1、1糖尿病诱发原因的多元分析模型摘 要本文通过对影响糖尿病发病率的因素的分析,主要确定了:性别,年龄,工作方式,生活方式四个变量,并假设排除其他变量的影响。为使模型及数据更为简洁清晰，首先引进虚拟变量，如性别（1：男；2：女），并对年龄进行分组（1:25-34，2:35-44,3:45-54，4:55-64）。再者利用 SPSS 软件对数据进行了预处理，得到不同性别，年龄的发病率，以便于发现这些变量与糖尿病发病率的关系。从而建立了两个模型：多元线性回归模型及 矩阵模型。模型一 结合附件一、附件二考虑到不同公司的员工年龄、性别不同，建立了两个公司的二元线性回归模型，用 Excel 软件求出回归方程
2、，相应的残差，R 值等，对回归方程进行拟合，从而得出不同公司发病率的计算模型。得出结论：从工作种类来讲，在设计研究院的发病率大；但从员工年龄来讲，设计研究院的发病率大。模型二 由附件三中数据，结合医学常识，网络公司员工的糖尿病发病率应明显高于设计研究院，但实际数据与之相反。结合模型一中结论，可假设判定年龄因素、生活方式因素皆是影响糖尿病发病的组成因素。由于生活方式多样，根据多元分析、灰色系统等思想，见立了以发病率为因变量，以年龄因子、工作生活方式因子为自变量的多元线性函数关系： 7362514321 kkkk 利用 SPSS 中输出的相应结果代入上式，借助 工具进行矩阵运算，得出自变量Matl
3、b对应的系数。通过比较 （ 之间有可比性）的大小，得到不同的加班情432,k432,k况对糖尿病发病率的不同影响，通过比较 （ 之间有可比性）的大小，765,765,k得到不同的加班情况对糖尿病发病率的不同影响。得出结论：结论一: （ ）=（0.0445,0.0165，-0.00779），所以可直观得看出，在432,k加班情况中，经常加班这一因素在发病率中所占权重较大，即经常加班易诱发糖尿病结论二： （ ）=（-0.00911,-0.0207,0.0836），亦可得午餐情况中，吃765,快餐这一因素在发病率中所占权重较大，即经常性地吃快餐易诱发糖尿病。关键词：糖尿病发病率 统计描述和分析 多元
4、线性回归 多元分析 矩阵运算 权重2一、 问题重述1.1. 背景资料与条件背景资料：随着经济飞速发展，人们生活水平显著提高，中国糖尿病患病率快速升高并呈发病年轻化趋势，防治糖尿病形势异常严峻。糖尿病是一种内分泌代谢性疾病，其慢性并发症导致患者残废或死亡。糖尿病（diabetes）是由遗传因素、免疫功能紊乱、微生物感染及其毒素、自由基毒素、精神因素等等各种致病因子作用于机体导致胰岛功能减退、胰岛素抵抗等而引发的糖、蛋白质、脂肪、水和电解质等一系列代谢紊乱综合征，临床上以高血糖为主要特点，典型病例可出现多尿、多饮、多食、消瘦等表现，即“三多一少”症状，糖尿病（血糖）一旦控制不好会引发并发症，导致肾
5、、眼、足等部位的衰竭病变，且无法治愈。糖尿病发病与年龄的关系非常密切，型糖尿病患病率随年龄增长呈线性增长，以每 10 岁作为一个年龄段计算患病率，即 20、30、40、50 岁每增加 10 岁，糖尿病发病风险增加 60%左右。患病率的高峰在 70 岁以上达到 20%左右。我国大于 60 岁以上的老龄段人口比例 2000 年为 10.2%，2006 年为 13.6%，6 年间增加了 3.4%。随着老龄化人群的增多，糖尿病等与年龄相关性疾病的比例也在增加。 糖尿病年轻化是其发展的另一个趋势，调查数据显示：我国大、中城市和乡镇 20岁以上人群糖尿病和糖尿病前期患病率分别高达 11%和 15%。糖尿病
6、发病年轻化趋势明显，20 多岁人群糖尿病患病率高达 2.39%，比 10 年前增长了 7 倍。此外，不健康的生活方式也会诱发糖尿病，例如摄入总热量过多、体力活动减少导致肥胖，而肥胖是糖尿病发病的一个危险因素。所以日常预防工作一定要做好。 条件：国际公认的糖尿病的诊断标准是：正常人空腹血糖：，餐后小时血糖。如空腹血糖，餐后小时血糖就可诊断为糖尿病。空腹血糖指禁食至少小时后的血糖。 1通过调查研究我们这里给出了两个单位的员工的体检数据。附件一给出了某设计研究院体检数据，附件二给出了某网络公司体检数据，附件三给出了对两家单位员工访谈的数据。1.2. 需要解决的问题1请根据上述附件一和附件二的数据资料
