我国各省域城乡体育场地均等化水平的空间格局分析

宋耀伟,张 嫣,雷 蕾,张志胜

体育场地作为政府提供公共服务的物质基础,是为社会经济发展和居民生活提供的基本公共服务设施,其数量体现出一个地区发展全民健身和竞技体育的基础保障水平,是实现体育均等化发展的重要物质基础,其建设进程以及建设地点会直接影响一个地区,并辐射其他地区体育公共服务的发展进程[1]。目前公共体育场地设施已经成为我国群众健康生活的基石[2]。从16届6中全会“基本公共服务均等化”概念正式提出以来,城乡体育公共服务均等化事业得到了前所未有的发展。体育事业发展“十二五”规划明确提出,推进城乡体育公共服务均等化,其实质是体育资源配置的均等化,作为体育资源中的有形物质,是能够被直接量化的体育资源。学界普遍认为,当前体育公共服务的不均等现象,更多地反映在体育有形资源的配置上[3]。相关研究指出,我国城乡体育场地设施建设的公共财政投入结构不合理,差距较大。城市体育场地建设的公共财政投入是农村的数十倍,造成农村体育场地设施和健身器材严重短缺[4]。另外,我国不同区域人均体育场地数量具有明显差异,东部地区人均体育场地数量和发展速度远远高于中西部地区[5]。就目前来看,我国公共服务和社会保障体系还不够完善,均等化程度不够高,城乡、区域发展不平衡,基本公共服务供给仍然不足,体育场地数量存在明显的区域和城乡差异等问题。

基于以上现状,《国民经济和社会发展第十三个五年规划纲要》提出促进区域协调、协同、共同发展,缩小区域发展差距。促进公共资源在城乡间均衡配置,推动贫困地区县级公共文化体育设施达到国家标准。发展体育事业,加强体育设施建设,实现公共体育服务乡镇常住人口全覆盖和农民健身工程全覆盖[6]。《体育事业十三五规划》中指出,应统筹规划,合理布局,规范标准,推动休闲健身场地设施建设,加强乡镇体育场地设施建设[7]。《全民健身计划(2016-2020年)》[8]的七大任务指出,统筹建设全民健身场地设施,方便群众就近就便健身,强化全民健身发展重点,着力做好基本公共体育服务均等化和重点人群、项目发展。一系列国家层面的方针政策均提出了体育场地建设的规划、目标和任务,体现出体育场地设施是体育事业发展的基础保障,是实现体育公共服务体系均等化的先决条件,同时体育场地设施作为可以量化的、能够以具体物质形态表现出来的公共服务,在体育事业发展中占据重要地位。

谢洪伟[9]运用经济学方法对城市社区体育场地、设施建设的基础性理论进行研究,从需求和生产等角度构建了判别城市社区体育场地、设施供给的适度规模模型。张金桥[10]提出由政府主导、社会资本投资是公共体育设施供给多元化、合理化的保障,以人民需求制定供给政策是实现有效供给的前提。毕红星[11]以城市体育设施规划为研究对象,提出我国分级规划的体育场地设施配置体系。刘亮[3]基于资源配置多维度分析,对我国体育公共服务均等化现状进行了研究,认为我国中、西、东部体育资源存在差异。张大超[12]从发展社会学、人口社会学、管理学、体育经济学等学科角度出发,制定了我国体育设施发展水平评价指标体系。纵观前人研究,学者们集中从宏观尺度和政策方面采用时间序列数据分析方法,探讨了我国体育场地分布及场地建设情况,并对我国体育城乡基本公共服务均等化做了大量的研究,为本研究奠定了良好的研究基础。现有的体育公共服务均等化评价体系中的体育场地评价研究,主要从体育场地的数量、财政投入与供给等角度进行评价分析,忽略了城镇和乡村体育场地设施在地理空间分布上的差异,也忽视了全国范围内体育场地的分布格局。为此,本研究以城镇和乡村体育场地设施的比例作为城乡体育场地均等化指标,基于第六次全国体育场地普查数据[13],运用探索性空间数据分析方法分析我国31个省、市、自治区人均体育场地数量的空间分布特征,探讨我国各省域体育场地均等化水平在空间上的差异性和关联性,并对其影响因素进行探索。本研究对进一步了解我国体育场地区域分布、城乡差异现状和发展趋势,以及体育场地发展的空间政策导向提供依据,具有重要的现实意义。

