期刊文献+

浙江省5岁以下儿童死亡率的时间序列分析 被引量:4

A time series analysis on under 5 mortality rate in Zhejiang Province
原文传递
导出
摘要 目的了解浙江省1998—2014年5岁以下儿童死亡率的时间分布规律,预测2015年5岁以下儿童死亡率。方法对1998—2014年5岁以下儿童死亡率数据建立时间序列求和自回归移动平均ARIMA(p,d,q)预测模型,进行统计分析。结果浙江省1998—2014年5岁以下儿童死亡率呈下降趋势,其模型ARIMA为(2,1,2)具体表达式:y_t=-0.696+0.636yt-1+0.024yt-2+0.340yt-3+αt-0.003αt-1+0.997αt-2;2015年5岁以下儿童死亡率预测值为4.08‰(95%CI:1.52‰~6.64‰)。各年5岁以下儿童死亡率与模型预测值较接近,且均在其95%可信区间内,ARIMA(2,1,2)拟合效果良好。结论时间序列分析是研究5岁以下儿童死亡率时间分布规律的行之有效的方法,可用于近期的预测。 Objective To study the temporal distribution regular pattern of under 5 mortality rate( U5MR) from 1998 to2014 in Zhejiang Province,and to predict the under 5 mortality rate in 2015. Methods A time series ARIMA( p,d,q)forecasting model for U5 MR was conducted using IBM SPSS Statistics 20. 0 statistical analysis software. Results The UMAR showed downward trend. The ARIMA( 2,1,2) model of U5 MR from 1998 to 2014 in Zhejiang Province is y_t=- 0. 696 + 0. 636yt- 1+ 0. 024yt- 2+ 0. 340yt- 3+ αt- 0. 003αt- 1+ 0. 997αt- 2,and the model fitting was good. Each of the actual mortality was consistent with the trend of model prediction,and was within the 95% confidence interval. The predicted value of U5 MR was 4. 08‰( 95% CI: 1. 52‰- 6. 64‰) in 2015. Conclusion Time series analysis is an effective way to analyze the temporal distribution regular pattern of U5 MR,which could be used for short- term prediction.
出处 《浙江预防医学》 2016年第1期13-16,共4页 Zhejiang Journal of Preventive Medicine
基金 2013年浙江大学本科生公共卫生探究性实验项目(17) 浙江大学2014年浙江省大学生科技创新活动计划暨新苗人才计划(2014R0101)
关键词 时间序列 ARIMA(p d q)模型 5岁以下儿童死亡率 预测 Time series analysis ARIMA(p,q,d) model Under 5 mortality rate Forecast
  • 相关文献

参考文献16

二级参考文献33

  • 1赵蕾,陈美英.ARIMA模型在福建省GDP预测中的应用[J].科技和产业,2007,7(1):45-48. 被引量:38
  • 2但志平,郑胜.最小二乘向量机在说话人识别中的应用[J].计算机技术与发展,2007,17(5):30-32. 被引量:1
  • 3张文彤.SPSS统计分析教程.北京:北京希望电子出版社,2002:250-289. 被引量:9
  • 4FransesPH.商业和经济预测中的时间序列模型[M].北京:中国人民大学出版社.2002. 被引量:2
  • 5de Gooijer J G, Hyndman R J. 25 years of time series forecasting[ J ]. International Journal of Forecasting, 2006,22 : 443 - 473. 被引量:1
  • 6Kumar K ,Jain V K. Autoregressive integrated moving averages (ARIMA) modeling of a traffic noise time series [ J ]. Applied Acoustics, 1999,58:283-294. 被引量:1
  • 7Tseng Fang-Mei, Yu Hsiao-Cheng,Tzeng Gwo-Hsiung. Combining neural network model with seasonal time series ARIMAmodel[ J ]. Technological Forecasting & Social Change, 2002, 69:71-87. 被引量:1
  • 8Spence M. Job Market Signaling[ J]. Quarterly Journal of Economics, 1973,87 ( 3 ) : 355 "374. 被引量:1
  • 9胡亚美,江载芳.诸福棠实用儿科学[M].第7版.北京:人民卫生出版社,2006,1204-1205. 被引量:36
  • 10Volkan S.Edigera,Sertac Akarb,Berkin Ugurlu.F-orecasting production of fossil fuel sources in Turkeyusing comparative regression and ARIMA mode[J],Energy Policy,2006,(34):3836–3846. 被引量:1

共引文献88

同被引文献28

引证文献4

二级引证文献20

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部