构建英国选区级经济包容性数据集：揭示健康不平等与空间差异的关联机制

研究人员针对英国小区域经济包容性数据匮乏的问题，开发了SIPHER包容性经济（选区级）数据集。该研究整合行政统计与合成人口数据，构建包含13项指标的GB选区级（N=7,973）数据库（2019-2021），涵盖就业参与、财富不平等、住房负担等维度，并纳入SF-12心理健康（MCS）和生理健康（PCS）评分。验证表明该数据集与多重剥夺指数（IMD）具有良好相关性，为政策制定者提供识别健康不平等空间差异的新工具，相关成果发表于《Scientific Data》。

　　

在经济复苏与公共卫生交织的时代背景下，英国各地持续存在的健康不平等现象引发广泛关注。研究表明，经济包容性（economic inclusion）与人口健康存在显著关联——那些在就业机会、收入分配和资源获取等方面处于劣势的社区，往往表现出更低的生命质量和更短的健康预期寿命。然而当前缺乏覆盖全英国（GB）的高分辨率空间数据集，能够系统量化这种关联。现有指标如多重剥夺指数（IMD）存在三大局限：各国计算方法不统一、更新周期不同步、侧重 deprivation（剥夺）而非 inclusion（包容），这使得跨区域政策效果评估如同"盲人摸象"。

来自利兹大学空间数据科学研究所（Institute for Spatial Data Science, University of Leeds）的Hugh P.Rice团队联合格拉斯哥大学等机构，在《Scientific Data》发表了开创性的选区级经济包容性数据集。这项研究创新性地采用混合数据策略：对就业参与率（1A）、体面工资比例（6A）等7项指标使用基于UKHLS（Understanding Society）调查构建的SIPHER合成人口；对房价收入比（4B）、数字连接性（2B）等5项指标采用政府开放数据；并通过Amelia II算法完成缺失值多重插补。最终形成的数据库覆盖英格兰、苏格兰和威尔士99.4%的选区（2022年边界），时间跨度为2019-2021年。

关键技术包括：（1）运用柔性建模框架（FMF）创建包含人口统计学约束的合成人口；（2）开发选区边界变迁映射算法处理历史数据；（3）采用Levenshtein距离匹配解决选举数据编码错误；（4）按GLA方法将LSOA级IMD数据聚合至选区级进行验证。特别值得注意的是，SF-12健康评分通过EU 2013标准人口进行年龄标准化，确保跨区域可比性。

数据指标构建

研究将13个指标分为经济结果（A类）和促成因素（B类）两大维度。A类包含就业参与率（1A）、长期病患失业比例（2A）等7项指标，其中房价极值比（3A）通过LSOA级房价中位数计算得出。B类指标中，数字连接性（2B）采用CDRC的互联网用户分类数据，物理连接性（3B）整合了英格兰公交可达性指标与苏格兰SABI数据。验证显示教育指标（1B）与IMD教育域相关性最强（r>0.8），而住房负担指标（4B）在伦敦地区呈现独特分布模式。

空间分辨率优势

与传统地方当局级数据相比，选区级数据（平均人口：英格兰8,236，苏格兰15,436，威尔士4,215）能揭示更精细的地理差异。如图3所示，在大曼彻斯特联合当局区域，就业参与率（1A）呈现中心-外围梯度分布；而格拉斯哥城市区的SF-12 PCS（生理健康）女性评分则显示出明显的社区聚集特征。

健康关联验证

通过将选区级数据与地方当局级数据集对比，研究发现体面工资指标（6A）差异仅2-3%，验证了合成数据的可靠性。如图4所示，年龄标准化SF-12评分与IMD健康域显著相关，其中心理健康评分（MCS）在低收入选区普遍较低。

这项研究创建了首个覆盖全英国的高分辨率经济包容性数据集，其创新价值体现在三个方面：首先，通过合成人口技术解决了小区域数据稀疏性问题，使SF-12等健康指标能下探至选区级；其次，开发的指标映射方法实现了跨行政边界的数据可比性；最后，构建的交互式可视化平台（https://mapmaker.cdrc.ac.uk）支持政策制定者直观识别"热点区域"。正如作者强调，该数据集特别适用于评估后疫情时代复苏政策的空间公平性，例如分析"生活成本危机"对不同选区居民健康的差异化影响。未来研究可结合GALLANT项目，将环境可持续性指标纳入经济包容性评估框架。