わかった、 いらっしゃいませ みんな に これ プレゼンテーション で どれの I 意思 話す について パールの インフルエンザ 研究。 パール 生物統計学者、 彼 住んでいた とても a その間 前 その間、 具体的には、 その スペイン風邪、 そして 彼 だった その 初め 1つ に 分析する その 毎週 データ それ だった 収集された による その 私たち 局 の その 国勢調査 について その スペイン風邪、 どれの 発生した で 1918年、 1920年、 そして これ のために その 大きい アメリカ人 都市。
パール、 彼 だった その 初め に する それで に 分析する その データ に関して その スペイン風邪、 そして 彼 書いた 二 レポート について それ、 彼の インフルエンザ 研究 1つ そして 二、 どれの 私たちは 意思 再訪 今 その間 これ プレゼンテーション、 そして 良い 見る どうやって 私たちは 意思 なれ できる に 見て の中へ その データ、 分析する その データ 使用して ジャンプ。 これ は ジョイント 仕事 と クリス ゴットウォルト、 誰が 貢献した に その 方法論的 成分、 そして グイド エレイガース、 誰が 開始した その アイデア の 再訪 パールの インフルエンザ 研究。
その 概要 の これ 話す は として 続きます。 初め、 病気 話し合う a 少し 少し その スペイン風邪、 何 それ だった 全て について。 とても a 致命的 パンデミック で それ 時間。 それから 病気 導入 パールの インフルエンザ 研究、 そして 病気 話す a 少し 少し について その データ それ パール 使用済み で 彼の 分析。 私たちは 持っている 追加した いくつかの 国勢調査 データ から 1910 の上 トップ の それ のために 私たちの 分析、 どれの 構成 の a 変数 選択 手順 と a ヌル 要素、 a ランダム 要素、 一つの 独立した 普通 要素 で 私たちの 分析、 そして ブートストラップ シミュレーション から その データ。 それから 良い なれ 議論する 私たちの 結果 そして 比較する それらの 結果 と パールの 結果、 そして それから 良い 結論する。
初め の 全て、 その スペイン風邪 パンデミック、 に フレーム それ a 少し 少し、 それ だった 1つ の その 最も致命的な パンデミック で 歴史、 として 目撃した による これ リスト ここ 表示中 その 世界の 最も致命的な パンデミック で 時間とともに。 あなた できる 見る それ その スペイン風邪 ここ ランク 5番目 で 条項 の その 番号 の 死亡者（数） それ それ 引き起こされた。 T 彼の リスト は 向かった による その 黒 死亡者（数、 どれの 殺された について 4つ 回 もっと 人々 よりも その スペイン風邪 した。 それから 下に これ リスト、 あなた 見る COVID- 19 パンデミック 登場、 どれの 私たちは 得た 全て 露出 に。 それ また 登場 で これ リスト まだ。
ただ として と COVID- 19, 集まり だった もっと 勧められた に 起こる 外、 そして また で その 回 すでに の その スペイン風邪 パンデミック そこには、 それ だった その 場合 として 良い、 そして 平 のために クラス に 起こる 屋外、 として あなた できる 見る の上 これ 写真。
その スペイン風邪 パンデミック 構成 の 三つ 波。 その 初め 1つ 開始 で 行進 1918 で その 私たち そして 広める に ヨーロッパ そして その 休む の その 世界。 それから a もっと 厳しい 波、 その 最も深刻な 1つ 開始 で 8月 1918 で フランス そして 広める 急速に に その 休む の その 世界、 として 良い として 一致した と その 終わり の その 初め 世界 戦争。 それから a 三番目 1つ どれの だった 少ない 厳しい よりも その 2番 1つ、 しかし もっと 厳しい よりも その イニシャル 波、 開始 で その 早い 始まり の 1919 そして 打つ いくつかの 特定の 国 のように オーストラリア そして 素晴らしい 英国。
ここ あなた 見る その タイムライン の その 三つ 波 の その スペイン風邪 パンデミック 発生 で その 私たち、 もっと 具体的には なぜなら 私たちは 持っている パールの データ から その 私たち どれの 私たちは 見て の中へ。 その 死 通行料金 だった 巨大な そして ほとんど 死亡者（数） 発生した 実は で インド そして 中国。