7、，利用数学建模的方法，对两家单位糖尿病发病率进行比较，提出结论；2请结合附件三的数据资料，分析不同的工作、生活行为方式可能对糖尿病患病率产生的影响，研究影响糖尿病发病的因素；3通过建模方法得到的结果，和自己得出的结论，完成一篇可供报社发表的小短文，向普通大众介绍研究成果。1 美国糖尿病协会,王新军 于文 译 011 年 ADA 糖尿病诊疗标准执行纲要 ,http:/ 问题分析1.1. 问题的重要性分析 1980 年全国普查糖尿病的患病率为 0.67%，1994 年糖尿病患病率上升至2.51%。20072008 年，我国开展了糖尿病的大规模流行病学调查。研究结果表明，全国糖尿病的患病率已达 9.
8、7%，糖尿病前期的患病率高达 15.5%。这意味着，中国已成为全球糖尿病患者最多的国家 。据了解，目前我国总糖尿病患病人数达 9200 万以上，国际糖尿病联盟（IDF）最新预测世界糖尿病患病人群在 2030 年将直逼 5 亿。我国糖尿病防治形势严峻。 糖尿病的蔓延给社会及家庭造成沉重经济负担，预防糖尿病刻不容缓。通过对问题一的研究，可以比较这两个公司员工在不同的工作岗位，不同的性别，不同的年龄段在糖尿病发病率的不同。通过对问题二的研究，我们可以得到在不同的生活方式和工作方式下员工的发病率，分析影响糖尿病发病的各种因素，提出我们的结论，做好糖尿病的预防工作。通过对问题三的解决，我们可以写出一篇小
9、短文可供报社发表，有助于让社会了解我们的成果，有利于社会做好预防糖尿病的工作。 1.2. 问题的思路分析1. 问题一，要求我们对比两公司的发病率，从而得出结论。按到日常生活中的常识糖尿病的发病率可能与员工的性别，年龄等有关，一般年龄越大，发病率越高，为了说明糖尿病发病率与两因素之间的关系，本文首先运用 spss 进行数据处理，再运用统计数据分析模型，计算出两个单位总体，各单位不同性别，和单位不同的年龄段的发病率。然后建立两个单位的糖尿病发病率的回归模型，求出回归方程，进行比较，得出结论。2. 问题二，要求我们结合附件三的数据资料，分析不同的工作、生活行为方式可能对糖尿病患病率产生的影响，研究影
10、响糖尿病发病的因素。依照医学常识，年龄因素、生活方式因素共同构成了糖尿病的诱发因素。故可设发病率为因变量 Y，年龄因子、各种生活因子为自变量 X 。运用多元分析、灰色系统、矩阵相关概念，借助 软件拟合出自变量与因变量的线性模型。通过比较各种Matlb生活方式自变量在线性模型中它们系数的大小，较为精确直观得出各种生活方式对糖尿病发病影响程度的差异，得出结论。三、 基本假设2.1. 模型一假设1) 假设一:目前糖尿病的诊断标准，空腹血糖（FPG）7.0 mmol/L。即当空腹血糖大于或等于 7.0mmol/L，就可断定该患者患有糖尿病，反之则为正常。2) 假设二:附件所给的数据真实无误。3) 假设
11、三:不考虑突发事故， 和各种外界传染。即每个员工开始工作时身体健康没有感染。44) 假设四:不考虑妊娠糖尿病及其他特殊类型的糖尿病。5) 假设五:引进虚拟自变量(性别,年龄分组)即:男=1,女=2。2.2. 模型二假设假设一: 问卷调查随机抽样进行的，调查数据是客观公正的没有主观干扰因素。假设二：研究变量（年龄、工作生活方式变量）之外的其他因素对糖尿病的发病率影响忽略不计假设三：本文引用数据、资料均真实可靠。四、 符号说明发病率设计研究院A网络公司设计研究院的糖尿病发病率）（网络公司的糖尿病发病率）（ B， 为女性和男性的得病比率， 男性或者女性的得病率 ）（ ， 设计研究院女性，网络公司女性
12、的发病率）（ A）（ B， 设计研究院男性，网络公司男性的发病率)()(， 设计研究院，网络公司，员工年龄在 25-34 的得病率A1B， 设计研究院，网络公司，员工年龄在 35-44 的得病率2， 设计研究院，网络公司，员工年龄在 45-54 的得病率A3B， 设计研究院，网络公司，员工年龄在 55-64 的得病率4为不同年龄的得病率）（ ,321表示各年龄的组中值)4,（表示设计研究院经常加班，偶尔加班，不加班人群各自占总人数的比率A3,21）（表示网络公司经常加班，偶尔加班，不加班人群各自占总人数的比率B,）（表示设计研究院员工午餐情况分别为单位餐厅就餐，自带，盒饭人群各自占总人A3,2
