亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        季節(jié)性ARIMA模型在疑似預(yù)防接種異常反應(yīng)報(bào)告趨勢(shì)預(yù)測(cè)中的應(yīng)用*

        2021-05-08 05:54:58遼寧省疾病預(yù)防控制中心110005
        關(guān)鍵詞:季節(jié)性時(shí)序差分

        遼寧省疾病預(yù)防控制中心(110005) 常 琳 孫 靜 方 興

        【提 要】 目的 建立疑似預(yù)防接種異常反應(yīng)(adverse event following immunization,AEFI)報(bào)告病例數(shù)的季節(jié)性自回歸積分滑動(dòng)平均模型(autoregressive integrated moving average model,ARIMA),對(duì)AEFI報(bào)告數(shù)進(jìn)行預(yù)測(cè)。方法 使用R語(yǔ)言做模型的識(shí)別、模型參數(shù)的估計(jì)、檢驗(yàn),建立季節(jié)性ARIMA模型,對(duì)遼寧省AEFI報(bào)告數(shù)進(jìn)行模型擬合,用2019年1-12月的預(yù)測(cè)值與實(shí)際值作比較,檢驗(yàn)?zāi)P偷念A(yù)測(cè)能力。結(jié)果 經(jīng)過(guò)多次檢驗(yàn),確定ARIMA(0,1,1)(1,1,1)12模型預(yù)測(cè)能力最佳,其殘差序列為白噪聲。用2019年1-12月數(shù)據(jù)檢驗(yàn)?zāi)P停蒑APE的絕對(duì)值可以看出,除3月外其他月份預(yù)測(cè)值與實(shí)際值相差均較小,說(shuō)明模型的擬合優(yōu)度相對(duì)較好,預(yù)測(cè)結(jié)果可靠。結(jié)論 季節(jié)性ARIMA(0,1,1)(1,1,1)12模型可以較為準(zhǔn)確地預(yù)測(cè)遼寧省AEFI病例報(bào)告趨勢(shì),可為合理配置AEFI調(diào)查診斷所需資源提供理論依據(jù)。

        近年來(lái),隨著擴(kuò)大免疫規(guī)劃工作的深入開(kāi)展,疫苗可控制傳染病發(fā)病率逐年下降,預(yù)防接種后發(fā)生的疑似預(yù)防接種異常反應(yīng)(adverse event following immunization,AEFI)逐漸進(jìn)入了公眾的視線,成為媒體關(guān)注的重點(diǎn)[1-2],使得免疫規(guī)劃工作者將越來(lái)越多的精力投入到AEFI處置工作中去。為合理科學(xué)地配置AEFI調(diào)查診斷所需資源,需要對(duì)AEFI病例報(bào)告趨勢(shì)進(jìn)行科學(xué)的預(yù)測(cè)。

        季節(jié)性自回歸積分滑動(dòng)平均模型(autoregressive integrated moving average model,ARIMA)模型是由Box和Jenkins于20世紀(jì)70年代初提出的一著名時(shí)間序列預(yù)測(cè)方法,所以又稱(chēng)為Box-Jenkins模型。ARIMA模型的基本思想是:將預(yù)測(cè)對(duì)象隨時(shí)間推移而形成的數(shù)據(jù)序列視為一個(gè)隨機(jī)序列,用一定的數(shù)學(xué)模型來(lái)近似描述這個(gè)序列。ARIMA(p,d,q)模型中AR是自回歸,p為自回歸項(xiàng)數(shù);MA為移動(dòng)平均,q為移動(dòng)平均項(xiàng)數(shù),d為時(shí)間序列成為平穩(wěn)時(shí)所做的差分次數(shù)。季節(jié)性ARIMA(p,d,q)(P,D,Q)12模型中,P、D、Q分別表示季節(jié)性自回歸、差分和移動(dòng)平均的階次,以大寫(xiě)與非季節(jié)性的p、d、q區(qū)分[3]。

        材料與方法

        1.資料來(lái)源

        以2009-2019年中國(guó)免疫規(guī)劃信息管理系統(tǒng)中遼寧省境內(nèi)報(bào)告AEFI病例為研究對(duì)象,以每月的AEFI報(bào)告數(shù)構(gòu)成時(shí)間序列。

        2.季節(jié)性ARIMA模型建模步驟[4]

        (1)繪制時(shí)序圖,掌握序列基本趨勢(shì);

        (2)通過(guò)純隨機(jī)性檢驗(yàn)考察序列平穩(wěn)性;

        (3)通過(guò)一階差分和季節(jié)差分對(duì)序列進(jìn)行平穩(wěn)化,通過(guò)單位根檢驗(yàn)驗(yàn)證其平穩(wěn)性;

        (4)通過(guò)觀察平穩(wěn)化后序列的自相關(guān)和偏自相關(guān)圖,對(duì)模型進(jìn)行識(shí)別和優(yōu)化,確定d值、p值、q值和P值,D值,Q值;

