猫只收容数量与社会经济条件的关联：基于模型选择的实证研究

《Discover Animals》：Model selection for examining the association between cat intake quantity and socioeconomic conditions

本研究针对日本猫只收容数量与社会经济因素关联机制不明确的问题，通过构建广义线性模型(GLM)进行模型选择分析。研究发现：都道府县层面的饲主弃养猫数量与高等教育人口比例呈负相关(β=-12.50; 85% CI[-22.65,-2.34])，而无主猫收容数量与自有住房比例呈正相关(β=6.90; 85% CI[3.17,10.62])。该研究为制定差异化流浪猫管理政策提供了重要实证依据。

　　

在日本，每年有数以万计的猫只被送往政府收容所，这些猫主要分为两类：一类是饲主主动弃养的"饲主弃养猫"，另一类则是流浪在外的"无主猫"。根据环境省2022年的统计数据，当年日本全国范围内饲主弃养猫数量达9559只，而无主猫数量更是高达20842只。这些数字背后反映的是复杂的动物福利问题和社会管理挑战。

为什么有些地区猫只收容数量特别高？社会经济条件是否会影响收容数量？以往的研究往往局限于特定地区或收容所，缺乏全国性的系统分析。更关键的是，先前的研究未能区分都道府县与政令市/中核市在猫只管理上的不同职责。内岸（Uchikoshi）的研究指出，都道府县负责农村和人口稀少地区，而这些地区在动物饲养管理方面的改进程度不如城市地区，流浪猫的繁殖问题持续存在。

西野有纱（Arisa Nishino）和岛田正树（Masaki Shimada）在《Discover Animals》上发表的最新研究，首次通过模型选择的方法，系统分析了日本全国范围内猫只收容数量与社会经济因素、地理条件之间的复杂关系。研究人员创新性地将收容猫只分为四个类别进行分析：都道府县层面的饲主弃养猫数量、都道府县层面的无主猫数量、政令市/中核市层面的饲主弃养猫数量，以及政令市/中核市层面的无主猫数量。

研究团队采用了广义线性模型(GLMs)结合负二项分布来处理过度离散的响应变量，使用AIC准则进行模型选择，当存在多个竞争模型(ΔAIC<2)时采用模型平均法。数据分析基于日本全国129个地方政府的公开数据，包括环境省的猫只收容统计、总务省统计局的人口普查数据等，使用R语言(4.5.0版本)的MASS包和MuMIn包进行分析。

都道府县饲主弃养猫收容数量

研究发现，高等教育人口比例与都道府县层面的饲主弃养猫数量存在显著负相关(β=-12.50; 85% CI[-22.65,-2.34])。这一结果与先前国际研究结论一致，表明教育水平较低的人群中，猫只弃养率可能更高。在ΔAIC<2范围内的五个竞争模型中，高等教育比例变量均表现出稳定的负向关联。

都道府县无主猫收容数量

自有住房比例显示出与无主猫收容数量的显著正相关(β=6.90; 85% CI[3.17,10.62])。研究人员提出了两种可能的解释机制：一是流浪猫可能更倾向于在人口密度较低的人类居住区活动；二是动物囤积症（animal hoarding）可能导致猫只从住房中溢出成为无主猫。值得注意的是，自有住房比例的预测能力明显强于空置房屋比例。

政令市/中核市层面的分析

与都道府县层面的显著结果形成对比的是，在政令市/中核市层面，无论是饲主弃养猫还是无主猫的收容数量，均未发现与任何解释变量存在显著关联。这一差异可能反映了不同行政级别地区在猫只管理职责和案例处理特点上的本质区别。

该研究的创新之处在于首次将模型选择方法系统应用于日本全国层面的猫只收容问题分析，并明确区分了不同行政级别和猫只类别。研究结果证实了社会经济条件在猫只收容问题中的重要作用，即使是以减少无主猫数量为目标的政策，也需要考虑饲主弃养相关的社会经济因素。

然而，研究也存在一定局限性。横断面观察性数据无法确立因果关系，聚合数据可能无法完全捕捉地区内部变异，且未能控制收容所管理实践差异等潜在混杂因素。未来研究需要更精细的地区或个体层面数据，以及纵向研究设计来进一步验证这些发现。

这项研究为理解猫只收容问题的复杂机制提供了重要见解，提示政策制定者需要根据不同地区特点和猫只类别采取差异化措施。对于都道府县农村地区，应重点关注低教育水平群体的动物饲养教育；而对于自有住房比例较高地区，则需要加强动物囤积症的早期识别和干预。这些针对性措施将有助于更有效地解决猫只收容这一涉及动物福利、公共卫生和社区管理的复杂社会问题。