段、土著文化保护等）联系起来。结论强调，MGWR框架通过揭示肥胖决定因素在不同空间尺度上的运作，显著增进了对墨西哥肥胖模式的理解。研究发现，贫困和食物获取等因素表现出高度的空间异质性（局部影响），而其他因素（如城市GDP占比）则在更广泛的区域尺度上运作。
这一发现具有重要的公共卫生政策意义。它表明，针对肥胖的干预措施需要超越全国统一的模式，进行空间靶向设计。例如，在北部边境地区，政策可能需要重点关注跨境食品环境和营销的影响；在南部土著人口集中地区，则应结合保护传统饮食文化来制定教育项目；在经济活动高度集中且出现士绅化的地区，需关注不平等带来的独特健康风险。通过识别哪些因素需要国家层面政策，哪些需要区域协调，哪些需要高度本地化的干预，MGWR为数据驱动、因地制宜的公共卫生资源分配和策略制定提供了坚实基础。
当然，研究也存在一些局限性，包括肥胖数据为小区域估计、使用身体质量指数（BMI）作为代理指标、社会经济变量与肥胖测量之间存在时间差、横断面设计无法推断因果关系，以及使用GDP城市占比而非基尼系数来衡量经济不平等等。这些都为未来研究指明了方向，例如按性别和年龄分解数据、考察暴力作为环境压力源的作用、纳入文化差异分析，以及进行纵向研究以观察这些空间关系随时间的变化。
