最新影响戒烟成功的因素分析数模26545507
影响戒烟成功因素的分析--数学建模
影响戒烟成功因素的分析高利（理学院11信科1班）摘要：为了分析影响戒烟成功的主要因素，原题提供了包括234人的调查数据。
涉及的影响因素包括年龄、性别、每日抽烟只数、CO浓度和调整的CO浓度。
本文就是以234人的调查数据为基础，对数据进行处理和分析，利用计算机编程和数学模型的方法，探寻影响戒烟成功的主要因素，并在最后根据文本的相关研究结果对广大烟民提出建议。
问题一主要分析了不同年龄和不同性别的累加发病率分布情况，主要利用计算机编程，对原始数据进行分组、筛选和统计，并作出分布直方图。
经过分析得知男性的累加发病率为84.55％，女性的累加发病率为87.10％，略高于男性，青年人（18---40岁）累加发病率最高，为87.72％，中年人（41---65岁）次之，为84.68％，老年人（66岁）以后很少，为77.78％。
问题二是判断年龄、性别、每日抽烟支数、调整的CO浓度等因素哪些对戒烟时间有影响，并要求给出定量的分析。
针对此问题，本文只取戒烟天数小于365天的被调查者为研究对象，并把原始数据中空缺的数据行排除，首先画出个因素与戒烟天数的散点图，直接观察数据间的关系，再通过计算两组数据的相关，比较其绝对值的大小，定量的给个影响因素对戒烟天数的影响程度初系数ρxy步排序，处理结果为影响程度有大到小排序：CO浓度，每日抽烟支数，调整CO 浓度，年龄。
问题三利用建立适当的数学模型，讨论影响戒烟成功的主要因数，并对模型进行可靠性分析。
在这里主要建立了统计回归模型。
由于原始数据散点图比较散乱，不容易直接看出两组数据间的关系，也不方便直接处理，所以首先对原始数据做了预处理，等距分组，并求出每组戒烟天数的均值，以减小数据的波动，方便观察数据之间的宏观关系，再利用处理后的数据建模分析，通过建立统计回归模型对处理后的数据做了二次函数拟合，再进行回归分析，比较回归方程的决定系数R2等，进一步量化和判断不同因素对戒烟成功影响程度的大小，得到的结论是每天抽烟支数和CO浓度是影响戒烟成功的最主要因素。
2014年学校数学建模模拟赛(戒烟)
分析：由图表分析可得，距离抽最后一支烟的分钟数为 100-150 之间时累计发病率最高， 在 100-150 分钟段之前累积发病率逐渐升高，在其之后，累积发病率显著降低。
5.1.2 各因素交互作用影响下的累加发病率分布情况
对于之前的模型分析，我们只是考虑到单个因素对累加发病率的影响，并没有考虑到各 个因素之间可能会有交互作用，为此，我们利用 spss 的双因素相关性分析来分析每个因素 之间的相关性，并在此分析各因素之间的交互作用对累加发病率的影响，从而作出相关分 布图。 spss 的双因素相关性分析结果如下表 7 所示： 表7 x1 Pearson 相关 性 显著性 （双侧） N 1 双因素相关性分析表 相关性 x2 x4 x3 -.052 .476 193 .115 .111 193
我们参赛选择的题号是（从 A/B/C/D 中选择一项填写） ： 我们的参赛报名号为（如果赛区设置报名号的话） ： 所属学校（请填写完整的全名） ： 参赛队员 (打印并签名) ：1. 2. 3. 指导教师或指导教师组负责人 (打印并签名)： 日期： 2014 年
B
8 月
27 日
赛区评阅编号（由赛区组委会评阅前进行编号）：
6
分析：通过图表可得，20-30 岁抽烟支数在 10-20 支之间累积发病率最高，30-70 岁抽 烟支数在 20-30 支之间累计发病率最高， 70-80 岁抽烟支数在 10-20 支之间累计发病率最高， 综合观察可知 30-40 岁抽烟支数在 20-30 支之间累计发病率最高。 b． 不同性别下每日抽烟支数对累加发病率的影响
