spss在医院统计预测中的应用.docVIP

精品文档（可编辑） 值得下载 PAGE1 / NUMPAGES1 SPSS在医院统计预测中的应用 摘要：SPSS统计学软件在医院统计预测的应用上具有极高的价值，其中AR IMA乘积模型在周期性门诊数据预测当中误差率最低。本文从本院2015年3月至12月的门诊就医病例资料中进行筛选，分别对每个月的数据建立对数、指数平滑以及AR IMA乘积模型，并对这三种检验方法的误差进行研究，用以探讨在医院统计预测过程中利用SPSS15.0软件的情况。 关键词：SPSS软件 统计学预测 医院统计 在医院日常管理工作中，统计预测是一项非常重要的环节，它能够为医院的发展提供可靠的数据，进而为可能产生的病患数量增加而做准备；但目前我国各大医院的管理存在一定的问题，统计工作仍无法满足现代医疗机构发展的需求，甚至部分医院仍然对现代统计手段不够重视，忽略了计算机信息化技术的作用。本文即是对SPSS软件在医院统计预测中的应用问题进行的研究，具体如下： 一、资料及方法 （一）一般资料 本次研究选择的是2015年3月到2015年12月期间门诊接待患者的病例数据，并根据时序，分别对每个月的患者病例数进行预测。其中每个月份的门诊实际接待病例数依次为28306例、28315例、27862例、29516例、28435例、28337例、27428例、28122例、27765例、27809例。 （二）方法 分别利用对数模型、指数平滑模型以及ARIMA乘积模型对患者病例数进行预测，其方法具体如下： 1.对数模型预测方法。对数模型属于SPSS软件当中曲线回归预测的一种模型，也是时间序列预测中最常用的方法，适用于无周期变化的时间序列，但使用的时间序列较短。其中设时间为自变量x，所观察的指标设为因变量y，建立的回归方程式为： 2.指数平滑模型。指数平滑模型预测的目的是剔除参考数据当中的随机波动项，使其整体能够呈现规律的序列排布，如果能够将这种序列的规律找出，就能够对数据进行预测。这种方法通常用于呈现自相关特性的数据，也能够对具有周期性变化的数据进行预测。该模型的建立主要通过四个主要参数完成，其中常规参数设为α、趋势参数则设为γ、周期参数设为δ、趋势的修正参数设为π。除修正参数外，其它参数均能够被加载到数据近期的观察权重当中，其变化在0-1之间，数据越接近于1，则说明观察值的权重越高。而π则主要控制数据在随时间变化时的降低趋势和比例，其变化范围同样在0-1之间，但永远不会为1，越接近1则说明趋势变化的减慢速率越高。 二、结果 将三种方法检验后的数据进行整理，并统计其与实际情况之间的误差率，整理制成表1、表2。 由上述两表可以看出，三种预测模型对医院门诊就医病例的预测每月均有不同的偏差，但其中ARIMA模型的偏差率明显低于指数平滑模型和对数模型。 三、讨论 统计预测能够有效帮助医院判断科室接待的患者数量，根据预测的情况可以有效地对科室内人员配置、药品储备数量、设备数量以及病房数量等的分配方案进行确定，这样在疾病高发时期，医院就可以适当选择病情较轻的患者出院治疗，为可能就诊的危重症患者提供更加充足的住院空间，保证每名患者的身体健康。 当前国内部分地区医院对于指标统计预测的应用仍不够全面，无法对院内的医疗质量进行有效的评估，使得医院对自身的发展情况了解不足，不仅影响了接诊时间的合理安排，同时也阻碍了医院的发展。加之部分医院内对于病患信息的统计数量明显不足，前瞻性的预测工作非常少，所提供的信息无法满足高层管理者的需求，仅能够满足日常医疗业务活动量的统计需要，使得医院在发展当中难以把握自身的走向。 目前，开展医院统计预测时常用的方法即为SPSS软件模型预测法，这类软件拥有多种预测模型，可以根据实际需求进行相应的选择。在选择回归模型时一定要注意，必须满足自变量和因变量之间存在关联度的大前提，并且还需要重点对变量之间的规律性进行分析。当预测数值超出原始序列时则说明预测失败，可能是由于该模型仅适用于短期预测。而指数平滑模型和ARIMA模型选择时，必须满足数据采集时间间隔的规律性和数量，尤其是ARIMA模型要求数据采集至少要包含50个时间点和8个周期。 通常情况下认为，在即将发生的事情当中观察值所处时间段越早，则其权重越大，而指数平滑模型则能够满足这一规律。选择ARIMA模型的优势在于，其不会被时间序列发展规律当中的先验假设所束缚，能够先利用已有的数据建立试用模型，再通过这一模型进行调整，反复识别之后就能够获得适合数据预测的相应模型，因此这种预测模型能够适用于各种时间序列数据的预测。 ARIMA模型还能够利用差分的概念，将数据当中不稳定的序列转变为零，进而获得稳定的随机数据，这样可以有效提