寒地社区绿色空间对老年人主观幸福感影响
——以长春市为例

韩冰冰 冷红

社区绿色空间是城市人居环境系统的重要组成部分，其规模和质量不仅会影响城市居民的身心健康[1-3]，也对主观幸福感有重要促进作用[4-5]。尤其在中国老龄化背景下，城市老年人数量逐年增加，对于绿色空间的需求和主观幸福感的评价标准也不断提高。合理的绿色空间布局有助于缓解老年人的孤独感和压力[6-7]，激发老年人参与户外活动和交流的动力[8-9]，提升晚年生活品质。因此探索社区绿色空间和老年人主观幸福感的内在关联是优化社区环境、营造老年健康友好型城市的重要前提。

对于绿地空间自身属性特征与人群幸福感方面的研究，国外学者已有较多成果。如McMorris等[10]、Bowler等[11]和Camacho-Cervantes等[12]分别对出行环境和人群健康进行分析，发现绿地环境对使用者的户外运动频次和时长、自我情绪和幸福感均有积极影响。而中国学者在城市公共空间绿地、社区绿地、城市街景绿化与幸福感关系方面也有一些相关研究，如郑凌予等[13]指出30%～60%的绿视率区间对人群的空间满意度和敏感水平影响最为明显。Han等[14]发现大学生在绿视率为64%的户外环境中进行体育锻炼后，对情绪正向影响最大。王兰等[15]通过对城市绿地空间布局、规模分析发现植被配置与呼吸系统健康显著相关。陈玉洁等[16]发现社区蓝绿空间水平可通过促进老年人体力活动、减轻压力，提升老年人的情绪水平和幸福感。Li等[17]提出了绿色景观指标，以此作为调整城市绿色空间和提高人群幸福感的重要方法。徐磊青等[18]发现绿视率对街道空间品质的感知有重要的影响，良好的绿视率会提高街道的吸引力。

对于绿地空间可达性和环境维护对人群幸福感影响方面的研究也有很多学者关注。如Ekkel等[19]从自然环境类型、人群健康需求和可获得性3个层面论述了绿色空间可达性对居民自评健康的影响作用，提出绿地可达性主要以绿地景观格局为途径影响城市居民的幸福感。另外有学者发现可达性与体力活动有密切联系，提升可达性是提高幸福感的重要途径，如Sallis等[20]发现绿地可达性对人群的体力活动和健康有着显著的影响，进而可改变人群对生活质量的幸福感知。此外，还有学者发现不同环境维护水平与人群生理健康和情绪感知有重要联系。Paul等[21]调查了美国芝加哥市绿道和绿色景观带后发现，绿地空间中的清洁、美感、安全等要素是影响人群访问的重要因素。Sugiyama等[22]认为社区绿化环境感知对成年人心理健康的影响大于生理健康，且是通过娱乐性步行活动间接影响生理健康。Mccormack等[23]发现公园是承载城市绿地空间物理功能和人群交往属性社会功能的综合体，绿色空间的美学特性、设施可用性和安全性对体力活动和环境感知有重要影响。刘畅等[24]通过对北京在校大学生的绿地访问行为、情绪及健康指标的逐项调查，发现绿地的到访时长和频率对人群的积极情绪起到主要的调节作用，适宜的绿地到访时长和频率能够促进大学生的健康满意度水平。

另外，寒地恶劣的气候条件为以提升人群幸福感为目的的社区绿地空间营造带来更大的挑战。就寒地城市来说，冬季及过渡季节气候恶劣且漫长，居民出行困难，尤其是老年人身体机能减退，对户外环境的安全感和舒适感更加敏感，导致在寒冷气候条件下老年人选择户外活动的目的、频率和时长受到极大的制约，对老年人的主观幸福感有显著影响。相关地方政府文件指出应构建安全舒适的绿色空间活动场所，吸引老年人参与户外体育锻炼，提升晚年生活质量和幸福感[25]。因此，探索寒地绿色空间对老年人主观幸福感的影响，对提升老年居民生活品质具有关键意义。

