多元统计分析方法与中医药文化研究

导语：多元统计分析方法与中医药文化研究一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

［摘要］目的：了解中医药文化传播的发展现状并运用多元统计模型做出预测。方法：搜集整理了2008—2017年的168篇研究中医药文化传播的论文，进行曲线回归分析给出两个模型并计算出未来3年中医药文化传播论文的预测值和残差值，选择拟合效果更好的模型。结果：由曲线回归分析假设检验的结果，表明建立三次函数和二次函数是合适的模型，但经过图像拟合比较三次函数模型更好。结论：多元统计模型能够较好地拟合中医药文化传播期刊文献量，在中医药文化传播的发展现状预测研究中具有一定的应用价值。

［关键词］中医药文化传播；多元统计；模型

2016年12月颁布的《中医药法》中第六章“中医药传承与文化传播”第四十二条至第四十六条专门对中医药文化传播作出了明确的规定，这足以体现中医药文化传播对于提升中医药影响范围和服务能力，建立中医与西医相互补充的中国特色医药卫生体制，对实现广大人民健康水平不断提高及中医药事业的持续发展都具有十分重要的意义［1］。期刊文献作为科研人员的研究成果，可以客观真实地反映出该领域的发展状况［2-5］。为了解现阶段中医药文化传播的发展现状，现对中医药文化传播的相关文献进行多元统计分析，构建模型进行预测。

1资料来源

在中国知网（Chinanationalknowledgeinfrastructure，CNKI）、万方数据资源系统、中文科技期刊全文数据库（VIP）3个数据库中，以“中医药文化传播”为主题或关键词进行检索，统计范围为2008－2017年该领域的所有文献，共检索到168篇论文，剔除重复、无效的文章后有效文献153篇（包含期刊论文、硕士博士学位论文及会议论文等）。联合使用Excel和NoteExpress2.9.8建立数据库，按照年份、期刊、地区、作者、关键词、研究单位、资助基金等内容进行整理和录入，使用SPSS23.0统计分析软件进行数据统计分析。

2构建数学模型

运用多元统计分析方法（曲线回归）构建数学模型。为了粗略了解两个变量的关系，首先，以期刊累积数量（Y）为纵轴和时间（X-2007）为横轴作散点图，可以看出，期刊文献量和时间不呈直线分布，即两变量的关系是非线性的，因此利用SPSS23.0统计软件［6-7］进行曲线回归分析［8-10］。在曲线回归中，根据曲线回归模型的决定系数R2值，当它越接近于1表示曲线回归的效果越好。由表1可以看出，R2值较大的是三次曲线和二次曲线，因此我们考虑这两个模型进行数据拟合。见表1—2。其中三次函数的R2值和F值都是最大的，R2＝0.979，F=91.378，P=0.000。因此选取三次函数模型y=b0+b1x+b2x2+b3x3（b0b1b2b3是常数）。对中医药文化传播数据进行多元曲线拟合，并进行假设检验。利用SPSS23.0得到三次函数模型y=-4.7+7.109x-1.787x2+0.164x3及拟合图像。见图1。

3讨论

目前用于预测的模型很多，如多元回归分析［11-13］、时间序列分析［14-17］、BP神经网［18-19］等。与其他方法相比，采用多元回归等模型对其进行预测，函数形式直观清楚。本研究时间范围选择了2008—2017年之间10年的中医药文化传播期刊文献量进行建模，经过模型筛选，最终确立了三次函数模型，并对未来3年的中医药文化传播期刊文献量进行了预测。结果表明模型可较好的拟合中医药文化传播期刊文献量的变化规律，特别是在2012年，预测的拟合值与实际值是一致，显示出较好的预测精度，各年的预测值与真实值的误差在4篇之内，说明三次函数模型预测中医药文化传播期刊文献量的变化趋势是可行的，通过模型我们预测2018年关于中医药文化传播期刊文献量大约在76篇左右，2019年大约有107篇，2020年大约有147篇。综上所述，通过研究发现近几年是中医药文化传播的相关论文文献上升速率较快时期，这样我们可以通过多元统计学构建的模型，判断和预测中医药文化传播相关文献的增长情况，探索中医药文化传播过程中遇到的同质问题，辨别地区差异或者经济发展差异在中医药文化传播的特异性问题，并进而探索整个学科的发展规律。

参考文献

［1］岳远雷，赵敏，司婷.中医药文化传播现状研究——兼评《中医药法》相关条款［J］.学校党建与思想教育，2017（20）：94-96.

［2］林艺，刘永胜.普赖斯对文献计量学的贡献［J］.晋图学刊，1990（2）：12-14．

［3］姜春林.普赖斯与科学计量学［J］.科学与科学技术管理，2001，22（9）：20-22．

［4］王远库，李雪慧.科技文献增长与老化指数规律的统一及数学阐释［J］.理论探讨，2003，20（11）：9-10．

［5］丁学东.文献计量学基础［M］.北京：北京大学出版社，1993：35-45.

［6］刘大海，李宁，晁阳，等.SPSS15.0统计分析从入门到精通［M］.北京：清华大学出版社，2008：191-194．

［7］刘仁权.SPSS统计分析教程［M］.北京：中国中医药出版社，2016：117-118.

［8］谷恒明，胡良平.简单曲线回归分析及其应用［J］.四川精神卫生，2017，30（6）：498-502.

［9］谷恒明，胡良平.复杂曲线回归分析及其应用［J］.四川精神卫生，2017，30（6）：503-506.

［10］高辉，胡良平，鲍晓蕾.三项型指数曲线在“药-时”曲线拟合中的应用［J］.中国卫生统计，2012，29（5）：677-679.

［11］宋萍，李准，徐雨晨，等.基于多元回归分析的住院费用影响因素研究［J］.重庆医学，2018，47（30）：3923-3927.

［12］袁世超，徐丹红.结肠癌D3根治术后出现吻合口瘘相关因素多元回归性分析［J］.中国现代医生，2018，56（26）：19-21.

［13］邓明慧，忠.中国商品出口影响因素的研究——基于多元回归模型［J］.山西能源学院学报，2018，31（3）：118-120.

［14］刘维华，朱建良，郭付爱，等.应用时间序列法建立学校结核病预警模型研究［J］.中国学校卫生，2018，39（11）1682-1685.

［15］刘志展，潘伟.厦门市空气污染指数预测方法研究——时间序列分析与神经网络的比较［J］.心智与计算，2008，2（1）：33-41.

［16］裴丽芳，冯三营.基于MATLAB的时间序列分析［J］.科教文汇（中旬刊），2018，15（11）：47-49.

［17］张孟媛，张强，罗佳伟，等.重庆市艾滋病发病人数的ARI-MA时间序列分析［J］.中国卫生统计，2018，35（5）：650-654.

［18］史峰，王小川，郁磊，等.MATLAB神经网络30个案例分析［M］.北京：北京航空航天大学出版社，2010：11-21.

［19］王春峰，万海晖，张维.基于神经网络技术的商业银行信用风险评估［J］.系统工程理论与实践，1999，19（9）：24-32.

作者：关红阳 李新 李伟 赵凯 张楠 单位：辽宁中医药大学