李济宾 张 熙 张晋昕

时间序列中随机型缺失数据的填补及预测效果比较*

李济宾1，2张 熙3张晋昕1△

目的 本文旨在通过填补时间序列资料中的随机型缺失数据并拟合ARIMA模型，比较三种填补方法的填补和预测效果。方法 利用SAS产生平稳、有周期性的时间序列并构造不同比例的随机型缺失，分别采用周期性填补法、均值填补法和三次样条函数插值法进行缺失数据的填补，并对填补后序列拟合ARIMA模型进行序列预测。采用配对t检验对三种填补方法的填补误差和序列预测误差进行比较。结果 三种填补方法的填补值与真值的差异均无统计学意义(P＞0.05);随着缺失比例的增大，周期性填补法的填补误差和序列预测误差均小于三次样条函数插值法和均值填补法。结论 周期性填补法对于含有确切周期信息的时间序列缺失数据，填补效果较优。

缺失数据 时间序列 填补 周期性 三次样条

1.中山大学公共卫生学院医学统计与流行病学系(510080)

2.香港中文大学公共卫生与基层医疗学院

3.复旦大学公共卫生学院卫生统计与社会医学教研室(200032)△通讯作者:张晋昕，E-mail:zhjinx@mail．sysu．edu．cn

缺失数据是医学应用研究中普遍存在的实际问题。在对医学时间序列数据进行建模预测时，序列的长度和完整性对拟合模型的可靠性有影响。医学时间序列的观测值具有不可重复的特点，缺失数据的随意插补或跳过，使拟合的模型难以很好地反映纵向数据的规律，制约了时间序列在医学领域的应用。……