综上所述，大部分研究者均以绿地空间属性、可达性和美学安全等方面作为研究的自变量，表明以上绿色空间要素是影响主观幸福感的最重要因素，但是少有研究者对寒地绿色空间的测度进行研究。如何从寒地绿化程度、可达性、环境维护等多重维度视角出发，提出研究概念框架，探寻寒地绿色空间的构成要素是本研究的重要内容；另外，虽然已有部分学者提及要根据不同群体特征或弱势群体需求[16]，探索不同的绿色空间规划，但对于寒地老年群体主观幸福感的内涵和社区层面上寒地绿化环境质量与幸福感关系的研究相对较少。因此，笔者以寒地城市长春市社区绿色空间实地调研和老年人问卷调查数据为基础，采用定量分析方法，通过SPSS Statistics 24中的Amos 24.0构建结构方程模型（structural equation model, SEM），明确寒地绿色空间的构成要素和老年群体主观幸福感内涵，探索寒地绿色空间中不同要素对老年人主观幸福感的影响程度及显著性，为构建寒地老年友好社区及城市绿色空间规划提供研究基础。

1 研究设计

1.1 研究框架

主观幸福感的测度研究目前尚存在多种方式，但国内外专家学者普遍认为幸福感主要包括生活满意度和情感体验两方面[26-30]。然而对于老年人主观幸福感的研究目前仍未有准确的定论，由于不同的地理气候、文化习俗和老年人性格特征，导致不同地区老年人对幸福感的感知程度存在一定的差异[31]。通过收集和整理全球不同国家和组织对幸福感的评价指标：人类发展指数（human development index, HDI）、美好生活指数（better life index,BLI）、社会发展指数（social development index,SDI）、幸 福 指 数（well-being index, WBI）及总体幸福感量表（general well-being schedule,GWBS），可以发现除了公认的生活满意度和情感体验外，主观幸福感还包括社交关系、健康状况、居住质量及环境安全性等因素。本研究在前期对寒地多个社区的老年人进行了初步调研及问卷发放，在调研中发现，老年人在户外绿色空间的主要目的是参加体育锻炼，这可以改善老年人健康状况，有效提升老年人幸福感，这与初步问卷数据统计的结果一致。基于以上研究，确定了寒地老年人主观幸福感包括自评健康、情绪情感和生活满意度。其中自评健康包括身体健康、身体机能和疾病疼痛；情绪情感包括有意义、快乐、疲劳和压力；生活满意度包括接近理想状态、生活满意、生活状态、重要事务和保持现状。

另外，根据已有相关研究[13-14,16,21,32-34]及前期初步问卷结果发现，绿色空间的绿化程度包括绿地率、绿视率、绿色视觉暴露、绿地斑块分离度和单元内绿地；环境维护包括整洁度、设施可用性、安全性和夜间照明；绿化可达性包括最近公园距离、绿地供给潜力、绿地访问频率和绿地停留时长。

因此，综合初步调研结果和已有研究[35-37]构建的绿色空间与幸福感理论模型，笔者构建了本研究的研究框架（图1），从绿化程度、环境维护、绿地可达性3个方面对绿色空间环境进行测度后，利用SEM分析寒地绿色空间与老年人自评健康、情绪情感和生活满意度特征之间的相互作用机制及绿色空间环境的影响效应。

1.2 数据来源

本研究关注社区绿色空间与老年人主观幸福感的直接影响路径，但不同绿化水平变量可能会影响模型的结果。因此笔者在调研前期，以不同社区中具有的相似绿化水平变量作为标准进行选取，这样可以有效地减少由于不同社区的绿化环境差异导致绿色空间与老年人主观幸福感关系受到干扰。通过初步筛选寒地典型城市长春市的31个社区，并展开实地问卷预调查，最终确定11个典型社区作为本研究的实证研究区域（图2）。本研究于2018年9月—2019年1月对该地区60岁及以上的老年人进行了抽样访谈和问卷调研，获得问卷513 份，在筛除信息填写不全、社区居住年份少于5年等条件的问卷后，最终得到有效问卷496 份。问卷内容主要包括老年人的基础信息特征、绿地使用情况和绿地环境评价、自我健康评估、情绪情感评估和生活满意度评价。此外，本研究还使用了街景地图数据和土地利用数据获取绿色空间测度指标。