分析：有图表可以看出，累加发病率在 CO 浓度为 150-300 段达到最高，并在此之后， 随着 CO 浓度段的增加，累加发病率反而逐渐降低，累加发病率在 CO 浓度超过 750 之后累 加发病率极低， 这可能是因为 CO 浓度大于 300 的人数逐渐减少， 超过 750 的人数极少导致。
吸烟者戒烟行为的影响因素分析实验报告
吸烟者戒烟行为的影响因素分析实验报告一、引言吸烟对健康的危害已经被广泛认知，然而戒烟对于许多吸烟者来说并非易事。
为了深入了解影响吸烟者戒烟行为的因素，本实验进行了一系列的研究和分析。
二、实验目的本实验旨在探究影响吸烟者戒烟的各种因素，为制定更有效的戒烟干预措施提供依据。
三、实验对象与方法（一）实验对象选取了不同年龄、性别、职业、吸烟年限和吸烟量的吸烟者共 500 名作为研究对象。
（二）实验方法1、问卷调查设计了详细的问卷，内容包括个人基本信息、吸烟史、戒烟意愿、戒烟尝试经历、家庭和社会环境等方面。
2、访谈对部分吸烟者进行了面对面的访谈，深入了解他们对戒烟的看法和面临的困难。
四、实验结果与分析（一）个人因素1、年龄较年轻的吸烟者相对于年长的吸烟者，戒烟意愿更强。
可能是因为年轻人更关注自身健康，对未来的生活质量有更高的期望。
2、性别女性吸烟者的戒烟意愿普遍高于男性。
这可能与女性对美容和健康的关注度较高有关。
3、健康状况患有与吸烟相关疾病（如呼吸系统疾病、心血管疾病）的吸烟者，戒烟意愿明显增强。
（二）吸烟习惯1、吸烟年限吸烟年限越长，戒烟难度越大。
长期的吸烟习惯使得身体对尼古丁产生更强的依赖。
2、吸烟量吸烟量较大的吸烟者，戒烟过程中面临的生理和心理挑战更多，戒烟难度相应增加。
（三）心理因素1、自我效能感对自己能够成功戒烟有信心的吸烟者，更有可能采取实际的戒烟行动。
2、戒烟动机出于自身健康考虑、家人的期望或经济压力等强烈动机的吸烟者，戒烟的决心更大。
（四）家庭和社会环境1、家庭支持家庭成员的鼓励和监督，对吸烟者的戒烟行为有积极的促进作用。
2、社交圈子身边朋友和同事中有较多不吸烟者，或者社交环境对吸烟持负面态度，有助于吸烟者产生戒烟的想法并付诸实践。
（五）戒烟方法和资源1、专业帮助接受过戒烟咨询、药物治疗等专业帮助的吸烟者，戒烟成功率相对较高。
2、替代行为在戒烟过程中，能够找到有效的替代行为（如运动、咀嚼口香糖）来缓解烟瘾，有助于提高戒烟的成功率。
影响戒烟成功的社会文化因素
影响戒烟成功的社会文化因素中国疾控中心控烟办公室姜垣王立立吸烟能够严重损害人体健康，戒烟能够在很大程度上减少烟草对人体的危害。
一个人戒烟成功，首先对于他自己，能够降低患多种慢性病的风险，另外从根本上，消除了对周围人二手烟的危害，同时也为那些还没有开始吸烟的年轻人树立了榜样。
也正因此，世界卫生组织综合控烟政策MPOWER中，帮助吸烟者戒烟是其中一个重要环节。
本文通过系统文献综述方法，分析影响戒烟的社会相关因素，包括了卷烟的零售价格、公共场所禁烟的力度、烟盒上的健康警示以及提供戒烟服务的情况，同时分析了中国目前有关戒烟的政策情况，为今后制定有关戒烟政策提供依据。
一、影响戒烟成功的社会因素卷烟的零售价格通过提高烟草税率，从而提高烟草产品价格，这是减少烟草消费，鼓励烟草使用者戒烟的最有效的手段。
将烟草产品价格提高70%，就可以避免全世界四分之一的吸烟相关死亡（1）。
而提高烟税还能通过增加政府收入直接给政府带来效益，增加的收益又可以用于烟草控制和其它重要的卫生和社会项目。
各国政府征收烟草税由来已久。
不管是公共领袖还是政治领袖都十分接纳烟草税，因为烟草不是一种必需品，同时又可以直接征税。
烟税可能是最容易被接受的一种税务形式，因为大多数人都知道吸烟有害健康，即便是穷人，也是支持这项政策的。
