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185 | 下载37

目的:探讨ARMA模型在某县区死亡率动态分析中的应用,分析和预测其非意外死亡率的动态发展趋势。方法:对该地2008年1月-2012年9月的逐月死亡率进行ARMA模型拟合,采用2012年10-12月的实际月死亡率验证模型的预测效果。结果:MA(1)模型较好地拟合了该地区既往时间段上的死亡率序列,模型残差为白噪声(P>0.05),模型参数MA1,1=-0.470,有统计学意义(t=-4.010, P=0.000),AIC=431.719,SBC=435.907,模型数学函数式为:xt =35.07217+(1+0.4757 B)εt。预测得到的2012年10-12月死亡率为32.65/10万、35.07/10万、35.07/10万,2013年1月死亡率为35.07/10万,预测误差为12.25

作者:夏兰芳;孟郁洁;李迎迎;陈倩倩;戚晓鹏;马家奇

来源:中国数字医学 2014 年 4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:185 | 下载:37
作者:
夏兰芳;孟郁洁;李迎迎;陈倩倩;戚晓鹏;马家奇
来源:
中国数字医学 2014 年 4期
标签:
死亡率 时间序列分析 ARMA模型 预测 mortality time-series analysis ARMA model prediction
目的:探讨ARMA模型在某县区死亡率动态分析中的应用,分析和预测其非意外死亡率的动态发展趋势。方法:对该地2008年1月-2012年9月的逐月死亡率进行ARMA模型拟合,采用2012年10-12月的实际月死亡率验证模型的预测效果。结果:MA(1)模型较好地拟合了该地区既往时间段上的死亡率序列,模型残差为白噪声(P>0.05),模型参数MA1,1=-0.470,有统计学意义(t=-4.010, P=0.000),AIC=431.719,SBC=435.907,模型数学函数式为:xt =35.07217+(1+0.4757 B)εt。预测得到的2012年10-12月死亡率为32.65/10万、35.07/10万、35.07/10万,2013年1月死亡率为35.07/10万,预测误差为12.25

Baidu
map