1、2012高教社杯全國大學生數學建模競賽承 諾 書我們仔細閱讀了中國大學生數學建模競賽的競賽規則.我們完全明白，在競賽開始后參賽隊員不能以任何方式（包括 、電子郵件、網上咨詢等）與隊外的任何人（包括指導教師）研究、討論與賽題有關的問題。我們知道，抄襲別人的成果是違反競賽規則的, 如果引用別人的成果或其他公開的資料（包括網上查到的資料），必須按照規定的參考文獻的表述方式在正文引用處和參考文獻中明確列出。我們鄭重承諾，嚴格遵守競賽規則，以保證競賽的公正、公平性。如有違反競賽規則的行為，我們將受到嚴肅處理。我們授權全國大學生數學建模競賽組委會，可將我們的論文以任何形式進行公開展示（包括進行網上公示，在

2、書籍、期刊和其他媒體進行正式或非正式發表等）。我們參賽選擇的題號是： C 我們的參賽報名號為（如果賽區設置報名號的話）： 所屬學校（請填寫完整的全名）： 四川文理學院 參賽隊員 (打印并簽名) ：1. 2. 3. 指導教師或指導教師組負責人 (打印并簽名)： 日期： 2012 年 9 月 7 日賽區評閱編號（由賽區組委會評閱前進行編號）：2012高教社杯全國大學生數學建模競賽編 號 專 用 頁賽區評閱編號（由賽區組委會評閱前進行編號）：賽區評閱記錄（可供賽區評閱時使用）：評閱人評分備注全國統一編號（由賽區組委會送交全國前編號）：全國評閱編號（由全國組委會評閱前進行編號）：腦卒中發病環境因素分析

3、及干預摘 要本文就腦卒中發病環境因素分析及干預的問題，通過EXCEL的數據統計及作圖分析，利用多元線性回歸擬合、層次分析法和模糊綜合評判法進行定量、定性的分析,得到如下相關結論。對于問題一：分別就職業、年齡、性別對腦卒中的發病情況采用統計分析方法，并利用EXCEL軟件對所給數據進行統計描述。在發病人數中：農民發病率最高，達到45.09%；年齡段在60歲到74歲、75歲到89歲發病率相對較高，分別為39%、40%；男性發病率比女性發病率高出33.427%。對于問題二：解決步驟：建立層次分析模型，采用Matlab編程，得到各因素間的綜合排序：相對濕度>氣溫>氣壓；采用單因素相關分析和多

4、因素回歸分析的方法來探討氣溫、氣壓、相對濕度與發病率之間的關系；利用Matlab軟件進行擬合得到回歸方程式、時間與月份的發病時間序列方程式，進行殘差作圖分析，并就發病時間序列方程式預測出了該城市2011年1月份的發病率為7.6402%；利用模糊綜合評判法對整個模型進行綜合評價，得到發病率相對較高的季節為夏季和秋季。對于問題三：結合問題一、二所得結論及網上相關文獻資料，通過建立高危人群的層次模型，利用Matlab軟件求出各因素的權重值，得到腦卒中高危人群的重要特征及關鍵指標，從定性、定量兩方面對高危人群提出了相應的預警和干預的建議方案。 關鍵詞：統計分析 層次分析法 多項式回歸 殘差分析 模糊綜

5、合評判 一問題重述腦卒中（俗稱腦中風）是一種突然起病的腦血液循環障礙性疾病,也是目前嚴重威脅人類生命的疾病之一，這種疾病的誘發已經被證實與環境因素（氣溫、濕度、氣壓等）存在密切的關系。對腦卒中的發病環境因素進行分析，其目的是為了進行疾病的風險評估，對腦卒中高危人群能夠及時采取干預措施，也讓健康人或者亞健康人了解自己得腦卒中風險程度，從而進行自我保護。并且通過數據模型的建立，掌握疾病發病率的規律，對于衛生行政部門和醫療機構合理調配醫務力量、改善就診治療環境、配置床位和醫療藥物等都具有實際的指導意義。本文要求根據題目所提供的數據，回答以下三個問題：1 根據病人的基本信息，對發病人群進行分析統計描述

