The cross-tabulation of the results

The cross-tabulation of the results (marked with bold characters in
the diagonal of Table 6) demonstrates that the Air Clean/Dusty model
that uses only PM count as an independent variable is reproducing the
recorded votes fairly well — about 50% correct classifications for the 3
middle categories (i.e. 2=fairly clean, 3=neither clean nor dusty,
4=fairly dusty), and 20% for the high category (5=very dusty,
Gamma statistic=0.545, p=0.000).
Air Quality vote can also be estimated by PM count (Table 5) and
the parallel line test was also successful. However, cross-tabulation of
the model predictions with the actual interview votes shows that the
model classifies all cases into only two out of five classes. Hence it
cannot be considered as successful even though the Gamma statistic
(0.540, pb0.01) is satisfactory. As before, other factors such as medical
or smoking history, etc. have been tested but do not produce models
with significant parameters.
Further insight on the probability of having a certain response
under specific conditions — values of the independent (control),
parameter can be obtained by the cumulative probability plots (Fig. 7),
generated by introducing the ordinal regression model parameters
(see Eq. (3) in the Appendix).
Hence, to predict how different people would perceive the air
cleanness or quality at different PM concentrations we can look at
the cumulative distributions presented in Fig. 7a and b respectively.
For example, at 3200 particles/l (or around 90 μg m−3), 50% of the
population would be expected to vote higher than 4, i.e. very dusty
(Fig. 7a) and the air quality would be perceived as very poor for about
32% of the population (Fig. 7b).
The concentrations at which poor air quality is perceived by a
majority of the population might seem high compared to the current
EU limits of 40 μgm−3 (Commission of the European Communities,
2001), but it should be borne in mind that the EU limits refer to amean
annual value, whereas our analysis has been performed on instantaneous
exposures. Instantaneous exposures will be significantly larger,
especially in proximity to roadways and during high pollution episodes,
and could be avoided based on individual perception.

ผลลัพธ์ (ไทย) 1:

Tabulation ข้ามผล (ทำเครื่องหมาย ด้วยตัวอักษรเป็นตัวหนาในเส้นทแยงมุมของตาราง 6) แสดงให้เห็นที่แบบอากาศ สะอาด/Dustyที่ใช้เฉพาะ PM นับเป็นตัวแปรอิสระจะทำการบันทึกคะแนนค่อนข้างดีคือประมาณ 50% แก้ไขการจัดประเภท 3กลางประเภท (เช่น 2 =ค่อนข้างสะอาด 3 =ไม่สะอาด หรือ ฝุ่น4 =ค่อนข้างฝุ่น), และ 20% สำหรับประเภทสูง (5 =มากฝุ่นสถิติแกมมา = 0.545, p = 0.000)อากาศคุณภาพคะแนนประเมินตาม PM จำนวน (ตาราง 5) และการทดสอบเส้นขนานยังสำเร็จ อย่างไรก็ตาม tabulation ขนของคาดคะเนรูปแบบ ด้วยการสัมภาษณ์จริงเสียงแสดงให้เห็นว่าการรูปแบบแบ่งประเภททุกกรณีเป็นชั้นสองจากห้าเท่านั้น ดังนั้นจึงไม่ถือว่าเป็นประสบความสำเร็จแม้สถิติแกมมา(0.540, pb0.01) เป็นที่น่าพอใจ เป็นก่อน ปัจจัยอื่น ๆ เช่นการรักษาพยาบาลหรือสูบบุหรี่ประวัติ ฯลฯ ได้รับการทดสอบ แต่ไม่ผลิตรุ่นด้วยพารามิเตอร์ที่สำคัญเพิ่มเติมความเข้าใจบนความน่าเป็นของคำตอบภายใต้เงื่อนไขที่ระบุเช่นค่าของอิสระ (ควบคุม),สามารถรับพารามิเตอร์ ด้วยความน่าเป็นสะสมผืน (Fig. 7),สร้างขึ้น โดยการแนะนำพารามิเตอร์แบบจำลองถดถอยที่เลขลำดับ(ดู Eq. (3) ในภาคผนวก)ดังนั้น การทำนายว่า คนจะสังเกตอากาศสะอาดหรือคุณภาพที่ความเข้มข้นอื่น PM เราสามารถดูได้ที่กระจายการสะสมที่แสดงใน Fig. 7a และ b ตามลำดับตัวอย่าง ที่ 3200 อนุภาค/l (หรือประมาณ 90 μg m−3), 50% ของการประชากรจะคาดว่าการลงคะแนนเสียงที่มากกว่า 4 ฝุ่นมากเช่น(Fig. 7a) และคุณภาพอากาศจะมองเห็นได้ยากสำหรับเกี่ยวกับ32% ของประชากร (Fig. 7b)ความเข้มข้นซึ่งถือว่าคุณภาพอากาศที่ดีโดยการประชากรส่วนใหญ่อาจดูเหมือนสูงเมื่อเทียบกับปัจจุบันจำกัด EU 40 μgm−3 (คณะกรรมการชุมชนยุโรป2001), แต่ควรจะแบกรับที่วงเงิน EU ถึง ameanปีค่า ในขณะที่การวิเคราะห์ของเราได้ปฏิบัติตามกำลังถ่ายภาพ ไงกำลังจะมีขนาดใหญ่มากโดยเฉพาะอย่างยิ่งในความใกล้ชิด กับภูเขา และใน ระหว่างที่มลภาวะสูง ตอนและอาจหลีกเลี่ยงตามแต่ละรับรู้