13、1）（数的比率5表示网络公司员工午餐情况分别为单位餐厅就餐，自带，盒饭人群各自占总人数B3,21）（的比率五、 模型的建立与求解5.1.1. 模型一概述基本模型的建立:两公司发病率 与员工的年龄，性别的多元线形回归模型为：= + +A1）（ 2）（ 4,321),()(B拟合的。其中的 ， ， ， ， ， 是带估计的回归系数。123123由 Excel 回归的结果图表三和五以及回归方程可以看出糖尿病发病率与性别，年龄均有关系，且与年龄关系较大。5.1.2. 模型一的运用与求解利用 SPSS 对数据进行处理，得到下表：年龄分组* 是否发病* 性别* 公司代号 交叉制表是否发病公司代号 性别 .0
14、0 1.00 合计计数 78 0 78年龄分组 中的 % 100.0% .0% 100.0%是否发病 中的 % 17.8% .0% 17.1%1.00总数的 % 17.1% .0% 17.1%计数 82 2 84年龄分组 中的 % 97.6% 2.4% 100.0%是否发病 中的 % 18.7% 11.8% 18.4%2.00总数的 % 18.0% .4% 18.4%计数 125 10 135年龄分组 中的 % 92.6% 7.4% 100.0%是否发病 中的 % 28.5% 58.8% 29.6%3.00总数的 % 27.4% 2.2% 29.6%计数 154 5 159年龄分组 中的 %
15、96.9% 3.1% 100.0%是否发病 中的 % 35.1% 29.4% 34.9%1 男 年龄分组4.00总数的 % 33.8% 1.1% 34.9%6计数 439 17 456年龄分组 中的 % 96.3% 3.7% 100.0%是否发病 中的 % 100.0% 100.0% 100.0%合计总数的 % 96.3% 3.7% 100.0%计数 43 0 43年龄分组 中的 % 100.0% .0% 100.0%是否发病 中的 % 15.1% .0% 14.6%1.00总数的 % 14.6% .0% 14.6%计数 44 1 45年龄分组 中的 % 97.8% 2.2% 100.0%是否
16、发病 中的 % 15.5% 10.0% 15.3%2.00总数的 % 15.0% .3% 15.3%计数 96 2 98年龄分组 中的 % 98.0% 2.0% 100.0%是否发病 中的 % 33.8% 20.0% 33.3%3.00总数的 % 32.7% .7% 33.3%计数 101 7 108年龄分组 中的 % 93.5% 6.5% 100.0%是否发病 中的 % 35.6% 70.0% 36.7%年龄分组4.00总数的 % 34.4% 2.4% 36.7%计数 284 10 294年龄分组 中的 % 96.6% 3.4% 100.0%是否发病 中的 % 100.0% 100.0% 1
17、00.0%女合计总数的 % 96.6% 3.4% 100.0%计数 250 3 253年龄分组 中的 % 98.8% 1.2% 100.0%是否发病 中的 % 42.7% 27.3% 42.4%1.00总数的 % 41.9% .5% 42.4%计数 267 5 272年龄分组 中的 % 98.2% 1.8% 100.0%是否发病 中的 % 45.6% 45.5% 45.6%2.00总数的 % 44.8% .8% 45.6%计数 35 0 35年龄分组 中的 % 100.0% .0% 100.0%是否发病 中的 % 6.0% .0% 5.9%2 男 年龄分组3.00总数的 % 5.9% .0%
18、5.9%7计数 33 3 36年龄分组 中的 % 91.7% 8.3% 100.0%是否发病 中的 % 5.6% 27.3% 6.0%4.00总数的 % 5.5% .5% 6.0%计数 585 11 596年龄分组 中的 % 98.2% 1.8% 100.0%是否发病 中的 % 100.0% 100.0% 100.0%合计总数的 % 98.2% 1.8% 100.0%计数 191 5 196年龄分组 中的 % 97.4% 2.6% 100.0%是否发病 中的 % 48.8% 38.5% 48.5%1.00总数的 % 47.3% 1.2% 48.5%计数 174 5 179年龄分组 中的 % 9