事实上，提高烟草税率往往是唯一一种大多数公众都欢迎的增税形式。
提高烟税能得到非吸烟者的支持，他们是人群中的大多数。
此外，吸烟者也越来越支持提高烟税。
而将烟税收入转而用于烟草控制和其它卫生和社会项目更进一步提高了这一举措的受欢迎程度。
在高收入国家，将烟草产品税率提高10%一般能使烟草消费降低4%，在中低收入国家可降低约8%，提高烟税对遏制年轻人和贫困人口的烟草使用特别重要，而这些群体从烟草消费减少中获得的裨益也最大（1）。
这些社会经济群体的成员对商品价格更加敏感。
高烟价有助于促使他们戒烟，或者根本不开始使用烟草。
以南非为例，南非在上世纪九十年代将其烟草产品税率提高了250%，达到零售价格的将近50%。
戒烟影响因素分析模型与实证研究
戒烟影响因素分析模型与实证研究戒烟影响因素分析模型与实证研究【摘要】目的：探讨影响戒烟成功的主要因素，以此引起烟民对戒烟的重视，从而成功从根本上进行戒烟。
方法：使用偏相关分析、多元线性回归、t检验、因子分析等方法，分别构建了多元线性回归、因子分析等模型，使用EXCEL、MATLAB、SPSS 等软件处理数据和编程，在此根底上建立多元回归模型而后进行评价。
结果：多元线性回归模型说明了各个影响因素与戒烟成功之间的定量的关系，因子分析模型阐述了影响戒烟成功的主要因素。
结论：通过建立的多元回归模型，找出了各个影响因素对戒烟的定量影响关系，同时因子分析得出了每日抽烟支数、CO浓度和调整的CO浓度就是影响戒烟成功的主要因素，故而降低抽烟数量可以有效地进行戒烟。
【关键词】戒烟影响因素评价因子分析吸烟有害健康，不仅仅危害自身健康，尤其是周围被迫吸收二手烟的人群，他们的身心都会被受到伤害。
目前全世界约有11亿吸烟者，其中70%以上的烟民分布在开展中国家。
而作为最大的开展中国家，中国是全球最大的卷烟生产国和消费国，中国吸烟人数占世界吸烟者总数的近30%，居首位，我国每年吸烟导致的死亡人数超过100万，如此现状不加改变，到2021年，我国归因于吸烟的死亡人数将上升至200万，占总死亡的比重将上升33%。
同时，我国每年还有10万人死于二手烟。
近年来我国虽然先后在154个地区颁发了禁止吸烟的规定，但是效果甚微。
为此，如何帮助相关人士摆脱烟瘾的困扰也就成为一个重要的研究课题。
从现有的研究结果看，国外研究显示，吸烟者戒烟与吸烟者的人口学特征、戒烟的决心、尼古丁依赖程度和既往的戒烟经历有关。
国内的研究相对较少，李恂【8】研究的吸烟者自身意愿因素，文其岭的研究中说明戒烟受人们所处的社会环境的因素的影响，导致戒烟成功率较低，有调查显示认为吸烟者的知识水平与每日抽烟支数有关。
前人的研究成果给予了研究重要的参考，但是本文运用了同前人不同的定量分析方法，并运用因子分析法使结果更加准确科学。
戒烟行为影响因素的生态系统分析
戒烟行为影响因素的生态系统分析戒烟行为受多种因素的影响。
全面考察戒烟行为影响因素的目的之一是为戒烟干预提供更有效的方案。
根据Bronfenbrenner的生态系统理论，该文从微系统（家庭成员、同伴或朋友）、外系统（政策、媒介）、宏系统（社会文化）及处于生态系统中的个体因素（身体状况、成瘾性、动机、健康知识、自我效能、情绪、人格、态度、人口统计学因素）4个方面对影响戒烟行为的因素进行分类和归纳，以期能为戒烟行为的干预措施提供参考。
标签：戒烟行为；生态系统；微系统；外系统；宏系统；个体因素烟草危害是全球最严重的公共卫生问题之一，是导致人类患病和死亡的最大危险因素[1]。
吸烟者在任何年龄戒烟都能减少如癌症及心血管疾病等与吸烟相关疾病所带来的风险，而戒烟时间越长，戒烟对身体健康所带来的好处就越明显[2-3]。
