我国包虫病报告病例数自回归移动平均模型预测研究

作者：谭恩丽; 王正峰; 周文策; 李石柱; 卢艳; 艾琳; 蔡玉春; 滕雪娇; 张顺先; 党志胜; 杨春利; 陈家旭; 胡薇; 周晓农; 田利光

来源：中国血吸虫病防治杂志, 2018, 30(01): 47-53.

DOI：10.16250/j.32.1374.2017173

• 包虫病
• 月报告病例数
• 自回归移动平均模型
• 建模

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。

• 单位
  兰州大学第一医院; 中国疾病预防控制中心寄生虫病预防控制所; 生命科学学院; 上海市皮肤病医院; 复旦大学