        (5)通過(guò)Ljung-Box檢驗(yàn)等方法檢測(cè)模型殘差,判斷模型的適合性;

        (6)利用2019年1-12月AEFI報(bào)告數(shù)據(jù)檢驗(yàn)?zāi)P偷念A(yù)測(cè)效果。

        3.統(tǒng)計(jì)分析軟件

        使用R 3.6.1 進(jìn)行數(shù)據(jù)分析。采用utils包中的 read.csv函數(shù)提取原始數(shù)據(jù),采用stats包中的ts函數(shù)對(duì)原始數(shù)據(jù)進(jìn)行時(shí)間序列處理,用tseries包中的adf.test函數(shù)進(jìn)行單位根檢驗(yàn),用forecast包中的forecast函數(shù)進(jìn)行預(yù)測(cè),用stats包中的box.test對(duì)殘差序列進(jìn)行白噪聲檢驗(yàn)(模型有效性檢驗(yàn))。

        結(jié) 果

        1.時(shí)序圖繪制及檢驗(yàn)

        利用stats包中的ts函數(shù)繪制時(shí)序圖(圖1)和時(shí)序分解圖(圖2),由時(shí)序圖可以看出AEFI人次呈長(zhǎng)期增長(zhǎng)趨勢(shì),為非平穩(wěn)序列,由時(shí)序分解圖可以看出原數(shù)據(jù)受季節(jié)因素影響。經(jīng)Ljung-Box檢驗(yàn)后,認(rèn)為此序列為非白噪聲序列(P<0.05)。

        圖1 2009-2019年遼寧省報(bào)告AEFI人次時(shí)序圖

        圖2 2009-2019年遼寧省報(bào)告AEFI人次時(shí)序分解圖

        2.時(shí)間序列的平穩(wěn)化

        由時(shí)序圖看出原始時(shí)間序列具有上升趨勢(shì),所以首先通過(guò)一階差分消除原序列的趨勢(shì)。隨后為了提取原始時(shí)間序列的季節(jié)性信息,需要對(duì)原始數(shù)據(jù)進(jìn)行一階季節(jié)差分消除季節(jié)趨勢(shì)。經(jīng)單位根檢驗(yàn),一階季節(jié)差分序列為穩(wěn)態(tài)序列(P<0.05),可認(rèn)為經(jīng)過(guò)一階季節(jié)差分后的時(shí)間序列平穩(wěn)。

        3.模型識(shí)別

        原序列經(jīng)過(guò)一階差分后,序列的趨勢(shì)即消除,得d=1;對(duì)一階季節(jié)差分序列進(jìn)行相關(guān)和偏相關(guān)處理后,得到ACF圖(圖3)和PACF圖(圖4)。觀察圖3,得自相關(guān)系數(shù)一階后未超過(guò)±2倍估計(jì)標(biāo)準(zhǔn)差范圍,即自相關(guān)系數(shù)l階以后截尾,初步確定q=1;觀察圖4得偏自相關(guān)系數(shù)3階截尾,初步確定p=3。

        圖3 自相關(guān)系數(shù)圖

        圖4 偏自相關(guān)系數(shù)圖

        4.模型的參數(shù)估計(jì)與檢驗(yàn)

        根據(jù)模型參數(shù)檢驗(yàn)結(jié)果和參數(shù)間的相關(guān)系數(shù),使用auto.arima語(yǔ)句對(duì)模型反復(fù)調(diào)試和檢驗(yàn),以赤池信息準(zhǔn)則(AIC準(zhǔn)則)作為依據(jù)確定最優(yōu)擬合模型,自動(dòng)輸出相應(yīng)模型階數(shù),選擇ARIMA(0,1,1)(1,1,1)12模型階數(shù)。對(duì)殘差序列做自相關(guān)圖(圖5),觀察可知自相關(guān)系數(shù)值在滯后1期迅速衰減,據(jù)此可認(rèn)為殘差序列為白噪聲,信息提取較為充分,符合要求。經(jīng)Ljung-Box檢驗(yàn)后,認(rèn)為此序列為白噪聲序列(P>0.05),該殘差序列相互獨(dú)立。

        圖5 殘差序列的自相關(guān)系數(shù)圖

        5.預(yù)測(cè)

        利用季節(jié)性ARIMA(0,1,1)(1,1,1)12模型對(duì)遼寧省2019年AEFI報(bào)告數(shù)進(jìn)行預(yù)測(cè)(圖6),并通過(guò)實(shí)際報(bào)告數(shù)對(duì)預(yù)測(cè)結(jié)果進(jìn)行檢驗(yàn),結(jié)果顯示,該模型的預(yù)測(cè)值均在95%可信區(qū)間內(nèi),其平均絕對(duì)百分誤差(MAPE)僅在3月時(shí)較高(42.16%),提示該模型預(yù)測(cè)精度可接受(表1)。

        表1 2019年1-12月遼寧省AEFI報(bào)告數(shù)預(yù)測(cè)值與實(shí)際值及檢驗(yàn)

