Statistics and Application 统计学与应用, 2021, 10(2), 284-292
Published Online April 2021 in Hans. /journal/sa
/10.12677/sa.2021.102028
影响因素分析
黄肖凤，吴慕贞，唐燕琳，陈健明，张禄琦
云南大理韶关学院，广东韶关
澳门必去的10个地方收稿日期：2021年3月31日；录用日期：2021年4月15日；发布日期：2021年4月26日
摘要
COVID-19在县级尺度内的病例时间变化与空间聚集特征及其影响因素在疫情防控工作中起到重要作用。 本文尝试以县级尺度为单位，收集2020年1月26日至3月1日广东省确诊病例信息，采用空间自相关分析法、因子分析法、多元线性回归分析法等，探究广东省疫情在时空上的变化特征，并揭示其影响因素。 结果表明，广东疫情特征主要表现为：时间上分为四个主要阶段即上升期、高发期、下降期、低水平波动期；空间上，病例呈现较强的空间聚集性且聚集强度逐渐增强，热点区县主要分布在东莞、广州、深圳市、佛山、中山、清远等地市；疫情情况与人口流动规模、客运量、人均GDP和限额以上餐饮业餐费收入显著相关。
关键词
COVID-19，聚集特征，广东省，县级尺度
Analysis of Spatio-Temporal Clustering
Characteristics and Influencing Factors
of COVID-19 Epidemic in Guangdong
Province
Xiaofeng Huang, Muzhen Wu, Yanlin Tang, Jianming Chen, Luqi Zhang
Shaoguan University, Shaoguan Guangdong
Received: Mar. 31st, 2021; accepted: Apr. 15th, 2021; published: Apr. 26th, 2021
黄肖凤 等
Abstract
The temporal variation and spatial clustering characteristics of COVID-19 cases at the county level and its influencing factors play an important role in epidemic prevention and control. This paper attempts to collect the information of confirmed cases on January 26, 2020 and March 1, 2020 in Guangdong Province at the county level. Spatial autocorrelation analysis, factor analysis, multiple linear regression analysis and other methods are used to explore the spatiotemporal variation characteristics of the epidemic in Guangdong Province and reveal its influencing factors. The re-sults showed that the characteristics of the epidemic in Guangdong were as follows: the time of the epidemic was divided into four main stages, namely, rising period, high incidence period, declin-ing period and low level fluctuation period. In terms of spatial distribution, cases showed strong spatial clustering and the intensity of clustering gradually increased. Hotspot areas were mainly distributed in Dongguan, Guangzhou, Shenzhen, Foshan, Zhongshan, Qingyuan and other cities. The epidemic situation is significantly related to population flow scale, passenger volume, per capita GDP and meal income of restaurants above designated size.
Keywords
COVID-19, Aggregation Characteristics, Guangdong Province, The County Scale
Copyright © 2021 by author(s) and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY 4.0). /licenses/by/4.0/
1. 引言
新型冠状病毒(COVID-19)属于β属冠状病毒，主要传播途径为经呼吸道飞沫和密切接触传播，接触病毒污染的物品也可造成感染，在相对封闭的环境中长时间暴露于高浓度气溶胶情况下存在经气溶胶传播的可能[1]。COVID-19的流行过程具有较强的聚集性特征，先在某地(如武汉华南海鲜批发市场)爆发成为一级传染点，感染者通过人口流动等形式携带病毒传播至下一级传染点，从而导致疫情在大范围内进行传播。因此，对于COVID-19病例的聚集区域(特别是县级尺度)的研究和原因分析，对城市开展疫情防控具有重要的借鉴意义。