19、7.2% 2.8% 100.0%是否发病 中的 % 44.5% 38.5% 44.3%2.00总数的 % 43.1% 1.2% 44.3%计数 12 2 14年龄分组 中的 % 85.7% 14.3% 100.0%是否发病 中的 % 3.1% 15.4% 3.5%3.00总数的 % 3.0% .5% 3.5%计数 14 1 15年龄分组 中的 % 93.3% 6.7% 100.0%是否发病 中的 % 3.6% 7.7% 3.7%年龄分组4.00总数的 % 3.5% .2% 3.7%计数 391 13 404年龄分组 中的 % 96.8% 3.2% 100.0%是否发病 中的 % 100.0%
20、100.0% 100.0%女合计总数的 % 96.8% 3.2% 100.0%表格 1利用 SPSS 绘制饼图:8图表 1 设计研究院男女发病率 图表 2 网络公司男女发病率9图表 3 网络公司不同年龄段的发病率差异图表 4 设计研究院不同年龄段发病率差异10利用 Excel 表格来进行回归分析。将虚拟变量输入 Excel 表格中，如：A 公司糖尿病发病率的影响因素年龄 性别 发病率1 1 0.00%2 1 2.40%3 1 7.40%4 1 3.10%1 2 0.00%2 2 2.20%3 2 2.00%4 2 6.50%表格 2 A 公司糖尿病发病率的影响因素通过工具菜单中的数据分析，对数
21、据进行回归的分析得到回归结果如下: 表格 3 A 公司回归方程分析同理制得 B 公司的表格： B 公司糖尿病发病率影响因素年龄 性别 发病率1 1 1.20%1 2 2.60%2 1 1.80%2 2 2.80%3 1 0.00%3 2 14.30%4 1 8.30%4 2 6.70%表格 4 B 公司糖尿病发病率影响因素其回归分析如下：11表格 5 B 公司回归模型分析5.1.3. 模型一结果由 Excel 回归的结果图表三和五以及回归方程 ）（）（ 4,321A05.-0168.42.- ),()(73B从饼图和模型中可以看出设计研究院的发病率为：3.6% 网络公司的发病率为：2.4%设计
22、研究院男女性别发病率相近，但网络公司男性发病率明显大于女性设计研究院年龄段 3，4 即年龄为 45-54.55-64 的员工发病率大，而网络公司年龄段1,2 即年龄为 25-34,35-44 的员工发病率大。从工作种类来讲，网络公司的发病率大；但从员工年龄来讲，设计研究院的发病率大。5.2.1. 模型二概述建立发病率与各变量的多元线性模型为： 7362514321 kkkk 由 的矩阵运算解出Matlb71,通过比较 的大小得到不同的加班情况对糖尿病发病率的不同影响。432,k通过比较 的大小得到不同午餐情况对糖尿病发病率的不同影响。7655.2.2. 模型二的运用与求解在模型一的建立过程中得
23、到表 N：公司代号* 是否发病* 年龄分组 交叉制表年龄分组 是否发病12.00 1.00 合计计数 121 0 121公司代号 中的 % 100.0% .0% 100.0%是否发病 中的 % 21.5% .0% 21.2%1总数的 % 21.2% .0% 21.2%计数 441 8 449公司代号 中的 % 98.2% 1.8% 100.0%是否发病 中的 % 78.5% 100.0% 78.8%公司代号2总数的 % 77.4% 1.4% 78.8%计数 562 8 570公司代号 中的 % 98.6% 1.4% 100.0%是否发病 中的 % 100.0% 100.0% 100.0%1.0
24、0合计总数的 % 98.6% 1.4% 100.0%计数 126 3 129公司代号 中的 % 97.7% 2.3% 100.0%是否发病 中的 % 22.2% 23.1% 22.2%1总数的 % 21.7% .5% 22.2%计数 441 10 451公司代号 中的 % 97.8% 2.2% 100.0%是否发病 中的 % 77.8% 76.9% 77.8%公司代号2总数的 % 76.0% 1.7% 77.8%计数 567 13 580公司代号 中的 % 97.8% 2.2% 100.0%是否发病 中的 % 100.0% 100.0% 100.0%2.00合计总数的 % 97.8% 2.2%
