上海市闵行区出生缺陷发生率预测的自回归求和滑动平均模型构建与应用

目的探讨构建并应用自回归求和滑动平均(ARIMA)模型预测上海市闵行区出生缺陷发生率的可行性。方法基于2010-2015年闵行区的逐月出生缺陷发生率建立最优ARIMA模型。用所得模型回代预测闵行区2016年1-12月出生缺陷发生率,比较预测值与实际值的相对误差;再以2010年1月-2016年12月的数据构建模型预测2017年各月的出生缺陷率。结果模型ARIMA(1,1,1)(无常数项)较好拟合了既往出生缺陷率的时间序列,模型自回归参数(AR1=-0.46)与滑动平均参数(MA1=0.98)均有统计学意义(P<0.05),模型残差为白噪声(P>0.05)。2016年1-12月出生缺陷率的预测值符合实际值的变动趋势,相对误差最小仅为0.83%。模型外推预测闵行区2017年的出生缺陷率为1.061%。结论 ARIMA模型可以较好地拟合闵行区出生缺陷率的时间变化趋势,并可用于短期预测未来的出生缺陷率。     

全国孕产妇死亡率不同模型的拟合效果比较

目的:探究分析灰色模型GM(1,1)、ARIMA及线性回归模型在孕产妇死亡率(MMR)中的拟合应用并比较模型的适用性及精确性,为妇幼保健工作提供科学依据。方法:以1991~2012年全国MMR为原始资料,运用SAS分析软件,分别采用灰色模型GM(1,1)、ARIMA及线性回归进行拟合比较分析并预测2013年MMR,比较预测效果。结果:灰色模型GM(1,1)和线性回归模型均通过模型检验建模成功,灰色模型GM(1,1)P=1.00,C=0.137 89,线性回归模型F=236.57,P<0.000 1;2013年MMR预测显示:线性回归模误差较大,误差的方差(MPE)为10.08,平均相对误差绝对值(MAPE)为13.69%。结论:ARIMA不适合拟合MMR,灰色模型GM(1,1)和线性回归模型均可用于MMR的拟合,但预测某一年份时需慎重。     

应用灰色模型预测围产儿出生缺陷发病趋势

目的探讨灰色模型预测围产儿出生缺陷发病率的价值，了解我省围产儿出生缺陷的发病情况和动态变化趋势，为制定防治措施提供依据。方法建立灰色模型对1995-2003年山东省围产儿出生缺陷发病率进行模型拟合和趋势预测，用决定系数R^2检验拟合效果，回代误差和后验差检验预测精度。结果山东省围产儿出生缺陷发病率灰色残差GM（1，1）模型：γ0（t）=-3957.5＋4008.8e^0.018623（t-1）十δ（t-1-i）[6.61e^0.0000893（t-1）-6.61]。决定系数R^2=0.93，模型拟和较好，预测值与实测值平均相对误差率为7．2％，后验差检验得到模型后验差比值为0.57，小误差概率0.78，精度检验尚可接受。结论山东省围产儿出生缺陷发病率灰色残差GM（1，1）模型拟合较为理想。预测今后几年我省围产儿出生缺陷发病率呈上升趋势。     

GM(1,1)模型和ARIMA模型预测我国淋病发病率

目的比较ARIMA模型和GM(1,1)模型在我国淋病发病率预测中的效果,为完善我国淋病的监测和防制工作提供参考依据。方法收集2004年1月-2012年12月我国淋病的月发病率资料,用SPSS 13.0软件和GM软件2008分别拟合ARIMA模型和GM(1,1)模型,并用2013年每月的数据评价模型的预测效果。结果 GM(1,1)模型的CC=0.818 1、P=0.000 0,拟合效果较差,不适合用于预测我国淋病的月发病率。ARIMA(1,1,0)×(2,1,1)12模型的各参数差异均具有统计学意义(AIC=-170.388,SBC=-157.024),对数似然函数值为90.194,并且残差序列Box-Ljunt统计结果显示统计量差异均无统计学意义(P0.05)。为预测我国淋病月发病率的最佳模型,预测值和实际值的动态趋势基本一致。并用此模型对我国2014年每月淋病发病率进行了预测。结论 GM(1,1)模型不能用于我国淋病月发病率的预测。ARIMA模型是一种短期内预测精度较高的预测模型,预测效果可靠。     

