基于多元回归模型与相关性分析对大学生吸烟情况的研究

引言吸烟是全球范围内的重要公共卫生问题，对个人和社会健康造成了严重危害。吸烟是许多疾病的危险因素，包括呼吸系统疾病。在该流行病在全球蔓延的大背景下，呼吸道健康值得高度重视。据世界卫生组织估计和预测,每年约有350万人死于与吸烟有关疾病，烟民吸烟年龄日趋减小，这已成为严重的社会问题。近年来,国家对学生控烟问题给予了高度重视,相继实行无烟学校,并将学生控烟问题列入健康促进学校和健康教育的重要内容。目前大学生吸烟问题是一个待解决的难题，此时的大学生正处于身心发展的关键阶段，他们刚离开家乡独自一人去大学生活，并且大学生活丰富多彩，自由度高，很多学生接收到了更多的信息，见识到了更加华丽的世界，采纳了之前没接触到的观念，这些观念中有的是好的有的是不好的，同时大学生可能会因为自身的一些压力，错误的认为吸烟是成熟的表现，故研究吸烟行为的形成和干预对他们的健康具有重要意义。大学生是我国未来蓬勃发展的主力军,因此对大学生的吸烟问题进行分析,深入了解中国大学生吸烟人数及其影响因素（例如：个人特征、家庭背景、社会环境）具有迫切的现实意义和社会价值，通过研究这些内容从而制订合格而且特色鲜明的教育方案,这不仅关系到大学生的身体健康,更关系到社会未来的发展及时代的进步。基于此，接下来将通过调查研究高校实际情况，初步建立评定大学生抽烟状况的影响体系，利用各类统计学知识和手段，对此次选题进行研究。目前国内外很多学者都对大学生吸烟这一现象展开了深入研究，不同的学者研究的侧重点不同。杨焱[3]采用多阶段分层整群抽样对全国28个省(区、市)的100个市县的13354名15岁以上成人进行入户调查,调查结果表明中国成人对烟草危害的认识在过去十几年取得了一定进步,但仍然偏低。应该对教育水平低下的农村或者偏远地区采用简单的具有视觉强烈反差的警示图片或者宣传用语让公民提高认识。徐业华[4]通过调查武汉市城市居民对烟草危害的知晓率,发现武汉市城市居民关于吸烟与二手烟危害的认知不全面,且有些知晓率非常低。针对弱点，需进行健康促进及教育活动，以提升居民对烟草危害的了解，减少疾病的发生。李文玲等人[5]采用分层多阶段整群概率抽样方法,在全省抽取了20个调查点7200个家庭户,每户随机抽取1名15岁及以上非吸烟调查对象进行面对面问卷调查。从而了解了吉林省15岁及以上非吸烟居民二手烟暴露以及对二手烟危害认知情况,为制定有效的烟草控制措施提供科学依据。徐涛[6]采用多阶段整群抽样在全国11个省市城区和农村分层抽取符合条件的成年人群作为本次研究的受试对象。研究指标包括总体吸烟比例、目前吸烟比例、烟瘾起始年龄、平均吸烟量、戒烟比例、被动吸烟比例等，以便了解中国成年人吸烟和二手烟暴露的普遍情况，为阐明吸烟和二手烟问题提供基础数据。林梦[7]针对我国青少年吸烟人数显著增加,烟民队伍日趋年轻化的社会现象展开调查，研究发现,大学生吸烟人群总患病率明显高于非吸烟人群,吸烟严重影响大学生的学习和健康。她总结了近5年来我国大学生吸烟的研究结果和控烟建议,为制定针对高校大学生群体的控烟措施提供参考资料,并为日后我国大学生吸烟提供研究思路。周花[8]对大学生吸烟行为的影响因素进行了研究，分别从大学生吸烟行为特点、大学生吸烟的影响因素、学校控烟政策等方面进行了研究，提出了一些较为合理的建议。姜彩霞[9]应用多因素Logistic逐步回归分析方法筛选吸烟影响因素中差异有统计学意义的变量，探讨了杭州市大学生吸烟行为及其相关影响因素,为开发适合我国国情的大学生控烟模式提供科学依据。张鸿飞[12]探讨了当代男大学生吸烟行为的动机并提出相应的应对策略。结果显示，研究结果指出，男大学生在心理形象、快乐、平静、刺激、成瘾和自动性等六个方面的评分高于普通吸烟者，从而显示了两者之间的显著差异。所以为预防和纠正大学生的吸烟行为，可以提出不同的吸烟动机策略。陈静[14]为了解复旦大学大学生吸烟现状以及影响该人群吸烟行为的影响因素，对4019名在校本科生进行了问卷调查，研究了其吸烟与专业年级性别的关系以及整体的一个吸烟率，同时也发现近一半的吸烟者并没有戒烟的打算,非吸烟者拒绝被动吸烟的意识也比较薄弱。