目录
肺活量影响因素分析报告
内容提要 本文基于LungCapData数据，进行了描述性统计分析和回归分析。经过分析得出：年龄、身高和性别对肺活量存在正向影响，其中性别的影响最大，男性的肺活量均值要高于女性；是否吸烟对肺活量存在负向影响，其中吸烟者的肺活量均值要低于非吸烟者。基于此，本文提出了及时戒烟和加强运动的建议。
一、研究目的
肺活量(LungCapData)是衡量一个人身体健康程度的重要指标。一般而言，影响肺活量的因素有很多，例如性别、年龄、身材、是否经常运动、是否吸烟与酗酒等。本文欲探究年龄(Age)、身高(Height)、是否吸烟(Smoke)、性别(Gender)与是否是剖腹产(Caesarean)对肺活量是否存在影响，若有影响，影响程度如何。根据分析结果，本文提出了相应的建议。
二、数据来源和相关说明
本文利用LungCapData数据，对肺活量的影响因素进行探究。数据共计725条，涉及的变量6个，分别为：
表 2-1 变量说明
| 变量 | 符号 | 解释 |
| 肺活量 | Y | 反应体质的指标 |
| 对数肺活量 | ln(Y) | 肺活量取对数 |
| 年龄 | X1 | 连续变量 |
| 身高 | X2 | 连续变量 |
| 是否吸烟 | X3 | 否=0；是=1 |
| 性别 | X4 | 女=0；男=1 |
| 是否剖腹产 | X5 | 否=0；是=1 |
三、描述性分析
为了获得对数据的整体了解，本文先对数据进行了描述性统计分析。
3.1 样本描述
表 3-1 样本描述
| 变量名 | 最小值 | 中位数 | 最大值 | 平均值 |
| LungCap(Y) | 0.507 | 8.000 | 14.675 | 7.863 |
| Age(X1) | 3.000 | 13.000 | 19.000 | 12.330 |
| Height(X2) | 45.300 | 65.400 | 81.800 | 64.840 |
| Smoke(X3) | 0.000 | 0.000 | 1.000 | 0.106 |
| Gender(X4) | 0.000 | 1.000 | 1.000 | 0.506 |
| Caesarean(X5) | 0.000 | 0.000 | 1.000 | 0.226 |
从表3-1可以得出：肺活量（LungCapData）介于0.507-14.675之前，其平均水平约为7.863（平均值）和8.000（中位数）；年龄介于3-19岁之间，其平均水平约为12.330（平均值）和13.000（中位数）；身高介于45.300-81.800之间，其平均水平为64.840（平均值）和65.400（中位数）；是否吸烟取值为0&1，其平均水平为0.106（平均值）和0.000（中位数），由此可见不吸烟的人数更多；性别取值为0&1，其平均水平为0.506（平均值）和1（中位数），由此可见男性人数多一些；是否是剖腹产取值为0&1，其平均水平为0.226（平均值）和0（中位数），由此可见非剖腹产人数较多。
3.2 数据可视化
为了更直观地看数据的分布情况，本文用R软件，分别绘制了肺活量、年龄和体重的直方图，是否吸烟、性别和是否是剖腹产的饼图。为了分析各个变量之间的关系，本文又绘制了各个变量的相关性热力图，是否吸烟、性别和是否是剖腹产与肺活量的箱线图，具体结果见图3-1到图3-4。
图 3-1 直方图
从图3-1直方图可以得出：肺活量、年龄和身高均大致服从正态分布。其中，肺活量数值多集中在6~9之间，年龄多集中在10~16岁，身高多集中在60~70之间。
图 3-2 饼图
从图3-2饼图可以得出：样本中，绝大多数人群不吸烟，占比89.4%，少数人吸烟，占比10.9%；男性与女性人数基本相同，男性略多余女性，分别占比50.6%和49.4%；人群中大部分人不是剖腹产，占比77.4%，少数人是剖腹产，占比22.6%。
图 3-3 相关性热力图
从图3-3热力图可以得出：肺活量与年龄和身高都有较强的相关性，相关系数分别为0.82和0.91。年龄和身高之间也存在较强的相关性，相关系数为0.84。
图 3-4 箱线图
从图3-4箱线图可以得出：从直观上看，是否吸烟与性别在对数肺活量上存在一定的差异性，而是否是剖腹产在对数量上基本不存在差异性。此外，不吸烟人群肺活量的最大值要高于吸烟人群；男性肺活量要高于女性，这与常识相符；非剖腹产人群的肺活量也高于剖腹产人群。
四、数据建模
4.1 回归模型A
为了分析肺活量的影响因素，本文首先建立了回归模型A （不考虑交互效应），即以ln(Y) 作为因变量，X1~X5 作为自变量，建立回归模型。
lnY=β0+β1X1+β2X2+β3X3+β4X4+β5X5+ε
模型结果如下表4-1所示。
表 4-1 回归模型A结果
