R分布滞后非线性模型DLNM分析某城市空气污染与健康数据：多维度可视化优化滞后效应解读
作为环境健康领域的研究者，我们常面对这样的现实：当某城市连续一周PM10浓度偏高后，呼吸系统疾病就诊量在随后几天逐渐上升——这种“污染当下不显，影响滞后显现”的现象，正是公共卫生研究的核心难题。
Tag Archives: 空气污染
R语言广义加性混合模型(GAMM)分析长沙气象因子、空气污染、PM2.5浓度、显著性检验、逐日变化可视化
气候变化和空气污染对现代社会产生了越来越大的影响。
IBM SPSS Modeler分类决策树C5.0模型分析空气污染物数据
如何通过方法有效的分析海量数据，并从其中找到有利的资讯已经成为一种趋势。
R语言分布滞后线性和非线性模型（DLNM）分析空气污染（臭氧）、温度对死亡率时间序列数据的影响
分布滞后非线性模型（DLNM）表示一个建模框架，可以灵活地描述在时间序列数据中显示潜在非线性和滞后影响的关联。
R语言分布滞后非线性模型（DLNM）空气污染研究温度对死亡率影响建模应用
环境应激源往往表现出时间上的延迟效应，这就要求使用足够灵活的统计模型来描述暴露-反应关系的时间维度。
【视频讲解】R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例
本文提供了运行分布滞后非线性模型的示例，同时描述了预测变量和结果之间的非线性和滞后效应，这种相互关系被定义为暴露-滞后-反应关联。