戒烟行为一般指吸烟者主动或被动地使用一些物理的、化学的、精神的等戒烟方法，从而达到吸烟数量的减少或彻底去除烟瘾的行为，它是一个复杂的行为变化过程。
自21世纪80年代以来，国外对戒烟这一健康行为的影响因素进行了较为系统的研究，而国内的相关研究较少。
该文借用Bronfenbrenner[4]（1979）提出的生态系统发展观，从系统的生态观视角梳理了影响吸烟者戒烟的不同因素，具体包括微系统（家庭成员、同伴或朋友）、外系统（政策、媒介）、宏系统（社会文化）及处于生态系统中的个体因素（身体状况、成瘾性、动机、健康知识、自我效能、情绪、人格、态度、人口统计学因素）。
该系统较为全面地分析了影响戒烟行为的诸多因素，为戒烟干预工作引入了多元视角，对有效促进戒烟干预政策、方案与措施的制定提供了一定的借鉴，同时也为今后戒烟干预的理论研究与实证研究提供了一种新的思路。
1 微系统对戒烟行为的影响根据Bronfenbrenner的理论，微系统指个体生活的周围环境，是个体直接接触的部分，对个体有直接的影响。
具体而言，微系统包括父母、兄弟姐妹、同伴或朋友、伴侣。
影响戒烟成功因素的分析
【摘要】目的了解门诊戒烟求助者戒烟率，分析戒烟成功的影响因素，为戒烟门诊提供有效干预的措施提供依据。
方法对门诊戒烟求助者首次求助12月后进行随访，调查求助者年龄、婚姻、受教育程度、吸烟基本情况和社会支持等在戒烟成功与否之间的差异。
结果门诊戒烟求助者总体戒烟成功率为40.85%，低年龄组、吸烟量少、烟龄短、首次戒烟者的成功率较高（P<0.05），戒烟成功组的社会支持得分明显高于戒烟未成功组，而婚姻状况、教育程度、是否采用药物干预对戒烟成功率没有影响（P>0.05）。
结论医务人员对不同的人群要提供不同的戒烟策略，提高求助者各种社会支持有助于提高戒烟成功率。
【关键词】戒烟；随访；影响因素；社会支持烟草危害是当今世界一个重要的公共卫生问题，吸烟是导致肺癌、慢性支气管炎、冠心病、脑卒中等多种可以预防性疾病发生和死亡的主要原因之一[1]。
据调查，2010年我国15岁及以上的男性总吸烟率为62.8%、现在吸烟率为52.9%，男性吸烟者总数达3.4亿人，现在吸烟者2.9亿人[2]。
同时愿意戒烟和戒烟水平近年来有所上升，但复吸比例较高，戒烟成功率极低[2]。
因此研究戒烟及戒烟成功的影响因素，对于减少健康危险因素、提高公众的健康水平具有重要的意义。
本文通过分析总结我院戒烟门诊戒烟求助者戒烟成功的影响因素，以期为更加有效开展戒烟门诊提供理论依据。
1对象与方法1.1调查对象2008年3月-2010年3月在我院戒烟门诊求助者，在首次求助后的12个月后门诊随访或者电话随访的213名求助者，全部为男性，平均年龄为43.2±10.7岁，戒烟成功的判断标准为持续4周不吸烟且电话随访时仍然没有吸烟者。
1.2调查内容调查内容包括年龄、每日吸烟量、吸烟年限、教育程度、婚姻状况、社会支持等。
社会支持采用肖水源设计的社会支持评定量表（socialscience research solutions,SSRS），量表共10个条目，分3个维度即客观支持、主观支持和对支持的利用度，得分越高者表明其得到的社会支持越多[3]。
基于数学建模的戒烟成功影响因素分析
基于数学建模的戒烟成功影响因素分析
郭岚萍;凤飞翔;赵旭
【期刊名称】《劳动保障世界》
【年(卷),期】2016(000)018
【摘要】近年来,戒烟问题一直困扰着我们,本文通过建立关联度排序模型和层次分析模型来分析影响戒烟成功的主要因素,得到主要因素为调整的CO浓度、每日抽烟支数、年龄和CO浓度.然后建立回归分析模型将影响因素进行量化表示,并告诫戒烟者应尽早戒烟,并减少每日抽烟支数,降低体内调整的CO浓度,更有效率地戒烟.【总页数】2页(P74-75)
【作者】郭岚萍;凤飞翔;赵旭
