apple17> Вывод все тот же - одинокой циферки по вакцинации недостаточно для любых выводов.
Ну, можем взять и другие данные.
Итак, собрал я данные, ранее вычисленные, плюс дополнительно собранные, в один файл.
Имя региона пришлось исключить, ибо
Библиотека GNU для регрессий, эконометрики и временных рядов ( gretl ) не работает как-то с кириллицей в данных.
Да собственно это и не нужно
Пример данных - в аттаче
Значения столбцов следующие
Region - номер региона по алфавитному порядку
med_per_10000 - количество врачей на 10 тыс населения в регионе
VRP - относительный ВРП региона
med_rating - медицинский рейтинг региона
vaccinated - процент вакцинированных в регионе ( на конец недели 41 )
prop_coeff - коэфф. распространения ( количество новых случае недели 41 деленное на неделю 40 )
rel_death_41 - относительная смертность ( смертей/случаев ) на неделе 41
death_accel - изменение относительной смертности ( неделя 41 / неделя 40 )
rating_prop - место по коэфф. распространения
rating_rel_death - место по относительной смертности
rating_accel_death - место по изменению относительной смертности
total_rating - суммарный рейтинг по трем местам что выше
rating_percent - то же, но нормированное на 100%
death_total_1000 - общее количество смертей на 1000 зараженных за все время по неделю 41
Пояснение откуда доп. данные:
- количество врачей на 10 тыс населения в регионе взято из следующего документа ( находится гуглом )
"Ресурсы и деятельность медицинских организаций здравоохранения. I Часть. Медицинские кадры. Москва 2020" таблица "Численность и обеспеченность населения врачами различных специальностей" дает эти данные по регионам.
-медицинский рейтинг региона - составлен Новыми Известиями.
Методика тут
В конце есть ссылка на гугл-таблицы где есть рейтинг по всем регионам.
-относительный ВРП региона
Взят за 2018 год
Отсюда
Далее получен делением ВРП региона на ВРП в среднем по РФ.
Например для Ненецкого АО он в 12 раз выше среднего.
Эти три показателя так или иначе могут влиять, в дополнении к вакцинации, на коэфф. распространения.
Далее это все было импортировано в gretl и вот как потенциальные причины, а именно вакцинированность, медицинский рейтинг региона, количество врачей на 10 тыс населения в регионе, относительный ВРП региона влияют на коэфф. распространения судя по корреляционной матрице -
а никак.
Наглядно вывод программы в аттаче
Как можно видеть корреляции такие
prop_coeff от vaccinated: 0,1119 - очень слабая связь
prop_coeff от med_per_10000: -0,0649 - очень слабая связь
prop_coeff от VRP: -0,0936 - очень слабая связь
prop_coeff от med_rating: -0,1481 - очень слабая связь
Зато, например можно наблюдать такое
med_rating от med_per_10000: 0,6906 - фактически высокая свзь
med_rating от VRP: 0,5945 - заметная связь
Что, собственно, неудивительно - ибо для вычисления медицинского рейтинга учитывалось обеспеченность врачами ( привет med_per_10000 ) и расходы региона на местную медицину ( привет VRP )