1 研究方法与数据来源

1.1 研究方法

探索性空间数据分析是一种具有识别功能的空间数据分析方法,主要用于探测一些变量的空间关联性和聚集现象[14]。当体育场地数量及均等化水平在空间上发生集聚,意味着在一定区域内体育场地数量及均等化水平在各个地域单元之间具有自相关性,即当某一个地区人均体育场地数量较多、均等化水平较高时,其周围地区体育场地数量也较高、均等化水平也较高；某一地区人均体育场地数量较低,其周围地区数量也较低。因此,空间自相关性可以看作一种反应体育场地数量集聚现象的尺度。包括了全局空间自相关指标和局部空间自相关指标。

1.1.1 全局空间关联指标

全局空间自相关用于描述某现象的整体分布状况,判断此现象在空间上是否具有聚集特性存在[15]。为了对研究指标的不平衡性和全局自相关进行研究,引入全局Moran’sI。全局Moran’sI统计衡量相邻的空间分布对象属性取值之间的关系,其计算公式如下：

其中xi和xj分别为i与j所在位置的属性观测值,X代表N个位置属性值的平均值,wij表示空间权重矩阵。一般采用Z检验N个区域是否存在空间自相关关系,Z的计算公式为

如果统计量Z的P值小于给定的显著性水平a(一般取0.1或0.05水平)则拒绝N个区域单元的观测值之间不存在空间自相关的零假设,否则接受零假设。当Z值为正的空间自相关,相似的观测值趋于空间聚集；当Z为负值时,表明存在负的空间自相关,相似的观测值区域空间分散,当Z值为0时,观测值呈现随机的空间分布。

1.1.2 局部空间关联指标

全局空间自相关假定空间是同质的,即被研究区域内的空间对象的某一属性值只存在一种整体趋势[16]。但是空间对象的空间异质性并不少见[16],尤其当聚集过程在空间上出现了非平稳的状态时,进行局部空间自相关的研究就很有必要。为了进一步衡量每个区域与周边地区的局部空间关联、空间差异程度及空间格局分布,本研究选取Moran散点图和LISA聚集图对我国各省份体育场地数量及城乡均等化水平进行局部空间统计分析,借此从不同的角度揭示研究对象的空间关联特征[17]。

1.2 数据来源和变量计算

为了更好地反映我国各省份城乡体育场地的空间分布现状,选用《第六次全国体育场地汇编(2014年)》中的板面数据和《中国人口统计年鉴(2014年)》[18]相关数据进行分析,包括31个省、市、自治区(不含港澳台),设计并计算出以下4个指标：

(1)各省份人均体育场地数量。用以表达各省份体育场地分布的人均水平,该指标由各省份体育场地总数量除以各省份当年常住人口数量获得,单位：个/万人。

(2)各省份城镇人均体育场地数量。用以表达各省份城镇地区体育场地分布的人均水平,该指标由该省份城镇体育场地数量除以该省份城镇地区当年常住人口数量,单位：个/万人。

(3)各省份乡村人均体育场有数量。用以表达各省份乡村地区体育场地分布的人均水平,该指标由该省份乡村体育场地数量除以该省份乡村地区当年常住人口数量,单位：个/万人。

(4)各省份城乡体育场地均等化水平。有鉴于体育公共服务需要在资源上进行公平分配的特点和原则,并体现出城乡居民在利用体育场地时的机会均等和结果均等[19],该指标用乡村人均体育场地分布数量除以城镇人均体育场地分布数量,得出体育场地均等化指数(百分比)。

2 实证结果与分析

2.1 各省份体育场地基本情况

通过统计与计算,得出31个省、市、自治区人均体育场地数量、城镇人均体育场地数量、乡村人均体育场地数量、体育场地城乡均等化水平,并进行描述及评价,详见表1。

表1 各省份体育场地情况统计Table 1 The Statistics of Sports Grand in Various Provinces

从全国体育场地分布来看,21个省份城镇人均体育场地数量高于乡村,10个省份乡村人均体育场地数量高于城镇。另外,我国各省份人均体育场地数量、城镇人均场地数量、乡村人均场地数量在省份之间具有一定差异,为了更直观的反应城乡体育场地均等化水平的空间分布特征,分别根据31个省份4个指标的情况,基于OPENGEODATE软件,采用自然断点分级划分法将不同指标分别分为4个等级：高水平地区、中高水平地区、中低水平地区和低水平地区。将分布情况进行统计,结果如表2：