【作者单位】安徽财经大学统计与应用数学学院,安徽蚌埠233030;安徽财经大学统计与应用数学学院,安徽蚌埠233030;安徽财经大学金融学院,安徽蚌埠233030【正文语种】中文
【相关文献】
1.2006-2017年苏州市戒烟竞赛情况以及戒烟成功的影响因素分析
2.235例戒烟志愿者戒烟成功及失败因素分析
3.社区心血管病患者戒烟成功的影响因素分析
4.\"短信戒烟\"能使戒烟成功率增倍
5.武汉市男性每日吸烟者戒烟意愿和尝试戒烟的影响因素分析
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
影响戒烟成功的因素分析数模26545507影响戒烟成功的因素分析数学建模论文摘要本论文通过对戒烟者的年龄、性别、每日抽烟支数及调整的CO 浓度等因素的数量变化分析说明影响戒烟成功的因素，分段讨论不同因素下的累加发病率分布情况，用相关系数讨论影响戒烟时间的因素，用多元线性回归讨论影响戒烟成功的主要因素有哪些，建立出三个相应的模型。
针对问题一，利用数理统计与概率的知识分别在不同年龄段、不同性别等因素下对234名烟民进行分段，设再次吸烟的人数为p ，总人数为p 总,统计累加发病率∑P ，建立一个较为简单的模型。
∑=P 总p p针对问题二，利用相关系数和平均数的方法分两步来讨论分析影响戒烟时间的因素：（1）对于戒烟时间受年龄、每日抽烟支数及调整的CO 浓度等因素的影响的差异，首先分别求戒烟时间y 与年龄、每日抽烟支数及调整的CO 浓度等因素即x n 的相关系数。
以戒烟时间与不同因素分别对应的相关系数r 为基础，建立相应的模型.∑∑∑----=22)()())((y y x x y y x x r然后根据不同的r 讨论影响戒烟时间的因素。
(2)对于性别对戒烟天数的影响，我们分别求出不同性别对应的戒烟天数t 的平均值，再进行比较，由此得出性别对戒烟天数的影响。
x =nt(n 为不同性别对应的人数) （3）另外，我们分别绘制出戒烟时间与年龄、每日抽烟支数及调整的CO 浓度等因素的散点图，由点的分布更直观地体现不同因素对戒烟时间的影响程度。
针对问题三，把戒烟天数作为戒烟成功的标准，运用多元线性回归的知识，由于在问题一和二的解答中，我们得知性别对戒烟情况影响不大，所以只把年龄，每日抽烟支数，CO 浓度，调整的CO 浓度四个因素作为自变量X ，戒烟天数作为Y ，建立新的模型：Y=εβββββ+++++LogCoadj co Day Cig Age X X X X 43_210通过本模型分析各种因素与成功戒烟之间的关系，确定了影响戒烟成功的因素。
最后，我们对模型的科学性和现实性进行了阐述，并得到了对模型的整体评价，及急需改进之处。
关键词：戒烟 概率论与数理统计方法 相关系数 多元线性回归 EXCEL问题重述众所周知，吸烟不仅危害自身健康，而且由此引起的被动吸烟更是危害公众身心健康的主要原因。
为此，如何帮助相关人士摆脱烟瘾的困扰也就成为一个重要的研究课题。
本文研究数据涉及 234人，他们都自愿表示戒烟但还未戒烟。
在他们戒烟的这一天，测量了每个人的CO （一氧化碳）水平并记下他们抽最后一支烟到CO 测定时间.。
CO 的水平提供了一个他们先前抽烟数量的客观指标，但其值也受到抽最后一支烟的时间的影响, 因此抽最后一支烟的时间可以用来调整CO 的水平。
记录下研究对象的性别、年龄及自述每日抽烟支数。
这个调查跟踪1年, 考察他们一直保持戒烟的天数, 由此估计这些人中再次吸烟的累加发病率, 也就是原吸烟者戒烟一段时间后又再吸烟的比例. 其中假设原烟民戒烟的可信度是很低的（更恰当地说多数是再犯者）戒烟天数是从0到他（她）退出戒烟或研究截止时间（1 年）的天数。
假定他们全部没有人中途退出研究。
