墨西哥家庭的社会环境脆弱性特征与健康支出：基于数据科学

《Big Data and Cognitive Computing》：Socioenvironmental Vulnerability Profiles and Health Expenditure in Mexican Households Using Data Science

　　

本研究旨在识别墨西哥家庭中的社会环境脆弱性特征，并分析其与健康支出的关联。研究人员分析了2024年全国家庭收入与支出调查中包含的86,102户家庭数据。通过混合数据因子分析（FAMD）和k-means聚类，利用住房、基本服务、卫生设施、家庭能源、社会经济阶层和过度拥挤构建了社会环境特征。内部验证、稳定性分析、算法比较和敏感性分析支持了代表低、中、高脆弱性的三特征解决方案。研究者使用调查加权描述性估计、探索性非参数比较和调查调整的两阶段模型对健康支出进行了检验。中等脆弱性特征报告健康支出的概率高于低脆弱性特征（OR = 1.129, 95% CI: 1.048 to 1.217, p = 0.002），而高脆弱性特征无显著差异。在支出为正的家庭中，高脆弱性与较低的对数支出相关（, 95% CI: to , p < ），而中等特征在主模型中无显著差异。高脆弱性的关联在敏感性分析中保持显著，而中等特征的结果对模型规范和收入调整更为敏感。尽管存在若干统计显著关联，探索性比较中的效应量较小，回归模型解释了健康支出变异性的有限比例。因此，研究结果表明社会环境脆弱性与健康支出之间存在适度关联，家庭经济资源和其他未测量的健康相关因素可能促成了观察到的差异。

**论文解读：墨西哥家庭社会环境脆弱性特征与健康支出——基于数据科学的多维分析**

**研究背景与问题**

社会不平等与环境条件直接影响公共卫生，因为它们决定了生活质量、基本服务可及性、住房条件以及家庭的实际福祉机会。在《2030年议程》强调“不让任何人掉队”的框架下，分析健康、住房、水、卫生和地域条件方面的不平等尤为关键，尤其是那些面临多重不利条件的家庭。社会环境脆弱性概念能够考察贫困、服务不足、住房条件与环境限制如何影响人们福祉。然而，既往研究多将经济、健康或食品相关维度分开审视，限制了对脆弱性作为多维现象的理解。在墨西哥，家庭常同时面临收入、住房、水、卫生、家庭能源和医疗护理等多重障碍，健康支出与收入、教育程度等社会经济条件相关，可能给资源较少的家庭带来更大困难。此外，灾难性健康支出与医疗服务可及性差异、财务保护不平等及持续的区域差异相关。因此，需要能够整合混合型大规模数据并涵盖社会、环境与健康多维度，且利用2024年全国家庭收入与支出调查（ENIGH）最新信息的分析方法。本研究旨在通过数据科学工具，识别墨西哥家庭的社会环境脆弱性特征，并分析其与健康支出的关联，为理解多维脆弱性及其经济后果提供实证依据。该论文发表于《Big Data and Cognitive Computing》。

**主要关键技术方法**

研究人员采用以下关键技术：首先，通过混合数据因子分析（FAMD）对14个分类变量（住房材料、基本服务、卫生设施、家庭能源、社会经济阶层）和1个连续变量（过度拥挤）进行降维，提取前两个因子成分用于聚类。其次，运用k-means聚类算法识别脆弱性特征，并通过轮廓系数、Calinski-Harabasz指数和Davies-Bouldin指数进行内部验证，结合调整兰德指数评估分配稳定性。此外，进行了算法比较（与高斯混合模型和Ward层次聚类对比）和敏感性分析（包括权重调整、两特征方案、收入调整）。最后，采用调查调整的两阶段模型（survey-adjusted two-part model）分析健康支出，第一部分为逻辑回归分析支出概率，第二部分为高斯回归分析对数支出金额，同时纳入ENIGH复杂调查设计（权重、分层变量est_dis、初级抽样单位upm）。数据来源为2024年ENIGH，最终分析样本为86,102户家庭。

**研究结果**

**3.1 社会环境脆弱性的因子结构**：通过FAMD，第一因子解释了8.87%的惯性，主要反映住房和基本服务的结构性差异，第二因子累计解释约12.46%的惯性。两因子表示在聚类性能上表现最佳（三特征方案：轮廓系数0.6249，Calinski-Harabasz指数15,918.15，Davies-Bouldin指数0.5915），且与五因子方案高度一致（调整兰德指数0.9242）。

**3.2 特征数量的验证**：评估了2至7个特征的方案，三特征方案在内部分离、分配稳定性和组规模间取得平衡，获得最佳Davies-Bouldin指数（0.5840）。重复样本分区分析显示三特征方案高度稳定（平均调整兰德指数0.9989，分类一致率99.97%）。两特征敏感性分析结果与主分析方向一致，调查调整逻辑回归中，不利组支出概率更高（OR=1.113），正支出组对数支出更低。