        討 論

        AEFI處置包括資料的收集、病例的調(diào)查、組織相關(guān)專(zhuān)家的討論、診斷,個(gè)別病例可能需要鑒定,AEFI報(bào)告情況的預(yù)測(cè)[5],對(duì)AEFI處置資源的合理配置具有重要指導(dǎo)意義。

        調(diào)查研究顯示,AEFI的報(bào)告除了疫苗本身及受種者自身情況的影響外,也受到各種不確定因素及措施的影響。季節(jié)性ARIMA時(shí)間序列預(yù)測(cè)模型將各種已知的、未知的因素綜合成統(tǒng)一的影響因素蘊(yùn)含在時(shí)間序列變量中[6]。本文建立季節(jié)性ARIMA模型將遼寧省2009-2019年AEFI報(bào)告數(shù)序列分解為趨勢(shì)、周期、季節(jié)和不規(guī)則四種不可觀測(cè)成份后,將原始時(shí)間序列中隱含的季節(jié)性因素提取出來(lái)并予以剔除,消除了不確定因素對(duì)時(shí)間序列的影響。R作為一種開(kāi)源免費(fèi)的軟件,具有強(qiáng)大的數(shù)據(jù)統(tǒng)計(jì)處理及圖形繪制功能[7]。R軟件中的auto.arima語(yǔ)句,可自動(dòng)根據(jù)AIC準(zhǔn)則,輸出相應(yīng)模型階數(shù),避免了根據(jù)拖尾和截尾來(lái)判斷比較主觀,不夠準(zhǔn)確的問(wèn)題,提高了模型識(shí)別效率。

        本文使用R軟件,經(jīng)序列平穩(wěn)化,季節(jié)趨勢(shì)剔除,參數(shù)估計(jì)、自動(dòng)識(shí)別和檢驗(yàn)等步驟建立了遼寧省AEFI報(bào)告數(shù)季節(jié)性ARIMA模型,通過(guò)對(duì)2019年AEFI報(bào)告數(shù)的預(yù)測(cè)及與實(shí)際值的對(duì)比,認(rèn)為該模型可較為有效地?cái)M合AEFI報(bào)告情況,具有一定的推廣價(jià)值。但是,由于AEFI報(bào)告本身具有一定特殊性,如何將其運(yùn)用到實(shí)際中去,仍是一個(gè)值得探討的課題。

        猜你喜歡
        季節(jié)性時(shí)序差分
        時(shí)序坐標(biāo)
        基于Sentinel-2時(shí)序NDVI的麥冬識(shí)別研究
        粕類(lèi)季節(jié)性規(guī)律:豆粕篇
        湖南飼料(2021年3期)2021-07-28 07:05:58
        數(shù)列與差分
        季節(jié)性需求放緩 鉀肥價(jià)格下行
        蔬菜價(jià)格呈季節(jié)性回落
        遠(yuǎn)離季節(jié)性過(guò)敏
        Coco薇(2017年12期)2018-01-03 21:34:42
        一種毫米波放大器時(shí)序直流電源的設(shè)計(jì)
        電子制作(2016年15期)2017-01-15 13:39:08
        基于差分隱私的大數(shù)據(jù)隱私保護(hù)
        相對(duì)差分單項(xiàng)測(cè)距△DOR
        太空探索(2014年1期)2014-07-10 13:41:50
        少妇一级aa一区二区三区片| 777午夜精品免费观看| 国产av无码专区亚洲av手机麻豆| 国产真实乱对白在线观看| 国产偷闻女邻居av在线观看| 欧美性生交大片免费看app麻豆| 少妇被猛男粗大的猛进出| 国产欧美久久久另类精品| 久久婷婷夜色精品国产| 日韩女优av一区二区| 最近在线更新8中文字幕免费 | 黄又色又污又爽又高潮动态图| 亚欧同人精品天堂| 精品人妻av一区二区三区四区| 国产尤物精品视频| 黄 色 人 成 网 站 免 费| 人妻中文字幕一区二区二区| 狠狠爱婷婷网五月天久久| 99热爱久久99热爱九九热爱| 中文字幕天堂网| 国产一级r片内射视频播放| 激情综合五月开心婷婷| 亚洲av综合日韩| 人妖另类综合视频网站| 色婷婷av一区二区三区丝袜美腿| 日日拍夜夜嗷嗷叫国产| 学生妹亚洲一区二区| 新久久久高清黄色国产| 蜜桃一区二区三区视频网址| 国产精品一区二区久久不卡| 伊人婷婷色香五月综合缴激情| 亚洲一区二区三区色偷偷| 日本一区二区在线播放| 成人区人妻精品一区二区不卡网站 | 亚洲综合日韩精品一区二区| 日本老熟妇50岁丰满| 成年奭片免费观看视频天天看| 色婷婷一区二区三区久久亚洲| 成在线人av免费无码高潮喷水| 精品国产午夜福利在线观看| 日韩精品久久不卡中文字幕|