何 だった 具体的な その スペイン風邪 パンデミック だった それ 多くの 若い 健康 大人 死亡した として 表示されている による a W パターン の 死亡 料金、 どれの は ここ 表示されている による その 満杯 黒 ライン。 で 対比 に その U 形 の その 普通 季節の インフルエンザ そして 肺炎 死亡 料金 どれの だった 登録済み 前 に その パンデミック。
のために 季節の インフルエンザ そして 肺炎、 これ U 形 ショー それ 個人 若い よりも 4つ 年 の 年 そして 人々 年上の よりも 75 年、 それ これら だった ほとんど 打つ による 季節の インフルエンザ そして 肺炎。 特性 の その スペイン風邪 パンデミック だった それ その上 それらの 二 年 グループ、 また その 若い 大人 で その 範囲 間 20 そして 40 年 の 年 得た 具体的には 打つ による これ パンデミック、 最終的に リードする 上 に a 巨大な 死 通行料金。
それから さらに遠く 以降 全体を通して 歴史、 疫学者 そして 歴史家たち の 疫学 持っている 適用済み 統計的 分析 に その スペイン風邪 パンデミック。 もっと 具体的には、 人々 働いた の上 その 私たち として 良い、 すなわち、 マーケル そして 同僚、 彼らは 研究した その 効果 の 非 医薬品 介入 で アメリカ人 都市 のように 学校 閉鎖、 キャンセル の 公共 集まり。
マメルンド 研究した その 影響 の 地理的な 分離 の 特定の 地域 そして 特定の 地域 で その 私たち。 粘土、 ルイス、 そして セヴェルニーニ 研究した クロス- 市 変化 の 438 私たち 都市、 しかし また 他の場所 その周り その 世界、 それで ない のみ で その 私たち しかし また で ヨーロッパ、 のように で ノルウェー そして スペイン。 データ について その スペイン風邪 パンデミックは 分析された 一緒に と 国勢調査 データ そして それで 前へ。 その スペイン風邪 パンデミック 保管された 興味深い のために 多くの 研究者 以上 時間。
について パールの インフルエンザ 研究 今、 ここ あなた 見る その 初め の 彼の インフルエンザ 勉強、 その 始まり の それ。 初め、 彼 会談 について その 重大度 の その アウトブレイク そして 実は それ その 死 通行料金 のために その ユナイテッド 州 だった セット で について 55万、 どれの は について 五 回 もっと よりも その 番号 の 人々 誰が 実は 死亡した その間 その 初め 世界 戦争。 したがって、 表示中 その 重大度 の これ パンデミック そして 実は どうやって 致命的 それ だった、 どうやって 爆発的な それ だった。 それ だった 具体的には 何 パール だった 興味がある で 検査する そして 関連する に 他の 変数。
その 2番 の 彼の インフルエンザ 研究 見た目 として 続く、 それで その 始まり で 少しでも。 それは 一つの アップデート の その 初め の 彼の 研究 なぜなら 彼 得た いくつかの 批判 後 初め 勉強 による いくつかの 仲間 誰が 批判された 彼 のために ない いる 正確な と ある 変数。 彼 持っていた 問題 と 何 私たちは 今 参照する に として 構築する 有効。 いくつかの の その データ だった ない 本当に 測定 何 彼らは だった 想定 に 測定、 それで 彼らは だった ない それで 正確な そして 彼らは できた なれ 定義された もっと 適切な、 もっと 正確な で 注文 それ 彼らは 本当に 測定 何 彼らは すべき 測定。 彼 した それ。 彼 タックル その データ また、 その 変数。 セット 上 新しい 定義 の その 変数 そして 移動した フォワード。
その データ のために その 初め の 彼の 研究 見た目 として 続きます。 私たちは 持っている データ から パール の 39 アメリカ人 都市。 その 応答 変数 彼 望んでいた に 勉強 だった その 流行 索引、 どれの は 与えられた による その シンボル I 5 で 彼の 研究。 それ だった その 初め 応答 変数 彼 望んでいた に 勉強 そして 彼 望んでいた に また 探す 他の 変数 のように 人口統計 それ できた なれ 予測的な の これ 応答 変数。