表2 各体育场地指标等级划分一览Table 2 The Sports Ground Index Hierarchy List

据表2调查结果显示,有2个省份规律明显。其中4个指标均为高水平地区的是浙江省,均为低水平的是黑龙江省。表明浙江城镇、乡村体育场地数量充足,城乡体育场地均等化水平高,而黑龙江则相反,不重视体育场地建设。

进一步梳理发现,上海、山西(城镇数量少)、西藏、宁夏(均等化水平低)在3个指标中均位于高水平区域,四川、湖南、安徽(乡村数量少)、贵州、吉林、河南(均等化水平低)在3个指标中都处在低水平区域。

另外,湖北4个指标横跨4个等级,城乡体育场地分布差异明显。华北地区的北京、天津、内蒙古、河北,西部地区的新疆、重庆、云南,中东部地区的山东、江苏、湖北、江西等省份,4个指标中横跨3个等级,表现出城乡体育场地较大的差异和一定规律的空间聚集现象。

2.2 体育场地均等化水平全局自相关分析

上述研究只对各省人均体育场地数量进行整理和分析,没有考虑其空间效应,Craig(1979)[20]指出,几乎所有的空间都具有空间依赖(亦称空间相关性),即一个省份的人均体育场地数量及城乡均等化水平与邻近地区的相同值属性是相关的。为了进一步对我国各省份人均体育场地数量及城乡均等化水平的空间效应进行研究,在此引入全局Moran’sI。全局Moran’sI用于反映空间邻接或者空间邻近的区域单元观测值整体的相关性和差异程度[21]。

全局Moran’sI的取值范围是[-1,1]。当I〉0时,表示空间正相关,即体育场地数量较多(或较少)、均等化水平较高(或较低)的区域在空间上趋于显著聚集；当I〈0,表示空间负相关,即该地区与周边地区的体育场地情况具有空间差异；当I=0,表示空间不相关,即各省份体育场地数量及城乡均等化水平在空间上随机分布。

选取表1中的数据对31个省份4个指标进行分析,并利用OPENGEODA软件计算各省份人均体育场地数量及均等化水平的空间自相关系数Moran’sI值和Z值,并选取分别用 99、199、499、999和9 999次随机置换过程换来稳定的P值(表3)。在计算中,空间举证采用二进制邻接空间权重矩阵[22]。

表3 各体育场地指标Moran’s指数一览Table 3 The Sports Ground Quota Moran’s Index List

表3结果显示,Moran’sI值在4个指标中均为正值,且各省份城镇人均体育场地数量和各省份体育场地城乡均等化水平显著性检验结果低于a=0.05,达到显著性水平。由此可见,单纯从各省人均体育场地数量和乡村体育场地数量上看,并未呈现出空间相关性。城镇人均体育场地水平通过了显著性检验,且本研究以城镇与乡村之间体育场地均等化问题为主,均等化水平Moran’sI值为0.2410,Z值为2.7270,P值为0.0150,通过了显著性检验,说明我国城乡体育场地均等化水平并不是呈现随机分布状态,而是具有明显的空间相关性,表现出相似水平之间的空间聚集,即城乡体育场地均等化水平较高的地区之间和水平较低的地区之间存在空间地理位置上的相邻。

2.3 各省市体育场地均等化水平局部空间分析

全局Moran’sI指数显示,各省份城乡体育场地均等化水平在整体上呈现显著的空间相关性,但却未能体现出具体在哪些地区存在高值集聚或低值集聚。为了进一步分析各省份城乡体育场地均等化水平的空间特征,对城乡体育场地均等化指标进行局部空间自相关分析(包括Moran散点图和LISA聚集图)。

2.3.1 Moran散点图

将各省份城乡体育场地均等化水平分为4种空间关系模式,如图1所示,分别对应图中4个象限。其中第1象限为高高集聚区(HH),表示该省份自身与周边省份的城乡体育场地均等化指数均处在较高水平,两者空间差异小,呈正相关；第2象限为低高集聚区(LH),表示该省份自身的城乡体育场地均等化指数较低而周边省份的均等化指数高,两者空间差异大,呈负相关。第3象限低低集聚区(LL),表示该省份自身与周边省份的城乡体育场地均等化指数均处在较低水平,两者空间差异小,呈正相关；第4象限高低集聚区(HL),表示该省份自身的城乡体育场地均等化指数较高,而周边省份的均等化指数低,两者空间差异大,呈负相关。

