影響道路交通傷害因素研究的零膨脹計(jì)數(shù)模型.pdf

1、目的：隨居民生活水平的不斷提高，出行機(jī)動(dòng)化程度迅速改觀，道路交通傷害(roadtrafficinjury,RTI)的發(fā)生與出行風(fēng)險(xiǎn)評(píng)估問(wèn)題研究備受關(guān)注。目前我國(guó)汽車(chē)戶(hù)均擁有量雖不是全世界最多的，但RTI年死亡水平卻在世界上遙遙領(lǐng)先，十年來(lái)均高居世界第一[1]。據(jù)不完全統(tǒng)計(jì)，中國(guó)汽車(chē)保有量?jī)H占世界的3％，但因交通事故傷害死亡的人數(shù)卻占世界的16％。本課題擬通過(guò)山西省河津市2010年4到9月間RTI資料，采用零膨脹計(jì)數(shù)模型，揭示該地道路交通

2、傷害發(fā)生的規(guī)律，并對(duì)其分布特點(diǎn)及損失等進(jìn)行分析；就如何預(yù)防和控制該地區(qū)的RTI提出可行性建議，為零膨脹模型在傷害流行病學(xué)研究中的應(yīng)用提供方法學(xué)依據(jù)。
　　 方法：以河津2010年4月－9月交通事故案件填寫(xiě)的“道路交通事故傷害信息采集表”，設(shè)計(jì)Epidata3.1數(shù)據(jù)庫(kù)，建立道路交通事故數(shù)據(jù)庫(kù)。采用SAS9.13完成受傷人數(shù)和死亡人數(shù)Poisson回歸、負(fù)二項(xiàng)回歸、零膨脹Poisson(ZIP)回歸和零膨脹負(fù)二項(xiàng)(ZINB)回歸模

3、型分析。
　　 結(jié)果：與討論：
　　 1、縣市道路交通傷害無(wú)受傷死亡者事故居多，個(gè)別事故有死傷
　　 509起交通事故分析發(fā)現(xiàn),5月為事故發(fā)生高峰，該地交通事故發(fā)生比率與季節(jié)有關(guān)。次均事故財(cái)產(chǎn)損失中位數(shù)為1500元，（20元-80000元），89.78％的事故財(cái)產(chǎn)損失在5000元以下，過(guò)萬(wàn)元者僅占3.34。4-9月間道路交通事故次數(shù)較多，但死亡人數(shù)很少；次道路交通事故受傷害人數(shù)分布以“0”人次案件較多，占49.3

4、1％;引起道路交通肇事方駕駛員以30歲左右男性為主。
　　 2、影響交通傷害受傷人次數(shù)的計(jì)數(shù)模型
　　 一次交通事故中受傷人次數(shù)的取值y=0，1,2,3，…不滿(mǎn)足線性回歸的“LINE”條件，應(yīng)采用計(jì)數(shù)模型分析。受傷人次數(shù)擬合Poisson回歸和負(fù)二項(xiàng)回歸，得到的分析結(jié)果相近。經(jīng)離散參數(shù)的似然比檢驗(yàn)，其估計(jì)值為0.441，可認(rèn)為負(fù)二項(xiàng)回歸擬合效果比Poisson回歸好。但因兩模型對(duì)0的預(yù)測(cè)概率分別為44.81％和45.15

5、％，提示數(shù)據(jù)中存在的零比例超過(guò)了負(fù)二項(xiàng)回歸和Poisson回歸的預(yù)測(cè)能力。經(jīng)得分檢驗(yàn)知，交通事故受傷人數(shù)存在零過(guò)多的現(xiàn)象。擬合零膨脹模型，Vuong檢驗(yàn)結(jié)果表明，ZIP模型優(yōu)于Poisson回歸模型，ZINB模型也優(yōu)于負(fù)二項(xiàng)回歸模型。四種模型對(duì)比分析表明，ZINB模型解釋實(shí)際問(wèn)題最佳，ZIP模型次之，負(fù)二項(xiàng)回歸以及Poisson回歸的預(yù)測(cè)效果較差。擬合優(yōu)度檢驗(yàn)表明，四種模型中ZINB擬合效果最優(yōu)。
　　 受傷人數(shù)ZINB模型結(jié)果

6、顯示，負(fù)二項(xiàng)回歸部分甲方車(chē)型、車(chē)損情況有統(tǒng)計(jì)學(xué)意義的影響因素。發(fā)生事故時(shí)非機(jī)動(dòng)車(chē)受傷人數(shù)是機(jī)動(dòng)車(chē)的1.47倍；車(chē)損情況嚴(yán)重的受傷人數(shù)是一般事故的1.36倍；logit部分僅引入甲方駕駛者年齡，表明駕駛者年齡在40歲以上時(shí)，車(chē)禍中受傷人數(shù)是40歲以下駕駛員的1.81倍。
　　 3、交通事故中死亡人數(shù)的ZINB回歸模型分析
　　 因交通事故死亡人數(shù)存在大量的“0”，傳統(tǒng)的計(jì)數(shù)回歸預(yù)測(cè)結(jié)果常常與實(shí)際數(shù)據(jù)的零頻數(shù)存在較大差異。本

7、研究引入零膨脹泊松模型(ZIP)和零膨脹負(fù)二項(xiàng)回歸模型(ZINB)分析。
　　 ZIP結(jié)果顯示，在Poisson部分事故涉及責(zé)任方、甲方車(chē)型和車(chē)損情況均有統(tǒng)計(jì)學(xué)意義。甲、乙雙方均有事故死亡人數(shù)的多于單方；非機(jī)動(dòng)車(chē)發(fā)生事故時(shí)死亡人數(shù)多于機(jī)動(dòng)車(chē)，而車(chē)損情況嚴(yán)重的死亡人數(shù)也多于情況一般的。在logit部分僅截距項(xiàng)有統(tǒng)計(jì)學(xué)意義。ZIP對(duì)0的預(yù)測(cè)概率為91.51％，相對(duì)Poisson回歸有一定改善，Vuong檢驗(yàn)顯示ZIP優(yōu)于標(biāo)準(zhǔn)Pois

8、son回歸。
　　 ZINB結(jié)果顯示，在負(fù)二項(xiàng)回歸部分事故涉及責(zé)任方、甲方車(chē)型、甲方駕駛者年齡以及車(chē)損情況等均有統(tǒng)計(jì)學(xué)意義事故涉及甲乙雙方均有死亡人數(shù)的是僅涉及一方死亡人數(shù)的1.23倍；非機(jī)動(dòng)車(chē)發(fā)生事故時(shí)死亡人數(shù)多于機(jī)動(dòng)車(chē)，是機(jī)動(dòng)車(chē)死亡的2.66倍；駕駛者年齡在40歲及以上造成事故死亡的是40歲以下者的8.79倍；而車(chē)損情況嚴(yán)重的死亡人數(shù)是一般事故的1.50倍。在logit部分僅引入甲方駕駛者年齡，表明駕駛者年齡大于40歲時(shí)，在