共查询到10条相似文献,搜索用时 31 毫秒
1.
《Planning》2017,(2)
针对心血管疾病危险因素分析与预测问题,使用了灰色预测、Cox比例风险回归分析等方法,分别建立了灰色预测模型、ICVD发病风险预测模型等,综合运用MATLAB、SPSS软件编程分别预测出我国不同年龄段预测男性、女性心血管疾病的变化趋势,建立了适合我国人群的缺血性心血管疾病发病危险预测模型[1]。 相似文献
2.
3.
回归及重回归分析和预测,被广泛地应用于各个行业中。但是,有些相当于回归分析中的说明变数,不是数量数据,而是非数量数据,例如:影响入园人数的因素有星期(平日、休日)、天气状况(晴天、阴天、雨雪天等)、季节(春、夏、秋、冬)等。这些因素因为不是“量”的数据,所以不能用回归或重回归等方法进行分析和预测,但这种情况在规划设计的调查中经常出现,所以数量化Ⅰ类,可以帮助人们进行与回归分析和预测相同的分析,这是十分有效的一种分析方法。 相似文献
4.
回归及重回归分析和预测,被广泛地应用于各个行业中.但是,有些相当于回归分析中的说明变数,不是数量数据,而是非数量数据,例如影响八园人数的因素有星期(平日、休日)、天气状况(晴天、阴天、雨雪天等)、季节(春、夏、秋、冬)等.这些因素因为不是"量"的数据,所以不能用回归或重回归等方法进行分析和预测,但这种情况在规划设计的调查中经常出现,所以数量化Ⅰ类,可以帮助人们进行与回归分析和预测相同的分析,这是十分有效的一种分析方法. 相似文献
5.
《Planning》2016,(20):117-119
目的:探讨惠州市基层警务人员心血管疾病的发生率及危险因素。方法:临床纳入于本院进行体检的惠州市基层警务人员300例,对所有受检者的临床资料进行回顾性研究,对可能导致心血管疾病发生的临床因素进行单因素分析,对于单因素分析有统计学差异的因素进行多元Logistic回归分析,观察导致受检者心血管疾病发生的高危因素。结果:300例受检者中,共检出心血管疾病者51例,发生率为17.00%;单因素分析显示,患者的性别、年龄、糖尿病史、高血脂病史、高尿酸血症病史、吸烟史等均为导致心血管疾病发生危险因素(P<0.05);多元Logistic回归分析,年龄≥45岁、既往有糖尿病史、高血脂病史、高尿酸血症病史、吸烟史等均为导致心血管疾病发生的独立高危因素(P<0.05)。结论:目前惠州市基层警务人员心血管疾病的发病率较高,其发生主要与患者的年龄、既往病史(糖尿病史、高血脂病史以及高尿酸血症病史)等存在密切的联系。因此,对于存在上述危险因素的受检者,应及时接受治疗干预,以降低心血管疾病发生的风险。 相似文献
6.
回归及重回归分析和预测,被广泛地应用于各个行业中。但是,有些相当于回归分析中的说明变数,不是数量数据,而是非数量数据,例如影响入园人数的因素有星期(平日、休日)、天气状况(晴天、阴天、雨雪天等)、季节{春、夏、秋、冬)等。这些因素因为不是“量”的数据,所以不能用回归或重回归等方法进行分析和预测,但这种情况在规划设计的调查中经常出现,所以数量化1类,可以帮助人们进行与回归分析和预测相同的分析,这是十分有效的一种分析方法。 相似文献
7.
8.
超固结比(OCR)和不排水抗剪强度(S_u)是土的基本力学参数,对土体沉降变形分析和稳定性计算具有重要影响。采用数据融合技术,结合孔压静力触探(CPTU)测试数据,提出了江苏典型黏性土超固结比和不排水抗剪强度的预测模型。利用特征级数据融合技术(回归树、模型树)与决策级数据融合技术(自举聚合、堆叠泛化)对预测模型的可行性进行分析。将土的超固结比和不排水抗剪强度的预测值、室内试验所得到的参考值以及CPTU传统方法所得到的估计值进行对比分析。结果表明,模型树预测结果比回归树要好,决策级融合算法可以提高回归树的预测结果,但对模型树的预测结果影响较小;叠加回归树和模型树的预测结果会使其预测的不排水抗剪强度比回归树预测的结果要好,但比模型树预测的结果要差;对于几种数据融合模型,OCR预测值大致相当,回归树模型在预测OCR方面稍优于其他数据融合模型,数据融合技术能更好地预测土的超固结比和不排水抗剪强度。 相似文献
9.
《Planning》2013,(5)
Logit回归模型在生活中有很多应用,利用Logit回归模型探讨冠心病的危险因素,找出对冠心病有影响的危险因素,建立回归模型,提出一套判别法则来判别某人是否患上了冠心病。经过实验数据的检验,此办法可行。 相似文献