ARIMA乘积季节模型在细菌性痢疾月发病率预测中的应用.pdfVIP

中国卫生统计 2011年 12月第 28卷第 6期 ·645 · ARIMA乘积季节模型在细菌性痢疾月发病率预测中的应用 安徽医科大学公共卫生学院流行病与卫生统计学系(230032) 朋文佳 朱 玉 何 倩 王 静 【提 要】 目的 探讨ARIMA乘积季节性模型在细菌性痢疾月发病率研究中的应用，并预测细菌性痢疾的月发病 趋势。方法 对某区2004～2008年细菌性痢疾月发病率资料建立 ARIMA乘积季节性模型，利用2009年细菌性痢疾月 发病率资料对模型参数进行修正，并预测2010年细菌性痢疾月发病率。结果 构建ARIMA(1，0，0)×(1，1，0)。模型，模 型决定系数(R)为0．96。结论 ARIMA(1，0，0)×(I，I，0)，模型可以用于某区细菌性痢疾月发病率的拟合与预测。 【关键词】 细菌性痢疾 发病率 ARIMA模型 预测 传染病的监测和预测工作是疾病预防控制机构的 防控制措施提供依据。 重要职责，也是应急反应和处置的前提。对传染病发 材料和方法 病率进行预测能起到举足轻重的作用，为采取主动预 防提供科学的信息。本文以2004～2008年细菌性痢 1．资料来源 疾月发病率为基础建立 ARIMA乘积季节预测模型， 疫情资料来源于某区疾病预防控制中心，收集了 利用2009年细菌性痢疾月发病率资料对模型参数进 2004～2009年细菌性痢疾月发病人数，计算 2004～ 行修正，并预测2010年细菌性痢疾月发病率，以便早 2009年细菌性痢疾月发病率(表 1)。 期发现和控制细菌性痢疾的流行及为更有效地采取预 表 1 2004～2009年细菌性痢疾月发病率 (1／10万) 2．统计分析方法 function，PACF)初步判断序列的平稳性，还可以根据 求和 自回归滑动平均模型 (ARIMA)¨ 是 由 ACF，PACF初步确定P，d，q，P，D，O值。通常先对序 Box和Jenkins提出的著名时间序列预测方法，又称为 列的季节性成分进行识别，再识别非季节成分。 Box—Jenkins模型。该模型是用于描述非平稳资料的 (2)模型的参数估计 一 种方法，当时间序列资料含有季节性变动趋势时可 模型的阶数确定后，要对模型的参数进行估计，参 以建立ARIMA乘积季节性模型。 数估计的方法主要有矩估计法、最小二乘估计法和极 (1)模型的识别 大似然估计法等。 ARIMA建模的前提条件是要求时间序列是平稳 (3)模型的修正、诊断及预测 的。如果一个时间序列的概率分布不随时间变化，称 模型建立初步完成后，再加入一年的疟疾月发病 为严格的平稳时间序列；如果时间序列的一、二阶距存 率数据进行修正；然后对模型进行诊断以选择最佳模 在，并在任意时刻均值是常数、协方差为时间间隔的函 型，对模型进行诊断的指标有决定系数 (R)，赤池信 数，称为宽平稳时间序列，一般所谓的平稳是指宽平 息准则 (AIC)，舒瓦兹 (BIC)及许瓦兹贝叶斯准则 稳。对于非平稳的时间序列资料，可以通过差分和数 (SBC)，同时根据残差是否为白噪声序列来对模型进 据变换实现序列的平稳化。通过观察时间序列资料的 行诊断。最后应用所拟合的模型对原有的痢疾月发病 序列图(sequencechart)及 自相关系数 (autocorrelation 率进行回代，观察模型的拟合效果，并对未来一年的痢 function，ACF)和偏 自相关系数 (p