6、。2 建立數學模型研究腦卒中發病率與氣溫、氣壓、相對濕度間的關系。3 查閱和搜集文獻中有關腦卒中高危人群的重要特征和關鍵指標，結合1、2中所得到的結論，對高危人群提出預警和干預的建議方案。二問題分析2.1 針對問題一：根據附表給定的相關資料,首先由于數據龐大所以我們對其先進行歸納分類;其次,根據內容我們分別對各年份不同性別、職業、年齡的發病人數進行統計分析;最后通過作相應的柱狀圖、餅狀圖和散點曲線圖進行直觀描述并進行簡要的分析。2.2 針對問題二：對于研究腦卒中發病率與氣溫、氣壓、相對濕度間的關系，我們首先建立層次分析模型；其次，對附表數據進行處理并采用單因素和多因素回歸分析方法對模型進行分析

7、、預測；最后，對模型做出綜合性的評價。2.3 針對問題三：通過對問題一、二的結果進一步分析，查閱和搜集相關文獻，得到腦卒中高危人群的重要特征和關鍵指標，再次運用層次分析法得出結論，對高危人群提出相應的預警和干預的建議方案。3 模型假設1、 由于不同地區的氣候不同，影響程度不一樣，所以本文不針對其它地區的情況進行考慮，只限于該城市；2、 假設數據表中有空缺和錯誤的數據是隨機分布；3、 假設表中的數據都具有針對性、合理性和代表性；4、 假設只考慮環境因素中的氣象問題；5、 假設在20072010年期間該城市沒有重大自然環境的變化；6、 由于本文討論的是環境因素對腦卒中發病的影響，所以不考慮影響腦卒

8、中發病的其它因素。4 符號說明該城市第2006+年的第個職業的發病人數該城市第2006+年的第個職業的發病人率該城市第2006+年的發病總人數男性發病人群比女性發病人群高出的比例該城市2010年第個月的發病人數 該城市2010年第個月的發病率該城市平均氣壓該城市最高氣壓該城市最低氣壓 該城市平均溫度 該城市最高溫度該城市最低溫度該城市平均相對濕度 該城市最小相對濕度 每個影響因素對應的判斷矩陣，矩陣對應的權向量，空氣中的實際水汽壓同溫條件下純水（冰）平面飽和水汽壓零點溫度模糊評判矩陣模糊綜合評價結果向量 隨機誤差五模型的建立及求解5.1 問題一針對問題一將附表3中的數據進行歸類整理，就其職業、

9、年齡段和性別三方面進行統計、作圖、分析。5.11 從職業方面考慮結合附表4利用Excel軟件統計出該城市各年份中各職業的腦卒中人數做出統計表(其中處理數據時，職業為9或空格的全部歸為職業9，即為其他或缺失職業)：表(一)職業年業123456789人數合計2007 7029 773 1903 38 17 22 50 416 2271 125192008 10082 1252 2497 63 38 19 108 807 4146 190122009 1549 1478 116 71 6 35 313 23 6413 100042010 10915 1298 2119 44 4 13 252 502

10、 4444 19591注：Occupation(職業): 1- 農民 2- 工人 3- 退休人員 4- 教師5- 漁民 6- 醫務人員 7- 職工 8- 離退人員 9- 空格、其他或缺失對表(一)中的數據，根據公式：求出發病人數在各個職業中所占比例，再利用Excel軟件做出各個職業近四年發病率()的柱狀圖如(圖1)：圖1通過觀察和分析(圖1)發現，在題目的附錄中明確指出2009年的數據有缺失，所以出現與其他年份不相近的結果，但總體趨勢是相同的，腦卒中在農民人群中發病率相對最高，主要原因是農民長期在田間勞作，其濕度相對其他職業的工作地點較高，因此農民中腦卒中的發病率較高，其次就我國現狀中農民人口

11、相對其他職業的人口多出很多,故腦卒中的發病數較多。因此，可以通過提高農作技術來降低農民在濕度較高的農田里工作的時間，從而降低腦中風的發病率。5.12 從年齡段方面考慮通過網上查閱資料1 董淼, 體重指數出現新說法 :/finance.ifeng /roll/20110310/3621467.shtml 20120909，按國際最新分法將人群分為以下五個階段：表(二) 年齡階段44歲以下45歲59歲60歲74歲75歲89歲90歲以上人群 青年人 中年人年輕老年人老年人長壽人再結合附表4中的數據，利用Excel軟件統計出該城市近四年中各年齡段的腦卒中人數做出統計表為：表(三)年齡階段44歲以下45