25、 100.0%计数 221 12 233公司代号 中的 % 94.8% 5.2% 100.0%是否发病 中的 % 82.5% 85.7% 82.6%1总数的 % 78.4% 4.3% 82.6%计数 47 2 49公司代号 中的 % 95.9% 4.1% 100.0%是否发病 中的 % 17.5% 14.3% 17.4%公司代号2总数的 % 16.7% .7% 17.4%计数 268 14 282公司代号 中的 % 95.0% 5.0% 100.0%3.00合计是否发病 中的 % 100.0% 100.0% 100.0%13总数的 % 95.0% 5.0% 100.0%计数 255 12 26
26、7公司代号 中的 % 95.5% 4.5% 100.0%是否发病 中的 % 84.4% 75.0% 84.0%1总数的 % 80.2% 3.8% 84.0%计数 47 4 51公司代号 中的 % 92.2% 7.8% 100.0%是否发病 中的 % 15.6% 25.0% 16.0%公司代号2总数的 % 14.8% 1.3% 16.0%计数 302 16 318公司代号 中的 % 95.0% 5.0% 100.0%是否发病 中的 % 100.0% 100.0% 100.0%4.00合计总数的 % 95.0% 5.0% 100.0%表格 6将附件三进行处理得表 M：加班情况 午餐情况单位访谈人数
27、经常加班偶尔加班不加班单位餐厅自带 盒饭 设计研究院127 25 0.197 33 0.26 38 0.299 87 0.685 17 0.134 15 0.118网络公司 363 98 0.27 121 0.333 63 0.174 115 0.317 23 0.063 207 0.57表格 7综合表 N、表 M 得出如下数据表格：1231230 29.5 0.197 0.260 0.300 0.685 0,134 0.1180.023 39.5 0.197 0.260 0.300 0.685 0,134 0.1180.052 49.5 0.197 0.260 0.300 0.685 0,1
28、34 0.1180.045 59.5 0.197 0.260 0.300 0.685 0,134 0.1180.018 29.5 0.270 0.334 0.174 0.317 0.063 0.5700.022 39.5 0.270 0.334 0.174 0.317 0.063 0.5700.041 49.5 0.270 0.334 0.174 0.317 0.063 0.5700.078 59.5 0.270 0.334 0.174 0.317 0.063 0.570表格 814将以上数据用 处理如下：Matlb图表 5图表 615图表 75.2.3. 模型二结果( , , )=(0.00
29、217,0.0445,0.0165,-0.00779,-0.00911,-1k432765,k0.0207,0.0836)结论一: （ ）=（0.0445,0.0165，-0.00779），所以可直观得看出，在432,加班情况中，经常加班这一因素在发病率中所占权重较大，即经常加班易诱发糖尿病结论二： （ ）=（-0.00911,-0.0207,0.0836），亦可得午餐情况中，吃765,k快餐这一因素在发病率中所占权重较大，即经常性地吃快餐易诱发糖尿病。综上所述：在各人群中，经常加班，经常吃快餐的人群跟容易罹患糖尿病，所以我们应养成健康的工作、生活习惯，少加班或不加班，少吃快餐，远离疾病，幸福
30、生活。 六、模型分析6.1. 假设的合理性分析：该多元线性回归模型综合考虑了诱发糖尿病的年龄因素、工作因素、生活因素，较为全面、合理，并将年龄因素以年龄分组的组中值代为表示，加以简化，将工作因素、生活因素则分别以加班情况、午餐情况代为表示，使得该模型更具简洁性和可操作性。6.2. 灵敏度分析模型一：在置信度为 95%的条件下， ， 的置信区间为：123， ，07869.079.1 03418.05.2032.29.， ， 的置信区间为：123， ，.8.1 7.17.2148.6.316七、 模型的检验在模型一中: =0.58702 =o.47141221R2R设计研究院：观测值 预测 Y 残