2 调研社区分布图The distribution of the surveyed areas

在有效问卷样本中，54.1%为男性老年人；人群年龄以60～80岁为主，约占总调研人数的89.5%；教育程度为高中、中专及以下的人数占总人数的20%；有76.7%的老年人与配偶或子女同住；人群年收入多为1～3万元。

1.3 变量选取

1.3.1 因变量

本研究对老年人主观幸福感的测度主要从自评健康、情绪情感和生活满意度3个方面展开。1）受访老年人的自评健康水平主要参照SF-36量表进行问卷调查，问卷分别从自评整体健康水平、身体功能和疾病疼痛方面进行评估，其中整体健康水平和身体功能评价以水平1～7（非常差到非常好）来衡量，疾病疼痛根据回答问题（“过去一个月内是否经常感到身体出现疾病疼痛的情况？”）并以水平1～7（经济出现到很少出现）表示问卷结果。2）情绪情感评估主要以处于社区绿地环境时的情绪状态为判断依据。包括积极和消极两方面的情绪状态：快乐和有意义、压力和疲劳，为方便统计和结果解读，将消极情绪的数据进行了反向处理，评价等级从1～7（非常低到非常高），等级越高代表情绪健康水平越高。3）对老年人主观幸福感的认知评价方面本研究采用了生活满意度指标，以生活满意度量表（satisfaction with life scale, SWLS）[38]来衡量。该量表分为5个方面，分别是“生活大致符合理想、生活状态圆满、满意自己的生活、能得到想拥有的东西、若重活一次也不做任何改变”，回答从1～7（非常不赞同到非常赞同）进行结果描述。

1.3.2 自变量

本研究对绿色空间的测度主要通过绿化程度、绿地可达性和环境维护3个指标。

1）绿化程度的测度。绿地率采用归一化植被指数方法，计算目标社区及周边1 km内的绿地面积占总面积的百分比。

绿视率的获取是在社区各主（次）干道行道树、公园、草地灌丛等处设置观测点，使用现场拍照和百度街景图片作为基础数据，通过机器学习框架Tensorflow建构卷积神经网络①，对图片进行迭代训练，完成后将需要识别的拍摄图片代入模型中进行计算。

绿色视觉暴露程度的计算方法已有很多文献提及[39]，本研究主要是通过访谈和观察记录等估算每个老年人的出行路线及对同一条道路中多个测点的绿视率平均值进行计算，结合老年人的出行时间、频率等获取绿色视觉暴露程度：

式中，Exposureave指平均绿视率，Exposurei指单个测点的绿视率，N指观测点i的数量；

式中，Exposuretotal指绿地视觉暴露程度，ti指老年人单次出行时间，εi指有效系数（是绿地空间在人视觉中持续衰减的程度，与到绿地的平均距离和出行平均速度呈反比）。

绿地斑块分离度主要通过计算社区及周边1 km内的绿地空间总面积和单个绿地空间面积数量的比值，来衡量社区绿地空间分离程度：

式中，Q指绿地斑块分离度，A指绿地空间总面积，aij指第i社区的第j个绿地面积，N为社区内绿地数量。

单元内绿地量是受访者居住地周围500 m范围内绿地面积总量。

2）绿地可达性的测度。最近公园距离是指受访者从居住房屋到最近公园的直线距离。对绿地的访问频率及停留时长数据来自问卷访谈和实地观察结果。其中访问频率中的1～5水平分别指每星期0次、1～2次、3～4次、5次、≥6次；绿地停留时长中的1～5水平分别 指＜5 min、5～＜11 min、11～＜16 min、16～＜31 min、≥31 min。

绿地供给潜力是由绿地给受访者带来的吸引力与到受访者居住房屋之间距离的比值来决定：

式中，Zij指绿地j对社区i的供给潜力，Sj为绿地j的吸引力，由社区人均绿地面积计算得出，dij为绿地j与居住地i之间的直线距离，f(dij)是距离衰减函数[32]。

3）环境维护的测度。考量整洁性、安全性、设施可用性、夜间照明等因素，指标数据的获取方式为问题访谈，包括：“您常去的公园或广场绿地卫生如何？”“公园或广场绿地周边安全性如何？”“公园或广场绿地附近的休闲运动设施使用如何？”“公园和广场绿地附近的灯光照明如何？”，以上问题回答均以1～5（非常不好到非常好）赋值。