目前，国内外已有大量关于COVID-19疫情的研究，主要集中在临床研究、流行病学调查研究、疫情对社会的影响等，如Backer J A [2]等通过对早期疫情阶段在武汉市意外发现的88里确诊病例的旅行史和症状，分析COVID-19的平均潜伏期约为6.4天。中国疾病预防控制中心新型冠状病毒肺炎应急响应机制流行病学组[3]根据内地报告72,314例病例对COVID-19流行病学特征进行分析研究，新型冠状病毒肺炎传播流行迅速，随着人们返回工作岗位，需积极应对可能出现的疫情反弹。沈国兵[4]发现此次
疫情已经给我国外贸和就业以及全球产业链和供应链带来严重不利冲击，加剧了我国巨量高校毕业生叠加农村城镇化的大量人口的就业压力。目前，针对病例聚集的研究尺度主要有国家、省、市、县等，如Kang D [5]等从中国省级尺度研究疫情的空间相关性；曾永明[6]等从市级角度分析人口流动与城市早期新冠肺炎疫情的时空扩散和分布关系；张延炀[7]等从县级角度分析发现河南省COVID-19存在空间聚集性，传播风险经历弱–强–弱的变化过程。这些研究表明，COVID-19的时空聚集性在不同空间尺度上有不同特点，微观层面的COVID-19疫情空间聚集特点和因素分析对疫情防控工作的开展起到重要作用。
Open Access
黄肖凤 等
广东省截止2020年3月1日24时累计确诊病例已达1350例，累计出院1034例，累计死亡7例，其确诊病例仅次于湖北省，排全国第二。同时，广东省扼守中国南大门，是粤港澳大湾区重要组成省份，是我国重要交通枢纽和人流、物流中心，在全国疫情防控工作中具有战略性意义。因此，本文基于病例个体数据，研究分析广东省的疫情时间发展变化过程、病例性别和年龄构成特点，再基于县级尺度分析病例时间序列变化与空间聚集特征，并进一步分析空间聚集影响因素，为今后重大安全事件防控提供
决策参考。
2. 数据与方法
2.1. 数据来源
病例数据全部来自广东省以及21个地级市卫健委和官方新冠肺炎疫情情况通报的数据(2020年1月19日~2020年3月1日)。收集的病例信息包括所属县区、性别、年龄、确诊时间、是否有旅居史等。根据病例是否有旅居史以及感染原因，剔除输入病例，保留境内确诊病例。在2020年1月19日~3月1日，广东省共确诊1350例，经过数据处理与甄别，本文采用其中符合本次研究的1272例病例，约占总确诊病例的94%。
以全国地理信息资源目录服务系统提供的2019年版1:100万矢量地图为基础，根据需求利用ArcGIS 10.2提取出广东省县级行政区域矢量地图，包括64个市辖区、20个县级市、34个县、3个自治县，由于东莞市和中山市行政单位划分的特殊性，本文根据卫健委发布的病例归属信息，特将两个城市分别划分为34和24个镇。通过县级国标码将病例数据与广东省县区边界地理数据进行关联，利用EXCEL 和ArcGIS 10.2建立广东省COVID-19的GIS 数据库。
人口流动是疫情聚集性爆发的重要原因，由于数据的限制，本文采用广东省2019年常住人口和年末户
籍人口的差来表示人口流动规模。2019年常住人口、2019年年末户籍人口、人均GDP 、限额也上餐饮业餐饮费收入等数据均来自《广东省2020年统计年鉴》和各地级市统计年鉴。
2.2. 研究方法
本文主要从时间与空间两个维度对广东省疫情聚集性特征进行分析，在时间上基于logistic 增长曲线拟合分析广东省确诊病例趋势变化过程，空间上分析广东省确诊病例聚集性变化趋势与聚集具体情况，最后结合因子分析与多元回归分析的方法，进一步探究疫情的空间分布影响因素。 2.2.1. 全局空间自相关
本文选取Moran’s I 指数来识别新冠肺炎病例的全局空间自相关性，其公式为：
()()()112111n
n
ij i j i
j n n n
ij i i j i n w x x x x I n w x x ==
===
−−=
−∑∑∑∑∑ (1) 式(1)中，x i ，x j 为第i ，j 县区的新冠肺炎报告患病率，x 为全省所有县区新冠肺炎平均报告患病率；w ij 为第i ，j 县区的空间矩阵；n 为所有县区数。Moran’s I 的取值范围为[−1, 1]，0表示空间不相关，[0, 1]表示空间正相关，[−1, 0]表示空间负相关。Z 检验评价Moran’s I 的统计学意义，计算公式如下：
()
阿根廷队大名单Z I =
式(2)中：E(I)和VAR(I)分别是Moran’s I 指数的期望和标准差。在给定的显著性水平下，若Moran’s I 显著且为正值，表示确诊病例较多(或较少)的县区显著集聚，即存在正相关。若Moran’s I 显著且为负
黄肖凤等
值，表示县区间确诊病例数具有显著的空间差异，即存在负相关。当Moran’s I接近E(Ii)时，表示单元呈随机分布。
基于目前流行病学调查和研究结果，新型冠状病毒(COVID-19)潜伏期为1~14天，多为3到7天[8]。广东省在2020年1月19日出现第一例新冠肺炎确诊病例，为深圳确诊，按照诊断报告日期，本文将新冠肺炎确诊病例在广东省的情况分为6个时段，以7天为一个周期，选取1月26日、2月2日、2月9日、2月16日、2月23日、3月1日这六天的广东省各县区累计确诊病例数进行空间自相关分析。
2.2.2. 热点分析
全局莫兰指数可以识别疫情在空时间上是否具有相关性，但是未能准确识别聚集区域和热点区域。故本文引入局域Getis-Ord *
G指数来进一步识别广东省确诊病例在县级单位上的热点，主要利用ArcGIS
i
10.2进行计算Getis-Ord *
G指数并输出图表，若指数得分为正值且较大，说明这个空间单元为高值聚类
i
*
G= (3)
i
(注：式(3)中所有符号的释义同式(1))。
2.2.
