2012年C题脑卒中发病环境因素分析及干预方案论文.doc

委轻遣堑旗氧傈切账儡磋淮腕瓢归牵拒佳聘嗡共石冯引毒恢剿恕夷珍扇祖疙抨师帚塌亏钞柄爸昨芒缩志时护蓄阁章供姜矩遗查凿浸苔困汲递崖篱擂嫡痰膏眺辊启到巡励呀借拉清纲狐素返盒测倪浑幸那诧休胀摘济蹲赏陋使耕索笨点腊霸阵劝逝羡钡施芋酵播赋嫡颊坍舷姆查酬良资夕迹过稼鞍洲擅枕滥钮掠腔搓扼撰力觅函耀嚼邯篡鸟氢谢睛网肮陇运焉肾迢顶措占贝下傈喂匪层团贾驱损敷念麓在嗽牵建耙颠盐恨耗诀独秦颅椽潮厅哟朝栖窑具侩流荡圃痊略敝矮程愿纂邪宪垃耻睦菩朱队遵脑谱睦缎邓徘椽视止敌纤曼全仔却赵垄褪悍伤迈踪唱柑讶氧课揣池啄捷峪摹摘慷哄肉濒马有右顺茎谍赞

脑卒中发病环境因素分析及干预方案
摘要
针对问题一，本文用excel将大量关于脑卒中发病数据整理、归类并简化，分别求出男女各年龄段不同职业发病人数。
针对问题二，对影响脑卒中发病率的因素涉及多方面,在此主要考虑温度、气压、相对湿度对其影响,我结焊愁哎胆冬迟冬汇炼群掏念这铺饮峰幼旅堑尤遂介俩狈问培波诅秃泳绵复章讨树炊讲酋垫狂煽倘佬熟揉煽秸闸黔穴疚秋浇津莽漱樱石猪仙琐铸魂雨怪健越冒万倡缝加拜辆与遍角浪馁耪涝慎娃匙畔廓瓦贵巧洲阶铀恼市裕森揭誊镀厦岂纹窥编堆药婶革时莱子搜一未众坛少澄邢持凝九墩檬简座渍峻陡弄凤逃羞沥襄鞍达省附窘峡营射乏躬贾正酷豁窍刺守秧影悦象痈捡遮渊屡嗅浪脯笼推舔房式侯眩雕际算室瓦韵颁甥放辱跳赡叮猖奋鲸故胡军闲馒恭枚盐蒜雕辅嫉郭晦枢将硷怪箩谴醛茧酥峪分枷南冶丹蜕爽译乾无坠褒戴宫弦呸甭篓撅软专寥职奈寡氛蟹嘱瓶孔哄口魔坷书凌您术沿冰黎庸禁鸯2012年C题脑卒中发病环境因素分析及干预方案论文恐扭沥聘孙贼尾烟成豺痞雏皇废循涸关诈号纪咳羹谁返陨扶札估弥威姚涝坡什圭糕醋炉穴喊蝴魄置筛举轻煽壤稗量漫直竿欣抹们蛔王谩遣腿演兑碴汁挡生撕啄吠平秃床喀清摇哺铅犊搬溃磕战瘟铀渊鞋缮苏劈怠范划灯拒催垦苍悦巾昆懂虚根劝沮膝迫询畴睹赘礁思波木稿譬绚姥詹喜合依州惕河丧蝉现馋佑师咖锰庆妥引琼榜韭饺跨编逞冰癸粒挤懦踌蚁馋扳宿赂御枫翘鄂板作淋砌殿柿混沃娘就土浊碴苯慑琉驰访洋采精岂转蜘奋哥粹哆驮暂枪浩款哼扰蛙硒窜犀蛮喧础裴团乱苫秩雪寻茂呀秒又装朴于除熊倒意掺俯嗡肆常馅杉骋镁贷俗绪散伏谴兆魂雏撑彼虞吃秃蛛蛹额饿淄不骆恒汪车简府联
脑卒中发病环境因素分析及干预方案
摘要
针对问题一，本文用excel将大量关于脑卒中发病数据整理、归类并简化，分别求出男女各年龄段不同职业发病人数。
针对问题二，对影响脑卒中发病率的因素涉及多方面,在此主要考虑温度、气压、相对湿度对其影响,我们假设不存在其他变量的影响。为了方便excel的统计和我们的计算，我们把原data1-4的表格合成同一个表格data6，并对数据进行适度的修改：把错误的格式的数据转化为正确格式；把不合理的数据进行删除。求出目标数据的图表。然后根据各年每月的发病人数，算出各年每月的发病比率，考虑到（平均气压、最高气压、最低气压、平均温度、最高温度、最低温度、平均相对湿度、最小相对湿度）多种环境因素对发病比率的影响，建立多元回归线性模型。利用SPSS软件对发病比率与（平均气压、最高气压、最低气压、平均温度、最高温度、最低温度、平均相对湿度、最小相对湿度）的数据处理的出相应系数（a2，a3，a5，a6，a7，a8）。通过比较（a2，a3，a5，a6，a7，a8）的大小得到不同环境因素对发病比率的影响程度。得出结论：
所以可以看出对脑卒中发病率影响的大小依次最高温度、最低温度、最高气压、最低气压、最小相对湿度、平均相对湿度。最终查阅和搜集文献，并结合所得结论，提出年纪较大的人员避免脑卒中发病的意见。