1.4 研究方法

考虑到本研究关注的是绿色空间对老年人主观幸福感的影响，需要综合性地对不同自变量和因变量进行关联性分析，而结构方程模型的优点是能够同时检测多个因子对因变量的影响效应[40]。同时，现有文献认为结构方程模型中的每个潜变量应不少于3个观测变量，本研究获取的数据类别正符合此项说明。因此，最终选取SPSS Statistics 24软件包中的独立产品Amos 24.0构建结构方程模型，对所获取的数据进行整理和计算，以探索绿色空间的不同因子对老年人主观幸福感因素影响的显著性和影响路径系数。

2 结果分析

2.1 信度与效度分析

本研究使用克朗巴哈系数（Cronbach’s Alpha）对使用的量表和数据进行可靠程度分析，结果表明总量表信度系数为0.878，各潜变量系数均大于0.6，表明问卷数据内部具有良好的一致性信度（表1）。

表1 问卷信度分析Tab. 1 Questionnaire reliability analysis

对问卷和数据结果进行效度分析时，应采用Bartlett球形检验和KMO值分析，结果显示P值为0.000（P＜0.001），通过了Bartlett球形检验，且KMO值为0.878（＞0.7），证明本研究数据适合进行因子分析（表2）。

表2 KMO和Bartlett球形检验结果Tab. 2 The KMO and Bartlett’s spherical test results

2.2 探索性因子分析

使用主成分分析方法和方差最大旋转法进行分析，选取特征值大于1的公因子作为潜在变量，结果表明6个公因子对问卷数据的累计解释率为65.939，超过60%的临界值，6个分析维度与预先构建的模型潜变量基本符合，但部分观测变量需要作出调整。环境维护潜变量中，观测变量“夜间照明X9”的因子载荷小于0.5，因此将其删除。观测变量中的“单元内绿地X5”在概念模型内被划分到绿化程度公因子类别，但通过探索性因子（EFA）分析，该变量应归为绿地可达性类别；此外在对该变量的语意诠释后发现，尽管单元内绿地的物理属性属于构成绿化程度的重要因素，但与幸福感关系密切的单元绿地可用性属于绿地可达性，因此结合以上2个方面，该变量应重新划分至绿地可达性类别中（表3）。

表3 探索性因子分析Tab. 3 Exploratory factors analysis

2.3 验证性因子分析

为了衡量和验证模型的可靠度，还应对模型进行，验证性因子分析（CFA）是一种可验证观测变量与潜变量之间对应关系是否与预测模型保持一致的研究方法[41]。将调整后的所有因子变量进行效度分析，得出平均提取方差（average variance extracted, AVE）值和组合信度（composite reliability, CR）值，结果发现所有潜变量的CR值均大于0.600，大部分的AVE值高于0.500。尽管绿化程度和绿化可达性的AVE值稍低，但对应变量的解释性较好，因此6项潜变量和24个观测指标均符合效度分析检验（表4）。

陈小华：中国创业基本上是人和资本的结合，资本在每个浪潮中起了很大作用。今天看到的独角兽也好，超级独角兽也好，都是跟资本结合的。资本是敏感的，虽然不一定每次看得都准确，但是如果资本完全不看好，这个行业基本就没有太多机会了。

表4 问卷效度检验分析Tab. 4 Questionnaire validity test analysis

2.4 拟合度检验与模型修正

本研究通过Amos 24.0软件，使用最大似然估计法（maximum likelihood, ML）对结构方程模型中所有变量进行参数估计，以得出各潜变量间的路径检验系数及绿地空间因素对老年人主观幸福感影响的标准化路径分析图。在对初始模型进行计算后发现，RMR、NFI和AGFI指标不符合参考值范围，其他指标均在合理值范围内，但仍有优化调整的空间，因此需对模型进行修正（表5）。

模型的初始计算影响结果如图3所示，连接3个因变量（“绿化程度”对“环境维护”，“环境维护”对“绿地可达性”，“绿化程度”对“绿地可达性”）可降低卡方值。同时，由于“情绪情感”对“自评健康”，“生活满意度”对“自评健康”，“情绪情感”对“生活满意度”，“环境维护”对“情绪情感”，“绿化程度”对“生活满意度”的临界比值C.R.均低于1.96，且路径系数低于0.20[42]，应减少相应的路径。据此对SEM修正后，残差均方和平方根RMR值由0.106降低至符合标准 的0.064，NFI值 由0.893增 加 至0.907，AGFI值由0.894增加至0.905，而其他指标如RMSEA、CFI、GFI、IFI和PCFI均有适度的调整。修正后的方程拟合度结果如表5所示。