ผลลัพธ์ (ไทย) 2:

การจัดระเบียบข้ามผล (ทำเครื่องหมายด้วยตัวอักษรตัวหนาใน
เส้นทแยงมุมของตารางที่ 6) แสดงให้เห็นว่าอากาศสะอาด / รุ่นฝุ่น
ที่ใช้นับเฉพาะเวลาเป็นตัวแปรอิสระจะทำซ้ำ
บันทึกคะแนนค่อนข้างดี - ประมาณ 50% ที่ถูกต้องสำหรับการจำแนกประเภท 3
ประเภทกลาง (เช่น 2 = ค่อนข้างสะอาด 3 = ไม่สะอาดหรือมีฝุ่น
4 = ค่อนข้างเต็มไปด้วยฝุ่น) และ 20% สำหรับประเภทสูง (5 = มีฝุ่นมาก
สถิติแกมมา = 0.545, p = 0.000).
การออกเสียงลงคะแนนคุณภาพอากาศ นอกจากนี้ยังสามารถประมาณโดยนับ PM (ตารางที่ 5) และ
การทดสอบเส้นคู่ขนานก็ประสบความสำเร็จ อย่างไรก็ตามการจัดระเบียบข้ามของ
การคาดการณ์รูปแบบด้วยคะแนนเสียงสัมภาษณ์จริงแสดงให้เห็นว่า
รูปแบบการจัดประเภทเข้าไปในทุกกรณีเพียงสองในห้าชั้นเรียน ดังนั้นมันจึง
ไม่สามารถถือได้ว่าเป็นที่ประสบความสำเร็จแม้สถิติแกมมา
(0.540, pb0.01) เป็นที่น่าพอใจ เมื่อก่อนปัจจัยอื่น ๆ เช่นการแพทย์
ประวัติศาสตร์หรือการสูบบุหรี่และอื่น ๆ ได้รับการทดสอบ แต่ไม่ได้ผลิตรุ่น
ที่มีพารามิเตอร์ที่สำคัญ.
เข้าใจเพิ่มเติมเกี่ยวกับความน่าจะเป็นของการมีการตอบสนองบางอย่าง
ภายใต้เงื่อนไขที่ระบุ - ค่าอิสระ (ควบคุม)
พารามิเตอร์สามารถ ได้โดยการแปลงความน่าจะเป็นที่สะสม (รูปที่. 7)
ที่สร้างขึ้นโดยการแนะนำพารามิเตอร์แบบถดถอยลำดับ
(ดูสมการ (3). ในภาคผนวก).
ดังนั้นจะคาดการณ์ว่าคนอื่นจะรับรู้ในอากาศ
สะอาดหรือคุณภาพที่แตกต่างกันส่วนตัว ความเข้มข้นของเราสามารถมองไปที่
การกระจายสะสมที่นำเสนอในรูป 7a และ B ตามลำดับ.
ยกตัวอย่างเช่นที่ 3200 อนุภาค / ลิตร (หรือประมาณ 90 ไมโครกรัมม-3), 50% ของ
ประชากรที่จะคาดว่าจะลงคะแนนที่สูงกว่า 4 คือมีฝุ่นมาก
(รูป. 7a) และคุณภาพอากาศจะ ถูกมองว่าเป็นที่น่าสงสารมากประมาณ
32% ของประชากร (รูป. 7b).
ความเข้มข้นที่คุณภาพอากาศที่ไม่ดีเป็นที่รับรู้โดย
ส่วนใหญ่ของประชากรอาจจะดูสูงเมื่อเทียบกับปัจจุบัน
ข้อ จำกัด ของสหภาพยุโรป 40 μgm-3 (สำนักงานคณะกรรมการการ ประชาคมยุโรป,
2001) แต่มันควรจะเป็นพาหะในใจว่าขีด จำกัด ของสหภาพยุโรปอ้างถึง amean
ค่ารายปีในขณะที่การวิเคราะห์ของเราได้รับการดำเนินการในทันที
เสี่ยง ความเสี่ยงทันทีจะมีนัยสำคัญขนาดใหญ่
โดยเฉพาะอย่างยิ่งในบริเวณใกล้เคียงกับถนนและในช่วงตอนมลพิษสูง
และสามารถหลีกเลี่ยงการขึ้นอยู่กับการรับรู้ของแต่ละบุคคล

