Okay, Willkommen alle Zu Das Präsentation In welche I Wille sprechen um Perlen Grippe Studium. Perle ein Biostatistiker, Er gelebt ganz a während vor während, speziell, Die Spanische Grippe, Und Er War Die Erste eins Zu analysieren Die wöchentlich Daten Das War gesammelt von Die UNS Büro von Die Volkszählung um Die Spanische Grippe, welche geschah In 1918, 1920, Und Das für Die groß amerikanisch Städte.
Perle, Er War Die Erste Zu Tun Also Zu analysieren Die Daten hinsichtlich Die Spanische Grippe, Und Er schrieb zwei Berichte um Es, sein Grippe Studien eins Und zwei, welche Wir Wille erneut besuchen Jetzt während Das Präsentation, Und Also sehen Wie Wir Wille Sei fähig Zu sehen hinein Die Daten, analysieren Die Daten mit JMP. Das Ist gemeinsam arbeiten mit Chris Gottwalt, WHO beigetragen Zu Die methodisch Komponente, Und Guido Erreygers, WHO initiiert Die Idee von erneut besuchen Perlen Grippe Studien.
Der Überblick von Das sprechen Ist als folgt. Erste, Krank diskutieren a wenig bisschen Die Spanische Grippe, Was Es War alle um. Ganz a tödlich Pandemie bei Das Zeit. Dann Krank einführen Perlen Grippe Studium, Und Krank sprechen a wenig bisschen um Die Daten Das Perle gebraucht In sein Analyse. Wir haben hinzugefügt manche Volkszählung Daten aus 1910 An Spitze von Das für unser Analyse, welche besteht von a Variable Auswahl Verfahren mit a null Faktor, a zufällig Faktor, ein unabhängig Normal Faktor In unser Analyse, Und Bootstrap Simulation aus Die Daten. Dann Also Sei diskutieren unser Ergebnisse Und vergleichen diese Ergebnisse mit Perlen Ergebnisse, Und Dann Also abschließen.
Erste von alle, Die Spanische Grippe Pandemie, Zu rahmen Das a wenig bisschen, Es War eins von Die tödlichste Pandemien In Geschichte, als Zeuge von Das Liste Hier zeigt Die weltweit tödlichste Pandemien In im Laufe der Zeit. Du dürfen sehen Das Die Spanische Grippe Hier Ränge fünfte In Bedingungen von Die Nummer von Todesfälle Das Es verursacht. T sein Liste Ist geleitet von Die Schwarz Todesfälle, welche getötet um vier mal mehr Menschen als Die Spanische Grippe tat. Dann unten Das Liste, Du sehen COVID- 19 Pandemie erscheinen, welche Wir bekommen alle ausgesetzt Zu. Es Auch erscheint In Das Liste Trotzdem.
Nur als mit COVID- 19, Versammlungen war mehr ermutigt Zu passieren draußen, Und Auch bei Die mal bereits von Die Spanische Grippe Pandemie Dort, Das War Die Fall als Also, Und sogar für Klassen Zu passieren draußen, als Du dürfen sehen An Das Foto.
Der Spanische Grippe Pandemie bestand von drei Wellen. Der Erste eins gestartet In Marsch 1918 In Die UNS Und verbreiten Zu Europa und zu Die ausruhen von Die Welt. Dann a mehr schwer Welle, Die schwerste eins gestartet In August 1918 In Frankreich Und verbreiten schnell Zu Die ausruhen von Die Welt, als Also als fiel zusammen mit Die Ende von Die Erste Welt Krieg. Dann a dritte eins welche War weniger schwer als Die zweite eins, Aber mehr schwer als Die anfänglich Welle, gestartet bei Die früh Anfang von 1919 Und Schlag manche spezifisch Länder wie Australien Und Großartig Großbritannien.
Hier Du sehen Die Zeitleiste von Die drei Wellen von Die Spanische Grippe Pandemie auftretend In Die UNS, mehr speziell Weil Wir haben Perlen Daten aus Die UNS welche Wir sehen hinein. Der Tod Maut War riesig Und am meisten Todesfälle geschah Genau genommen In Indien Und China.