开展控烟运动已刻不容缓,成为当务之急。佘玉群[16]对大学生吸烟行为及其影响因素进行了抽样调查。研究结果显示，教师、家长和朋友对吸烟行为和态度产生重要影响。马文霞[17]基于2021年苏州市大学生吸烟行为现状,探索了其主要影响因素,为苏州市高校今后开展有针对性的控烟工作提供基础资料和科学依据，用到的主要方法啊有多分类有序logis-tic回归，结果表明：州市大学生吸烟情况不容乐观,吸烟行为受到多方面因素的影响。大学应当重视学生吸烟问题，采取多种有效措施进行控制，以保障学生的身心健康。以上综述分别对国内外学者的研究进行了讨论，分析了前人的研究成果，基于此，发现大部分学者在研究此课题时，多基于调研、统计分析和描述性统计的方法，很少用到数学模型的方法，故接下来我将通过多元回归模型、相关性分析和基本统计学知识来对大学生吸烟问题进行更近一步的探索，以求能够更科学、客观地反映学生吸烟的真实情况，解决实际问题。

2本文应用的相关统计模型简介2.1本文用到的数据说明解释本次数据获取方式主要通过调查问卷的形式，本次调查采集的数据范围主要为海南师范大学及周边的学校，并采用多阶段抽样方法抽取样本，调查对象面向高校的各个专业的学生，包括本硕博。主要就其年龄、性别、专业、以及是否吸烟、吸烟受影响因素和对健康的影响进行了调查，其问卷见附录1，数据收集后，将使用适当的统计工具进行分析，包括大数据统、Excel表分析和数据推断等方法。2.2Logistic多元回归模型Logistic回归是一种常见的分类模型，与线性回归完全不同，这里不是采用最小二乘法的方式，而是使用了极大似然估计。在多重线性回归模型中，要求因变量是连续型的正态分布变量，并且自变量与因变量呈线性关系。如果因变量是分类变量，自变量与因变量之间不具有线性关系，那么多重线性回归模型的适用条件就不能满足。在这种情况下，常常会使用Logistic回归模型来处理这类数据。Logistic回归分析是非线性回归的一种，用于研究因变量为二项分类或多项分类结果与一些影响因素之间的关系。2.3斯皮尔曼相关系数检验（分析各个指标之间的相关性）统计学中,斯皮尔曼等级相关用来估计两个变量之间的相关性[23]运用斯皮尔曼相关系数时，原始数据依据其在总体数据中的降序排序，每个数据所在的排位被称为该数据的等级，若有数据相同，则将他们的排位取算术平均。斯皮尔曼有两种不完全相同的定义，我们采用其中一种，定义如下：斯皮尔曼相关系数被定义成等级之间的皮尔逊相关系数[24]。2.4典型相关分析（分析两大组数据之间的相关性）在数据挖掘中，最常用的算法之一是典型关联分析(CanonicalCorrelationAnalysis，简称CCA)，相对于相关系数，他更能反应两类组别之间的相关性，即更适用于高维数据，他的使用的方法是先将多维的变量用线性变换变为1，然后再使用相关系数来看一维数据之间的相关性，这个过程可以称之为降维，这和主成分分析以及因子分析也很类似。3基于相关性分析对大学生吸烟因素的研究3.1基础数据统计分析表1为大学生吸烟情况的调查部分数据，由于数据量比较多，调查的相关性因素也比较多，故全部的数据不在正文中展示，此次统计的基础数据见附件大学生吸烟影响因素调查Excel表。表1-大学生吸烟影响因素调查表部分数据展示性别专业年级烟龄吸烟的原因每天吸烟数吸烟时感到容易建立联系男理科大四9好奇尝试一盒是男理科大四5缓解自身压力一盒是男文学类大一10缓解自身压力两盒以上是男艺术类大四4缓解自身压力一盒否男工科研究生及以上4缓解自身压力一盒否男理科大三6缓解自身压力少半盒是男理科大三3缓解自身压力多半盒是男理科大三2缓解自身压力两盒是男理科大四1缓解自身压力少半盒否男文学类大四2缓解自身压力少半盒是男工科大三5社交所需多半盒是男文学类研究生及以上16好奇尝试一盒是女理科大一4缓解自身压力多半盒是女艺术类大四5缓解自身压力半盒是男工科大三5好奇尝试少半盒是男理科研究生及以上3缓解自身压力少半盒是女理科大三0缓解自身压力一盒是女理科大三0缓解自身压力0否女艺术类研究生及以上0跟风0是…通过统计数据可以发现，此次调查的影响因素指标大多为定性指标，为了方便后续的相关