住院病人多元回归预测分析

《住院病人多元回归预测分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、住院病人多元回归预测分析住院人数是反映医院工作情况的重要统计指标Z—,对其进行统计预测，可以为制定医院工作计划和决策管理提供依据。对于加强医院管理，合理利用人、财、物力，减少工作小的盲目性；提高两个效益以及医疗质量等方而均有其实际意义。资料来源分析住院人数的变化规律及其影响因素，是对其进行统计预测的前提。在一定吋期内，住院人数受多种因素影响。就内部因素而言，它重要受门诊工作量和病床工作效率的影响。而反映这两个因索的统计指标主要有“门诊人次”、“病床利用率”、“病床周转次数”等等。为此笔者搜集了木院1970〜1989年的上述指标作为统计预测的原始资料俵1）。表1原始数据表住院人

2、数门诊人次（万人）病床利用率病床周转次数年份YtX】.tX2.tX3.t(1)(2)(3)(4)1970634949.894.2519.84197165193&19&5020.371972595236.689.861&601973523036.086.0016.341974541132.383.2916.911975527737.877.8818.071976377234.192.6217.961977384642.286.571&31197838663&184.291&411979514239.589.2920.611980772455.897.6322.721981816

3、763.096.5323.331982810765.293.4321.911983799866.194.4521.051984733165.493.03961985644760.191.7918.811986486956.98&9415.821987550657.791.7916.011988574153.499.0316.59198955684&794.9316.09合计118822976.81824.10376.71平均数594148.891.2118.84预测模型的建立及分析采用多元线性回归方程对原始资料进行拟合。令：住院人数为Yt、门诊人数为X-、病床利用率为病床周转

4、次数为X—。其关系可表示为：YtY{=a°+aiX）z+82X2^+3Xt1.预测方程的建立将表1原始数据输入电了计算机进行处理，得到多元回归预测方程:Yt=-4916.67+57.16X

5、j+29.39X2t+285.85X3t1.统计处理及分析(1)经方差分析得：F=15.27、P<0.01(表2),故该回归预测方程有极显著性意义。表2方差分析表变界來源自山度n离均差平方和SS均方MSF概率P回归U327072318.539024106.1815.27P<0.01剩余Q169455923.27590995.20总Lyy1936528241.80n=2O,F0.05G,⑹二

6、3.24,Fom(3,⑹=5.29(2)经复相关系数(R=0.8609)和决定系数(R$=0.7411)的计算表明:在此回归预测方程中因变量(YJ与口变量(Xi,JZ间的相关程度较高。「•各口变量对因变量的决定程度为74.11%。(3)标准偏回归系数分别为：a=0.49.a‘2=0.12、a‘3=0.47。结果表明：在消除不同单位的影响后，各自变量对因变量的作用大小依的为:Xbt>X3.t>X2.t,即：“门诊人次”的变动对“住院人数”的影响最大，“病床周转次数”的影响次乙“病床利用率”的影响最小。预测误差分析预测模型建立Z后，首先应进行预测误差分析。检验预测模型的可靠程度

7、，进而对其修正，将预测谋差控制在一定范用内，从而提高预测结果的精度。1.回顾性预测分别将各口变量(Xi.J的1970〜1989年实际值代入多元线性回归预测方程，计算出“住院人数”(YJ的预测值(表3笫二列所示)。例如:1970年的“住院人数”预测值为：Y}=-4916.67+57.16X(49.80)+29.39X(94.25)+285.85X(19.84)=6371....其余类推。2.预测误差计算及分析(1)绝对误差e,=Y结果见表3第三列。(2)相对误差=et/Yt,结果见表3第四列。(3)平均绝对误差MAE=1/nXE

8、etI=1/20X10800=540(其中刀

9、6

10、1=10800)。通过上述计算结果表明：预测误差时高吋低、有正有负，但平均绝对误差仅为540即误差的--般水平较小。另外，从表3还可看出：绝对预测误差从1980〜1989年期间较小，且相对谋差绝人部分在±6%之间波动。从而表明本预测方程的近期效果较为理想，因此可直接利用该多元回归预测方程进行近期外推预测。表3预测误差分析表实际值预测值预测误差百分比误差误差平方年份Ytytet=(Y-yO(3)/(1)*100%et(1)(2)(3)(4)(5)197063496371-22-0.354841971651