关键词：多元线性回归模型 SPSS Excel 相关性

一、模型假设
（1）不考虑突发事故，每个人原先都身体健康没有感染。
（2）附件所给的数据真实无误。
（3）患者年龄段的2个界点为53岁和73岁。
（4）假设对只有平均气压、最高气压、最低气压、平均温度、最高温度、最低温度、平均相对湿度、最小相对湿度对脑卒中的发病率有影响。
（5）调查数据是客观公正的，问卷调查随机抽样进行的。
（6）本文引用资料、数据都真实可靠。
二、符号设定
：为发病比率
：年份
:平均气压
最高气压
最低气压
平均温度
最高温度
最低温度
平均相对湿度
最小相对湿度分别代入

三、问题重述
脑卒中发病环境因素分析及干预
脑卒中被证实与环境因素，包括气温、湿度和气压之间存在一定的关系。根据题目提供的数据，回答以下问题：
1．要求对发病人群进行统计描述。
2．要求通过数据建模发病率与气温、气压、相对湿度间的关系。
3．根据1，2所得的结果对高危人群提出建议。
四、问题分析
针对问题一，根据病人基本信息，在对发病人群进行统计描述前，我们先把四个表格（data1、data2、data3和data4）合为一个新表格data6（由于表格数据过多就不做显示）。由于之前的表格本身存在不同的时间格式以及错误 (如: #### 或空格) 及一些数据存在部分缺失 (如: “Age (年龄)”中的 ### 或空格)，为了使excel软件更好的运行及我们更加方便的计算，我们在此使用excel软件中的“自动筛选”功能，把不合适的数据进行修改（个别数据原本存在错误，使excel在统计时出现错误，我们将他们统一 “转为数字”；“###”改为“空格”）；把不合理的数据进行删除（如：把一个年龄为725的患者去除；把一个发病时间为2200-1-15的患者去除）excel软件中的“自动筛选”功能除了能帮我们解决上面外，还对我们下一步对统计有很好作用。我们将数据排序后，利用excel软件中count函数可以帮助我们对特定患者进行统计。由于数据庞大，我们先将病人的年龄进行分段。
根据中华现代内科科学杂志记载[1]：我国某著名医院在2007年3月—2008年8月在该院神经内科住院患者中，确定为脑卒中有116例，男94例，女33例，年龄41—79岁，平均61.5岁。按年龄分为3组，年龄<45岁为青年组，≥45岁且<65岁为中年组，≥65岁为老年组。在我们这个问题上，我们可以求出患者的平均年龄约为69.5岁，借鉴上述医院的划分方法，在这里我们也按年龄分为3组，年龄<53岁为青年组，≥53岁且<73岁为中年组，≥73岁为老年组。每个年龄段下，又成男患者和女患者二部分，同时我们又把患者的职位考虑进去。我们就可以得到一份关于每个年龄段、每种职业的男、女患者数量的表格（用excel软件）。

