Годы | Всего | Темп прироста |
1994 | 1294 | - |
1995 | 1398 | 8,04 |
1996 | 1335 | -4,51 |
1997 | 2000 | 49,81 |
1998 | 2560 | 28,0 |
1999 | 2544 | -0,63 |
2000 | 2277 | -10,50 |
2001 | 2755 | 20,99 |
2002 | 2696 | -2,16 |
2003 | 2733 | 1,37 |
2004 | 3241 | 18,59 |
Среднее значение | 2257,55 | 10,90 |
Показатель количества прооперированных больных показал, что в динамике происходит неравномерное увеличение количества прооперированных больных – средний темп прироста варьируется от –10,49 до 18,59 %. Средний темп прироста составил 10,90%.
Для расчета динамики и последующего регрессионного моделирования показателей использовалась программа «ТРЕНД» для ПВМ – совместимых компьютеров, разработанная на кафедре экономики и управления здравоохранения курского государственного медицинского университета (разработчики: профессор Н. Б. Дремова и математик – программист С.В. Соломка). Алгоритм программы «ТРЕНД» представлен на рисунке 2.
Рис. 2. Алгоритм программы ТРЕНД
В ходе работы данной программы рассчитываются статистические величины: средняя арифметическая, дисперсия, среднее квадратическое отклонение, коэффициент вариации, темпы прироста. Формулы расчета этих величин приведены ниже.
|
|
1. Средняя арифметическая (формула 1):
(1)
где у – варианты показателя,
n – количество показателей.
2. Дисперсия (формула 2):
(2)
4. Среднее квадратическое отклонение (формула 3):
(3)
4. Коэффициент вариации (формула 4):
(4)
В норме величины Кv должен быть до 10%.
5. Темпы прироста (формула 5):
(5)
где У тек - показатель текущий,
У пред – показатель предыдущий.
Наличие взаимосвязи между двумя показателями устанавливается по величине коэффициента корреляции Пирсона (формула 6):
(6)
где xί – показатель фактора или времени.
При 0,7≤ ґ ≤ 0,1 динамический ряд показателя имеет устойчивую прямую взаимосвязь (тенденцию) с другими показателями.
При 0,4 ≤ ґ ≤ 0,69 говорят о наличии средней взаимосвязи. Величина коэффициента корреляции в пределах 0,01 ≤ ґ ≤ 0,39 свидетельствует об отсутствии или очень слабой взаимосвязи.
Отрицательные значения коэффициента корреляции указывают на наличие обратной взаимосвязи.
С целью подтверждения взаимосвязи коэффициент корреляции следует проверить на статистическую значимость по t- критерию Стьюдента (формула 7):
(7)
Полученные значения tc сравнивают с табличным значением tt – критерия для 5%-го уровня значимости. Если расчетное значение tc больше tt, это свидетельствует о статистической значимости r.
В ходе анализа рядов динамики выявляются их основные тенденции. Для этого прибегают к выравниванию рядов динамики. Суть метода аналитического выравнивания состоит в том, что основную тенденцию развития представляют в виде математической функции. Регрессионная модель, характеризующая зависимость показателя от времени, называют трендом.
|
|
Аналитическое выравнивание производится с использованием тринадцати наиболее распространенных математических функций (формулы 8-20):
1) линейная | Y= a +bt | (8) |
2) экспоненциальная | Y = a * exp bt | (9) |
3) степенная | Y= a * t b | (10) |
4) гиперболическая, первого типа | Y= a + b/t | (11) |
5) гиперболическая, второго типа | Y= 1/(a + bt) | (12) |
6) гиперболическая, третьего типа | Y= t/ (a + bt) | (13) |
7) логарифмическая | Y= a + b ln t | (14) |
8) S - образная | Y= exp (a + b/t) | (15) |
9) обратнологарифмическая | Y= 1/ (a + b ln t) | (16) |
10) модифицированная экспонента | Y= a + bc | (17) |
11) кривая Гомперца | Y= a * b | (18) |
12) логистическая | Y= 1/ (a + bc) | (19) |
13) параболическая | Y= a + bt + ct² | (20) |
Где a, b, c – параметры моделей
t - время (годы)
Динамика исследуемых показателей и результаты ее анализа, проведенного по программе «ТРЕНД», приведены в таблице 7 и приложение 1.