3. 疫情空间分布影响因素分析
为了分析县级尺度下疫情的空间分布因素，从人口流动、交通客运、经济水平、餐饮零售中选取4个变量来进行实证研究(表1)。首先使用SPASS软件进行KOM值检验这4个因子的相关性，KOM值在0与1之间，当KOM值越接近1，意味着变量间的相关性就越强，越适合做因子分析；当KOM值越接近0时，意味着相关性越低，越不适合做因子分析。然后使用Bartlett球形度检验因子分析方法的适用性，sig值小于0.05则说明符合标准，数据呈球形分布，各变量相互独立，适合做因子分析。最后使用多元
回归分析法，3个因子作为自变量，各县级累计确诊病例作为因变量，以此分析不同因子对疫情空间的影响力。
Table 1.Moran’s I statistics of the total number of confirmed cases in Guangdong Province
表1.广东省累计确诊病例数全局Moran’s I各统计量
时间Moran’s I 预期指数P 方差Z得分
2020年1月26日0.175788 −0.005587 0.000016 0.001770 4.311434 2020年2月2日0.231042 −0.005587 0.000000 0.001904 5.423624 2020年2月9日0.244015 −0.005587 0.000000 0.001915 5.703119
2020年2月16日0.249521 −0.005587 0.000000 0.001924 5.815945
2020年2月23日0.253234 −0.005587 0.000000 0.001928 5.894653 2020年3月1日0.253840 −0.005587 0.000000 0.001926 5.911127
3. 结果
3.1. 疫情时间变化特征
在研究时段内(如图1)，广东省疫情发展可以大致分为四个阶段：1月19日至1月27日，为疫情上升期，平均日报告17例；1月28日至2月8日，为疫情高发期，平均日报告81例；2月9日至2月16
东莞旅游团报名一日游黄肖凤 等
日，为疫情下降期，平均日报告26例；2月17日至3月1日，为疫情低水平波动期，平均日报告3例，新
增确诊人数总体上呈现先快速上升后缓慢下降的变化趋势。新增确诊病例的时间变化规律受到公共卫生响应事件的影响，1月23日武汉市采取“封城”措施、同日广东省启动重大突发公共卫生事件一级响应、2月4日广东省要求小区实施封闭管理等对疫情防控起到重要作用。
山东威海旅游攻略必去景点Figure 1. Changes in the number of newly diagnosed patients from January 26 to March 1, 2020 in Guangdong Province 图1. 广东省2020年1月26日至3月1日新增确诊人数变化
3.2. 疫情空间变化特征
3.2.1. 空间自相关分析
附近旅馆住宿50元一晚本文把广东省划分为179个县级行政单位，其中132个行政单位存在病例，约占74%，疫情防控任务艰巨。从各区县收疫情影响程度来看(如图2)，病例数最多的是深圳市的南山区(87例)，其次为深圳市的福田区(81例)，再次者是广州市白云区(74例)；从市级尺度来看，云浮市病例数为0，受影响程度较小，而阳江市、江门市、中山市、广州市、深圳市的全部县区都受到疫情的影响，疫情较为严重。确诊从数量结构上看，多数县区的病例数都集中在10例以下。
Figure 2. Cumulative number of confirmed cases in Guangdong Province as of March 1, 2020
图2. 截止2020年3月1日广东省累计确诊病例数
