疾病发病情况的时间序列分析.docxVIP

某市恶性疾病的时间序列分析 摘要：本文对某市1990～2007年间某恶性疾病的发病情况进行统计，运用时间序列分析，建立ARIMA模型对该病发病情况进行研究，并对未来几年的发病情况做出了预测。 关键字：时间序列 ARIMA，拖尾 截尾 时间序列分析的简介 时间序列分析(Time series analysis)是一种动态数据处理的 HYPERLINK /view/1379337.htm \t _blank 统计方法。该方法基于随机过程理论和数理统计学方法，研究随机数据序列所遵从的 HYPERLINK /view/750184.htm \t _blank 统计规律，以用于解决实际问题。 时间序列是把反映现象发展水平的统计指标数值，按照时间先后顺序排列起来所形成的一组统计数字序列。时间序列又称动态数列或时间数列。时间序列分析就是利用这组数列，应用数理统计方法加以处理，以预测未来事物的发展。时间序列分析是定量预测方法之一，它的基本原理：一是承认事物发展的延续性。应用过去数据，就能推测事物的发展趋势。二是考虑到事物发展的 HYPERLINK /view/606111.htm \t _blank 随机性。任何事物发展都可能受偶然因素影响，为此要利用统计分析中加权平均法对历史数据进行处理。该方法简单易行，便于掌握，但准确性差，一般只适用于短期预测。时间序列预测一般反映三种实际变化规律:趋势变化、周期性变化、随机性变化。 时间序列分析是根据系统观测得到的 HYPERLINK /view/2822835.htm \t _blank 时间序列数据，通过曲线拟合和参数估计来建立 HYPERLINK /view/76167.htm \t _blank 数学模型的理论和方法。时间序列分析常用在国民经济宏观控制、区域综合发展规划、企业经营管理、 HYPERLINK /view/853755.htm \t _blank 市场潜量预测、气象预报、水文预报、 HYPERLINK /view/249374.htm \t _blank 地震前兆预报、农作物病虫灾害预报、 HYPERLINK /view/345838.htm \t _blank 环境污染控制、生态平衡、天文学和海洋学等方面。 时间序列分析主要用途:①系统描述。根据对系统进行观测得到的时间序列数据，用曲线拟合方法对系统进行客观的描述。②系统分析。当观测值取自两个以上变量时，可用一个时间序列中的变化去说明另一个时间序列中的变化，从而深入了解给定时间序列产生的机理。③预测未来。一般用ARMA模型拟合时间序列，预测该时间序列未来值。④决策和控制。根据 HYPERLINK /view/1117294.htm \t _blank 时间序列模型可调整输入变量使系统发展过程保持在目标值上，即预测到过程要偏离目标时便可进行必要的控制。 基本步骤:①用观测、调查、统计、抽样等方法取得被观测系统时间序列动态数据。②根据动态数据作相关图，进行相关分析，求自相关函数。相关图能显示出变化的趋势和周期，并能发现跳点和拐点。跳点是指与其他数据不一致的观测值。如果跳点是正确的观测值,在建模时应考虑进去,如果是反常现象，则应把跳点调整到期望值。拐点则是指时间序列从上升趋势突然变为下降趋势的点。如果存在拐点，则在建模时必须用不同的模型去分段拟合该时间序列，例如采用门限 HYPERLINK /view/962884.htm \t _blank 回归模型。③辨识合适的 HYPERLINK /view/1456851.htm \t _blank 随机模型,进行曲线拟合,即用通用随机模型去拟合时间序列的观测数据。对于短的或简单的时间序列，可用趋势模型和季节模型加上 HYPERLINK /view/40051.htm \t _blank 误差来进行拟合。对于平稳时间序列，可用通用ARMA模型（自回归滑动平均模型）及其特殊情况的自回归模型、滑动平均模型或组合ARMA模型等来进行拟合。当观测值多于50个时一般都采用ARMA模型。对于非平稳时间序列则要先将观测到的时间序列进行差分运算，化为平稳时间序列，再用适当模型去拟合这个差分序列。 ARIMA的三种模型 1）建立阶自回归模型： 2）建立阶移动平均模型： 3）模型： 三个模型的拖尾、截尾性 模型 自相关系数 偏自相关系数 拖尾 阶截尾 阶截尾 拖尾 拖尾 拖尾 建模的步骤： 平稳非白噪声序列？ 平稳非白噪声序列？ 计算ACF,PACF ARMA模型识别 估计模型中未知参数值 模型优化 模型预测 模型检验即残差白噪声检验 N Y 图6.0 自回归滑动平均(ARMA)模型建模步骤 Y 平稳化处理 N 数据搜集