城市老年人群就醫(yī)出行方式研究——以西安市為例

《城市老年人群就醫(yī)出行方式研究——以西安市為例》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、12道路交通城市道橋與防洪2015年9月第9期城市老年人群就醫(yī)出行方式研究——以西安市為例史榮，張琦，唐凱。(1．西安市城市規(guī)劃設(shè)計(jì)研究院，陜西西安71~68；2．西安建筑科技大學(xué)土木工程學(xué)院，陜西西安710055；3．西安建筑科技大學(xué)粉體工程研究所，陜西西安710127)摘要：運(yùn)用主成份分析法首先確定與老年人群就醫(yī)出行方式選擇高度相關(guān)的影響因素，進(jìn)而通過計(jì)算多值lo~sties回歸模型參數(shù)得到各種交通方式的分擔(dān)率，從而達(dá)到找出老年人就醫(yī)出行主要交通方式的研究目的。基于對西安市的問卷調(diào)查數(shù)據(jù)，進(jìn)一步實(shí)

2、證了研究方法的有效性。關(guān)鍵詞：老年人群；就醫(yī)出行方式；主成份分析；多值lo~stie回歸分析中圖分類號：U491．12文獻(xiàn)標(biāo)志碼：B文章編號：1009—7716(2015)09—0012—04種多元統(tǒng)計(jì)法。它是研究如何通過少數(shù)幾個(gè)主變0引言量來解釋多個(gè)變量間的內(nèi)部結(jié)構(gòu)。通常數(shù)學(xué)上的隨著我國社會(huì)和經(jīng)濟(jì)的發(fā)展，居民的平均壽命處理是將原來的P個(gè)指標(biāo)作線性組合，作為新的穩(wěn)步提高，人口年齡結(jié)構(gòu)已開始出現(xiàn)老齡化趨勢。綜合指標(biāo)。假設(shè)有n個(gè)樣本，測得P項(xiàng)指標(biāo)(p

3、得到原始數(shù)據(jù)資料陣：=(X，X：，．．．，X)，協(xié)方差矩年人口數(shù)為125．68萬人，占全市總?cè)丝诘?4．9％，陣為∑，令協(xié)方差矩陣的特征根值為A。≥A≥?正處于人口老齡化的加速發(fā)展期。因此，老年人逐A。，所以有Var()≥Var(F2)≥?≥Var(ro)，向量步成為社會(huì)關(guān)注的焦點(diǎn)。由于生理結(jié)構(gòu)的變化，老11f2．．．f。為相應(yīng)的單位特征向量，則x的第i個(gè)主成年人的出行需求特征發(fā)生顯著變化，逐步由與謀份為：生有關(guān)的出行轉(zhuǎn)化為滿足個(gè)人和家庭基本生活需Zi=／’i_(1，2?P)(1)要和精神、心理要求而

4、采取的出行，這其中最突出實(shí)際問題中往往協(xié)方差陣∑未知，這時(shí)可以的莫過于因體質(zhì)下降而激增的就醫(yī)出行需求”_3_。用其估計(jì)值S(樣本協(xié)方差陣)來代替。同時(shí)由于指因此，對老年人就醫(yī)出行特征的研究是十分必要。標(biāo)的量綱不同，所以在計(jì)算前往往要消除量綱的毛海境，任福田等定性地分析了老年人外出活動(dòng)影響，而將原始數(shù)據(jù)標(biāo)準(zhǔn)化，此時(shí)：的空間地域分布和出行特征，歸納了老年人的出行S=R：X'X(2)要求。該文在此基礎(chǔ)上引入非集計(jì)模型分析，運(yùn)用n定量的方法研究老年人的出行特征。陳團(tuán)生等l6l根特征根A是表示主成份影響力度的指

5、標(biāo)，代表引入該主成份后可以解釋平均多少原始變量的據(jù)北京市居民出行調(diào)查數(shù)據(jù)，利用非集計(jì)理論和方法構(gòu)建的老年人出行選擇行為模型，可從源頭信息。如果特征根小于1，說明該主成份的解釋力度還不如直接引入一個(gè)原始變量的平均解釋力度上分析影響老年人出行選擇行為的個(gè)人、家庭、社會(huì)及經(jīng)濟(jì)背景等因素，并對老年人出行選擇行為大。因此一般可用特征根大于1作為納入標(biāo)準(zhǔn)。方上進(jìn)行預(yù)測，該文在此基礎(chǔ)上著重針對老年人的就差貢獻(xiàn)率z的其計(jì)算公式為A。／Ai，表明該主成醫(yī)出行特征及其影響因素進(jìn)行研究。i=1份Z的方差在全部方差中的比重。

6、前k個(gè)主成份1模型作用機(jī)理kp的累計(jì)貢獻(xiàn)率定義為∑A／∑Ai,表示前k個(gè)主成1．1主成份分析法i=1i=1主成份分析法是考察多個(gè)變量間相關(guān)性的一份累計(jì)提取了，?。多少的信息。一般來說，如果前后個(gè)主成份的貢獻(xiàn)率達(dá)到85％，表明前收稿日期：2015—04—07基金項(xiàng)目：陜西省教育廳專項(xiàng)科研計(jì)劃項(xiàng)目(14JK1417)；西安個(gè)主成份基本包含了全部測量指標(biāo)所具有的信建筑科技大學(xué)青年科技基金項(xiàng)目(QN1307)。息。這樣既減少了變量的個(gè)數(shù)又便于對實(shí)際問題作者簡介：史榮(1989一)，女，陜西西安人，助理工程師，

7、碩士，從事城市交通規(guī)劃與管理研究。進(jìn)行研究。l4道路交通城市道橋與防洪2015年9月第9期量，然而本次問卷中的變量仍有部分定類變量，于表3初始因子荷載矩陣是要把它們首先轉(zhuǎn)換為定距變量。由于本次問卷中的定類變量大部分均是數(shù)值型的區(qū)間變量，則轉(zhuǎn)換方法即將分類變量變?yōu)閰^(qū)間變量的中值型定m∞鰓距數(shù)值變量，見表1。麟腳H&似2．3．2主成份分析利用SPSS軟件在7個(gè)自變量中提取了4個(gè)主成份來代表這7個(gè)自變量。第一主成份的特征腿根為1．92，它解釋了總變異的27．44％；第二主成分蝴扔的特征根為1．51，它解釋了

8、總變異的21．59％；第三于原始變量而m且∞四個(gè)主成份代表了所有的原始自個(gè)主成份的特征根為1．11，它解釋了總變異的變量，所以原來理論設(shè)置的自變量均有效。15．83％；第四主成份的特征根為1．O1，它解釋了總2．4無序鼴多值lo甜gistic回歸分析變異的14．4l％。這四個(gè)主成份的特征根都大于1，2．4．1列聯(lián)分析累計(jì)貢獻(xiàn)率在80％85％之間，說明這四個(gè)主成份該文利用列聯(lián)分析中的卡方檢驗(yàn)來確定自變的解釋力度都大于原始變量，見表2。量和因變量之間是否相關(guān)