12、歲59歲60歲74歲75歲89歲90歲以上人數187772591788118549513對表(三)再利用Excel軟件做出餅狀圖形如圖2：圖2通過觀察（圖2）并分析，發現年齡段在75歲到89歲之間的人群發病數最高占40%，其次是60歲到74歲之間的人群發病數占39%，45歲到59歲之間的人群發病數占相對較小的部分，最后44歲以下和90歲以上的人群所占比例最少。5.13 從性別方面考慮結合附表4利用Excel軟件統計出該城市近四年中各個年齡段中男女發病人數做出統計表為：表(四)各年齡階段44歲以下45歲59歲60歲74歲75歲89歲 90歲以上男 1430 5623 1379111896 443

13、女 902 3902 1033612406 785對表(四)再利用Excel軟件做出光滑、連續的散點曲線圖如圖3：圖3通過觀察（圖3），發現各個年齡段上基本都是男性發病的人數比女性發病的人數多，尤其是在60歲至74歲的人群中男性發病人數比女性發病人數高出了，因此性別對腦卒中發病率還是影響較大的。5.2對于問題二5.21.構造層次模型2 姜啟源，謝金星，葉俊，數學模型，北京：高等教育出版社，2004氣溫氣壓相對濕度生活行為方式遺傳因素醫療衛生服務環境因素 發病率 由于影響發病率的因素很多且數據龐大，因此我們選取從一個側面即環境中的氣象因素對發病率的影響情況進行分析。數據（見Appendix-C1

14、）來源于中國某城市各家醫院2007年1月至2010年12月的腦卒中發病病例信息以及相應期間當地的逐日氣象資料（Appendix-C2）附表4。5.22綜合氣溫、氣壓、相對濕度對發病率的影響程度構造一個判斷矩陣：一致性指標的數據，1-9的尺度（見附錄1）一致性檢驗：(Matlab編程代碼見附錄代碼1) ，歸一化后的權向量：影響程度的綜合排序：相對濕度>氣溫>氣壓綜上證實了問題一中:農民工發病率最高的較大影響因素是相對濕度，同時也驗證了相對濕度在發病率中影響程度較高以及其所占的權值最大。5.23對氣溫、氣壓、相對濕度數據的處理結合問題一中得出的相關數據對該城市2007年至2010年的氣

15、象資料(見Appendix-C2)中的數據進行處理：表（五） 2010年每月份發病人數月份1月2月3月4月5月6月7月8月9月10月11月12月發病人數175814931725170218801605175916741631171215691078注：2007年、2008年、2009年的發病人數見附表2利用：求出20072010年每個月的發病人數所占的比例為：表（六）月份1月2月3月4月5月6月7月8月9月10月11月12月發病率(%)8.987.628.818.699.68.198.988.558.338.748.015.5注：2007年、2008年、2009年的發病人率見附表2表（七）該城

16、市2010年每月份的氣壓、溫度和濕度的相關數據月份因素1234567891011121025.7551020.6711020.3711017.8771009.7871007.641005.2231007.4711011.5131018.8521021.941020.2391029.0061023.5751024.0481021.361011.8131009.1131006.7871009.211013.21020.7651024.121023.291022.311017.6361016.591014.331007.61006.041003.5611005.6421009.861017.0261

17、019.7471016.9164.4396.9438.74812.52320.70623.728.58730.43225.54718.05812.9936.9398.87110.88213.116.7625.15827.53332.6134.93529.34322.117.9512.0231.0323.8075.4399.02317.12920.7625.83526.97422.67314.6688.6873.07770.93574.67970.80669.56768.38776.475.58171.58177.274.2968.962.22650.61355.42951.09750.446.

18、54856.96758.12951.64558.46752.09742.43338.516注：2007年、2008年、2009年的氣壓、溫度和濕度的相關數據見附表35.24采用單因素相關分析和多因素回歸分析方法3 韓中庚，數學建模方法及其應用M，北京：高等教育出版社，2005。探討發病率與氣溫、氣壓、相對濕度之間的關系。1.單因素分析：我們把2007年到2010年每個月平均氣壓、最高氣壓、最低氣壓與每個月發病率的的數據對應結合在一起進行統一擬合，并利用Matlab軟件擬合相應的函數關系式。（1）各氣象與發病率的相關程度1.氣壓：該城市發病率與氣壓的相關程度不明顯。其相關系數，計算其回歸直線方程

19、(，下同)為(程序見代碼2)：作出其殘差圖為圖42. 氣溫：該城市發病率與氣溫的呈正相關，但不顯著。其相關系數，計算其回歸直線方程為(程序見代碼3)： 作出其殘差圖為圖53. 相對濕度： 該城市發病率與氣壓呈顯著的正相關。其相關系數，計算其回歸直線方程為(程序見代碼4)： 作出其殘差圖為圖6綜上各氣象與發病率的相關程度分析可得：除部分數據外，其余數據的殘差離零點均較近，且殘差的置信區間均包含零點，這說明以上回歸模型都能較好的符合原始數據，因此對于未經零點的部分數據可視為異常點。（2） 各氣象因素之間相關程度分析：由于氣壓、氣溫、相對濕度之間存在一定的聯系，且根據以上得出的結果分析相對濕度對發病

20、率的影響程度更大，因此相對濕度()可以表達為：（其中：空氣中的實際水汽壓（）,同溫條件下純水（冰）平面飽和水汽壓（）由馬格努斯公式4 孫士型, 居志剛 三峽壩區相對濕度變化特征, 氣象科技<2002年 > 第05期可知：由于地面天氣報告中沒有水汽壓的資料，因而利用水汽壓計算相對濕度有困難，因此我們采用零點溫度（）（表示在水汽含量和大氣壓強不變時的實際水汽壓（）進行計算，可在天氣圖和天氣報文中獲取。2.多因素回歸分析：（1）根據公式計算氣壓、氣溫、相對濕度對發病率的共同影響，可得直線回歸方程： (程序見代碼5)（2）對發病率進行預測：根據模型依次按月的順序擬合出2007年1月到201

21、0年12月的一條發病率序列為：(程序見代碼6)表（八）年份發病率（%）序號12345678910111220077.97268.10128.26588.83178.9958.16218.44168.78038.24798.5488.96958.3423序號13141516171819202122232420088.86198.84398.97348.79128.65457.64528.63238.20828.09538.20018.05658.4738序號25262728293031323334353620098.10187.49318.1168.53399.09728.21168.30367

22、.91678.05348.6667.89287.9928序號37383940414243444546474820108.03367.76038.09038.28468.52198.1018.32978.75398.27528.30848.48568.5341做出原始的實際發病序列和擬合后的發病率時間序列圖為：圖7通過觀察圖像發現擬合的發病率與實際的發病率基本相符合，即可以用此模型結合對應的氣壓、氣溫和濕度來預測分析。利用Excel軟件作出時間序列和發病率的散點圖，添加多項式函數的趨勢，并且顯示出擬合的函數式（操作方法見附錄中的操作1）：+（其中x為月份，2007年1月為第1個月份）其圖像為：圖

23、8通過觀察圖像發現擬合的發病率與實際的發病率基本相符合，即可以用此模型來結合時間序列作預測分析。預測2011年1月份的發病率，即x=49,則M=7.6402%，在誤差范圍內基本符合實際。5.25對該模型進行模糊綜合評價5 吳建國，數學建模案例精編， 北京：中國水利水電出版社，2005根據氣壓、氣溫和相對濕度對2007-2010年中每個月腦卒中發病率的影響，即建立模糊關系矩陣將A中的權向量作為模糊綜合評價中評價因素的權向量，即：綜合評價結果向量為：由可得2007-2010年整體發病率的情況，即將這12個月的發病率情況歸納為隨四個季節的變化影響：春季（3、4、5月）：0.2333夏季（6、7、8月