请回答下列问题：1）试分析上述234人中再次吸烟的累加发病率分布情况（如不同年龄段、不同性别等因素下的累加发病率分布情况）。
2）你认为年龄、性别、每日抽烟支数及调整的CO浓度等因素会影响戒烟时间（天数）长短吗？如果影响请利用附录中的数据，分别给出戒烟时间与上述你认为有影响的因素之间的定量分析结果。
3）请利用附录中的数据建立适当的数学模型，讨论影响戒烟成功的主要因素有哪些，并对你的模型进行可靠性分析。
4）请根据你的模型，撰写一篇500字左右的短文，向有志于戒烟的人士提供戒烟对策和建议。
问题分析全世界现有11亿人在抽烟，每年约有120万人死于烟草诱发的相关疾病，中国烟民已超过3亿，占全球吸烟者总数的1/3，二手烟民更高达7.4亿人。
为什么戒烟如此困难？吸一口烟能在几秒钟内迅速将尼古丁颗粒送进大脑，从而使脑细胞受体释放出多巴胺等使人感觉良好的其他微小颗粒，让烟民明知吸烟百害无一利，也欲罢不能。
所以，如何帮助烟民戒烟，成了既急迫又棘手的问题。
从理论上讲，戒烟难度可能受年龄，性别，每日抽烟支数等因素的影响。
但从数据分析中发现，这种相关性并不十分明显。
所以我们将综合累加发病率，影响戒烟时间的因素，影响戒烟成功的主要因素这三方面来，从而得出戒烟对策和建议。
1）对影响戒烟成功的因素的理解问题一：数据中的戒烟天数直接反映了调查对象的戒烟情况，这个调查跟踪1年，则戒烟天数小于一年（365天）的人即为再次发病的人数。
由于再次吸烟的累积发病率指总人群，经过一段特定的观察期(一年)之后，再次吸烟的频率，所以分子是在一年内再次吸烟的人数，分母是观察开始时的总人数。
且题目要求分析在不同年龄段等因素下的累加发病率，所以我们将进行分段统计。
问题二：讨论影响戒烟时间的因素，可以分别求年龄、性别等因素与戒烟时间之间的相关系数r,再根据r越接近1则相关性越大的原理来对影响戒烟时间的因素进行排序。
另外，由于性别仅有2个变量，我们将对不同性别对应的戒烟天数的平均数进行比较。
最后，我们分别制出年龄、性别等因素与戒烟时间之间的散点图，更直观地反应不同因素对戒烟天数的影响程度。
问题三：由于戒烟天数可看成戒烟成功的指标，讨论影响戒烟成功的主要因素，可转化为影响戒烟天数的主要因素。
与问题二不同的是，问题三是戒烟天数这一因变量与多个自变量对应，从而比较得出主要影响因素；而问题二仅需判断各个因素是否单独对戒烟天数产生影响。
所以这里可用多元线性回归的方法来讨论。
问题假设由于问题本身尚有一些不确定因素，为使问题抽象成一个数学问题，做如下假设；（1）一年为365天。
（2）数据不全的调查对象的已知数据仍有说服力，其数据可正常使用。
（3）本题提供的数据能代表全部戒烟人士的情况，数据的象征性，准确性无需置疑。
（4）没有人中途退出该测试。
模型分析及求解问题（1）：符号说明：p: 再次吸烟的人数p 总,;总人数∑P ;累加发病率我们将B 组数据中戒烟天数按时间用Excel 进行重新排序并计算上述234人中再次吸烟的累加发病率为∑=P 总p p =234201=0.858974359。
在计算年龄，性别，每日抽烟支数，CO 浓度，调整的CO 浓度的累加发病率分布时，我们坚持一个原则：当戒烟天数分别与年龄，性别，每日抽烟支数，CO 浓度，调整的CO 浓度一一对应存在时，我们才采纳这个数据，他们的柱状图如下：（1） 根据上述原则，我们采纳了234个数据。
根据测试人群年龄，我们把年龄分成三段（单位：岁）：青年19-39，中年39-59，老年59-79.在不同年龄段，三个年龄段得到的累加发病率分别为；∑=-)3919(P 总p p =10896=0.8888888889，∑=-)5939(P 总p p =10489=0.8557692308，∑=)79,59(P 总p p =2216=0.7272727273可见年龄越大，累加发病率越低，且老年（59,79）的累加发病率较低。
