ARIMA模型在预测某医院出院人数中的应用.pdfVIP

ARIMA模型在预测某医院出院人数中的应用 ① 周文广 ① 绵阳市第三人民医院 摘 要 目的 分析用 ARIMA 模型预测出院人数的效果。 方法 利用 SPSS18.0 软件，采用 ARIMA模型预测， 并与指数平滑法比较。 结论 ARIMA模型能够较好的对出院人数进行统计预 测，但尚需与实际情况相结合，不断改进模型，以达到更好的统计精度 关键词 ARIMA 模型 预测 出院人数 出院人数是衡量一个医院发展的重要指标，大部分统计指标均是由出院人数演算而成。 对于这一数值采用科学的统计预测可以为医院的运营与决策起到重要的指导作用。 因 ARIMA 季节乘积模型充分考虑了基本趋势、 周期性、 季节性、残差相关性等问题， 使得预测精度提 高，预测数据接近实际水平， 是出院人数预测的首选数学模型 [1] ，故本文利用 ARIMA,模型对 某医院 2003～2012 年出院人数进行分析。 现将本研究尝试用季节性乘积模 型 ( p，d，q ) ( P， D，Q) 对某医院出院人数序列进行分析和预测的结果报道如下。 1 资料与方法 1.1 一般资料 考虑到数据采集的便利、 准确性， 本文以某院 2003 年 1 月至 2012 年 12 月共 120 个月度出院人数作为建立模型基础数据，以 2013 年 1-6 月相应数据进行模拟检验。 I.2 ARIMA 模型的建立 根据某院 2003 年 1 月至 2012 年 12 月出院人数序列，初步判定该 序列的变化规律。 利用自相关分析初步确定该序列适宜的模型和模型参数， 建立 ARIMA模型。 利用非线性最小二乘法估计模型参数。 ARIMA 模型 的诊断从以下几方面进行： ) 模型参数 是否有统计学意义； 备选模型的拟合优度比较； 参数独立性； 残差检验。 利用 2013 年 1-6 月实际数据与外推预测数据比较计算相对误差评价模型。 1.3 预测效果比较 指数平滑法是对近期序列值赋予较大的权重，来估计序列的平均水平、 趋势性和周期性。 用筛选的最优 ARI MA模型的预测效果与指数平滑法的预测效果进行比较 。 1.4 统计学处理 应用 SPSS18.0 软件进行统计学数据分析，利用平均相对误差的数值比较 预测效果。 2 结果 通过模型的筛选，得出 ARIMA( 1 ， 1 ，1 ) ( 1 ，l ， 1 ) 为最优。某医院出院人数的 备选模型拟合度统计和外推测统计结果以及、 ARIMA与指数平滑法在 2013 年 1-6 月出院人 数预测效果见表 1 ～3 。 表 1 某医院出院人数备选模型拟合优度统计 表 2 某医院 2013 年 1-6 月出院人数外推预测结果 表 3 ARI MA 与指数平滑法在出院人数中预测效果的比较 3 讨论 ARI MA 乘积模型是针对有季节性变动的时间序列提出的建模方法。每月出院病人数受 季节因素的影响呈现出明显的周期， 某医院每月出院病人数的时序资料本身属于季节性序列 且蕴涵着指标随时间变化的运动演变规律， 故可通过建立 ARIMA(p，d，q ),( P， D ， Q) 进 行短期住院量的预测。 时间序列分析中指数平滑法是用无限大的宽窗， 各历史值的权重随时 间的推移呈指数衰减来估计序列的平均水平、