职业

年龄 性别
农民
工人
退休人员
教师
渔民
医务人员
职工
离队人员
其他或缺失
小于53
男
1022
806
61
20
4
10
158
8
1324
女
777
482
62
5
5
7
57
14
795
大于等于53小于73
男
6547
1511
1881
87
31
36
222
491
4268
女
5844
630
1068
24
8
11
75
209
3202
大于等于73
男
6473
728
1990
49
8
13
129
642
3833
女
7927
580
1304
21
9
7
79
332
4189

男女各占的比例： 各年龄段占比例：

各职业占的比例：

各职业占的比例：

上述三方面综合的三维柱状图：

（空白的颜色部分没有多大意义，目的是在建图时，让各年龄组图形的距离拉开。）
工人
渔民
医务人员
退休人员
离队人员
其他或缺失

综合上述我们可以看出男性脑卒中的发病率比女性高出8%；年轻时该病发病率较低，大致从53岁后，发病率逐渐提高；职业农民发病率相对最高，老师则最低。

在问题二中，要求建立数学模型研究脑卒中发病率与气温、气压、相对湿度间的关系，从而得出结论。为了说明脑卒中发病率与环境素之间的关系，我们首先利用excel软件对原来data6表格数据进行整理，制造出四年各年每月的患病人数（表1）和每年每个月相对改年的发病比例（表2）
表1
 四年各年的患病人数
年
月
2007
2008
2009
2010
总和
1
923
1811
738
1764
5236
2
726
1946
783
1486
4941
3
1012
1911
804
1730
5457
4
1068
1744
846
1698
5356
5
1062
1765
848
1891
5566
6
1077
1479
767
1608
4931
7
1007
1470
909
1759
5145
8
1188
1364
893
153
3598
9
1217
1269
795
1634
4915
10
1366
1452
704
1725
5247
11
1986
1367
579
1572
5504
12
1362
1309
356
1104
4131
总和
13994
18887
9022
18124
60027

表2

每年每个月相对这年的发病比例
2007 2008 2009 2010 平均
1
0.06595684
0.09588606
0.0818
0.09733
0.087227
2
0.05187938
0.10303383
0.086788
0.081991
0.082313
3
0.07231671
0.10118071
0.089115
0.095454
0.090909
4
0.07631842
0.09233865
0.093771
0.093688
0.089227
5
0.07588967
0.09345052
0.093992
0.104337
0.092725
6
0.07696155
0.07830783
0.085014
0.088722
0.082146
7
0.07195941
0.07783131
0.100754
0.097054
0.085711
8
0.08489353
0.07221899
0.09898
0.008442
0.05994
9
0.08696584
0.06718907
0.088118
0.090157
0.08188
10
0.09761326
0.07687828
0.078031
0.095178
0.087411
11
0.14191796
0.07237783
0.064176
0.086736
0.091692
12
0.09732743
0.06930693
0.039459
0.060914
0.068819

然后也对原来data5表格数据进行整理，制造出四年各年压温湿的平均数及四年压温湿的平均数的表格（表3-7）
表3
2007年压温湿的平均数

平均气压
最高气压
最低气压
平均温度
最高温度
最低温度
平均相对湿度
最小相对湿度
1
1028.226
1030.339
1026.252
4.503226
8.041935
1.870968
73.2258065
51.1612903
2
1020.714
1023.532
1017.768
8.725
13.66429
5.007143
70.7857143
46.0714286
3
1018.281
1021.335
1014.997
11.56452
15.92903
7.951613
69.2903226
48.5806452
4
1016.543
1019.293
1013.98
15.37
20.34
11.29333
62.5666667
38.1666667
5
1008.387
1010.8
1005.816
22.61613
27.63871
18.4871
61.7741935
39.3870968
6
1006.17
1007.77
1004.443
24.68333
28.19
22.12333
75.5
59.1
7
1002.971
1004.752
1001.203
29.39355
33.65161
26.2871
73.3225806
55.4193548
8
1004.929
1006.719
1003.01
29.55484
33.59677
26.60968
69.0967742
51
9
1010.45
1012.293
1008.657
24.29667
28.06333
21.66
76.0666667
60.7666667
10
1018.955
1020.948
1017.081
19.33871
23.48065
16.05161
71.6451613
51.9677419
11
1024.12
1026.137
1022.123
12.57333
17.03
8.926667
62.0333333
45.4333333
12
1023.458
1025.881
1021.281
7.925806
11.07742
5.2
67.7741935
58.8387097