今、 これ 応答 変数 だった a 測定 のために その 爆発力 の その アウトブレイク で 条項 の 伝染病 死亡、 それで どうやって 爆発的な その アウトブレイク だった そして 打撃 その 様々な 都市 で その 私たち。 彼 定義された その ピーク 時間 比率、 それで その ピーク の その 過剰 死亡 料金 分割された による その ピーク 日付。 で これ 方法、 彼 望んでいた に 比較する 都市 と 1つ シングル とても シャープ ピーク に 都市 と a 長さ 平らになった 曲線 の 過剰 死亡 料金。 彼 考案された これ 流行 索引 彼自身。
彼 望んでいた に 関係する これ 流行 索引 に 様々な 要因 のように その 人口統計。 初め の 全て、 その 人口 密度 のために 1916年、 そして それから その 地理的な 位置、 どれの は a 真っ直ぐ ライン 距離 から ボストン。 彼 また 含まれている その 年 分布、 過ごす- 四角、 どれの は 一つの 年 憲法 索引 表示中 その 偏差 で その 年 分布 の その 都市 から a 修理済み 標準 年 分布。 彼 また 研究した その パーセンテージ 人口 成長 で その 十年 1900年、 1910年。
その上 その 人口統計、 彼 また 関与した その 死 料金 のために 1916年、 それで 前 に その パンデミック。 初め の 全て、 a n 集計 死 レート から 全て 原因 そして 特定の病気、 死 料金 のために 特定の 病気、 すなわち 肺 結核、 オーガニック 心臓 病気、 急性 腎炎 そして ブライトの 病気、 または 失敗 の その 腎臓、 インフルエンザ、 肺炎、 腸チフス 熱、 癌、 そして 麻疹。 そこには だった とても いくつかの 相関 間 これら 死 料金。
私はすでに 言った あなた a 少し 少し について その 応答 変数 そのパール 発展した、 すなわち その 流行 索引。 それ した ない 発生する の中へ ただ a シングル 試み、 しかし 彼 開始 実は から I 1. 初め の 一つの 流行 索引 それ 彼 さらに遠く 改善された の中へ I 2、 I 3、 I 4、 そして それから 彼 だった ハッピー 十分 に 動く 平行 そして に 仕事 と その I 5 伝染病 これ 索引。 に 区別する それから 都市 と シングル、 とても シャープ ピーク に それらの と 長さ、 低い フラット 曲線 の 伝染病 死亡。
彼 更新 その 変数 から 彼の 初め 勉強 そして その 2番 勉強、 そして で それ センス、 彼 また 更新されました、 彼 また 変更された その 流行 索引 そして その 新しい 流行 索引。 彼 参照 に それ 1つ として I 6. として 別の 変数 の 興味、 彼 また 定義された に これ 破壊性 変数 として 含む 過剰 死亡 料金。 それから 彼 望んでいた に 関係する これら 二 回答 で 彼の 2番 勉強 と その 普通 死 料金、 どれの だった その 平均 死 料金 以上 その 三つ 年、 1915 に 1917年。 それから 彼 また 持ってくる で その 人口統計。 また、 彼 変更された その 年 憲法 索引 ベース の上 その 1910 国勢調査 データ、 そして 彼 使用済み それ。
それから また 彼 関与した その セックス 比率 の その 人口 の 男性 対 女性。 その 人口 密度 の 1910 は 使用済み で その 初め の 彼の 研究、 残った で その 2番 勉強。 それから その代わり の a 地理的な 位置、 彼 使用済み 緯度 そして 経度 で 彼の 2番 勉強。 それから 最後に、 彼 使用済み その パーセンテージ 人口 成長 で その 十年 1900年、 1910年、 また。
これら だった パールの データ に どれの 私たちは 追加した いくつかの 追加 国勢調査 データ から 1910 どれの は 与えられた 以上 ここ。 その代わり の その 年 憲法 索引、 私たちは 使用済み その 共有 の その 違う 年 グループ、 そして その 純粋な 数字 実は、 なぜなら 私たちは だった ない 本当に ハッピー と その 方法 パール 定義された その 年 憲法 索引。 それ だった 本当に とても 複雑な そして ない クリア 十分 それで それ 私たちは 考え に ただ 行く について そして 使用 その 1910 共有 年齢 その代わり の これ 年 憲法 索引 発展した による パール。
その上 それ、 私たちは 見た の中へ その 番号 の 人 に a 住居、 その パーセンテージ の 住宅 所有、 その 学校 出席 の 人口、 6 に 20 年 の 年、 そして その 非識字 で その 人口、 10 年 の 年 そして 以上、 そして 見る かどうか 1つ の これら 要因 または いくつかの の これら 要因 できた なれ 予測的な の 木 応答 変数 で パールの 研究。