表5 模型拟合度情况[43]Tab. 5 Fitting quality of the model[43]

3 寒地社区绿色空间对老年人主观幸福感影响模型标准化参数路径图The standardized parameter path diagram of the effect of community green space on the subjective well-being of the elderly in cold regions

2.5 影响路径及结果分析

各变量影响路径中除了环境维护与情绪情感路径不显著，其余路径的显著性均较好（表6），说明本研究选取的自变量可以较好地诠释社区绿色空间如何影响老年人主观幸福感。综合对比3种绿色空间指标对老年人主观幸福感影响后发现，绿化程度的综合影响值最高，对自评健康和情绪情感影响最大；其次是绿地可达性，对生活满意度影响最高；最后是环境维护。修正后的模型结果如图4所示。

4 修正后的寒地社区绿色空间对老年人主观幸福感影响模型标准化参数路径图The revised standardized parameter path diagram of the effect of community green space on the subjective well-being of the elderly in cold regions

表6 模型路径检验Tab. 6 Path testing of the model

2.5.1 绿化程度对老年人主观幸福感不同维度的影响

绿化程度对情绪情感的影响系数最大（0.44），其中绿色视觉暴露（0.77）和绿视率（0.66）对快乐（0.84）和有意义（0.76）的影响值最大。这说明这2项指标值较高可促进老年人的积极情绪感受，老年人在绿地中接触到自然环境，可以促使他们放松心情，减少压力，舒缓负面情绪。其次，绿化程度对自评健康的影响较大（0.40），绿色视觉暴露（0.77）和绿视率（0.66）对身体健康（0.81）影响要高于对身体机能（0.68）和疾病疼痛（0.66）的影响。尽管绿色视觉暴露和绿视率不能有效地缓解老年人身体机能下降和伤病疼痛感，但由于绿色环境为老年人提供了活动场所，激发了他们锻炼身体的意愿，一定程度上增加了体力活动的机会和时长，因此总体来说自我评估的身体健康状况也会有所提升。

2.5.2 绿地可达性对老年人主观幸福感不同维度的影响

对于绿地可达性来说，对自评健康（0.33）、情绪情感（0.31）和生活满意度（0.39）的影响较为均衡。其中，最近公园距离（0.76）和绿地停留时长（0.71）对生活满意度的5个观测指标影响较大。这说明与生活满意度密切相关的是绿地可参与属性。老年人由于体质较弱，不适宜步行过长的距离，因而更加注重如何高效便捷地使用绿地空间。尤其是寒地城市冬季及过渡季节气候恶劣，路面结冰容易滑倒，因此老年人更喜欢就近出行活动。而最近公园距离和绿地停留时长对老年人自评健康（0.33）和情绪情感（0.31）的影响系数几乎一致。

2.5.3 环境维护对老年人主观幸福感不同维度的影响

尽管环境维护指标对老年人生活满意度影响系数并不高，但对生活满意度的影响（0.26）要高于对绿化程度的影响（0.19）。这表明老年人在关注绿色空间的规模与质量的同时，更重视环境的整洁性（0.64）和安全性（0.63）。另外，环境维护指标对自评健康也有一定影响，这表明干净而优美的绿色空间环境、安全系数较高的步行路径和活动设施更有助于老年人前往绿色空间休憩或进行体力活动，有助于促进老年人身体健康，增强身体机能。

3 讨论与结论

本研究综合考虑了调研地区的地理、人文特征，老年人出行行为、心理活动特征，提出了寒地社区绿地空间环境对老年人主观幸福感影响的假设模型。研究中使用问卷调研、访谈记录、街景图片分析等方法，获取了11个社区的绿化程度、绿地可达性、环境维护，老年人的自评健康、情绪情感和生活满意度数据，通过SEM对影响老年人主观幸福感的绿色空间因素进行分析，探索各因子间的影响程度和路径显著性。主要有以下3个方面结论。