Was War spezifisch über Die Spanische Grippe Pandemie War Das viele jung gesund Erwachsene gestorben als gezeigt von a W Muster von Mortalität Preise, welche Ist Hier gezeigt von Die voll Schwarz Linie. In Kontrast Zu Die U Form von Die Normal saisonal Grippe Und Lungenentzündung Mortalität Preise welche war eingetragen vor Zu Die Pandemie.
Für saisonal Grippe Und Lungenentzündung, Das U Form zeigt Das Einzelpersonen jünger als vier Jahre von Alter Und Menschen älter als 75 Jahre, Das diese war am meisten Schlag von saisonal Grippe Und Lungenentzündung. Merkmal von Die Spanische Grippe Pandemie War Das außerdem diese zwei Alter Gruppen, Auch Die jung Erwachsene In Die Reichweite zwischen 20 Und 40 Jahre von Alter bekommen speziell Schlag von Das Pandemie, letztlich führend hoch Zu a riesig Tod Maut.
Dann weiter ab hindurch Geschichte, Epidemiologen Und Historiker von Epidemiologie haben angewandt statistisch Analyse Zu Die Spanische Grippe Pandemie. Mehr speziell, Menschen funktionierte An Die UNS als Also, nämlich, Markel Und Kollegen, Sie studierte Die Wirkung von nicht- Pharmazeutika Interventionen In amerikanisch Städte wie Schule Schließung, Stornierungen von öffentlich Versammlungen.
Mamelund studierte Die beeinflussen von geographisch Isolierung von spezifisch Bereiche Und spezifisch Regionen In Die UNS. Ton, Lewis, Und Severnini studierte kreuzen- Stadt Variation von 438 UNS Städte, Aber Auch anderswo um Die Welt, Also nicht nur In Die UNS Aber Auch In Europa, wie In Norwegen Und Spanien. Daten um Die Spanische Grippe Pandemie waren analysiert zusammen mit Volkszählung Daten Und Also weiter. Der Spanische Grippe Pandemie gehalten werden faszinierend für viele Forscher über Zeit.
Um Perlen Grippe Studien Jetzt, Hier Du sehen Die Erste von sein Grippe Studie, Die Anfang von Es. Erste, Er Gespräche um Die Schwere von Die Ausbruch Und Genau genommen Das Die Tod Maut für Die Vereinigt Staaten War Satz bei um 550.000, welche Ist um fünf mal mehr als Die Nummer von Menschen WHO Genau genommen gestorben während Die Erste Welt Krieg. Somit, zeigt Die Schwere von Das Pandemie Und Genau genommen Wie tödlich Es War, Wie explosiv Es War. Das War speziell Was Perle War interessiert In Prüfung Und in Bezug Zu andere Variablen.
Der zweite von sein Grippe Studien Aussehen als folgt, Also Die Anfang bei am wenigsten. Das ist ein aktualisieren von Die Erste von sein Studien Weil Er bekommen manche Kritik nach Erste Studie von manche Gleichaltrige WHO kritisiert ihn für nicht Sein genau mit bestimmt Variablen. Er hatte Probleme mit Was Wir Jetzt verweisen Zu als Konstrukt Gültigkeit. Manche von Die Daten war nicht Wirklich Messung Was Sie war angeblich Zu messen, Also Sie war nicht Also genau Und Sie könnte Sei definiert mehr geeignet, mehr genau In Befehl Das Sie Wirklich messen Was Sie sollen messen. Er tat Das. Er in Angriff genommen Die Daten wieder, Die Variablen. Satz hoch neu Definitionen von Die Variablen Und bewegt nach vorne.
Der Daten für Die Erste von sein Studien Aussehen als folgt. Wir haben Daten aus Perle von 39 amerikanisch Städte. Der Antwort Variable Er gesucht Zu Studie War Die Epidemie Index, welche Ist gegeben von Die Symbol I 5 In sein Studien. Das War Die Erste Antwort Variable Er gesucht Zu Studie Und Er gesucht Zu Auch finden andere Variablen wie Demografie Das könnte Sei prädiktiv von Das Antwort Variable.
