影響戒煙成功的因素分析數(shù)模論文(編輯修改稿)
2025-07-25 03:36 本頁面
【文章內容簡介】 越接近1則相關性越大的原理，他們對戒煙天數(shù)的影響程度有大到小排序如下：CO濃度，調整的CO濃度，年齡，每日抽煙支數(shù)。2) 由r的符號可知，年齡，每日抽煙支數(shù)與戒煙天數(shù)是正相關的，CO濃度，調整的CO濃度與與戒煙天數(shù)是負相關的。3) 為了更直觀地體現(xiàn)不同因素對戒煙時間的影響程度，我們用excel繪制了戒煙時間與年齡、每日抽煙支數(shù)及調整的CO濃度等因素的散點圖，具體如下CO濃度與戒煙天數(shù)的相關系數(shù)r=調整的CO濃度與戒煙天數(shù)的相關系數(shù)r=年齡與戒煙天數(shù)的相關系數(shù)r=每日抽煙支數(shù)與戒煙天數(shù)的相關系數(shù)r=根據(jù)散點圖中各點分布走向和密集 程度,可以大致判斷變量之間的共變關系，由四圖可看出，各點的密集 程度是從大到小的，所以我們可以判斷影響戒煙時間的因素由相關度從大到小排序是CO濃度，調整的CO濃度，年齡，每日抽煙支數(shù)。4) 最后，我們利用excel分別計算不同分性別對應的戒煙天數(shù)的平均數(shù)。可見性別會影響戒煙天數(shù)，一般來說，男性的戒煙天數(shù)低于女性。總結分析：年齡、性別、每日抽煙支數(shù)及調整的CO濃度會影響戒煙時間（天數(shù)）長短。由強到弱按對戒煙時間影響的程度排序有：CO濃度，調整的CO濃度，年齡，性別，每日抽煙支數(shù)。模型改進方向：該模型僅給出不同因素與戒煙天數(shù)的相關系數(shù)，及性別這一因素的戒煙天數(shù)的平均數(shù)，并沒直接給出不同因素與戒煙天數(shù)的具體函數(shù)（數(shù)量）關系，給出的分析結果較為模糊，如果能運用回歸分析中一元線性回歸的方法，分別用回歸方程準確地表示不同因素與戒煙天數(shù)的回歸方程，或許會有更清晰的數(shù)據(jù)結果。問題（3）符號說明：:年齡:每日抽煙支數(shù):CO濃度:調整的CO濃度針對問題三，我們把戒煙天數(shù)作為判斷戒煙成功的指標，于是，討論影響戒煙成功的主要因素即轉化為討論影響戒煙天數(shù)的主要因素。由于因變量是戒煙天數(shù)，而自變量有多個（年齡、每日抽煙支數(shù)及調整的CO濃度等因素），所以我們首先討論自變量到底選取哪幾個。我們可以輕易判斷，戒煙天數(shù)與距離抽最后一支煙的分鐘數(shù)無關，所以僅考慮其他五個因素（年齡， CO濃度，調整的CO濃度，每日抽煙支數(shù)，性別）。我們運用多元線性回歸的方法解決該題。我們在剔除了10個數(shù)據(jù)不完整的調查對象后，對剩下的224個調查對象用EXCEL進行線性回歸分析，一共做了五個模型（自變量包括五個因素，自變量分別不包括性別，年齡， CO濃度，調整的CO濃度，每日抽煙支數(shù)的四個模型），發(fā)現(xiàn)性別的標準誤差均較大，而標準誤差越大，擬合程度越差，所以舍去該因素。因此，我們最終把年齡， CO濃度，調整的CO濃度，每日抽煙支數(shù)作為自變量?；谏鲜龇治?，用EXCEL進行回歸分析，統(tǒng)計結果如下：回歸統(tǒng)計Multiple RR SquareAdjusted R Square標準誤差觀測值224方差分析dfSSMSFSignificance F回歸分析4殘差219總計223Coefficients標準誤差t StatPvalueLower 95%Upper 95%下限 %上限 %InterceptAgeCig_DayCOLogCOadj由上表可知，該模型的關系式為：Y=模型中各回歸系數(shù)解釋如下，當年齡每增加一歲，；當每日抽煙支數(shù)每增加一支，；當CO濃度每增加一個單位，；當調整的CO濃度每增加一個單位。Pvalue為回歸系數(shù)統(tǒng)計量的P值，，因此該自變量與y相關。，說明這些項的自變量與因變量不存在相關性，因此這些項的回歸系數(shù)不顯著。可見，影響戒煙成功的主要因素有CO濃度。模型的可靠性分析：由表格可知，回歸統(tǒng)計中的標準誤差較大，所以該關系式不太可靠。且方差分析中，殘差較大，可見實際觀察值與回歸估計值的差還是較大。不過，Significance F（F顯著性統(tǒng)計量），所以說該回歸方程回歸效果顯著。但四個因素（年齡，每日抽煙支數(shù)，CO濃度，調整的CO濃度）的標準誤差較小。而我們要討論的是，影響戒煙成功的主要因素，所以只要四個因素的標準誤差較小就能
環(huán)評公示相關推薦
鄂ICP備17016276號-1