刘琳玲，刘如春，陈田木，张本忠*，李亚曼，胡伟红，谢 知，赵 锦

    ·论著·

    ·方法学研究·

    长沙市流行性腮腺炎季节性自回归移动平均模型预测研究

    刘琳玲1，刘如春2，陈田木2，张本忠1*，李亚曼2，胡伟红2，谢 知2，赵 锦2

    目的 采用季节性自回归移动平均(SARIMA)模型预测长沙市流行性腮腺炎发病数。方法 收集2005—2015年长沙市报告的流行性腮腺炎病例数据，将2005—2014年数据作为建模数据，将2015年数据作为验证数据，开展SARIMA模型建立与验证研究，并对2016年流行性腮腺炎发病数进行预测。结果 SARIMA(3，0，0)×(1，0，0)12模型可以很好地拟合实际数据，模型的展开式为：Yt=222.545+1.225Yt-1-0.713Yt-2+0.291Yt-3+0.366Yt-12-0.448Yt-13+0.261Yt-14-0.107Yt-15+at。将验证数据与预测数据进行相关性分析，结果显示呈显著性相关(r=0.61，P1 资料与方法

    1.1 数据收集 通过将中国疾病预防控制信息系统的数据以“按照现住址浏览”+“长沙市”+“发病日期”+“2005-01-01至2015-12-31”+审核状态：“已审核”+“流行性腮腺炎”为条件进行查询，将查询得到的流行性腮腺炎病例数据分年度以Excel表格导出，收集2005—2015年长沙市报告的流行性腮腺炎病例数据。病例诊断标准依据《流行性腮腺炎诊断标准及处理原则(GB 17016-1997)》和《流行性腮腺炎诊断标准(WS 270-2008)》[7-8]。将收集的数据分为建模数据集(2005—2014年报告病例数)和验证数据集(2015年报告病例数)。

    1.2 建立模型 由于流行性腮腺炎具有明显的季节性高发特征，采用SARIMA模型进行研究，模型简约表达式为SARIMA(p，d，q)×(P，D，Q)s模型。p、d、q、P、D、Q分别表示自回归的阶、差分的阶、移动平均的阶、季节性自回归的阶、季节性差分的阶和季节性移动平均的阶，s表示周期的长短，本研究以流行性腮腺炎月发病数为研究对象，12个月为1个周期，所以s=12。SARIMA模型的模型原理和建模过程与ARIMA类似，ARIMA详见参考文献[9-10]。

    1.3 SARIMA模型识别、建模和评价 模型的识别为判断p、d、q、P、D、Q的阶，主要依靠自相关函数和偏自相关函数图初步判断和估计，ACF和PACF的识别原则详见参考文献[11]。本研究利用长沙市2005—2014年流行性腮腺炎发病数建模 ......