性研究和预测分析，要将定性指标定量化，现引入虚拟变量，其引入的结果为：是否吸烟中，0代表否，1代表是；开始吸烟的原因中，0代表好奇尝试，1代表缓解自身压力，2代表社交所需，3代表跟风；平均每天吸烟的香烟数量中，0表示没有，1表示半盒以下，2表示半盒以上，3表示一盒，4表示两盒，5表示两盒以上；直系亲属对您的吸烟态度中，0代表不支持，2代表不知道，3代表不管，4代表支持；在吸烟时感到更容易与他人建立联系中，是代表1，0代表不是；是否曾经尝试过戒烟中，0代表是，1代表否；直系亲属是否吸烟中，0代表否，1代表是；吸烟是否受社会风气影响中，0代表否，1代表是；大学校园内存在吸烟的社交压力中，0代表否，1代表是；感到学业压力大中，0代表否，1代表是；是否有过焦虑或抑郁的经历中，0代表否，1代表是；认为吸烟是否有助于缓解压力中，0代表否，1代表是；否觉得吸烟是一种很酷的行为中，0代表否1代表是；青春期时期的个性是否比较叛逆中，0代表否1代表是；朋友有多少人吸烟中，0代表基本没有吸烟，1代表少部分吸烟，2代表一半朋友都吸烟，3代表多部分朋友吸烟，4代表基本全部吸烟；身边的同学或朋友对吸烟持何态度中，0代表反对，1代表中立，2代表支持；对大学提供的戒烟辅助服务是否了解中，0代表否，1代表是；是否认为吸烟对您的健康产生了影响中，0代表否，1代表是。首先利用最简单的数据统计方法，分别研究了男生和女生的吸烟比例见图1以及不同年级的吸烟比例见图2，通过图1可以看出，男生中的吸烟比例远远的大于女生的吸烟比例，这与社会现象也是相符合的；通过图2可以看出，刚上大学时，吸烟人数的比例并不多，随着年级增高，到大三大四的时候，吸烟人数的比例明显增加，研究生的吸烟比例相对于大三大四降低了一些，但是还是高于大一大二的吸烟比例，为什么随着年级的增加，吸烟比例会上升呢，有没有措可以避免这种上升趋势，接下来我们将研究影响大学生吸烟的因素。图1-调查总人数中男女吸烟情况占比图2-调查总人数中各个年级吸烟情况占比3.2利用斯皮尔曼系数分析大学生吸烟与其影响因素的相关性3.2.1大学生吸烟影响因素指标分析为了分析影响大学生吸烟的主客观因素以及其之间的相关性，首先选出了其相关指标分别为:是否吸烟、烟龄、吸烟的原因、平均吸烟数、亲属对自己吸烟态度吸烟时更容易与他人建立联系、直系亲属是否吸烟、吸烟是否受社会风气影响、吸烟的社交压力存在否、学业压力大、焦虑或抑郁的经历、吸烟是否有助于缓解压力、吸烟是一种很酷的行为、青春期时期的个性较叛逆、朋友中有多少人吸烟、同学或朋友对吸烟持何态度，进而对这些指标进行相关性分析，在进行相关性分析之前，首先对其进行简单的数据处理分析。Step1：线性检验为了检验影响大学生吸烟指标下的数据是否存在线性关系，用SPSS画出散点图直观上看指标数据是否成线性。图3-指标关系散点图根据图3中展示的指标关系散点图，可以明显观察到各个指标数据之间存在显著的线性关系。Step2：正态分布检验因为样本n=183>30,所以是大样本，所以进行雅克-贝拉(JB)检验[25]。假设随机变量的偏度为S，峰度为K，那么我们可以构造JB统计量。设原假设H0：所有指标都服从正态分布，备择假设H1：所有指标都不服从正态分布。通过计算各个变量的偏度和峰度，将其用于JB统计量的计算，得到检验值JB*，然后推算出JB*对应的p值，将其与0.05作比较。若p值小于0.05，则在95%的置信水平下拒绝原假设，否则，接受原假设。利用MATLAB的jbtest函数进行求解，在95%的置信水平下（即显著性水平α=0.05）下，结果如表2-正态分布检验表所示：表2-正态分布检验表统计自由度显著性是否吸烟0.4201820.000烟龄0.3921820.000吸烟的原因0.3511820.000平均吸烟数0.3781820.000亲属对自己吸烟态度0.4661820.000吸烟时更容易与他人建立联系0.4661820.000直系亲属是否吸烟0.3891820.000吸烟是否受社会风气影响0.3971820.000吸烟的社交压力存在否0.3721820.000学业压力大0.4031820.000焦虑或抑郁的经历0.3491820.000吸烟是否有助于缓解压力0.3521820.000吸烟是一种很酷的行为0.5171820.000青春期时期的个性较叛逆0.4091820.000朋友中有多少人吸烟0.2371820.000同学或朋友对吸烟持何态度0.3941820.000由图得p值都<0.05且H=1,所以在95%的置信水平下，拒绝原假设，即各指标都不服从正态分布。