24、）：0.3001秋季（9、10、11月）：0.2645冬季（12、1、2月):0.2022用Excel軟件作出餅狀圖為：所以發病率的高低按季節排序為：夏季>秋季>春季>冬季其主要原因是夏季降雨量多，空氣中的濕度相對其它季節較高，夏季太陽照射時間多，從而氣溫也相其它季節要高許多，所以夏季腦中風的發病率是四個季節中最高的季節。相反冬季空氣中相對其它季節比較干燥，即濕度很低，氣溫也很低，但冬季的氣壓較高，從而彌補了濕度和氣溫低的影響，導致冬季的發病率與夏季的發病率相差不是很大，但該季節發病率也始終相對于其它季節要低。而秋季和春季中的濕度和氣溫就處于夏季和冬季之間，故發病率也處于它們

25、之間。5.3 問題三531綜合問題一、二結論根據問題一所反映出的情況：職業因素方面看，農民占患腦卒中總人口的比例最高達45.09%，其次是退休人員和工人18.62%,而教師、漁民、醫務人員、職工和離退人員卻僅占4.6%，除了前面8個職業外的其他職業患腦卒中的比例占31.68%； 年齡段來看，在75歲到89歲之間的人群患腦卒中的人數最多，達到40%，其次是60歲到74歲之間的人群患腦卒中的人數相對較多占39%，45歲到59歲之間的人群占16%，而其他人群患腦卒中的比例僅占5%；性別方面來看，在80歲以下的男性患腦卒中的比例比女性患腦卒中的比例高，最高達到了33.427%，但80歲以上的女性患腦卒

26、中的比例比男性稍高點。根據問題二所反映出的情況：在環境因素中相對濕度對腦卒中的影響程度最大，夏季的發病率最高，高達31%，因此氣象對人們的健康有著密切的關系。5.32現狀與指導意義通過查閱和搜集相關文獻得知，2008年公布的我國居民第三次死因抽樣調查結果顯示，腦血管病已成為我國國民第一位的死亡原因。世界衛生組織的MONICA研究表明，我國腦卒中發生率正以每年8.7%的速率上升，發病者約30%死亡，70%的存活者有偏癱失語等殘障。根據以上資料顯示，腦卒中嚴重影響著我國居民的生命，所以我們有必要采取一定預防措施，從而可以避免腦卒中的發生，同時能夠控制已患病者的病情，降低腦卒中的發病率、致殘率和死亡

27、率。5.33對高危人群提出預警和干預的建議方案如下：通過對一、二問題結論的分析我們知道導致腦卒中的因素有高血壓、高血脂、性別歸之于遺傳因素，飲食、鍛煉、醫療歸之于教育因素，而氣壓、氣溫、濕度是我們研究討論的環境因素。根據現代教育學6 李森,程小端,現代教育學基礎，華東師范大學出版社 20098. 附錄Matlab編程：代碼1：A=1 1/3 1/5;3 1 1/3;5 3 1;r_max=max(eig(A)%求出最大特征根CI=(r_max-3)/(3-1)RI=0.58;%3階矩陣的平均隨機一致性指標為0.58CR=CI/RIfor i=1:3 M=1; for j=1:3 M=M*A(i

28、,j); end w(i)=(M)(1/3);endW=w/sum(w)%權重代碼2：%利用多項式擬合平均氣壓、最高氣壓和最低氣壓與發病率的關系式，并檢驗殘差AP=1028.21020.71018.31016.51008.41006.210031004.91010.510191024.11023.51027.21027.61018.81014.61008.61005.61003.71005.81011.31018.21023.210251027.71019.61019.41015.71012.11003.41003.81005.81012.11016.81023.41024.61025.755

29、1020.6711020.3711017.8771009.7871007.641005.2231007.4711011.5131018.8521021.941020.2391030.31023.51021.31019.31010.81007.81004.81006.71012.31020.91026.11025.91029.81030.11021.31017.11010.81007.61005.31007.510131020.31025.31028.31030.21022.71022.81018.21014.11005.11005.51007.51013.71018.8102610271029

30、.0061023.5751024.0481021.361011.8131009.1131006.7871009.211013.21020.7651024.121023.291026.31017.8101510141005.81004.41001.210031008.71017.11022.11021.31024.610251016.21011.81006.21003.51001.71004.21009.51016.31021.11022.11024.810161016.210131009.81001.510021004.21010.510151020.71022.11022.311017.63

