基于多元有序Logistic模型的居民对浙江省数字文旅建设满意度研究——以杭州市为例

杭州是一个旅游型城市,随着数字经济的发展,杭州率先开启了数字文旅新时代。本文以杭州市民为研究对象,就杭州市民对数字文旅的满意度发放问卷,以对数字文旅的总满意度为响应变量,设置包括个人特征、数字文旅公众参与、数字文旅公众感知、数字文旅文化价值在内的多维度预测变量建立多元有序Logistic模型,分析影响市民对数字文旅满意度的主要因素。研究发现,市民对数字文旅满意度因文化程度而异;公众对数字文旅的性价比感知、便利性感知,智慧旅游平台使用频率、数字文旅文化价值对满意度呈正向影响;线上文博使用频率、市民的文化程度对满意度呈负向影响。

基于多元有序Logistic与ISM模型的新疆食品消费意愿的影响因素研究

基于416名国内消费者的调查数据,通过构建多元有序Logistic回归模型和ISM解释结构模型分析消费者对新疆食品消费意愿的影响。结果表明,消费意愿受消费者性别、消费者对新疆食品的认知和偏好、消费者对新疆食品原料生产、食品销售的原产地印象的影响。消费者对新疆食品的喜欢程度为表层直接影响因素;消费者对新疆食品原料生产、食品销售的原产地印象以及消费者对新疆食品的熟悉程度为中层间接影响因素;性别是消费意愿的深层根源影响因素。因此,要加强品牌建设,塑造绿色原产地形象,推动新疆食品产业可持续发展。

抖音APP用户满意度影响因素研究——基于多元有序Logistic回归模型

用户满意度关系着其是否会持续使用抖音APP,尤其在激烈的市场竞争环境下,目前很多短视频软件功能同质化较高,研究抖音APP用户满意度的影响因素,对优化用户使用体验和提高抖音平台的市场竞争力具有重要的实际意义。基于291份有效问卷数据,利用多元有序Logistic回归模型,实证分析抖音APP用户满意度影响因素。结果表明:性别、使用时长、广告侵犯性、安全性、操作便捷度、信息满足感、感知娱乐性均对抖音APP用户满意度有显著影响,而年龄、使用频率和互动性对其影响不显著。在此基础上,得出相应的研究结论。

发生带状疱疹后神经痛的影响因素的logistic模型分析

目的了解带状疱疹后神经痛(postherpetic neuralgia,PHN)的影响因素,为针对性地防治PHN提供依据。方法于2022年1月-12月选取某院就诊的带状疱疹患者480例为研究对象,收集患者的人口学情况、临床相关内容、心理状态、饮食依从性和运动情况。采用多因素logistic模型分析PHN发生的影响因素。结果共纳入480人,单因素分析结果显示,年龄较高、皮损面积大、NRS评分高、不用激素治疗、冠心病、饮食习惯不良、缺乏体育锻炼者的PHN发生率较高(P<0.05)。多因素分析结果显示,年龄、皮损面积、激素治疗、冠心病、饮食依从性、体育锻炼是PHN的影响因素(P<0.05)。结论年龄、冠心病、疼痛程度、皮损面积、激素治疗、饮食依从性、体育锻炼影响PHN的发生,根据影响因素采用多种措施开展有针对性健康干预,从而帮助患者正确面对疾病,降低PHN的发生率,提高生活质量。

砒砂岩坡面侵蚀产沙规律及多元回归估算模型研究

[目的]揭示砒砂岩坡面侵蚀产沙规律并初步建立侵蚀产沙估测模型,为创新砒砂岩区水土流失综合治理新措施提供参考。[方法]利用室内人工模拟降雨试验,依据18个工况的试验数据,定量研究了不同降雨强度、植被覆盖度和坡度3个因素对砒砂岩坡面降雨侵蚀产沙量的影响规律,并通过多元非线性回归方程建立了坡面侵蚀产沙预测模型。[结果](1)砒砂岩坡面产沙规律曲线均属于平缓型,每分钟产沙量随降雨历时呈现逐渐增大并直至稳定。(2)坡面产沙量受降雨强度的影响最为强烈,植被其次,坡度最小,且降雨强度对植被的减沙效益具有一定的影响,随着降雨强度的增加,低覆盖度的植被减沙效益降低。(3)产沙量同降雨强度呈幂函数关系,而同坡度和植被覆盖度在一定范围内呈线性关系。[结论]通过多元非线性回归方程所建立的侵蚀产沙估算方程的拟合相关系数(R^(2))可达到0.980,可以有效反映坡面侵蚀产沙量与各个影响因素的相互关系,具有较高的适用性。

多元广义线性模型经验似然方法分析

针对多元广义线性模型,基于估计相关阵、广义估计方程和经验似然方法,本文构造出经验似然比统计量,此统计量能克服“工作相关阵”方法的误设定问题.在一定的条件下,本文也获得了经验似然比统计量渐近Wilks性质,该结果可用作未知参数向量置信域的构造.最后,通过数值模拟对所提方法的有效性进行验证.