| 变量 | Estimate | Std.Error | t value | Pr(>|t|) |
| β0 | -0.9746 | 0.097 | -10.099 | <2e-16*** |
| X1 | 0.0251 | 0.004 | 6.797 | 2.25e-11*** |
| X2 | 0.0407 | 0.002 | 19.743 | <2e-16 |
| X3 | -0.0678 | 0.026 | -2.626 | 0.009*** |
| X4 | 0.0526 | 0.016 | 3.224 | 0.001** |
| X5 | -0.0345 | 0.019 | -1.854 | 0.064 |
| R-squared | 0.7697 | |||
| Adjusted R-squared p-value | 0.7681 <2.2e-16 | |||
从表4-1可以得出：X1~X5 中，只有X5 的P 值>0.05 ，即在显著性水平α=0.05 的条件下，是否是剖腹产对肺活量不存在显著性影响。因而，本文考虑去除变量X5 后再建立回归模型B 。
4.2 回归模型B
以ln(Y) 作为因变量，X1~X4 作为自变量，建立回归模型。
lnY=β0+β1X1+β2X2+β3X3+β4X4+ε
模型结果如下表4-2所示。同时，对模型A和模型B进行方差分析，以进一步判断是否舍弃变量X5 ，分析结果如表4-2所示。
表 4-2 回归模型B结果
| 变量 | Estimate | Std.Error | t value | Pr(>|t|) |
| -0.9763 | 0.097 | -10.099 | <2e-16*** | |
| X1 | 0.0250 | 0.004 | 6.768 | 2.71e-11*** |
| X2 | 0.0406 | 0.002 | 19.676 | <2e-16 |
| X3 | -0.0691 | 0.026 | -2.674 | 0.008*** |
| X4 | 0.0524 | 0.016 | 3.202 | 0.001** |
| R-squared | 0.7686 | |||
| Adjusted R-squared p-value | 0.7673 <2.2e-16 | |||
| P-value | 2.2e-6 | |||
由表4-2可以得出：变量X1~X4 的P 值均<0.05 ，即在显著性水平α=0.05 的条件下，这四个变量对肺活量均存在显著性影响。
表 4-3 回归模型A和回归模型B方差分析
| 模型 | Res.Df | RSS | Df | Sum of Sq | F | Pr(>f) |
| A | 719 | 31.404 | ||||
| B | 720 | 31.554 | -1 | -0.150 | 3.436 | 0.064 |
由表4-3可以得出：模型A 和模型B 方差分析P 值为0.064>0.05 ，因而在显著性水平α=0.05 的条件下接受原假设，即认为模型A 和模型B 不存在显著性差异，即变量X5 可以剔除。因而，本文采用模型B 的分析结果对肺活量的影响因素进行定量分析。模型B 对应的回归模型如下。
lnY=-0.9763+0.0250X1+0.0406X2-0.0691X3+0.0524X4
4.3 结果分析
根据表4-2可以得出：β1=0.0250 ，意味着其他变量保持不变时，X1 (年龄)每增加1岁，肺活量将相较于之前增加2.50%；β2=0.0406 ，意味着其他变量保持不变时，X2 (身高)高度每增加1，肺活量将相较于之前增加4.06%；β3=-0.0691 ，意味着其他变量保持不变时，X3 (是否吸烟)每增加1，即吸烟的人相较于不吸烟的人，肺活量将降低6.91%；β4=0.0524 ，意味着其他变量保持不变时，X4 (性别)每增加1，即男性相较于女性，肺活量将增加5.24%。
综上所述，年龄、身高和性别均对肺活量有正向影响，其中性别的影响最大，身高次之，年龄影响最小；是否吸烟对肺活量存在负向影响，即从平均意义上而言，吸烟会降低人的肺活量，且影响较大。
五、结论及建议
5.1 结论
样本中，男性略多于女性，吸烟者和剖腹产仅占一小部分，分别为10.6%和22.6%。肺活量、年龄和身高都大致服从正态分布。从图形上看，年龄和身高与肺活量存在强相关性，是否吸烟与性别在肺活量上有较大差异性，是否是剖腹产差异性较小。
根据回归分析可以得出：在显著性水平α=0.05 下，五个因素中，四个因素均对肺活量存在显著性影响，分别是年龄、身高、是否吸烟和性别。随着年龄和身高的增长，肺活量均会增加；男性肺活量的均值要高于女性；吸烟者的肺活量均值要低于不吸烟者。
5.2 建议
综上所述，本文提出以下两点建议：