31、差 标准残差1 -0.00422 0.016225 0.4669452 0.033525 -0.00753 -0.216563 0.017425 0.000575 0.0165484 0.055175 -0.02718 -0.782085 0.039075 -0.03908 -1.124556 0.076825 0.066175 1.9044767 0.060725 0.022275 0.6410618 0.098475 -0.03148 -0.90583网络公司：观测值 预测 Y 残差 标准残差1 0.00705 -0.00705 -0.390882 0.02385 0.00015 0.00
32、83173 0.04065 0.03335 1.8490724 0.05745 -0.02645 -1.466515 0.00155 -0.00155 -0.085946 0.01835 0.00365 0.2023727 0.03515 -0.01515 -0.839988 0.05195 0.01305 0.72355从表三，表五的分析中可以看出，模型的拟合度不是特别好，原因有：对年龄进行分组，组距较大，得出的数据不够多，误差较大。但还在允许范围之内八、 模型的推广本文中的模型可用于研究受不同复杂变量影响的疾病的发病率，根据对疾病有影响的变量的种类，可增加或减少变量。从工作，生活方式预测某
33、种疾病的发病率，从而达到及时发现，及早检验，积极预防的目的.九、 模型的评价与优化9.1. 模型的优缺点分析9.1.1. 模型的优点171、对影响因变量的性别，引入（12）变量来处理，对影响因变量的年龄，引入（1，2，3，4）变量来处理从而是使复杂的问题变的简单化。2、模型采用常用的 Excel 表格对数据进行回归分析简单方便明了。3、模型二结合了模型一的结论，将年龄这一影响因素加以考虑，在多元关系中加入了这一因素，能够避免较大误差，使得模型更合理、全面。4、模型一、二中所使用的多元分析模型，能很便捷地在 Excel 和 软件中Matlb进行运算，具有简洁性。9.1.2. 模型的缺点通过对年龄
34、进行分组，在简化计算的同时也增加了误差。模型一:多元回归分析模型.回归分析在应用时多见的是多元线性回归和非线性回归,线性回归理论上要求自变量与应变量满足特定条件,而实际的发病率资料很少有满足要求的。曲线回归能较好的反映资料的变化趋势,但对未来因素的变化没有考虑,只适合于短期预测。回归分析法不能处理时间滞后变量。以上模型对疾病未来发病率的预测只是科学的估计,原因有三点:一方面每一种方法都是对事物发展过程的简化和抽象,只能从某个角度提供相应的信息,不能全面揭示疾病变化的信息;另一方面建模用的资料大多来自流行病学调查,它们缺乏客观和特异的生物学指标;再一方面有很多关系复杂的因素影响疾病发生发展与消退
35、,当环境变化了,就会使原有模型的预测效果下降。9.2. 模型的优化以上模型对疾病未来发病率的预测只是科学的估计,针对这个问题,我们如何来解决呢?一方面我们依据发病率的特点,用多种方法建立可能的模型,再对模型进行筛选,确定一个或多个合理模型,或者根据各种方法的优点建立组合模型, 再一方面把其他新兴学科的知识和方法引入探讨疾病发病率规律之中,形成用于疾病发病率的拟合预测分析的新的方法 2，从而更加准确合理地预测疾病发病率，及时发现，积极预防，及早治疗。2 朱玉 曹袁媛 胡运涛 王 静，预测疾病发病率的统计分析方法进展，中国卫生统计，第 27 卷，第 1 期：98 页，2010 年18参考文献：1美
36、国糖尿病协会,王新军 于文 译 011 年 ADA 糖尿病诊疗标准执行纲要,http:/ 曹袁媛 胡运涛 王 静，预测疾病发病率的统计分析方法进展，中国卫生统计，第 27 卷，第 1 期：98 页，2010 年3于德民教授就高发病率谈糖尿病防治，http:/ 苏为华,统计学，北京：机械工业出版社，2012 年5姜启源 叶俊 谢金星，数学模型，北京：高等教育出版社，2008 年1附件附件一:公司代号* 是否发病 交叉制表是否发病.00 1.00 合计计数 723 27 750公司代号 中的 % 96.4% 3.6% 100.0%是否发病 中的 % 42.6% 52.9% 42.9%1总数的 %