Jetzt, Das Antwort Variable War a messen für Die Explosivität von Die Ausbruch In Bedingungen von Epidemie Mortalität, Also Wie explosiv Die Ausbruch War Und Schlagen Die verschieden Städte In Die UNS. Er definiert Die Gipfel Zeit Verhältnis, Also Die Gipfel von Die Überschuss Mortalität Preise geteilt von Die Gipfel Datum. In Das Weg, Er gesucht Zu vergleichen Städte mit eins einzel sehr scharf Gipfel Zu Städte mit a lang abgeflacht Kurve von Überschuss Mortalität Preise. Er entwickelt Das Epidemie Index sich selbst.
Er gesucht Zu betreffen Das Epidemie Index Zu verschieden Faktoren wie Die Demografie. Erste von alle, Die Bevölkerung Dichte für 1916, Und Dann Die geographisch Position, welche Ist a gerade Linie Distanz aus Boston. Er Auch inklusive Die Alter Verteilung, ausgeben- Quadrat, welche Ist ein Alter Verfassung Index zeigt Die Abweichung In Die Alter Verteilung von Die Städte aus a behoben Standard Alter Verteilung. Er Auch studierte Die Prozentsatz Bevölkerung Wachstum In Die Jahrzehnt 1900, 1910.
Außerdem Die Demografie, Er Auch beteiligt Die Tod Preise für 1916, Also vor Zu Die Pandemie. Erste von alle, a n Aggregat Tod Rate aus alle Ursachen Und dann bestimmte Krankheiten, Tod Preise für spezifisch Krankheiten, nämlich pulmonal Tuberkulose, Bio Herz Krankheit, akut Nephritis Und Brights Krankheit, oder Versagen von Die Nieren, Grippe, Lungenentzündung, Typhus Fieber, Krebs, Und Masern. Dort War ganz manche Korrelation zwischen diese Tod Preise.
Ich schon erzählt Du a wenig bisschen um Die Antwort Variable diese Perle entwickelt, nämlich Die Epidemie Index. Das tat nicht entstehen hinein Nur a einzel versuchen, Aber Er gestartet Genau genommen aus I 1. Erste von ein Epidemie Index Das Er weiter verbessert hinein I 2, I 3, I 4, Und Dann Er War Glücklich genug Zu bewegen entlang Und Zu arbeiten mit Die I 5 Epidemie Das Index. Zu unterscheiden Dann Städte mit einzel, sehr scharf Gipfel Zu diese mit lang, niedrig Wohnung Kurven von Epidemie Mortalität.
Er aktualisiert Die Variablen aus sein Erste Studie Und Die zweite Studie, Und In Das Sinn, Er Auch aktualisiert, Er Auch geändert Die Epidemie Index Und Die neu Epidemie Index. Er verwiesen Zu Das eins als I 6. Als ein anderer Variable von Interesse, Er Auch definiert Zu Das Destruktivität Variable als enthaltend Überschuss Mortalität Preise. Dann Er gesucht Zu betreffen diese zwei Antworten In sein zweite Studie mit Die Normal Tod Preise, welche war Die bedeuten Tod Preise über Die drei Jahre, 1915 Zu 1917. Dann Er Auch gebracht In Die Demografie. Wieder, Er geändert Die Alter Verfassung Index basierend An Die 1910 Volkszählung Daten, Und Er gebraucht Das.
Dann Auch Er beteiligt Die Sex Verhältnis von Die Bevölkerung von Männchen gegen Weibchen. Der Bevölkerung Dichte von 1910 Ist gebraucht In Die Erste von sein Studium, blieb In Die zweite Studie. Dann stattdessen von a geographisch Position, Er gebraucht Breite Und Länge In sein zweite Studie. Dann schließlich, Er gebraucht Die Prozentsatz Bevölkerung Wachstum In Die Jahrzehnt 1900, 1910, wieder.
Diese war Perlen Daten Zu welche Wir hinzugefügt manche zusätzlich Volkszählung Daten aus 1910 welche Sind gegeben über Hier. Stattdessen von Die Alter Verfassung Index, Wir gebraucht Die Aktie von Die anders Alter Gruppen, Und Die rein Zahlen Genau genommen, Weil Wir war nicht Wirklich Glücklich mit Die Weg Perle definiert Die Alter Verfassung Index. Es War Wirklich ganz Komplex Und nicht klar genug Also Das Wir Gedanke Zu Nur gehen um Und verwenden Die 1910 Aktie Alter stattdessen von Das Alter Verfassung Index entwickelt von Perle.