根据上述数据预处理之后，可以知道指标数存在显著的线性关系，然而，由于指标数据不符合正态分布，需要进行预处理。因此，不能使用皮尔逊相关系数进行计算，也无法进行假设检验。因此，我们决定采用斯皮尔曼相关系数来评估数据之间的相关性。3.2.2斯皮尔曼相关系数分析影响因素之间关系接下来利用斯皮尔曼相关系数来计算各个变量之间的相关性，设统计量为：，原假设=0；备择假设=1。通过统计量求出检验值并求出相应的值，与0.05或0.01比较。若<0.05或0.01,则在95%或99%的置信区间拒绝原假设，否则，接受原假设。使用算出斯皮尔曼相关系数，确定了每对变量之间的相关性，并在0.01水平下（双尾检验）标识了显著相关的数据双星号。根据表3的斯皮尔曼相关系数检验结果，可以得出不同变量之间存在相关性，并且这种相关性是显著的。下表中，标注红底的显著性非常高，其中：烟龄和平均吸烟数相关性非常高，即可以理解为烟龄越久，平均每天吸烟量就会越大；是否吸烟也和亲属的态度有直接关系，由于大学生进入大学，缺乏自主能力，少了家长的管控，故随年级增长，吸烟人数呈递增趋势，故可以从亲属态度这一方面出发，减少大学生吸烟率；大学生普遍认为吸烟更容易和他人建立联系，这一影响因素和大学生是否吸烟以及吸烟量有着非常大的相关性，学校可以从大学生如何进行良好社交来进行宣传教育活动，减少吸烟社交。标注黄底的显著性比较高，其中大学生是否吸烟和吸烟能够缓解压力的显著性达到了0.5，同时吸烟数量和是否能缓解压力的相关性也达到了0.5，这充分解释了随着年级的增长，可能由于考证、考公或者找工作的压力，吸烟人数呈逐步递增趋势。同时还可以发现这些相关性大多呈正相关性。表3-斯皮尔曼相关系数检验数据斯皮尔曼相关系数是否吸烟烟龄吸烟的原因平均吸烟数亲属的态度更容易与人建立联系直系亲属是否吸烟吸烟是否受社会风气影响是否吸烟1.000.886**-0.060.965**.759**.802**.254**-.192**烟龄.886**1.000-0.111.879**.601**.703**.222**-.183*平均吸烟数.965**.879**-0.0651.000.723**.790**.257**-.185*亲属对自己吸烟态度.759**.601**0.032.723**1.000.634**.230**-.308**吸烟时更容易与他人建立联系.802**.703**-0.041.790**.634**1.000.255**-0.071直系亲属是否吸烟.254**.222**0.002.257**.230**.255**1.0000.007吸烟是否受社会风气影响-.192**-.183*0.131-.185*-.308**-0.0710.0071.000吸烟的社交压力存在否0.1080.1100.0710.0950.0640.1310.129.190**学业压力大0.0270.0430.1100.012-0.0580.0700.140.190**焦虑或抑郁的经历.155*.156*-0.015.163*0.0990.140.188*0.131吸烟是否有助于缓解压力.560**.540**-0.086.550**.390**.510**.174*0.006吸烟是一种很酷的行为.194**0.1390.081.168*0.130.227**0.0480.131青春期时期的个性较叛逆.195**.169*-0.046.196**0.1100.1430.104.148*朋友中有多少人吸烟.520**.488**-0.124.517**.400**.493**.297**-.208**同学或朋友对吸烟持何态度.311**.264**-0.093.293**.298**.296**0.142