1）在路径显著性方面，除了环境维护对情绪情感影响不显著，其他绿色空间维度对老年人主观幸福感各类别均有显著影响。在实际调研过程中发现老年人认为所处社区绿地环境卫生管理较好、健身和娱乐设施实用性较强、数量充足，且绿地周边安全性较高，因此该因素对老年人瞬时情绪影响的差异不明显。尽管完善的绿化管理、干净整洁的绿色空间对情绪情感方面的影响不显著，但对老年人的自评健康和生活满意度有一定的显著性影响，所以环境维护可被认为是对寒地老年人主观幸福感影响效应较低的因素。

2）在老年人幸福感的自评健康和情绪情感方面，研究发现影响系数由高到低分别为绿化程度、绿地可达性、环境维护。表明绿色空间自身的属性对老年人生理健康水平及情绪状态起着更大的促进作用。这与寒地老年人的生活习惯密切相关。调研过程中，很多老年人明确表示自身健康情况不佳，因此渴望有更多绿色环境来进行相关的锻炼活动。但是，一方面社区周边步行15 min内的绿色空间数量仍未达到需求，间接地减少了老年人享有绿地空间资源的权利，导致公平性较差；另一方面由于寒地较为恶劣的气候原因，绿色空间下垫面质量较差，会增加老年人户外运动伤害的概率，而采暖季节户外空气质量较差，也会引发老年人季节性呼吸系统疾病或心脑血管疾病等。此外，由于冬季日照时间短、温度低，树木凋零，视觉环境单调，对情绪压力调节功能减弱。因此改善寒地老年人健康和提升幸福感最有效的方法是加强绿色空间自身属性，包括合理配置绿地空间资源，适当在绿地空间营造半开敞活动设施，考虑不同季节植被的景观规划。

3）在老年人幸福感的生活满意度方面，绿色空间环境测度对其影响程度大小顺序依次为绿地可达性、环境维护、绿化程度。总体来说，在可达性较高的绿色空间社区居住的老年人生活满意度较高，由于到达最近公园的距离较短，并且公园周边一般附属多种功能，如休憩、健身、商业等，这更容易增加他们前往的频率和停留时长。此外，老年人随着年龄的增长，生活重心发生转移，脱离了社会环境后，更容易产生孤独感，渴望前往绿色空间等公共开放空间与更多的老年人相互交流，提高归属感，因此距离公园较近的寒地社区老年人对生活的满意度和幸福感更高。

当前寒地城市老年人生活质量和晚年幸福已逐渐被各级政府所重视，本研究明确指出了社区绿色空间与主观幸福感有着密切的关系，可为寒地城市未来“幸福养老”社区的建设提供重要的政策启示和规划建议。具体来说，首先要将低效闲置用地和城市弱势空间合理转化为绿地空间，以增加绿地使用的公平性，在资源分配合理、服务公平的原则下，提高社区周边绿地配置水平。其次，应在社区步行15 min内布置多个小面积的绿地，并合理规划植被。在步行前往社区周边公园的途中应适当种植常绿树木，其位置和高度既要满足老年人视觉需求，也要考虑符合安全性。最后，在保证不受噪声干扰的前提下，在社区绿地空间中尽可能增加休闲座椅、小型商业设施的数量，提高绿地空间的吸引力，并营造半开敞取暖的活动设施来减缓寒地恶劣的气候影响，以延长老年人绿地停留时长。

同时，本研究仍有以下不足：1）仅做了横断面数据分析，未做纵向的绿地变化与寒地老年人主观幸福感变化的持续性对比研究；2）作为直接效应的研究，未能充分揭示各维度间的间接影响；3）未从人口统计学方面，探讨个人属性对老年人主观幸福感的差异分析。因此，下一步将对寒地绿色空间与老年人主观幸福感的直接路径及间接作用中是否存在调节效应、遮掩效应等情况进行分析和阐述，同时对不同类型寒地社区老年人的绿地供需情况作出评价，并为城市社区绿地系统优化布局提供建议。

注释(Note)：

① 卷积神经网络是一种人工神经网络的多层感知器，可用来分析街景图片中绿视率等指标。

图表来源(Sources of Figures and Tables)：

图2由作者根据百度地图底图改绘；其余图表均由作者绘制。