基于sas人口預(yù)期壽命影響因素分析報(bào)告(參考版)
2025-02-08 06:29本頁(yè)面
【正文】 加大環(huán)境污染的治理，改善人民生活環(huán)境也有利于增加人口壽命。 提 高人民生活水平，大力發(fā)展經(jīng)濟(jì)建設(shè)，增加人均 GDP, 有利于人民安居樂(lè)業(yè)，從而國(guó)泰民安。這些措施從疾病預(yù)防和治療上為實(shí)現(xiàn)人均壽命增長(zhǎng)提供了醫(yī)療保障，但是，要真正提高壽命，最主要的是提高食品質(zhì)量、改善膳食結(jié)構(gòu)、提高人們的保健意識(shí)。 單位面積污染比對(duì)人均預(yù)期壽命的影響不顯著，原因在單位面積污染比是一個(gè)滯后性的資料，但它往往是影響人口預(yù)期壽命的一個(gè)因素。 衛(wèi)生機(jī)構(gòu)數(shù)量對(duì)人均預(yù)期壽命存在影響影響。 特征向量 圖 19 由圖 19 可知， 給出了相關(guān)系數(shù)的特征向量，由最大特征值所對(duì)應(yīng)的特征向量我們可以知道各個(gè)主成分的表達(dá)式。 樣本相關(guān)矩陣特征值 圖 18 由圖 18 可知，特征值，相鄰兩特征值之差，每個(gè)主成分的貢獻(xiàn)率和前幾個(gè)主成分的累計(jì)貢獻(xiàn)率。圖中可以看出 X2 醫(yī)療機(jī)構(gòu)數(shù) 高出其他變量，說(shuō)明 醫(yī)療衛(wèi)生對(duì)人口平均預(yù)期壽命 有很大影響， 人均 GDP 影響較大。 /*輸出數(shù)據(jù)列表 prin1 prin2*/ run。 id district。 by prin2。/*識(shí)別輸出觀測(cè)的觀測(cè)值 district*/ var prin1 prin2。/*對(duì) prin1升序排列 */ proc print。/*分析變量為 y,x1,x2*/ proc sort。 (七 )各 省人均壽命與各因素的 主成分 分析 proc prinp data =b out =prin。由上檢驗(yàn)結(jié)果可以看出都通過(guò)了顯著性檢驗(yàn)，即滿(mǎn)足方差分析的假設(shè)條件。 /*指出分類(lèi)變量為 region，用來(lái)區(qū)分兩個(gè)樣本 */ run。 /*利用 UNIVARIATE 過(guò)程進(jìn)行正態(tài)性檢驗(yàn) */ var y。 /*通過(guò) IF 語(yǔ)句定義變量 region，用來(lái)區(qū)分東部和西部地區(qū) */ run。 else region=39。) then region=39。 39。 39。 39。 39。 39。 39。 39。 39。 39。 39。 39。 /*讀入數(shù)據(jù)集 b*/ if district in (39。通過(guò) SAS 分析的結(jié)果如下： data sample。第四類(lèi)寧夏、內(nèi)蒙等地經(jīng)濟(jì)較落后，醫(yī)療機(jī)構(gòu)數(shù)相對(duì)較少。天津、上海分別單獨(dú)為一類(lèi)，處于東部發(fā)達(dá)地區(qū)，但醫(yī)療機(jī)構(gòu)數(shù)太少。 run。 譜系圖： proc tree horizontal。觀察商標(biāo)，發(fā)現(xiàn)當(dāng) NCL=4 時(shí) t 方最大， NCL=3 時(shí)次大， NCL=5 時(shí)第三大，其他的在 NCL= 時(shí)也比較大，故應(yīng)當(dāng)考慮分類(lèi)為 5類(lèi)的可能。 因此 NCL越大 F一般是越大的，縱觀所有的 F統(tǒng)計(jì)量，并沒(méi)有 F統(tǒng)計(jì)量隨著類(lèi)個(gè)數(shù)減少反而增多的反常情況，但是在 NCL=7 時(shí)，其與其上的相鄰 F 統(tǒng)計(jì)量差有 ； NCL=5 時(shí)，與 NCL=4 的相鄰 F 19 統(tǒng)計(jì)量差有 ，相比其他的相鄰 F 統(tǒng)計(jì)量差值明顯較大，應(yīng)當(dāng)引起注意，故應(yīng)當(dāng)考慮分類(lèi)為 4 或 5 類(lèi)的可能。觀察上表，當(dāng) NCL= 2時(shí)都比較大， 在 NCL=之后已經(jīng)超過(guò) ，所以應(yīng)當(dāng)尤其認(rèn)真考慮分為 2類(lèi)的可能。