基于Logistic模型和SPC算法的关键技术识别与预测——以卫星互联网为例

识别关键技术有助于在制定技术和市场战略布局中获得先发优势,对我国经济发展、国家安全具有重要意义。文中提出一种融合生命周期与主路径分析的关键技术识别方法,是对已有的研究理论和方法的重要补充。首先,检索相关领域专利数据并进行技术划分;然后,综合运用Lo-gistic模型和SPC算法构建技术轨道,识别关键技术;接着,使用显性技术优势指数比较主要国家技术竞争态势;最后,结合关键技术与技术竞争态势绘制技术路线图,识别技术热点与前沿预测。以卫星互联网为例,阐述该方法的应用过程。研究结果表明,该方法能够较为准确识别出该领域关键技术,揭示全球技术竞争态势,有效实现技术热点识别和未来技术预测;识别出的卫星互联网关键技术,能够为国家发展政策制定与相关产业布局提供参考。

X线联合超声Logistic模型预测乳腺癌腋窝淋巴结转移的价值分析

目的分析与乳腺癌腋窝淋巴结转移相关的X线和超声征象,构建Logistic回归模型并评估其对术前预测腋窝淋巴结状态的临床价值。方法选取2015年1月至2022年1月高密市人民医院收治的312例原发性乳腺癌患者作为研究对象,根据是否发生腋窝淋巴结转移(ALNM)分为转移组(n=141)与未转移组(n=171)。所有患者均行X线及超声检查,比较未转移组与转移组乳腺浸润性导管癌的X线征象、超声征象,采用多因素Logistic回归分析ALNM的影响因素;绘制ROC曲线分析X线、超神征象及Logistic回归模型预测乳腺癌腋窝淋巴结转移的价值。结果两组X线原发灶长径、皮肤增厚、乳头回缩、淋巴结门和淋巴结密度比较差异有统计学意义(P<0.05),两组象限位置、钙化和边缘毛刺比较差异无统计学意义;两组超声原发灶长径、淋巴结皮髓质分界和淋巴结皮质比较差异有统计学意义(P<0.05),两组原发灶高回声晕、后场回声、血流分级和纵横比比较差异无统计学意义。多因素Logistic回归分析结果显示,X线征象的乳房皮肤增厚征象、超声淋巴结皮质增厚征象是乳腺浸润性导管癌患者发生ALNM的独立危险因素(P<0.05)。ROC曲线分析结果显示,X线乳房皮肤增厚征象和超声征象的淋巴结皮质增厚预测淋巴结转移的AUC分别为0.652(95%CI:0.589~0.714)、0.725(95%CI:0.666~0.784),模型预测ALNM的AUC为0.795(95%CI:0.742~0.848),预测效能较好。结论乳腺癌患者的X线皮肤增厚征象和超声腋窝淋巴结皮质增厚征象与ALNM有关,X线联合超声的Logistic模型可较准确地预测乳腺癌患者的腋窝淋巴结状态。

基于多元统计分析的小样本数据预测模型设计

若小样本数据预测误差较大,会直接影响数据应用效果,为提升小样本数据预测精度,提出基于多元统计分析的小样本数据预测模型设计方法。将小样本数据放入SPSS软件中,结合自助法完成小样本数据的经验分布分析。基于样本数据经验分布特征,结合具备学习能力的Fisherface算法对小样本上数据实施预分类,建立测试样本类别标签,实现小样本数据的特征提取。通过多元统计分析数据特征的主元成分,确定模型回归函数,结合支持向量机构建数据预测模型,通过上述模型完成小样本数据的精准预测。实验结果表明,使用上述方法开展小样本数据预测时,预测误差较低,效率较高,说明其预测效果较好。

基于多元语义特征和图卷积神经网络的短文本分类模型

在互联网和社交媒体迅猛发展的背景下,网络中出现了大量的短文本数据,这些数据在舆情监控、情感分析和新闻分类等自然语言处理领域展现出了非常高的经济和学术价值.但短文本数据固有的特征给短文本分类带来了不小的挑战,如文本稀疏和缺乏丰富的上下文语义等.针对这些问题,提出了一种结合多元语义特征和图卷积神经网络(GCN)的短文本分类模型,该模型通过哈尔滨工业大学的语言技术平台获取短文本的多种语义特征,并将这些语义特征同短文本一起构建一个多元异构图,然后将其作为GCN的输入,利用GCN学习短文本更深层特征,最后通过Softmax函数获取每个类别的概率分布,进而实现短文本分类.试验结果表明,本模型在短文本分类的F1评分上比传统单一模型提高了4%.