（2） 根据上述原则，我们采纳了234个数据。
我们把性别分成两段：2男，1女. 在不同性别，得到的累加发病率分别为；∑=女P 总p p =124108=0.8709677419∑=男P 总p p=11093=0.8454545455， 可见女性的累加发病率较高。
（3） 根据上述原则，我们采纳了234个数据。
我们把每日抽烟支数分成三段（单位：支）：每日抽烟只数不太多（0,15），每日抽烟只数一般多[15,30），每日抽烟只数很多[30,+ ∞）.在不同每日抽烟支数段，得到的累加发病率分别为；∑=)15,0(P 总p p =124108=0.8461538462，∑=)30,15[P 总p p =11093=0.8828828829，∑=+∞),30[P 总p p =124108=0.8333333333可见每日抽烟只数在[15,30）时的累加发病率最高，在（0,15）时的累加发病率次之，在[30,+ ∞）时的累加发病率最低。
（4） 根据上述原则，我们采纳了227个数据。
我们把CO 浓度分成三段：浓度不算太高（0,200），浓度不算一般高[200,400），浓度较高[400,+ ∞）.在不同CO 浓度段，得到的累加发病率分别为；∑=)200,0(P 总p p =8269=0.8414634146，∑=)400,200[P 总p p =11093=0.8636363636，∑=∞+)400[，P 总p p=3532=0.9142857143 可见CO 浓度越高，累加发病率越高，且浓度较高[400,+ ∞）的累加发病率特别高。
（5） 根据上述原则，我们采纳了224个数据。
我们把调整的CO 浓度分成三段：浓度不算太高（500,1000），浓度不算一般高[1000,1500），浓度较高[1500,2000）.在不同的调整的CO 浓度段，得到的累加发病率分别为；∑=)1000,500(P 总p p =118=0.7272727273，∑=)1500,1000[P 总p p =147126=0.8571428571，∑=)20001500[，P 总p p=6659=0.8939393939 可见调整的CO 浓度越高，累加发病率越高，浓度不算太高（500,1000）的累加发病率相较低。
总结分析：对于年龄，越年轻，累加发病率越低。
对于性别，女性，累加发病率较高。
对于每日抽烟支数，累加发病率的分布没有明显规律。
对于CO 浓度和调整的CO 浓度，浓度越高，累加发病率越高。
模型改进方向：由于累加发病率指已知人群，经过一段特定的观察期之后，发生某病的频率。
分子是在某一特定观察期内发生的某病新病例数。
分母是观察开始时的暴露人数。
这是一个规定的概念，所以我们按要求对数据进行分段统计分析，无需再寻找其他更好的模型。
问题（2）： 变量假设： 符号说明：Age x :年龄Cig_Day x :每日抽烟支数CO x :CO 浓度LogCOadj x :调整的CO 浓度建立模型：∑∑∑----=22)()())((y y x x y y x x r我们利用excel 通过对已知数据的分析，分别计算出年龄，每日抽烟支数，CO 浓度，调整的CO 浓度与戒烟天数的相关系数，如下表所示：1) 由表可知，年龄、每日抽烟支数，CO 浓度调整的CO 浓度会影响戒烟时间（天数）长短，据r 越接近1则相关性越大的原理，他们对戒烟天数的影响程度有大到小排序如下：CO 浓度，调整的CO 浓度，年龄，每日抽烟支数。
2)由r的符号可知，年龄，每日抽烟支数与戒烟天数是正相关的，CO浓度，调整的CO浓度与与戒烟天数是负相关的。