图1 各省份城乡体育场地均等化水平散点Graph 1 Provinces urban and Rural Sports Field Equal Scatter Plot

表4 我国体育场地均等化水平Moran散点图对应省份一览Table 4 Our Country Sports Field Equalization Moran Scatter Diagram Corresponding Province List

Moran散点图的第1、3象限代表各省份人均城乡体育场地均等化水平呈现正相关,第2、4象限代表均等化水平呈现负相关。通过图1、表4可以看出,共有16个省份分布于第1、3象限,超过50%的观测省份,说明我国省域内城乡体育场地设施均等化水平值呈现较强的空间正相关性。

第1象限,高高聚集的五省全部为相邻省份,包含华北五省中的3个(北京、天津、山西),并涵盖山东,相似性极高。同时,这4个省份中乡村体育场地发展较好,乡村人均体育场地数量均超过城镇,个别省份乡村场地数量高于城镇一倍以上。第3象限为低低聚集,涵盖西部6个省份,青海、四川、重庆、西藏、贵州、广西,中部4个省份,江西、安徽、湖北、湖南,另外还包括海南和广东。这一象限多为中西部地区,且城镇体育场地数量全部多于乡村,呈现出不均等现象,均等化水平在58%—84%之间。

第2象限为低高聚集,主要集中在东北三省,辽宁、吉林、黑龙江,以及内蒙古、河北、宁夏、陕西、河南等北方省份,且这些省份中至少有2个省份是相邻的,呈现出一定的空间聚集现象。同时,这9个省份城镇体育场地数量全部高于乡村。第4象限为高低聚集,包含东部沿海发达省份中的浙江、福建、上海,也包括少数民族聚集区新疆、云南、甘肃,其共同特点为乡村体育场地数量多于城镇,且均等化指数排名在第四名和第十名之间,属于城乡均等化发展相对协调的省份。

2.3.2 LISA聚集图

LISA聚集图用不同涂绘方式表示不同的空间自相关类型,对Moran散点图具有补充说明作用,以2013年我国城乡人均体育场地均等化水平值为例,利用OPENGEODA软件绘制LISA聚集图(图2)。

图2 各省份城乡体育场地均等化水平LISAGraph 2 Province Ueban and Rural Sports Equalization Levels Lisa Figure

图2显示出我国城乡体育场地均等化水平在地理位置上的聚集特征,纯色区域省份体育场地均等化水平聚集关系不显著；黑点区域代表高-高聚集,表示体育场地均等化水平比较高的省份聚集在一起；斜线区域代表低-低聚集,表示体育场地均等化水平较低的省份聚集在一起,周边省份较低；竖线区域代表低-高聚集,表示自身体育场地均等化水平较低,周边省份较高；高-低聚集本应用横线代表,表示自身体育场地均等化水平较高,但本研究高-低聚集的省份不具有显著性,因此图中没有显示。

同时,这4种类型对应Moran散点图中的4个象限。图中黑点区域北京、天津、山东出现高高聚集,包含2个直辖市和1个东部沿海省份,均为经济发达地区,表现出空间上的聚集现象。图中竖线区域吉林、辽宁、河北、内蒙古,呈现低高聚集,表明自身城乡体育场地均等化水平较低,而周边省份较高。图中斜线区域贵州、重庆、湖北,表现出低低聚集现象,表明自身和周边的均等化水平均较低,体育场地建设没有受到足够重视。

