ARIMA模型在水痘发病趋势预测中的应用
嘉定区,季节性,1资料与方法,1数据资料,2统计方法,3模型基本原理,2结果,1基本发病情况,2时间序列分析,3运用专家建模器构建ARIMA乘积季节模型,4专家建模器预测,3讨论
朱蕴卿,刘春语,閤爽博,武轶群水痘是由水痘-带状疱疹病毒感染引发的一种急性呼吸道传染病,传染性极强,约80%~90%的易感者暴露后可被感染,冬、春季高发[1-2]。在托幼机构、学校等场所容易出现聚集性发病,严重影响儿童的身体健康和学校的教学秩序[3]。20 世纪中期,Box 和Jenkins 对时间序列分析、预测、管理提出了一整套的建模办法,当中ARIMA 模型是当前最常见的基本模型之一[4]。本研究运用ARIMA 模型对嘉定区水痘月报告发病率进行预测,分析流行态势,为制定嘉定区水痘的预防措施提供参考性依据。
1 资料与方法
1.1 数据资料
查询《中国疾病预防控制信息系统》嘉定区2012—2022 年水痘病例信息,统计月报告发病率。
1.2 统计方法
将水痘的月报告发病率数据录入SPSS 21.0中,对水痘病例月报告发病率进行ARIMA 模型建立分析。检验水平为α=0.05。
1.3 模型基本原理
1.3.1 ARIMA 乘积季节性模型
对于具有季节波动性的时间序列数据,考虑其季节性因素,可采用ARIMA 乘积季节性模型进行建模分析。模型通用表达式为:ARIMA(p,d,q)(P,D,Q)s。一旦模型被辨别,便能够根据过去及现在的数据对未来发展态势进行预测。
1.3.2 专家建模器和模型诊断
SPSS 21.0 统计分析数据的时间序列建模器中包含的专家建模器可选择所有模型、仅限指数平滑法模型、仅限ARIMA 模型(R)。与重复测试和经验性判断的建模方法相比,专家建模器方便快捷高效率,可以依据赤池信息准则(Akaike Information Criterion ,AIC)、贝叶斯信息准则(Bayesian information criterion ......
您现在查看是摘要页,全文长 7094 字符。