辽宁省疾病预防控制中心(110005) 常 琳 孙 静 方 兴

【提 要】 目的 建立疑似预防接种异常反应(adverse event following immunization，AEFI)报告病例数的季节性自回归积分滑动平均模型(autoregressive integrated moving average model，ARIMA)，对AEFI报告数进行预测。方法 使用R语言做模型的识别、模型参数的估计、检验，建立季节性ARIMA模型，对辽宁省AEFI报告数进行模型拟合，用2019年1-12月的预测值与实际值作比较，检验模型的预测能力。结果 经过多次检验，确定ARIMA(0，1，1)(1，1，1)12模型预测能力最佳，其残差序列为白噪声。用2019年1-12月数据检验模型，由MAPE的绝对值可以看出，除3月外其他月份预测值与实际值相差均较小，说明模型的拟合优度相对较好，预测结果可靠。结论 季节性ARIMA(0，1，1)(1，1，1)12模型可以较为准确地预测辽宁省AEFI病例报告趋势，可为合理配置AEFI调查诊断所需资源提供理论依据。

近年来，随着扩大免疫规划工作的深入开展，疫苗可控制传染病发病率逐年下降，预防接种后发生的疑似预防接种异常反应(adverse event following immunization，AEFI)逐渐进入了公众的视线，成为媒体关注的重点[1-2]，使得免疫规划工作者将越来越多的精力投入到AEFI处置工作中去。为合理科学地配置AEFI调查诊断所需资源，需要对AEFI病例报告趋势进行科学的预测。

季节性自回归积分滑动平均模型(autoregressive integrated moving average model，ARIMA)模型是由Box和Jenkins于20世纪70年代初提出的一著名时间序列预测方法，所以又称为Box-Jenkins模型。ARIMA模型的基本思想是：将预测对象随时间推移而形成的数据序列视为一个随机序列，用一定的数学模型来近似描述这个序列。ARIMA(p，d，q)模型中AR是自回归，p为自回归项数；MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。……