10.12173/j.issn.1004-4337.202302032
环境流行病学研究中广义可加模型在Python中的实现
目的 探索环境流行病学领域中常见的时间序列资料,利用Python以及其他常用统计软件实现广义可加模型(generalized additive models,GAM)的建模,比较各软件建模过程和结果的异同.方法 以研究某地PM2.5暴露与呼吸系统疾病入院人次之间的关系作为实例,分别利用Python软件statsmodles库、R软件mgcv库和SAS软件的proc gam语法,构建GAM模型,比较各软件命令代码、参数设置以及参数估计的差异.结果 三种软件构建GAM模型的建模逻辑相似,但在内置函数拟合过程、命令代码以及可调用的样条函数等方面有所差别,各软件输出结果基本一致.结论 Python软件利用第三方库可实现广义可加模型的构建,为进一步拓展其在流行病学领域的应用提供了参考.
Python、广义可加模型、时间序列数据、环境流行病学
36
TP311.13;P732.4;C93
湖北省卫生健康委科研项目2021—2022;WJ2021F103
2023-05-15(万方平台首次上网日期,不代表论文的发表时间)
共5页
241-245