Außerdem Das, Wir sah hinein Die Nummer von Personen Zu a Wohnung, Die Prozentsatz von Häuser im Besitz, Die Schule Teilnahme von Bevölkerung, 6 Zu 20 Jahre von Alter, Und Die Analphabetentum In Die Bevölkerung, 10 Jahre von Alter Und über, Und sehen ob eins von diese Faktoren oder manche von diese Faktoren könnte Sei prädiktiv der Baum Antwort Variablen In Perlen Studien.
Was War Perlen Analyse alle um? Also, Er bekommen hinein mehrere Korrelation. Er studierte alle Die Daten Herstellung verwenden von teilweise Korrelation Koeffizienten als Also als Die Normal Korrelation Koeffizienten von null Befehl, Aber Er tat Das sehr rigoros. Er hatte berechnet Das alle von Hand Und tat Das ganz Also Genau genommen Und nahm hinein Konto verschieden andere Faktoren In diese teilweise Korrelationen von haben diese andere Variablen Sein Konstante. Für Die teilweise Korrelationen Und Die andere Korrelationen, Er Auch berechnet wahrscheinlich Fehler Zu finden aus ob diese Korrelation Koeffizienten war bedeutsam oder nicht, Also Er tat Das ganz Also.
Jetzt, Die Analyse Das Wir Sind mit Ist Die eins In welche Wir Sind gehen Zu Genau genommen wählen Variablen mit a null Faktor Und Wir Sind gehen Zu Bootstrap unser Daten. Wir Sind tun Also Weil unser P Werte für unser Daten, welche Sind Leider nicht senkrecht, Sie dürfen werden stark voreingenommen. Seit Wir Sind nicht Wirklich mit schön senkrecht Daten, Die P Werte dürfen werden ganz voreingenommen in Richtung null. Es ist stets Die Gefahr mit P Werte für Beobachtungs Daten Das unwichtig Faktoren alle von a plötzlich werden wichtig Und Das Die Typ eins Fehler Rate Ist nicht unter Kontrolle.
Zu lösen Die Tatsache Das Die P Werte Sind nicht gleichmäßig verteilt mehr In Die Fall von ein unwichtig Variable, Zu lösen Das Ausgabe, Wir Sind gehen Zu einbeziehen a zufällig Variable, a null Faktor, ein unabhängig Normal Variable hinein Die Analyse Und sehen Zu Was Ausmaß Es erscheint In unser Verfahren von Auswählen Variablen. Das Idee Ist inspiriert von oder entstanden aus Die SERVICE Papier von Wu, Buh, Und Stefanski In 2007.
Speziell, Was Wir haben Erledigt Ist, Also, Wir inklusive a einzel null Faktor In Die Variable Auswahl Verfahren Und durchgeführt 2.500 Bootstrap Replikate für Variable Auswahl mit JMP. Dann Wir berechnet Die Anteil von mal jede Variable tritt ein Die Modell. Variablen Das eingeben als oft oder weniger als Die null Faktor Sind ignorierbar, Und Variablen Das eingeben mehr oft als Die null Faktor, Also, diese Sind Die diejenigen Das Wir Sind gehen Zu wählen als Sein prädiktiv von Die Antwort Variable.
In JMP, Wir angegeben zwei neu Spalten, Und Genau genommen, eins Formel Ist benötigt. Das ist Die Formel für Die Bootstrap Frequenz Spalte Das Du sehen Hier. Der Bootstrap Frequenz Spalte Ist basierend An unser null Faktor, welche Ist ein unabhängig Normal Variable das ist neu initialisiert jede Zeit während Die Bootstrap Simulation. Basierend An Das Neuinitialisierung, Die Frequenz Spalte bekommt aktualisiert Also Das Wir haben a 100 % Neuabtastung von unser Stichprobengröße unserer Daten mit Die behoben Probe Größe als Es Ist.
