城市老年人群就医出行方式研究——以西安市为例.pdf

城市老年人群就医出行方式研究——以西安市为例.pdf

ID:52969311

大小:555.64 KB

页数:4页

时间:2020-04-05

城市老年人群就医出行方式研究——以西安市为例.pdf_第1页
城市老年人群就医出行方式研究——以西安市为例.pdf_第2页
城市老年人群就医出行方式研究——以西安市为例.pdf_第3页
城市老年人群就医出行方式研究——以西安市为例.pdf_第4页
资源描述:

《城市老年人群就医出行方式研究——以西安市为例.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、12道路交通城市道桥与防洪2015年9月第9期城市老年人群就医出行方式研究——以西安市为例史荣,张琦,唐凯。(1.西安市城市规划设计研究院,陕西西安71~68;2.西安建筑科技大学土木工程学院,陕西西安710055;3.西安建筑科技大学粉体工程研究所,陕西西安710127)摘要:运用主成份分析法首先确定与老年人群就医出行方式选择高度相关的影响因素,进而通过计算多值lo~sties回归模型参数得到各种交通方式的分担率,从而达到找出老年人就医出行主要交通方式的研究目的。基于对西安市的问卷调查数据,进一步实证了研究方法的有效性。关键词:老年人群;就医出行

2、方式;主成份分析;多值lo~stie回归分析中图分类号:U491.12文献标志码:B文章编号:1009—7716(2015)09—0012—04种多元统计法。它是研究如何通过少数几个主变0引言量来解释多个变量间的内部结构。通常数学上的随着我国社会和经济的发展,居民的平均寿命处理是将原来的P个指标作线性组合,作为新的稳步提高,人口年龄结构已开始出现老龄化趋势。综合指标。假设有n个样本,测得P项指标(p

3、的14.9%,阵为∑,令协方差矩阵的特征根值为A。≥A≥⋯正处于人口老龄化的加速发展期。因此,老年人逐A。,所以有Var()≥Var(F2)≥⋯≥Var(ro),向量步成为社会关注的焦点。由于生理结构的变化,老11f2...f。为相应的单位特征向量,则x的第i个主成年人的出行需求特征发生显著变化,逐步由与谋份为:生有关的出行转化为满足个人和家庭基本生活需Zi=/’i_(1,2⋯P)(1)要和精神、心理要求而采取的出行,这其中最突出实际问题中往往协方差阵∑未知,这时可以的莫过于因体质下降而激增的就医出行需求”_3_。用其估计值S(样本协方差阵)来代替

4、。同时由于指因此,对老年人就医出行特征的研究是十分必要。标的量纲不同,所以在计算前往往要消除量纲的毛海境,任福田等定性地分析了老年人外出活动影响,而将原始数据标准化,此时:的空间地域分布和出行特征,归纳了老年人的出行S=R:X'X(2)要求。该文在此基础上引入非集计模型分析,运用n定量的方法研究老年人的出行特征。陈团生等l6l根特征根A是表示主成份影响力度的指标,代表引入该主成份后可以解释平均多少原始变量的据北京市居民出行调查数据,利用非集计理论和方法构建的老年人出行选择行为模型,可从源头信息。如果特征根小于1,说明该主成份的解释力度还不如直接引入

5、一个原始变量的平均解释力度上分析影响老年人出行选择行为的个人、家庭、社会及经济背景等因素,并对老年人出行选择行为大。因此一般可用特征根大于1作为纳入标准。方上进行预测,该文在此基础上着重针对老年人的就差贡献率z的其计算公式为A。/Ai,表明该主成医出行特征及其影响因素进行研究。i=1份Z的方差在全部方差中的比重。前k个主成份1模型作用机理kp的累计贡献率定义为∑A/∑Ai,表示前k个主成1.1主成份分析法i=1i=1主成份分析法是考察多个变量间相关性的一份累计提取了,⋯。多少的信息。一般来说,如果前后个主成份的贡献率达到85%,表明前收稿日期:20

6、15—04—07基金项目:陕西省教育厅专项科研计划项目(14JK1417);西安个主成份基本包含了全部测量指标所具有的信建筑科技大学青年科技基金项目(QN1307)。息。这样既减少了变量的个数又便于对实际问题作者简介:史荣(1989一),女,陕西西安人,助理工程师,硕士,从事城市交通规划与管理研究。进行研究。l4道路交通城市道桥与防洪2015年9月第9期量,然而本次问卷中的变量仍有部分定类变量,于表3初始因子荷载矩阵是要把它们首先转换为定距变量。由于本次问卷中的定类变量大部分均是数值型的区间变量,则转换方法即将分类变量变为区间变量的中值型定m∞鳃距

7、数值变量,见表1。麟脚H&似2.3.2主成份分析利用SPSS软件在7个自变量中提取了4个主成份来代表这7个自变量。第一主成份的特征腿根为1.92,它解释了总变异的27.44%;第二主成分蝴扔的特征根为1.51,它解释了总变异的21.59%;第三于原始变量而m且∞四个主成份代表了所有的原始自个主成份的特征根为1.11,它解释了总变异的变量,所以原来理论设置的自变量均有效。15.83%;第四主成份的特征根为1.O1,它解释了总2.4无序鼹多值lo甜gistic回归分析变异的14.4l%。这四个主成份的特征根都大于1,2.4.1列联分析累计贡献率在80%

8、85%之间,说明这四个主成份该文利用列联分析中的卡方检验来确定自变的解释力度都大于原始变量,见表2。量和因变量之间是否相关

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。