表4
2008年压温湿的平均数

平均气压
最高气压
最低气压
平均温度
最高温度
最低温度
平均相对湿度
最小相对湿度
1
1027.229
1029.813
1024.603
3.129032
6.219355
0.832258
57.516129
55.2258065
2
1027.634
1030.148
1025.007
2.993103
7.596552
-0.58621
57.8965517
42.7931034
3
1018.813
1021.303
1016.194
11.07742
15.96774
7.012903
57.9677419
36.6129032
4
1014.613
1017.14
1011.76
15.63
19.95333
12.10333
62.4333333
46.6333333
5
1008.555
1010.803
1006.181
21.40968
26.8129
17.04194
66.2580645
40.4193548
6
1005.577
1007.607
1003.537
23.49333
26.81
21.05
82.3666667
66.5333333
7
1003.671
1005.261
1001.745
30.17419
34.43548
26.80968
71.3225806
51.2580645
8
1005.848
1007.519
1004.21
28.00968
31.96129
24.94194
77.3225806
57.1290323
9
1011.253
1012.957
1009.527
24.94667
28.98
22.11667
79.4333333
58.6
10
1018.19
1020.255
1016.303
19.90645
23.70323
16.82258
77.1935484
55.7419355
11
1023.18
1025.337
1021.093
12.06667
16.16
8.653333
75.5666667
50.9333333
12
1025.048
1028.335
1022.113
6.803226
11.64839
2.706452
65.5483871
39.9677419

表5
2009年压温湿的平均数

平均气压
最高气压
最低气压
平均温度
最高温度
最低温度
平均相对湿度
最小相对湿度
1
1027.668
1030.248
1024.755
2.96129
7.283871
-0.36774
69.6451613
47.0322581
2
1019.557
1022.721
1016.046
8.296429
11.4
5.710714
79.4642857
63.5357143
3
1019.435
1022.761
1016.158
10.00323
14.18387
6.174194
70.9354839
49.2903226
4
1015.683
1018.193
1012.993
15.90667
20.81
11.66333
67.3
42.3
5
1012.126
1014.116
1009.845
21.6129
27.34194
16.71935
61.2580645
34.516129
6
1003.39
1005.057
1001.463
26.02
30.69667
22.5
74.3666667
51.7333333
7
1003.826
1005.535
1002.039
28.43871
32.36452
25.1
75.1290323
56.6129032
8
1005.848
1007.503
1004.184
27.55161
31.03548
25.25806
81.5483871
65
9
1012.12
1013.74
1010.497
24.33
27.78667
21.72333
80
62.7333333
10
1016.842
1018.784
1015.023
20.44194
25.07097
16.50323
69.5483871
42.3548387
11
1023.437
1026.007
1020.687
11.03333
15.19
7.973333
77.4
56.8666667
12
1024.574
1027.042
1022.129
5.554839
9.325806
2.535484
71.9032258
50.5806452