Dann für Die Variable Auswahl, Was Art der Regression Auch würde Wir anwenden Das Wir könnte finden aus In Die verallgemeinert linear Modell Plattform von JMP, Weil Einnahme hinein Konto Die Frequenz Spalte Auch, Wenn Wir Tun Varianz Auswahl, Wir Auch brauchen Zu Tun Die Verteilung Bestimmung bei Die Dasselbe Zeit. Es hat Zu passieren gleichzeitig. Du kippen Tun Es auseinander basierend An Die Original Daten. Eigentlich, Die Graph An Die links- Hand Seite Ist a wenig bisschen irreführend Weil Das Graph enthält Die Original Daten, Aber Verteilung Bestimmung Du sollen Genau genommen Tun während tun Die Variable Auswahl selbst.
Angenommen a Poisson Verteilung, Also, Das Annahme War nicht abgelehnt, Also Wir könnte Genau genommen bewegen nach vorne mit Die Annahme von a Poisson Verteilung, welche Ist Auch gepflegt In Die Literatur hindurch für Mortalität Preise Und Also weiter für Analyse. Es War nicht Wirklich abgelehnt Und Es War Gut Zu annehmen solch a Poisson Regression für Die Analyse.
Dann Auch Wir angewandt Poisson Regression In Kombination mit Variable Auswahl für Die Epidemie Index I6. Jedoch, Wir geschaltet Zu Normal Regression oder weniger Regression für Die dritte Antwort Variable, Die Destruktivität Variable.
Der Weg Zu anwenden Das Regression In JMP von bedeutet von Variable Auswahl Ist von mit Die verallgemeinert Regression Plattform Wo Wir Dann definieren Die Antwort Variable für Analyse Und setzen Die Frequenz Spalte hinein Die Frequenz Kasten. Dann als Modell Bedingungen In Die Konstrukt Modell Effekte Fenster, Wir einbeziehen alle Die Variablen, alle Vielleicht rls Variablen, zusammen Auch mit unser null Faktor oder unabhängig Normal Variable Das Wir Auch enthalten.
Dann Wir bewegen nach vorne mit Die Regression Verfahren von Auswählen nach vorne Auswahl Schätzung Verfahren. Als a Kriterium, Wir gebraucht Die Akaike Information Kriterien mit Die Korrektur für klein Probe Größen Zu entscheiden auf Die Finale Modell Zu enthalten Die Finale Modell Dann Zu wählen mit Die Auswahl von Die Variablen.
Der Lösung Teil Das Du sehen Hier Ist basierend An normalisiert Daten Zu setzen ihnen An Die Dasselbe Skalen, also Skalen Und Center Daten Und Auch Zu verringern Die Wirkung von Multikollinearität In Die Daten Weil es gibt ganz manche. Dann Du sehen wieder, Die Original Prädiktoren knallen hoch In Die untere Ausgabe. Dann Wir wählen a Modell mit Die niedrigste Akaike Information Kriterien. Eins nach Die andere, Die Variablen Kommen Sein ausgewählt von vorwärts Variable Auswahl basierend An Die Akaike Information Kriterien. Als Du dürfen sehen In Das Ausgabe Genau genommen Hier, Die null Faktor bekommen hinein Die Modell. Der null Faktor vollständig unwichtig, nicht informativ, Also bekommen hinein Die Modell, welche Ist nicht Gut, von Kurs.
Wir hatte Zu Tun Das Schätzung Verfahren, Das Variable Auswahl Verfahren 2.500 mal, Und Wir tat Das In JMP von Rechts Klicken An Die schätzen Spalte Und Dann Schlagen simulieren Und Dann Auswählen Die Frequenz Spalte als a Spalte Zu schalten In Und aus zwischen Die anders Bootstrap Replikate Also Das Initialisierungen von Die null Faktor war stets Sein garantiert zwischen Die anders Bootstrap repliziert. Dann Endlich, also wir bekommen Die 2.500 Modell Auswahl aus von Die Bootstrap Simulation.