37、41.3% 1.5% 42.9%计数 976 24 1000公司代号 中的 % 97.6% 2.4% 100.0%是否发病 中的 % 57.4% 47.1% 57.1%公司代号2总数的 % 55.8% 1.4% 57.1%计数 1699 51 1750公司代号 中的 % 97.1% 2.9% 100.0%是否发病 中的 % 100.0% 100.0% 100.0%合计总数的 % 97.1% 2.9% 100.0%附件二性别* 是否发病* 公司代号 交叉制表是否发病公司代号 .00 1.00 合计计数 439 17 456性别 中的 % 96.3% 3.7% 100.0%是否发病 中的 % 60
38、.7% 63.0% 60.8%男总数的 % 58.5% 2.3% 60.8%计数 284 10 294性别 中的 % 96.6% 3.4% 100.0%是否发病 中的 % 39.3% 37.0% 39.2%性别女总数的 % 37.9% 1.3% 39.2%计数 723 27 750性别 中的 % 96.4% 3.6% 100.0%1合计是否发病 中的 % 100.0% 100.0% 100.0%2总数的 % 96.4% 3.6% 100.0%计数 585 11 596性别 中的 % 98.2% 1.8% 100.0%是否发病 中的 % 59.9% 45.8% 59.6%男总数的 % 58.5%
39、 1.1% 59.6%计数 391 13 404性别 中的 % 96.8% 3.2% 100.0%是否发病 中的 % 40.1% 54.2% 40.4%性别女总数的 % 39.1% 1.3% 40.4%计数 976 24 1000性别 中的 % 97.6% 2.4% 100.0%是否发病 中的 % 100.0% 100.0% 100.0%2合计总数的 % 97.6% 2.4% 100.0%附件三:年龄分组* 是否发病* 公司代号 交叉制表是否发病公司代号 .00 1.00 合计计数 121 0 121年龄分组 中的 % 100.0% .0% 100.0%是否发病 中的 % 16.7% .0%
40、16.1%1.00总数的 % 16.1% .0% 16.1%计数 126 3 129年龄分组 中的 % 97.7% 2.3% 100.0%是否发病 中的 % 17.4% 11.1% 17.2%2.00总数的 % 16.8% .4% 17.2%计数 221 12 233年龄分组 中的 % 94.8% 5.2% 100.0%是否发病 中的 % 30.6% 44.4% 31.1%3.00总数的 % 29.5% 1.6% 31.1%计数 255 12 267年龄分组 中的 % 95.5% 4.5% 100.0%是否发病 中的 % 35.3% 44.4% 35.6%年龄分组4.00总数的 % 34.0%
41、 1.6% 35.6%计数 723 27 750年龄分组 中的 % 96.4% 3.6% 100.0%1合计是否发病 中的 % 100.0% 100.0% 100.0%3总数的 % 96.4% 3.6% 100.0%计数 441 8 449年龄分组 中的 % 98.2% 1.8% 100.0%是否发病 中的 % 45.2% 33.3% 44.9%1.00总数的 % 44.1% .8% 44.9%计数 441 10 451年龄分组 中的 % 97.8% 2.2% 100.0%是否发病 中的 % 45.2% 41.7% 45.1%2.00总数的 % 44.1% 1.0% 45.1%计数 47 2
42、49年龄分组 中的 % 95.9% 4.1% 100.0%是否发病 中的 % 4.8% 8.3% 4.9%3.00总数的 % 4.7% .2% 4.9%计数 47 4 51年龄分组 中的 % 92.2% 7.8% 100.0%是否发病 中的 % 4.8% 16.7% 5.1%年龄分组4.00总数的 % 4.7% .4% 5.1%计数 976 24 1000年龄分组 中的 % 97.6% 2.4% 100.0%是否发病 中的 % 100.0% 100.0% 100.0%2合计总数的 % 97.6% 2.4% 100.0%附件四：小论文：糖尿病发病率的建模研究我国成人糖尿病发病率已超过 11，糖尿