基于深度神经网络与Logistic模型的财务风险预警研究——来自制造业上市公司数据

复杂多变的外部经济环境促使企业财务风险不断上升,寻求有效的财务风险预警模型以提高公司财务风险管理能力是当前理论界与实务界重点关注的热点话题。人工智能技术在各领域应用的飞速发展,为识别和评估公司财务风险提供了新方向,本文基于人工智能领域主流算法——机器学习算法,构建深度神经网络预警模型以识别和评估公司财务风险。本文以2001-2023年制造业上市公司为样本,使用PSM匹配将样本分为财务危机组和经营良好组,综合多维度多目标的财务风险预警指标体系,并使用计算机模拟仿真技术和多模型对比测试,研究发现基于机器学习算法的深度神经网络模型对预测财务风险准确率达到90%。进一步,本文运用Logistic模型获取了对企业财务风险影响较大的因素。本文研究为识别、评估和控制财务风险提供了新的理论模型,也为管理者增强公司风险防范水平提供了实践指导。

基于科技接受模型下多元化管理对妊娠期糖尿病病人血糖和妊娠结局的影响

目的:探讨科技接受模型的多元化管理对妊娠期糖尿病病人血糖和妊娠结局的影响。方法:采用便利抽样法将2021年3月—2022年2月在医院产科门诊定期产检并于24~28周行葡萄糖耐量试验(OGTT)后被确诊为妊娠糖尿病的188例病人为研究对象,按随机数字表法分为对照组和观察组各94例,对照组给予常规健康指导,观察组在对照组的基础上行科技接受模型多元化管理干预,于干预后采用妊娠糖尿病自我护理能力量表(ESCA)、妊娠期间抑郁症测定量表(EPDS)进行调查,评价两组空腹血糖(FPG)、餐后2 h血糖(2 hPG)、糖化血红蛋白(HbAlc)、体质指数(BMI)变化,继续干预至产后42 d,比较两组病人干预前后自我护理能力及母婴结局。结果:基于科技接受模型的多元化管理干预后观察组病人自我护理能力、体重管理及血糖控制水平显著优于对照组(P<0.05),病人子痫前期重度、泌尿系统感染、流产、剖宫产、产后出血、产后抑郁症等发生率以及早产、巨大儿、新生儿窒息、新生儿肺炎、新生儿湿疹等发生率显著低于对照组(P<0.05)。结论:基于科技接受模型理论的多元化管理方案能够提高GDM病人的自我护理能力,减少妊娠期相关母婴并发症的发生,降低血糖水平,改善母婴结局。

基于多元回归模型探讨胃食管反流病中医证型分布的相关因素

目的通过收集分析胃食管反流病(gastroesophageal reflux disease,GERD)患者的相关资料,探索不同证型患者的主要特点,为中医辨证提供客观依据。方法选取2021年9月至2022年9月就诊于中国中医科学院广安门医院脾胃科门诊的GERD患者,收集患者一般资料、四诊信息、胃食管反流病问卷(gastroesophageal reflux disease questionnaire,GerdQ)及反流症状指数(reflux symptom index,RSI)量表评分,基于多元Logistic回归分析各因素对中医辨证的影响。结果相对于肝胃郁热证,RSI评分越高、GerdQ评分越低,诊断胆热犯胃证的概率越大;RSI评分越高、年龄越大、GerdQ评分越低,诊断气郁痰阻证的概率越大;年龄越大、GerdQ评分越低、病程越长,诊断瘀血阻络证的概率越大;年龄越大、GerdQ评分越高、病程越长,诊断中虚气逆证的概率越大;年龄越大、RSI评分越高、GerdQ评分越低、病程越长,诊断脾虚湿热证的概率越大。结论年龄、病程、RSI评分、GerdQ评分对GERD辨证有影响,临证可借助年龄、病程、RSI评分、GerdQ评分等指标辅助辨证,提高辨证准确率。