Dann Wir berechnet Die Anteil Das alle von diese Variablen bekommen hinein Die Modell oder war gegeben als nicht- null Schätzungen. Wir war vertreten von nicht- null Schätzungen. Besonders, von Kurs, Wir war interessiert In Wie viele mal Die null Faktor erschien In Die Auswahl von Die Modelle. Das dreht sich aus Zu Sei 41 % von Die mal, welche Ist ganz hoch. T Dies sind unser neu FALSCH Eintrag Preise, Genau genommen. A sehr hoch Prozentsatz In welche Die null Faktor bekommen ausgewählt.
Wir berücksichtigt für manche obere gebunden, ein obere 99,9 % Vertrauen Limit Auch Das Wir nahm hinein Konto, Und sogar a wenig bisschen höher Manchmal. Zu Sei versichert Das Die Faktoren Das Du sehen In Grün Das Sie erschien am meisten oft Dann In Die Modell Auswahl. Als Du Wille sehen Auch ein anderer Beispiel Jetzt zu, Wo Wir bekommen gebunden mit Die null Faktor als Also. Der Faktoren oder Die Variablen In Rot, Sie haben nicht gewesen ausgewählt seit ihre Auftreten Ist untere als Die Auftreten von Die null Faktor über Die anders Bootstrap Simulationen. Der Variablen von Interesse Hier Das bekommen ausgewählt Und Sind prädiktiv von Die Epidemie Index I5 Sind Die Tod Preise von Ursachen, Tod Rate aus Bio Herz Krankheit, Die Tod Preise aus Lungenentzündung, Tod Rate aus Krebs, Tod Rate aus Masern, Und Die geographisch Position.
Jetzt, Die Tod Rate aus alle Ursachen, das ist ein Aggregat für Die Tod Preise aus Die Person- spezifisch chronisch Krankheiten. Wir war Auch interessiert Zu sehen Was würde passieren Wenn Wir war Zu nehmen Das aus von Die Analyse. Das Ist Was Wir tat An Die folgende Folien. Wir nahm Es aus, Tod Rate alle Ursachen, Und Dann wir haben a anders Bild. Der Tod Rate aus Masern Und Die Tod Rate aus Krebs gedreht aus Zu Sei unwichtig Jetzt, wohingegen Tod Rate aus Lungenentzündung bekommen In Die Grün Zone, als Also als Die Tod Rate aus pulmonal Tuberkulose. Diese war Auch ganz hoch korreliert mit Die Tod Rate von alle Ursachen. Tod Rate von alle Ursachen maskiert. Diese Variablen, Obwohl manche von Die Tod Preise Sind Auch korreliert unter jede andere, Also Wir haben Zu Sei vorsichtig Hier. Das War a neu Ergebnis Das Wir gesehen.
Jetzt, letztlich, Wir wiederholt diese Variable Auswahl weiter ab mit nur Die Variablen In Grün Das Du sehen Hier An Die Bildschirm, Also Die diejenigen Das bekommen ausgewählt Zu welche Wir hinzugefügt unser neu 1910 Volkszählung Daten, wie Die Aktie von Alter Und Die Analphabetentum Und Die Schulung Und Also weiter. Wir tat Das mit Und ohne tot Rate oder Ursachen Zu Endlich Dann wählen Die Variablen Das war gemeinsam Arten von gesamt Analyse. Alle Die anders Analysen ausgewählt manche andere Variablen Trotzdem, Aber Trotzdem Dort war manche Variablen welche war gegenwärtig alle Die Zeit, Und diese Sind Die diejenigen Das Wir Endlich Dann enthalten hinein Die Modell, welche Ist unser Finale Poisson Regression Modell Das Wir erhalten In Die Ende.
Welche enthält Tod Preise aus Herz Krankheit, Bio Herz Krankheit, Tod Preise aus alle Ursachen Wir gehalten erzählen, als Auch Perle betont Das als Sein ganz wichtig. Aktie Alter, 0 Zu 4. Schule Teilnahme von Die Bevölkerung, 6 Zu 20 Jahre von Alter Und Die geographisch Position. Das War unser Finale Regression Modell für Die Erste Antwort, Die Epidemie Index I5, Und unten Du sehen Die Ergebnisse von Perle. Haben Erledigt a Korrelation Analyse, Er War fähig Zu identifizieren pulmonal Tuberkulose, Bio Herz Krankheit, Und akut Nephritis Und Brights Krankheit. Außerdem Die Tod Rate von alle Ursachen Das Er als ganz wichtig, welche War Genau genommen Auch stets Die Fall für unser Analyse. Es stets kam An Spitze von unser Analyse. Wir gehalten Es In.