-.190*斯皮尔曼相关系数吸烟的社交压力存在否学业压力大焦虑或抑郁的经历吸烟是否有助于缓解压力吸烟是一种很酷的行为青春期时期的个性较叛逆朋友中有多少人吸烟同学或朋友对吸烟持何态度是否吸烟0.1080.027.155*.560**.194**.195**.520**.311**烟龄0.1100.043.156*.540**0.139.169*.488**.264**平均吸烟数0.0950.012.163*.550**.168*.196**.517**.293**亲属对自己吸烟态度0.064-0.0580.099.390**0.1300.110.400**.298**更易与人建立联系0.1310.0700.140.510**.227**0.143.493**.296**直系亲属是否吸烟0.1290.140.188*.174*0.0480.104.297**0.142是否受风气影响.190**.190**0.1310.0060.131.148*-.208**-.190*吸烟的社交压力存在否1.000.148*.219**0.121.205**-0.0250.0280.008学业压力大.148*1.000.334**0.1400.123.225**0.018-0.064焦虑或抑郁的经历.219**.334**1.000.266**.298**.423**0.0160.109吸烟是否有助于缓解压力0.1210.140.266**1.000.262**.302**.339**.370**吸烟是一种很酷的行为.205**0.123.298**.262**1.000.464**-0.0080.116青春期时期的个性较叛逆-0.025.225**.423**.302**.464**1.0000.1050.140朋友中有多少人吸烟0.0280.0180.016.339**-0.0080.1051.000.396**同学或朋友对吸烟持何态度0.008-0.0640.109.370**0.1160.140.396**1.0003.3利用典型相关性分析大学生吸烟和健康之间的关系3.3.1典型相关分析模型建立斯皮尔曼相关分析研究的是大学生吸烟分别和各种影响因素之间的关系，现在记是否吸烟烟龄、以及每天吸烟平均数为大学生吸烟大指标，记冬天生病平均次数、是否有肺部疾病、最近一次测的肺活量、最近一次跑步体测成绩为大学生身体健康因素大指标，利用典型相关分析研究大学生吸烟大指标和影响大学生吸烟的因素大指标之间的相关性。Step1：建立原始矩阵根据表格中的数据，设大学生吸烟大指标记为，大学生身体健康因素大指标记为，Z为总体观测矩阵。Step2.原始数据标准化并计算相关系数矩阵接下来对样本中的吸烟大指标和大学生身体健康因素首先对大指标进行标准化处理，并随后计算样本的相关系数矩阵R，然后将R分割成四个部分：A=B=其中，R11和R22分别是吸烟大指标和大学生身体健康因素大指标内的相关系数矩阵，R12和R21是吸烟大指标和大学生身体健康因素大指标间的相关系数矩阵。Step3.求典型相关系数及典型变量求A=的特征根和特征向量；B=的特征根和特征向量；则观众评分X和业内人士评分Y之间的典型相关系数为，典型变量为Step4.检验各典型相关系数的显著性最后对典型相关系数进行显著性检验。若不显著，则讨论该组典型变量的相关性没有意义，之后的典型相关变量也不显著，不需要再讨论。3.3.2典型相关分析模型求解首先给出我们要分析的两组变量指标：表4-两组指标表吸烟大指标大学生身体健康因素大指标因素1是否吸烟烟龄冬天生病平均次数每天吸烟平均数是否有肺部疾病烟龄最近一次测的肺活量因素2最近一次跑步体测成利用matlab软件对吸烟大指标与大学生身体健康因素大指标进行典型相关分析，得到表5-典型相关系数表。由表5得三组典型变量p值都小于0.01，所以在99%的置信水平下，拒绝原假设，所以认为吸烟大指标与大学生身体健康因素大指标这两组变量之间存在相关性，且这三组典型变量的相关性都是显著的。此调查研究充分说明了吸烟已经在影响大学生的身体健康了，问题不容小视，可针对吸烟大学生进行体检，及时发现学生的身体问题，注重体质教育。