何 だった パールの 分析 全て について？ 良い、 彼 得た の中へ 複数 相関。 彼 研究した 全て その データ 作る 使用 の 部分的 相関 係数 として 良い として その 普通 相関 係数 の ゼロ 注文、 しかし 彼 した それ とても 厳密に。 彼 持っていた 計算された これ 全て による 手 そして した これ とても 良い 実は そして 取った の中へ アカウント 様々な 他の 要因 で これら 部分的 相関関係 による 持つ それらの 他の 変数 いる 絶え間ない。 のために その 部分的 相関関係 そして その 他の 相関関係、 彼 また 計算された おそらく エラー に 探す 外 かどうか これら 相関 係数 だった 重要な または ない、 それで 彼 した これ とても 良い。
今、 その 分析 それ 私たちは は 使用して は その 1つ で どれの 私たちは は 行く に 実は 選択 変数 と a ヌル 要素 そして 私たちは は 行く に ブートストラップ 私たちの データ。 私たちは は やっている それで なぜなら 私たちの P 価値観 のために 私たちの データ、 どれの は 残念ながら ない 直交、 彼らは できる なる 重く 偏見がある。 以来 私たちは は ない 本当に 使用して うまく 直交 データ、 その P 価値観 できる なる とても 偏見のある に向かって ゼロ。 その いつも その 危険 と P 価値観 のために 観察的 データ それ 重要ではない 要因 全て の a 突然 なる 重要 そして それ その タイプ 1つ エラー レート は ない 下 コントロール。
に 解決する その 事実 それ その P 価値観 は ない 均一に 分散型 もう で その 場合 の 一つの 重要ではない 変数、 に 解決する それ 問題、 私たちは は 行く に 関与する a ランダム 変数、 a ヌル 要素、 一つの 独立した 普通 変数 の中へ その 分析 そして 見る に 何 範囲 それ 登場 で 私たちの 手順 の 選択する 変数。 これ アイデア は インスパイヤされた による または 起源 から その サービス 紙 による ウー、 ブーイング、 そして ステファンスキー で 2007年。
具体的には、 何 私たちは 持っている 終わり は、 良い、 私たちは 含まれている a シングル ヌル 要素 で その 変数 選択 手順 そして 実行された 2,500 ブートストラップ 複製する のために 変数 選択 使用して ジャンプ。 それから 私たちは 計算された その 割合 の 回 それぞれ 変数 入る その モデル。 変数 それ 入力 として 頻繁 または 少ない よりも その ヌル 要素 は 無視できる、 そして 変数 それ 入力 もっと 頻繁 よりも その ヌル 要素、 良い、 これら は その もの それ 私たちは は 行く に 選択 として いる 予測的な の その 応答 変数。
で JMP、 私たちは 指定された 二 新しい 列、 そして 実は、 1つ 式 は 必要です。 それは その 式 のために その ブートストラップ 頻度 カラム それ あなた 見る ここ。 その ブートストラップ 頻度 カラム は ベース の上 私たちの ヌル 要素、 どれの は 一つの 独立した 普通 変数 それは 再初期化 それぞれ 時間 その間 その ブートストラップ シミュレーション。 ベース の上 これ 再初期化、 その 頻度 カラム 取得する 更新 それで それ 私たちは 持っている a 100 % 再サンプリング の 私たちの データのサンプルサイズ と その 修理済み サンプル サイズ として それ は。
それから のために その 変数 選択、 何 一種の回帰 また だろう 私たちは 適用する それ 私たちは できた 探す 外 で その 一般化された リニア モデル プラットフォーム の JMP、 なぜなら 取る の中へ アカウント その 頻度 カラム また、 もし 私たちは する 分散 選択、 私たちは また 必要 に する その 分布 決定 で その 同じ 時間。 それ もっている に 起こる 同時に。 あなた できない する それ 離れて ベース の上 その オリジナル データ。 実は、 その グラフ の上 その 左- 手 側 は a 少し 少し 誤解を招く なぜなら それ グラフ 含む その オリジナル データ、 しかし 分布 決定 あなた すべき 実は する その間 やっている その 変数 選択 自体。
