本文選題：ARIMA模型 + 時間序列分析��； 參考：《南京醫(yī)科大學學報(自然科學版)》2017年05期

【摘要】：目的:了解江蘇省梅毒的流行病學特點,構(gòu)建預測江蘇省梅毒月發(fā)病率的自回歸移動平均模型(autoregressive integrated moving average model,ARIMA),為梅毒預防控制工作提供參考依據(jù)。方法:利用江蘇省1995—2009年梅毒月發(fā)病率資料建立ARIMA預測模型,并進行模型評價。結(jié)果:擬合ARIMA(1,1,0),(2,1,0)模型為預測江蘇省梅毒月發(fā)病率的最佳模型,模型周期性、季節(jié)性一階、二階系數(shù)分別為-0.579、-0.245、-0.357,t檢驗統(tǒng)計量分別為8.777,2.881,4.766,相應的P值分別為0.001、0.005、0.001,表明該模型具有較高的預測精度,預測值與實際值較為接近,且實際值均在預測值的95%置信區(qū)間范圍內(nèi),預測效果較好。結(jié)論:ARIMA模型能較好地預測梅毒發(fā)病率的變化趨勢,為梅毒預防控制措施的制定提供重要依據(jù)。
[Abstract]:Objective: to investigate the epidemiological characteristics of syphilis in Jiangsu Province, and to construct an autoregressive integrated moving average model to predict the monthly incidence of syphilis in Jiangsu Province, so as to provide a reference for the prevention and control of syphilis. Methods: based on the monthly syphilis incidence data from 1995 to 2009 in Jiangsu Province, a ARIMA prediction model was established and evaluated. Results: the fitting model of Arima is the best model for predicting the monthly incidence of syphilis in Jiangsu Province. The model is periodic and seasonal. The second order coefficients are -0.579- 0.245- 0.357t test statistics are 8.777U 2.881g / 4.766and the corresponding P values are 0.001n0.00050.001respectively. The results show that the model has a high prediction accuracy, the predicted values are close to the actual values, and the actual values are within the 95% confidence interval of the predicted values. The prediction effect is good. Conclusion the weight Arima model can predict the trend of syphilis incidence and provide important basis for the establishment of syphilis prevention and control measures.
【作者單位】： 南京醫(yī)科大學公共衛(wèi)生學院流行病與衛(wèi)生統(tǒng)計學系;江蘇省疾病預防控制中心;
【基金】：國家自然科學基金(81673275,U1503123) 國家“十二五”重大科技專項(2012ZX10001-001) 江蘇省高校優(yōu)勢學科建設(shè)工程資助
【分類號】：R181.8;R759.1

【相似文獻】

相關(guān)期刊論文 前10條

1 楊召;葉中輝;趙磊;薛慶元;梁淑英;王重建;;ARIMA-BPNN組合預測模型在流感發(fā)病率預測中的應用[J];中國衛(wèi)生統(tǒng)計;2014年01期

2 韋麗琴,徐勇勇,陳長生,王素華,趙若望,張玉娥,任忠和;ARIMA模型在交通事故預測中的應用[J];包頭醫(yī)學院學報;2004年04期

3 孫奕;賈翠平;覃世龍;;兒童傷害住院費用ARIMA預測模型研究[J];數(shù)理統(tǒng)計與管理;2007年06期

4 黃彥;易東;田考聰;;ARIMA預測模型的SAS程序?qū)崿F(xiàn)及其應用[J];激光雜志;2007年01期

5 張晉昕,方積乾,凌莉,陳雄飛,黨容;基于預報效果的ARIMA模型篩選[J];中國衛(wèi)生統(tǒng)計;2004年01期

6 林玫;李永紅;梁大斌;廖和壯;黃君;;ARIMA與GM模型在廣西細菌性傳染病預測中的應用[J];應用預防醫(yī)學;2012年04期

7 羅靜;楊書;張強;王璐;;時間序列ARIMA模型在艾滋病疫情預測中的應用[J];重慶醫(yī)學;2012年13期

8 焦亮;阮峰;黃利群;譚愛軍;蔣義國;;基于ARIMA的流感癥狀預測模型[J];實用預防醫(yī)學;2010年08期

9 范引光;呂金偉;戴色鶯;張渝婧;蘇虹;潘發(fā)明;王靜;葉冬青;;ARIMA模型與灰色預測模型GM(1,1)在HIV感染人數(shù)預測中的應用[J];中華疾病控制雜志;2012年12期

10 董選軍;余運賢;馮霞燕;;乙類傳染病的ARIMA、灰色模型及組合預測模型比較[J];中國公共衛(wèi)生管理;2013年06期

相關(guān)碩士學位論文 前2條

1 朱寧;邵陽市2004-2013年艾滋病流行特征及ARIMA-BP組合模型在艾滋病預測中的應用[D];南華大學;2015年

2 王山;時間分布模型在甲肝流行趨勢分析中的應用[D];浙江大學;2016年

，

本文編號：1793064