根據(jù)所得結(jié)果，我們看到在 NCL（剩余類(lèi)數(shù)） = 2 時(shí)， R 方下降劇烈，所以應(yīng)當(dāng)認(rèn)真考慮分為 2類(lèi)的可能。 18 圖 12 由圖 12 可知： （ 1） RSQ 為 R 方統(tǒng)計(jì)量， R 方總是隨著分類(lèi)個(gè)數(shù)的增多而變大，所以當(dāng)?shù)谝徊浇Y(jié)束時(shí) R 方最大接近于 1， R 方越大說(shuō)明類(lèi)內(nèi)離差平方和越小，聚類(lèi)效果也越好。 /*利用 CLUSTER過(guò)程進(jìn)行系統(tǒng)聚類(lèi)，聚類(lèi)方法為 Ward最小方差法 */ id district。 Ward 法： 類(lèi)中和樣品到類(lèi)中心（均值）的平方歐氏距離之和。醫(yī)療水平 高 的地區(qū)寂靜發(fā)達(dá)，居民消費(fèi)水平高，因此使該地區(qū)的人口預(yù)期壽命較高，河北、河南就賦予這類(lèi)情況。 圖 10 由圖 10可知， Y,X1,X2,X3,它們分別的樣本量 N，樣本均值，樣本標(biāo)準(zhǔn)偏差，樣本總和，樣本最小值，樣本最大值 。 /*利用 CORR 過(guò)程計(jì)算變量之間的相關(guān)系數(shù) */ var y x1x3。 具體公式如下： 16 rxyj = ∑ (xi?x)(yji?yj)ni=1√∑ (xi?ni=1 x)2√∑ (yji?yj)2ni=1。 下面通過(guò)因素與各省人均壽命（用人均預(yù)期壽命表示人均壽命）之間的相關(guān)分析來(lái)分析哪些因素在各地人均壽命差異的現(xiàn)象中起了重要作用。目前經(jīng)濟(jì)水平高的人的壽命高于經(jīng)濟(jì)水平低的，還有一些發(fā)達(dá)地區(qū)污染比較嚴(yán)重，導(dǎo)致人均預(yù)期壽命較低。 15 圖 9 由圖 9可知， 多重比較結(jié)果是：上海的人均預(yù)期壽命最大是 ，天津的人均預(yù)期壽命最小是 。 /*以 y 為指針變量， district 為因素變量建立方差分析模型 */ means district/t hovtest。 class district。 多重比較 是利用全部觀測(cè)數(shù)據(jù)，實(shí)現(xiàn)對(duì)各個(gè)水平下觀測(cè)變量總體均值的逐對(duì)比較，得出哪個(gè)因素的影響最大。 /* vif 要求計(jì)算方差膨脹因子，而 collin 和collinoint 則要求進(jìn)行多重共線(xiàn)診斷 * run。 proc reg data=b。/*以標(biāo)準(zhǔn)化的殘差值為縱軸，因變量的預(yù)測(cè)值為橫軸繪圖 */ run。 /*以 y為因變量，以 x x2 和 x3 為自變量建立回歸模 型 */ plot student.*p.=39。 殘差圖 proc reg data=b。 /*采用逐步篩選法建立回歸模型 */ run。 proc reg data=b。 （三） 回歸分析 逐步回歸法 逐步回歸的基本思想是：首先在待選的 M個(gè)變量中選擇一個(gè)對(duì)因變量影響最大的自變量，這可以通過(guò)因變量與每一自變量進(jìn)行回歸得 到的 F值來(lái)判斷。 圖 3 由圖 3可知， x2 與 y 的線(xiàn)性關(guān)系不太明顯，隨 x2 的增加， y趨于平穩(wěn) 。 /*繪圖的顏色為紅色，連直線(xiàn)，點(diǎn)符號(hào)為 *,聯(lián)機(jī)的顏色為藍(lán)色 */ run。 /*縱坐標(biāo)為 y,橫坐標(biāo)為 x2繪圖 */ plot y*x3。/*對(duì)數(shù)據(jù)集 b繪制散點(diǎn)圖 */ plot y*x1。 圖 1 由圖 1可知，各人均預(yù)期壽命的樣本均值為 ，樣本標(biāo)準(zhǔn)偏差為 ，樣本中人均預(yù)期壽命的最大值為 ，最小值為 ，斜度為 。 /*利用 MEANS 過(guò)程計(jì)算描述統(tǒng)計(jì)量 */ var y x1x3。 北京 70234 9734 18440 天津 63395 4238 河北 24583 80963 山西 20779
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1