残差自回归模型在中国人口出生率预测中的应用

时间序列是将某一指标在不同时间上的数值按时间先后顺序排列而成的数列(1).时序分析中对非平稳时间序列的处理有两种方法:(1)确定性分析方法,假定序列的变化不是变化莫测的,而是可以用一条趋势线来加以刻画的,即序列的趋势是时间t的确定函数,常用的方法有线性模型、指数模型等(2).该方法只能提取确定性信息,没有利用随机性信息.(2)随机性分析方法,ARIMA模型是典型代表,通过差分方法提取确定性信息,能提高非平稳序列的拟合精度,但难以对模型进行直观解释.     

广义加性模型配合时间序列资料时消除残差自相关性的一种方法

目的广义加性模型假定观察是独立的,但时间序列资料往往存在自相关性。本文探讨在使用广义加性模型配合时间序列资料时消除残差自相关性的一种方法。方法在广义加性模型基础上加入反应变量函数的非参数匀滑函数项。结果本文实例中采用反应变量的滞后项作为反应变量的函数,使1-12阶的残差自相关系数由加入反应变量函数的非参数匀滑函数项之前的0.50～0.25下降为0.09～-0.09,取得了较满意的效果。结论在用广义加性模型配合时间序列资料时,加入反应变量函数的非参数匀滑函数项可以有效控制自相关带给参数假设检验的影响。     

SARIMA模型与残差自回归模型在甲肝发病率预测中的应用及比较

目的比较季节性求和自回归移动平均(SARIMA)模型及残差自回归模型在甲肝发病率预测中的应用效果。方法根据四川省2004年1月~2009年6月的甲肝月发病率资料,分别拟合SARIMA模型和残差自回归模型,比较两种模型的拟合及预测效果。结果 SARIMA模型的AIC值和BIC值分别为64.98和59.07,残差自回归模型的AIC值和BIC值分别为110.01和103.44;SARIMA模型的拟合值与实际值的MAPE、MAE及MSE分别为0.0349、0.0835及0.0016,残差自回归模型的SARIMA的拟合值与实际值的MAPE、MAE及MSE分别为0.0557、0.1392及0.0050。结论 SARIMA模型的拟合与预测效果优于残差自回归模型。     

自回归数学模型对疟疾疫情预测的研究

在时间序列的分析与预报中,最广泛应用的线性回归模型是自回归模型,通过自相关来分析数据的结构和类型,如果数列是纯随机的,那么,其相继数值之间的自相关系数等于零,假如数据具有明显的时间变动和周期变化,就会有很高的自相关系数,从中找出规律,就可以应用自回归数学模型对今后的发展潜势作出预警和预报.本研究选用自回归模型的三阶参数建立了江苏省1990～2002年疟疾疫情预测方程,并对今后几年发病情况作外推预测,为卫生职能部门制定防治措施提供参考依据.     

残差自回归模型和Holt双参数指数平滑模型在“一带一路”沿线部分国家婴儿死亡率预测中的应用及比较

  目的  探讨残差自回归模型和Holt双参数指数平滑模型在"一带一路"沿线部分国家（中国-中南半岛经济走廊沿线）婴儿死亡率预测中的应用。  方法  利用越南、老挝、柬埔寨、缅甸、泰国、新加坡、马来西亚和中国1978-2013年婴儿死亡率时间序列数据作为训练集建立残差自回归模型、Holt双参数指数模型，以2014-2016年婴儿死亡率作为验证集验证模型，并比较拟合及预测效果。  结果  在各国婴儿死亡率预测模型拟合中，残差自回归模型各赤池信息准则（Akaike information criterion，AIC）评价指标均优于Holt双参数指数模型。预测方面两模型均显示出较高的预测精度，残差自回归预测模型大部分指标（绝对误差和相对误差）小于Holt双参数指数模型。其中老挝、缅甸、柬埔寨三个国家残差自回归模型对不同年份的婴儿死亡率（infant mortality rate，IMR）预测效果均优于Holt双参数指数模型。  结论  残差自回归模型和Holt双参数指数模型在"一带一路"沿线部分国家婴儿死亡率预测中表现均较好。残差自回归模型的拟合效果更优，残差自回归模型对婴儿死亡率的预测效果在大多数国家大多数年份优于Holt双参数指数模型。     

