叶孟良，李智涛，欧 荣

（重庆医科大学：1.公共卫生与管理学院卫生统计教研室；2.信息管理系 400016）

建立时序模型的方法众多，如移动平均法、指数平滑模型等。求和自回归移动平均模型（autoregressive integrated moving average，ARIMA）是其中重要而基本的模型之一，在各个领域的应用十分广泛，其中季节乘积模型可以综合考虑序列演变的趋势、周期变化和随机干扰因素，借助模型参数的变化对数据进行量化表达，可以达到较好的预测效果［1］。如医院每日住院量存在一定周期性，现将本研究尝试用季节性乘积模型（p，d，q）（P，D，Q）7对重庆市日住院量序列进行分析和预测的结果报道如下。

1 资料与方法

1.1 一般资料 选择2009年2～4月重庆市各医院病案登记的每日住院患者人数为建立模型和检验模型的原始数据。2009年2～3月住院患者人数用于建立模型，2009年4月第1、2周的相应数据用于模型检验。

1.2 ARIMA模型的建立 根据重庆市2009年2～4月住院患者人数序列图，初步判定该序列的变化规律。利用自相关分析初步确定该序列适宜的模型和模型参数。建立ARIMA模型，分析日住院量的长期趋势、季节性、周期性变化和随机干扰，并对重庆市日住院量进行预测。利用非线性最小二乘法估计模型参数。ARIMA模型的诊断从以下几方面进行：（1）模型参数是否有统计学意义；（2）备选模型的拟合优度比较；（3）参数独立性；（4）残差检验［2］。利用2009年4月第1、2周数据对模型的外推效果进行检验，利用平均相对误差评价模型的外推预测效果。

1.3 收容量预测和监测 用筛选的最优ARIMA模型，对重庆市住院患者数进行预测，通过模型拟合值的95%可信区间绘制住院患者量的监测图。……