ARIMA季节乘积模型预测医院门诊量试验探究.docxVIP

ARIMA季节乘积模型预测医院门诊量试验探究 摘 要：利用ARIMA乘积模型对2005年到2012年的八 年门诊量做了分析和预测的研究实验分析探讨了 ARIMA乘积 模型在预测医院门诊量中的应用从而建立医院门诊量的预 测模型，实践证明ARIMA乘积模型是一种精度较高且周期短 的预测医院门诊量模型值得推广应用。 关键词：ARIMA季节乘积模型；预测；医院门诊量 中图分类号：R197. 324 科学准确地预测门诊量，越来越成为各级医院处理日常 工作和规划未来发展的重要依据。但是门诊量受社会医疗政 策、医院的治疗水平、人们的生活水平变化，以及就医的心 理观念、自然环境、季节性等众多因素的影响，表现的变化 也是敏感和巨大的。传统的统计方法，运用静态因果结构模 型进行分析预测，已经无法准确的处理这些复杂的数据和难 控制的变化因子。 1 ARIMA乘积模型建立 某省级三甲医院，在2008年进行了规模扩建，门诊量 发生了巨大变化。本人尝试用混合有季节性和非季节性成分 的ARIMA乘积模型(p, d, q) (P, D, Q) s,经过大量的试 验，运用了多种离群值处理方法，对2005年到2012年的八 年门诊量做了分析和预测的研究实验。建立了特殊峰值高度 吻合，预测值在95%置信区间，相对误差较小的ARIMA乘积 模型。20世界60年代，美国学者Geogre E. P. Box和英国统 计学者Gunlym M. Jenkins提出一套关于时间序列分析、预 测和控制的方法，被称为Box-Jenkins建模方法，求和自回 归移动平均 (Autoregressive integrated moving average, ARIMA)模型是其中重要而基本的模型之一。它用相应的数 学模型描述一组依赖于时间的随机变量相互之间所具有的 自相关性，以表征预测对象发展的延续性并从时序的过去值 与现在值预测其未来值［1］。 ARIMA乘积模型是非季节ARIMA模型与季节ARIMA模型 的结合，具有一定的代表性和普遍性。 1. 1非季节ARIMA (p, d, q)模型 假定Xt为某时间序列第t个时间间隔的观测值，非季 节ARIMA (p, d, q)模型的一般形式为： 4)(B)?d Xt ★ (B) e t (1) 其中，t代表时间，Xt表示响应序列，B是后移算子， ?=1-B, p, d, q分别表示自回归阶数、差分阶数和移动平 均阶数；4)(B)为自回归算子，0 (B)为移动平均算子。 1.2 季节 ARIMA (P, D, Q) S 模型 对于有季节性变动规律的ARIMA (P, D, Q)模型的一般 形式为: U (Bs)?sD Xt=V (Bs) e t (2) 其中，s为季节性周期，U (Bs)为季节性自回归算子， P、D、Q分别表示季节性自回归、差分和移动平均的阶次，V (Bs)为季节性移动平均算子。 1.3 乘积(p, d, q) (P, D, Q) s 模型 乘积季节模型一般形式为： 4)(B) U (Bs)?d?sD Xt = e (B) V (Bs) (3) 其中(b (B) =l-(i)IB - Q2B2- …-d)pBp 9 (B) =1 - 0 IB - 9 2B2 -…-0 qBq 用来消除同一周期不同周期点之间的关系性； U (Bs) =1- ulBs- u2B2s~ …-upBPs V (Bs) =1- vlBs- v2B2s-…-vQBQs 可以对不同周期的同一周期点之间的相关性进行拟合。 8 t代表独立挠动或随机误差，S为周期长度。[2, 3, 4] 2应用实例 ARIMA建模法分为三个阶段：模型识别，参数估计和诊 断检验，通过这三个处理步骤的反复进行，最终确定一个用 于预报或控制的最优模型。本研究采用SPSS 19.0软件，以 某医院2005年1月-2012年12月门诊人次数据作为季节性 时间序列(见表1),建立ARIMA乘积模型，进行门诊量预测 分析。 表1某医院2005年1月-2012年12月门诊人次 年份一月二月三月四月五月六月七月八月九 月十月十一月十二月 2005 28283 31953 37430 41190372053802236024 2005 28283 31953 37430 41190 37205 38022 36024 40432 37387 33217 40841 37631 2006 36855 30966 39159 44225359853845438934 2006 36855 30966 39159 44225 35985 38454 38934 40479 44242 36726 38530 42952 2007 41029 26263 37635 39843374603675