您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览195 | 下载0

目的 探讨自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型在苏州市其他感染性腹泻发病预测方面的应用.方法 利用R软件对苏州市2004年1月-2015年12月的其他感染性腹泻发病率数据构建ARIMA乘积季节模型,预测苏州市2016年1-12月其他感染性腹泻发病率.结果 建立了ARIMA(1,1,1)×(0,1,1)12乘积季节模型,模型Ljung-Box检验差异无统计学意义(Q=5.305,P=0.947),模型短期预测效果较好,2016年1-6月苏州市其他感染性腹泻发病率预测值与实际发病率进行比较,相对误差的平均值为o.041,实际发病率均在预测结果95%可信区间内.结论 ARIMA(1,1,1)×(0,1,1)12季节乘积模型可用于苏州市其他感染性腹泻发病的短期预测.

作者:王建书;刘强;杭惠;覃江纯;杨海兵

来源:职业与健康 2018 年 34卷 6期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:195 | 下载:0
作者:
王建书;刘强;杭惠;覃江纯;杨海兵
来源:
职业与健康 2018 年 34卷 6期
标签:
ARIMA乘积季节模型 其他感染性腹泻 发病预测 Multiple seasonal ARIMA model Other infectious diarrhea Prediction
目的 探讨自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型在苏州市其他感染性腹泻发病预测方面的应用.方法 利用R软件对苏州市2004年1月-2015年12月的其他感染性腹泻发病率数据构建ARIMA乘积季节模型,预测苏州市2016年1-12月其他感染性腹泻发病率.结果 建立了ARIMA(1,1,1)×(0,1,1)12乘积季节模型,模型Ljung-Box检验差异无统计学意义(Q=5.305,P=0.947),模型短期预测效果较好,2016年1-6月苏州市其他感染性腹泻发病率预测值与实际发病率进行比较,相对误差的平均值为o.041,实际发病率均在预测结果95%可信区间内.结论 ARIMA(1,1,1)×(0,1,1)12季节乘积模型可用于苏州市其他感染性腹泻发病的短期预测.