表5-典型相关系数表相关系数特征值威尔克统计FP值1.995108.911.000141.580.0002.9539.854.05540.940.0003.637.684.59417.784.0004基于logistic多元回归分类模型对大学生吸烟进行预测传统意义上的线性回归模型中的因变量表现为定量特征，而非定性特征。在实际问题中，许多情况下因变量都是定性的。为处理分类因变量，统计学上提出了Logistic回归、Probit分析、判别分析、对数线性模型等方法。Logistic回归模型利用单个或多个连续或离散自变量来分析和预测离散型因变量，是多元分析的一种方法。作为当前广泛采用的统计方法之一，Logistic回归模型被用于解决分类问题。它利用sigmoid函数将数据压缩到[0,1]之间，从而将分类问题转化为一个概率估计问题。通过训练数据，在许多情况下，我们可以通过寻找一个超平面来将不同类别的数据点有效地分开，这在许多领域中都被广泛应用。在金融领域中，我们可以运用逻辑回归模型来预测客户是否可能会发生违约；在医疗领域，我们可以应用逻辑回归来估计疾病发生的概率；在市场营销领域，则可以利用逻辑回归来预测客户是否有购买某产品的意愿。当然，在本文中，以是否吸烟为分类标准的因变量，其他影响吸烟行为的因素为自变量，可以使用logistic逻辑回归来预测一个人吸烟的概率。本章节主要利用logistic多元回归分类模型对大学生吸烟情况进行预测，进而基于现有的或者调查的学生基础信息对学生是否吸烟进行预测分析，选择的因变量Y为是否吸烟，选择的自变量X为亲属对自己吸烟态度、吸烟时更容易与他人建立联系、直系亲属是否吸烟、吸烟是否受社会风气影响、吸烟的社交压力存在否、学业压力大、焦虑或抑郁的经历、吸烟是否有助于缓解压力、吸烟是一种很酷的行为、青春期时期的个性较叛逆、朋友中有多少人吸烟、同学或朋友对吸烟持何态度。4.1logistic回归模型的建立首先对调查数据中的“是否吸烟”进行分类预测，此模型服从二项分布，给定变量x的情况下，我们考虑y的两点分布概率，得到：通过logistic概率计算式：得出因变量等于1的概率与因变量等于0的概率即得到回归方程模型为：通过极大似然估计，估计出我们的β，进而对y进性预测，若。4.2基于logistic回归模型的求解本题把处理好的数据分为训练组和测试组，设置训练组和测试组的比例分别为80%和20%，随机抽取20%作为测试组，利用SPSS统计软件进行测试，得到了测试组的总体正确率为98.8%，正确率较高，其中0代表不吸烟，1代表吸烟。表6-预测结果正确比是否吸烟01正确百分比01130100.0125196.2///98.8得到的逻辑回归参数表为：表7-逻辑回归参数表指标X标准误差显著性亲属对自己吸烟态度X123.0491924.3860.020吸烟时更容易与他人建立联系X222.5154118.5570.996直系亲属是否吸烟X3-2.9311.9920.014吸烟是否受社会风气影响X42.0672.8070.462吸烟的社交压力存在否X50.2302.0030.909学业压力大X6-2.9732.0770.031焦虑或抑郁的经历X73.2162.6660.228吸烟是否有助于缓解压力X822.3741995.3680.991吸烟是一种很酷的行为x92.4042.5840.050青春期时期的个性较叛逆X10-1.3172.0520.021朋友中有多少人吸烟X112.8041.4660.056同学或朋友对吸烟持何态度X12-2.7111.9080.045常量-27.0611995.3740.989去掉七个非显著参数后，由表7可知其余的指标p值都小于0.05，参数都显著，结合训练数据的98.8%的正确率，可知建立的logistic回归模型效果比较好，由上表得logistic回归方程模型为:利用此模型对二十名未知吸烟情况的大学生进行预测，分析其是否吸烟，其预测结果为：表8-学生吸烟预测结果表被测试学生编号吸烟概率吸烟预测值显示询问真实情况10否否20否否30否否40否否50否是60.93902是否71是是81是是91是是101是是111是是120.02074否否131是是140.02135否否150否否160否否171是是181是是191是是201是否将预测结果和学生真实情况进行对比，发现预测结果基本吻合，这进一步说明模型建立的很好，具有现实意义，后续可利用此模型对大学生是否吸烟进行预测，或者对未吸烟的大学生预测其未来吸烟的可能性进行分析，从而防患于未然，更好的杜绝大学生吸烟的行为。