Page 143 - 南京医科大学自然版

第44卷第10期 丁 勇，张蓓蓓，吴 静. 基于配对检验的ARIMA模型在我国甲肝发病数预测中的应用［J］.
2024年10月 南京医科大学学报（自然科学版），2024，44（10）：1456-1461 ·1459 ·

3 =9 种备选模型。根据杨⁃博克斯显著性检验、模 t 检验（P < 0.05）；拟合优数 R 和 BIC 值表现良好。
2
2
型系数显著性检验，以及模型拟合残差的自相关、 从图 5 模型 ARIMA（1，1，0）（0，1，1） 12 的拟合曲线
偏自相关函数图（图 4）判断残差符合白噪声序列 来看，拟合效果良好，拟合值与实测值比较接近，
的要求，选出模型 ARIMA（1，1，0）（0，1，1） 12。表 1 能够较好地动态反映甲肝时间序列的波动规律和
说明模型 ARIMA（1，1，0）（0，1，1） 12的系数均通过 季节特性。

0.2

0.1
ACF 0

-0.1

-0.2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Number of delays

0.2

0.1
PACF 0

-0.1
-0.2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Number of delays
图4 残差自相关函数（ACF）图和偏自相关函数（PACF）图
Figure 4 Residual autocorrelation function（ACF）and Partial autocorrelation function（PACF）

表1 ARIMA（1，1，0）（0，1，1）模型参数估计检验及拟合结果统计
12
Table 1 Statistics of parameter estimation test and fitting results of ARIMA（1，1，0）（0，1，1） model
12
Variable AR（1） SMA（12） Constant Box’s Q test statistic R 2 BIC
Coefficient -0.284 0.799 < 0.001 - 0.891 12.936
t -4.481 13.443 -0.278 -
P < 0.001 < 0.001 0.781 0.664

12 000

10 000 Actual value
Fitting value
Number of cases 8 000

6 000

4 000

2 000
0
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021

Time
图5 ARIMA（1，1，0）（0，1，1）的拟合曲线图
12
Figure 5 Model fitting of ARIMA（1，1，0）（0，1，1）
12