31、61016.591014.331007.61006.041003.5611005.6421009.861017.0261019.7471016.916;y=7.055.547.748.138.037.797.578.889.5210.279.1310.34 9.610.2610.069.219.37.857.867.216.747.737.266.93 8.698.468.318.68.757.949.39.338.37.596.678.07 8.987.628.818.699.68.198.988.558.338.748.015.5;Y=y'X1=ones(48,1) AP(1,:)

32、' AP(2,:)' AP(3,:)'b,brint,r,rint,stata=regress(Y,X1)rcoplot(r,rint)%檢驗殘差代碼3：%利用多項式擬合平均溫度、最高溫度和最低溫度與發病率的關系式，并檢驗殘差T=4.50328.72511.56515.3722.61624.68329.39429.55524.29719.33912.5737.92583.1292.993111.07715.6321.4123.49330.17428.0124.94719.90612.0676.80322.96138.296410.00315.90721.61326.02

33、28.43927.55224.3320.44211.0335.55484.4396.9438.74812.52320.70623.728.58730.43225.54718.05812.9936.9398.041913.66415.92920.3427.63928.1933.65233.59728.06323.48117.0311.0776.21947.596615.96819.95326.81326.8134.43531.96128.9823.70316.1611.6487.283911.414.18420.8127.34230.69732.36531.03527.78725.07115.1

34、99.32588.87110.88213.116.7625.15827.53332.6134.93529.34322.117.9512.0231.8715.00717.951611.29318.48722.12326.28726.6121.6616.0528.92675.20.83226-0.586217.012912.10317.04221.0526.8124.94222.11716.8238.65332.7065-0.367745.71076.174211.66316.71922.525.125.25821.72316.5037.97332.53551.0323.8075.4399.023

35、17.12920.7625.83526.97422.67314.6688.6873.077;y=7.055.547.748.138.037.797.578.889.5210.279.1310.34 9.610.2610.069.219.37.857.867.216.747.737.266.93 8.698.468.318.68.757.949.39.338.37.596.678.07 8.987.628.818.699.68.198.988.558.338.748.015.5;Y=y'X2=ones(48,1) T(1,:)' T(2,:)' T(3,:)'b,

36、brint,r,rint,stata=regress(Y,X2)rcoplot(r,rint)%檢驗殘差代碼4：%利用多項式擬合相對濕度和最小相對濕度與發病率的關系式，并檢驗殘差H=73.22670.78669.2962.56761.77475.573.32369.09776.06771.64562.03367.77457.51657.89757.96862.43366.25882.36771.32377.32379.43377.19475.56765.54869.64579.46470.93567.361.25874.36775.12981.5488069.54877.471.90370.9

37、3574.67970.80669.56768.38776.475.58171.58177.274.2968.962.22651.16146.07148.58138.16739.38759.155.4195160.76751.96845.43358.83955.22642.79336.61346.63340.41966.53351.25857.12958.655.74250.93339.96847.03263.53649.2942.334.51651.73356.6136562.73342.35556.86750.58150.61355.42951.09750.446.54856.96758.1

38、2951.64558.46752.09742.43338.516;y=7.055.547.748.138.037.797.578.889.5210.279.1310.34 9.610.2610.069.219.37.857.867.216.747.737.266.93 8.698.468.318.68.757.949.39.338.37.596.678.07 8.987.628.818.699.68.198.988.558.338.748.015.5;Y=y'X3=ones(48,1) H(1,:)' H(2,:)'b,brint,r,rint,stata=regres

39、s(Y,X3)rcoplot(r,rint)%檢驗殘差代碼5：%利用多項式擬合平均氣壓、平均溫度和平均相對溫度與發病率的關系式，并檢驗殘差MX=1028.21020.71018.31016.51008.41006.210031004.91010.510191024.11023.51027.21027.61018.81014.61008.61005.61003.71005.81011.31018.21023.210251027.71019.61019.41015.71012.11003.41003.81005.81012.11016.81023.41024.61025.7551020.67110