5结论与建议吸烟对身体的伤害是非常大的，但是大学生似乎成为了吸烟人群的主要"生力军"，大学生是国家的未来和希望，吸烟不仅对学生的学业成绩有影响，还会影响学生的身体健康，并且不同程度上也影响着身边朋友的生活，必须采取有效措施来控制大学生吸烟，本文对大学生吸烟情况进行分析，并制定控烟措施。5.1结论本文首先用数据统计方法，分别研究了男生和女生的吸烟比例以及不同年级的吸烟比例，然后利用斯皮尔曼相关系数法研究了不同影响因素之间的相关性，进而建立了典型相关分析模型，分析研究了吸烟大指标和大学生身体健康大指标之间的整体相关性，最后建立了logistic多元回归分类模型，基于影响大学生吸烟的主要因素，对大学生是否吸烟进行了预测分析，其具体结果为：大学生中，男生中的吸烟比例远远的大于女生的吸烟比例，这与社会现象也是相符合的；2、刚上大学时，大学生吸烟人数的比例并不多，随着年级增高，到大三大四的时候，吸烟人数的比例明显增加，研究生的吸烟比例相对于大三大四降低了一些，但是还是高于大一大二的吸烟比例；3、大学生烟龄和平均吸烟数相关性非常高，即可以理解为烟龄越久，平均每天吸烟量就会越大；4、大学生是否吸烟也和亲属的态度有直接关系，由于大学生进入大学，缺乏自主能力，少了家长的管控，故随年级增长，吸烟人数呈递增趋势；5、大学生普遍认为吸烟更容易和他人建立联系，这一影响因素和大学生是否吸烟以及吸烟量有着非常大的相关性；6、随着年级的增长，可能由于考证、考公或者找工作的压力，吸烟人数呈逐步递增趋势；7、建立的logistic多元回归分类模型对大学生吸烟情况的预测效果非常好，可利用此模型对每个阶段的大学生进行吸烟预测分析，从而可以通过客观调查和模型预测判断出该学生是否吸烟，并且还可以预测出学生未来吸烟的可能性的大小，对于吸烟可能性大的学生可以做到早干预，早阻断。5.2建议综上所述，大学生吸烟行为既受到自身情绪、认知、人格等因素的影响，也与家庭环境、学校环境、同伴乃至传播媒介密切相关。在个体层面，引发其吸烟行为的因素也是多种多样的，各种因素之间的关系错综复杂，就此调查后给出的建议有：1、充分考虑到多种因素对吸烟行为的影响，制定综合性的干预措施，进而提升控烟效果2、很多大学生是因为压力大吸烟，学校可以进行提升个体压力应对能力的训练，提高学生心思素质，正确引导学生利用合理的途径释放压力。3、在校园中营造禁烟的浓厚氛围(拍摄校园禁烟短视频、张贴宣传标语和海报等)4、从亲属态度这一方面出发，增加禁烟与家长的联系，从而减少大学生吸烟率。5、学校可以从大学生如何进行良好社交来进行宣传教育活动，减少吸烟社交。6、建议增加加强大学生心理健康教育，帮助其找到更健康的压力释放途径。7、建议增加加强对烟草危害的宣传，提高大学生对吸烟危害的认知。8、建议增加关注重点人群，如研究生，并采取有针对性的控烟措施。9、建议增加利用模型预测结果，对吸烟可能性较大的学生进行重点关注和早期干预。10、建议增加家校社联动，共同营造良好的控烟环境，形成合力。

参考文献[1]姜启源谢金星。数学模型（第五版）[M]。北京：高等教育出版.[2]司守龚孙兆亮。数学建模算法与应用（第二版）[M]。北京：国防工业出版社，2019。7：119-120.[3]杨焱,王继江,王聪晓.我国成人烟草危害相关知识知晓率研究[C]//全国控制吸烟学术研讨会.2011.[4]徐业华,刘翔,梅欣,等.武汉市城市居民对烟草危害知晓率的现状分析[J].实用预防医学,2021.DOI:10.3969/j.issn.1006-3110.2021.08.023.[5]李文玲、张世怡、赵桐荫、钱晓波、霍焱、狄柏涛、周常福.吉林省15岁及以上非吸烟居民二手烟暴露及危害认知情况[J].