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。     

基于灰色GM(1,1)模型与ARIMA模型的四川省卫生人力资源预测探讨

目的运用灰色GM(1,1)模型与ARIMA模型对四川省卫生人力资源进行预测,为相关部门制定政策提供参考。方法采用EXCEL建立数据库,运用Matlab编程拟合灰色GM(1,1)模型、SPSS22.0拟合ARIMA模型,对四川省1990-2020年卫生人力资源进行了预测。结果拟合的灰色GM(1,1)模型误差绝对值(%)、平均误差值(%)均高于ARIMA(1,1,1)模型。结论 ARIMA(1,1,1)预测结果优于灰色GM(1,1)模型,模型拟合需要考虑数据特征等因素。     

GM(1,1)灰色模型和ARIMA模型在上海市手足口病发病率预测应用中的比较研究

目的分别采用求和自回归滑动平均模型(autoregressive integrated moving average,ARIMA)和灰色模型GM(1,1)(grey model,GM(1,1))对上海市手足口病的发病率进行预测,并比较两者的预测效果。方法采用2005-2008年上海市手足口病的月发病率和年发病率分别建立ARIMA模型和GM(1,1)模型,并使用2009年的实际年发病率验证两种模型拟合和预测效果。选取相对误差最小的模型预测2011-2012年的发病率。结果 针对手足口病发病率建立的GM(1,1)模型和ARIMA模型,2005-2008年的拟合平均误差率分别为11.06%和10.54%;对2009年进行预测,预测值与实测值的相对误差分别为69.30%和6.51%。采用ARIMA模型对2011年和2012年的年发病率预测为255.32/10万和294.59/10万。结论 ARIMA模型对上海市手足口病的预测效果要优于灰色模型GM(1,1),对解决时间序列类型的发病率等资料有很好的实用价值,预测结果对该病的防治具有科学意义。     

深圳市登革热传播风险ARIMA模型预测分析

目的利用拟合ARIMA模型对深圳市登革热发病趋势进行时间序列分析和预测,为制定登革热防治策略提供科学依据。方法收集深圳市2011-2015年登革热月发病资料,通过SPSS 20.0和SAS 9.4统计软件拟合ARIMA模型,预测2015年7~12月的发病率。结果最终拟合为ARIMA(1,0,0)(0,1,0)12模型,残差为白噪声序列,预测值与实际值的平均相对误差为20.6%。2015年7、8、9月份登革热发病的预测值符合实际值的变动趋势。结论 ARIMA模型能较好模拟深圳市登革热的短期发病趋势。     

ARIMA模型在肺结核发病预测中的应用

目的探讨应用自回归滑动平均混合模型(ARIMA)预测肺结核发病率的可行性。方法应用SPSS13.0软件对甘肃省2000年1月～2008年6月肺结核逐月发病率进行ARIMA建模拟合;用2008年7～12月逐月发病率检验模型,并进一步预测2009年分月发病情况。结果模型ARIMA(0,1,1)(1,1,0)12(不含常数项)所有参数都通过统计学检验,残差序列是白噪声,拟合优度相对最好,参数间弱相关(r=0.269),用模型进行预测,其预测值与实际值之间的平均相对误差为0.046,模型预测精度较高。结论自回归滑动平均混合模型可很好地模拟和预测肺结核发病率在时间序列上的变动趋势,将其应用于肺结核发病预测是可行的。     

ARIMA模型与GM(1,1)模型在痢疾发病数预测中的比较研究

目的 分别应用求和自回归滑动平均模型(autoregressive integrated moving average model, ARIMA)和灰色模型(gray forecast model)GM(1,1)对湖北省痢疾发病数进行预测,比较两种方法的预测效果,为选择更适宜的方法提供依据。方法 分别应用2001－2015年月发病数及年发病数建立ARIMA模型和GM(1,1)模型,用平均误差率(mean error rate,MER)和决定系数(coefficient of determination,R²)评价拟合效果,并采用2016年实际发病数验证预测效果,选择准确性更高的模型对2017－2018年发病数进行预测。结果 建立的ARIMA模型为SARIMA(1,0,0)(0,1,1)₁₂,GM(1,1)模型为(t+1)=-274 126.038e^{-0.067 467t}+293 275.08,两模型的平均误差率(mean error rate,MER)分别为3.55%和14.78%;决定系数(R²)分别为0.993和0.960,2016年实际发病数与两模型预测发病数的残差分别为635和3 240;相对误差分别为16.54%和84.38%,综合考虑各项评价指标采用ARIMA模型对2017－2018年发病数进行预测分别为4 286和4 011。结论 通过拟合及预测评价指标的比较ARIMA模型均优于GM(1,1)模型,可得ARIMA模型对湖北省痢疾发病数的预测比GM(1,1)模型有较明显的优势,能更准确的处理时间序列类型的资料,此预测结果准确具有实用价值,可为卫生防治工作提供依据。