43、病前期达 15%，两者相加为 26%。这是中华医学会糖尿病学分会于 2007 年 6 月2008 年 5 月在北京、上海、广州、新疆、黑龙江、四川等 14 个省（市、自治区）进行的糖尿病和代谢综合征的流行病学调查所得出的数据结论。根据估算，中国糖尿病人群可能已经超过了 7000 万人，成为世界上糖尿4病人口最多的国家。 3现实生活中糖尿病前期的患者数量很大，这部分人如果进行早期预防和治疗，运动、饮食和药物是相互配合的三驾马车，可能使糖代谢功能恢复正常，或者延迟糖前期向 2 型糖尿病发展的时间，因此积极预防和治疗是必须的。但是到底不同的工作和生活方式对糖尿病发病率具体有什么影响呢？经过统计调研，
44、我们得到了三组数据，其一是某设计研究院的体检数据，其二是某网络公司的体检数据，其三是对两家单位员工的访谈数据，借此我们建立了如下模型：模型一： = + +A1）（ 2）（ 4,321),()(B模型二：7362514321 kkkk 通过运用各种统计分析方法及统计软件 Excel、 ，我们得出如下结果：Matlb年龄分组* 是否发病* 性别* 公司代号 交叉制表是否发病公司代号 性别 .00 1.00 合计计数 78 0 78年龄分组 中的 % 100.0% .0% 100.0%是否发病 中的 % 17.8% .0% 17.1%1.00总数的 % 17.1% .0% 17.1%计数 82 2
45、84年龄分组 中的 % 97.6% 2.4% 100.0%是否发病 中的 % 18.7% 11.8% 18.4%2.00总数的 % 18.0% .4% 18.4%计数 125 10 135年龄分组 中的 % 92.6% 7.4% 100.0%是否发病 中的 % 28.5% 58.8% 29.6%3.00总数的 % 27.4% 2.2% 29.6%计数 154 5 159年龄分组 中的 % 96.9% 3.1% 100.0%是否发病 中的 % 35.1% 29.4% 34.9%1 男 年龄分组4.00总数的 % 33.8% 1.1% 34.9%3 于德民教授就高发病率谈糖尿病防治，http:/
46、5计数 439 17 456年龄分组 中的 % 96.3% 3.7% 100.0%是否发病 中的 % 100.0% 100.0% 100.0%合计总数的 % 96.3% 3.7% 100.0%计数 43 0 43年龄分组 中的 % 100.0% .0% 100.0%是否发病 中的 % 15.1% .0% 14.6%1.00总数的 % 14.6% .0% 14.6%计数 44 1 45年龄分组 中的 % 97.8% 2.2% 100.0%是否发病 中的 % 15.5% 10.0% 15.3%2.00总数的 % 15.0% .3% 15.3%计数 96 2 98年龄分组 中的 % 98.0% 2.
47、0% 100.0%是否发病 中的 % 33.8% 20.0% 33.3%3.00总数的 % 32.7% .7% 33.3%计数 101 7 108年龄分组 中的 % 93.5% 6.5% 100.0%是否发病 中的 % 35.6% 70.0% 36.7%年龄分组4.00总数的 % 34.4% 2.4% 36.7%计数 284 10 294年龄分组 中的 % 96.6% 3.4% 100.0%是否发病 中的 % 100.0% 100.0% 100.0%女合计总数的 % 96.6% 3.4% 100.0%计数 250 3 253年龄分组 中的 % 98.8% 1.2% 100.0%是否发病 中的
48、% 42.7% 27.3% 42.4%1.00总数的 % 41.9% .5% 42.4%计数 267 5 272年龄分组 中的 % 98.2% 1.8% 100.0%是否发病 中的 % 45.6% 45.5% 45.6%2.00总数的 % 44.8% .8% 45.6%计数 35 0 35年龄分组 中的 % 100.0% .0% 100.0%是否发病 中的 % 6.0% .0% 5.9%2 男 年龄分组3.00总数的 % 5.9% .0% 5.9%6计数 33 3 36年龄分组 中的 % 91.7% 8.3% 100.0%是否发病 中的 % 5.6% 27.3% 6.0%4.00总数的 % 5.5% .5% 6.0%计数 585 11 596年龄分组 中的 % 98.2% 1.8% 100.0%是否发病 中的 % 100.0% 100.0% 100.0%合计总数的 % 98.2% 1.8% 100.0%计数 191 5 196年龄分
