首页 > 文献资料
-
我国道路伤害与交通环境因素关系的流行病学分析
目的 探讨交通环境因素对道路伤害的影响,为减少交通事故发生提供依据.方法 采用主成分回归分析法分析我国1951～1998年机动车数量、公路运输量和公路里程数等因素与人身安全的关系.结果 人身安全与机动车数量、公路货运量、公路客运量和有路面公路里程数呈正相关关系(相关系数分别是0.871 4、0.969 1、0.961 1、0.951 0,P=0.000 5),即道路伤害死亡率(/10万)随着机动车数量、公路货运量、公路客运量和有路面公路里程数增加而升高,人身安全水平降低;采用逐步筛选法将各交通环境因素引入方程,并利用主成分回归分析法以克服各因素间的多重共线性,其中机动车数量、公路客运量和有路面公路里程数进入回归方程(Y=-3.719 7+1.49E-03X1+5.2E-06X3+6.19E-02X4).结论 机动车数量、公路客运量和有路面公路里程数的增加是导致人身安全水平降低的主因,影响强度因素依次为有路面公路里程数、公路客运量、机动车数量.通过改善交通环境,加强交通安全管理和提高居民的交通安全意识,可以减少道路伤害的发生.
-
利用SPSS进行主成分回归分析
目的利用SPSS8.0进行主成分回归分析.方法利用SPSS8.0的Linear Regression, Factor Analysis, ComputeVariable和Bivariate Correciations等过程,结合主成分回归分析的基本原理,介绍整个主成分回归分析的步骤.结果用一个实例,描述SPSS8.0各种过程的操作和主成分回归整个计算过程,并且确定"佳”方程.结论介绍多重共线性的各种诊断指标,主成分回归分析的优点和注意事项,利用SPSS进行主成分回归分析能达到简便,快捷和准确的统计效果.
-
数据存在共线性时采用主成分回归分析与投影寻踪回归分析的效果比较
目的 比较主成分回归分析与投影寻踪回归分析在数据存在共线性时效果之差别.方法 利用实际数据从拟合效果和预测效果两方面评价两种建模方法的优劣.结果 主成分回归模型的决定系数为0.8172,相对误差绝对值的平均值为6.42％,预测误差的均方为0.61;投影寻踪回归分析各模型的决定系数为0.8851～0.9944,相对误差绝对值的平均值为1.11％ ～4.81％,预测误差的均方为0.03 ～ 0.38.结论 本实例数据(存在一定共线性)分析结果表明,投影寻踪回归分析的拟合效果与预测效果均优于主成分回归分析.
-
基于主成分回归分析的尿酸与相关影响因素研究
目的 利用主成分回归分析法探讨尿酸水平与体检和血生化指标的相关性.方法 采用分层整群随机抽样方法,被调查者均接受问卷调查,测量身高、体重、血压、腰围(WC),检测尿酸(UA)、空腹血糖(FPG),血红蛋白(Hb)、甘油三脂(T℃)、总胆固醇(TG)、高密度脂蛋白胆固醇(HDL-c),低密度脂蛋白胆固醇(LDL-c).结果 高尿酸组与尿酸正常组比较,各项指标差异有统计学意义(P＜0.01);主成分回归分析年龄、血红蛋白、空腹血糖、甘油三脂、BMI、腰围、收缩压与血尿酸值成正相关,HDL与血尿酸值成负相关.结论 主成分回归分析能较好解决尿酸相关指标的多重共线性,尿酸与糖尿病、肥胖、高血压、血脂异常密切相关.
-
武汉市机动车保有量及相关因素对空气质量的影响
[目的]研究武汉市机动车保有量及相关因素的变化情况,探索该市空气污染状况、变化趋势及影响空气质量的重要因素. [方法]收集武汉市1986～1995年间空气质量监测及城市建设方面的资料,利用简单相关、主成分回归、灰色关联分析进行统计处理. [结果]武汉市1986～1995年空气中主要的污染物为总悬浮颗粒物(TSP),浓度范围在0.211～0.356mg/m3,超标率为40%.二氧化硫(SO2)和氮氧化物(NOx)均未超标,符合国家空气质量二级标准.NOx浓度呈现上升趋势.主成分回归分析结果显示机动车保有量对N0x的浓度影响大.灰色关联分析显示机动车保有量与TSP、SO2、NOx浓度的灰色关联度系数分别为:0.6237、0.6235、0.7224,关联度排序为:NOx>TSP>SO2. [结论]城市NOx浓度呈现上升趋势,机动车保有量增长是主要影响因素之一.尾气污染成为城市亟待解决的重大环境问题.
-
利用SPSS进行主成分回归分析
利用SPSS 8.0 for Windows的Linear Regression、 Factor Analysis和Compute Variable等过程，结合线性回归和主成分分析的基本原理，介绍了多重共线性诊断、主成分回归分析过程和确定佳方程的方法。
-
主成分分析应用(Ⅰ)——主成分回归分析
本文目的是介绍主成分回归分析的概念、作用以及用软件实现计算的方法.先对自变量进行主成分分析,然后将主成分变量视为新的自变量,再进行多重线性回归分析.通过不引入和引入派生变量以及采取不同的策略筛选自变量,可以获得多个合格的多重线性回归模型.在回归模型自由度接近相等时,基于残差方差小、复相关系数大为评价指标,从众多回归模型中优中选优.得出的经验为:应慎用主成分回归分析.