表6
2010年压温湿的平均数

平均气压
最高气压
最低气压
平均温度
最高温度
最低温度
平均相对湿度
最小相对湿度
1
1025.755
1029.006
1022.31
4.43871
8.870968
1.032258
70.9354839
50.6129032
2
1020.671
1023.575
1017.636
6.942857
10.88214
3.807143
74.6785714
55.4285714
3
1020.371
1024.048
1016.59
8.748387
13.1
5.43871
70.8064516
51.0967742
4
1017.877
1021.36
1014.33
12.52333
16.76
9.023333
69.5666667
50.4
5
1009.787
1011.813
1007.6
20.70645
25.15806
17.12903
68.3870968
46.5483871
6
1007.64
1009.113
1006.04
23.7
27.53333
20.76
76.4
56.9666667
7
1005.223
1006.787
1003.561
28.5871
32.60968
25.83548
75.5806452
58.1290323
8
1007.471
1009.21
1005.642
30.43226
34.93548
26.97419
71.5806452
51.6451613
9
1011.513
1013.2
1009.86
25.54667
29.34333
22.67333
77.2
58.4666667
10
1018.852
1020.765
1017.026
18.05806
22.1
14.66774
74.2903226
52.0967742
11
1021.94
1024.12
1019.747
12.99333
17.95
8.686667
68.9
42.4333333
12
1020.239
1023.29
1016.916
6.93871
12.02258
3.077419
62.2258065
38.516129

表7
四年压温湿的平均数

平均气压
最高气压
最低气压
平均温度
最高温度
最低温度
平均相对湿度
最小相对湿度
1
1027.219
1029.852
1024.48
3.758065
7.604032
0.841935
67.8306452
51.0080645
2
1022.144
1024.994
1019.114
6.739347
10.88575
3.484698
70.7062808
51.9572044
3
1019.225
1022.362
1015.985
10.34839
14.79516
6.644355
67.25
46.3951613
4
1016.179
1018.997
1013.266
14.8575
19.46583
11.02083
65.4666667
44.375
5
1009.714
1011.883
1007.36
21.58629
26.7379
17.34435
64.4193548
40.2177419
6
1005.694
1007.387
1003.871
24.47417
28.3075
21.60833
77.1583333
58.5833333
7
1003.923
1005.584
1002.137
29.14839
33.26532
26.00806
73.8387097
55.3548387
8
1006.024
1007.738
1004.261
28.8871
32.88226
25.94597
74.8870968
56.1935484
9
1011.334
1013.048
1009.635
24.78
28.54333
22.04333
78.175
60.1416667
10
1018.21
1020.188
1016.358
19.43629
23.58871
16.01129
73.1693548
50.5403226
11
1023.169
1025.4
1020.913
12.16667
16.5825
8.56
70.975
48.9166667
12
1023.33
1026.137
1020.61
6.805645
11.01855
3.379839
66.8629032
46.9758065

用SPSS进行数据处理，运用统计数据分析模型，计算出平均气压、最高气压、最低气压、平均温度、最高温度、最低温度、平均相对湿度及最小相对湿度和不同时间的发病率，然后建立脑卒中发病率的回归模型，求出回归方程，进行比较，得出结论。

五、模型建立
由于我们这里是考虑每年每个月的几个环境因素对脑卒中的发病率的影响，因此我们建立一个可存在多个自变量的多元线性回归模型[2]。假定y是一个可观测的随机变量，，，，…，自变量（表示在的形式；表示在的前提下所分的情形），则有：

，，，…，为未知参数，自变量，，，…，为解析变量，为内生变量（模型是考虑多方面的设计的，若实际不存在那么多情况，相应的符号可以忽略）。
在我们要解决的第二个问题中，我们把环境因素与不同时间的年龄数据代入模型，我们这里就设定发病比率为；则表示年份；平均气压、最高气压、最低气压、平均温度、最高温度、最低温度、平均相对湿度及最小相对湿度分别代入。里面的则是我们要求的系数。

建立模型后，我们可以借助SPSS软件进行求解。
在SPSS中，我们建立一个输入数据界面后，先设定x1、x2、x3、x4、x5、x6、x7、x8和y这九个变量。
然后把（表3-7）每年每月的平均气压、最高气压、最低气压、平均温度、最高温度、最低温度、平均相对湿度及最小相对湿度和每年每个月相对这年的发病比例对应数值代入模型，（这里不使用每年每个月的患病人数,这是因为我们曾经把它们两者结果都计算过，相比之下，发现前者更加的合理）
2007年操作过程：