**3.3 聚类算法比较**：k-means与Ward层次聚类和高斯混合模型（tied协方差）在三个验证指标上表现相近，但k-means在Calinski-Harabasz指数上最高（15,918.15），且稳定性高。高斯混合模型对初始化敏感，Ward聚类与k-means的调整兰德指数为0.7489。跨五个独立样本的比较显示k-means和tied协方差高斯混合模型表现一致（平均调整兰德指数0.6069）。

**3.4 社会环境脆弱性特征的识别**：三特征方案为：低脆弱性特征（62,455户），拥有最有利的住房、水、排水、家庭能源和低社会经济阶层；中等脆弱性特征（19,722户），条件混合，部分水、排水可及性，更多使用化粪池和木柴；高脆弱性特征（3,925户），条件最不利，水、排水可及性低，常无排水，木柴使用率高，低社会经济阶层集中。

**3.5 各特征的社会与地域决定因素**：调查加权估计显示，低脆弱性特征平均家庭收入88,341.28比索，中等45,049.06比索，高36,332.94比索；人均收入依次为33,309.59、13,970.11、11,217.53比索。高脆弱性特征中77.58%位于<2,500人村镇，低特征仅8.41%。低社会经济阶层比例从低到高分别为3.86%、49.77%、69.03%。户主年龄相近，但高脆弱性特征中男性户主比例更高（73.61%），过度拥挤更严重（1.45人/房间）。

**3.6 各特征的健康支出描述**：调查加权描述显示，平均总健康支出从低脆弱性特征的1,774.92比索降至高特征746.83比索；中位数依次为239.67、206.60、132.06比索。住院支出无支出比例最高（高特征0.81%），药物支出比例中等特征最高（62.56%），门诊服务支出比例中等特征与低特征接近（约40%）。

**3.7 过度拥挤与健康支出分布**：低脆弱性特征过度拥挤均值0.89人/房间，中等和高特征均约1.39人/房间。log1p转换后的总健康支出中位数随脆弱性增加而降低，分布分散且存在大量零值。

**3.8 各特征间支出的统计比较**：Kruskal-Wallis检验显示所有四个健康支出成分在特征间存在统计显著差异，但epsilon平方值低，表明差异幅度小。配对比较显示，低与高脆弱性特征之间总健康支出的秩双列相关系数绝对值最大（0.1270），但仍属小效应量。支出存在性分析中，卡方检验显著但Cramér's V值小（总健康支出0.024）。

**3.9 健康支出的两阶段模型**：调查调整后，第一阶段：中等脆弱性特征报告健康支出的概率高于低特征（OR=1.129, 95% CI: 1.048-1.217, p=0.002），高特征无显著差异（OR=1.018, p=0.822）。第二阶段：在正支出家庭中，中等特征与对数支出无显著关联（β=, 95% CI: to 0.027, p=0.211），高特征与较低对数支出显著相关（β=, 95% CI: to , p<0.001）。模型整体显著，但R2值小（第一阶段0.014，第二阶段0.052）。敏感性分析中，排除极端值后高特征关联仍显著，中等特征对聚类规范和收入调整敏感。收入调整后，中等特征在支出概率上的优势消失，高特征概率降低（OR=0.851），两个特征在正支出金额上均显著更低。

**总结讨论与结论**

讨论部分指出，三个特征在住房、基本服务、家庭能源、社会经济和地域位置方面呈现总体梯度，收入与城镇规模虽未用于聚类但也存在差异。中等特征表明脆弱性不能简单二分。健康支出随脆弱性增加而降低，但不应理解为健康需求降低，而是受经济能力、服务使用、覆盖率和可及性影响。两阶段模型显示，中等特征在支出概率上更高，高特征仅在支出金额上更低，且收入调整对中等特征影响大。所有关联效应量有限，R2值低，表明未测量的因素（如疾病、医疗需求、保障覆盖、延迟护理、服务质量）可能解释更多变异。结论部分总结：本研究利用FAMD和k-means从2024年ENIGH的86,102户家庭中识别出三个社会环境脆弱性特征，代表住房、水、排水、家庭能源、过度拥挤和社会经济阶层的梯度。在调整调查设计、经济、人口和地域特征后，中等脆弱性特征报告健康支出的概率高于低特征（OR=1.129, 95% CI: 1.048-1.217），高特征在支出概率上无显著差异。在正支出家庭中，高特征显示较低对数支出（β=, 95% CI: to ），中等特征在主模型中无显著差异。高脆弱性的负关联在敏感性分析中稳健，而中等特征的估计对聚类规范和收入调整更敏感。统计显著差异应结合效应量解释：探索性比较效应量小，模型R2值低（支出概率部分0.014，正支出金额部分0.052），表明社会环境脆弱性只是健康支出相关因素的一部分，医疗需求、疾病、保障覆盖、服务使用、延迟护理、护理质量等未测量特征可能解释更多变异。结果支持社会环境条件与健康支出之间存在关联，但不应解释为因果效应或低支出家庭健康需求更低。