Статистический анализ влияния качества питьевой воды на здоровье населения региона

Проведен статистический анализ влияния качества питьевой воды на здоровье населения региона Республики Марий Эл. Защита работы на 5, март 2015. ...

• проанализированы работы, посвященные оценке влияния качества питьевой воды на здоровье населения с применением корреляционно-регрессионного анализа;
• сформирован теоретически обоснованный набор исходных данных и проанализированы его динамические характеристики;
• выявлены статистически значимые для данного региона корреляции между показателями заболеваемости и загрязнения питьевой воды;
• построены регрессионные модели, устанавливающие количественные взаимосвязи между этими показателями.

В докладе исследуется влияние качества питьевой воды на здоровье населения региона с использованием моделей регрессионного типа. Проведен анализ медико-экологических данных.

В зависимости от информационной доступности для анализа использовались годовые данные за период с 1990 по 2009 гг. (20 наблюдений) и с 1991 по 2009 гг. (19 наблюдений). Источниками исходных данных являлись официальные статистические данные Территориального органа Федеральной службы государственной статистики по Республике Марий Эл (Статистический ежегодник, 2009), ФГУЗ «Центр гигиены и эпидемиологии в Марий Эл», а также данные государственных докладов «О состоянии окружающей природной среды Республики Марий Эл» (Государственные доклады, 1993–2010), «О санитарно-эпидемиологической обстановке в Республике Марий Эл» (Государственные доклады, 2006–2010). Связь «заболеваемость — загрязнение». Эконометрический анализПрежде чем перейти к корреляционно-регрессионному анализу, необходимо построитьдиаграммы рассеяния (Y–X), чтобы визуально Оценим возможные связи между зависимыми переменными Y и независимыми X. Анализ диаграмм рассеяния (Y–X) показал отсутствие явно выделенных групп наблюдений и выбросов и позволил Предполагаем наличие линейных связей для пар переменных: (y1, x1), ( y1, x11), ( y1, x12), ( y1, x22), ( y1, x3); ( y2, x1), (y2,x11), (y2,x12); (y3,x1), (y3,x11), (y3,x22), (y3,x22); (y4,x1), (y4,x11), (y4,x12); (y5,x1), (y5,x11), (y5,x12),а также — нелинейных связей для пар переменных: (y1, x21), ( y1, x22); ( y2, x1), ( y2, x11), ( y2, x12); ( y3, x1), ( y3, x11), ( y3, x12); ( y4, x1), ( y4, x11), ( y4, x12), ( y4, x22).Для выявления наиболее значимых независимых переменных и возможной мультиколлинеарности были рассчитаны значения коэффициентов корреляции Пирсона. При этом высокие значения коэффициентов корреляции указывают на наиболее значимые независимые переменные в условиях данного региона.Учитывая наличие предполагаемых нелинейных связей между переменными, были рассчитаны индексы корреляции.Анализ матриц парных коэффициентов и индексов корреляции позволил выявить статистически значимые линейные и нелинейные корреляционные связи между исследуемыми переменными. Видно, что результаты корреляционного анализа в целом согласуются с результатами анализа диаграмм рассеяния. Показатели заболеваемости в основном положительно коррелируют с показателями загрязнения питьевой воды, что вполне объяснимо с предметной точки зрения: рост загрязнения питьевой воды способствует росту заболеваемости. Последующий этап моделирования направлен на исследование именно статистически значимых связей. Кроме того, результаты корреляционного анализа свидетельствуют о наличии мультиколлинеарности между независимыми переменными. Очень тесные корреляционные связи выявлены между переменными x1, x11, x12. Очевидно, что переменные x11 и  x12 дублируют друг друга (r(x11, x12)=1, I(х11, x12)=1). В дальнейшем анализе использовалась переменная x1, т. к. при достаточно тесной связи фактора x1 с зависимыми переменными он имеет наибольшую тесноту связи с факторами x11 и  x12 , что вполне логично, поскольку показатели x11 и x12 входят в показатель x1 .Моделирование. Интерпретация результатовПервоначальная спецификация уравнений регрессионных моделей зависимости заболеваемости населения от загрязнения питьевой воды задавалась, исходя из результатов анализа диаграмм рассеяния (Y–X) и корреляционного анализа (табл. 2, 3). Для отбора наиболее информативных независимых переменных использовался метод «пошаговой регрессии с последовательным исключением переменных», реализованный в статистическом пакете Statistica. При выборе формы модели предпочтение отдавалось линейной форме. В случае выявления ошибок в спецификации формы или предположения нелинейной зависимости строились лог-линейные уравнения. Затем отбиралась окончательная модель.Уравнение регрессионной модели, устанавливающей количественную статистическую зависимость между показателем общей заболеваемости ОКИ на 100 тыс. населения и показателями загрязнения питьевой воды, имеет вид:В связи с низким коэффициентом детерминации R^2 =0.56 (всего 56% дисперсии показателя заболеваемости ОКИ объясняется уравнением регрессии) модель может быть использована только для анализа данных.Коэффициенты при независимых переменных x22 и  x3 статистически значимы и имеют ожидаемые знаки. При неизменном значении переменной x3 рост удельного веса проб питьевой воды из разводящей сети ведомственных водопроводов, не соответствующих гигиеническим требованиям по санитарно-гигиеническим показателям, на 1% влечет за собой рост общей заболеваемости ОКИ на 100 тыс. населения в среднем на 6.24 случаев.