Jetzt, Perle Auch spitz in Richtung manche spezifisch chronisch Krankheiten, Aber Wir war nicht fähig Zu setzen diese An Spitze. Wir tat nicht finden ihnen Zu Sei stabil gegenwärtig. Gesamt, unser Analyse, Also Wir tat nicht identifizieren ihnen. Auch, Perle, Genau genommen, nach sein Erste Studie, bekommen kritisiert Weil von zeigend in Richtung diese Person Krankheiten. Dann In Die zweite von sein Studie, Auch, Er War mehr umsichtig, mehr konservativ, Und nur spitz in Richtung Die Tod Rate von alle Ursachen Und Die Bio Krankheiten von Die Herz als Die diejenigen Das Sind prädiktiv für sein geändert Index von Die Explosivität von Die Ausbruch I6.
Unser Finale Analyse Ist Die eins Das Du sehen Hier zeigend in Richtung Auch Tod Preise aus Bio Herz Krankheit, Tod Rate aus alle Ursachen, Die Aktie von Die Alter zwischen null Und vier, Und Die Bevölkerung Dichteregel. W ehe stets fähig Zu sehen Die Bevölkerung Dichte Kommen hoch hoch In Die Liste von Variablen Das geschah fast ständig über Die Bootstrap repliziert. Das Auch gedreht aus Zu Sei ein wichtig Variable aus unser Analyse.
Mit Die Destruktivität Variable, Wir tat nicht finden alle Das viel von Variation. Der Reichweite Genau genommen von Werte War nicht als groß als für Die andere zwei Antworten, Die Epidemie Index . Wir war nur fähig Zu identifizieren a wenige Variablen Und speziell Die Tod Preise Kommen aus Die Bio Herz Krankheit. Dann Wir identifiziert, außerdem Die Aktie von Die jüngste Menschen zwischen 0 und 4 Jahre, Auch Die Aktie von Menschen Bereich zwischen 20 Und 40, Also 25 Und 44 Jahre von Alter. Der gesund Menschen Genau genommen vor Zu Die Pandemie, Das War Auch indikativ von Überschuss Mortalität Preise über Die anders Städte In Die Vereinigt Staaten.
Perlen Daten Sätze, als Wir könnte sehen Auch, Wir nur hatte sehr wenig Daten. Dort war sehr winzig 39 Beobachtungen In Die Erste Studie Und In Die zweite Studie nur 34 Beobachtungen Weil Sie geändert manche von Die Variablen, manche Beobachtungen bekommen verloren. Der Daten Sind Auch Beobachtungs mit ganz manche Multikollinearität beteiligt. Der Qualität von Die Daten könnte haben gewesen besser. Daher, unser Analyse für Sicher Sind nützlich, Aber Sie Sind nicht magisch, als Also als Perlen Korrelation Analyse. Speziell, sein Erste Analyse, Es War nicht unterstützt. Er wusste nachher Das Menschen tat nicht Wirklich Unterstützung sein Erste Analyse. Ohnehin, als Georg Kasten sagte, "Alle Modelle Sind falsch, manche Sind nützlich."
Wir war fähig Zu wählen befriedigend Modelle In a sequentiell Benehmen. Erste von alle, Wir inklusive Perlen Variablen Und beibehalten Die ausgewählt Variablen, Zu welche Dann Wir hinzugefügt neu 1910 Volkszählung Variablen Zu Endlich wählen diese Variablen Das Sind informativ Und jede Zeit mit Und ohne Die Tod Rate aus alle Ursachen. Dann Wir beibehalten Die Variablen Das geknallt hoch In Die Grün Zone Zu Sei ganz prädiktiv von Die Antwort Das geknallt hoch alle Die Zeit, also über alle Die Analyse Das Wir tat Zu Dann haben Die Modelle Das I präsentiert. I Hoffnung Das War informativ für Du Zu Hören Zu Und viele Danke.
