We chose a span based on the Akaike

We chose a span based on the Akaike Information Criteria 10
which balances the bias and variance incurred by
the smoothing approach. The optimal span was approximately
5% of the data or roughly 70 days for each of the
mortality end points. Visual inspection reveals that the
smooth function captures the unexplained drop in daily
mortality in 1994. Including the smooth function as an
explanatory variable in the model therefore provides a statistical
control for the apparent problems in the mortality
data in 1994 and 1995. Including the smooth and yearspecific
season dummy variables as explanatory variables
is one of the approaches we used to adjust for the unexplained
drop in the daily mortality counts during 1994 and
late in 1995, and for differences that occur during the rainy
season. Estimates were generated using S-Plus.12
Based on previous studies, daily temperature and
humidity were modeled by considering lags and moving
averages of up to three days. The lag showing the
strongest association based on the ratio of the estimated
coefficient to its standard error (t-ratio) was included for
further analysis. Locally weighted smoothers for temperature
and humidity were also examined, as were extremes
in temperature and humidity.
Several different sensitivity analyses were also conducted.
First, the full array of alternative mortality end
points was examined using the full four years of data, including
the measured PM10 concentrations. Second, we
reran the models using the visibility-based estimates of
PM10 concentrations for the full four years. Finally, we
reran the model using visibility-based estimates of PM10

ผลลัพธ์ (ไทย) 1:

เราเลือกระยะตาม Akaike ข้อมูลเกณฑ์ 10ที่สมดุลความโน้มเอียงและความแปรปรวนที่เกิดขึ้นโดยวิธีผืน ช่วงดีที่สุดคือประมาณ5% ของข้อมูลหรือประมาณ 70 วันสำหรับแต่ละจุดสิ้นสุดของการตาย ตรวจสอบภาพพบว่า ที่ฟังก์ชันเรียบจับหล่นไม่คาดหมายในทุกวันการตายในปี 1994 รวมถึงการทำงานราบรื่นเป็นการอธิบายตัวแปรในแบบจำลองดังแสดงเป็นสถิติควบคุมสำหรับปัญหาในการตายที่ชัดเจนข้อมูลในปี 1994 และ 1995 เรียบและ yearspecificฤดูกาลที่กระพริบตัวแปรเป็นตัวแปรอธิบายเป็นหนึ่งในวิธีที่เราใช้ในการปรับปรุงสำหรับที่ไม่คาดหมายปล่อยในตรวจนับการตายรายวันระหว่างปี 1994 และใน 1995 และความแตกต่างที่เกิดขึ้นระหว่างที่ฝนตกฤดูกาล ประเมินสร้างขึ้นโดยใช้ S-Plus.12ขึ้นอยู่กับการศึกษาก่อนหน้านี้ อุณหภูมิทุกวัน และความชื้นถูกจำลอง โดยพิจารณา lags และย้ายค่าเฉลี่ยของ 3 วัน แสดงความล่าช้าความสัมพันธ์ที่แข็งแกร่งตามอัตราส่วนของการประเมินสัมประสิทธิ์การข้อผิดพลาดของมาตรฐาน (t-อัตรา) ถูกรวมอยู่ในวิเคราะห์เพิ่มเติม Smoothers เครื่องถ่วงน้ำหนักสำหรับอุณหภูมิและความชื้นก็ยังตรวจ สอบ ถูกที่สุดในอุณหภูมิและความชื้นนอกจากนี้ยังได้ดำเนินวิเคราะห์ความไวแตกต่างกันหลายแรก มายอื่นตายท้ายเต็มจุดถูกตรวจสอบโดยใช้ข้อมูล รวมถึงสี่ปีเต็มความเข้มข้น PM10 วัด สอง เราreran แบบจำลองที่ใช้ประเมินการมองเห็นของความเข้มข้น PM10 สี่ปีเต็ม สุดท้าย เราreran แบบจำลองที่ใช้ประเมินการมองเห็นของ PM10

ผลลัพธ์ (ไทย) 2:

