人畜布鲁氏菌病流行特征的数据分析

作者：李秋丽夏蔚张彤丁岩峰 【摘要】了解人畜布鲁氏菌病发病率的关系，以解释布鲁氏菌病的流行特征，为其防制提供科学依据。

方法：采用相关和回归方法进行分析，在5种模型中进行拟合。

结果：人畜布鲁氏菌病发病率正相关，比较切合模型2。

结论：人畜布鲁氏菌病发病率有很大的关系。

【关键词】布鲁氏菌病流行特征数理统计回归分析 　　探讨畜间布鲁氏菌病对人间布鲁氏菌病的影响，提示人畜布病发病率的关系，可以用数字理清思路，解释疾病的流行特征，为预防和控制布病的流行提供数据分析上的科学依据。

本研究采用相关和回归分析法对人畜布鲁氏菌病发病率进行数据分析。

1数据与方法 　　1.1数据 数据来源于当地疾控制中心以及参考文献，见表1，2。

1.2方法 采用相关和回归方法进行分析，在线性模型和可化为线性模型的5种模型中进行拟合：①Y=α+βX+ε;②log(Y)=α+βlog(X)+ε;③log(Y)=α+βX+ε;④Y=α+βlog(X)+ε;⑤log(Y1—Y)=α+βX+ε。

表11998～2005年布鲁氏菌病监测情况（略） 　　1.3资料处理 应用SPlus建立数据库，对数据进行整理和补充，进行数据分析。

表21998～2002年畜间布病监测结果（略） 　　2结果 　　2.1模型的选取 综合考虑5种模型的拟和结果以及拟合直线图和残差正态检验图可以看出，此组数据比较切合模型②，即模型类型确定为：log(Y)=α+βlog(X)+ε模型。

5种模型的拟和分析表见表3。

表35种模型的似合分析表（略） 其中Y为人间布病的发病率，X为畜间布病的发病率。

复相关系数R2=（i—)2(yi—)2是衡量响应变量与响应变量估计值之间拟合效果的一个量化指标，其数值越接近于1，说明拟合的效果越好。

2.2模型的拟合与论证 按照模型log(Y)=α+βlog(X)+ε进行拟合得到的结果为：log(Y)=—5.7131+0.5444log(X)+ε，即： =0.0033x0.5444。

拟和参数显著性检验表见表4。

表4参数显著性检验表（略） 其中参数α，β是模型log(Y)=α+βlog(X)+ε的参数；参数估计值是由数据拟合模型得到的各个参数的估计值；t值是在假设参数值就是的条件下，参数的估计值除以参数标准误所得到的值，因为这个量服从t分布，所以这个对应的值称t值；P值是以t值为临界值按t分布得到的概率值，如果P值很小，则拒绝假设，即认为参数值不为0。

实际问题中方程的参数值不为0被认为是响应变量与解释变量间的方程有意义，称为具有统计显著性。

此模型中的P值均非常小，参数以P0.0005与0有显著性差异。

方程具有统计显著性。