残差自回归模型在艾滋病感染率变化趋势中的应用

目的探讨建立残差自回归模型预测某市艾滋病新发感染率的可行性。方法根据某市40个区县1995-2009年艾滋病感染情况数据资料,建立了二次方程和ARMA(1,0)的残差自回归模型。结果残差自回归模型能较好地拟合当地艾滋病月度新发感染率的变动趋势,且2009-08/12的预测值符合实际值的变动趋势。结论该模型能够较好地模拟当地艾滋病新发感染率在时间序列上的变化,可为该地艾滋病新发感染情况的短期预测提供依据。     

浙江省2005-2011年痢疾流行状况及空间自相关分析

目的 分析浙江省2005-2011年痢疾流行状况及空间分布特点,为痢疾有效防控提供理论依据.方法 采用描述性流行病学方法描述从2005到2011在浙江省的痢疾数据,运用ArcGIS10.1软件对痢疾疫情数据进行空间显示和空间自相关分析.结果 2005到2011年浙江省痢疾发病率总体呈现下降趋势,年均发病率为26.20/10万;发病率最高的年龄组为0～5岁,男性发病高于女性;全局Moran's I空间自相关分析2005 ～ 2007年,2008～2009年,2010 ～ 2011年三个阶段值为1.181、1.591、1.297,P值均小于0,痢疾的发病存在空间聚集性,局部Local Moran's I自相关分析显示高发病地区主要集中在杭州市的下城区、上城区、滨江区、余杭区、拱墅区、西湖区、江干区、萧山区及附近县市.结论 浙江省痢疾发病空间分布并非随机分布,具有明显的地域聚集性,相关部门应针对其地域特点制定相应的防控措施.     

灰色多段函数残差辨识法在季节性疾病预测中的应用

目的：探讨季节性疾病的建模预测问题。方法：多段函数残差辨识的灰色建模方法。结果：经后验差比值和小误差概率检验知该模型预测精度为第一级“好”。结论：实例证明该模型有计算简便、对资料要求不严、适应范围较宽、残差信息利用率及拟合预测精度较高等特点，可用于季节性疾病发病时间序列的建模预测。     

灰色多段函数残差辨识法在季节性疾病预测中的应用

目的:探讨季节性疾病的建模预测问题.方法:多段函数残差辨识的灰色建模方法.结果:经后验差比值和小误差概率检验知该模型预测精度为第一级"好".结论:实例证明该模型有计算简便、对资料要求不严、适应范围较宽、残差信息利用率及拟合预测精度较高等特点,可用于季节性疾病发病时间序列的建模预测.     

上海市痢疾发病率预测自回归求和移动平均模型的构建与应用

目的 探讨构建并应用自回归求和移动平均(autoregressive integrated moving average,ARIMA)模型预测上海市痢疾发病率的可行性.方法 基于1990-2007年上海的逐月痢疾发病率,采用非条件最小二乘法估计模型参数,按照残差不相关原则与简洁原则确定模型结构,依据赤池信息准则(Akaike information criterion,AIC)及许瓦兹贝叶斯准则(Schwarz Bayesian criterion,SBC)确定模型的拟合优度,建立预测上海痢疾发病率的最优ARIMA模型.用所得模型预测上海2008年的痢疾发病率,比较预测值与实际值的差异;再以1990年1月至2009年6月的数据构建模型预测上海2010年的痢疾发病率.结果 模型ARIMA(1,1,1)(0,1,2)_(12)较好拟合了既往时间段痢疾发病率的时间序列,模型自回归参数(AR1=0.443)、移动平均参数(MA1=0.806)与季节移动平均参数(SMA1=0.543、SMA2=0.321)均有统计学意义(P<0.01),AIC值=2.878,SBC值=16.131,模型残差为白噪声,模型数学函数式为(1-0.443B)(1-B)(1-B~(12))Z_t=(1-0.806B)(1-0.543B~(12))(1-0.321B~(2×12)μ_t.2008年逐月痢疾发病率的预测值符合实际值的变动趋势,全年发病率预测值与实际值的相对误差率为6.78%.预测2010年上海市痢疾发病率为9.390/10万.结论 ARIMA模型可以较好地拟合上海市痢疾发病率的时间变化趋势,并可用于预测未来的痢疾发病率,是一种短期预测精度较高的预测模型.     