仮定すると a ポアソン 分布、 良い、 それ 予測 だった ない 拒否された、 それで 私たちは できた 実は 動く フォワード と その 予測 の a ポアソン 分布、 どれの は また 維持された で その 文学 全体を通して のために 死亡 料金 そして それで 前へ のために 分析。 それ だった ない 本当に 拒否された そして それ だった 良い に 仮定する そのような a ポアソン 回帰 のために その 分析。
それから また 私たちは 適用済み ポアソン 回帰 で 組み合わせ と 変数 選択 のために その 流行 索引 16. しかし、 私たちは 切り替えた に 普通 回帰 または 少ない 回帰 のために その 三番目 応答 変数、 その 破壊性 変数。
その 方法 に 適用する これ 回帰 で ジャンプ による 手段 の 変数 選択 は による 使用して その 一般化された 回帰 プラットフォーム どこ 私たちは それから 定義する その 応答 変数 のために 分析 そして 置く その 頻度 カラム の中へ その 頻度 箱。 それから として モデル 条項 で その 構築する モデル 効果 ウィンドウ、 私たちは 関与する 全て その 変数、 全て 多分 rlの 変数、 一緒に また と 私たちの ヌル 要素 または 独立した 普通 変数 それ 私たちは また 含まれています。
それから 私たちは 動く フォワード と その 回帰 手順 による 選択する フォワード 選択 推定 方法。 として a 基準、 私たちは 使用済み その 赤池 情報 基準 と その 修正 のために 小さい サンプル サイズ に 決める その上 その ファイナル モデル に 含む その ファイナル モデル それから に 選択 と その 選択 の その 変数。
その 解決 一部 それ あなた 見る ここ は ベース の上 正規化された データ に 置く 彼ら の上 その 同じ スケールなのでスケール そして 中心 データ そして また に 減少する その 効果 の 多重共線性 で その データ なぜなら そこには とても いくつかの。 それから あなた 見る また、 その オリジナル 予測因子 ポップ音 上 で その より低い 出力。 それから 私たちは 選択 a モデル と その 最低 赤池 情報 基準。 1つ 後 その 他の、 その 変数 来る いる 選択された による フォワード 変数 選択 ベース の上 その 赤池 情報 基準。 として あなた できる 見る で これ 出力 実は ここ、 その ヌル 要素 得た の中へ その モデル。 その ヌル 要素 完全に 重要ではない、 情報不足、 それで 得た の中へ その モデル、 どれの は ない 良い、 の コース。
私たちは 持っていた に する これ 推定 方法、 これ 変数 選択 手順 2,500 回、 そして 私たちは した これ で ジャンプ による 右 クリック の上 その 見積もり カラム そして それから 打撃 シミュレートする そして それから 選択する その 頻度 カラム として a カラム に スイッチ で そして 外 間 その 違う ブートストラップ 複製する それで それ 初期化 の その ヌル 要素 だった いつも いる 保証付き 間 その 違う ブートストラップ 複製します。 それから ついに、 だから私たちは 得た その 2,500 モデル 選択 外 の その ブートストラップ シミュレーション。
それから 私たちは 計算された その 割合 それ 全て の これら 変数 得た の中へ その モデル または だった 与えられた として 非 ゼロ 見積もり。 私たちは だった 代表される による 非 ゼロ 見積もり。 特に、 の コース、 私たちは だった 興味がある で どうやって 多くの 回 その ヌル 要素 現れた で その 選択 の その モデル。 これ ターン 外 に なれ 41 % の その 回、 どれの は とても 高い。T これらは 私たちの 新しい 間違い エントリ 料金、 実は。 A とても 高い パーセンテージ で どれの その ヌル 要素 得た 選択されました。
