基於經驗模態分解法的長期生長趨勢統計分析方法研究

《基於經驗模態分解法的長期生長趨勢統計分析方法研究》是依託中國人民解放軍第四軍醫大學，由尚磊擔任項目負責人的面上項目。

基本介紹

• 中文名：基於經驗模態分解法的長期生長趨勢統計分析方法研究
• 項目類別：面上項目
• 項目負責人：尚磊
• 依託單位：中國人民解放軍第四軍醫大學

中文摘要

長期生長趨勢是衡量人群體質健康及其變化、反映醫療衛生和社會經濟發展水平的關鍵指標，是制定增強人群體質健康的各種措施、並評價其實施效果的重要依據。長期趨勢資料往往是不等距時間序列，具有非線性、非穩態，及空間相關性和異質性並存的特徵。傳統方法沒有充分考慮資料的這些特點，且存在不能充分校正數據序列時間間隔及抽樣點空間位置等對評價和預測結果的影響, 不能提取長期趨勢自然變率、不能分析遺傳和各種環境影響因素的單獨效應等不足。EMD是分析非線性、非穩態時間序列數據的最好方法，目前僅用於氣候、環境、工程等領域的等距時間序列。本研究擬基於EMD理論，探索長期生長趨勢特徵分解方法、數據序列時間間隔及抽樣點空間位置校正方法，創建一套可用於長期生長趨勢評價、預測及影響因素研究的統計分析新方法。研究結果不僅能克服傳統分析方法的不足，而且對EMD理論和方法的完善、及衛生領域大量的時間序列數據的科學分析具有重要意義。

結題摘要

由於受環境、衛生政策等因素影響，衛生領域時間序列數據常常是非線性、非穩態的，且存在監測時間不等距、缺失數據普遍等問題。本研究率先將目前國際公認的分析非線性、非穩態時間序列數據的最好方法—經驗模態分解法（Empirical Mode Decomposition, EMD）引入衛生領域時間序列數據的分析，通過模擬和實際數據分析，探索了EMD在衛生領域時間序列數據分析中的套用條件、模型參數估計及本徵模函式（intrinsic mode function，IMF）、殘差等的擬合方法；提出了採用方差貢獻率、波動周期、模態混疊現象、端點效應等評價時間序列數據的EMD分解效果，拓展了EMD的套用範圍。通過模擬和實際數據分析，採用評分函式分布評價插補效果，探索一元回歸模型、多元回歸模型等方法在缺失數據插補中的套用條件，提出了應根據缺失數據指標與其他指標的相關係數大小，選擇不同的回歸模型進行插補，解決了衛生領域複雜數據缺失的插補問題。採用多階段回歸方法，建立了評價胎兒宮內生長發育的孕周別股骨長、腹圍和雙頂徑的預測模型及百分位數生長曲線，為胎兒宮內發育狀況評價、出生體重預測等提供了參考標準。對我國個人現金衛生支出的長期變化趨勢進行了EMD分解，獲得了4個IMF和殘差，為進一步分析個人衛生支出的影響因素及預測增長趨勢創造了條件。結合地理信息系統及空間插值、趨勢面分析、空間相關分析等方法，對建國60年來我國應徵青年體格發育指標、血壓等指標的長期生長趨勢及時空差異特徵進行了研究，發現了我國應徵青年體格發育正處於加速生長期，不同地區存在明顯的空間差異等特徵，分析了環境因素、經濟發展水平等與應徵青年體格、血壓間的相關性，為相關干預措施的制定提供了參考依據。採用R語言編制了EMD分析程式，為進一步套用和推廣創造了條件。整個項目通過EMD在衛生領域時間序列數據分析中的理論和套用研究，證實了EMD可對衛生領域不同時間序列數據進行有效分解，解決了衛生領域常用的時間序列數據分析方法不適用於非線性、非穩態時間序列，不能真正提取出長期生長趨勢自然變率等問題，為衛生領域的大量時間序列數據的準確預測和影響因素精確研究提供了新方法。