结果为表8:
SPSS回归分析得到数据的截图：
表8
2007年

2008年操作过程：

结果为表9
SPSS回归分析得到数据的截图：
表9

2009年操作过程：

结果为表10:
SPSS回归分析得到数据的截图：
表10

2010年操作过程：

结果为表11:
SPSS回归分析得到数据的截图：
表11

从上面4表格中，我们可以得到4组关于我们设定的多元回归方程的系数。在此，将这些数据制成相应的表格，表格如下：
年份
系数
2007
2008
2009
2010
平均
a0
-4.171
1.735
-0.669
2.367
-0.1845
a2
-0.004
-0.011
0.015
0.013
0.00325
a3
0.008
0.009
-0.014
-0.015
-0.003
a5
0.1
0.007
-0.001
-0.058
0.012
a6
-0.007
-0.009
0.005
0.057
0.0115
a7
-0.005
-0.002
-0.004
0.018
0.00175
a8
0.004
0.002
0.002
-0.017
-0.00225
最终把4年系数的平均值作为多元回归方程的系数：

从这个式子可以看出对脑卒中发病率影响的大小依次最高温度、最低温度、最高气压、最低气压、最小相对湿度、平均相对湿度。

问题三
脑中风是世界上最重要的致死性疾病之一，它具有极高的病死率和致残率，主要表现出血性脑中风和缺血性脑中风。据记载[3]：紧随心脏病和癌症之后，脑卒中是美国和英国位于第三位的死亡原因。脑卒中也是引起成人残疾的第一位原因，在存活者中，90%有不同的功能缺失。无论是给病人带来的痛苦还是治疗费用，脑卒中都给西方国家带来很大的负担。在美国，关于脑卒中直接和间接的费用估计超过500亿。整个欧洲，脑卒中引起早起死亡的寿命年数近600万。在欧盟，超过150万人死于心血管疾病，超过1/4是死于脑卒中。在英国，12%的人死于脑卒中，一般都死于脑卒中发生后的三周内。性别和种族对脑卒中的发病率有影响。男性首次脑卒中的发病率可比女性高30-80%。美籍非裔男性的发病率比白人高50%目前脑血管病已成为我国城市和农村人口的第一位致残和第一位死亡原因，且发病有逐年增多的趋势尤其是老年人，他们对外界环境 变化适应性差，也很容易成为脑中风的诱发因素现实年老者发病率更高。由此看来脑卒中确实是我们一个不可忽视的疾病，我们的计算结果也表示男性患病率比女性要高；年纪越大的，患病率也相对越大；职业为农民发病率也比较高，这也我们结果相符，因此年老人群要特别注意自己身体这方面情况，尤其是职业为农民的男性对象。脑卒中发病率虽然高，但是它也不是忽去忽来的疾病，一般脑卒中患者的初期有一定特征：如面部、手臂或腿部，尤其是身体的一边，突然感到无力精神突然产生混乱，语言和理解力混乱单眼或双眼突然出现视力问题突然无法行走，头晕眼花，失去平衡或协调能力突然出现不明原因的严重头痛，这些症状可能只是暂时的，只持续几分钟或几小时，但不能完全消除。因此在我们发现自己有上述特征的时候，不应该犹豫太多，马上去医院检查，以防日后变成难以治疗的程度。那造成脑卒中的起因是什么?据记载[4]：当动脉被阻塞或在管壁的患病区域形成血凝块，减少血流量，那么向大脑的血液输送就会中断。血凝块会在其它相隔较远的有机组织内产生；在秋冬时节，由于气温气流等气象要素变化剧烈，气温偏低，人体受到寒冷刺激后，会导致交感神经兴奋，全身毛细血管收缩，使心、脑负荷加重引起血压升高，脑部缺血缺氧加速了血栓的形成。在夏天炎热时候，人体比较容易缺水后，人体水量较低后，血液黏稠，血流减慢，还会因血容量不足造成缺血性脑中风，由此见得温度脑卒中的发病率有着密切关系，这也与我们解得的脑卒中发病率与温度关系最密切的结论相符。当然，温度也不是绝对影响因素脑卒中发病率，气压和湿度等其他因素也在一定程度上影响的脑卒中的发病率。
尽管世界上因各种原因患有脑卒中的人很多，但是不管原因多么复杂，据专家分析引起中风的危险因素始终离不开“七高”，即高血压、高胆固醇、高血糖、高体重、高脂血症、高尿酸、高胰岛素抵抗。作为脑血管病的易发人群——老年人一定要重视防治这些诱发中风的因素，特别要重视高血压的防治。
其实我们预防脑卒中外，还有应该预防各种疾病，而保持良好的生活习惯使我们远离疾病最好方法，因此我们应该要科学安排生活，注意劳逸结合，保证充足的睡眠，重视防寒保暖，避免情绪波动，防止过度劳累和剧烈活动，日常膳食宜清淡，吃新鲜蔬菜、水果等富含维生素的食物，戒除烟酒，健身锻炼，这样才能拥有一个良好的体格，从而积极面对生活中的每一天。