私たちは 計上された のために いくつかの アッパー 縛られた、 一つの アッパー 99.9 % 自信 制限 また それ 私たちは 取った の中へ アカウント、 そして 平 a 少し 少し より高い 時々。 に なれ 安心した それ その 要因 それ あなた 見る で 緑 それ 彼らは 現れた ほとんど 頻繁 それから で その モデル 選択。 として あなた 意思 見る また 別の 例 今 あまりにも、 どこ 私たちは 得た 縛られた と その ヌル 要素 として 良い。 その 要因 または その 変数 で 赤、 彼らは 持っている ない された 選択された 以来 彼らの 発生 は より低い よりも その 発生 の その ヌル 要素 以上 その 違う ブートストラップ シミュレーション。 その 変数 の 興味 ここ それ 得た 選択された そして は 予測的な の その 流行 索引 I5 は その 死 料金 の 原因、 死 レート から オーガニック 心臓 病気、 その 死 料金 から 肺炎、 死 レート から 癌、 死 レート から 麻疹、 そして その 地理的な 位置。
今、 その 死 レート から 全て 原因、 それは 一つの 集計 のために その 死 料金 から その 個人- 特定の 慢性的な 病気。 私たちは だった また 興味がある に 見る 何 だろう 起こる もし 私たちは だった に 取る これ 外 の その 分析。 これ は 何 私たちは した の上 その 続く スライド。 私たちは 取った それ 外、 死 レート 全て 原因、 そして それから 私たちは a 違う 写真。 その 死 レート から 麻疹 そして その 死 レート から 癌 向きを変えた 外 に なれ 重要ではない 今、 一方 死 レート から 肺炎 得た で その 緑 ゾーン、 として 良い として その 死 レート から 肺 結核。 これら だった また とても 非常に 相関関係 と その 死 レート の 全て 原因。 死 レート の 全て 原因 マスクされた。 これら 変数、 それでも いくつかの の その 死 料金 は また 相関関係 の間で それぞれ 他の、 それで 私たちは 持っている に なれ 注意深い ここ。 それ だった a 新しい 結果 それ 私たちは 見た。
今、 最終的に、 私たちは 繰り返し これら 変数 選択 さらに遠く 以降 と のみ その 変数 で 緑 それ あなた 見る ここ の上 その 画面、 それで その もの それ 得た 選択された に どれの 私たちは 追加した 私たちの 新しい 1910 国勢調査 データ、 のように その 株式 の 年齢 そして その 非識字 そして その 学校教育 そして それで 前へ。 私たちは した これ と そして それなし 死んだ レート または 原因 に ついに それから 選択 その 変数 それ だった 一般 種類の 全体 分析。 全て その 違う 分析 選択された いくつかの 他の 変数 まだ、 しかし まだ そこには だった いくつかの 変数 どれの だった 現在 全て その 時間、 そして これら は その もの それ 私たちは ついに それから 含まれている の中へ その モデル、 どれの は 私たちの ファイナル ポアソン 回帰 モデル それ 私たちは 得られた で その 終わり。
どれの 含む 死 料金 から 心臓 病気、 オーガニック 心臓 病気、 死 料金 から 全て 原因 私たちは 保たれた 伝える、 として また パール ストレス それ として いる とても 重要。 共有 年齢、 0 に 4. 学校 出席 の その 人口、 6 に 20 年 の 年 そして その 地理的な 位置。 それ だった 私たちの ファイナル 回帰 モデル のために その 初め 応答、 その 流行 索引 I5、 そして 下に あなた 見る その 結果 の パール。 持つ 終わり a 相関 分析、 彼 だった できる に 識別する 肺 結核、 オーガニック 心臓 病気、 そして 急性 腎炎 そして ブライトの 病気。 その上 その 死 レート の 全て 原因 それ 彼 みなされる とても 重要、 どれの だった 実は また いつも その 場合 のために 私たちの 分析。 それ いつも 来た の上 トップ の 私たちの 分析。 私たちは 保たれた それ で。
今、 パール また 尖った に向かって いくつかの 特定の 慢性的な 病気、 しかし 私たちは だった ない できる に 置く これら の上 トップ。 私たちは した ない 探す 彼ら に なれ 安定して 現在。 全体、 私たちの 分析、 それで 私たちは した ない 識別する 彼ら。 また、 パール、 実は、 後 彼の 初め 勉強、 得た 批判された なぜなら の ポインティング に向かって これら 個人 病気。 それから で その 2番 の 彼の 勉強、 また、 彼 だった もっと 慎重な、 もっと 保守的、 そして のみ 尖った に向かって その 死 レート の 全て 原因 そして その オーガニック 病気 の その 心臓 として その もの それ は 予測的な のために 彼の 変更された 索引 の その 爆発力 の その アウトブレイク 16.