3 讨论

3.1 各指标基本情况及等级划分结果

目前我国体育场地建设依然集中在城镇[4],多数省份城镇人均体育场地数量高于乡村,这与国家大力发展体育产业有关,更多的供给主体参与到体育场地建设中来。社会资本进入体育场地建设是为了从后期体育场地经营中获取利润,如果将场地建设在乡村,收益必然会减小,甚至没有收益。同时这一现象揭示出乡村居民对体育锻炼有所忽视,对于体育锻炼的投入相对较少。本研究中城乡体育场地均等化水平为42.81%—255.92%,跨度非常大,各省份城乡均等化水平差异性明显,不均等现象非常严重。由于目前我国城乡差异主要表现为“重城镇、轻乡村”,因此本研究不将接近100%来表明均等化水平高,而是将计算得出的均等化指数越大(乡村数量越多)的省份作为城乡体育场地均等化水平越高的省份。研究结果显示北京、天津、山西、福建、浙江、上海、新疆、云南城乡均等化水平较高,乡村体育场地数量较多,这些省份主要集中在华北地区、东南沿海和少数民族聚集区,特殊的地理位置和居民特征是形成这一结果的主要因素。

值得注意的是浙江4个指标均处于高水平地区,体育场地数量充足,城乡均衡发展趋势较好,这一结果源于浙江省政府制定的相关发展政策。浙江省基本公共服务均等化行动计划(2008-2012年)中提出“进一步完善全民健身服务体系,城市社区和农村普遍建有健身路径；城乡公共体育场馆设施逐步实现免费开放,社会单位体育场馆设施逐步实现对外开放,人均体育场地面积达到1.6㎡,体育人口达到45%”[23]。形成鲜明对比的是黑龙江4个指标均为低水平地区,体育场地规划与建设没有得到足够重视,这可能与黑龙江全年平均气温降低,冬天漫长有关,过低的气温导致一般体育场地设施不能得到充分利用,而一些具有地方特色的运动项目,如冬泳场地并未纳入体育普查当中。

另外,湖北省4个指标横跨4个等级,城乡体育场地分布差异明显。华北地区四省份,西部地区三省份,中东部地区四省份,4个指标横跨3个等级,这些遍布全国各个区域的省份均表现出体育场地存在城乡间差距,且存在一定的空间集聚现象。

3.2 各省域体育场地均等化水平的空间相关性

通过对4个指标全局Moran指数检验发现,我国城镇人均体育场地数量和均等化2个指标通过了显著性检验,表明我国体育场地均等化水平具有空间相关性,即各省份城镇体育场地数量和均等化水平具有相互影响作用,各省份之间体育场地建设的政策导向不同是造成这一结果主要原因。通过分析西北五省十三五时期体育公共设施建设规划发现,各省在建设场地类型的比重、建设规划面积、资金投入力度、建设主体、产权主体、运行主体方面均存在较大差异。另外财政支持力度是影响体育场地建设的关键问题,由于各省份财政收入差距较大,因此在体育场地建设中的财政拨款数量差距较大,使得各省份间存在相互影响。通过巨大的均等化水平差异也可以看出,各省在城、乡之间体育场地设施建设规划和投入存在很大差异,依然有重视城镇、忽略乡村的特征,这可能与乡村居民居住分散、交通不便利有关。另外,国家大力推进城镇化建设进程,各省份都在加速城市发展,政府倡导的体育产业也集中在城镇之中。以上种种因素导致了我国城乡体育场地呈现出不均等的现实情况。

3.3 各省域体育场地均等化水平的空间集聚特征

Moran散点图显示,16个省份分布于第1、3象限,说明这些省份均等化呈现正的空间集聚性。目前乡村公共服务水平较低是造成城乡非均等化的重要原因,因此城乡体育场地均等化水平也呈现出较大差异。华北地区的山西、山东、天津、北京落入第1象限,且相互之间在地理位置上相邻,表明该地区形成了高高聚集趋势。这些省份表现出了同样的规律,即乡村体育场地建设较其他地区更有优势,显示出较高水平的城乡均等化,其发展模式和发展路径值得其他省份学习和借鉴,同时也期待高高集聚能够逐步影响相邻省份,达到全国各省份城乡体育场地均等化的终极目标。分布于第3象限的12个省份,基本集中在西南和中南部地区,部分省份之间在地理位置上相邻,表明这些省份体育场地均等化水平较低,并形成了一定程度的低低集聚趋势。受国家方针政策等因素的影响,中、西部省份社会经济发展相对滞后,西部地区城乡基本公共服务体系尚不健全,也导致城乡体育场地数量差距较大,距离“均等化”相差甚远,造成均等化指数呈现出低低集聚的特点。随着“西部大开发”和“中原崛起”等一系列国家战略的实施,在全民健身计划纲要的指引下,这些省份基本公共服务建设,以及体育场地建设呈现出巨大潜力,实现区域之间、城乡之间体育场地的协调发展也成为这些省份新的历史任务和挑战。其中,广东作为我国社会经济较为发达的沿海省份,落入第3象限。虽然广东体育场地数量排在全国前三位,但是巨大的人口压力使得体育场地均等化水平不高(广东为2013年常驻人口最多的省份)。