中国健康教育,2020(9):4.DOI:CNKI:SUN:ZGJK.0.2020-09-014.[6]徐涛,李卫,胡泊,等.中国11省市成年人吸烟和被动吸烟情况调查[J].中国慢性病预防与控制,2010(3):2.DOI:CNKI:SUN:ZMXB.0.2010-03-006.[7]林梦,高冬,郭红霞.我国大学生吸烟研究进展[J].中国健康教育,2012,28(10):3.DOI:CNKI:SUN:ZGJK.0.2012-10-016.[8]周花,张利.大学生吸烟行为的影响因素及控烟对策的研究进展[J].蚌埠医学院学报,2017,42(10):4.DOI:10.13898/ki.issn.1000-2200.2017.10.045.[9]姜彩霞,裘欣,杨海飞,等.杭州市742名大学生吸烟模式及相关社会心理因素研究[J].中国预防医学杂志,2007,8(1):3.DOI:10.3969/j.issn.1009-6639.2007.01.020.[10]LISTEDNA.Tobaccousebychildren:"apediatricdisease"[J].IndianPediatrics,1998,35(12):1261-1262.[11]JIANGY,YUC,ZHANGW,etal.PeerVictimizationandSubstanceUseinEarlyAdolescence：InfluencesofDeviantPeerAffiliationandParentalKnowledge[J].JournalofChildandFamilyStudies,2016,25(7):2130-2140.[12]张鸿飞,王杨.男大学生吸烟动机分析与应对策略研究[J].中国健康心理学杂志,2008,16(7):3.DOI:CNKI:SUN:JKXL.0.2008-07-008.[13]HSIAFN,SPRUIGT-METZD.Genderdifferencesinsmokingandmeaningsofsmokinginasian-americancollegestudents[J].JournalofHealthPsychology,2008,13(4):459-463.[14]陈静,孙亮,钱海红,等.复旦大学大学生吸烟情况及影响因素调查[J].复旦学报(医学版),2003,30(005):487-490.DOI:10.3969/j.issn.1672-8467.2003.05.021.[15]AmericanLungAssociation.Bigtobaccooncampus:endingtheaddiction[R].Washington;AmericanLungAssociation,2008.[16]佘玉群,李钋.大学生吸烟行为及其影响因素分析[J].现代预防医学,1998,25(1):3.DOI:CNKI:SUN:XDYF.0.1998-01-001.[17]马文霞,冯煜,李良,等.2021年苏州市大学生吸烟现状及影响因素logistic回归分析[J].中国预防医学杂志,2023.[18]SUTFINEL.REBOUSSINBA，MCCOYTPetal.ArecollegestudentsmokersreallyahomogeneousgroupAlatentclassanalysisofcollegestudentsmokers[J].NicotineTobRes,2009,11(4):444.[19]SHIFFMANS.Lightandintermittentsmokers:Backgroundandperspective[J].NicotineTobRes,2009,11(2):122.[20]UnitecInstituteofTechnology(2012,November23)Uniteccampusestogosmokefreein2013[internet].Availablefrom;/unitecnz/docs/unitec_annual_report_2012.[21]SUX，LIL，CRIFFITHSSM,etal.Smokingbehaviorsandin