季节模型在某医院月门诊量预测中的研究与应用

《季节模型在某医院月门诊量预测中的研究与应用》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、季节模型在某医院月门诊量预测中的研究与应用摘要：根据海南省某医院月门诊量时间序列的特征，首先识别出多个可能的季节模型，经模型检验对比后构建了最优的乘积季节模型；然后利用季节模型分析了该医院月门诊量的周期性及趋势性变化规律；最后基于最优模型对该医院月门诊量进行预测，进而验证了月门诊量变化规律符合生活实际情况，建立的最优季节模型具有科学性及可行性，季节模型分析的预测值为医院门诊管理工作提供参考建议。关键词：月门诊量；时间序列；季节模型；预测值Abstract：Accordingtothefeaturesofoutpatientnumbe

2、rstimeseriesforonehospitalinHainanprovince,firstlyidentifyseveralpossibleseasonalmodels，andconstructthebestmultiplicativeseasonalmodelbyusingmodelstestingandcomparison；thenanalysischangeregularityoftheperiodicityandtrendbytheseasonalmodel；finallyforecasttheoutpatientnu

3、mbersofthathospitalbasedonthebestmodelwhichhasbeengiven,andverifythatchangeregularityconformtotherealityoflife.Thebestseasonaltimeseriesmodelwhichhadbeenconstructedhadthescientificnatureandfeasibility,thus,thepredictionsofthemodelgiverecommendationsforthehospitaloutpat

4、ientmanagement.Keywords：Monthlyoutpatientnumber;Timeseries；Seasonalmodel；Predictivevalue?3着海南国际旅游岛建设的不断加快，人口数量也在不断加大，经济在发展和人们生活水平在提高，这将对上生产品和医疗服务供给的需求加大，提高医疗服务水平对于海南省建设至关重要。门诊量［1］是评价一个医院医疗工作的重要指标之一，直接或间接地反映出一个医院的规模、医疗质量及医术水平，一个医院的医疗水平及服务直接地影响人们的就医选择。从而，门诊量的科学分析及预测至关重要，

5、为科学管理门诊工作的有力依据。一元时间序列分析是一种考虑对象本身的历史数据随时间发展变化的规律，即其不需考虑影响预测变量的相关因素，该法用予医院管理相关指标预测的优点突出，季节模型是一种特殊的考虑季节性效应的时间序列分析模型，其可对时间序列的趋势性及季节性综合分析，已有很多卫生工作者将该法应川于医院管理、疾病控制等领域［2-4］,在前瞻性预测方面冇较高的应用价值。1预备知识1.1数据来源海南省某医院提供的信息系统数据，数据内容为该医院2009年1月〜2014年12月每月的月门诊量，数据连续，来源真实可靠。1.2ARIMA(p,d,q

6、)X(P,D,Q)S模型称(1)式为乘积季节性模型［5-7］ARIMA(P,D,Q)X(p,d,q)s,P,D,Q分别表示回归阶数、差分阶数和移动平均阶数，p，d,q分别表示季节性自回归、差分和移动平均的阶数，s表示周期长度。1.3建模方法与步骤建模基木步骤［8］如下。步骤1:判断平稳性及平稳化；步骤2:模型定阶。根据样本自相关系数和偏自相关系数的性质，选择阶数适当的ARIMA（P，D,Q）X（p，d,q）s模型进行拟合；步骤3:估计模型参数；步骤4:检验模型的有效性。如果拟合模型检验不通过，转向步骤2,重新选择模型再拟合；步骤5:

7、模型优化。如果拟合模型通过检验，仍然转向步骤2,充分考虑各种可能，建立多个拟合模型，从所有通过检验的拟合模型中选择最优模型;步骤6:利用拟合模型，预测序列的将来走势。2建立季节模型以下应用Eviews6.0软件省某医院2009年1月〜2014年12月的月门诊人数为原始数据时间序列，命名为M。建立季节模型，对模型诊断及动态预测。2.1平稳性检验对序列｛M｝做时序图，如图1所示。由时序图可以看出月门诊人数除了有不断增长的趋势外，又存在周期性，直观上初步判断序列为非平稳序列。对序列进行单位根检验，进一步准确判断序列平稳性，采用ADF检验［

8、8］结果表1所示。ADF的检验统计量为1.895540小于对应显著性水平0.05对应的临界值-2.910860的绝对值，从而不拒绝H0，说明该时间序列存在单位根，数据不平稳。3.2序列平稳化消除门诊量序列的长期增长趋势，进行平稳化处理