不同因素影響下BMI值差異分析及預測模型建立

王立群

(東北林業大學體育部 黑龍江哈爾濱 150040)

2019 年7 月，國務院頒布《健康中國行動（2019—2030年）》，將健康中國行動分為十五大模塊，該研究對其中合理膳食行動模塊的結果性指標——體重指數（以下簡稱BMI）進行不同人群的對比分析及影響因素分析。BMI值是衡量成人是否肥胖的標準之一［1］，按照中國成人指標判定標準，BMI≥28 kg·m-2即為肥胖。為提高全民身體素質，實現健康中國戰略，控制BMI值的增長刻不容緩［2］。

該研究以高校與社區人群作為調研對象，分析人群類別和性別對應的BMI 值的差異性，分析不同運動強度與睡眠質量對應BMI值的差異性。建立年齡與性別對應BMI值的回歸模型和運動強度與睡眠質量對應BMI值的回歸模型，從而更加深入、具體且直觀地了解這4個影響因素與BMI值的關系。

1 研究對象與方法

1.1 研究對象

依托問卷星小程序，針對高校和社區人群發放問卷，共收回547個有效樣本。其中，高校樣本數235個，占43.76%，男性104 人，女性131 人；社區樣本數312個，占56.24%，男性179人，女性125人。無論是不同的人群類別樣本，還是不同性別的樣本，均大于100個，符合統計學研究要求。

1.2 數據預處理

對問卷中的非定量數據進行定量，將文本數據轉換成指標性數據，將女性量化為數字“1”，男性量化為數字“2”；將運動項目歸類，并根據相關研究查找對應的熱量消耗［3］，總結為無運動消耗熱量為0 kcal·h-1、操類消耗熱量為0.330 kcal·h-1、跑步消耗熱量為0.590 kcal·h-1、跑步+力量訓練消耗熱量為0.515 kcal·h-1、跑步+大球消耗熱量為0.520 kcal·h-1、跑步+操類消耗熱量為0.460 kcal·h-1、跑步+小球消耗熱量為0.415 kcal·h-1、力量訓練消耗熱量為0.440 kcal·h-1、大球消耗熱量為0.450 kcal·h-1、小球消耗熱量為0.240 kcal·h-1。其中操類為舞蹈、健身操等，大球為足籃排，小球為乒羽網。

運動強度計算公式：

式中：A為運動強度；Q為消耗熱量（kcal·h-1）；t為每周運動時間（h）；i為不同的運動及組合方式。

1.2.1 睡眠質量

睡眠時間每增加1 h，睡眠質量相應增加1，熬夜減少1.5，午睡增加0.5。具體計算公式：

式中：B為睡眠指數；ty、ta、tw分別代表夜間睡眠時間、熬夜時間和午睡時間（h）。

1.2.2 BMI值

根據相關研究得出BMI值計算公式：

式中：BMI 為身體質量指數；W為體重（kg）；H為身高（m）。

1.3 基于SPSS系統的統計學分析

該研究對BMI值的差異性分析和影響因素回歸模型建立，依托SPSS統計軟件。

1.3.1 差異性分析

SPSS統計軟件中卡方分析用于分類式問卷的差異性分析［4］，為便于卡方分析的使用，需要將待分析的數據進行類別劃分。卡方分析的結果顯著性水平以α=0.05為檢驗標準［5］。

1.3.2 回歸分析

通過對性別、年齡、運動強度和睡眠質量［6］影響因素對應BMI 值進行散點圖繪制，觀察是否具有線性關系，若有線性關系則建立線性回歸方程，線性回歸方程采用最小二乘法公式：

式中：y代表BMI值；x代表影響因素取值；i代表影響因素樣本數。

若無線性關系可建立非線性回歸方程，這里選擇指數函數、對數函數、冪函數等方程，在SPSS中建立一元回歸模型或二元回歸模型，比較各模型的擬合參數大小，選擇最終的曲線回歸模型。

2 結果與分析

2.1 差異性分析結果

對BMI 值分別進行高校與社區人群、男性與女性的差異性分析，結果如表1所示。

表1 BMI值差異性分析結果

由表1的不同BMI值范圍占比可知，超重及肥胖男性占比大于女性；超重及肥胖人群占比中，社區大于高校。根據卡方分析結果中的顯著性來看，男性與女性之間有明顯差異。另外，男性中高校與社區之間有顯著性差異，女性中高校與社區之間的差異無顯著性。

對BMI 值分別進行運動強度的強弱、睡眠質量的高低的差異性分析，結果如表2所示。

表2 BMI值差異性分析結果

由表2可知，運動強度較弱的人群，體重不足和肥胖的人群占比大于運動強度較強的人群。從卡方值來看，不同運動強度對應的體重指數之間有顯著性差異。睡眠質量較低的人群，體重不足和肥胖的人群占比較高。從卡方值來看，不同睡眠質量之間對應的體重指數有顯著性差異。

2.2 回歸模型建立

2.2.1 性別與年齡對應BMI值的回歸模型

根據差異性分析結果可知，不同性別、人群類別、運動強度和睡眠質量均對BMI值有一定影響。經過數據預處理后，發現隨著性別指標的升高（由“1”到“2”代表由女性到男性），BMI 值也有所升高；將不同年齡對應的BMI 均值繪制成散點圖，發現隨著年齡的增大，BMI值呈現波動上升趨勢，如圖1所示。

圖1 不同年齡對應BMI值散點圖

圖1中所示的線性擬合模型，擬合系數為0.2 345，擬合效果較差，為了找到精度更高的線性擬合模型，將性別作為修正系數之一，在SPSS 統計軟件中，擬合線性回歸方程，得到方程：

式中：BMI值為體重指數；F為性別（女性為“1”，男性為“2”）；Y為年齡。

該模型的擬合系數為0.260，說明性別和年齡可以解釋BMI26%的變化原因，對模型進行F檢驗時發現，模型通過F檢驗（F=95.496，P=0.000<0.05），也說明了性別與年齡會對BMI 值產生影響。另外，針對模型的多重共線性進行檢驗，發現模型中VIF 值均小于5，意味著不存在共線問題，并且D-W值在數字2附近，說明模型不存在自相關性，模型較好。

2.2.2 運動強度與睡眠質量對應BMI值的回歸模型

根據不同運動強度和不同睡眠質量對應的BMI值繪制成散點圖，并擬合一元線性模型，R2分別為0.0 126和0.0 181，擬合效果極差，需要進行非線性回歸分析。在SPSS統計軟件中，分別使用一元非線性回歸方程和二元非線性回歸方程，對不同運動強度與睡眠質量對應的BMI 值進行擬合，并得出擬合系數最佳的模型如下，擬合系數為0.823，其中A為運動強度，B為睡眠質量。

3 結語

該研究對高校與社區兩類人群，從性別、年齡、運動強度和睡眠質量進行BMI 值的差異分析，并建立預測模型，旨在了解不同人群BMI 值現狀并且可以預測其發展趨勢，對抑制肥胖率增長有一定的導向作用。基于研究結果，為助力健康中國行動這一目標順利達成提出以下幾點建議。首先，加大對男性身材的管控力度，提高男性對保持身材的重視程度；其次，社區人群多組織體育活動，設計一些家庭體育活動或競技比賽；最后，合理睡眠可以用該研究的模型自測自身的BMI值，及時作出對應調整。