ผลลัพธ์ (ไทย) 3:

ข้ามตารางผลลัพธ์ ( ทำเครื่องหมายด้วยตัวอักษรหนา
เส้นทแยงมุมของตาราง 6 ) แสดงให้เห็นว่าอากาศทำความสะอาดฝุ่นแบบ
ที่ใช้นับเฉพาะน. เป็น ตัวแปรอิสระ คือ การทำซ้ำ
บันทึกเสียงค่อนข้างดีประมาณ 50% แก้ไขหมวดหมู่สำหรับ 3
กลางประเภท ( เช่น 2 = ค่อนข้างสะอาด 3 = ไม่สะอาดหรือสกปรก
4 = ค่อนข้างสกปรก )และ 20% สำหรับประเภทสูง ( 5 = ฝุ่นจับมาก
แกมมาสถิติ = 0.545 , p = 0.000 ) .
โหวตคุณภาพอากาศยังสามารถประมาณโดยนับ PM ( ตารางที่ 5 ) และ
ทดสอบเส้นคู่ขนานก็ประสบความสำเร็จ อย่างไรก็ตาม ข้ามตาราง
แบบคาดคะเนด้วยการสัมภาษณ์จริงโหวตแสดงให้เห็นว่ารูปแบบสินค้าทุกกรณีใน
เพียงสองในห้าชั้นเรียน โดย
จะเรียกว่าประสบความสำเร็จแม้ว่ารังสีแกมมา สถิติ
( 0.540 , pb0.01 ) เป็นที่น่าพอใจ ก่อนที่จะเป็น ปัจจัยอื่น ๆเช่นแพทย์
หรือประวัติสูบบุหรี่ ฯลฯ ได้รับการทดสอบ แต่ไม่ผลิตรุ่น

กับพารามิเตอร์ที่สำคัญ ข้อมูลเชิงลึกเพิ่มเติมเกี่ยวกับความน่าจะเป็นของการตอบสนองบางอย่างภายใต้เงื่อนไขเฉพาะที่
- คุณค่าของอิสระ ( การควบคุม ) ,
พารามิเตอร์ได้โดยแปลงความน่าจะเป็นสะสม ( รูปที่ 7 ) , ที่สร้างขึ้นโดยแนะนำ

( ดูค่าพารามิเตอร์ของตัวแบบถดถอย . อีคิว ( 3 ) ในภาคผนวก ) .
ดังนั้น การคาดการณ์ว่าคนอื่นจะรับรู้อากาศ
สะอาดหรือคุณภาพที่ความเข้มข้น PM ที่แตกต่างกันเราสามารถดูที่การเสนอ
สะสม ในรูปที่ 0 และ B ตามลำดับ
ตัวอย่างเช่นที่ 3200 อนุภาค / L ( หรือประมาณ 90 μ g m − 3 ) , 50% ของประชากรที่คาดว่าจะโหวต
จะสูงกว่า 4 , เช่น ฝุ่นเยอะมาก
( รูปที่ 68 ) และคุณภาพอากาศจะมองว่าน่าสงสารมาก ประมาณร้อยละ 32 ของประชากร

( รูปที่ 7b ) ความเข้มข้นที่คุณภาพอากาศจนเป็นที่รับรู้โดย
ส่วนใหญ่ของประชากรอาจจะดูสูงเมื่อเปรียบเทียบกับปัจจุบัน
ยุโรปจำกัด 40 μกรัม− 3 ( คณะกรรมาธิการยุโรปชุมชน
2001 ) แต่มันควรจะเป็นพาหะในใจว่า สหภาพยุโรปจำกัดหมายถึงมีน
ค่ารายปี ในขณะที่การวิเคราะห์ของเราได้รับการรับทันที
. " การจะสูงกว่า ขนาดใหญ่ โดยเฉพาะในบริเวณใกล้เคียงกับถนนและ

ช่วงตอนมลพิษสูง และไม่อาจหลีกเลี่ยงได้ ขึ้นอยู่กับการรับรู้ของแต่ละบุคคล