随机森林模型和Logistic回归模型预测非计划再手术发生风险的效能比较

目的比较随机森林模型和Logistic回归模型预测非计划再手术发生风险的效能。方法在手术麻醉系统中筛选一次住院期间申请2次手术的患者信息。提取所有非计划再次手术患者(n=219)作为研究组,对应科室的计划再次手术患者(n=14311)作为对照组。运用随机森林模型和Logistic回归模型建立非计划再手术预测模型。采用受试者工作特征曲线下面积评价两种模型的预测效能。结果(1)Logistic回归分析结果显示,前次术中输血、罹患恶性肿瘤、合并疾病数量、前次手术切口愈合等级、前次手术级别、前次手术时长、前次手术切口类别是非计划再手术发生的影响因素(P<0.05)。Logistic回归预测模型的曲线下面积为0.922,灵敏度、特异度、准确率分别为92.59%、79.11%、79.28%。(2)随机森林模型特征变量的重要性排序结果显示,前次手术切口类别、前次术中输血、前次手术级别、前次手术切口愈合等级、合并疾病数量、罹患恶性肿瘤等变量的重要性更靠前。随机森林预测模型的曲线下面积为0.866,灵敏度、特异度、准确率分别为80.00%、93.33%、86.66%。Logistic回归预测模型曲线下面积大于随机森林预测模型,但差异无统计学意义(P>0.05)。结论综合使用Logistic回归模型和随机森林模型,并将二者分析结果互为补充,可从各个方面预测非计划再次手术的风险因素,能获得更好的预测效能。

基于Logistic回归模型和PCA模型的急性缺血性脑卒中发作影响因素分析

目的应用Logistic回归模型和主成分分析(PCA)模型分析急性缺血性脑卒中(AIS)发作的影响因素。方法从大连医科大学附属第二医院医渡云科研大数据服务器系统提取2001年1月1日至2021年12月31日的数据,将医院病历系统收录的55620例AIS患者纳入病例组,将筛选后的64134例在医院体检中心体检的人群纳入对照组。收集两组的临床资料,分析AIS发作的影响因素。结果多因素分析结果显示,年龄、性别、肌酐、白细胞计数、血红蛋白、红细胞计数、血小板计数、甘油三酯(TG)、低密度脂蛋白胆固醇(LDL-C)、高密度脂蛋白胆固醇(HDL-C)、丙氨酸氨基转移酶(ALT)、总胆固醇(TC)、γ-谷氨酰转移酶(γ-GGT)水平及吸烟史、饮酒史、高血压、糖尿病、心梗、冠心病、动脉粥样硬化为AIS的影响因素(P<0.05);受试者工作特征(ROC)曲线下面积(AUC)为0.927。PCA提取8个主成分,既往病史、血脂水平风险比较大。结论既往病史及血脂水平是AIS发作的主要影响因素,有效控制原发疾病及血脂水平能够更好控制AIS发作。

基于Logistic回归和支持向量机的早发性结直肠癌风险预测模型

目的:通过Logis tic回归和支持向量机(SVM)探究早发性结直肠癌(EOCRC)和晚发性结直肠癌(LOCRC)的危险因素,建立针对不同年龄段人群的风险预测模型并比较预测效果。方法:选择2012—2022年诊断为结直肠癌患者,记录人口学特征、临床表现、既往史、家族史、生活方式、体格检查、实验室检查及病理诊断,分别建立风险预测模型,比较两模型的ROC曲线下面积(AUROC)、准确率、精确率、召回率、F1分数。结果:综合两模型结果,EOCRC风险与出现消化道出血、腹胀腹痛、大便习惯改变等临床表现、体重减轻、肿瘤标志物升高具有较强的正相关性,与婚姻状况、阑尾切除史、糖尿病史、血脂异常病史、结直肠癌家族史也存在较弱的正相关;LOCRC风险与婚姻状况、出现临床表现、体重减轻、血脂异常、肿瘤标志物升高具有较强的正相关性,与年龄、吸烟、阑尾切除史、结直肠癌家族史也存在一定的正相关性。两模型的AUROC、准确率、F1分数相差不大,但Logistic回归模型的精确率更高而SVM模型的召回率更高。结论:EOCRC和LOCRC的危险因素不完全相同,婚姻状况、吸烟、血脂异常、肿瘤家族史在EOCRC中的贡献低于在LOCRC中的贡献。相较Logistic回归,SVM能发现更多的结直肠癌危险因素,能尽可能多的找出结直肠癌的可能患者。

偏正态条件下多元线性回归模型的统计推断及其应用

本文考虑带偏正态随机项多元线性回归模型的统计推断问题.基于最大似然方法,本文所做的工作如下:1)证明了参数最大似然估计在n≥p+1条件下以概率1存在唯一;2)在唯一性条件下给出参数估计的一致性结论;3)在一致性的条件下研究了参数的渐近性质,给出参数的渐近分布.最后通过数值模拟说明了所提理论和方法的有效性.实例表明模型参数估计的渐近分布具有实际意义.