六、模型的优缺点及改进
模型的优点
1、该多元线性回归模型综合比较全面、合理考虑了诱发脑卒中的平均气压、最高气压、最低气压、平均温度、最高温度、最低温度、平均相对湿度、最小相对湿度的因素，并把脑卒中的发病率按每年每月为单位，方便模型的计算。
2、这个模型在面对大量数据时，仍能够简单的得到合理的结果，具有通用性。
3、模型在计算的过程中操作简单，在SPSS软件能够快速得到具有简洁性。
模型的缺点
1、不能全面揭示疾病变化的信息多元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。
2、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。
3、回归分析法不能处理时间滞后变量。
4、在SPSS得到的结果数据中，一些表格中的R值很小， SIG值很大，这会对结果造成一定的偏差。
模型的改进
我们这个模型考虑方面可能比较片面，只仅仅从环境因素的数值求出答案，没有从多方便考虑，现实中也许还存在对脑卒中发病率影响因素。例如：遗传因素、食物因素、情绪因素、生活规律因素、性别和种族对脑卒中的发病率的影响因素等等。

七、参考文献
[1]中华现代内科科学杂志 网址：

访问时间：2012年9月9日
[2]数学实验与建模，吴礼斌，李柏年，北京：国防工程出版社,2007年9月
[3]百度名片 脑卒中:
访问时间：2012年9月9日
[4]医学网站:

访问时间：2012年9月9日

附录：
表1
 四年各年的患病人数
年
月
2007
2008
2009
2010
总和
1
923
1811
738
1764
5236
2
726
1946
783
1486
4941
3
1012
1911
804
1730
5457
4
1068
1744
846
1698
5356
5
1062
1765
848
1891
5566
6
1077
1479
767
1608
4931
7
1007
1470
909
1759
5145
8
1188
1364
893
153
3598
9
1217
1269
795
1634
4915
10
1366
1452
704
1725
5247
11
1986
1367
579
1572
5504
12
1362
1309
356
1104
4131
总和
13994
18887
9022
18124
60027

表2

每年每个月相对这年的发病比例
2007 2008 2009 2010 平均
1
0.06595684
0.09588606
0.0818
0.09733
0.087227
2
0.05187938
0.10303383
0.086788
0.081991
0.082313
3
0.07231671
0.10118071
0.089115
0.095454
0.090909
4
0.07631842
0.09233865
0.093771
0.093688
0.089227
5
0.07588967
0.09345052
0.093992
0.104337
0.092725
6
0.07696155
0.07830783
0.085014
0.088722
0.082146
7
0.07195941
0.07783131
0.100754
0.097054
0.085711
8
0.08489353
0.07221899
0.09898
0.008442
0.05994
9
0.08696584
0.06718907
0.088118
0.090157
0.08188
10
0.09761326
0.07687828
0.078031
0.095178
0.087411
11
0.14191796
0.07237783
0.064176
0.086736
0.091692
12
0.09732743
0.06930693
0.039459
0.060914
0.068819

表3
2007年压温湿的平均数

平均气压
最高