目的采用線性和非線性回歸模型擬合廣東省職業(yè)病新發(fā)病例數(shù)量的變化趨勢,篩選最優(yōu)擬合模型。方法以廣東省2003—2017年職業(yè)病新發(fā)病例數(shù)為因變量(■),以年份為自變量(x),采用線性回歸、三次函數(shù)、二次函數(shù)、復(fù)合函數(shù)、增長函數(shù)、指數(shù)函數(shù)、Logistic函數(shù)、冪函數(shù)、對數(shù)函數(shù)、S型函數(shù)、逆函數(shù)等11種數(shù)學(xué)模型對數(shù)據(jù)進(jìn)行擬合,篩選擬合效果最好的模型描述新發(fā)職業(yè)病的變化趨勢并進(jìn)行驗(yàn)證。結(jié)果 11種數(shù)學(xué)模型中,三次函數(shù)回歸模型擬合結(jié)果的決定系數(shù)最高(為0.94,P<0.01),擬合效果最好,擬合曲線為■。采用該模型擬合2003—2019年廣東省職業(yè)病新發(fā)病例數(shù)量的結(jié)果顯示,除2011年外,其余年份新發(fā)病例數(shù)量實(shí)際值均在模型擬合值的95%可信區(qū)間內(nèi);擬合值與實(shí)際值的相對偏差絕對值為中位數(shù)和第25、75百分位數(shù)為8.9%(4.3%,14.7%)。結(jié)論基于三次函數(shù)回歸模型可較好地?cái)M合職業(yè)病發(fā)病的變化趨勢,可用于職業(yè)病發(fā)病趨勢描述。

【文章頁數(shù)】：4 頁

【部分圖文】：

圖1廣東省2003—2017年職業(yè)病新發(fā)病例數(shù)量分布

采用2.2擬合的三次函數(shù)回歸方程對廣東省2003—2019年職業(yè)病新發(fā)病例數(shù)量進(jìn)行擬合,結(jié)果顯示,除2011年外,新發(fā)病例實(shí)際值均在模型擬合值的95%可信區(qū)間(confidenceinterval,CI)內(nèi);新發(fā)病例擬合值與實(shí)際值的相對誤差絕對值為0.5%～27.1%,M(P2....

圖2廣東省2003—2017年職業(yè)病新發(fā)病例數(shù)三次函數(shù)回歸預(yù)測模型曲線

表1廣東省2003—2017年職業(yè)病新發(fā)病例數(shù)量時(shí)間趨勢預(yù)測數(shù)學(xué)模型擬合參數(shù)數(shù)學(xué)模型模型匯總參數(shù)估計(jì)R2F值P值常數(shù)項(xiàng)b1b2b3三次函數(shù)0.94146887.14<0.01165.668.905.66-0.20二次函數(shù)0.93211....

本文編號：3904395