私たちの ファイナル 分析 は その 1つ それ あなた 見る ここ ポインティング に向かって また 死 料金 から オーガニック 心臓 病気、 死 レート から 全て 原因、 その 共有 の その 年齢 間 ゼロ そして 4、 そして その 人口 密度の規則。 W 私たちは いつも できる に 見る その 人口 密度 来る 上 高い で その リスト の 変数 それ 発生した ほとんど 継続的に 以上 その ブートストラップ 複製します。 それ また 向きを変えた 外 に なれ 一つの 重要 変数 から 私たちの 分析。
と その 破壊性 変数、 私たちは した ない 探す 全て それ 多くの の 変化。 その 範囲 実は の 価値観 だった ない として 大きい として のために その 他の 二 回答、 その 流行 索引 . 私たちは だった のみ できる に 識別する a 少し 変数 そして 具体的には その 死 料金 来る から その オーガニック 心臓 病気。 それから 私たちは 特定された、 その上 その 共有 の その 末っ子 人々 間 0と 4年間、 また その 共有 の 人々 範囲 間 20 そして 40, それで 25 そして 44 年 の 年。 その 健康 人々 実は 前 に その パンデミック、 それ だった また 示唆的な の 過剰 死亡 料金 以上 その 違う 都市 で その ユナイテッド 州。
パールの データ セット、 として 私たちは できた 見る また、 私たちは のみ 持っていた とても 少し データ。 そこには だった とても 小さい 39 観察 で その 初め 勉強 そして で その 2番 勉強 のみ 34 観察 なぜなら 彼らは 変更された いくつかの の その 変数、 いくつかの 観察 得た 失った。 その データ は また 観察的 と とても いくつかの 多重共線性 関与した。 その 品質 の その データ できた 持っている された より良い。 したがって、 私たちの 分析 のために もちろん は 役に立つ、 しかし 彼らは は ない 魔法のような、 として 良い として パールの 相関 分析。 具体的には、 彼の 初め 分析、 それ だった ない サポートされています。 彼 知っていた その後 それ 人々 した ない 本当に サポート 彼の 初め 分析。 ともかく、 として ジョージ 箱 言った、 "全て モデル は 間違っている、 いくつかの は 役に立つ。"
私たちは だった できる に 選択 満足できる モデル で a 一連 方法。 初め の 全て、 私たちは 含まれている パールの 変数 そして 保持 その 選択された 変数、 に どれの それから 私たちは 追加した 新しい 1910 国勢調査 変数 に ついに 選択 それらの 変数 それ は 有益な そして それぞれ 時間 と そして それなし その 死 レート から 全て 原因。 それから 私たちは 保持 その 変数 それ ポップ 上 で その 緑 ゾーン に なれ とても 予測的な の その 応答 それ ポップ 上 全て その 時間なので 以上 全て その 分析 それ 私たちは した に それから 持っている その モデル それ I 提示されました。 I 希望 これ だった 有益な のために あなた に 聞く に そして 多くの ありがとう。