基于DCE-MRI表现的logistic回归分析模型在乳腺良恶性病变诊断中的应用

目的 分析基于动态对比增强磁共振成像(DCE-M RI)表现的logistic回归分析模型在乳腺良恶性病变诊断中的应用。方法 回顾性分析2021年1月~2023年10月来我院进行乳腺检查患者161例临床资料。其中良性病变60例、恶性病变101例,分别纳入良性组(n=60)及恶性组(n=101)。分析两组DCE-MRI表现差异,进行单因素分析,利用二元Logistic回归分析构建乳腺良恶性病变诊断模型。采用受试者工作特征(ROC)曲线分析乳腺良恶性病变诊断模型的效能。结果 单因素分析显示,良性组与恶性组TIC曲线、BI-RADS分级、早期强化率、边缘形态及病灶大小比较差异有统计学意义(P<0.05);二元Logistic回归分析结果显示, TIC曲线、BI-RADS分级、早期强化率、边缘形态及病灶大小是乳腺良恶性病变危险征像;构建logistic乳腺癌良恶性病变诊断模型Y=-0.633+0.645TIC曲线+2.112×BI-RADS分级+1.142×早期强化率+1.136×边缘形态+1.136×病灶大小;ROC曲线分析显示该模型诊断效能,AUC为0.944,敏感度为83.33%,特异度为85.15%,提示该模型具有较高的诊断效能。结论 基于乳腺病变早期DCE-MRI表现的logistic诊断模型,能够筛选出对乳腺恶性病变鉴别诊断有意义的特征变量,对乳腺良恶性病变具有较高的诊断效能。

基于连续比例Logistic回归模型的贝叶斯判别分析

针对传统贝叶斯判别分析方法处理实际问题的局限性,提出一种基于连续比例Logistic回归模型的贝叶斯判别分析方法.首先基于连续比例Logistic回归模型建立半参数密度比模型,通过经验似然法估计模型的参数,并使用贝叶斯定理计算后验概率进行分类预测.然后对比新方法与传统方法的回判正确率,统计模拟表明当总体数据符合正态分布时,2者判别能力相当,否则,提出的新方法能够更好地判别不同的数据特征.最后运用新方法分析真实的数据集,验证了新方法在分类预测中的准确性和稳健性,与传统方法相比,更适用于实际应用中多元分类问题的建模和预测.

基于有序Logistic回归模型的北京高校男生有氧能力

为探索北京高校男生有氧能力的影响因素,通过随机抽样法抽取134名18~25岁北京高校男生,空腹抽静脉血测血液指标,用德国MetaMax 3B系统实时监测气体代谢,通过线性递增方案测得最大摄氧量(maximum oxygen uptake, VO_(2max))相对值。采用Spearman相关、有序Logistic回归等分析方法进行分析处理。结果表明:回归方程中影响北京高校男生有氧能力的因素有体重(M)、心率(heart rate, HR)、每搏输出量(stroke volume, SV)、心室射血时间(ventricular ejection, VET)、血红蛋白(hemoglobin, HGB)。方程模型系数综合检验步(step)、块(block)、模型(model)检验的P均小于0.01;拟合优度检验的-2对数似然值(-2LL)为159.374,Cox&Snell R^(2)为0.331,Nagelkerke R^(2)为0.373;方程预测等级1准确率为45.5%,等级2准确率为100%,等级3准确率为100%,综合为81.8%,说明Logistic回归模型性能良好。Hosmer和Lemeshow检验预测值与观望值无显著性差异(P>0.05)。可见北京高校男生定量负荷心功能、血液指标与有氧能力的多元Logistic回归模型拟合度较好,且HR、SV、VET、HGB是预测北京高校男生有氧能力的重要因素。同时研究中受试者无需运动至极限状态,运动强度大大降低,可以有效避免运动风险的发生,回归模型的检验结果良好,适合在大样本人群中推广。