空间分析中空间自相关性的诊断

目的 大部分流行病学资料具有空间属性,即空间相关性和空间异质性,本研究拟从空间自相关统计量、变异函数图、空间自回归模型等3方面探讨具有空间属性资料的空间自相关性分析方法.方法 分别阐述空间自相关统计量、变异函数图和空间自回归模型的原理和计算方法,对其各自的特点进行比较,并以2009年广东省手足口病的发病为例阐述软件实现的过程以及对参数和统计量的解释.结果 基于广义Pearson相关系数的空间自相关统计量可以定量地分析疾病在空间上的聚集状态以及相关程度;变异函数可以对疾病发生的空间变异进行分解,并解释由空间自相关部分引起的变异大小;空间自回归模型则可以扣除间间自相关性的影响后分析影响因素的作用大小.结论 空间自相关统计量、变异函数图、空间自回归模型是定性和定量地分析空间自相关性的方法,三者结合可以很充分地分析疾病的空间自相关性.     

逆自相关函数及其在ARMA模型识别中的作用

目的 介绍逆自相关函数的意义，说明其在ＡＲＭＡ模型识别中的作用。方法 分析逆自相关函数以了解时序的结构特征，获得简约的拟俣模型形式。结果 实全的表明，逆自相关函数的疏系数模型的识别中，明确地补充刻划了模型结构，有可靠的应用价值。结论 在时间序列的ＡＲＭＡ模型识别中，考虑自相关函数与偏自相关函数的同时，充分利用逆自相关函数提供的信息，有助于选得较优模型。     

应用灰色系统模型预测痢疾爆发流行时间的探讨

1957～2000年44年间莱芜市痢疾年均发病率为239.74/10万,1974年发病率最高达2 556.49/10万,至2000年发病率虽降至28.41/10万,但其发病数仍占甲乙类传染病总发病数的27.86%,仅次于病毒性肝炎,居第2位,是我市重点防治的传染病之一.     

自回归求和移动平均模型在阜阳市手足口病疫情预测预警中的应用

目的探讨自回归求和移动平均模型（autoregressive integrated moving average,ARIMA）在手足口病疫情预测预警中的应用,验证分析模型的可行性与适用性。方法利用安徽阜阳市2009-2013年手足口病发病资料,拟合ARIMA模型,对阜阳市2014年1-3月各月发病情况进行预测评价。结果建立ARIMA（1,2,0）（0,1,0）12模型,预测结果基本符合实际发病变动趋势,验证了该模型的可用性。结论 ARIMA模型可用于模拟手足口病发病在时间序列上的变化趋势,进行短期预测。     

应用时间序列模型预测麻疹疫情

目的 应用时间序列模型中的自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA),分析麻疹发病,为麻疹的预警预测提供科学依据.方法 利用吉林省麻疹监测系统3年来麻疹月发病数,采用SPSS统计软件中ARIMA数学模型,通过残差分析方法建立麻疹疫情ARIMA预测模型.结果 吉林省麻疹时间序列(经Ljung-Box检验,P=0.96)符合ARIMA(1,0,1)模型,且模型检查自相关系数在±0.5之间,预测值与观测值具有较高的吻合度.结论 麻疹ARIMA模型对麻疹疫情预测有较好效果.     

