您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览152 | 下载0

目的 应用指数平滑模型和ARIMA模型对某医院急诊、门诊接待量进行预测分析,比较两种方法并找出最优预测模型.方法 应用SPSS20.0中的专家建模器对医院门诊、急诊接待量进行时间预测分析,并预测未来一年的门诊、急诊接待量.结果 急诊接待量预测的最优模型为ARIMA模型(0,1,1)(0,1,1),正态化BIC=13.100,MAPE=5.762,R2 =0.858;门诊接待量预测最优模型为指数平滑模型,Alpha=0.093,正态化BIC=19.182,MAPE=5.770,R2=0.932,模型拟合良好.两种模型Box-Ljung统计量均不存在统计学意义(P>0.05),可以认为残差序列可以代表白噪声,说明拟合效果良好.结论 急诊、门诊接待量数据同样具有季节性和趋势性变化,不同模型的敏感性却不尽相同.工作中应该根据具体情况,对数据进行更深入的探索,从而选择最优佳模型,减少预测误差,为医院管理决策提供更加准确可信的依据.

作者:陈萌;付凌雨;魏婷婷;辛芳冉

来源:现代预防医学 2018 年 45卷 7期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:152 | 下载:0
作者:
陈萌;付凌雨;魏婷婷;辛芳冉
来源:
现代预防医学 2018 年 45卷 7期
标签:
指数平滑模型 ARIMA模型 时间预测模型 Exponential smoothing model ARIMA model Time forecasting model
目的 应用指数平滑模型和ARIMA模型对某医院急诊、门诊接待量进行预测分析,比较两种方法并找出最优预测模型.方法 应用SPSS20.0中的专家建模器对医院门诊、急诊接待量进行时间预测分析,并预测未来一年的门诊、急诊接待量.结果 急诊接待量预测的最优模型为ARIMA模型(0,1,1)(0,1,1),正态化BIC=13.100,MAPE=5.762,R2 =0.858;门诊接待量预测最优模型为指数平滑模型,Alpha=0.093,正态化BIC=19.182,MAPE=5.770,R2=0.932,模型拟合良好.两种模型Box-Ljung统计量均不存在统计学意义(P>0.05),可以认为残差序列可以代表白噪声,说明拟合效果良好.结论 急诊、门诊接待量数据同样具有季节性和趋势性变化,不同模型的敏感性却不尽相同.工作中应该根据具体情况,对数据进行更深入的探索,从而选择最优佳模型,减少预测误差,为医院管理决策提供更加准确可信的依据.

Baidu
map