目的分析全国狂犬病疫情的时间分布特征,探讨用自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)预测疫情发展趋势的可行性。方法建立2004―2015年全国狂犬病月度发病率时间序列,用R3.3.2软件建立最优ARIMA模...目的分析全国狂犬病疫情的时间分布特征,探讨用自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)预测疫情发展趋势的可行性。方法建立2004―2015年全国狂犬病月度发病率时间序列,用R3.3.2软件建立最优ARIMA模型,对2016年1~11月发病率进行预测,并评价预测效果。结果 2007年以来我国狂犬病年发病率呈下降趋势,8~10月为高峰季节;建立的最优模型为ARIMA(2,1,1)(2,0,0)_(12),其平均绝对标准化误差(The mean absolute error,MASE)为0.755;2016年1~11月发病率预测结果显示,平均相对误差为15.61%。结论我国狂犬病疫情存在季节性发病高峰,ARIMA模型能用于我国狂犬病疫情的短期预测。展开更多
文摘目的分析全国狂犬病疫情的时间分布特征,探讨用自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)预测疫情发展趋势的可行性。方法建立2004―2015年全国狂犬病月度发病率时间序列,用R3.3.2软件建立最优ARIMA模型,对2016年1~11月发病率进行预测,并评价预测效果。结果 2007年以来我国狂犬病年发病率呈下降趋势,8~10月为高峰季节;建立的最优模型为ARIMA(2,1,1)(2,0,0)_(12),其平均绝对标准化误差(The mean absolute error,MASE)为0.755;2016年1~11月发病率预测结果显示,平均相对误差为15.61%。结论我国狂犬病疫情存在季节性发病高峰,ARIMA模型能用于我国狂犬病疫情的短期预测。
