版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、目的:
對收集的甲肝患病率資料采用確定性分析、隨機性分析、確定性和隨機性混合性分析以及不依賴數(shù)據(jù)原始分布特征的四種時間分布模型進行擬合,分析和比較不同的時間分布模型對資料的擬合和預測效果,為甲肝的流行趨勢研究提供參考,為維護居民健康,制定防治策略及防范重點,合理分配衛(wèi)生資源等提供理論依據(jù)。
方法:
本研究從法定傳染病報告系統(tǒng)收集整理2006年1月-2014年12月浙江省甲型病毒性肝炎染病報告卡,按月對甲肝報
2、告病例數(shù)進行匯總,從浙江省疾病預防控制中心收集浙江省2006年-2014年的常住人口數(shù)據(jù)并計算甲肝按月統(tǒng)計的發(fā)病率;采用序列圖對2006年1月-2014年12月的甲肝分布特征進行描述;采用自回歸求和滑動平均模型(Autoregressive Integrated Moving Average Model,ARIMA)、指數(shù)平滑法(Exponential smoothing method)、殘差自回歸模型(Auto-Regressive
3、Model)以及灰色模型(Grey Model,GM)分別對2006年1月-2013年12月和2006年1月-2011年12月甲肝按月發(fā)病率進行擬合,并采用R2,AIC,SBC等對模型擬合效果進行評價;采用本研究建立的模型對2014-2015年和2012-2015的甲肝按月發(fā)病率進行預測,采用均方誤差(Mean Square Error, MSE)、均方根誤差(Rooted MeanSquare Error, RMSE)和平均絕對百分比
4、誤差(Mean Absolute Percent Error, MAPE)對模型預測效果進行評價。資料整理采用Excel2013,模型擬合采用SAS9.2和SPSS20.0統(tǒng)計分析軟件,以P≤0.05為差異有統(tǒng)計學意義。
結果:
對浙江省2006年1月-2013年12月的數(shù)據(jù)擬和ARIMA(2,1,1)(0,1,1)12NOINT,ARIMA(1,1,1)(0,1,1)12N0INT和ARIMA(0,1,1)(0,1
5、,1)12NOINT模型,模型參數(shù)均通過檢驗,殘差序列均為白噪聲序列,按照參數(shù)個數(shù)越少模型最優(yōu),AIC和SBC越小模型越優(yōu)的判斷標準,最終確定ARIMA(1,1,1)(0,1,1)NOINT模型為擬合效果最優(yōu)的ARIMA模型;采用阻尼趨勢、簡單季節(jié)性、Winters加法和Winters乘法模型對2006年1月-2013年12月甲肝按月發(fā)病率進行擬合,Winters乘法模型的R2達到0.92,且平均絕對百分比誤差,均方誤差,均方根誤差和B
6、IC均為四個模型中最小,Winters乘法是擬合效果最優(yōu)的指數(shù)平滑法;殘差自回歸模型的總R方為0.86,擬合效果優(yōu)于確定性回歸模型,Durbin-Watson統(tǒng)計量為1.94,接近2,模型殘差序列不相關,殘差自回歸模型擬合情況良好,對甲肝總體流行趨勢以及季節(jié)性波動狀況的擬合均有較好的表現(xiàn);對2006年1月-2013年12月數(shù)據(jù)擬合GM(1,1)模型,模型后驗差比值C=0.4902,小誤差概率P=0.8316,模型的精度為合格,可以使用模
7、型進行外推預測。
對2006年1月-2011年12月的數(shù)據(jù)擬和ARIMA((1,12),1,(1,12))NOINT,ARIMA((1,12),1,1)NOINT和ARIMA((12),1,1)NOINT模型,模型殘差序列均為白噪聲序列,按照參數(shù)個數(shù)越少模型最優(yōu),AIC和SBC越小模型越優(yōu)的判斷標準,最終確定ARIMA((12),1,1)NOINT模型為擬合效果最優(yōu)的ARIMA模型;采用阻尼趨勢、簡單季節(jié)性、Winters加法
8、和Winters乘法模型對2006年1月-2011年12月甲肝按月發(fā)病率進行擬合,Winters乘法模型的R2達到0.91,且平均絕對百分比誤差,均方誤差,均方根誤差和BIC均為四個模型中最小,Winters乘法是擬合效果最優(yōu)的指數(shù)平滑法;殘差自回歸模型的總R2為0.89,擬合效果明顯優(yōu)于確定性回歸模型,Durbin-Watson統(tǒng)計量為2.03,接近2,模型殘差序列不相關,殘差自回歸模型擬合情況良好,對甲肝總體流行趨勢以及季節(jié)性波動狀
9、況的擬合均有較好的表現(xiàn);對2006年1月-2011年12月數(shù)據(jù)擬合GM(1,1)模型,模型后驗差比值C=0.5594,小誤差概率P=0.7887,模型的精度為基本合格。
采用2006-2013年建立的ARIMA(1,1,1)(0,1,1)12NOINT模型,Winters乘法指數(shù)平滑法,殘差自回歸模型和GM(1,1)模型對2014-2015年甲肝按月發(fā)病率進行預測并與2014年的實際值進行比較分析;同時采用使用2006-201
10、1年發(fā)病率建立的ARIMA((12),1,1)NOINT模型,Winters乘法指數(shù)平滑法,殘差自回歸模型和GM(1,1)模型對2014-2015年甲肝按月發(fā)病率進行預測并與2012-2014年的實際值進行比較分析,短期模型的各項誤差評價指標均小于長期模型,短期模型中Winters乘法指數(shù)平滑法的MSE=0.0003,MAPE=18.2777,RMSE=0.0181,三項指標均是四個模型中最小的,是最適合甲肝發(fā)病率研究的預測模型。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 狀態(tài)空間模型在麻疹流行趨勢研究中的應用.pdf
- 體制轉換模型在時間序列的趨勢判定中的應用.pdf
- ARCH類模型及其在時間序列分析中的應用.pdf
- 時間序列趨勢分析及其在預防性維修中的應用
- 時間序列趨勢分析及其在預防性維修中的應用.pdf
- 基于時間序列模型的傳染病流行趨勢及預測研究.pdf
- 寧夏甲肝流行特征分析及其防控策略研究.pdf
- 時間序列分析在金融中的應用
- 神經(jīng)網(wǎng)絡組合預測模型及其在房價趨勢分析中的應用.pdf
- 趨勢季節(jié)模型在痢疾發(fā)病人數(shù)中的應用.pdf
- 水文時間序列趨勢分析的研究與應用.pdf
- BP神經(jīng)網(wǎng)絡算法在音樂流行趨勢預測中的應用研究.pdf
- 流行趨勢在產(chǎn)品設計上的運用研究——海派流行趨勢在包袋設中的運用.pdf
- 趨勢分析在水質管理中的應用研究.pdf
- 超球面模型在林分生長動態(tài)監(jiān)測及趨勢分析中的技術應用.pdf
- 狀態(tài)空間模型在季節(jié)性時間序列中的應用.pdf
- 時間分辨光譜技術在免疫分析中的應用.pdf
- 中國布魯氏桿菌病流行趨勢及時間序列模型預測研究.pdf
- 時間序列模型在物流需求預測中的應用
- 基于信息再利用的灰色系統(tǒng)GM(1,1)模型在傳染病流行趨勢預測中的應用.pdf
評論
0/150
提交評論