Moran散点图显示第2、4象限的省份体育场地均等化水平呈现负的空间集聚性。9个省份分布于第2象限,包括东北三省、内蒙古、河北、西北二省、河南等北方省份,相互之间存在地理位置上的相邻关系,表现出低高空间集聚特征。东北三省作为老工业基地近年来经济发展增速减慢,内蒙古人口密度小、居民居住不集中,河北受京津地区高速发展制约,河南面临巨大人口压力等一系列因素,导致了这些省份的体育场地均等化水平较低,但周边省份较高的现象出现。而江苏作为东部沿海发达省份,却出现自身水平低,周边水平高的现象,也与其巨大的人口有关,但更直接的原因是江苏重视城镇体育场地发展建设,城镇人均体育场地比乡村多出一倍有余。也可能是江苏作为东部沿海发达省份,响应国家号召积极推进城镇化建设,而对乡村基础设施建设有所忽视。除此之外,有6个省份分布于第4象限,表现出2个区域的高低空间聚集特征。其中包括东南沿海相邻的3个省份,上海、浙江、福建,全部为经济发展水平高、基础服务设施好的省份,城乡体育场地均等化水平高在情理之中。同时还包括了西部地区甘肃、新疆、云南,三省均为少数民族聚集地区,甘肃和新疆两省地理位置相邻。国家近年来出台一系列少数民族优惠政策、西部开发战略等发展方针政策缩小区域间、城乡间发展不协调的现状,帮助了这些经济落后地区的体育场地建设,但这些地区自身较高的城乡体育场地均等化水平并未带动周边均等化水平较低的省份。因此可以看出,负的空间集聚性现象不利于体育场地在区域之间的均等化发展,值得引起注意。

通过LISA图可以看出,某些省份体育场地均等化水平在地理位置上具有显著性聚集关系,其中北京、天津、山东,均为经济发达地区,基础设施建设水平较高,公共服务水平领先于其他省份。贵州、重庆、湖北,由于特殊的山区地理环境,交通不便、居民出行难,经济发展较为落后,影响体育场地建设,使得参与体育锻炼的人口较少,导致自身城乡体育场地均等化水平较低,同时影响了周边省份。吉林、辽宁、河北为重工业省份,近年来经济发展增速慢,以2016年前三季度为例,三省经济增速均处在全国25名以后,由于经济发展速度慢,可能导致体育场地建设财政拨款少,影响体育场地建设发展,但这3个省份临近或临接的省份又表现出较高的城乡体育场地均等化水平。

4 结论与启示

4.1 结论

(1)我国城乡体育场地均等化水平普遍较低,乡村人均体育场地数量较少,超过2/3的省份城镇体育场地多于乡村,且城乡体育场地数量具有较大的差异性。浙江为体育场地建设最好的省份,4个指标均处在高水平区域；黑龙江4个指标均处在低水平区域。

(2)我国体育场地城乡均等化水平具有明显的空间相关性,呈现出相似水平之间的空间聚集现象,各省城乡体育均等化水平呈现出空间正相关性。

(3)山西、山东、天津、北京城乡体育场地均等化水平较高,空间集聚现象明显,并影响和促进了周边省份的体育场地均等化发展。贵州、重庆、湖北自身城乡体育场地均等化水平较低,同时影响和制约了周边省份的发展。吉林、辽宁、河北城乡体育场地均等化水平较低,但周边省份处在较高水平。

4.2 启示

目前对我国体育场地的研究,一般采用时间序列数据分析方法,往往忽视了地理空间自相关特征,与区域间的体育场地协调发展现实不相吻合。本研究采用空间计量的统计方法,以人均体育场地数量及均等化水平为研究指标,对我国体育场地现状进行研究,揭示其地理空间关系,把握各省份区域发展状况,在某种程度上为国内体育场地研究提供了新思路。但本研究将重点集中在了空间特征上,忽略了时间特征,导致研究所得结论难免不够全面,需要在今后进一步做更深层次的研究。