- 吸烟者应尽量戒烟：根据本文分析，吸烟会明显降低肺活量。此外，吸烟对身体的危害不言而喻，因而为了自身身体健康考虑，应考虑尽早戒烟。
- 肺活量是测量心肺功能的一项重要指标，肺活量的大小反映了人体的心肺功能和健康程度。据网上资料显示，可以通过做有氧运动，如登山、慢跑、游泳等；或者做增强扩胸的运动等都可以增加自身肺活量。为了自身的身体健康，可以考虑经常做运动来增加自己的肺活量，改善自身体质。
六、代码
a=read.csv("D:/个人成长/学业/课程/大三下课程/统计模型/线性回归模型和方差分析模型/LungCapData.csv",header=1)
a[1:5,]
b=a[,1:3]
a$Y=log(a$LungCap)
dim(a)
par(mfrow=c(1,3))
hist(a$LungCap,xlab="肺活量",ylab = "Frequency",main=NULL)
#hist(log(a$LungCap),xlab="肺活量",ylab = "Frequency",main=NULL)
hist(a$Age,xlab="年龄",ylab = "Frequency",main=NULL)
hist(a$Height,xlab="身高",ylab = "Frequency",main=NULL)
#hist(log(a$Age),xlab="年龄",ylab = "Frequency",main=NULL)
#hist(log(a$Height),xlab="身高",ylab = "Frequency",main=NULL)
x=c(648,77)
piepercent1=round(100*x/sum(x),1)
y=c(358,367)
piepercent2=round(100*y/sum(x),1)
z=c(561,164)
piepercent3=round(100*z/sum(x),1)
par(mfrow=c(1,3))
pie(x,labels=piepercent1,main="是否吸烟",col=rainbow(length(x)))
legend("topright",c("不吸烟","吸烟"),cex=0.8,fill=rainbow(length(x)))
pie(y,labels=piepercent2,main="性别",col=rainbow(length(y)))
legend("topright",c("女性","男性"),cex=0.8,fill=rainbow(length(y)))
pie(z,labels=piepercent3,main="是否是剖腹产",col=rainbow(length(z)))
legend("topright",c("否","是"),cex=0.8,fill=rainbow(length(z)))
library(corrplot)
##默认参数
k=cor(b,use='everything',method='pearson')
par(mfrow=c(1,1))
corrplot(k,addCoef.col = "black")
summary(a)
descrb = function(var){
Z=a[,var]
N=tapply(a$Y,Z,length)
MU=tapply(a$Y,Z,mean)
SD=tapply(a$Y,Z,sd)
MIN=tapply(a$Y,Z,min)
MED=tapply(a$Y,Z,median)
MAX=tapply(a$Y,Z,max)
out=cbind(N,MU,SD,MIN,MED,MAX)
out
}
descrb("Smoke")
descrb("Gender")
descrb("Caesarean")
par(mfrow=c(1,3))
boxplot(Y~Smoke,a,ylab="对数肺活量",xlab="是否吸烟",names=c("否","是"))
boxplot(Y~Gender,a,ylab="对数肺活量",xlab="性别",names=c("女","男"))
boxplot(Y~Caesarean,a,ylab="对数肺活量",xlab="是否是剖腹产",names=c("否","是"))
Model.A=lm(Y~Age+Height+Smoke+Gender+Caesarean,data=a)
summary(Model.A)
Model.B=lm(Y~Age+Height+Smoke+Gender,data=a)
summary(Model.B)
anova(Model.A,Model.B)个人见解，请各位读者批评指正！
1298
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
