复杂抽样与多水平模型-陕西省人均卫生支出与两周患病率估计

摘要

目的：
　　针对不同的变量类型，采用基于设计的统计推断方法，选取第五次国家卫生服务调查陕西省代表性调查数据中的人均卫生支出与两周患病率两类变量进行基于设计的估计。此外，利用第五次国家卫生服务调查的多阶段抽样结构，比较并探讨了在存在明显层级结构数据的统计分析中解析既定因变量的影响因素，传统的 logistic回归分析方法相比于新兴的多水平模型之间的差异与不足。对于运用多水平模型进行影响因素分析进行了总结归纳。其估计结果对于评估陕西省的卫生服务供给与需求以及降低普通民众的人均卫生支出与两周患病率有着可观的参考价值与借鉴意义。
　　方法：
　　第五次国家卫生服务调查采用分层四阶段整群不等概率抽样。对于连续型变量和二分类变量，分别选取人均卫生支出与两周患病率进行估计。谨以年人均医疗卫生支出和两周患病率反映陕西省群众医疗卫生负担与卫生服务需要。此外，通过logistic回归模型与多水平模型应用于上述两变量相关影响因素的分析，明确在数据层级结构分明的条件下，多水平模型相较于传统logistic分析方法的优势。
　　结果：
　　本研究运用第五次国家卫生服务调查陕西省代表性调查数据，对陕西省人均卫生支出和两周患病率两类变量进行了加权估计，并与未加权计算的结果进行了比较。陕西省居民人均医疗卫生支出算术均数为1048.31元，中位数为500.00元，完全随机设计抽样的均值估计值为1123.09（1024.48，1221.70）元，复杂抽样设计校正后的估计值为1167.14（1033.20，1301.08）元，其抽样设计效应为1.68；陕西省居民两周患病率点估计为17.48％，完全随机设计抽样的估计值为17.27%（16.96，17.58），复杂抽样设计校正后的估计值为12.29（10.59，13.99），其抽样设计效应为30.17。在处理存在明显层级结构的复杂抽样样本时，传统的一般线性回归模型和logistic回归模型分别对于拟合连续型变量和二分类变量的效果并不理想，前者调整后R2值只有0.0957，后者也只有0.3967。因此需要用到多水平模型方法。
　　结论：
　　基于设计的统计推断方法结果因样本个体值是否加权以及加权方法的不同而发生变化。对于logistic回归模型与多水平模型应用陕西省群众人均医疗卫生支出和两周患病率的影响因素分析的对比发现，在层级结构比较明显的多阶段复杂抽样调查数据中，多水平模型的分析结果较完全随机抽样条件下的logistic回归模型更为可信。

目录

封面

声明

目录

缩略语表

中文摘要

英文摘要

前言

1 研究背景

2 研究内容和目的

文献回顾

1 抽样技术

2 基于设计的复杂抽样

3 卫生服务调查研究

4 多水平模型的应用与发展

1 材料

1.1 资料来源

2 方法

2.1 陕西省代表性调查工作的抽样设计

2.2 复杂抽样条件下的加权校正

2.3 基于设计的复杂抽样估计精度评价

2.4 基于设计的复杂抽样总体参数估计

2.5多水平模型在多层结构数据中的应用

3 结果

3.1 样本数据的特征

3.2样本数据的加权校正

3.3复杂抽样条件下的均数与率的估计

3.4多水平模型的建立与相关影响因素的分析

4 讨论

4.1 复杂抽样设计的加权估计方法对于目标总体参数的估计

4.2多水平模型的方差成分分析

4.3多水平模型处理层级结构数据的优越性

4.4国家卫生服务调查参数估计方法的不足

4.5不足

小结

参考文献

个人简历和研究成果

致谢