40、20.3711017.8771009.7871007.641005.2231007.4711011.5131018.8521021.941020.2394.50328.72511.56515.3722.61624.68329.39429.55524.29719.33912.5737.92583.1292.993111.07715.6321.4123.49330.17428.0124.94719.90612.0676.80322.96138.296410.00315.90721.61326.0228.43927.55224.3320.44211.0335.55484.4396.9438.7481

41、2.52320.70623.728.58730.43225.54718.05812.9936.93973.22670.78669.2962.56761.77475.573.32369.09776.06771.64562.03367.77457.51657.89757.96862.43366.25882.36771.32377.32379.43377.19475.56765.54869.64579.46470.93567.361.25874.36775.12981.5488069.54877.471.90370.93574.67970.80669.56768.38776.475.58171.58

42、177.274.2968.962.226;y=7.055.547.748.138.037.797.578.889.5210.279.1310.34 9.610.2610.069.219.37.857.867.216.747.737.266.93 8.698.468.318.68.757.949.39.338.37.596.678.07 8.987.628.818.699.68.198.988.558.338.748.015.5;Y=y'X1=ones(48,1) MX(1,:)' MX(2,:)' MX(3,:)'b,brint,r,rint,stata=reg

43、ress(Y,X1)rcoplot(r,rint)%檢驗殘差代碼6：%平均氣壓P=1028.21020.71018.31016.51008.41006.210031004.91010.510191024.11023.51027.21027.61018.81014.61008.61005.61003.71005.81011.31018.21023.210251027.71019.61019.41015.71012.11003.41003.81005.81012.11016.81023.41024.61025.7551020.6711020.3711017.8771009.7871007.6410

44、05.2231007.4711011.5131018.8521021.941020.239;%平均溫度T=4.50328.72511.56515.3722.61624.68329.39429.55524.29719.33912.5737.92583.1292.993111.07715.6321.4123.49330.17428.0124.94719.90612.0676.80322.96138.296410.00315.90721.61326.0228.43927.55224.3320.44211.0335.55484.4396.9438.74812.52320.70623.728.58730

45、.43225.54718.05812.9936.939;%平均相對濕度R=73.22670.78669.2962.56761.77475.573.32369.09776.06771.64562.03367.77457.51657.89757.96862.43366.25882.36771.32377.32379.43377.19475.56765.54869.64579.46470.93567.361.25874.36775.12981.5488069.54877.471.90370.93574.67970.80669.56768.38776.475.58171.58177.274.2968.

46、962.226;for i=1:48 M(i)=-21.5592+0.033*P(i)+0.0525*T(i)-0.0633*R(i);endM%顯示擬合的發病率序列代碼7%高危人群A:A=1 3 1/7;1/3 1 1/5;7 5 1r=eig(A)CI=(r-3)/2CR=CI/2x,y=eig(A);m m=find(y=max(max(y);W=x(:,m)/sum(x(:,m)%遺傳因素B1：B1=1 2 7;1 1/2 4;1/7 1/4 1r=eig(B1)CI=(r-3)/2CR=CI/2x,y=eig(B1);m m=find(y=max(max(y);w1=x(:,m)/s

47、um(x(:,m)%教育因素B2：B2=1 7 5;1/7 1 1/2;1/5 2 1r=eig(B2)CI=(r-3)/2CR=CI/2x,y=eig(B2);m m=find(y=max(max(y);w2=x(:,m)/sum(x(:,m)%綜合排序：W=0.1702 0.0915 0.7383G=0.6026 0.3150 0.0823;0.7396 0.0938 0.1666;0.1047 0.2583 0.6370W'=W*G操作步驟1:選中散點圖形中的點右擊散點左擊“添加趨勢線”左擊“類型”左擊“多項式”左擊“選項”選中“顯示公式”選中“顯示R平方值”左擊“確定”附錄1：隨機一致性指標RI的數值n1234567891011RI000.580.91.121.241.321.411.451.491.511-9尺度的含義尺度含義1Ci與Cj的影響相同3Ci比Cj的影響稍強5Ci比Cj的影響強7Ci比Cj的影響明顯的強9Ci比Cj的影響絕對的強2，4，6，8Ci與Cj的影