В ходе статистической обработки получены следующие показатели вариационной статистики для онкологической заболеваемости по Белгородской области (табл.1):
Ø среднее значение – 311,37
Ø средний темп прироста – 1,23%
Ø коэффициент вариации – 4,24%
Ø коэффициент корреляции – 0,746
Показатели вариационной статистики свидетельствуют о наличии положительной тенденции ежегодного прироста больных на 1,23%; имеющийся динамический ряд статистически однороден, так как коэффициент вариации в норме и не выше значений, принятых за норматив (+10%). В связи с этим можно допустить выявление тренда и выявление математической модели, так как коэффициент корреляции равный 0,746, (статистически значим по t-критерию Стьюдента) подтверждает наличие тесной взаимосвязи показателей заболеваемости в динамике, т.е. возможности дальнейшего установления тенденции в форме математической модели.
В ходе многовариационного математического моделирования (13 функций аппроксимации) на основе регрессионного анализа отобраны оптимальные модели с применением критериев оптимальности. Модели примерно равноценны, в частности коэффициенты корреляции между фактическими и теоретическими значениями, рассчитанными по математическим моделям, равны 0,56 – 0,75, т.е. примерно на 56%, согласно коэффициенту детерминации, рост объясняется динамикой заболеваемости, остальные 44% - это влияние других факторов. Анализ среднеабсолютной процентной ошибки (МАРЕ %) показал, что ее величина находится в пределах 2,38 – 3,08% имеет низкое значение, что вполне благоприятно для прогнозирования. Рассчитанные прогнозные значения показателя онкологической заболеваемости на 2004г
составляет 326,64, на 2005 – 328,01, на 2006 – 329,21 случаев на 1000
населения.
Рис. 3. Динамика и прогноз онкологической заболеваемости в Белгородской области
Данный показатель в абсолютном значении по прогнозным данным будет составлять в 2004 году 5147 человека, 2005- 5209 человека и в 2006 году 5274 человек.
В ходе дальнейшей статистической обработки получены показатели вариационной статистики для показателя «всего пролечено больных» (табл. 2):
Ø среднее значение – 7267
Ø средний темп прироста – 10,22%
Ø коэффициент вариации – 14,45%
Ø коэффициент корреляции – 0,929
Полученные данные свидетельствуют о наличии аналогичной положительной тенденции ежегодного прироста пролеченных больных на 10,22%; динамический ряд полеченных больных статистически не однороден, так как коэффициент вариации выше нормы. Поэтому можно допустить выявление тренда и построение математической модели.
В ходе многомерного математического моделирования отобраны оптимальные модели, которые оказались не равноценны. В, частности коэффициенты корреляции между фактическими и теоретическими значениями, рассчитанные по математическим моделям, равны 0,79 – 0,94. Из моделей выбрана параболическая кривая третьего типа, так как коэффициент корреляции между фактическими и теоретическими значениями, рассчитанными по этой модели наибольший и составляет 0,94. Согласно коэффициенту детерминации, на 89% рост пролеченных больных объясняется динамикой, стальные 11% - это влияние других факторов; отклонение теоретических значений от фактических 0,1%, что допустимо для прогнозирования. Рассчитанное количество пролеченных больных на 2004г. составит 9727-10300, на 2005г. – 10861-11500, на 2006г. – 12294-13007.
|
|
Рис. 4. Динамика и прогноз числа пролеченных больных в онкодиспансере
Далее проведен анализ показателя «количество прооперированных больных» и получены следующие данные:
Ø среднее значение – 2257
Ø средний темп прироста – 10,90%
Ø коэффициент вариации – 27,99%
Ø коэффициент корреляции – 0,927
Полученные данные свидетельствуют о положительной тенденции ежегодного прироста больных на 10,9%; имеющийся динамический ряд статистически неоднороден, так как коэффициент вариации выше значений, принятых за норматив. Однако с определенной долей погрешности можно допустить выявления тренда и построение математической модели, так как коэффициент корреляции 0,927 (статистически значим по t-критерию Стьюденса) говорит о наличии тесной взаимосвязи показателей количества прооперированных больных в динамике, т. е. возможности дальнейшего установления тенденции в форме математической модели.
В ходе многовариационного математического моделирования отобраны оптимальные модели с применением критериев оптимальности. Модели примерно равноценны, в частности коэффициент корреляции между фактическими и теоретическими значениями, рассчитанный по математическим моделям, равен 0,78-0,93, согласно коэффициенту детерминации рост объясняется динамикой на 88%, остальные 12% - это влияние других факторов; отклонение от фактических значений –1,62-0,07%, что вполне приемлемо для прогнозирования. Рассчитанные прогнозные значения количества прооперированных больных на 2004г. составляют 3090-3376, на 2005г. – 3156-3453, на 2006г. – 3210-3520
|
|
Рис. 5. Динамика и прогноз числа прооперированных больных