เราเลือกช่วงขึ้นอยู่กับเกณฑ์ข้อมูล Akaike 10
ซึ่งยอดอคติและความแปรปรวนที่เกิดขึ้นโดย
วิธีการที่ราบเรียบ ช่วงที่ดีที่สุดอยู่ที่ประมาณ
5% ของข้อมูลหรือประมาณ 70 วันสำหรับแต่ละ
จุดสิ้นสุดการตาย การตรวจสอบภาพเผยให้เห็นว่า
การทำงานที่ราบรื่นจับลดลงไม่ได้อธิบายในชีวิตประจำวัน
การเสียชีวิตในปี 1994 รวมถึงฟังก์ชั่นเรียบเป็น
ตัวแปรอธิบายในรูปแบบจึงมีสถิติ
การควบคุมสำหรับปัญหาที่เห็นได้ชัดในการตายของ
ข้อมูลในปี 1994 และปี 1995 รวมทั้งการได้อย่างราบรื่นและ yearspecific
ตัวแปรดัมมี่ในฤดูกาลเป็นตัวแปรอธิบาย
เป็นหนึ่งในวิธีการที่เราใช้ในการปรับไม่ได้อธิบาย
การลดลงของอัตราการตายนับทุกวันในช่วงปี 1994 และ
ในช่วงปลายปี 1995 และความแตกต่างที่เกิดขึ้นในช่วงฤดูฝน
ฤดู ประมาณการที่ถูกสร้างขึ้นโดยใช้ S-Plus.12
จากการศึกษาก่อนหน้านี้ทุกวันและอุณหภูมิ
ความชื้นถูกจำลองโดยพิจารณาล่าช้าและการย้าย
ค่าเฉลี่ยได้ถึงสามวัน ความล่าช้าที่แสดง
การเชื่อมโยงที่แข็งแกร่งขึ้นอยู่กับอัตราส่วนของประมาณ
ค่าสัมประสิทธิ์ข้อผิดพลาดมาตรฐาน (t-อัตราส่วน) ถูกรวมสำหรับ
การวิเคราะห์ต่อไป ถ่วงน้ำหนักเฉพาะ smoothers อุณหภูมิ
และความชื้นที่มีการตรวจสอบยังเป็นเป็นสุดขั้ว
ในอุณหภูมิและความชื้น.
หลายวิเคราะห์ความไวที่แตกต่างกันนอกจากนี้ยังได้ดำเนินการ.
ครั้งแรกที่อาเรย์เต็มรูปแบบของการสิ้นสุดการตายทางเลือก
จุดที่ถูกตรวจสอบโดยใช้เต็มรูปแบบสี่ปีของข้อมูลรวมทั้ง
วัด PM10 ความเข้มข้น ประการที่สองเรา
reran รุ่นโดยใช้ประมาณการการมองเห็นตาม
ความเข้มข้นของ PM10 สำหรับสี่ปีเต็ม สุดท้ายเรา
reran รูปแบบการแสดงผลโดยใช้ประมาณการตาม PM10

ผลลัพธ์ (ไทย) 3:

เราเลือกช่วงโดยใช้เกณฑ์เคราะห์ข้อมูล 10
ซึ่งยอดอคติและความแปรปรวนที่เกิดจาก
) วิธีการ ช่วงที่เหมาะสมคือประมาณ
5 % ของข้อมูลหรือประมาณ 70 วัน ของแต่ละ
ตายจบจุด การตรวจสอบภาพพบว่า ฟังก์ชัน
เนียนจับปล่อยสัตว์ในแต่ละวัน
อัตราการตายใน 1994 รวมถึงฟังก์ชันเรียบเป็น
อธิบายตัวแปรในโมเดลจึงมีสถิติ
ควบคุมปรากฏปัญหาข้อมูลอัตราการตาย
ในปี 1994 และ 1995 รวมทั้งเรียบและ yearspecific
ฤดูกาลหุ่นตัวแปรเป็นตัวแปรที่อธิบาย
เป็นหนึ่งในวิธีที่เราใช้ในการปรับเพื่ออธิบาย
ลดลงในนับการตายรายวันในช่วงปี 2537 และ
สายใน 1995และสำหรับความแตกต่างที่เกิดขึ้นในช่วงฤดูฝน

ประมาณการถูกสร้างขึ้นโดยใช้ s-plus 12
ตามการศึกษาอุณหภูมิและความชื้นสัมพัทธ์แบบทุกวัน

โดยพิจารณาล่าช้าและการย้ายค่าเฉลี่ยถึง 3 วัน ความล่าช้าแสดง
จบสมาคมขึ้นอยู่กับอัตราส่วนของค่าความคลาดเคลื่อนมาตรฐานของการประมาณ

( t-ratio ) ถูกรวมอยู่ในการวิเคราะห์ต่อไปภายใน smoothers ถ่วงน้ำหนัก อุณหภูมิและความชื้น นอกจากนี้ยังตรวจสอบ
,
เป็นสุดขั้วของอุณหภูมิและความชื้น .
การวิเคราะห์ความไวแตกต่างกันหลาย ยัง ดำเนินการ
ครั้งแรก , อาร์เรย์เต็มรูปแบบของจุดตายจบ
ทางเลือกเพื่อใช้เต็มสี่ปีของข้อมูลรวมทั้ง
PM10 วัดความเข้มข้น ที่สองเรา
reran รุ่นที่ใช้พื้นฐานของการประมาณการ
PM10 ความเข้มข้นตลอด 4 ปีเต็ม สุดท้ายเรา
reran แบบมองเห็นได้ตามประมาณการของ PM10