用线性核心区域化模型与协同克里金刻画印尼38省发育迟缓率：中度空间依赖（SDP=68.78%），东部省份预测值最高

研究把发育迟缓率与其九项决定因素放进同一个正半定的多元空间协方差结构，用LMC联合拟合全部直接与交叉半变异函数，而非逐对建模。 作者明确说明其贡献是整合应用而非方法创新，LMC、Goulard–Voltz算法与协同克里金方程均为标准工具；新增之处在于对印尼发育迟缓问题一次性拟合覆盖全部十个变量的单一有效LMC，并报告经检验的核心区域化矩阵。 数据为印尼卫生部《2024年印尼健康概况》中38个省的省级汇总数据，全部变量同源同年；模型选择依据加权残差平方和最小与交叉验证表现最好，C0与C1矩阵经特征分解检验，C1十个特征值全为正（最小1.44），C0最小特征值0.002，满足正半定要求。

发育迟缓率呈中度空间依赖，SDP为68.78%，相邻省份倾向具有相近的发育迟缓水平。 此前印尼发育迟缓研究多用地理加权回归或分割类模型描述回归关系随空间变化，未显式建模指标间的空间交叉协方差；本研究用无量纲的SDP指数把每个变量的空间结构变异占比量化出来，便于跨变量比较。 SDP由块金与偏基台之比计算（Y的块金18.36、偏基台40.45、总基台58.81）；X9、X6、X5、X1的SDP分别为85.43%、84.84%、84.03%、78.83%，属强空间依赖；X2、X3、X4、X7、X8为中度。

交叉半变异函数显示低出生体重与发育迟缓呈正交叉空间依赖，纯母乳喂养覆盖率与儿科保健服务覆盖率呈负依赖，贫困在全体本中弱且符号混合、剔除两个0%省份后转为明确正向。 这些是省级汇总单元之间的共空间格局，作者反复强调不是因果效应，也不能推断个体层面的风险或保护因素；贫困符号随样本变化这一点被单独报告并做了敏感性分析。 交叉半变异函数范围如Y–X1为−0.47至8.45、Y–X6为−44.62至3.15、Y–X9为−69.64至34.16；Y–X5在块金为负、球状结构为正，故全体本呈尺度依赖；剔除两个0%省份后Y–X5转为正向，SDP由68.78%降至63.80%仍属中度，有效变程与交叉协方差符号不变。

基于LMC的协同克里金给出连续且带不确定性的省级预测面，东部印尼预测值较高，且相对单变量普通克里金降低了预测误差。 相比只利用发育迟缓率自身自协方差的普通克里金，协同克里金借助相关次要变量提高点预测精度；作者同时报告了预测标准误地图，使预测不确定性可视化。 留一交叉验证平均误差0.264、RMSE 6.423个百分点，约为全国均值21.09%的30%且低于省际标准差7.68；预测标准误5.6至7.7个百分点（均值6.8），爪哇最小、亚齐与东努沙登加拉等地最大；单变量普通克里金RMSE为7.699，协同克里金降低约16.6%。

该研究面向省级决策场景：用省级汇总数据刻画发育迟缓率在全国的空间排列，帮助政策制定者判断应在哪些省份集中已证实有效的干预（如生命最初1000天营养、提高纯母乳喂养覆盖率、通过改善孕产妇营养预防低出生体重、扩大妇幼保健、加强社会保护），而非判断何种干预有效。适用对象是印尼省级卫生与营养规划，以及需要多元地统计预测与不确定性量化的类似生态学研究；作者指出由于决定因素在地理上聚集而非独立变化，跨卫生、教育、环境卫生与减贫的多部门政策在这些省份更为合适。

作者列出若干需谨慎对待之处：分析仅基于38个省的汇总数据，对地统计估计而言样本偏小，全国尺度结果应视为探索性；所有关联均为生态关联，交叉半变异函数与核心区域化矩阵描述的是汇总单元间的共空间格局，不能读作个体层面关系或因果效应；每省以质心代表，预测面是质心间插值而非区县或本地流行率；高地巴布亚与中巴布亚报告的0%很可能反映报告不完整，保留原值可能低估东部印尼的预测值；模型仅经内部留一交叉验证，无外部或时间验证；未做基于显著性的聚类检测，高流行区并非统计识别出的热点；中度空间依赖意味着约31%的变异未被空间结构捕捉，提示存在未建模的局部或非空间决定因素，未来可借助更细的区县数据或回归-克里金混合方法。此外，产前保健覆盖率在若干省份超过100%，因其分母为预测出生数而非实际计数，作者提示其与发育迟缓的关系需谨慎解读。