基于可解释的机器学习方法,探索与中国成年人体育运动参与相关的因素
Tianci Lu1, Baole Tao1, Hanwen Chen1
1College of Physical Education, Yangzhou University, Yangzhou 225127, China.
Behavioral sciences (Basel, Switzerland)
|February 27, 2026
概括
在中国,定期的体育炼很少. 机器学习确定了教育,福祉和环境是促进中国成年人参与运动的关键因素.
科学领域:
- 公共卫生 公共卫生
- 行为科学 行为科学
- 数据科学数据科学数据科学
背景情况:
- 身体不活动是中国的重大公共卫生问题,只有30.3%的成年人定期运动.
- 了解影响运动参与的因素对于制定有效的健康促进策略至关重要.
研究的目的:
- 确定中国体育运动参与的关键预测因素.
- 探索影响运动行为的社会,心理和环境因素.
主要方法:
- 利用了2021年中国总社会调查 (CGSS) 数据.
- 采用了缩小维度,机器学习 (SVM) 和SHAP可解释性分析.
- 应用LassoCV在19个潜在因素中进行特征选择.
主要成果:
- 支持矢量机 (SVM) 模型表现出卓越的预测准确性.
- 确定了关键预测因素:体育观看,家庭登记,教育,福祉,吸烟,年龄,睡眠质量,社交活动和居住适度.
- 与高等教育,福祉,城市居住,体育观看和合适的住所发现的积极关联;与吸烟和睡眠不足的负面关联.
结论:
- 机器学习与可解释性方法相结合,有效地识别了运动行为预测因素.
- 这些发现为中国体育活动的社会,心理和环境决定因素提供了新的见解.
- 结果可以为有针对性的干预措施提供信息,以促进运动参与和改善公共健康.