灰色模型GM(1,1)和残差自回归模型在中国孕产妇死亡率预测中的应用

目的 采用灰色模型GM(1,1)和残差自回归模型分别对我国孕产妇死亡率(MMR)进行预测,并比较两者预测准确性,为MMR预测提供方法学指导。方法 根据我国1991—2020年的MMR数据,应用灰色模型GM(1,1)和残差自回归模型,建立MMR预测模型并进行预测研究。结果 GM(1,1)模型对MMR预测精度高于残差自回归模型,求得GM(1,1)方程为：x⁽(1))(k+1)=-1 544.142 7e^{-0.051 1k}+1 624.142 7,拟合检验显示本模型拟合精度好(C=0.186 8,P=1),能够较好地预测MMR的趋势,预测2022—2024年MMR分别为16.6/10万、15.8/10万和15.0/10万。结论 对于1991—2021年MMR数据,GM(1,1)拟合效果优于残差自回归模型,预测表明2022—2024年我国MMR将继续呈下降趋势。     

一起食源性痢疾疫情病原菌检测分析

2006-09-03,崇州市疾控中心接到报告,实验小学发生群体性感染性腹泻,现将实验室检测结果报告如下. 1 流行病学调查     

风疹疫情时间序列模型预测效果评价

时间序列分析是专门用于分析时间序列资料的统计模型。它主要分析变量间的因果关系,重点观察变量随时间变化的发展规律。时间序列分析方法(ARIMA)模型在国内外被广泛应用于很多领域中,利用ARIMA模型,美国进行了2010年人群平均寿命预测〔1〕,在中国ARIMA被用于月门诊量的预测〔2〕和乙型肝炎发病率的分析〔3〕。     

中老年人自评健康与轻度认知障碍的相关性

目的探讨中老年人自评健康(SRH)与轻度认知障碍(MCI)的相关性,为早期发现老年痴呆高危人群,防控老年痴呆提供参考。方法基于"广州生物库队列研究"(GBCS)平台,选取27 888名50岁以上广州中老年人的基线资料,采用协方差分析和非条件logistic回归模型分析SRH与10个单词延迟记忆测试(DWRT)和MCI的相关性。MCI定义为DWRT小于4分。结果基于与同龄人比的SRH,自评良好组DWRT得分为5.56(95%CI:5.49~5.64)分,显著高于自评一般组[5.38(95%CI:5.31~5.45)分]和较差组[5.30(95%CI:5.21~5.38)分],差异均有统计学意义(t值分别为7.30、7.10,P0.01)。与自评良好组比,自评一般组和较差组患MCI的风险分别增加24%(95%CI:13%~35%)和45%(95%CI:27%~66%),差异有统计学意义(Waldχ2=34.68,P0.01)。基于自身总体感觉的SRH,自评好者DWRT得分[5.44(95%CI:5.37~5.51)分]显著高于自评差者[5.36(95%CI:5.29~5.44)分],差异有统计学意义(F=8.60,P0.01)。自评差者患MCI风险相对自评好者增加23%(95%CI:13%~35%),差异有统计学意义(Waldχ2=20.96,P0.01)。选相对健康者做敏感性分析或按性别分层分析,结果与上述一致。结论自评健康差与MCI有关,对自评健康差者进行认知障碍测试和合理干预可能有助于防控老年痴呆。     

2011-2018年我国登革热疫情时间序列分析及空间自相关分析

目的  了解2011-2018年我国登革热疫情时空分布特征,对2019年我国登革热的发病情况进行预测。 方法  基于中国疾病预防控制信息系统中2011-2018年我国登革热的病例数据,借助R 3.6.0软件,使用自回归积分滑动平均模型（autoregressive integrated moving average model,ARIMA）对登革热的发病趋势进行描述和预测。基于国家人口与健康科学数据共享服务平台提供的2011-2016年全国以及各省市登革热发病率、发病人数数据,采用GeoDa 1.12软件进行全局、局部空间自相关分析,确定登革热时空热点区域。 结果  预测2019年全年登革热发病数为14 302人。2012年（Moran's I=-0.088,P=0.037）、2013年（Moran's I=-0.121,P=0.040）和2014（Moran's I=-0.076,P=0.045）年全国登革热发病呈现全局空间负相关关系,2016年（Moran's I=0.078,P=0.048）登革热发病呈现全局空间正相关关系。局部自相关分析结果显示,登革热发病高聚集区域主要在我国东南沿海地区。 结论  2019年我国登革热的流行无明显波动趋势,且疫情呈空间聚集性分布。