中国血吸虫病防治杂志 ›› 2018, Vol. 30 ›› Issue (1): 47-53.
谭恩丽1|王正峰2|周文策2|李石柱3|卢艳3|艾琳3|蔡玉春3|滕雪娇3|张顺先3|党志胜3|杨春利4|陈家旭3|胡薇3|5|周晓农3|田利光3*
TAN En-li1| WANG Zheng-feng2| ZHOU Wen-ce2| LI Shi-zhu3| LU Yan3| AI Lin3| CAI Yu-chun3| TENG Xue-jiao3| ZHANG Shun-xian3| DANG Zhi-sheng3| YANG Chun-li4| CHEN Jia-xu3| HU Wei3|5| ZHOU Xiao-nong3| TIAN Li-guang3*
摘要: 目的 采用自回归移动平均模型(Autoregressive integrated moving average,ARIMA)对全国(不含港、澳、台地区)包虫病月报告病例数进行预测,为包虫病的防控提供科学参考。方法 通过SPSS 24.0软件,分别以2007-2015年和2007-2014年全国包虫病月报告病例数,分别建立最优的ARIMA模型,并进行模型比较。结果 2007-2015年全国包虫病月报告病例数的最优模型为ARIMA(1,0,0)(1,1,0)12,预测相对误差为-13.97%,AR(1)= 0.367(t = 3.816,P < 0.001)、SAR(1)= -0.328(t =-3.361,P = 0.001),Ljung?Box Q = 14.119(df = 16,P = 0.590)。2007-2014年全国包虫病月报告病例数的最优模型为ARIMA(1,0,0)(1,0,1)12,预测相对误差为0.56%,AR(1)= 0.413(t = 4.244,P < 0.001),SAR(1)= 0.809(t = 9.584,P < 0.001),SMA(1)= 0.356(t = 2.278,P = 0.025),Ljung?Box Q = 18.924(df = 15,P = 0.217)。结论 时间序列不同,所建立的预测模型可能不同。数据积累越多、预测时间越短、预测误差越小的情况还需得到进一步验证。模型的建立和预测应用是动态过程,需要不断根据积累的数据进行调整,但同时要充分考虑影响传染病报告病例数相关工作(普查和专项调查等)的影响。
中图分类号: